跳到正文

#部署/工程

今日 0 条

10月13日

星期二

10月12日

星期一
  1. Blueprints AI 称可在数分钟内生成可直接报批的建筑蓝图

    Blueprints AI 在 TechCrunch Disrupt 上发布第二代软件,可从一段描述或 2D 草图、PDF 出发,一次性生成建筑、结构、机电、给排水和室内设计蓝图,并对照当地建筑规范校验,改动一处即更新整个项目。第一代软件月费 3,200 至 8,500 美元,第二代本周公开可用,早期客户已在使用;第三代将加入结构分析和配电盘设计。

  2. Amazon 已有超 100 万台机器人,人类员工接下来会怎样?

    Amazon 已在仓库中部署超过 100 万台机器人,全天候支撑每日数千万件当日达和次日达包裹配送,并计划新建工厂进一步扩大机器人队伍。Amazon 同时是全球第二大企业雇主,拥有超 150 万名全职和兼职人类员工,其 2025 年年报披露了这一数字。公司高管称机器人承担了最繁重、最易致伤的工作,但劳工倡导组织和独立研究者认为,AI 驱动的仓库自动化对人类员工并非全是利好。

  3. 前Plaud高管Peter Mo为常驻后台聆听的AI应用Ambi融资2600万美元

    前Plaud高管Peter Mo创办的AI应用Ambi完成2600万美元融资,由Luminous Ventures和华勤领投,并推出iPhone、Mac和Apple Watch版本。Ambi可全天候聆听用户,在会议中由AI智能体主动给出建议,用户还能跨设备接续任务。其桌面版将能观察用户工作并存入记忆,公司还计划推出带屏幕、摄像头和麦克风的硬件设备。

10月11日

星期日

10月10日

星期六
  1. Amazon 等公司不再对数据中心交易保密,这足以建立信任吗?

    Amazon 宣布在与地方政府谈判数据中心交易时不再使用保密协议,此前 Microsoft 今年早些时候已采取类似举措。保密做法此前引发社区对 AI 基础设施的强烈反对,从纽约到旧金山已有数百项拟议和已生效的暂停令。本期 TechCrunch Equity 播客还讨论了个人 AI 初创公司为何把信任当作真正的产品。

10月9日

星期五
  1. Alexa Plus 评测:智能家居更强了,但当私人助理还不够格

    Alexa Plus 是亚马逊基于生成式 AI 重构的数字助理,在 Echo 设备上需 Prime 会员或每月 19.99 美元订阅,目前在美国、加拿大可用。实测一年后,其智能家居控制、日程和购物能力大幅提升,天气等指令响应从 2025 年的 10-15 秒缩短到 3-5 秒,但私人助理功能不成熟,Echo Show 上的广告也失控。

10月8日

星期四
  1. Cornerstone OnDemand 如何用 Amazon Bedrock 将数据库诊断时间缩短 78%

    Cornerstone OnDemand 基于 Amazon Bedrock 和 Strands Agents 构建多智能体系统 Orion AI,将数据库诊断时间从 45 分钟降至 10 分钟,减少 78%。该系统还让数据库生命周期操作从 10 多个手动步骤压缩为 1 次交互,冗余告警中位数减少 65%,SRE 与数据团队间的 15 分钟报告延迟降为实时。三人团队用六个月完成交付。

  2. 如何为 agentic automation 构建商业案例:超越"节省工时"的 ROI 模型

    AWS 提出 Agentic Value Model,用于评估 agentic automation 的商业价值,指出传统"节省工时×人力成本−建设成本"的 RPA 时代 ROI 模型遗漏了异常处理、决策质量、变更韧性与价值实现等维度。该框架引用 McKinsey 的"1:3:5 模式",即每投入 1 美元 agentic 技术,需在流程重设计上花 3 美元、在能力建设与采纳上花 5 美元。

  3. 微软 Surface RTX Spark Dev Box 开启预售,售价 5999 美元

    微软面向开发者的高端 AI 迷你主机 Surface RTX Spark Dev Box 现已开启预售,售价约 6000 美元,预计 11 月发货。该设备采用 Nvidia Arm 架构的 RTX Spark 平台,配备 128GB 统一内存,针对本地 AI 优化,可运行参数超过 120B 的模型,用于测试 AI 模型、原型化 AI 智能体或在本地运行 AI 编码工具。

10月7日

星期三
  1. EmbeddingGemma 2 采用 Apache 2.0 许可证

    EmbeddingGemma 2 采用 Apache 2.0 许可证,Simon Willison 认为嵌入模型不应使用闭源、专有、仅托管的形式。嵌入模型通常需要计算并存储成千上万甚至数百万条嵌入向量,一旦厂商停止提供该模型,用户就得为重新计算这些已存储向量付费。他更愿意付费使用托管版本,同时保留在厂商停服时自行运行开放权重或另寻供应商的余地。