[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"aihot-home":3},{"latest":4,"items":5,"hotspots":69},"2026-07-17",[6,18,28,38,46,54,63],{"itemId":7,"vertical":8,"category":9,"source":10,"score":11,"title":12,"summary":13,"analysis":14,"url":15,"coverUrl":16,"direction":16,"marketSignal":16,"publishedAt":17},"89221","ai","行业动态","The Decoder",55,"德国将谷歌AI Overviews与Perplexity纳入媒体法监管，开先例","德国监管机构裁定谷歌AI Overviews和Perplexity属于自有内容而非中立搜索结果,已对两家开出媒体法首例处罚。","德国媒体监管机构首次将谷歌AI Overviews和Perplexity纳入媒体法监管范畴,认定AI摘要属于谷歌自身内容而非中立搜索结果,且挤占了普通链接的曝光。\n\n· 监管方依据德国《州媒体条约》对谷歌和Perplexity分别做出裁定,这是同类案件的首例\n· 核心认定是AI Overviews并非中立呈现的搜索结果,而是谷歌自己生产的内容,因此要按媒体内容标准监管\n· 裁定同时指出AI摘要会挤压常规搜索链接的可见度,影响原创媒体网站的流量\n· 谷歌和Perplexity均有一个月时间提出上诉,案件结果尚未最终落定\n\n这是欧洲监管机构首次正面给AI搜索摘要「定性」,如果裁决维持,可能成为其他国家跟进监管AI内容聚合产品的参考先例,值得关注后续上诉结果和是否扩散到其他市场。","https:\u002F\u002Fthe-decoder.com\u002Fgermany-puts-googles-ai-overviews-and-perplexity-under-media-law-in-first-of-its-kind-ruling\u002F",null,"2026-07-17 00:12:26",{"itemId":19,"vertical":8,"category":20,"source":21,"score":22,"title":23,"summary":24,"analysis":25,"url":26,"coverUrl":16,"direction":16,"marketSignal":16,"publishedAt":27},"89196","技巧与观点","NVIDIA Technical Blog",62,"英伟达谈如何将情境感知视频AI智能体接入企业工作流","英伟达撰文探讨如何把能感知推理视频内容的智能体接入企业现有系统与工作流。","英伟达撰文探讨情境感知视频AI智能体如何真正落地企业,核心观点是智能体光会看懂视频还不够,必须打通内容管理、消息、数据库、工单等现有系统才有用。\n\n· 视频分析智能体需要具备感知、推理、行动三段能力,基于海量视频素材做出判断\n· 落地关键在于集成:内容管理系统、企业消息平台、数据库、工单队列、升级处理流程都要打通\n· 集成难点在于视频系统与企业知识库、业务系统之间架构和数据形态天然不兼容\n· 文章更多是方法论层面的梳理,未给出具体产品或量化数据\n\n这提醒想上视频智能体的企业:重点不在模型能不能看懂视频,而在集成工程量,提前规划好数据流转和系统对接才是落地成败的关键。","https:\u002F\u002Fdeveloper.nvidia.com\u002Fblog\u002Fintegrating-context-aware-video-ai-agents-into-enterprise-workflows\u002F","2026-07-17 00:03:35",{"itemId":29,"vertical":8,"category":30,"source":31,"score":32,"title":33,"summary":34,"analysis":35,"url":36,"coverUrl":16,"direction":16,"marketSignal":16,"publishedAt":37},"89195","论文研究","Hugging Face Blog",66,"英伟达Nemotron 3 Embed登顶RTEB榜单，推动智能体检索","英伟达发布Nemotron 3 Embed嵌入模型,在RTEB检索基准登顶,主打智能体检索场景。","英伟达发布Nemotron 3 Embed嵌入模型系列,8B版本登顶检索评测榜单RTEB,主打为RAG、智能体检索、代码检索等生产场景提供开箱即用的高精度方案。\n\n· 系列包含三款开放模型,以8B模型为旗舰登顶RTEB多语言榜单,另有面向生产环境的高效1B变体\n· 权重、数据集与训练配方全部开源,团队可自行检视、微调、私有化部署\n· 支持32k上下文窗口,适合长文档、大型代码库和多轮智能体历史的检索场景\n· 支持多语言与代码检索,并提供基于Blackwell的NVFP4四比特高效部署路径,降低显存占用、提升吞吐\n· 提供NeMo AutoModel微调与蒸馏配方,并已同步上线Hugging Face、NIM微服务、vLLM等生态,当天即可用\n\n对正在搭建RAG或智能体记忆系统的团队,这是一个兼顾精度与部署成本的新基座选项,尤其32k上下文和NVFP4量化路径值得优先评估。","https:\u002F\u002Fhuggingface.co\u002Fblog\u002Fnvidia\u002Fnemotron-3-embed-wins-rteb","2026-07-17 00:01:21",{"itemId":39,"vertical":8,"category":9,"source":40,"score":11,"title":41,"summary":42,"analysis":43,"url":44,"coverUrl":16,"direction":16,"marketSignal":16,"publishedAt":45},"89203","Bloomberg Technology","甲骨文豪掷扩产恐拖累AI竞赛地位，资金压力显现","甲骨文大举扩产AI基础设施引发资金压力,可能拖累其信用评级和AI竞赛中的地位。","彭博社报道甲骨文为争夺AI基础设施建设主导地位而大举扩张资本开支,但这种「烧钱式」扩产正在反噬其信用评级,资金压力可能拖累其在AI竞赛中的地位。\n\n· 甲骨文近年押注云与AI算力建设,资本开支大幅攀升,意图在AI基建赛道追赶亚马逊、微软、谷歌等巨头\n· 持续扩张需要大量融资,而融资规模已开始威胁公司的信用评级,形成「越扩产越缺钱」的压力循环\n· 报道指出,若信用状况进一步恶化,甲骨文未来的融资成本和扩张节奏都可能受限,反而拖慢其AI布局\n· 文章聚焦财务风险视角,未提及具体信用评级下调幅度或数额\n\n这提示AI基建这场军备竞赛不只是拼算力和订单,资产负债表的健康度同样是决定谁能笑到最后的关键变量,甲骨文的融资动向值得持续跟踪。","https:\u002F\u002Fwww.bloomberg.com\u002Fnews\u002Farticles\u002F2026-07-16\u002Foracle-risks-falling-behind-in-ai-race-as-spending-binge-bites","2026-07-17 00:00:35",{"itemId":47,"vertical":8,"category":20,"source":21,"score":48,"title":49,"summary":50,"analysis":51,"url":52,"coverUrl":16,"direction":16,"marketSignal":16,"publishedAt":53},"89197",60,"英伟达详解BlueField极致协同设计，支撑智能体AI工厂扩展","英伟达详解用BlueField芯片对智能体AI基础设施做协同设计,应对多步骤调用带来的数据搬运压力。","英伟达详解智能体AI工厂如何通过与BlueField DPU的极致协同设计来扩展,核心是智能体式工作负载让基础设施的调用模式变得远比传统推理复杂。\n\n· 智能体架构下,一次用户请求可能触发多次模型调用、工具调用、记忆查询、策略检查、存储访问和网络传输\n· 随着并发智能体数量增多,且要在多用户、多工具、多会话间携带上下文,基础设施必须更快地搬运、保护、检索和复用数据\n· BlueField作为数据处理单元被定位为承接这些高频、细粒度数据操作的关键组件,与计算侧协同设计以降低延迟\n· 文章聚焦架构理念,未给出具体性能数字或产品发布细节\n\n这透露出英伟达对智能体基础设施的下一步押注方向——不只是堆算力,而是把DPU这类数据搬运层也纳入协同设计,是判断未来AI工厂硬件路线的一个信号。","https:\u002F\u002Fdeveloper.nvidia.com\u002Fblog\u002Fscaling-agentic-ai-factories-through-extreme-co-design-with-nvidia-bluefield\u002F","2026-07-17 00:00:00",{"itemId":55,"vertical":8,"category":56,"source":57,"score":58,"title":59,"summary":60,"analysis":61,"url":62,"coverUrl":16,"direction":16,"marketSignal":16,"publishedAt":53},"89194","产品发布\u002F更新","Google Blog AI",56,"谷歌Vids上线Gemini Omni与个人数字人两项新功能","谷歌Vids新增Gemini Omni生成与个人数字人出镜两项视频创作功能。","谷歌为Vids视频创作工具带来两项新能力Gemini Omni和个人数字人,让创建、编辑和「出镜」视频变得更简单。\n\n· Gemini Omni被整合进Vids,用于辅助视频内容的生成与编辑流程\n· 个人数字人功能允许用户生成自己的数字分身出现在视频中,降低实拍出镜门槛\n· 官方定位是让视频创作更轻量化,面向Workspace场景的日常沟通与协作需求\n· 官方通稿信息较简略,具体交互细节和上线范围有待后续补充\n\n对经常做内部沟通视频或简报的团队,这意味着不用真人出镜也能快速产出「有人味」的视频内容,值得关注后续在Workspace中的实际体验。","https:\u002F\u002Fblog.google\u002Fproducts-and-platforms\u002Fproducts\u002Fworkspace\u002Fgemini-omni-personal-avatars\u002F",{"itemId":64,"vertical":8,"category":56,"source":57,"score":22,"title":65,"summary":66,"analysis":67,"url":68,"coverUrl":16,"direction":16,"marketSignal":16,"publishedAt":53},"89193","谷歌AI模式接入更多第三方应用","谷歌搜索AI模式新增第三方应用授权连接功能,可在对话中直接调用你常用的服务。","谷歌宣布把更多第三方应用直接接入搜索的AI模式,本周起先在美国上线,让用户在搜索里就能完成下单、设计、听歌等跨应用操作,而不只是获取信息。\n\n· 用户可在AI模式中安全绑定并调用常用服务,比如把购物清单里的食材一键加入Instacart购物车并结账\n· 结合Personal Intelligence个性化能力,绑定应用后搜索答案会更贴合用户习惯\n· 举例:做传单设计时可直接呼叫Canva出模板选项,策划派对歌单可直接保存到YouTube Music并播放\n· 官方表示后续会持续拉拢更多合作伙伴接入,目前覆盖范围有限、逐步扩大\n\n这标志着谷歌搜索正从「给答案」转向「直接办成事」,未来AI模式很可能成为跨应用任务的统一入口,值得留意后续开放的合作伙伴清单和覆盖地区。","https:\u002F\u002Fblog.google\u002Fproducts-and-platforms\u002Fproducts\u002Fsearch\u002Fconnected-apps\u002F",[70,77,84],{"rank":71,"itemId":72,"title":73,"summary":74,"analysis":75,"publishedAt":76},1,"89192","Thinking Machines Lab发布开放权重模型Inkling","Thinking Machines Lab发布开源模型Inkling(975B参数MoE,41B激活),多模态支持文本图像音视频。","Mira Murati的Thinking Machines Lab发布首个开放权重模型Inkling,这是继Nemotron、Gemma之后美国开源阵营的新选手,也是对中国开源模型崛起的一次正面回应。\n\n· Inkling是一个MoE Transformer,总参数975B,激活参数41B,Apache-2.0协议开源,训练数据涵盖文本、图像、音频、视频共45万亿token\n· 同时预告了更小版本Inkling-Small(276B总参数、12B激活),仍在测试中,权重待后续发布\n· 官方模型卡篇幅明显短于业内惯例,训练数据文档也语焉不详,只笼统提及数据来自公开互联网及第三方\n· Thinking Machines坦言Inkling并非当前最强模型,无论开源闭源都算不上前沿,而是定位为适合微调的强基座模型,主打配合自家Tinker训练平台使用\n· 实测的SVG鹈鹕骑自行车示例显示,其生图\u002F生成代码能力可用但不算惊艳\n\n对开发者而言,Inkling的价值不在于跑分登顶,而在于给美系开源生态添了一个可商用微调的重量级选项,值得关注它能否在Tinker生态里跑出差异化打法。","2026-07-16 23:35:25",{"rank":78,"itemId":79,"title":80,"summary":81,"analysis":82,"publishedAt":83},2,"87237","OpenAI推出kbd-1.0-codex-micro键盘","OpenAI 推出 kbd-1.0-codex-micro 键盘，可映射工作流。","OpenAI 推出 kbd-1.0-codex-micro 键盘，与 Work Louder 合作，将按钮和摇杆映射到工作流，并显示固定聊天。\n· 该键盘专为开发者设计，可自定义按键和摇杆功能，提升工作效率。\n· 支持固定聊天视图，方便随时查看重要对话。\n· 限量发售，售罄后返回 410 状态码（幽默指 HTTP 410 Gone）。\n· 硬件产品体现 OpenAI 向工具生态延伸。\n看点：OpenAI 涉足硬件，可能为 AI 开发者提供更高效的交互方式。","2026-07-16 22:31:34",{"rank":85,"itemId":86,"title":87,"summary":88,"analysis":89,"publishedAt":90},3,"86746","xAI开源Grok Build CLI工具","xAI 开源 Grok Build CLI 工具，此前因会上传整个目录引发争议。","xAI 开源 Grok Build CLI 工具代码，此前因默认上传用户目录数据引发隐私争议。\n· Grok Build 此前被曝运行时会上传整个目录（含 SSH 密钥、密码等）至 xAI 云存储。\n· xAI 回应称已删除所有已上传数据，并默认关闭数据保留功能。\n· 现以 Apache 2.0 许可证开源整个代码库（84.5 万行 Rust），支持本地优先运行。\n· 用户可完全本地化使用，无需依赖 xAI 基础设施。\n影响\u002F看点：xAI 通过开源和隐私改进试图重建信任，但事件凸显了 AI 工具在数据安全上的风险，开源策略或成为提升透明度的关键举措。","2026-07-16 08:49:19"]