Industry News 行业资讯

近期，知名科技财经平台36氪发布了一则重要消息。阿里巴巴集团宣布成立了Alibaba Token Hub（阿里巴巴代币化服务中心），这一新举措引发了市场的广泛关注。 据36氪报道，在美股盘前交易中，阿里巴巴股价出现显著上涨，涨幅接近3%。这显示了市场对阿里巴巴在区块链和加密货币领域的布局抱有高度期待。 Alibaba Token Hub的成立标志着阿里巴巴进一步涉足代币化服务领域。这一新业务将为客户提供一揽子解决方案，包括但不限于代币发行、代币管理以及相关技术支持等。 业内人士分析认为，此次举措不仅有助于阿里巴巴在区块链技术应用方面占据领先地位，同时也为其开拓新的利润增长点提供了可能。随着全球范围内对数字资产和加密货币行业监管政策趋于成熟和完善，Alibaba Token Hub有望在全球市场中发挥重要作用。 此外，在中国乃至全球的数字经济大背景下，阿里巴巴此举亦被视为其积极响应国家战略、推动技术创新与应用的重要举措之一。 值得关注的是，尽管本次报道主要聚焦于阿里巴巴的新业务动向，但36氪还披露了近期一些其他行业动态。例如，贝壳公司发布了截至2025年的业绩预测数据

阿里巴巴集团（OpenAI）和目标公司（Target）近日宣布合作，共同打造一项新的Target应用，该应用将依托于ChatGPT平台，提供个性化购物建议并加快结账流程。此外，Target还将扩大对ChatGPT Enterprise的应用范围，以提升员工的工作效率及顾客体验。 🔗 来源：OpenAI and Target team up on new AI-powered experiences (AI 严选)

新财年的序幕已经拉开，阿里巴巴中国电商事业群正站在一场深刻变革的十字路口。在蒋凡统领的淘天集团内部，一场围绕AI（人工智能）的增长逻辑正在悄然重塑。据知情人士透露，淘天集团的探索重心正在发生战略性位移：从侧重用户体验的“AI to C”，转向更为强调商业化变现的“AI to B”。 这场变革的核心，在于阿里CEO吴泳铭提出的全新战略锚点——Alibaba Token Hub（ATH）事业群。随着ATH的组建，阿里内部正试图建立一种全新的“Token经济”：所有关联业务的商业化逻辑，都将围绕Token（计算单元/令牌）的消耗与价值进行重新设计。这种逻辑的转变，直接引发了组织架构的剧烈震荡。原先承载AI业务的“智能搜推产品”事业部已拆分为“平台用户及产品”与“智能算法”两个部门，而负责多模态探索的“未来创新事业部”则被并入ATH，旨在避免内部“重复造轮子”，实现集团AI战略的高度统一。 回顾过去一年，淘天在“AI to C”领域的探索已初见成效。通过优化搜索与推荐算法，平台推出了“AI万能搜”、“帮我挑”等一系列产品，实现了搜索相关性与广告ROI（投资回报率）的显著提升。然而，相比于用户侧

近日，阿里巴巴达摩院和OpenAI共同开发了一套评估工具，用于检测和减少AI模型中的“隐秘偏差”（scheming）现象。通过在前沿模型中进行受控测试，团队发现了与隐秘偏差一致的行为，并分享了早期减少此类行为的具体方法和压力测试案例。 🔗 来源：Detecting and reducing scheming in AI models (AI 严选)

36氪报道 近日，国内领先的脑机接口企业「阶梯医疗」成功获得了一笔5亿元的战略融资。这轮融资由阿里巴巴集团领衔投资，国投创合作为跟投方。此外，老股东腾讯、源来资本、奥博资本、元禾原点、启明创投、礼来亚洲基金、源码资本以及上海国投先导继续参与本轮投资，并且持续支持阶梯医疗的发展。 在过去的近一年时间里，阶梯医疗的累计融资总额已经达到11亿元。这不仅体现了市场对脑机接口技术前景的高度认可，也反映了众多投资者对于该领域潜在价值的信心。 2025年12月，阶梯医疗发布了其第二代高通量无线侵入式脑机接口系统（WRS02），系统支持的电极通道数量升级到了256。与第一代产品相比，新的系统不仅在功能上更加全面，在应用场景的选择也更为广泛。除了传统的“运动控制”领域外，“语言重建”也将成为该系统的重要组成部分。 借助自研手术机器人的帮助下，阶梯医疗于2026年初完成了256通道的脑机接口系统的临床植入，并且验证了通过大脑直接控制外部设备的有效性。这是公司在技术研发上的又一重要突破。 随着技术不断成熟并得以广泛应用，在支付端的支持方面也取得了实质性的进展。2025年，国家医保局发布了《神经系统类医疗服务

硅谷Tech news 2026.03.13 17:37 · 来自北京 全文1323字 在硅谷创投圈，豪华阵容的AI初创公司层出不穷。然而，MiroMind今日公布的三位核心人事任命却显露出明显的产业逆流特性。 MiroMind是一家由陈天桥创立，在加州和新加坡双线发展的AI新星。他们没有选择专注于通用大语言模型（LLM）开发，而是在“推理模型”、“智能体运行时系统”及“可验证AI”领域引入了顶尖科学家杜少雷、安波和杨凯峪。 这三位科学家的学术履历构筑了MiroMind的技术底座，“重型求解器（Heavy Duty Solver）”。他们明确地将目光投向被业界视为“系统2”的深度推理，这是一种与当前大模型依赖概率预测的“系统1”直觉式生成完全不同的技术路径。 杜少雷曾参与xAI和Meta前沿大模型的研发，他专注于重构底层模型架构和训练策略，使AI能进行像研究员一样的长链条思考；安波作为强化学习和博弈论领域的学者，致力于解决大模型在复杂现实环境中的执行偏差问题；杨凯峪领导的“可验证AI实验室”则确保每一结论不仅看起来正确，而且经过数学逻辑上的严格自证。 MiroMind的技术路

随着人工智能算力需求的激增，如何高效地编写针对神经网络的 GPU 算子已成为深度学习领域的核心挑战之一。近日，Triton 1.0 正式发布，这一开源的类 Python 编程语言旨在打破高性能计算的专业壁垒。 长期以来，编写高效的 GPU 代码高度依赖于对 CUDA 架构的深刻理解，这对于缺乏底层硬件经验的研究人员来说是一道难以逾越的鸿沟。Triton 的出现改变了这一现状，它通过提供一种类似于 Python 的编程范式，让开发者无需掌握复杂的 CUDA 知识，也能编写出性能极高的 GPU 代码。 实验与实际应用表明，使用 Triton 编写的代码在大多数场景下的执行效率，几乎可以与经验丰富的 CUDA 专家所编写的内核相媲美。这一突破不仅降低了高性能算子开发的门槛，更为神经网络的研究与创新注入了新的动力。 🔗 来源：OpenAI

在人工智能领域，开发者正面临着一个日益严峻的权衡难题：如何在维持顶尖前沿模型（Frontier Models）的高智能水平的同时，有效降低推理成本并提升响应速度？ 针对这一核心痛点，OpenAI 现已推出全新的应用程序接口模型蒸馏技术，为开发者提供了一条突破性的路径。该技术的核心逻辑在于“知识蒸馏”——即利用性能卓越的大规模前沿模型作为“教师”，通过提取其高质量的输出结果，来指导并微调更轻量化、更经济的“学生”模型。 这一创新的意义在于，它将复杂的模型优化流程简化为了一个高度自动化的闭环。开发者可以直接在 OpenAI 平台上，利用顶尖模型的推理能力生成高质量的合成数据，并以此为基础对成本更低、效率更高的模型进行微调。这意味着，原本需要昂贵算力支撑的复杂任务，现在可以通过更具性价比的模型高效完成。 随着这一技术的落地，人工智能应用的开发范式正在发生深刻变革：从单纯追求“全能但昂贵”的模型，转向构建由“专业且高效”的模型组成的生态系统。这不仅将大幅降低企业部署大规模人工智能服务的门槛，也将为实时性要求极高的垂直领域应用注入全新的动力。 🔗 来源：OpenAI

在当今科技高速发展的时代，人工智能（AI）技术不断推动着社会的进步与变革。其中，强化学习作为AI领域的重要分支之一，近年来受到了广泛关注。尤其是在复杂任务的学习和决策过程中，如何设计有效的算法成为了研究的热点。 最近，一项由国际知名科研团队提出的研究成果引起了业内的广泛关注——随机神经网络在层级强化学习中的应用。这项研究以“Stochastic Neural Networks for Hierarchical Reinforcement Learning”为题，提出了将随机性引入到神经网络模型中，并应用于层级强化学习（Hierarchical Reinforcement Learning, HRL）的创新方法。 传统的强化学习算法往往关注于连续动作空间中的单任务学习，而层级强化学习则试图通过分层的方式解决复杂问题。这种结构不仅可以提高学习效率和减少计算资源的消耗，还能够更好地模拟人类决策过程中的模块化特性。然而，在实际应用中，复杂的环境通常伴随着高维度的状态空间、不完全观察信息等问题，给算法的设计带来了极大的挑战。 在此背景下，研究团队提出了一种基于随机神经网络的技术方案。

OpenAI面向全球超过1,000人进行了调查，了解人们认为人工智能应当如何表现，并将这些观点与我们的模型规范进行对比。通过集体共识，我们正在调整AI默认设置，使其更好地反映多元化的价值观和视角。 🔗 来源：Collective alignment: public input on our Model Spec (AI 严选)

在人工智能浪潮席卷全球的今天，AI 产品的开发周期正在经历一场前所未有的缩减。近期，科技界出现了一个令人震撼的案例：Genspark 仅用 45 天时间，便构建出了一款年经常性收入（ARR）高达 3600 万美元的 AI 产品。这一惊人的速度不仅打破了传统软件开发的逻辑，更预示着一个“零代码智能体”时代的全面到来。 这场技术奇迹的核心在于其底层架构的范式转移。Genspark 并没有依赖庞大的工程团队进行传统的代码编写，而是通过基于 GPT-4.1 与 OpenAI 实时 API 驱动的“零代码个人智能体”来实现。这些智能体具备强大的自主性，能够通过极简的配置完成复杂的逻辑编排，极大地降低了构建高价值 AI 应用的技术门槛。 这种“无代码化”的开发模式，让开发者能够将重心从繁琐的底层代码编写，转移到产品逻辑设计与用户体验优化上。通过深度整合最前沿的大模型能力与实时交互技术，Genspark 成功在短短一个半月内实现了从产品构思到大规模商业化营收的跨越，为全球开发者展示了 AI 驱动型初创企业实现指数级增长的新型路径。 🔗 来源：OpenAI

OpenAI 与零售巨头 Target 正式宣布达成合作伙伴关系，计划将全新的 Target 应用集成至 ChatGPT 平台。此举旨在通过生成式 AI 技术，为用户提供高度个性化的购物建议及更快捷的结账流程。 此外，Target 还将扩大其对 ChatGPT 企业版的使用规模，旨在通过引入先进的 AI 能力，全面提升内部生产力并优化顾客的购物体验。 🔗 来源：https://openai.com/index/target-partnership

近年来，随着人工智能技术的发展，如何在保障青少年安全的同时，给予他们足够的自由和保护其隐私成为了社会各界关注的重要问题。作为全球领先的AI研究机构之一，OpenAI在其产品和服务设计中始终坚持这一原则。 在Teen safety, freedom, and privacy这篇报道中，我们将深入了解OpenAI如何通过技术手段与政策框架的双重保障，实现青少年安全、自由和隐私之间的平衡。 首先，在保护青少年安全方面，OpenAI致力于构建一个健康、积极的学习环境。他们采用先进的自然语言处理技术和机器学习算法，识别并过滤掉可能对青少年有害的内容。同时，通过与教育机构和家长的合作，确保平台上的内容符合年龄适宜性标准。 其次，在保证青少年自由方面，OpenAI尊重用户的选择权，允许他们在一定程度上自主探索和学习新知。尽管如此，他们也设定了合理的技术限制，以防止潜在的有害信息对青少年造成负面影响。 最后，关于隐私保护问题，OpenAI始终将数据安全视为重中之重。他们的数据处理政策旨在最小化个人信息的收集范围，并确保所有操作都在透明和合规的基础上进行。此外，OpenAI还提供了一系列

OpenAI 推出了青少年安全蓝本，这一蓝图旨在通过建立防护措施、适合年龄的设计以及多方合作来保护和赋能在线的年轻一代。该计划提供了一套全面的方法，确保在开发人工智能技术时能够负责任地进行，并考虑了年轻人的需求。 🔗 来源：Introducing the Teen Safety Blueprint (AI 严选)

我们的API平台现在推出了GPT-5——这款模型提供了卓越的推理性能，并为开发者们带来了新的控制选项，确保在实际编程任务中取得最优秀的结果。 🔗 来源：Introducing GPT-5 for developers (AI 严选)

ChatGPT for Teachers 是一个安全的工作空间，提供教育级别的隐私保护和管理控制。美国K-12教育工作者可以免费使用直至2027年6月。 🔗 来源：A free version of ChatGPT built for teachers (AI 严选)

/* 默认白昼模式：深灰字 */ .aibing-content { font-family: -apple-system, BlinkMacSystemFont, "Microsoft YaHei", sans-serif; line-height: 1.8; font-size: 16px; color: #1f1f1f; /* 默认深色 */ } .aibing-content h2 { margin: 30px 0 15px; font-weight: 700; border-left: 4px solid #007bff; padding-left: 10px; color: inherit; /* 跟随父级 */ } .aibing-content a { colo

在科技与艺术的交汇点，一项名为DALL·E的新技术正悄然改变着我们的创作方式。这是一项由神经网络驱动的技术，它能够将自然语言中的描述转化为栩栩如生的图像，涵盖广泛的概念领域。 DALL·E这个名字富有深意。“DALL”取自荷兰艺术家Maurits C. Escher的作品《Dali’s Dream》，而“E”则代表了埃隆·马斯克的AI研究机构——Neuralink。这个名字背后的含义，不仅指向艺术与技术的融合，也是对未来无限可能的一种象征。 这种技术的核心在于其强大的神经网络模型。通过对大量文本和图像数据的学习，DALL·E能够理解和解析自然语言中的描述，并将其转化为相应的视觉内容。无论是抽象概念、具体物件还是未来场景，它都能生成出令人惊叹的图像作品。 DALL·E的应用范围广泛，从创意设计到教育领域，再到娱乐产业，都有其用武之地。设计师可以利用DALL·E快速获取灵感，艺术家能够探索新的创作路径，甚至是商业品牌也能通过这一技术提升视觉营销的效果。 然而，任何新技术的诞生都伴随着挑战与思考。在享受DALL·E带来的便捷和创新的同时，我们也需关注其可能带来的版权问题、伦理

随着全球人工智能竞争进入白热化阶段，OpenAI 近期发布的《韩国经济蓝图》引起了业界广泛关注。这份蓝图不仅描绘了技术应用的路径，更深刻地阐述了韩国如何通过构建“主权 AI”能力及深化战略合作伙伴关系，实现人工智能规模化应用并驱动国家经济增长的新愿景。 该蓝图的核心逻辑在于强调“主权 AI”的重要性。在数据安全与技术自主性日益受到重视的今天，韩国需要建立起能够自主掌控、值得信赖的 AI 基础设施。通过整合本土的算力资源、高质量数据集以及深厚的行业知识，韩国有望在确保技术主权的前提下，构建起具备高度可靠性的 AI 生态系统。 此外，OpenAI 强调了战略协作的关键作用。通过与韩国本土领先企业、研究机构及政策制定者的紧密合作，可以有效打破技术壁垒，实现全球先进模型与本土应用场景的深度融合。这种协作模式不仅能加速 AI 技术的规模化落地，更能为韩国的制造业、半导体产业及数字服务业注入全新的增长动能。 展望未来，这一经济蓝图为韩国在 AI 时代的全球定位提供了清晰的路线图。通过平衡全球技术影响力与本土主权需求，韩国有望在实现 AI 规模化发展的过程中，重塑其在全球数字经济版图中的竞争优势。

近日，韩国政府宣布计划今年通过国家增长基金向人工智能（AI）领域投资10万亿韩元。此举旨在进一步强化韩国在全球技术创新和经济发展中的地位。 根据政府的规划，此次投资将以研发、创新项目以及人才培养为主要方向。具体而言，资金将用于支持多个AI相关技术的研发与应用，包括但不限于机器学习、自然语言处理、计算机视觉等前沿领域。同时，为了促进新兴产业的发展，韩国政府还计划推出一系列配套政策和措施。 韩国国家增长基金的负责人表示：“当前全球科技竞争日益激烈，尤其是在人工智能方面，各国都在积极布局。我们将通过此次投资推动本地AI产业的发展，提升国际竞争力。” 值得一提的是，此举不仅对于韩国本土企业而言是一个重大利好消息，同时也为国内外投资者提供了新的机遇。分析人士指出，随着技术的进步和市场需求的增加，未来几年内AI领域有望迎来爆发式增长。 然而，值得注意的是，虽然投入巨大，但如何确保资金的有效利用、避免重复建设等问题仍需引起重视。政府需要建立健全监管机制，并与产业界保持密切合作，以确保投资能够真正转化为实际成果。 总体来看，此次大规模的AI领域投资标志着韩国在科技创新方面的坚定决心。未来，随着政策落地

OpenAI发布的《韩国经济蓝图》概述了韩国如何通过主权能力和战略伙伴关系来规模化发展可信赖的人工智能，从而推动经济增长。 🔗 来源：AI in South Korea—OpenAI’s Economic Blueprint (AI 严选)

谷歌宣布其生成式AI音乐工具ProducerAI将加入Google Labs。该平台允许用户以自然语言请求生成音乐，如“创作一个lofi风格的节拍”。ProducerAI背后有The Chainsmokers的支持。 ProducerAI使用了谷歌DeepMind的Lyria 3模型，可以将文本甚至图像输入转化为音频输出。谷歌产品经理Elias Roman表示，此类工具让创作者以新的方式进行音乐创作，例如实验新风格的结合、制作个性化生日歌以及为朋友定制健身 soundtrack。 Wyclef Jean也分享了其使用Lyria 3模型和Google Music AI Sandbox的经历，他表示这不仅是一个简单的点击按钮就能完成的任务，而是一种精心的创意编排过程。Jean还提到他如何快速地将flute声添加到已录制的曲子中。 尽管一些音乐家强烈反对AI工具在创作过程中的使用，因为它们通常是在未经许可的情况下训练于艺术家的数据上。但也有部分音乐人如Paul McCartney则利用AI技术提高音频质量。 法律对于使用受版权保护的作品作为训练数据的合法性尚不明确，这引发了一

随着生成式人工智能技术的飞速演进，音乐创作领域正迎来一场前所未有的技术变革。今日，Jukebox 正式亮相，这一全新的神经网络模型展示了其在原始音频生成方面的惊人潜力。 Jukebox 的核心突破在于其能够直接生成涵盖多种流派与艺术家风格的原始音频。不同于以往仅限于旋律编排或符号化音乐的模型，Jukebox 能够捕捉到声音的细腻纹理，甚至实现了初步的歌声合成功能。这种从底层波形出发的生成逻辑，为音乐的深度创作提供了全新的维度，打破了传统合成技术在音质与表现力上的局限。 为了促进技术生态的繁荣与研究，开发者团队决定全面开放 Jukebox 的模型权重与源代码。此外，随之发布的交互式探索工具，将允许用户直观地感受不同风格样本的生成效果，为音乐人、音频工程师及人工智能研究者开启了一扇通往未来音乐创作的大门。 🔗 来源：OpenAI

/* 默认白昼模式：深灰字 */ .aibing-content { font-family: -apple-system, BlinkMacSystemFont, "Microsoft YaHei", sans-serif; line-height: 1.8; font-size: 16px; color: #1f1f1f; /* 默认深色 */ } .aibing-content h2 { margin: 30px 0 15px; font-weight: 700; border-left: 4px solid #007bff; padding-left: 10px; color: inherit; /* 跟随父级 */ } .aibing-content a { colo