工业智能:制造业的下一个增长机遇
制造商积累的工艺知识、操作实践与生产数据构成“工业智能”,将其接入物理世界是制造业新的增长方向。Physical AI 系统能感知产线状况、推理并采取行动:Toyota Industries 打通喷漆车间数据后,分析周期从 5 天缩短到 4 小时以内,试点使相关油漆缺陷减少约 25%。
制造商积累的工艺知识、操作实践与生产数据构成“工业智能”,将其接入物理世界是制造业新的增长方向。Physical AI 系统能感知产线状况、推理并采取行动:Toyota Industries 打通喷漆车间数据后,分析周期从 5 天缩短到 4 小时以内,试点使相关油漆缺陷减少约 25%。
AWS Machine Learning Blog 演示如何用 Amazon SageMaker Python SDK v3 在边缘管理全队(fleet-wide)计算机视觉模型生命周期,每台摄像头各训练一个异常检测器和一个 ResNet18 缺陷分类器。
Microsoft 向美国、英国、加拿大和印度的最多 60,000 名员工提供自愿离职买断方案,涵盖 AI experiences、Copilot、CoreAI、Windows + Devices、Xbox 等团队。人事负责人 Amy Coleman 称此举是在避免新一轮裁员的情况下精简人员;此前 Microsoft 已裁员 4,800 人,且本次买断不基于年龄、工龄或绩效。
TechCrunch 盘点了市场上主要 AI 穿戴设备:Bee 项链售价 $49.99,被 Amazon 收购后又推出 $74.99 的 Bee Frontier 和 $99.99 的 Bee Eclipse;Friend 的 $129 吊坠主打情感陪伴并升级了带扬声器的 Friend 2.0。
TechCrunch 持续更新一份 AI 失败项目清单,记录已关闭、转型或严重不及预期的产品和初创公司。
AWS 博客讲解如何用可复用的 CDK construct 配合 CloudFormation 自定义资源,解决 SageMaker AI 实时终端节点更新时自动扩缩容导致部署失败的问题。
微软与 Hugging Face 发布 ThinkingBox-Training 博客并开源代码,把对数据库终态的可执行检查用作 RL 奖励,在 ThinkingBox-Bench 之外的任务上训练 Qwen3.8-27B。
推荐理由:微软与 Hugging Face 联合复盘如何把数据库终态检查变成 RL 奖励,并公开完整训练栈,适合做有状态 Agent 后训练的参考。
Amazon SageMaker AI 推出 serverless training session APIs,把抽象边界下沉到算力层:开发者用 Python 编写训练循环,调用 forward_backward()、optim_step()、sample() 等操作,即可执行 SFT、偏好优化或 RL。
Microsoft Research 推出基于 Flint 的交互式数据可视化语言 Flint-interactive,让用户和 Agent 能通过高级语义事件和更新算子定义图表交互,支持点击、筛选、缩放、高亮和跨图表联动。
Latent Space 发布 10/20-10/21 的 AINews 汇总,头条是 PHP 引擎两个内存破坏漏洞 PHP2Shell(CVE-2026-109618、CVE-2026-109619)。
推荐理由:这期汇总梳理了 PHP2Shell 漏洞的多方发现与响应时间线,并明确区分了已证实事实与未经证实的传言,适合用作判断 AI 参与漏洞挖掘的参照。
Microsoft Research 的 Xinzhi Zhang 与合作者 Zhao Song 证明 1995 年提出的 Kannan–Lovász–Simonovits(KLS)猜想,表明对数凸分布的最佳平切与任意形状切口的差距以一个通用常数为界,与维度无关。
推荐理由:官方一手介绍证明思路与人类引导 AI 的搜索过程,读者可以了解这项工作如何结合数学判断与多智能体探索。
GitHub Blog 采访 Vlad Mihalcea、Patrick Baumgartner 和 Frank Delporte 三位 Java Champion,分享他们在生产和开源项目中使用 GitHub Copilot 的具体做法。
Microsoft Research 播客中,主持人 Weishung Liu 对话 Catalyst Lab 主管 Chris White,回顾他 2010 年在 DARPA 期间赴阿富汗战地验证数据分析技术以保护部队的经历,以及后来研发暗网搜索工具帮助打击人口贩卖的工作。
GitHub Copilot 应用中的智能体会话可直接在 VS Code 中打开继续,对话、代码改动和工作树上下文完整保留。开发者可在 VS Code 中逐行审查智能体的 diff、手动编辑文件、用集成终端本地运行验证(如 npm test、npm run dev),并将改动推送到会话关联的 pull request。
GitHub 讲解其新的上下文感知密钥分类器,采用两阶段流水线,用微调的 ModernBERT 分类器替代原有 LLM 流水线,并借此将通用密钥检测扩展到 push protection。
GitHub Blog 的 Copilot for Beginners 系列文章讲解四种让 GitHub Copilot 适配项目的方式:通过 .github/copilot-instructions.md 自定义指令、.github/skills 中的 agent skills 打包可重复流程、.github/agents 自定义 agent 处理跨文件的大型任务。
Microsoft Research 的 StudentSim 从公开脱敏的学习记录中为每位学生训练个性化模拟器,用于在真实学习者测试前评估和改进 AI 辅导系统。该工作同时提出 StudentSimEval 基准,以行为保真度和对辅导指导的响应性两个维度评估,覆盖国际象棋、二语英语写作和数学三个领域。研究设置中 StudentSim 超越领先基线,可为 AI 辅导系统训练提供有效反馈信号。
GitHub 官方基于 2024 Q2 至 2026 Q2 共九个季度数据指出,AI 智能体参与的 pull request 已占三分之一,但每 push 密钥检出率无统计显著上升,开发者驳回 push 拦截的比例从 6.63% 降至 3.93%。
推荐理由:作者用九个季度的数据说明开发者并非更大意,并给出毫秒级分类器扩展 push protection 的路径与开放时间表。
微软亚洲研究院发布重构并开源的 Agent Lightning v1.0,提出 Harnessed Agentic RL 范式,让部署时使用的 agent harness 直接参与强化学习,无需在训练框架内重写 agent。
推荐理由:官方详解了用真实 agent harness 做 RL 的训练范式与系统设计,并给出 Qwen3.5-9B 在 SWE-bench Verified 的提升数据,方法可参考。
Microsoft Research 播客中,首席应用科学家 Chad Atalla 与 partner research manager Jennifer Neville 对谈,探讨评估在推动当今 AI 系统性能边界中的作用,以及模型在传统 benchmark 之外测试时出现的“意外失败”。
GitHub 发布开源离线基准 ReviewBench,用于评测 AI 代码审查 Agent,现已开放使用。基准基于 1.039 亿 GitHub 真实 pull request 构建分布,语料包含 19 种语言的 219 个公开 PR,采用多来源 golden set、Claude Sonnet 5 作为 LLM 评分器,资深工程师独立复核与基准一致率达 96.6%。
Microsoft Research 实习生开发了一套机器学习系统,为美国本土 66,935 座变电站提供针对地点的空间天气风险预测。该管线结合 L1 点太阳风观测、AE 与 Dst 指数预测及地质电导率数据,可提前 30-60 分钟预警。评估期内系统对重大事件(≥10 nT/min)检出率达 76.5%,严重事件(≥20 nT/min)达 81.2%。
GitHub 官方教程介绍 GitHub Copilot app 的 canvases 功能,用 /create-canvas 技能以自然语言描述工作流即可生成可共享的自定义界面,如看板、发布清单或仪表盘。画布双向同步,用户操作与 Agent 更新实时共享;创建的画布会保存为扩展,可团队共享或个人复用,社区已通过 Awesome Copilot 提供现成扩展。