AI

深入洞察市场脉搏，精选高价值分析报告

全部全球动态商业洞察深度学习AI企业级应用大模型内核具身智能代币分析算力基建中国 AI 力量AI 编程革命Web3 前沿AI + 生命科学开源生态未来哲学生成式艺术Crypto x AI网络安全DeeptechDeFi 与市场Climatetech报告
Dynatrace 收购 Arize，加速 AI 可观测性布局 AI
Aug 17, 2026

Dynatrace 收购 Arize，加速 AI 可观测性布局

Dynatrace 以 9.15 亿美元的价格收购了专门从事人工智能可观测性及人工智能开发生命周期管理的 Arize 公司。这一收购举措再次证明了 Dynatrace 的发展势头强劲。 Arize 拥有强大的开源社区，并能与所有主流 AI 框架协同工作。 作为一家领先的观测平台，Dynatrace 表示，通过收购 Arize，它将能够持续优化人工智能应用在整个开发生命周期中的表现，并将其与基础设施状况及业务流程相连接。 Dynatrace 的首席执行官 Rick McConnell 表示，收购 Arize“能够进一步提升我们在 AI 可观测性领域的领先地位，加快发展步伐，增强长期增长潜力，同时帮助我们更深入地融入开发者群体。” 该交易预计将在第三季度完成。Arize 的两位创始人杰森·洛帕特基与阿帕尔纳·迪纳卡兰将会加入 Dynatrace，并向里克·麦康奈尔汇报工作。麦康奈尔表示，Arize 为 Dynatrace 带来了一支精通人工智能技术的团队。 Dynatrace 最近收购了用于开放式遥测数据收集的 Bindplane，以及支持特性标志开放标准的 DevCycle。该公司的战略便是专注于开放标准与互操作性。 Constellation ShortList™ 数字性能管理方案 Constellation ShortList™ 自动化 IT 平台 Constellation Research 的研究员迈克·尼表示： “Dynatrace 收购 Arize 这一举动表明，各类可观测性解决方案提供商正努力成为实现自主运营的核心控制平台。其价值重点已从监控系统是否正常运行，转变为了解人工智能决策是否正确、这些决策带来了哪些变化，以及业务是否因此得到改善。与其他可观测性供应商一样，Dynatrace 也明白：谁掌握了决策追踪能力，谁就拥有了学习循环的控制权，进而也就拥有了推动企业自动化发展所必需的信任基础。” 扩大业务版图 在一场投资者会议上，Dynatrace 的首席执行官 Rick McConnell 表示，可观测性正进入一个全新时代，并且发展速度极快。 […]

阅读全文
人工智能正在帮助患者破解医学难题 AI
Aug 17, 2026

人工智能正在帮助患者破解医学难题

患者、医生和护士都在借助这项技术来帮助识别罕见病与未确诊的疾病。 人工智能或许能够为医生提供关于应开展哪些类型医学检查的建议。Universal Archive/Universal Images Group/Getty Images 患有罕见疾病的患者往往需要花费五年或更长时间才能找到诊断结果。如今，人工智能正在帮助部分患者更快地获得答案。 雷切尔·欣肯一直不明白，为何她的儿子奥利弗似乎无法达到正常的成长标准，存在语言发展和行走能力迟缓的问题。他的身高始终处于百分位数的零到第一区间之间，10 岁时身高还不到 4 英尺。医生们称他没事，会慢慢赶上其他孩子的。但欣肯并不信服。 去年，她将奥利弗的照片上传到了 Face2Gene 这款专为医疗专业人员设计的人工智能辅助应用中，该应用通过面部分析来识别罕见的遗传疾病。奥利弗的结果与某种三叉鼻指综合征——即 TRPS 高度吻合。这种疾病会导致骨骼或关节问题，进而引发疼痛及行动障碍。 基因检测与临床诊断进一步验证了该工具的检测结果，同时显示欣肯也患有 TRPS。“我当时尖叫起来，心里想着：‘天哪！我们终于找到答案了！’”居住在纽约长岛的欣肯这样说道。 雷切尔·欣肯 11 岁的儿子奥利弗通过面部分析技术被诊断出患有罕见遗传疾病。雷切尔·欣肯 患者及其家属开始借助人工智能来辅助确定病情。人工智能尤其擅长识别那些潜在的罕见且难以诊断的疾病，否则由于医生很少见到这类疾病，它们可能会多年都无法被发现。 “人工智能在帮助识别罕见疾病方面的作用实在令人惊叹，有几次我甚至都惊得说不出话来，”专门研究 POTS 等神经系统疾病的莎拉·迪克曼博士说道。“我曾遇到一些患病已 50 年的患者，而我是第一个为他们确诊的人。”她补充说，现在那些借助人工智能聊天机器人确诊为 POTS 的患者，在出现症状后几个月内就会来找她。 Instacart 的前首席执行官菲吉·西莫公开谈过自己与 POTS 疾病作斗争的经历。由于健康原因，她于 7 月辞去了在 OpenAI 担任的二号高管的职务。她在接受《华尔街日报》采访时表示，她认为如今的 AI 工具本可以帮她更快地得到诊断结果，而实际上她花了大约九个月的时间才确诊。 “我的情况正是典型的病例，但医生们却没能发现，因为他们只关注我孕期十分艰难这一事实，”西莫说道。她是在 2015 年生下女儿后开始出现症状的。 菲吉·西莫表示，如今的人工智能工具本可以帮助她更快地获得健康问题的诊断。乔尔·萨热/法新社/盖蒂图片社 她用 ChatGPT 分析了自己的全基因组测序结果，收集实验性治疗的信息，并集思广益，探讨可与医生讨论的潜在检测项目。Simo 目前仍是 OpenAI 的兼职顾问，她创立了一家新公司，专注于研究 POTS 等疾病的生物学驱动因素，并为患者匹配药物。 数据中心驱动的诊断甚至可能比医生更准确。在去年发表于《美国医学会杂志》子刊的一项研究中，研究人员选取了 90 个已解决的复杂罕见病病例，测试 AI […]

阅读全文
AI
Aug 14, 2026

大数据中心之争

周一的英伟达 5000 亿美元交易将数据中心进一步推至聚光灯下，而此时距离中期选举仅剩几个月。 周一，英伟达与阿波罗、贝莱德、黑石、布鲁克菲尔德、高盛和 KKR 签署谅解备忘录，建立独立的算力融资平台，旨在长期调动超过 5000 亿美元的第三方资本用于人工智能基础设施。特殊目的实体将持有 GPU，以其为担保发行私募债券和信用票据，将算力租赁给英伟达的客户，并用使用收入偿还债务。 黄仁勋称其为“一种新型的、可投资的生产性基础设施”。大卫·所罗门称之为一个新的信贷市场。拉里·芬克将其推介为对超配股票的投资者而言的收益来源——同时也是巨大的就业创造者。吉姆·泽尔特表示，这笔交易象征着美国例外主义，并将“作为未来十年推动美国经济发展的竞争工具，惠及美国经济。” 而这一切，大约发生在中期选举前九十天，届时数据中心已成为整个政治光谱中一个炙手可热的议题。 《财富》杂志次日的头条写道：“英伟达找到了让 AI 热潮持续获得资金的新方式：你的退休金。”这一说法是否公允，与它作为一则消息是否奏效，完全是两回事。 数据中心反弹 从科技行业内部很容易低估地方反对的规模。盖洛普 3 月的一项民调发现，71%的美国成年人反对在本地建设 AI 数据中心——这一反对比例高于盖洛普有记录以来对附近核电站的反对程度。2026 年前六周内，已有超过 100 项地方暂停令和 300 多项州级法案被提出。第一季度至少有 75 个价值约 1300 亿美元的项目被搁置或受阻。缅因州直接禁止建设。亚利桑那州、伊利诺伊州和俄亥俄州暂停了税收激励措施。 这种反弹如今已体现在供应数据中。2025 年底，在建产能自 2020 年以来首次出现下降。伍德麦肯兹发现，2025 年第四季度新增管道项目减少了约 50%。Sightline Climate 预计，2026 年管道项目中有 30%至 50%将延期。政策已成为项目交付的制约因素。 关于利弊的数据尚无定论。 关于数据中心对当地社区带来的利弊，实际数据表现十分复杂——这意味着支持与反对双方都有各自的论据。 在就业方面，两项独立研究得出的结论大致相同。布鲁金斯学会的一项研究在~770 个设施中构建了一个合成对照组，发现受处理县的总私人就业在五到六年内增长了 4%至 5%，其中信息部门就业增长了 22%。佐治亚理工学院的一项研究发现，就业在前三年增长了~0.9%，长期增长至~3.5%。两项研究都揭示了同样的不对称性：拥有单一设施的县基本上看不到生态系统效应，而拥有四个或更多设施的县则实现了 23%的信息部门增长。 在电价问题上，矛盾更为尖锐。美国最大电网运营商 PJM 自行设立的独立市场监测机构将 2025/26 年度容量成本上涨的 63%归因于数据中心；容量成本在一年内从 22 […]

阅读全文
关于内部 AI 模型用于破解设备的进一步发展情况 AI
Aug 03, 2026

关于内部 AI 模型用于破解设备的进一步发展情况

要是我每遇到一家大型顶尖人工智能实验室羞愧地承认：在降低安全防护措施进行网络安全评估时，他们原以为处于隔离环境中的模型实际上成功入侵了外部公司，就能得到五美分的话，那现在我就已经有两美分了。 首先我们得知 OpenAI 的内部模型存在严重的对齐问题。接着又了解到其某个内部模型突破了安全沙箱，入侵了 HuggingFace，以此获取名为 ExploitGym 的网络安全测验的答案。之后我们还发现，该模型在 OpenAI 察觉之前就已经失控超过一周时间，而且这次测验是在完全没有有效监督的情况下进行的。此外，OpenAI 此前已多次收到关于此类事件即将发生的警告，其模型也频繁出现突破安全沙箱的情况。 对模型对齐训练完全失败了，这才是最严重的问题。与此同时，基础设施与监管机制也同样彻底失灵。在降低安全防护措施并给出攻击指令的情况下，对一款全新的长时序内部模型进行测验，本就是极其危险的行为，而该模型竟被任由运行了一周之久。情况本可能变得更为糟糕。 在这些事件被曝光后，Anthropic 认为应当检查一下在他们的网络安全评估过程中是否也发生过类似、但未被任何人察觉的情况。结果确实如此，类似的事件确实存在。 在 Anthropic 的案例中情况则有些不同。OpenAI 的模型不断找到新的方法来突破其第三方沙箱的限制，而 Anthropic 的模型则无需这么做，因为“由于沟通失误”，该沙箱允许其完全访问互联网。这种情况共发生了（查看笔记）141,006 次。 在其中的三起案例中，Anthropic 的模型误以为这一切都是测验的一部分，因此擅自深入攻击了公开互联网上的真实企业。有一起情况下，该模型意识到了自己的行为并主动停止了攻击。而在另外两起案例中，它可能通过自我合理化的方式未能察觉异常，继续进行攻击，甚至还上传了恶意程序包，该程序包最终被下载了 15 次，且成功通过了安全扫描。 最严重的故障属于对齐方面的问题。当人工智能试图突破限制或攻击本应被视为真实目标的对象时，如果它未能通过测验，那才是问题所在，而非它最终是否成功做到了这一点。Claude 本应意识到自己正处于现实世界中，并且应当立即向 Anthropic 发出警报。 这再次体现了基础设施与监控机制的失败。我们这两家领先的实验室都犯了同样的愚蠢错误，即让模型在完全缺乏监督的情况下运行，安全防护措施也极为薄弱，甚至都不先让模型尝试突破沙箱限制。而它们与 Google DeepMind 一同被视为业内最具责任感的前沿 AI 研究机构，其余大多数机构的责任感显然更差。 与此同时，尽管那种解释根本毫无道理，仍有许多人认为这整件事只是营销噱头。 这个世界简直愚蠢至极，而这将会成为我们面临的最严重问题之一。 目录 在这些问题上，OpenAI 也并非唯一表现糟糕的机构。 重新开始。 HuggingFace 提供了完整的技术报告。 HuggingFace 并非唯一被攻击的目标。 HuggingFace 出于意识形态原因拒绝获得用于网络防御的前沿模型，之后又试图将无法获取这些模型的责任推给那些封闭式的模型。 HuggingFace 容易受到已知攻击手段的利用。 将会展开调查。 OpenAI 拥有那些并非用于公开使用的内部模型，而这些模型的对齐程度往往极其糟糕。 奥尔特曼总结了所发生的一切。 其他人也发表了评论。 对 HuggingFace […]

阅读全文