AI 变现案例

Instacart 推出名为 “Blueberry” 的 AI 辅助事故响应系统，旨在协助待命工程师更快排查、解决生产环境故障。该系统利用多个 AI 智能体、运维数据以及过往故障处置经验，在生产事故发生时为工程师补充场景信息，并给出故障根源推测。构建这个系统是为了解决大规模运维场景中普遍存在的难题：发生故障时，工程师往…

在企业竞相讨论大模型、智能体和 AI 数据库之际，甲骨文将判断 AI 项目是否成功的标准压缩成了一个词：成效。 “真正的 AI 能力是看不见的，能看见的是业务效果。”甲骨文公司副总裁及中国区董事总经理吴承杨说道。 围绕这一判断，甲骨文正把全栈产品、AIBS 方法论、数据库安全、多云基础设施等串成一条路线：先选出一个高价…

Dropbox 推出了一套新的工程实践，通过 Model Context Protocol（MCP，模型上下文协议） 和内部知识系统 Dash，将安全设计产物直接连接到代码审查工作流中。这一方案旨在解决大型工程组织中长期存在的一个问题：安全要求通常会在设计评审阶段确敲定，但直到更后期的代码审查阶段才会真正得到验证和落实…

大模型能力持续演进，但 AI 的下一阶段竞争正在发生变化。模型能力之外，如何构建可靠的智能体、完善 AI 工程体系，并让 AI 在复杂业务环境中稳定运行，正在成为产业探索的新重点。8 月 21 日-22 日，AICon 全球人工智能开发与应用大会将在深圳举办。大会全日程现已 100%上线，来自产业一线的技术专家将围绕…

Netflix 在其文章中介绍了将 LLM 推理纳入内部服务平台的生产经验，讨论了支持不同模型规模、硬件要求以及快速演进的推理引擎所遇到的问题。文章涵盖了在 CPU 与 GPU 上运行实时与批处理工作负载时的架构选择与运维工作，涉及从模型打包与部署到约束解码与版本兼容性等方面。该平台基于 Netflix 现有的 JVM…

英伟达首度披露 SpaceX 持仓，借道 xAI 间接持有约 210 亿美元；中行回应“Token 贷”：已投放 3 户 800 万元，另 2000 万元正落实用款合同中；宇树科技中签率创历史新低，有人中签后不敢发朋友圈：怕被嫉妒；消息称字节成立 AI 数据安全部门，与 Seed、Flow 平行；头部 AI 大厂员工自…

北京时间 8 月 14 日，GLM-5.3 正式发布。GLM-5.3 围绕 GLM-5.2 已经搭建完成的长程强化学习技术栈持续扩大训练规模，包括增加更多任务环境、提高任务多样性，并投入更多计算资源进行强化学习训练。当前，GLM-5.3 已经向全部 GLM Coding Plan 用户开放，并可用于 ZCode、Cla…

死人的脑切片也能弹琴了！最近，一支来自法国的科研团队直接把死后人脑组织接上机械手，让它学会模仿人类弹琴。他们从死后人脑中取出仍保持活性的脑组织，放进培养皿，接上电极、麦克风和仿生机械手。训练之后，当人类按下琴键，脑组织能够“听见”音符，再控制机械手弹出相同的声音。而且还有视频为证。有一说一，这项研究原本讨论的，其实是一个相当严肃的 AI 问题：能不能利用生物神经元天然的学习能力和超高能效，做一种新的混合 AI 系统？但“死后人脑”、“脑切片”、“机械义肢”、“混合 AI”几个关键词放在一起，很难不让人联想到赛博朋克。研究公布之后，也很快引发了讨论。有博主专门分析了实验视频，认为这类工作虽然天然伴随着伦理上的争议和某种“阴森感”，但神经科学与 AI 的交叉，也可能推动认知科学、神经疾病乃至医疗研究。还有不少网友，已经顺着这个实验一路脑补到了未来的超级个体、机械义体，甚至意识究竟依附于什么这类哲学问题。不过，咱们先别急着讨论“缸中之脑”。因为这项研究真正有意思的地方，可能不是死人脑子突然开始弹琴。而是研究人员第一次把一块成年人的真实脑组织，放进了一个可以感知、行动、再学习的闭环系统里。那么，它究竟是怎么做到的？人脑本来就是一种更高效的计算系统为了更好地理解这项研究具体在做什么，咱们先来点必要的上下文。如上所说，相比人脑，现在基于 AI 芯片运行的人工神经网络，某种意义上仍然是一套非常“低效”的学习系统。首先最直观的就是能耗。一个成年人的大脑，功耗大约只有 20 瓦。而世界上最强大的超级计算机，功耗已经达到数十兆瓦。可以说，产出同样的 token，人脑要比 AI 经济实惠得多。其次，在学习效率方面，人脑更是具备 AI 没有的，能在小样本中学习，并迅速泛化的能力。比如，AlphaGo 为了击败李世石，需要在超过 15 万盘棋局上训练。按照每天练棋 8 小时计算，这相当于一个人连续练习超过 100 年，远远超过任何人类棋手真实经历过的训练量。而像 GPT-3 这样的语言模型，它训练所需的数据量，则相当于人类每天读 5 本电子书，然后连续读 250 年。所以，今天的 AI 强归强，但很多能力，本质上仍然依赖海量数据和海量算力“砸”出来。相比之下，人类往往只需要非常有限的经验，就能学会新的动作、概念和关联。所以过去几年，一个越来越受关注的方向出现了：既然人工神经网络是在模仿大脑，能不能干脆把真正的神经元接进计算系统？这就是所谓的混合 AI 系统。此前，研究者主要尝试过二维培养神经元和脑类器官，但前者很难形成稳定的神经可塑性，后者的神经回路又相对不成熟，而且个体差异很大。于是，这支法国团队换了一种材料：死后成人脑组织外植体，也就是 OPAB。它最大的不同在于，这不是从干细胞重新“长”出来的大脑模型，而是真正来自成年人大脑，因此保留了成熟的细胞类型、组织结构和部分神经连接。团队此前已经证明，这类脑片在获得氧气和葡萄糖后，可以在体外继续维持神经活动。接下来真正的问题只有一个：离开人体之后，它还能不能继续学习？于是乎，研究人员决定直接给它装上一只“手”和一只“耳朵”。给脑片装上“手”和“耳朵”总的来说，这个“脑切片弹琴”的系统并不复杂。在实验设置中，研究人员先把 OPAB 放到一块微电极阵列上。然后从中随机选出三枚电极作为“运动电极”，分别连接机械手的三根手指。三根手指再分别对应电子琴上的三个音：LA、TI 和 DO。一旦某枚运动电极被激活，对应的手指就会弯曲，按下琴键。到这，就相当于给脑片接上了一只“手”。接下来，就是再给它装上一只“耳朵”。机械手按下琴键以后，旁边的麦克风会收集声音。声音解码器识别出究竟是 LA、TI 还是 DO，再去刺激脑片上对应的三枚“感觉电极”。于是，一个完整的闭环就形成了：脑片产生运动信号 → 机械手按琴键 → 麦克风听到声音 → 声音重新变成电刺激 → 传回脑片。从脑片的视角来看，这其实很像一个婴儿第一次认识自己的身体。婴儿刚出生时，并不知道某块肌肉收缩之后会发生什么。它会不断乱动手、乱踢腿，再通过视觉、触觉和听觉观察这些动作带来的结果。这个过程在机器人学里有个很形象的名字：Motor Babbling，运动咿呀。而研究人员要做的，就是把这个过程搬进培养皿。双向神经可塑性具体的，在训练阶段，系统会随机刺激某一枚运动电极。刺激发生后，机械手的一根手指随即弯曲，按下一个琴键。紧接着，麦克风听到这个音符，再把它转成刺激，送回对应的感觉电极。就比如，刺激 A 电极。食指弯曲，按下 LA。麦克风听见 LA，LA 对应的感觉电极被再次刺激。一个动作，紧跟着一个感觉结果，每天重复 300 次，连续三天，让脑切片形成肌肉记忆值得一提的是，整个过程中，没有“你答对了”，“你答错了”，也没有奖励函数。研究者只是反复让两个事件在时间上连续发

IT之家 8 月 17 日消息，宏碁 (Acer) 现已在电商平台上架基于英特尔酷睿 5 320 "Wildcat Lake" 处理器的非凡 Go Air 轻薄笔记本电脑。从型号和配置上来看，这就是全球市场的 Swift Air 14 (SFA14-I31)。作为宏碁的“MacBook Neo 竞品”，非凡 Go Air (WCL) 提供 Chill 绿、Soul 蓝、Crush 粉、Dream 紫共 4 种配色。前三种配色已同步上架，均搭载 12GB LPDDR5 内存和 512GB SSD 存储，当前标价 5499 元（可在此基础上享国家补贴、学生认证折扣）。该笔记本电脑采用全新模具和 CNC 工艺全金属机身，配备可 180° 开合的 14" 1920× 1200 120Hz 350nits 高色域屏幕，集成玻璃触控板，提供双雷电 4 接口，内置 4 扬声器，集成 70Wh 电池，轻至 1.19kg、薄至 12.99mm。京东宏碁 非凡 Go Air (WCL) 轻薄本 8 月 25 日 10:00 开售 5499 元直达链接

IT之家 8 月 17 日消息，据《卫报》报道，负责测试澳大利亚社交媒体禁令背后相关技术的一份报告，其作者承认在编辑过程中使用了 ChatGPT，但否认报告中的多处引用错误是由人工智能“幻觉”造成的。这项耗资 348 万澳元（IT之家注：现汇率约合 1,662.9 万元人民币）的年龄验证技术测试由总部位于英国的 Age Check Certification Scheme（ACCS）于去年开展，主要测试各种可能被社交媒体平台用于落实澳大利亚未满 16 岁用户社交媒体禁令的技术。澳大利亚通信部长 Anika Wells 曾高度评价这份报告，称其展示了“许多有效的选择”，并为去年 12 月社交媒体禁令正式生效铺平了道路。报告大部分内容来自作者对目前可用的各种年龄验证技术进行的实际测试，但其中有一章专门讨论“新兴技术”，并引用了多篇学术论文，介绍一些未来可能用于验证年龄的新方法。澳大利亚参议院目前正在进行一项调查，旨在进一步加强社交媒体禁令相关法律。在调查过程中，有人提交材料指出，这份报告至少存在两处引用错误。材料称，这些“引用似乎是由 AI 幻觉产生的，而不是基于真实来源”。本月，《卫报》澳大利亚版就此事向 ACCS 询问时，该机构发言人最初否认报告使用了人工智能，但随后承认，团队曾利用 AI 对部分段落进行改写，使其表达更加简洁。该发言人表示：“我们没有使用 AI 生成报告或其中引用的材料…… 每一项材料都经过核查，确认链接和报告真实存在，并且与所引用的具体问题相关。”然而，《卫报》澳大利亚版自行分析这份报告后发现，仅在同一章节中就有 6 条参考文献存在错误。这些错误包括：部分数字对象标识符（DOI，即与特定学术论文对应的一组唯一字母和数字）链接到根本不存在的论文；部分 DOI 指向了错误的论文；作者姓名、期刊名称和发表年份的组合与任何已知文献都无法对应；还有一些 DOI 链接指向的论文，其内容并没有得出报告所声称的结论。随后，这名发言人对 ACCS 所依据的研究进行了进一步说明，并提供了新的参考文献，但这次回应同样存在错误。ACCS 提供的一份用于纠正报告原有引用的学术论文清单中，部分论文的发表年份、作者和期刊名称与报告最初列出的引用并不一致。其中一篇被 ACCS 引用的论文据称是在 2025 年 3 月访问的。然而，该研究的一名主要作者向《卫报》确认，这篇论文直到 2025 年 6 月正式发表后才对公众开放。他还确认，ACCS 最初列为该论文主要作者的“Jamil”从未参与过这篇论文，而且 ACCS 的报告也错误地概括了这篇论文的内容。对于另一条无法在所引用期刊中找到的参考文献“Weber et al. 2011”，该发言人进一步解释称，这篇文献曾被莫纳什大学的一项研究引用，并向《卫报》提供了这项研究。然而，在 ACCS 提供的莫纳什大学论文中，并没有任何署名 Weber 的参考文献。直到《卫报》发现，报告 E 部分和 K 部分的 4 个链接包含元数据，显示这些链接的来源为 ChatGPT 后，该发言人才承认报告确实使用了 AI。该发言人坚持认为，由于链接中保留了 ChatGPT 的元数据，机构实际上已经披露了 AI 的使用情况，而且这些链接本身是正确的，因此他们并不认为这是一个问题。他表示，AI 仅被用于让部分段落的表达更加简洁，并没有用于开展原始研究，也没有用于生成报告。“所有链接都经过检查和验证，如果其中存在无意的错误，我对此表示歉意，但整个过程都是由人工完成验证的。”澳大利亚联邦政府此前就曾对承包商在为政府撰写报告时使用 AI 持负面态度。德勤去年曾因报告出现错误而退还政府 44 万澳元（现汇率约合 210.3 万元人民币）合同中的部分款项，该咨询公司也承认曾使用 AI。《卫报》向 Wells 办公室提出的问题随后被转交给其所在部门。该部门一名发言人上周五表示：“该部门正在审查下述问题，并将在适当情况下与 ACCS 进行沟通。”在当地时间上周五举行的参议院调查听证会上，相关部门官员表示，他们已经与 ACCS 会面。ACCS 声称，报告中的错误是因为一些原本能够正常访问的链接后来失效所导致的。不过，相关官员并未独立核实这一说法，并表示要回头检查这些链接“非常困难”。官员称，在一份长达 1000 页的报告中，涉及引用的内容只有 26 页，其中只是出现了“少数错误”。该部门第一助理秘书 Sarah Vandenbroek 表示：“ACCS 向我们保证，在文件发布时，所有链接都经过检查，当时也都能够正常访问。因此，中间可能发生了一些变化。他们还向我们保证，即使部分链接已经失效，但相关原始文件仍然存在，这些引用依然有效。”澳大利亚国立大学监管与全球治理学院教授 Christian Downie 此前曾研究过政府收到的包含 AI

都 AI 时代了，一直手搓公众号文章，肯定也不符合时代潮流。 我最近研究了一下，怎么用 WorkBuddy 写公众号文章。折腾了几天，终于把「写稿 → 排版 → 推送草稿箱」这条流水线整个跑通了！这篇文章就是 WorkBuddy 写的——从写稿到排版到进草稿箱，全程自动，我只负责审。它到底怎么做到的，往下看。 01 先说背景：AI 写的没「人味」，排版还磨人 先说个事实：AI 写东西，是真的快。你把一堆资料、十几篇自己写的文章丢给它，它一会儿就啃完了，语气、套路、结构，模仿得有模有样。 但问题也出在这——大部分 AI 写出来的东西，AI 味太重，一眼就能看出来不是人写的：没有观点、没有取舍、没有你自己的影子，读者扫一眼就划走了。 内容这行，值钱的从来不是“写得快”，而是“有没有判断”。AI 是放大器，写的人才是作者。 所以这篇文章，要解决的就两个问题： 问题一：AI 味太重，写出来一眼假，读者不认。 问题二：排版磨人，复制粘贴进编辑器格式就崩，个把小时搭进去。 先说第一个问题的答案——就是你现在看到的这篇文章。它从选题、写稿到排版，全程都是 WorkBuddy 干的，我只负责审。 它是像 AI 写的，还是像我写的？你读完自己感受一下。 第二个问题的答案，看这张图：WorkBuddy 把排好版的成品，直接推到了公众号后台的草稿箱。 打开就能发，排版一分钟都不用花。 那它到底怎么做到的？别急，咱们一个一个来。 先解决最磨人的那个：排版——让 AI 把排好版的成品，直接推进草稿箱。 02 解决排版磨人：AppID、AppSecret、IP 白名单一次备齐 想解决排版磨人，思路其实很简单：别让 AI 只交“稿子”。 让它把排好版的成品直接推进公众号草稿箱，打开就能发，排版环节直接归零。 要做到这一步，得先拿到两把“钥匙”。微信公众号提供了两个官方接口：上传图文素材（media/upload）和创建草稿（draft/add）。 调用这两个接口，需要两样东西：AppID 和 AppSecret。 注意：以前这些设置在微信公众平台后台的「设置与开发 → 开发接口管理」里找，但从 2025 年 12 月 1 日起，微信已经把整个「开发接口管理」迁移到了「微信开发者平台」。 旧路径已经失效，现在必须按新路径走。 新路径就六步： 第一步：打开微信开发者平台 （https://developers.weixin.qq.com/platform/），用管理员微信扫码登录。 第二步：下拉到「我的业务」 在业务列表里选择你的「公众号」（如果是服务号就选服务号）。 第三步：点击「开发密钥」区域 这里同时有 AppID、AppSecret 和 API IP 白名单。后面都用的到，我们先用 AppID 和 AppSecret 这两个。 第四步：复制 AppID AppSecret 默认隐藏，点「启用」或「重置」，管理员微信扫码确认后，系统会生成一串新的密文。 只显示一次，记得复制一下。 第五步：WorkBuddy 对话框输入指令 直接跟 WorkBuddy 说： 我想让你帮我把写好的文章自动推送到公众号后台草稿箱，你帮我操作一下。AppID：____AppSecret：____ 第六步：添加 API IP 白名单 然后 WorkBuddy 回复我的是这段信息： 我们只需要，在刚才的「开发密钥」区域，把 WorkBuddy 给我们的 IP 地址，添加进去即可！ ⚠ 提示：AppSecret 和 IP 白名单是安全双保险。一旦 AppSecret 泄露，白名单就是最后的防线。不要把凭据写进代码仓库，也不要截图发群。 凭据备齐、白名单加好，打通的前置工作就全部完成了。 剩下的活，就全是 WorkBuddy 的了。 具体workbuddy干了哪些工作，我列了一张表，大家可以感受一下： 「5 小时变 30 分钟，不是 AI 替你干了活，是它替你扛了你不该扛的活。」 到这里，第一个问题——排版磨人，算是彻底解决了。 但文章是自动进草稿箱了，内容呢？要是 AI 写出来一股 AI 味，读者照样划走。 所以第二个问题来了：怎么让 WorkBuddy 写得像我，写得像「晓庄AI创业笔记」？ 04 解决 AI 味：让 WorkBuddy 写出「晓庄风格」 先回答个问题：大家有没有发现，这篇文章的风格和内容，跟我之前写的文章，基本上一样？ 不是我运气好，是我把风格“固化”下来了。 AI 味重，根子在于它没有“你”——没有你的用词习惯、你的观点、你的口吻。要解决它，就得把“你”喂给 WorkBuddy。 但注意，不是一口气全喂，而是一步步来。我总结了一条从轻到重的路，一共 4 步，你按顺序跟着做就行： 方法 1：先投喂 3-5 篇（当天见效） 从你发过的文章里，挑 3-5 篇你觉得写得

IT之家 8 月 17 日消息，博主 @数码闲聊站 今日爆料，某厂子系骁龙 8E6 Pro 新旗舰，工程机 50Mp 1/1.3" F1.68 超大底主摄 +50Mp F2.0 小底超广角 +50Mp 1/1.95" F2.65 中底潜望镜，镜组看起来有点像倒置方案，长焦微距待定。今年 7 月，该博主爆料某厂子系骁龙 8 Elite Gen 6 Pro 工程机正在测试 1115 系高规格对称双扬声器。X 轴线性马达是 0916 系列，拥有独显芯片、3D 超声波指纹、IP68/IP69 防尘防水、USB 3.2 和 AR 膜等配置，主摄测试 OV50Q 传感器。今年 8 月，博主继续爆料某厂子系骁龙 8 Elite Gen 6 Pro 搭载 6.85 英寸 2K+165Hz 新一代三星直屏，工程机的 R 角形态和边框变化不大，镜头 DECO 是左上角小方块，采用全新 ID 设计。结合该博主此前的爆料习惯，预计以上爆料均指向 iQOO 16 手机。关于这款新机的具体发布时间，感兴趣的朋友可以关注IT之家后续报道。

AG-UI 是什么 AG-UI（Agent-User Interaction Protocol）是一套连接 AI Agent 与用户界面的开放、轻量、事件驱动协议。 它不负责模型推理，而是定义：前

deepseek-harness 单周 11.3 万星加冕，生态前十占四席，中间层与底座各就各位，一周内分层成型。

🎯 先做个小实验 先问一个可能让你后背发凉的问题：把你家文档抽取模型拿过来，喂一张空白图或者一张无关的风景照，再问一句"这份证件的信息是什么"——它会不会照样报出姓名和证件号？ 如果你的第一反应是"图