在 Confluent 上使用 IBM 时间序列模型实现实时智能

IBM 将其 Granite 时间序列基础模型集成到 Confluent Cloud 中,让企业能在数据产生的实时流上直接进行预测和异常检测,而无需为每个场景单独训练模型。这一合作把大模型能力从文本、图像带入了工业物联网和业务运营决策的核心场景。

IBM 将其 Granite 时间序列基础模型集成到 Confluent Cloud 中,让企业能在数据产生的实时流上直接进行预测和异常检测,而无需为每个场景单独训练模型。这一合作把大模型能力从文本、图像带入了工业物联网和业务运营决策的核心场景。

欧洲云服务商 OVHcloud 宣布,因 AI 训练与推理需求推高内存成本,将上调部分非 AI 托管及云服务价格。这标志着 AI 算力膨胀的硬件成本,正开始向传统云用户传导。

Perplexity 在 Mac 客户端推出 Hybrid Compute(混合计算)功能,允许用户将任务拆分为云端大模型与本地模型分别处理,敏感文件默认留在本机执行。它把隐私和算力成本的控制权从平台转交到用户手中,是搜索与 AI 助手产品在终端侧推理方向上的一个明确信号。

YC 孵化的 Nori Robotics 发布了一款售价 1688 美元的类人机器人 NORI A3,预计 2026 年秋季发货,试图以低成本进入家庭和开发场景。

由前 Instagram 工程师和 Uber 产品负责人创立的 Fambot,推出面向家庭的“AI 首席幕僚”服务,通过连接邮箱、日历和 WhatsApp 群组,主动替家长整理孩子日程与家庭事务,试图解决家庭信息过载问题。

一篇面向入门者的 Hugging Face 万字使用指南在社区引发讨论,它把“找模型—试效果—下载部署”的完整路径讲清楚了,恰好踩中了开源 AI 工具链走向大众化的节点。

一位前端技术专家在多个中型企业级项目中,用 8 个 AI 编码 Skill 把需求评审到 Bug 修复的完整链路串了起来,并总结出一套可落地的“Harness 工程”方法论。这套方法的核心不是让 AI 更快,而是用标准化流程和目录结构,把 AI 的产出“固定”下来,解决多角色协作中的断档和返工问题。

伦敦帝国理工学院团队训练出一套 AI 系统,能在两秒内读取常规心电图,识别出医生从同一份心电图上无法可靠发现的心力衰竭和心脏瓣膜病迹象,准确率最高分别达到 81% 和 90%。这套系统不是替代医生,而是作为一种分诊工具,帮助优先安排高风险患者做进一步超声检查。

韩国政府公布 2027 年 821 万亿韩元(约合 4.01 万亿元人民币)的史上最大预算案,财政支出同比猛增 12.8%,核心是把 AI 与半导体产业作为国家战略支点。这笔钱并非单纯“砸钱”,其底气来自三星、SK 海力士因 AI 芯片需求爆发带来的企业税收入近乎翻倍。

OpenJDK 官方发布新规,全面禁止提交包含 AI 生成内容的代码、文本、图片等贡献物,哪怕只掺了一行 AI 写的代码也不行。这项政策直接关系到 Java 开发者提交 PR 的合规边界,也折射出开源基金会如何处理 AI 时代的知识产权与责任归属难题。