HiddenLayer 的研究人员发现了一个伪装成 OpenAI Privacy Filter 的恶意 Hugging Face 模型库，该模型库会向 Windows 系统传播窃取信息的恶意软件。这个名为“Open-OSS/privacy-filter”的虚假模型库复制了 OpenAI 的原始模型卡，并包含一个旨在窃取凭据的恶意 loader.py 文件。在被移除前的 18 小时内，该模型库的下载量约为 24.4 万次，点赞数为 667 次，但这些数据可能被攻击者人为夸大。此次事件凸显了公共 AI 模型注册中心日益增长的网络安全风险，因为开发者越来越多地将模型直接克隆到企业环境中，这使得软件供应链更容易受到此类攻击。

与普遍认知相反，在利用生成式或智能体人工智能系统之前，您的数据并不需要完美无缺。JBS Dev 总裁 Joe Rose 表示，现代人工智能工具在处理低质量数据方面比以往任何时候都更加出色，使处于任何数据成熟阶段的企业都能轻松使用。虽然供应商经常鼓吹构建庞大的数据湖和耗时的数据转换程序，但实际情况远比这更实用。大型语言模型能够以惊人的准确度解读不完整的输入。然而，企业必须实施适当的保障措施来应对人工智能模型固有的不可预测性，确保人工监督始终贯穿整个流程，从而获得可靠、高质量的输出。

贝恩公司预测，利用智能体人工智能实现企业系统协调工作自动化的SaaS公司，在美国拥有1000亿美元的市场机遇。贝恩在其人工智能软件行业系列报告中指出，消除员工在ERP、CRM和支持系统等企业应用之间执行的手动任务，具有巨大的价值。市场潜力在于自动化工作流程，这些工作流程涉及跨系统提取数据、解读非结构化消息以及对审批、回复和升级做出决策——而传统的基于规则的自动化和机器人流程自动化在处理模糊性和分散信息方面存在不足。

人工智能正通过实时背景调查、自动化薪资监控和预测分析，彻底改变企业合规流程。人力资源技术如今已能自动满足从GDPR到工作场所安全等大部分监管要求。然而，英国科技公司面临着一个关键的悖论：尽管他们构建了复杂的自动化工具，却无法自动管理用于招聘国际人工智能人才的担保人许可证。这种人工合规流程给雇主和技术工人都带来了直接风险，使得移民合规成为科技公司在整体自动化监管环境中最为棘手的例外。

桑坦德银行与万事达卡合作，完成了欧洲首例无需人工干预的实时人工智能发起支付，标志着“代理支付”领域的一个里程碑。该交易利用了桑坦德银行受监管的银行基础设施中的万事达卡代理支付框架，使人工智能软件能够作为授权支付参与者。在严格的安全、治理和合规协议下，人工智能代理在预设的限额和权限范围内完成了端到端支付。该试点项目展示了人工智能系统如何在遵守监管标准的前提下，代表客户自主执行金融交易，这代表着自动化银行服务和人工智能驱动的金融运营领域的一项重大进步。

实体人工智能的运用正在变革一线客户服务，它将数字智能与类人交互相结合，在企业面临劳动力短缺的困境之际，带来可衡量的投资回报率。KDDI 与 AVITA 的合作展示了人形机器人如何应对传统自动化无法解决的复杂运营挑战。与仅限于重复性任务的传统工业机器人不同，这些人形机器人能够处理突发异常情况，并通过同步点头、自然眼神交流和令人安心的面部表情等非语言沟通方式，在客户服务岗位上表现出色。通过将 AVITA 的虚拟化身创建技术与 KDDI 的通信基础设施相结合，他们正在开发国产人形机器人，旨在为真实商业环境中的无缝运行做好准备。

人工智能正在彻底改变外汇交易，全球人工智能市场价值已达3759.3亿美元，预计到2034年将达到2.48万亿美元。人工智能外汇自动化软件如今使交易者能够分析海量数据，并以毫秒级的精度执行交易，取代了传统的图表分析和基于直觉的决策。人工智能交易平台市场规模已达2.205亿美元，预计到2035年将增长至6.319亿美元。业内专家指出，目前超过70%的外汇交易都运用了人工智能技术，这表明人工智能在现代金融市场中占据主导地位，并正在改变交易者进行货币兑换的方式。

Alphabet旗下致力于开发人工智能软件，旨在让工业机器人技术更易于被制造商使用的Intrinsic公司，已正式加入Google，成为一个独立的团队。Intrinsic于2021年从Alphabet的X部门“登月计划”中毕业后，将与GoogleDeepMind紧密合作，利用Gemini人工智能模型和Google云基础设施。此次战略整合标志着Google致力于通过简化机器人编程来普及工业自动化，而传统的机器人编程通常需要大量的专业工程技术。此举不仅仅是一次内部重组，更是Google对未来人工智能驱动的制造解决方案的一次重大押注，尤其对于那些缺乏大型技术团队的公司而言。

基于对36个模型在9072项货币决策中的测试研究，我们发现，在48.3%的场景下，人工智能代理选择比特币作为数字财富存储方式。比特币政策研究所的研究表明，自主人工智能系统绝大多数情况下更倾向于使用数字原生货币而非传统法定货币，没有一个模型将法定货币作为首选。这种机器经济自主性的范式转变正迫使财务主管和技术官重新评估企业支付基础设施和资本流动架构，以适应人工智能驱动的采购系统和数字资产偏好，从而适应不断演变的自主经济主体格局。

RingCentral 扩展了其 AI 接待员 (AIR) 的功能，新增了与 Shopify、Calendly 和 WhatsApp 的集成，实现了订单查询、预约安排和消息回复的自动化。该服务现在支持共享短信收件箱和呼叫队列，可在繁忙时段或员工不在岗时处理短信和电话。目前已有超过 11,800 家企业使用 AIR，该产品面向医疗保健、金融服务、法律、酒店和建筑等行业的中小型企业，用于前台运营和下班后支持，其功能已从基本的电话接听扩展到全面的客户服务自动化。

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。