CxO
在加密货币与人工智能融合的浪潮中，AI Agent 正经历从对话式向执行式的范式转变，这一趋势在近期香港举办的「Crypto 2026：从加密货币到智能经济」论坛上成为焦点。圆桌讨论中，行业专家指出，尽管开源 AI Agent 的爆发标志着长期趋势的开端，但信任缺失、安全风险与可验证性不足正成为规模化应用的核心障碍。随着 AI 与区块链技术的深度融合，如何构建可信、可协作的代理网络，将决定下一代数字经济的底层架构。 范式转变：从对话到执行，AI Agent 的长期趋势与短期挑战 KiteAI 亚太区负责人 Laughing 在圆桌讨论中强调，开源 AI Agent 的兴起并非短期情绪，而是 AI 从“对话式”转向“执行式”的长期趋势开端。然而，Agent 缺乏实体身份，导致商家难以信任其交易行为，数据泄露与不可控问题成为规模化必须跨越的障碍。Mentis 产品负责人
CxO
随着人工智能技术的飞速发展，AI智能助手（AI Agent）正从概念走向现实，为企业与个人用户带来前所未有的效率提升。然而，近期一款于2025年推出的开源AI Agent在广泛采用后，暴露出一系列潜在风险，包括系统漏洞、非预期操作行为及敏感资料处理问题，引发监管机构如香港数字政策办公室和个人资料私隐专员公署的警示。这一事件突显了在AI应用日益普及的背景下，建立清晰且一致的AI管治机制对企业及整体社会的紧迫性。本文将深入探讨AI Agent的核心风险、管治框架的关键要素，以及如何借鉴国际标准来构建负责任的AI生态系统。 AI Agent概览及已披露的主要风险 与主要用于对话的AI聊天机器人不同，AI Agent的核心设计在于“执行行动”，能够根据指令自主完成任务，并与外部工具如即时通讯软件、电子邮件系统、网上银行等高敏感度系统整合。其“长期记忆”能力和可扩充的“技能”模组，使其在个人及企业环境中被广泛应用，例如自动分类电子邮件、草拟回覆内容，以及整合AI代码助理以加速软件开发。 然而，为执行这些行动，用户需授予AI Agent高度系统权限和敏感资讯，如电邮帐户凭证，这显著扩大了潜
CxO
人工智能正以清晰的层级结构演进，每一层都新增了重塑医生工作方式的能力。在临床实践中，这些能力体现在文档记录、图像解读、决策支持和护理协调等方面。然而，当前的培训体系并未围绕这些层级进行组织，尽管这样做能提升AI工具的实用性和有效性。更优的策略是，以医生学习临床医学的渐进方式，教导他们与AI的每一层互动，从而确保技术采纳既自然又高效。 AI的层级演进：从语言模型到智能体协作 人工智能的进展可通过四个简单术语来理解，它们反映了能力如何层层叠加。大型语言模型专注于生成和理解语言；检索增强生成则添加了对指南和数据集等外部知识的访问；AI智能体利用这些信息在工作流中执行任务；最高层的智能体AI则协调多个智能体，支持更持续和复杂的过程。每一层都建立在前一层之上，形成一种层级式演进，扩展了这些工具在真实临床环境中的应用范围。 眼科案例：层级培训的实际映射 眼科作为一个有用示例，结合了成像、模式识别、长期护理和程序决策。从LLM到RAG，再到AI智能体，最终到智能体AI的演进，可直接映射到眼科医生在日常实践中学习使用这些工具的方式。第一层涉及LLM，医生从熟悉的文档任务开始，如撰写诊所笔记
Deep
韩国科学技术院（KAIST）的研究团队近日推出了一款名为LLMB的AI智能体，通过自动化挖掘超过3600篇科学论文，成功构建了迄今最全面的锂金属电池（LMB）数据库。该工作发表于《ACS Central Science》，旨在加速电池研发的“开发-验证”周期。LLMB整合了大语言模型（LLM）与专门的图表挖掘工具，能够从文献中大规模提取材料组成、操作条件及循环性能等关键数据，并利用机器学习模型预测电池容量，揭示了溶剂极性等微观特性与电池性能之间的隐藏关联。 多模态数据提取：LLMB如何从3606篇文献中构建8074个电池单元数据库 LLMB采用模块化架构，利用专门的大语言模型执行细胞命名、分类及数值提取等任务，覆盖29个实体类别。其核心工具Material Graph Digitizer（MatGD）基于YOLOv8架构识别并移除文本、图例等非数据元素，再通过DBSCAN算法根据RGB颜色矢量分离数据曲线。后处理模型自动完成SMILES转换和单位标准化，确保数据库的实用性。最终从3606篇论文中提取出8074个电池单元，包含详细的组件规格和循环数据。在文本挖掘中，细胞名称提取的F
Latest
2026年5月13日，Anthropic再次向法律行业发起猛攻，发布20个新连接器，使其Claude大模型能够与Thomson Reuters CoCounsel、DocuSign、iManage等主流法律SaaS平台无缝集成。同时，该AI实验室还推出了12个面向特定法律角色的实践插件，涵盖商业合同审查、NDA审核等高频场景。此举不仅是Anthropic对法律AI生态的深度布局，更是一步战略棋子——意图通过征服这一技术保守的垂直领域，向其他行业证明其大模型可落地的商业价值。 二十个新连接器直击法律工作流痛点 Anthropic此次推出的连接器覆盖了法律从业者日常使用的关键软件，包括Thomson Reuters CoCounsel、DocuSign、iManage、Box和EverLaw等。律师无需在Claude与这些工具间反复切换，即可直接调用Claude的专业推理能力处理复杂事务。配合发布的12个实践插件则进一步细化场景，例如商业法律插件可自动审查保密协议（NDA）和供应商合同。此外，Anthropic还与Free Law Project、Justice Technology
在AI Agent与大模型技术加速渗透企业核心业务系统的当下，传统多系统拼接的数据架构正面临效率与实时性的双重瓶颈。星环科技凭借自2020年起前瞻布局的多模型统一架构，早已跨越“数仓+搜索+图数据库”的堆叠阶段，其四层统一体系可在一体化平台内同时处理关系型、向量、图谱、全文等10种数据模型。这种从底层原生协同而非外部拼装的技术路线，正成为支撑AI Agent实时推理、长期记忆与多模态协同的关键“数据底座”，并获中国信通院、IDC、Gartner等权威认可。 2020年完成四层统一架构，覆盖10种数据模型 早在AI热潮爆发前，星环科技便从2018年开始规划，并于2020年正式实现多模型统一技术架构。该体系包含统一接口、统一计算引擎、统一存储管理和统一资源调度四个层面，并非将多个数据库简单拼接，而是从底层平台层面实现10种数据模型（关系型、全文、事件、图、文档、向量等）的原生协同。此后公司持续扩展能力边界，成为首个通过中国信通院多模数据库产品基础能力评测的厂商，并被IDC、Gartner列为多模数据库领域代表厂商。这一时间点比多数企业仍在采用“数仓+Elasticsearch+图数据
Startups
班加罗尔初创公司 SwishX 今日正式发布全球首个专为制药和医疗科技行业打造的“代理式 AI”平台，旨在通过人工智能彻底重构药企的销售、营销、分销与业务增长模式。该公司由前谷歌和亚马逊高管联合创立，已获得 220 万美元种子轮融资，投资方包括 Powerhouse Ventures、Blume Ventures、Sadev Ventures、Atrium Ventures 等。SwishX 的目标是在当前财年（2026-27 年）实现 500 万美元合同年度经常性收入（ARR）并拿下 100 多家企业客户，随后计划扩张至拉丁美洲、东南亚、中东、非洲和东欧等新兴市场。这些新兴市场加上印度，构成了 4000 亿美元的药械机遇，其商业运营规模预计将以超过 12% 的复合年增长率在 2033 年达到 7700 亿美元。 220万美元种子轮：