Google正在测试 Remy，这是一款面向 Gemini 的全新人工智能个人助手，可作为全天候助手，代表用户处理工作和日常事务。目前，Remy 正在 Gemini 应用中进行内部员工测试，旨在将 Gemini 从一款基于聊天的工具转变为一款主动式助手。据 Business Insider 报道，内部文件和员工消息证实了测试阶段，但Google尚未就公开发布计划或包含哪些服务发表评论。此举是Google更广泛战略的一部分，旨在扩展 Gemini 的功能，使其超越对话回复，并与现有的“代理模式”等功能形成互补。

了解人工智能赋能的虚拟医疗如何成为应对英国国民医疗服务体系（NHS）前所未有的挑战的解决方案，这些挑战包括725万患者的候诊名单、人员短缺以及即将到来的医生罢工。尽管全科医生对此表示担忧，但随着新政策将医疗服务从医院转移到社区，虚拟医疗技术正在三个关键领域得到应用：管理候诊名单、提升医院容量以及解决走廊就诊问题。了解在持续的医疗系统压力下，如何通过创新方法减轻机构压力，并在传统医院环境之外支持患者护理。

五角大楼扩大了其人工智能供应商名单，与微软、Reflection AI、亚马逊和英伟达签署协议，授权其产品在“任何合法用途”条款下用于机密军事行动。这些公司与OpenAI、xAI和Google一起，成为国防部认可的人工智能供应商。此次扩张源于Anthropic AI引发的争议。该公司首席执行官达里乌斯·阿莫迪反对政府不受限制地使用其技术，理由是担心其技术可能被用于监视平民和开发自主武器。随后，五角大楼取消了Anthropic价值2亿美元的合同，促使该公司提起诉讼，要求政府及相关机构赔偿其损失的收入。

在圣何塞人工智能与大数据博览会召开前夕，聆听惠普人工智能与数据科学业务拓展经理 Jerome Gabryszewski 的真知灼见。了解企业在大规模利用第一方数据时面临的关键挑战，例如如何在云托管人工智能模型和本地计算解决方案之间做出选择。探索构建数据基础设施的策略，以启用能够带来切实业务成果的智能模型。获取专家关于自动化数据采集流程和驾驭人工智能主导的商业环境的见解，帮助企业将原始数据转化为可执行的智能信息，从而获得竞争优势。

印度城市联合银行（City Union Bank）通过与四方合作，在印度建立了一个银行业人工智能卓越中心。该项目旨在开发用于欺诈监控、信用分析和监管合规的人工智能系统。合作方包括：城市联合银行提供银行业专业知识；Centific Global Solutions作为技术合作伙伴；SASTRA大学提供研究和培训支持；以及nStore Retech负责实施。这标志着银行业的发展方向发生了转变，从单纯购买分析工具转向积极构建内部测试环境，以开发能够应对实际银行业务挑战的人工智能应用。

英国于4月16日启动一项5亿英镑的主权人工智能基金，旨在建立本土计算基础设施，减少对外部供应商的依赖。该基金由鲍德顿资本的詹姆斯·怀斯担任主席，目标是通过发展本土硬件和数据能力，将英国打造成为技术生产国。该基金在巩固英国从艾达·洛芙莱斯和艾伦·图灵等杰出人物传承下来的深厚计算机技术遗产的同时，也加强了供应链的韧性和数据治理。它协调投资者、行业领袖和公共机构的力量，以确保在人工智能发展领域获得长期的技术优势和国家竞争力。

Google在 Cloud Next '26 大会上发布了 Gemini 企业代理平台，标志着企业人工智能领域发生了重大转变，它将代理 AI 治理作为核心产品功能而非附加组件集成到产品中。作为 Vertex AI 的继任者，该平台使企业能够构建、扩展、管理和优化 AI 代理，并具备内置的监管功能。每个代理都拥有唯一的加密身份，用于可追溯性和审计，而代理网关则负责管理代理与企业数据之间的交互。这种架构直接解决了长期以来阻碍企业 AI 部署的治理缺口，使合规性和控制成为系统固有的特性，而不是在代理 AI 实施过程中事后才考虑的问题。

随着自主系统集成到机器人、传感器和工业设备中，物理人工智能治理面临着日益严峻的挑战。预计到2024年，全球工业机器人的安装量将达到54.2万台，是十年前的两倍，到2028年将达到70万台。因此，关注点已从完成任务转向在真实环境中测试、监控和控制人工智能的行为。涵盖机器人、边缘计算和自主机器的物理人工智能市场，预计到2025年将达到816.4亿美元，并预计到2033年将飙升至9603.8亿美元，尽管不同供应商对物理系统中智能的定义有所不同。

总部位于上海的光子芯片制造商Lightelligence在香港上市首日便惊艳亮相，股价飙升近400%，市值飙升至100亿美元，而其年收入仅为1550万美元。该公司IPO募资3.1亿美元，超额认购5785倍。投资者的热情源于其光互连技术，该技术解决了人工智能基础设施的关键瓶颈——传统AI芯片之间的铜线连接正成为现代AI模型的主要制约因素。作为首家在香港上市的中国大陆光子芯片制造商，Lightelligence有望成为满足下一代AI计算需求的突破性解决方案。

IBM推出Bob，这是一个旨在规范企业工程软件交付成本和软件开发生命周期（SDLC）治理的AI平台。该工具能够应对技术债务、混合云架构和合规性要求等挑战，同时保持开发速度。Bob通过基于角色的模式、工具调用和人机交互控制，直接集成到软件开发生命周期中。它使企业能够在不损害治理和安全标准的前提下，利用AI驱动的开发。该平台有助于实现传统系统的现代化，这些传统系统通常会消耗60%到80%的工程资源，同时还能在混合云环境中强制执行标准并保持开发势头。

微软、Alphabet、Meta 和亚马逊宣布，2025 年的总资本支出计划为 6300 亿至 6500 亿美元。这四家科技巨头均公布了强劲的第一季度财报，业绩超出预期。微软表现最为突出，Azure 业务增长 40%（高于此前 37% 至 38% 的预期），营收达到 829 亿美元，同比增长 18%。尽管各公司已在人工智能基础设施方面投入巨资，但仍确认将进一步增加支出，这表明它们对人工智能的回报依然充满信心。此次财报发布会表​​明，大型科技公司积极的人工智能投资策略正在取得成效，云性能和资本支出预期均全面上调。

澳大利亚金融监管机构APRA已就人工智能治理和保障措施不足的问题向多家金融机构发出警告。在2025年底对大型受监管实体进行专项审查后，APRA发现银行和养老金受托人普遍采用人工智能，但风险管理成熟度和运营韧性方面存在显著差异。尽管董事会对利用人工智能提高生产力和改善客户体验表现出浓厚的兴趣，但许多机构仍在制定管理人工智能相关风险的框架。监管机构尤其关注过度依赖供应商演示而未对关键风险进行充分审查的情况，这些风险包括模型行为不可预测以及可能影响关键运营的人工智能系统故障。

GitHub Copilot 将于 2026 年 6 月 1 日起，从固定订阅模式过渡到基于Tokens的定价系统。目前的模式为每个订阅级别提供固定数量的高级请求，无论代码任务复杂与否，都算作一次请求。新的定价结构与大型语言模型的 API 收费模式一致，根据输入和输出使用的Tokens数量来计算成本。一个Tokens通常代表大约四分之三的单词，这使得定价更加精细化，并根据使用情况而定，而非目前简单的固定费用模式。

SAP强调，企业级人工智能治理对于保护利润率至关重要，它能以确定性控制取代统计近似值。尽管消费级人工智能模型通常能达到90%的准确率，但SAP全球总裁Manos Raptopoulos强调，在企业环境中，近乎完美与完美之间的差距是根本性的，而非渐进式的。随着企业在生产环境中部署大型语言模型，评估标准必须转向精确性、治理、可扩展性和可衡量的业务影响。治理的关键挑战在于如何管理人工智能从被动工具向企业运营中主动数字参与者的转变。

API 通过预定义的协议，以硬编码的请求和响应格式，实现应用程序之间的直接通信。MCP（模型上下文协议）通过提供对数据和工具的结构化访问，服务于大型语言模型，使人工智能能够根据用户请求动态选择资源。二者的关键区别在于设计：API 促进软件应用程序之间以预定格式进行的固定交换，而 MCP 则使大型语言模型能够智能地选择合适的工具和信息来完成任务。开发人员通过显式编写请求和响应代码与 API 交互，而 MCP 则为人工智能驱动的决策提供了一个灵活的框架，用于访问外部资源和功能。

LG 和 NVIDIA 正在就物理人工智能、数据中心和移动解决方案进行探索性洽谈。在 LG 首席执行官柳在哲与 NVIDIA 的黄仁勋会面后，双方的讨论重点转向复杂自动化系统的运营基础设施。虽然尚未确认正式投资或时间表，但此次合作旨在解决自主系统部署中的关键挑战，特别是高密度计算的散热管理。随着机器学习模型计算集群密度的增加，NVIDIA 的数据中心运营面临着冷却基础设施方面的限制。LG 的商业部门正致力于提供先进的暖通空调和散热管理解决方案，以支持下一代人工智能基础设施的需求。

OpenAI 于 2025 年 4 月 23 日发布了 GPT-5.5，将其定位为功能最强大的智能体 AI 模型，专为自主工作而设计。该模型从零开始构建，并与 NVIDIA 的 GB200 和 GB300 系统联合设计，是自 GPT-4.5 以来首个重新训练的基础模型。GPT-5.5 能够独立规划、使用工具、验证输出，并在极少人工干预的情况下完成任务。Plus、Pro、Business 和 Enterprise 用户可通过 ChatGPT 和 Codex 获取该模型，API 访问权限则于 4 月 24 日开放。该模型在 Terminal-Bench 2.0 测试中取得了 82.7% 的成绩，显著优于其前代产品 GPT-5.4 在命令行工作流任务中的 75.1% 的成绩。

欧洲人工智能部署正面临停滞，仅有9%的欧洲、中东和非洲地区（EMEA）企业从其人工智能项目中获得了可衡量的业务成果。IDC的研究表明，董事会缩减人工智能项目规模的原因在于执行方面的挑战和缺乏财务验证，而非技术问题。面对相互竞争的IT需求和经济压力，董事们现在需要具体的投资回报率（ROI）证据才能批准更大规模的部署。首席信息官们必须开展积极的系统审计，以重振那些在投入18个月的资金用于大型语言模型和机器学习后，因资金不足而停滞不前的企业人工智能推广项目。

作为其物理人工智能战略的一部分，Kakao Mobility 公布了自主研发 L4 级自动驾驶技术的计划。副总裁金镇奎在首尔 2026 世界 IT 展上展示了该路线图，概述了与出行平台集成的自动驾驶服务。该计划旨在将自动驾驶技术与物理基础设施相结合，并建立一个开放的自动驾驶生态系统，以提升韩国在物理人工智能时代出行领域的竞争力。

编码器是人工智能的基础系统，它将现实世界的信息转换为机器可读的结构化语言，使人工智能能够理解和处理数据。本文探讨了编码器的演变历程，从简单的技术数据转换器发展成为能够同时处理多种信息类型的复杂系统。从早期机器学习的手动编码过程开始，编码器的发展代表着在实际挑战和现实世界需求的驱动下逐步取得进步。虽然人工智能的讨论通常集中在类人文本、精美图像和精准推荐等输出上，但编码器提供了实现这些能力的关键底层理解。了解这一悄然发生的转变如何塑造了现代人工智能理解复杂信息的能力。

2026年3月4日，万事达卡与星展银行和新加坡大华银行合作，在新加坡成功完成了首笔基于代理的实时认证支付交易。此次演示中，人工智能代理通过CardInfoLink的人工智能平台，使用hoppa出行服务预订前往樟宜机场的车辆。该交易采用了万事达卡代理支付框架，该框架包括为每个代理发放万事达卡代理令牌、明确的消费者授权以及用于购买确认的万事达卡支付密钥。这一里程碑标志着自主人工智能商务从概念验证向实际应用迈出了重要一步，令牌化凭证确保了整个支付过程中消费者身份验证和数据保护的安全。

Google研究人员发现，针对企业人工智能代理的间接指令注入威胁日益加剧，攻击者通过公共网页发起攻击。恶意行为者将隐藏指令嵌入标准HTML代码中，这些指令一直处于休眠状态，直到人工智能助手抓取网页内容。与用户直接输入命令来操控聊天机器人的直接指令注入不同，这些间接攻击通过将恶意指令植入可信数据源来绕过安全防护。安全团队分析了Common Crawl数据库后发现，这些数字陷阱在数十亿个公共网页中日益普遍，对自动摄取和处理在线内容的企业人工智能系统构成重大风险。

保障人工智能供应链安全面临着前所未有的挑战，远超传统的软件安全范畴。传统系统涉及源代码、第三方软件包和构建系统，而人工智能应用则通过托管模型、检索管道、编排框架、外部工具和企业连接器，极大地扩展了攻击面。与传统供应链事件中主要关注组件受损不同，人工智能系统在部署后仍面临着持续的风险，这些风险源于其与数据源、工具和外部服务的连接。被篡改的检索源可以操纵系统行为，这使得人工智能供应链安全更加复杂，需要对整个生态系统中相互关联的依赖关系和身份进行持续监控。

人工智能正在通过人工智能驱动的外汇机器人革新货币交易。这些机器人能够处理海量市场数据，识别出超越人工分析能力的复杂模式。现代外汇机器人已从僵化的规则型算法发展成为融合人工智能技术的复杂系统，能够适应不断变化的市场环境，有效评估风险，并通过持续学习不断改进。这些智能工具全天候在全球外汇市场运行，分析、解读并根据实时市场信号采取行动，标志着交易系统向自动化转型，并重塑了金融市场中人类交易员与机器智能之间的关系。

索尼人工智能公司研发的自主乒乓球机器人Ace已在国际乒乓球联合会（ITF）规则下的正式比赛中成功击败了多位高水平人类选手。这款物理人工智能系统展现了其在真实竞技环境中快速决策和精准运动控制方面的卓越能力。在2025年4月开始的测试中，Ace在与精英选手的五场比赛中赢得了三场，并在2026年初继续战胜职业对手。该机器人结合了高速感知系统和人工智能驱动的控制，能够在比赛条件下执行击球动作，这标志着人工智能在体育竞技领域的应用取得了重大进展。

人工智能系统越来越依赖于持续更新的数据流而非静态数据集，加密货币等金融市场便是典型例证。BNB 价格和类似的加密资产以持续数据流的形式存在，而非固定数值，这为人工智能模型创造了宝贵的训练环境。加密货币市场不规则的波动和非重复的模式进一步放大了这种效应，为人工智能的解读带来了挑战和机遇。与使用前需要收集和清洗的传统静态数据集不同，实时市场数据持续不断地涌入，迫使模型动态适应并识别新兴变化，而无需依赖固定假设。

总部位于特拉维夫和旧金山的初创公司 Band 近日宣布完成 1700 万美元种子轮融资，旨在解决企业环境中人工智能代理的协调难题。该公司通过构建专用交互基础设施来消除自动化资源浪费，该基础设施能够规范独立人工智能代理在企业网络和云环境中的运行、通信和数据共享方式。随着自主人工智能代理在业务系统中的普及，分散的协调机制导致效率低下，迫使人工干预以连接脱节的工作流程并管理隐式权限。Band 的解决方案为自主企业系统提供了一个结构化的交互层，通过标准化接口模拟历史计算演进过程，从而实现代理之间的无缝协作，同时减少人工监督和集成复杂性。

在 Google Cloud Next 大会上，Google和英伟达发布了其人工智能基础设施路线图，推出了由英伟达 Vera Rubin NVL72 机架级系统驱动的 A5X 裸机实例。与上一代产品相比，这种新一代架构可将每个令牌的推理成本降低高达 10 倍，并将每兆瓦的令牌吞吐量提高 10 倍。该解决方案结合了英伟达 ConnectX-9 超级网卡和Google Virgo 网络技术，可满足海量带宽需求，在单个集群中可扩展至 8 万个英伟达 Vera Rubin GPU，在多站点部署中可扩展至 96 万个 GPU，从而有效应对大规模人工智能推理日益增长的成本挑战。

前Meta首席人工智能科学家Yann LeCun为其12人初创公司AMI Labs成功筹集了10亿美元资金，这表明尽管他对大型语言模型持怀疑态度，但投资者对人工智能的信心依然不减。LeCun倡导一种不同的方法：模块化、领域特定的人工智能系统，而非通用模型。AMI Labs将在商业化产品推出前专注于研究约五年，开发针对特定行业和应用场景的专用世界模型的人工智能架构。这标志着人工智能开发策略从当前主流转向更具针对性、基于组件的人工智能系统。

探索法律行业人工智能应用的三大演进阶段，从最初的拒绝到积极参与。常驻巴黎的人工智能顾问奥利维尔·沙杜托 (Olivier Chaduteau) 阐述了律师事务所如何从最初拒绝人工智能与专业工作的关联性，到为了面子而购买表面许可，最终迈入至关重要的第三阶段，开始真正意义上的应用。了解为何成功的人工智能整合需要全面的变革管理、合适的运营模式、商业模式改革、工作流程重塑、律师再培训、人工智能使用标准以及战略性的人工审核安排。这些运营和政治方面的挑战远比选择语言模型或法律专用工具复杂得多，需要律师事务所认真致力于转型。

自动化人工智能漏洞发现正在改变企业安全经济格局，扭转了以往有利于攻击者的成本优势。Mozilla Firefox 与 Anthropic 的 Claude Mythos Preview 合作，在 150 版本中发现了 271 个漏洞，而 148 版本则利用 Opus 4.6 修复了 22 个安全漏洞。这一突破挑战了“零漏洞利用不切实际”的传统观念，使企业在面临日益增长的监管压力和网络安全威胁时，能够更便捷、更经济高效地进行全面的漏洞检测。

西门子推出 Eigen 工程代理，这是一款人工智能系统，能够在实际运行环境中自主规划和验证自动化工程任务。它利用多步推理和自我纠错机制，直接在工程平台内运行，完成从设计到验证的整个工作流程。该代理能够解读项目需求、生成自动化代码、配置工业系统，并不断优化输出，直至达到性能目标。它能够处理 PLC 编程、HMI 设置和设备配置，同时确保工业级的正确性和可靠性。Eigen 工程代理与西门子 TIA Portal 平台集成，可以访问项目特定数据，包括结构和组件关系，从而提供全面的自动化工程解决方案。

Snowflake 通过扩展 Snowflake Intelligence 和 Cortex Code 产品，增强了其人工智能 (AI) 功能。Snowflake Intelligence 面向非技术型业务用户，支持在现有工作流程中执行自然语言任务，用于演示和分析。Cortex Code 则服务于开发人员和技术团队。此次更新包括增强第三方集成、新增自动化功能以及简化基于 Web 的智能体 AI 工作流程构建工具，旨在简化 Snowflake 生态系统中各类用户群体的 AI 部署和开发流程。

根据ISACA的研究，59%的数字信任专业人员无法在安全事件发生时迅速停止人工智能系统，原因何在？仅有21%的专业人员能够在人工智能紧急情况发生后的30分钟内进行干预，这暴露出企业在人工智能治理方面存在严重缺陷。这一令人担忧的趋势意味着，受损的人工智能系统将继续不受控制地运行，给企业带来不可逆转的损失。研究结果揭示了企业在部署人工智能技术时缺乏适当的安全控制和监督机制这一根本性缺陷。企业迫切需要建立健全的治理框架，以有效管理人工智能系统危机，并防止关键工作流程中出现潜在的灾难性故障。

Bobyard 发布了 Bobyard 2.0，这是一个增强型 AI 平台，其特色在于加速工程量计算工作流程和统一的工作台，专为建筑和景观工程估算人员打造。此次更新通过加快工程量计算操作（分析建筑项目所需的材料和数量），简化了项目预算计算。主要功能包括“先测量，后定价”模式，该模式将材料与成本整合，从而减少从工程量计算到最终投标过程中的误差。创新的多测量功能使估算人员能够一次绘制即可同时计算面积、周长和体积，从而避免重复测量。这些改进有助于承包商最大限度地减少人工测量误差，避免施工过程中出现代价高昂的意外情况，最终提供更快、更准确的项目估算。

金融服务公司SEI与IBM合作，通过智能体人工智能和自动化实现运营现代化，重点在于流程重塑和系统更新，以提升客户体验。成功部署的关键在于审核现有工作流程，识别重复性的行政任务，而非仅仅选择人工智能模型。金融机构若能实现标准查询和数据录入的自动化，处理时间最多可缩短40%，从而使员工能够专注于高价值的客户关系。该计划强调，构建以数据为中心的基础架构对于运营自动化至关重要，也是金融行业数字化转型实现可衡量投资回报率的关键所在。