相关文章
74 篇高质量内容
AI代理需理解企业真实运作：从流程知识到业务上下文的跃迁
AI代理仅掌握标准业务流程远远不够，必须深度理解企业特有的配置、政策、数据关系与例外情形。SAP强调，可信执行依赖于跨系统对账的业务实体、动态更新的管控规则及伴随工作流迁移的上下文层。
中美博弈下人形机器人硬件供应链瓶颈凸显
中国在人形机器人电机、减速器等关键硬件领域占据主导地位，美中紧张关系与FCC进口禁令加剧西方供应链脆弱性。专家指出，替代方案受限于产能、集成度与上游材料，短期成本上升难以避免，而美国缺乏国家级机器人战略进一步拖累本土供应链建设。
行业场景深度落地指南：从AI原型到可交付智能体的5大实战路径
引言：为什么90%的AI项目卡在“行业场景”验证环节？ 很多企业不是没试过AI，而是试到一半停住了——模型跑得挺快，结果用不上。技术团队熟悉大模型原理，业务部门清楚流程痛点，但两边说的压根不是一种语言。麦肯锡2023年《AI Adoption Index》报告里写得很直白：73%的AI项目在概念验证（POC）之后就再没...
H-JEPA：面向物理世界的多层级抽象规划世界模型
AMI实验室提出H-JEPA，一种具备多时间尺度与多抽象层级的世界模型架构。它通过分层表征解耦长期目标规划与即时动作控制，在导航与操作任务中提升成功率并降低规划计算量，显著优于单层JEPA及共享潜在空间的分层基线。
AI智能体的上下文鸿沟：企业流程知识才是真正的护城河
前沿大模型虽通晓通用知识，却缺乏企业特有流程与运营上下文。Celonis强调，供应链、客户服务等隐性流程知识构成核心竞争优势，需通过数字孪生捕获并赋能AI智能体，否则将导致ROI低下与流程改造失败。
人形机器人的硬推销：为制造业时代构建专用机器人
Q5D CEO斯蒂芬·本宁顿指出，当前人形机器人宣传热度远超实际工业落地能力；专用机器人在速度、精度与成本上更具优势，制造业自动化应从工艺流程出发而非机器人形态出发。
TwelveLabs发布Pegasus 1.6：专为第一人称视频优化的机器人训练数据生成模型
TwelveLabs推出Pegasus 1.6，强化对工人第一视角视频的动作分段、手部角色识别与时间戳标注能力，旨在将原始作业录像转化为结构化训练数据，支持机器人开发者自动化标注流程，但不解决运动控制与触觉等执行层问题。
Atlassian 深化 OpenAI 合作但坚持多模型战略：Rovo 与 MCP 构建企业级 AI 治理新范式
Atlassian 扩大与 OpenAI 的商业合作，接入 GPT-6 Astra 等前沿模型，但明确 Rovo 不默认绑定单一模型；重建的 MCP 服务器提供细粒度权限控制、Token 节省与 DLP 防护，强化智能体在 Jira/Confluence 等系统中的安全可编排能力。
行业场景落地实战指南：从金融、医疗到制造，企业AI智能体如何穿透业务深水区？
引言：为什么90%的AI项目卡在“行业场景”最后一公里？ 麦肯锡2023年《AI兑现报告》有个扎心数据：只有四分之一的企业AI应用真正跑通了规模化价值。问题不在模型不够大，也不在算力不够强——70%以上的卡点，出在对一线真实业务的理解上。比如，大模型能流利写诗，却读不懂银行信贷员嘴里那句“这个壳公司背后资金最后都回流到...
物理人工智能：超越传统机器人，走向企业级可部署智能体
物理人工智能融合机器人与AI能力（如视觉、世界模型、自主决策），正于数据中心、工厂和仓库中开展实际部署。它强调任务适应性而非预编程，但面临可靠性、安全集成与人员协同等现实挑战。
Cohere North 2 发布：面向企业的可管控、带记忆的智能体平台
Cohere 推出 North 2，强化智能体记忆能力、组织级管控与跨环境部署能力，直击企业智能体落地中预算超支、上下文丢失、安全缺位三大痛点，支持云端、本地及物理隔离环境运行。
行业场景深度解构：企业AI落地为何90%失败？从金融、制造到政务的真实智能体交付实践
引言：当通用大模型撞上行业场景，落地断层正在加速扩大 企业每年在AI上的投入涨得很快，但Gartner 2024年报告里写得很清楚：只有12%的AI项目真正跑出了业务价值。问题不在模型不够强，而在我们太习惯把大模型当万能钥匙——往哪儿都插一下。我们服务过63家客户，八成以上在POC阶段就卡住了：拿ChatGLM或Qwe...
人形机器人热潮掩盖了已在工厂运转的500万台工业机器人监管盲区
IFR报告显示，2025年全球仅售出约7000台人形机器人，而工业机器人安装量达50万台，运行总量已达500万台。专家警示：对人形机器人的过度关注，正转移人们对已大规模部署的联网工业机器人在权限管理、物理空间准入与长期访问风险等现实治理问题的重视。
行业场景深度落地指南：从AI原型到可交付智能体的4大关键跃迁
引言：为什么90%的企业AI项目卡在“行业场景”验证关？ 企业砸了真金白银做AI，模型跑得飞快，PPT讲得漂亮，一上线就卡住——不是技术不行，是没真正摸清业务的毛细血管。麦肯锡2023年那份《AI价值实现报告》里有个扎心数字：只有17%的企业AI项目能在一年内算出明确回报；其中近七成失败，不是因为算法不够聪明，而是对车...
Autoheal：面向AI编码代理后运维的自我改进软件工厂
Autoheal推出可连接多源工程数据的智能体平台，支持事件响应、漏洞修复与发布检查，并通过评估-修复闭环持续优化智能体表现，宣称单任务成本最高可降30%。
当只需一个标签时，为何还要生成文本？Jev 推出专为决策优化的零文本分类模型
企业正将大量本只需标签的AI决策任务（如工单分派、RAG相关性判断）从LLM迁移至轻量级分类器。TypeSafe推出的Jev以毫秒级响应、极低token成本和校准概率输出，推动决策类AI回归经典分类范式。
Meta 推出企业AI平台并任命MongoDB前CEO领导，聚焦智能体部署与安全治理
Meta宣布成立企业AI平台，整合Muse智能体、API及Code工具，由MongoDB前CEO德赛领衔。但当前未明确产品交付节奏、定价、企业管控能力与安全规格，仅提出战略方向与初步保障机制。
行业场景深度解构：企业AI落地的四大关键锚点与智能体交付实战指南
引言：为什么90%的AI项目卡在‘最后一公里’？ 企业砸钱建大模型，结果呢？模型准确率95%，工单处理效率只涨了12%，客户满意度纹丝不动。问题不在技术——而在我们总把活生生的业务，硬塞进“通用任务”的模具里。没人真去抠那些卡脖子的细节：维修工换滤芯前得走几道审批？银行反洗钱报告里哪条必须写清页码？医生问诊时哪些话不能...
行业场景落地实战指南：从AI概念到可交付智能体的5大关键跃迁
引言：为什么90%的AI项目卡在“行业场景”验证关？ 企业做AI，最常栽跟头的地方不是模型跑不起来，而是上线后根本跑不动。麦肯锡2023年《AI兑现指数》里有个扎心数字：只有17%的企业AI项目真正带来了规模化业务价值。而其中近七成失败，问题不在算法，而在——工单字段少填了一栏、设备协议压根没对接上、审批流程根本没嵌进...
行业场景落地实战指南：从AI概念到可交付智能体的4大关键跃迁
引言：为什么90%的AI项目卡在“行业场景”验证前夜？ 麦肯锡2023年《AI兑现指数》报告里有个刺眼的数字：只有28%的企业AI应用真正跑通了规模化价值交付。更扎心的是，其中超六成失败，和模型精度、算力、框架都无关——问题出在“这到底解决什么？”上。 我们见过太多团队花半年搭好RAG知识库、调完大模型参数，结果第一次...