学习频道 - AI工具
DeepSeek一张涨价单，繁荣了一条产业链？
DeepSeek在七天内两次调整API定价：先于8月17日将旗舰模型高峰时段输出价上调350%，并引入峰谷计价；随后在8月23日宣布周末全天按低谷价收费。此举旨在通过价格杠杆分流高峰算力需求，缓解算力供给缺口。市场反应分化，A股算力板块先涨后跌，而阿里巴巴同日完成800亿港元配售，获长线资本超额认购。分析认为，涨价标志着国产大模型价格战结束，定价中枢进入修复
邬予
从数字化到AI：企业数智跃迁的路径、实践与挑战 | 2026 ITValue Summit前瞻：AI系统落地系列直播②
AI技术本身并不能自动带来价值，企业能否找到适合自身的应用场景，将其转化为解决实际经营问题的生产力，才是真正的挑战。在钛媒体与ACCA联合举办的直播中，领益制造、科大讯飞、中集集团和雅戈尔的CFO与CIO围绕AI落地实践展开对话。嘉宾们指出，AI在编程、质检、供应链和财务等环节已产生实效，但推进中面临组织惯性、认知差异和ROI难以量化等阻力。他们强调，AI转
读博的小方
单季1200亿资本开支，中国互联网的AI千亿豪赌
2026年二季度，阿里与腾讯资本开支合计超1200亿元，腾讯自由现金流首次转负，主要因算力预付款。百度、字节亦大幅加码，后者全年规划上调至2000亿元。资金主要投向AI服务器与GPU采购，国产芯片渗透率提升。四家公司路径分化：阿里以云服务变现最快，腾讯内化于微信生态，百度依赖卖算力但盈利承压，字节投入最大且不确定性最高。中美AI投资回报率存在差距，但中国在制
摸鱼人
射频感知技术在卧室监护中的应用：FMCW、IR-UWB与Wi-Fi的深度横向剖析
本文横向对比了FMCW、IR-UWB与Wi-Fi三种射频感知技术在卧室监护中的应用，聚焦物理层机制差异、精度与泛化能力的权衡，并分析了跨环境部署面临的关键挑战。内容涵盖技术选型与优化要点，为构建非接触式医疗级监护系统提供参考。
Leo_UTM
WeClaw_90｜给 LLM 快路径上保险：6 秒最坏情况是怎么被设计出来的
WeClaw_90 提出了一套面向 LLM 快路径的生产级容错方案，核心由三部分组成：6 秒超时、1 次快失败重试以及 60 秒熔断。该设计将最坏情况耗时从不可控锁定为 6 秒内必降级，确保系统行为可预期。文章强调规则引擎始终作为主控，LLM 仅承担增强角色，在交互式路径中，超时被设定为首要设计约束而非可选参数。文中通过实测数据展示了该三件套机制如何在实际运
Leo_UTM
世界模型：从“感知物理”到“想象物理”的开发者新边疆
世界模型正推动人工智能从“感知物理”迈向“想象物理”，NVIDIA Cosmos等平台允许开发者输入物理数据，模型即可自主预演未来场景，无需编写复杂逻辑。该技术应用于机器人抓取、自动驾驶等领域，被视为一种编程范式变革：开发者不再明确指令机器如何操作，而是让模型自行探索解决方案。
Leo_UTM
当NVIDIA开源“宇宙“：Cosmos如何重新定义AI知识管理的边界
NVIDIA开源Cosmos平台，旨在让用户自主构建类似Notebook LM的AI知识管理工具。其核心特点是全流程可定制，覆盖文档解析、向量检索等环节，并支持私有化部署，保障数据主权。该方案面向开发者与知识工作者，提供从核心架构到实战部署的完整解析，以推动AI知识库应用的新范式。
Leo_UTM
Google announces Gemini 3.5 Transcribe for AI-powered speech-to-text
谷歌发布Gemini 3.5 Transcribe，一款用于语音转文字的AI模型。该模型旨在优化语音输入，可自动去除“嗯”等口头语并修正表达，输出更精炼的文本。它已支持Pixel 11的Gboard“Rambler”功能，并将推广至谷歌生态内更多产品。据谷歌介绍，其处理速度比上一代Chirp 3引擎提升约70%，实时语音错误率降至5.5%，优于Chirp 3
夏夕
Meta settles states' child-safety claims for $18B; Florida rejects deal as "peanuts"
Meta与美国几乎所有州达成近180亿美元和解，以解决其平台被指诱导儿童强迫性使用、未警示成瘾及心理健康风险的诉讼。协议尚需法院批准。Meta同意对18岁以下用户实施每日默认两小时使用上限（跨Facebook和Instagram累计，多账户合并计算）、午夜至凌晨6点默认禁用，以及早8点至下午3点默认静音通知的校园模式。用户每连续使用15分钟、每日累计达60分
心May89
WeClaw_91｜双引擎意图识别：一次「配置开了却没生效」的排查，揭开的链路真相
在双引擎意图识别架构中，配置`intent_mode="llm"`却未生效，日常对话仍走规则引擎。排查发现，问题根源并非配置错误，而是`allow_llm`调用点的门控逻辑。规则引擎响应约0.1ms，LLM引擎约1.5s，两者存在四个数量级的性能差距，这一差异促使设计上默认优先规则引擎，仅在特定条件下才放行LLM调用。文章复盘了此次认知反转，揭示配置与执行链
Leo_UTM