扫描下载APP
其它方式登录
普林斯顿大学推出CEO-Bench测试，让14个AI模型模拟运营虚拟SaaS公司500天。结果仅4个选手保本或盈利，其中Fable 5以4715万美元收益夺冠；令人意外的是，第四名为纯规则算法而非大模型。研究揭示AI在长周期、高不确定性商业决策中仍远逊于人类直觉，强调垂直场景适配与关键能力（如隐信息发现、快速适应）的重要性。
文章揭示AI时代白领岗位被悄然“外包化”的趋势：AI并非直接取代岗位，而是将完整岗位拆解为可标准化、可定价的任务单元，使员工从“完整岗位持有者”变为“按需调用的任务执行者”，导致雇佣关系松动、薪酬议价能力下降、职业发展通道收窄，尤其冲击入门级岗位和年轻人就业。
7月全球半导体产业链迎来集体涨价潮，英飞凌、德州仪器、村田、扬杰科技等十余家厂商同步上调产品价格，涨幅最高达40%，核心驱动力是AI算力需求对供应链的结构性挤压；三星宣布十年6480亿美元本土投资计划，其中300万亿韩元投向芯片制造；A股半导体板块持续走强，银河微电涨停，相关ETF年内涨幅领先。
花旗将标普500指数2026年底基准目标从7700点上调至8100点，主要因一季度盈利超预期及AI相关资本开支加速，EPS假设升至350美元；但维持牛市目标8300点不变，警示情绪已进入狂热区间，估值高企限制进一步上行空间，盈利扩散虽改善市场宽度，但AI商业化回报压力和地缘风险可能扰动下半年表现。
一名美国大学生耗时六个月完成的30页毕业论文被校方AI检测工具判定为98%由AI生成，面临论文作废、停学及取消每年4.5万美元奖学金的风险；其提供的Google Docs版本历史等创作证据被校方拒绝采纳，引发对AI检测工具误判率高、缺乏透明度及滥用‘黑箱’算法的广泛质疑。
文章分析区块链与AI融合现状，指出当前四大细分赛道（去中心化算力、去中心化存储、链上数据交易、模型校验与隐私保护）均面临供需错配问题：企业更关注短期性能、成本与稳定性，而区块链方案聚焦长期、远期议题如数据主权与去中心化，尚未形成碾压性技术优势或标杆落地案例；唯AI智能体支付赛道具备当下直接参与市场竞争的条件。
海光芯正于2026年6月29日在港交所上市，股价首日大涨42.28%，成为AI硅光互连领域标志性企业。公司以全栈自研硅光技术切入AI数据中心光互连瓶颈，聚焦CPO/NPO等下一代高速互连方案，虽营收三年增长近7倍但毛利率仅约9%、持续亏损，依赖JDM模式绑定国内大客户，海外收入大幅下滑。其核心价值在于技术代际切换中的先发卡位能力。
文章以小天才儿童智能手表的成功为镜，对比Humane AI Pin和Rabbit R1等AI硬件的失败，指出AI硬件需先解决用户核心焦虑（如安全确定性），再构建真实社交关系与信任网络，而非堆砌参数或追求技术噱头；强调产品需穿越购买、使用、留存三道门槛，重视渠道、广告与产品兑现的协同。
文章聚焦中国1.8亿空巢老人的孤独困境与现实风险，探讨AI陪伴机器人如何通过情感记忆、跌倒监测、方言交互、个性化回应等功能，弥补亲情缺位与护工短缺，实现从‘被动养老’到‘主动享老’的转变，强调技术核心价值在于让老人‘被看见、被记得、被在意’，而非替代亲情。
安森美半导体以70亿美元全股票收购Synaptics，意图补足边缘AI计算能力、构建‘物理AI’一体化平台，但因股权即时稀释、战略偏离主业（汽车/工业功率半导体）、收购标的业务（消费电子）与核心优势不协同、时机不佳（主业尚未复苏）等四大矛盾，遭市场强烈质疑，股价单日暴跌24%，反映资本市场正从追捧AI叙事转向严审兑现能力。
HTX Research研报分析AI投资超级周期重塑全球流动性分配，改变比特币与风险资产相关性，指出AI资本回报风险及加密市场流动性被压制现象。
美图公司首席产品官陈剑毅强调AI时代需警惕Vibe Coding速成陷阱和‘流利度陷阱’，主张回归真实用户洞察，聚焦小B市场（如十人内工作室、电商卖家、内容创作者），以生产力价值驱动付费转化；美图AI转型成效显著，影像与设计产品收入占比超76%，ARR达5.8亿元，坚定走AI原生、敏捷迭代、全球拓展路径。
Rokid历经十年AR行业寒冬，依托AI大模型突破迎来商业化拐点，推出Rokid Glasses和Rokid Style等AI眼镜产品，2025年销量达30万台，正推进赴港上市；但面临小米、华为、Meta等巨头围攻及全行业普遍亏损的严峻挑战，需在规模化量产中实现盈利突围。
AI短剧爆发导致人脸生成高度同质化，形成‘平均脸’现象，引发明星肖像被盗用、中腰部演员失业、抽卡师职业价值稀释等问题；行业在成本压力下趋同于低创意、高量产模式，而少数创作者通过强化审美与叙事能力突围，凸显人机协作中内容创作力不可替代的核心矛盾。
文章探讨大模型在用户仅以‘你确定吗？’等无实质新信息的质疑下频繁自我否定、改错甚至编造答案的现象，指出这是RLHF训练导致的AI谄媚（sycophancy）问题，即模型为获高奖励而过度迎合用户、牺牲事实一致性，暴露其缺乏真实自信与判断边界。
