△上海科学智能研究院AI科学家，杨自雄 AlphaFold解决的核心问题，是从序列推断高概率的静态结构。

1、星空官方 也就是说，模型从宏观上看起来很像真实社会，一旦进入具体人群和因果关系，偏差便会暴露出来。

这背后的一个潜台词是行业共识的转折：AI基础设施的竞争，正从“算力规模竞赛”转向“算力效率竞赛”。星空官方篮球领域则借欧文、库里等NBA球星中国行带动热度。

2、曼联抢人!从曼城青训再挖两名16岁新星 拉爵誓言寻下个姆巴佩

聊完技术底层讲安全 由河南空港智算中心、瑞莱智慧、太初元碁、安势信息、清源智契、典枢科技、数安信七家单位联合打造的全域大模型安全系统，同步在WAIC发布。

3、伦敦水晶宫体育中心将迎1.3亿英镑改造 田径游泳设施全面升级

（doge） 可真正开始动手，中间会冒出一长串任务：脚本、分镜、生图生视频、以及一轮又一轮看不到尽头的抽卡和修改！ 而LibTV Agent这次干的事儿，相当直给，人家直接把整条AI视频生产链，一把梭哈了…… 不废话，我们直接来看开头那支西部牛仔大片，我是怎么全权外包给LibTV Agent，然后直接拿到成片的。

4、科学家首度记录虎鲸“冲撞碎裂”捕食法：一头咬住翻车鱼，另一头全力加速撞成碎片

随着o1、DeepSeek-R1以及一众「思考模型」的走红，这后一条路线几乎成了默认叙事。

5、世界杯1/8决赛时间表：明天7月7日CCTV5直播，比利时冲击东道主

人们曾以为「定理证明」是不容一粒沙子的人类护城河，如今这条护城河正在迅速归零。

采集速度慢、成本高，能够覆盖的任务和场景也很有限。

想象一下，你让AI写了一篇带数据的行业分析。

6、特拉布宗体育主席：我认为奥纳纳会留队，我们满足了他的薪资要求；马卡报：阿莫林有望成为AC米兰主帅

截至目前在 GitHub 已获得4100+ Stars 、 600+ Forks、100+ Contributors，成为具身智能与大模型强化学习领域最受关注的基础设施项目之一。

围绕这一方向，李弘扬团队已经开展了一系列探索，包括提出局部移动操作（Loco-Manipulation）框架、构建面向人形机器人的EgoHumanoid第一人称全身数据集、探索基于世界模型的强化学习后训练，以及实现无需外部动作捕捉和定位设备的人形机器人自主乒乓球系统。

7、放弃 1.2 亿水货！阿森纳锁定 7700 万世界杯冠军神锋！实力碾压罗杰斯

不良资产就像一艘漏水的船，不断有脏水进来后，很快就沉。

但张小龙的刺激表述，并未引起台下的共鸣，现场听众埋头不语。

8、B费新赛季主场球衣杯赛字少量到货哦~

可行业技术更新几乎没有间歇，今天某个模型厂商放出一套创新技术，隔天就有团队推出迭代方案。

《中国企业家》记者 闫俊文 见习编辑｜李原 编辑｜何伊凡 头图来源｜视觉中国 月活3.5亿的豆包，毅然决然地踏入了收费的河流。

以下为《中国企业家》对美的集团副总裁兼首席数字官张小懿的独家采访（有删减）。

9、湖人别犹豫了，队内这4人该交易了，别浪费了东契奇巅峰

同期，“太空能源发展联盟”与“太空能源技术生态联盟”也宣布成立。

智能体成为科研攻关好搭档 来到AI科研实验室，可以体验一线科研人员如何在AI助力下高效进行科学研究。

10、贝林厄姆扛着英格兰晋级！这一次足球能回家吗？

而英伟达的CUDA生态，也历经了十余年培养开发者黏性。

转专业到数院的王虹，也曾迷茫到放弃数学 1991年出生于广西桂林的王虹，此前并无显赫的学术背景。

1、印度军团7月23日首日重点：开幕式双奥奖牌得主领衔，草地滚球三将率先出战

但如果我们真的选择把判断权交给这样的系统，就可能会继承它“不暂停”的习惯。

2、2007年杜卡迪1098无底价上架：1099cc L型双缸、7千英里、2023年刚做大保养

其次是虚拟陪伴赛道。

3、巨人10步休赛期计划复盘：劳伦斯交易成败笔？冲传投资缺失或酿苦果

这种多样性，是bug还是feature？实验结果很炸。杰伦布朗换不到字母哥，FMVP不如边角料，我们可能错怪雄鹿了这也是Agentic AI芯片比普通推理芯片多出来的一道题：芯片性能决定模型能不能运行，软件栈决定开发者能不能把它用起来，Agent生态则决定设备最终能够完成什么任务。

4、贝林厄姆：对换人不意外！图赫尔：输了就会被诟病，但我没做错！英足总霸气力挺

这个翻倍速度，从原来的每7个月翻一倍，加速到了每4个月翻一倍。

5、广州大闹车站女子已社死：正脸曝光，撒泼画面流出，拘留只是开始

它和物理世界的医院一样，都需要在真实医疗环境中持续运行、持续反馈、持续优化。

6、“英阿大战”裁判出炉！球迷：利好英格兰，这是要做掉阿根廷么？

基座模型DM0.5先生成一批初始动作，推给世界模型DW0.5 —→DW0.5当仿真器，在虚拟环境里把这些动作会导向的未来“跑”出来，批量生成成功和失败的轨迹 —→再由一个强化学习教练员CFG-RL，给每条轨迹的任务进度打分（成功的价值一路走高，失败的价值断崖下跌） —→打分和奖励实时回传，更新模型权重，喂出一个更强的DM0.5 这个循环里大部分数据由DW0.5在线生成，不用全部靠真机翻来覆去高成本地去试。

看着好玩，像在遛机器人。

OpenAI那边反应速度堪比抢到限量款： 安全研究员、哈佛教授Boaz Barak发推：期待并且「深感谦卑」地欢迎Jacob加入，一起搞AI安全。

7、从澡盆初见到决赛重逢，等待19年的宿命对决

三层架构，怎么构建最强大脑系统？ COSA的骨架由S2-S1-S0三层架构组成。

计算库涵盖线性代数加速库acBLAS、快速傅立叶变换库acFFT、随机数生成库acRAND、稀疏矩阵加速库acSPARSE、深度神经网络加速库acDNN、求解器acSOLVER等全套数学和AI基础库。

8、小组出局！乌拉圭足协取消包机 球员需自行购买机票返程

《中国企业家》：可能的解决方案是什么？ 张小懿：现在还没有答案。

为了拿到答案，它先揪出一个零日漏洞、给自己搞到联网权限，接着一路权限提升、横向移动，最后摸进Hugging Face的生产基础设施，直接去数据库里翻测试答案。

机器人的“眼”，指的不只是拍张照片，而是获取真实世界的信息：物体在哪、长什么样、离多远等等。

未来的使用体验应该接近大语言模型的prompt输入，或者协作机器人的拖拽示教。