现在企业里的AI，主要还在写材料、做PPT、写代码和当客服。

1、人人体育 第二年，我们在学胖东来‘为什么这么做’，学会了‘是’。

而她的演讲里没有一句在说自己，全程都是“你们”、“团队”、“家人”。人人体育头部品牌霸王茶姬深陷“增收不增利”的困境，2025年经调整净利润同比下降超20%。

2、盛夏玩冰、露营遛娃、夜游赏灯｜第二十四届哈尔滨国际啤酒节解锁全龄家庭一日游方案

“那时候我才意识到，我是个中年人，简历上写的都是十年前的技能。

3、监管重拳出击！光大银行成都分行领巨额罚单，多人被处行业禁业

当前行业最普遍的做法是：先量产再采集。

4、杨瀚森谈女友：打完回家可以吃口热饭 在日常生活里帮我做很多事情

虽然后来也有白敬亭分享穿搭、刘畊宏带动健身潮，也更多是在既有圈层内的影响力放大。

5、实验室里的好方案，如何扎进市场？这场AI4S大赛启动OPC创业孵化营

Qwen-Image-3.0能不能扛住呢？ 实测一：学术论文公式页 效果如下（用时大约3分20秒）： 排版工整、字迹清晰，不错不错，扛住了。

真正好的投资是“投得早”，但问题是，启明作为典型的早期投资人，现在能不能跟得起？ 现在除了AI、机器人，很多赛道都显得冷门。

一下子猛增了14.4个百分点，比前两类数据的增益加起来还多。

6、半年报里看广东新质生产力：AI、信息服务激活产业增长动能

那金山办公为什么还要单独做一个灵犀？ 在和金山办公助理总裁田然交流时，我把这个问题直接抛给了他。

AI进了企业，却没进决策室 AI在企业里的渗透速度很快，真正转化成利润的速度却没跟上。

7、下周美联储有30%概率加息？

某种意义上，这也是国内AI算力生态最缺的一环，国内硬件追赶力度充足，但软件生态积淀不足； 生态的厚度需要时间，更需要先有人敞开技术大门，吸纳全行业力量共建。

当用户点了一个差评，系统会自动分类（如「工具调用超时」），并直接给管理员指出SOP的修改方向。

8、2胜2平不败狂飙！亚洲足球强势崛起，留给中国足球的只剩五味杂陈

点击每一个人设，都能看到人物在故事中的全景经历、独特记忆、行为模式、社会关系网络等等。

“引男”惹恼了女用户 事实上，小红书从2021年开始将注意力投向男性用户后，站内便曾出现明显的调性冲突。

先在预训练阶段用仿真数据构建一个泛化性强的基座模型，再在交付阶段结合客户的少量示教数据微调，达到可实际部署的成功率。

9、新秀大比拼！谁是最佳！！

具体来说，商汤大装置把主流国产芯片「拼」在了一起。

蓝皮书区分了代理型和辅助型两种AI嵌入模式。

10、DeepSeek估值，被一家安徽箱包公司给全部暴露了

OpenAI公开路线图上写道： 2026年9月，做出「研究实习生」级的自动AI研究员，能自己啃下要人干几天的活儿；2028年3月，升级成完整版，能自己设计方法、跑分析、解读结果、提出下一步。

最终，所有局部标号都能拼成一个统一的全局方案，相同标签的边自动组成圈，每条边也恰好被两个圈覆盖。

1、湖人已成软柿子？多队均想季后赛首轮碰湖人 东詹里或再无合体

“所有的变革都源自于一把手的认知和判断，他能不能够跟得上这个时代，决定了公司前途。

2、没有人在意乌克兰，北约峰会上泽连斯基被孤立，俄军迅速开启反攻

但和现场的投资人、产业方多聊几句，会听到同一种疲惫：看了太多Demo，听了太多参数，真正签单进厂的，太少。

3、陆家嘴携手九万里学院举办消费品论坛 聚力培育消费增长新势能

它不啰嗦，直接干活，交出来的活儿还真不赖。哈兰德绝杀科特迪瓦：挪威创造历史不同客户对模型大小、内存容量、功耗和接口的要求差别很大。

4、海港 申花 山东泰山 北京国安 都有身披3张黄牌球员

把「发布AI应用」 交给每个人 就在今年的WAIC全球人工智能大会上，小红书官宣全量上线RED Skill，同时内测Vibe Coding小工具，并升级了创作服务平台Builder Hub。

5、迎战台风“红霞” 广东245座水库预泄腾库严阵以待

整体感觉像是把小红书、微信公众号、知乎等几个平台的界面风格揉在了一起，最后画出来一个有点“混血”的页面。

6、广东省中学生锦标赛中职组收官！莞科成就四连冠

面对三堵墙，行业普遍的做法是走“OS+AI”路线，在既有OS上接入大模型，让AI以助手、插件或入口的身份出现。

5月22日，联想集团发布2025/26财年财报：全年营收831亿美元，同比增长20.3%；经调整后净利润20亿美元，同比大增42.1%，增速接近营收的两倍，创下公司成立以来最佳财年纪录。

陶哲轩等几乎半数当代菲尔兹奖得主都是从IMO出来的，谷歌联创Sergey Brin也拿过IMO金牌。

7、斯堪尼亚两轴载货车来袭，800度电汕德卡G7S牵引车抢眼，工信部第408批新品公示之N类重型货车篇（上）

做大——Scaling Law出现后，参数从百亿推向千亿，算力支出一路飙升。

它解决了真实场景采集成本高、极端工况样本稀缺的痛点。

8、36岁霉霉“世纪大婚”！包下“半个纽约”，千人宾客堪比奥斯卡～

仿真赛道曾经的知名玩家，如今都选择把鸡蛋放在多个篮子里。

前者解决机器人从哪里获得可规模化的学习经验，后者解决这些经验如何在物理世界中被复现和验证。

听上去很有道理，不过要解决的问题却很现实： 不靠量产堆数据，泛化从哪来？ 细挖爻方的解法 爻方的答案，其实就写在那篇技术报告里：用更聪明的架构，把有限的数据用到极致。

他们还有激情和未完成的使命感，还能做很多事情，“孵化”他们，成为明星项目。