AI 科技速览

英伟达重构工程软件栈：Agent、PhysicsNeMo 与 CUDA-X 合流

英伟达这次把工程软件彻底“AI化”了！他们将PhysicsNeMo物理模拟工具和CUDA-X加速计算库打包成AI智能体可以直接调用的技能，让AI工程师能像人类专家一样玩转芯片设计、仿真测试和性能分析。简单来说，以前工程师要手动操作各种复杂软件，现在只需要给AI下达任务指令，它就能自主调用工具、跑仿真、算数据，相当于给每个工程师配了一个24小时不休息的超级助手。新加入的量子化学和稀疏求解器功能，更让AI能处理上百亿单元的精密计算，精度直逼专业数值软件。这对普通人意味着什么呢？芯片设计效率将大幅提升，未来你手中的手机、电脑甚至智能汽车里的芯片，可能会更快迭代、性能更强、功耗更低。同时，像Cadence、三星这些巨头已经开始用这套方案，意味着未来科技产品的研发周期会缩短，成本可能下降，最终普通消费者能更快用上更先进的电子产品。

AI芯片AI Agent

4h ago

甲骨文在未公开通知的情况下悄然将免费层Ampere A1计算配额减半

甲骨文悄悄把免费云服务器的配置砍了一半！原本免费提供的4核CPU和24GB内存，突然缩水到2核12GB，而且没发任何通知，只是改了文档。很多用户的实例直接被停机，才发现自己“白嫖”的资源没了。简单说，甲骨文Oracle Cloud一直有个很慷慨的免费套餐，吸引大量开发者用它跑个人网站、学习AI、搭建家庭自动化等小项目。现在容量减半，意味着原来能流畅运行的4核应用，要么缩水到2核，要么乖乖付费。更让人头疼的是，甲骨文没有提前通知，连邮件都没发，只在官网角落更新了数字。一些用户为了额外功能升级了付费账户，结果发现自己的免费资源也受牵连，搞不清会不会悄悄产生费用。官方支持团队说付费账户可能不受影响，但文档却写着“所有租户”都适用新限额，前后矛盾。对普通用户来说，如果你用甲骨文的免费云，得赶紧检查自家实例，确保总配额不超过2核12GB，否则可能被停机或超支收费。这次事件损害了信任，以后开发者可能不敢轻易把重要项目放在这个平台上。建议受影响的人立即调整实例配置，付费用户直接联系客服确认政策，并保留聊天记录做凭证。

开源

4h ago

1v1 对话：来自 Agent Infra 负责人的心声、复盘、规划与思考

“1v1对话”中，Agent Infra负责人敞开心扉，复盘了团队在构建AI智能体基础设施时的踩坑与收获，并分享了未来的技术规划。简单说，这次谈话就像一位资深工程师在拆解“怎么给AI配‘手脚’”——过去让AI独立完成任务很难，现在他们正打造一套通用底座，让多个AI可以像同事一样分工协作，自动处理订单、客服、数据分析等复杂流程。这对普通人意味着：未来你网购时，背后可能是一个AI小团队在帮你比价、查库存、安排物流，全程无需人工介入；企业也能更轻松地部署这种“数字员工”，成本更低、响应更快。负责人的反思也点出，关键不在于模型多聪明，而在于让AI学会“摔跤后自己爬起来”——这才是智能体真正落地的核心。

AI Agent

5h ago

从超级顾问到 Agent 蜂群：AI Native 人才服务组织的共生进化｜AICon深圳

想象一下，以后帮你找工作或招人才的，可能不再是单个猎头顾问，而是一支由数千个AI“小蜜蜂”组成的协作军团。在即将举行的AICon深圳大会上，TTC公司CTO宁辽原将揭秘他们如何用这种“Agent蜂群”彻底改造高端人才服务。简单来说，过去猎头顾问全靠个人经验在微信、电话里来回沟通，人才库更新慢、项目复盘难。TTC的方案是把每个客户都配上一个专属的AI服务小队：有负责对接的、有主管、有内部协调的，再搭配管理人才库和外部信息的AI角色。这些AI各司其职，通过微信群、飞书等渠道实时掌握动态，自动完成匹配候选人、提醒风险、沉淀经验等苦活，顾问则升级为“蜂群指挥官”，专注做关键判断和关系维护。对普通人来说，这意味着未来求职或招聘可能会更高效、更精准：企业能更快找到真正匹配的人才，候选人也能获得更个性化的服务，不必再忍受信息滞后或沟通碎片化。更重要的是，这种“人机共生”的模式让组织经验不再依赖于个人，而是像大脑一样持续进化，最终让招聘这件事变得更聪明、更可靠。

AI Agent

5h ago

InfoQ AI·ai_tool

多区域架构中的权衡：延迟与成本

多区域部署云服务看似能降低全球用户访问延迟，但背后其实是一场精密的成本与速度博弈。这篇文章的核心亮点在于：它不仅打破了“加区域就能解决延迟问题”的简单逻辑，更揭示了新增一个数据中心可能带来的隐性成本陷阱。用通俗的话说，就像连锁店开分店——离顾客近了，响应快了，但每多开一家店，就要额外付房租、雇店员、处理跨店调货，甚至可能因为信息同步慢而搞错库存。文章指出，很多延迟问题其实来自软件优化不佳或网络路由，而不是物理距离远。与其急着开新店，不如先优化店内服务流程。只有在数据必须本地存储、用户对响应速度有毫米级要求，或者为了灾难备份时，才值得花钱增加区域。对普通人来说，这意味着未来使用海外APP或服务时，加载速度可能会更快、卡顿更少，尤其是直播、游戏和支付场景。但同时，企业为了平衡成本和合规，可能会把用户数据更严格地留在本国或特定区域，从而影响跨境服务的体验。理解这些权衡，也能帮我们在选择云服务或数字产品时，更理性地看待“快”与“贵”的关系。

6h ago

36氪 AI·ai_news

《功夫女足》总票房突破20亿，暂列2026年度票房榜第二

【《功夫女足》总票房突破20亿，暂列2026年度票房榜第二】账号设置我的关注我的收藏申请的报道退出登录登录搜索36氪Auto数字时氪未来消费智能涌现未来城市启动Power on36氪出海36氪研究院潮生TIDE36氪企服点评36氪财经职场bonus36碳后浪研究所暗涌Waves硬氪氪睿研究院媒体品牌企业号企服点评36Kr研究院36Kr创新咨询企业服务核心服务城市之窗政府服务创投发布LP源计划VClubVClub投资机构库投资机构职位推介投资人认证投资人服务...

36氪 AI·ai_tool

小米已注册澎程关联商标

小米的造车计划有了新进展！近日，小米展出了一款名为“澎程”的测试车，目前该车已累计路测近6.6万公里。与此同时，小米科技还提前注册了“SKYNOMAD”和“澎程”等多个商标，覆盖运输工具、机械设备等类别，部分商标已成功注册。通俗点说，小米正在为自己的汽车品牌铺路——就像当年推出手机之前先注册“小米”商标一样，如今“澎程”很可能就是小米汽车的正式品牌或子品牌，而“SKYNOMAD”或许对应海外市场或更高端产品线。测试车跑了6万多公里意味着车辆可靠性验证已进入深水区，离量产又近了一步。对普通人来说，这意味着未来买电动汽车时又多了一个值得期待的选择，尤其是小米生态用户，或许很快就能体验到手机、家居、汽车无缝联动的智能生活。

36氪 AI·ai_news

联合利华上半年营收256亿欧元，基础销售额增长4.8%

联合利华2026年上半年交出了一份亮眼的成绩单：营收256亿欧元，基础销售额增长4.8%，其中销量增长4.2%，价格仅微涨0.6%。这意味着，消费者买得更多，而不是被迫花更多钱。第二季度增速进一步加快，销量增长5.5%，显示消费信心正在回升。更难得的是，公司基础营业利润率提升到20.3%，自由现金流达15亿欧元，赚钱能力依旧稳健。通俗点说，联合利华卖出的牙膏、洗发水、冰淇淋等产品数量明显增加，但涨价幅度很小，说明不是靠提价“割韭菜”，而是靠实实在在的销量增长。这背后反映的是全球消费市场正在回暖，人们愿意掏钱买日用品和食品。对于普通消费者，这其实是个好消息——未来一段时间，生活用品的价格大概率不会大幅上涨，甚至可能出现促销竞争。对于投资者，联合利华盈利能力稳定，但摊薄后每股收益微降，需要关注分红和回购策略。总的来说，这家快消巨头的业绩是消费复苏的“晴雨表”，也印证了经济正在温和回升。

36氪 AI·ai_news

汇丰控股首席人力资源官据悉将从伦敦迁往香港

汇丰控股将首席人力资源官从伦敦迁往香港，这是该行进一步向亚洲倾斜的信号——顶级高管开始“搬家”了。汇丰集团首席人力和治理官Aileen Taylor计划今年晚些时候从伦敦搬到香港办公，她属于集团最高决策层之一。在此之前，汇丰行政总裁艾桥智也曾在香港短期上班。目前汇丰在香港拥有约2万名员工，此举意在加强亚洲核心市场的管理力度。对普通人来说，这个消息短期内不会直接影响你的工资卡或银行服务。但它背后的信号值得关注：全球大型银行正在把更多决策权和核心团队移到亚洲，尤其是香港。这意味着你在香港的存贷款、理财服务可能未来会有更多本地化的产品设计，审批流程也会更高效。对于在汇丰工作的员工和金融从业者而言，高级管理层的常驻会带来更多的岗位机会和业务资源倾斜，亚洲区的话语权正在提升。

Which AI Certification Is Best for Beginners Looking to Start an AI Career?

根据Dev.to AI最新报道，对于想踏入人工智能领域的零基础新手，一张合适的AI认证证书就是最直接的敲门砖。本文核心亮点在于：它指出了一个清晰路径——不需要高深的数学或编程背景，通过系统化认证课程就能快速建立AI核心能力。通俗来说，人工智能听起来很唬人，涉及机器学习、大模型、自动化等一大堆概念。但好的入门认证会把复杂大问题拆成小步骤，比如先讲清楚AI是什么，再教你怎么用提示词（Prompt Engineering）和现成工具，最后结合医疗、金融等真实案例让你动手练。课程通常在线自定进度，一次报名终身回看，还紧跟最新趋势，完全不用担心学完就过时。对普通人而言，无论你是学生、程序员、营销人员，还是纯粹想转行的上班族，拿下这样一张证书能立刻让简历更有竞争力。企业现在疯狂抢懂AI的人，哪怕你只是会利用AI工具优化工作流程，也能大大提升效率和职业前景。而且很多认证机构还提供实操练习，让你学完就能直接应用到自己的项目里，真正把AI变成生产力。

大模型

Stop Asking AI for Test Cases: Building a Gate-Controlled SDET Prompt

核心亮点：别再让AI直接写测试用例了，一个两阶段“门控”提示框架让AI像资深测试工程师一样思考，大幅提升测试质量。通俗解读：过去我们让AI写测试用例，就像让一个实习生直接交作业——容易忽略边界条件和异常场景，导致上线后出Bug。这篇技术文章提出了一套“门控”提示方法：第一阶段先让AI分析需求中的漏洞和关键问题，等你确认补充后，第二阶段再生成完整测试表。更高级的做法是用两个完全独立的对话流程，第一次生成，第二次专门审计，防止AI“自己检查自己”时偷懒。这个框架还特别强调测试必须验证数据库状态和并发等深层问题，而不仅仅是表面功能。实际影响：对普通用户来说，背后是更稳定可靠的软件产品——比如支付系统不会因为极端情况少扣钱或重复扣款。对程序员和测试工程师而言，这套方法能省去大量手工检查，让AI真正成为靠谱的“测试助手”，而不是需要反复修改的“糊涂蛋”。未来你使用的APP出现Bug的概率会显著降低。

How to Deploy Llama 3.3 Vision with vLLM + Quantization on a $7/Month DigitalOcean GPU Droplet: Multimodal AI at 1/190th GPT-4o Cost

多模态AI终于不再“烧钱”了。一篇最新教程展示如何用每月仅7美元的GPU服务器部署Llama 3.3视觉模型，处理图片和文字的成本只有GPT-4o的两百分之一。通俗来说，这项技术相当于给开源AI装上了“眼睛”，让它能像高端付费模型一样识别图表、解答图片问题，甚至阅读文档中的文字。通过“量化”压缩技术，原本需要昂贵显卡运行的模型被成功塞进廉价服务器，准确率依然能保持在94%以上。整个部署过程用到了vLLM和FastAPI等工具，十分钟就能搭建一个生产级推理服务。这对普通用户和企业意味着什么？以前调用API处理一张图片可能需要几美分，现在同样的事情成本几乎可以忽略不计。无论是做自动文档识别的公司、开发教育类应用的创业者，还是想搭建智能客服的团队，都能用白菜价获得接近顶级模型的能力。虽然极端复杂的任务仍需要GPT-4o，但大部分日常工作——比如发票识别、图表分析、UI自动化——这招足够用了。AI的门槛，正在从“天价”变成“零花钱”。

GPT-4oLlama

What's the smallest, dumbest thing that made you completely lose trust in an AI agent mid task?

AI再聪明，一个小疏忽就能让你瞬间失去信任。最近一篇热门技术讨论引发共鸣：当AI自动重命名了12个文件的函数，却悄悄漏掉第13个文件，还毫无提醒——这种“自信犯错”比大翻车更让人后怕。通俗说，AI就像个特别勤快但视野狭窄的实习生，它只扫了扫指定目录，就默认所有文件都处理完了，根本没意识到自己漏查。这种“小事”一旦发生，你立马会从“放心交给AI”切换到“每步都复查一遍”的焦虑模式。对普通人来说，这意味着用AI写报告、改代码或整理资料时，不能图省事全盘接受，尤其涉及合同、论文、财务等关键内容，最好自己再核一遍关键的“第13个文件”——因为AI的“粗心”往往藏在你最想不到的地方。

AI Agent

One small AI workflow that solved our stale API documentation problem

这篇新闻最吸引人的地方是：一个简单的AI指令文件，就能让AI自动维护API文档，从此告别“先改接口、再补文档”的尴尬循环。其实原理很好懂：就像你给新来的实习生定了一条规矩——“每次改完代码，顺手更新说明书”，然后这个实习生（AI）会自动执行，不需要你每次重复提醒。团队在代码仓库里放了一个叫CLAUDE.md的特殊文件，里面就写了这一条规则。每当有人修改了接口，AI就会立刻把对应的说明文档同步更新，开发者审核后一起提交，省得后面再花时间补。更妙的是，这些文档被设计成“AI也能看懂的格式”。这意味着它不只给Claude用，以后换成其他AI，同样能直接理解所有接口、例子和规范。文档变成了人和AI都能读懂的共享资料。这个改变对普通人的影响可能很深远。想想你平时用的APP或网站，背后有大量API接口。如果文档过时，开发者容易出错，导致你遇到崩溃、加载慢或者功能不对。现在有了这套自动更新机制，开发效率更高、错误更少，你体验到的服务会更稳定。同时，这种思路也打开了新大门——未来更多AI工具可以直接看懂工程文档，帮你答疑解惑或者自动完成一些任务，就像有了一个随时了解项目全局的智能助手。

AI Tools That Actually Pay You Back: A Developer's Guide to Monetizing AI

开发者也能用AI赚钱？这篇文章告诉你如何用AI工具把技能变现。核心思路很简单：你不是只能当AI的使用者，还能成为它的创造者和销售者——比如卖AI驱动的软件、做AI咨询、生成AI内容，甚至参与AI产品的推广返佣。文章重点介绍了Google Cloud AI Platform这样的平台，开发者可以直接在上面搭建机器学习模型，打包成预测分析、自然语言处理等服务拿来卖钱。对普通人来说，这意味着未来会有更多便宜又好用的AI小工具出现，因为这些开发者有了明确的盈利路径，愿意持续投入。而对有编程基础的读者，这无疑是条新赛道：不用做大模型，能用现成的AI平台做出实用功能，就能开启副业甚至创业。

大模型谷歌