互联网老兵杀入AI医疗：傲慢还是坚持？
“只有豪言壮语不能兑现时，傲慢才是个问题。如果他有资格，傲慢就是一种坚持。”一一一《解药》“AI六小龙”百川智能all in医疗，看上去是一个激流勇进，果敢又有些悲壮的故事。它有着幸运的开始：成立于2023年，在去年年中的资本寒冬里融资50亿元，作为国内“AI六小龙”的明星公司；也是一家在openAI和DeepSeek带来的AI技术冲击下被托起又被冲击，而后最终进入医疗——这曾是多个互联网玩家
英国20%医生正使用ChatGPT，获取医疗诊断、医疗建议等
英国最大专业医生服务平台Doctors.net.uk向1000位专业医生，做了一次关于ChatGPT、Bing AI和GoogleBard的使用调查。调查结果显示，英国20%的医生正在使用生成式AI来协助日常工作，ChatGPT使用率最高为16%，微软的Bing排名第二，谷歌的Bard（现改名为Gemini）排名第三。在本次受调查的医生中，虽然只有20%的医生使用生成式AI，这一比例并不高，
彻底颠覆教育！每天用AI学习2小时，成绩超美国98%学校
今天凌晨3点，OpenAI联合创始人兼总裁GregBrockman分享了，一个AI颠覆传统教育的消息。美国得克萨斯州的Alpha School学校，每天只让学生和AI学习2小时，其他时间全部用来学习演讲、金融、社交、语言、团队协作、跑步、游泳、骑车等生存技能。教育结果显示，Alpha School学生的成绩飙升至全美国2%（MAP全国统一标准），超过98%的学校，并且学生更爱学习，体能也比
钉钉 7.6 上新：全新 AI 搜索、AI 助理来了
6 月 26 日，Make2024 钉钉生态大会在北京举办，会上，钉钉宣布对所有大模型厂商开放，构建国内最开放 AI 生态。同时，钉钉推出 7.6 版本，全新 AI 搜索产品开启邀请测试，基于 AI 大模型，智能化整合钉钉上的工作信息，可以帮助用户将碎片化、离散化的信息整理为结构化知识网络。钉钉还升级了 AI 助理的思考、感知、行动系统，上线多 Agent 协同、拟人操作等能力，并支持用户按需切
为什么AI正让垂直SaaS的机会扩大10倍？
「随机小分队」引言随着 AI 技术的成熟，垂直领域 SaaS 正在迎来前所未有的增长机遇。如何抓住 AI 驱动的行业变革，成为这一波浪潮中的赢家，是每个从业者都在思考的问题。这篇文章深入分析了 AI 如何推动垂直领域 SaaS 的崛起，从通用 SaaS 的局限性到垂直化的技术优势，再到多个成功案例的解读，全面展示了行业变革的逻辑与潜力。同时，文章还揭示了 AI 在优化用户体验、降低开发成本和重
到钉钉播种 AI 应用的，不只大模型厂商们
百模大战、今年的大模型价格战，AI 应用尚未能爆发。大模型到底如何落地，成为所有人最关心的焦点。这是一些先跑出来的 AI 应用。在 C 端，像 Kimi、海螺问问这样的语音助手类 APP，成为打工人的工作搭子、生活搭子；在 B 端，钉钉平台上的客户「捏」出了研、产、供、销、服工作流程的各类 AI 助理，直接交付生产力。尽管这些 AI 应用尚未迎来破圈，但这批先行者决定聚在一起，在「AI 应用」这
Evident AI Index 报告解读 | 全球银行业AI应用成熟度排名曝光
AI人工智能正以前所未有的速度和广度渗透全球各行各业，金融服务业首当其冲，面临深刻的变革机遇与挑战。AI不仅有望提升运营效率、优化客户体验、强化风险管理，更可能重塑行业竞争格局。在此背景下，准确评估金融机构的AI成熟度，理解全球领先实践与趋势，对于制定有效的发展战略至关重要。Evident AI Index应运而生，作为全球首个针对银行业AI成熟度的“由外向内”的独立基准评估体系，为行业提供
如何用Agentic AI颠覆医疗支持？探秘Doctolib的高效智能系统！
在 Doctolib，我们的使命不仅仅是构建我们所梦想的医疗体系——我们正在改变健康专业人员与技术之间的互动方式。两个雄心勃勃的目标驱动着我们：让使用我们解决方案的健康专业人员感到满意，并加快我们的创新步伐。但雄心壮志伴随着巨大的责任，尤其是在支持我们的用户方面。随着我们平台的增长，支持请求的数量也在增加。传统的方法是简单地根据需求线性扩展我们的支持团队。然而，我们看到了不同思考的机会：如果我
招商银行发力“AI+金融”，从平台型组织向数据驱动组织转型
“以人工智能为代表的第四次科技革命正在对银行的组织模式产生五大颠覆性影响：一是AI让组织更灵活，更敏捷；二是AI让组织成为数据驱动的组织；三是AI让组织去层级化与平台化；四是AI让组织成为跨职能团队；五是AI催生超级员工个体。”资深数字化转型专家、《精益数据方法论》作者史凯在接受《商学院》杂志采访时指出。在新一代人工智能技术快速迭代的环境下，银行传统的组织架构较难适应新的市场和客户需求。招商银行
华泰金工 | 与时偕行：AI模型如何应对数据漂移
金融数据分布在时序上的非平稳性对AI量化模型是关键性挑战，有效应对数据漂移或可提升AI模型的表现。本研究针对AI时序预测模型应对数据漂移的方法进行调研和综述，总结出近年来应对数据漂移的三个主要视角：数据分布、模型结构、训练模式。本研究对市场特征门控模块、注意力特征提取模块在不同特征集上进行多项对比实验，实验结果表明市场特征门控机制、特征提取模型结构等改进均有效。最后基于改进因子尝试进行因子合成