苹果启动20万人健康AI研究:AI答得对,医疗就够了吗

资讯 腾讯网 作者:AIGC从0到1 全文 6765 字 · 约 17 分钟读完 分类苹果医疗 AIHealth

2026 年 11 月 15 日,苹果做了一件看上去很克制、但其实很值得琢磨的事。 苹果宣布启动 Apple Health AI Usage Study,计划面向最多 20 万名符合条件的....

所属频道 大厂动态行业落地

2026 年 11 月 15 日,苹果宣布启动 Apple Health AI Usage Study。动作不大,却经得起细看。

这项研究计划招募最多 20 万名符合条件的美国成年用户,看他们怎么理解、信不信、怎么用 AI 给出的健康信息,以及这些信息会不会影响他们之后的健康行为。

苹果把研究定性为一项使用研究,不是诊断,也不是治疗服务。回答质量如何、用户看不看得懂、愿不愿意信、会不会据此行动,是它要观察的几件事。

问题恰恰在这里:医疗 AI 真正的难关,是 AI 给出一个看着正确的答案之后,故事还远没结束。

用户会不会理解错?会不会信得太深?一句含糊的风险提示,会不会让人平白焦虑?一句听着专业的安慰,会不会让人拖着不去看病?医生面对 AI 的建议,能不能看到证据、判断它适用于谁、并对一个“说得很像对的”结论说不?

医疗从来不是一道选择题。

它是一连串咬合在一起的动作:发现异常、解释信息、决定是否就医、选择检查、完成转诊、制定治疗、持续随访、评估结果。AI 把其中某一个动作做得再漂亮,只要接不上后面的环节,或者越过了不该越的边界,就很难真正改变医疗。


01 医疗 AI 不是一个赛道,而是七种完全不同的承诺

到了今天,“医疗 AI”这个词包罗太广,已经大得有点说不清指向了。

同一个说法底下,有帮患者看懂化验单的健康助手,也有在乳腺癌筛查里读片的影像系统;有帮医生查文献的知识工具,也有想自己规划多轮检查的

它们都用了 AI,但各自要解决的问题并不相同。

路线
它试图改变什么
最终要交出的答卷
消费者健康 AI
让普通人更容易理解自己的健康
用户是否理解,并采取恰当行动
临床知识 AI
帮医生更快找到、审查医学证据
证据是否适用于眼前患者
医学影像 AI
扩展医疗系统发现异常的能力
是否减少漏诊,同时不制造过多
疾病预测 AI
更早识别高风险人群
预测之后,是否有可改变结局的干预
诊断推理 AI
在不完整信息中规划检查与判断
是否安全改善真实临床决策
医疗工作流 AI
减少文书、转诊、审批等摩擦
是否带来可复制的净效率收益
AI 制药
改变药物发现与开发过程
是否更快产出安全、有效的疗法

这张表表面是分类,实际是在划边界。

影像 AI 的检出率提上去了,也不自动等于患者获益;它还得回答

疾病预测 AI

医疗工作流 AI

AI 制药这边,就算生成了更有希望的分子,后面照样要过药效、安全性、临床试验和商业化这几道漫长的筛选。

所以,问医疗 AI“有没有用”,问偏了。

该问的是:它在替谁解决哪一种问题?它带来的收益,最后能不能跨过下一道门槛?


02 模型进步很快,医疗证据增长得很慢

医疗 AI 最容易让人兴奋的地方,是模型能力。

现在的系统能看图、读报告、总结病历、模拟鉴别诊断,在特定基准里甚至超过人类医生。技术新闻天然偏爱这种时刻,理由很直接:分数涨了,模型赢了。

可医学要问的不只是“答得对不对”。

它还要问:这个答案放在真实患者身上成不成立?换一家医院还成不成立?医生会不会正确使用它?它有没有改善结局?出了错,谁能发现、谁能撤回、谁来承担后果?

截至 2025 年 9 月,已有系统性综述对临床大模型研究做过梳理,共纳入 4,609 篇相关研究。按数据来源看,1,048 篇用的是真实患者数据,另有 1,857 篇仍在用模拟病例。

这些数字摆在一起,指向一个挺典型的状态:模型往前跑的速度,比临床证据攒起来的速度快。

整个过程大致能分成五层台阶。

层级
可以证明什么
还不能证明什么
离线评测
模型会不会完成某项任务
是否适用于真实临床
回顾性验证
在既有数据里是否表现良好
换人群、换医院后是否稳定
前瞻性部署
进入工作流后是否能使用
是否改善患者结局
随机对照试验
是否造成可测量的因果改变
是否能长期、大规模复制
人群健康结果
是否改善健康、成本与公平性
这种改变能否归因于 AI 本身

医疗 AI 真正难啃的骨头,不在第一层。

难的是每往上走一层,撞上的都是模型之外的东西:医生怎么用、患者配不配合、医院系统接不接得上、付钱的一方认不认、出了事法律责任怎么算。

照这个逻辑走下去,医疗 AI 的比拼早晚要换赛道——从“谁的模型更厉害”,变成“谁能让模型嵌进一套更靠谱的系统里”。


03 七条路,各自卡在不同的地方

1. 消费者健康 AI:信任不是越多越好

苹果那项研究把“信任”列进核心指标,这件事本身就值得多看两眼。

放在消费互联网里,用户信任产品一般是好事:留存更高、用得更多、更愿意推荐给别人。

可到了健康这块,信任太少固然是问题,信任太多同样会出问题。

收到 AI 的建议之后,有人可能因此及时去了医院;也有人可能被 AI 的安抚拖住,耽误了就诊;还有人可能把一个低风险指标过度解读,卷进不必要的检查和焦虑里来回打转。

健康 AI 的难点,不光是“回答准不准”,还在于用户清不清楚什么时候该信、什么时候该去核实、什么时候必须找医生。

所以苹果这项研究真正值得盯的,是它能不能把“信任”拆开来量。

需要测量的变量
真正的问题
回答质量
信息是否准确、完整、有来源
用户理解
用户是否真的听懂,而非只觉得听懂
信任校准
用户能否区分可靠与不可靠的回答
行为改变
用户是否采取合适行动
健康结果
行动是否真的带来益处
风险与公平
是否造成延误、过度就医或群体差异

医疗 AI 最危险的状态,未必是用户压根不信它。

也可能是用户太信它了。

2.

医学知识更新太快,临床医生不可能把每篇文献、每版指南、每个罕见病例都记住。

这正是

可医学知识和临床判断中间,隔着一段不容易填平的距离。

一篇研究结论有它的适用人群;一项指南有它的前提条件;而一个患者身上,可能同时压着多种基础病、特殊的用药史、家庭条件和个人偏好。

医生要的不是一个“结论生成器”。

医生要的是一套系统,能把证据出处、适用条件、反对证据和不确定性都保留下来。

如果 AI 只是把复杂的文献压成一句读着顺的建议,阅读效率是上去了,可那些最要紧的限定条件,很可能也一并被压没了。

这也是

3.

七条路径当中,医学影像 AI大概是最接近成熟应用的那一条。

这类系统的输入端比较清楚:X 光、CT、MRI、病理切片、眼底图像;输出端同样明确——异常出现在哪里、风险有多高、哪些病例该优先复核。

并且,规模较大的前瞻性研究已经出现。

以乳腺癌筛查为例,AI 系统能减轻人工阅片的工作量,也有研究显示其癌症检出率有所提高。不过评价一套筛查系统,不能光看“发现了更多病灶”,还得看它有没有推高不必要的召回、会不会加重患者焦虑、有限的专科资源是否被用得更合理。

影像 AI 给出的关键启示是:越贴近真实临床,指标就越不能单一。

模型可能更敏感,却更容易误报;系统可能减少一部分阅片量,却把难题集中留给少数医生;它可能在一所顶级医院里表现优秀,换一台设备、换一个人群之后就出现性能下滑。。

影像 AI 已经证明,AI 能扩展医疗系统的“眼睛”。

但看见更多,不等于知道该如何行动。

4.

疾病预测 AI 很诱人。

它想在症状明显之前,借助影像、病历、基因、行为与生理数据,判断谁会患病、谁会恶化、谁需要更早干预。

从技术上看,这是一种很自然的进步:医疗从“生病后治疗”,走向“风险出现前管理”。

可预测比诊断多出一层问题。

假如 AI 提前预测出某人可能患上阿尔茨海默病、心血管疾病或某种癌症,医疗系统接下来能做什么?

有没有有效的干预手段?由谁去沟通?患者愿不愿意知道?保险、就业和家庭关系会不会受影响?预测出错或结果不确定时,焦虑又由谁来承担?

预测不是终点。

它只是把一个问题更早交给了系统。

系统若没有配套的治疗、支持、随访和责任安排,预测能力越强,未必意味着医疗价值越大。

5. 诊断推理 AI:真正难的是连续决策

诊断 Agent

它不会一次性回答“这是什么病”,而是像临床医生那样,依据已有信息继续提问、决定下一项检查、比较不同假设,在不确定中一步步收敛。

这也是微软 不是回答一道病例题,而是在有限成本下完成一段连续诊断过程。

但诊断的难点,恰恰不在于某一步猜对。

它在于每一步都可能改变后面的路径。

多做一次没必要的检查,成本、等待时间就上来了,还可能翻出新的偶然发现;漏掉一次,病情就可能被耽误;而一条错误却自信满满的提示,足以让医生或患者放过真正要紧的信号。

诊断 Agent

它还得盯住几件事:检查选得合不合理,花销能不能承受,出了错能不能补救,以及拿不准的时候有没有及时交回给人。

医疗决策做得好,有时并不靠继续往下推,而是清楚该在哪儿停手。

6.

医疗工作流 AI它不如“AI 医生”那样让人浮想联翩,可短期之内能算清楚的价值,恐怕它离得最近。

写病历、准备转诊、走医保授权、回患者消息、约检查、做编码、发随访提醒——这些事单看都不起眼,却占掉了医院和医生大把时间。

一项覆盖美国五家学术医疗机构、8,581 名临床人员的研究发现:拿到 AI 病历助手的使用权限后,每 8 小时排定患者服务时间内,电子病历操作少了 13.4 分钟,文书记录少了 16 分钟。可非工作时间的电子病历使用并没有明显下滑,每周门诊量的变化也不明显。

这组结果挺能说明问题。

它并没有把 AI 文书助手的价值一笔勾销。恰恰相反,它表明 AI 确实在某个局部环节把时间省了下来。

但它同时提醒人们:少做一项工作,不等于整个系统就按同样的幅度松了绑。

医生可能得审阅 AI 草稿、补齐漏掉的信息、应付更多患者消息,或者把省下的时间挪到另一件非做不可的事上。医院这边,软件采购、培训、流程改造、合规管理的开销一样都躲不开。

同一个工具,换到另一种环境里,表现也可能完全两样。

报告里提到的住院场景研究显示,59 名医生中,AI 文书助手真正用起来的人很少,部署前后每天花在病历记录上的时间没有明显变化。原因并不难想:住院记录不是一次问诊的转录,它要把化验、会诊、治疗计划和前序病程连续地整合起来。

AI 没弄懂工作本身,就很难真正把工作接过去。

工作流 AI 到头来要证明的,不是“操作能不能做完”。

而是“操作做完之后,整个系统是不是真的轻了”。

7. AI 制药:最远离患者,却最可能改变治疗本身

AI 制药走在另一条时间线上。

它不直接给医生减文书负担,也不直接帮患者看懂化验单。它想动的是疾病干预的工具本身:靶点发现、蛋白结构、分子设计、候选药物筛选、临床试验设计。

这条路最慢。

说到底,它最终要证明的不是模型能不能生成一个分子,而是一个分子能不能变成药:有效、安全、可制造、可支付,还得扛得住临床试验。

可它的分量也最重。

前六条路线,改的主要是医疗服务怎么运转;AI 制药可能改的,是医疗系统手里到底有没有更好的治疗工具。

说到底,医疗 AI 的终点不只是把效率做上去,它还能往更深处走——改变疾病本身。


04 七条路真正的交汇点,并非“让 AI 替代医生”

七条路线单独摆出来看,像七个互不相干的赛道。不过有个案例,让它们开始露出彼此可以连上的样子。

2026 年发表的一项中国随机对照研究,专门测了这套思路。

研究落地在中国西部两家医疗中心,2,069 名患者、111 位专科医生、24 个专科被纳入。和没用 PreA 的组别比,患者自己独立使用 PreA 后,专科医生平均问诊时间由 4.41 分钟降到 3.14 分钟,降幅约 28.7%;照护协调和沟通便利性也有改善。

这项研究最关键之处,并不在 AI 把问诊砍掉了 1 分多钟。

它给出的,是另一种想象空间。

AI 不见得非得从“替代医生”起步。

它完全可以先去啃患者与医生之间最常见、却最少被处理的那块:

患者手里握着自己的感受——哪儿难受、从哪天开始、日子受了多大影响、此前吃过哪些药。

医生要的则是能拿来做判断的信息:主诉、病史、症状怎么演变、既往检查、风险因素、还缺哪些关键项。

这两头过去只靠一次时间有限的沟通来对接。整理、追问、结构化、转译这些活,AI 可以先干,专业判断仍旧留给医生。

这么一来,几条路线正好被串到了一起:

  • 患者端的 AI 帮着把话说清楚、把意思听明白;
  • 临床知识 AI负责把证据调出来;
  • 风险与诊断系统帮忙梳理可能的方向;
  • 工作流 AI 则去准备转诊、检查与随访;
  • 诊断、治疗和高风险行动的最后决定权,仍然攥在医生手里;
  • 患者之后的行为和结果,再回流进系统。

这讲的不是“AI 独自看病”,而是医疗信息终于能顺着患者一路流动起来。


05 医疗 AI 的核心问题:下一步的选择权归谁

这些能力一旦开始互联,问题就变了,不再是“模型做不做得到”。

而成了:连起来之后,下一步的选择权在谁手上?

设想一个系统:能读取患者的长期健康记录,发现化验指标异常,检索最新证据,提示做进一步检查,自动生成材料,甚至进入医院系统把预约发起。每往前一步,风险就换了一副面孔。

医疗AI的关键能力,不该只落在推理、规划与执行上。还有一项常被忽略的本事——识别自己无权决定什么。

环节
AI 可以做什么
需要守住的边界
解释指标
总结、翻译、提示异常
不把解释伪装成诊断
识别风险
标记趋势、提示核查
不隐藏不确定性
建议就医
推荐合适的就诊路径
不替代紧急临床判断
草拟材料
准备申请、病历摘要、转诊信息
必须保留人工审核
执行低风险流程
提醒、预约、资料补全
在明确授权范围内行动
下达医嘱
提供证据与选项
不能绕过专业授权
调整治疗
协助监测与提示
由有资质人员承担责任

在医疗场景里,正确地停下来、把证据交给对的人、等着授权,这不叫系统失败,反倒是它可靠的一环。


06 从“给出答案”到“形成闭环”,还缺四种反馈

眼下医疗AI最常见的产品形态,就是一次问答:给症状,出建议;给影像,出概率;给病历,出摘要。

可医疗真正要的是闭环。这个闭环里,至少得有四路反馈。

第一路是数据反馈。新的检查结果、病程变化、可穿戴设备的数据、用药和生活方式的变化,能不能进到系统里,让它刷新对患者当前状态的理解?

第二路是行为反馈。患者去没去复查?医生采没采纳建议?预约成没成功?药有没有按计划用?建议发出去,不等于行动已经发生。

第三路是结果反馈。患者的健康状况有没有好转?有没有出现不良事件?住院、重复检查或者不必要的支出有没有降下来?

第四种是

这最难。

患者状态变好,原因可能在AI,也可能在医生、药物、自然恢复、家庭支持,或者医疗资源的变化。缺少合理的比较和因果识别,系统就容易把碰巧的成功当成自己的本事。

也就是说,医疗AI长期的护城河,不会只是数据量,也不会只是模型参数,而在于能不能搭起一套严谨的“信息—行动—结果—归因”系统。


07 最后竞争的,不是模型,而是谁能搭起这套系统

接下来几年,医疗AI可能会长出几种不同的产业结构。

结构
可能的主导者
优势
难题
专业工具网络
影像、文书、药物等垂直公司
专业性强,容易验证
工具彼此割裂
平台型健康入口
大模型公司、科技平台
用户入口和统一体验
数据、责任与信任集中
医院主导的 Agent 网络
医疗机构与信息化厂商
更贴近真实流程与责任体系
部署慢、互通难
长期健康协同系统
患者端与临床端共同构成
能形成长期连续反馈
隐私、支付、公平与治理更难

这场竞争里,没有谁是稳赢的一方。

可无论最终长成哪种产业结构,几个老问题都躲不过去:数据能不能互通,模型能不能被验证,出错之后谁来担责,钱由谁出,医生和患者愿不愿意改掉原来的习惯,监管又能否从"批一个产品"转向"管一个持续运行的系统"。

医疗 AI 的技术门槛,会一路往下走。

但这些门槛不会跟着自动往下掉。


08 苹果抛出的这个问题,整个行业至今没有答案

11 月 15 日,苹果启动健康 AI 使用研究,看上去动作相当克制。

可它实际上问到了医疗 AI 最要命的那一点:

一旦某个系统开始左右人的健康选择,"帮助"该怎么定义?

是让用户更满意?让医生少写几个字?让医院转得更快?让更多疾病被查出来?还是让某个人最终拿到更合适、更及时、也更能负担得起的照护?

这些答案之间,并不总是一致。

医疗 AI 不会被一个更强的模型彻底推翻重来。

它是在七条不同路径各自往前走的过程中,被一点一点改写的:患者怎么理解自己,医生怎么判断证据,医院怎么分配工作,系统怎么把行动落地,药物怎么被发现,错误怎么被拦住,结果怎么被证明。

真正要紧的,也许不是 AI 能不能给出更多答案。

而是答案出来之后,它能不能让下一步变得更好。


>/,920.org.cn(AI Research Institute)创始人,港大AIBT研究生,前上市公司 CMO。长期研究 AI 产品、Agent 架构与商业增长,并持续观察技术变迁如何重塑人的工作、判断与生活。

*著有《AIGC从0到1》系列丛书、及东方寓言小说《飞将军》;

*善于洞察先机,1月26日中文互联网第1个意识到OpenClaw(小龙虾)范式价值的人;

关注我,一起AIGC从0到1~

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 苹果联合OpenEvidence启动健康AI研究:招募20万人评估

    IT之家 11 月 16 日消息,当地时间 11 月 15 日,苹果宣布启动 Apple Health AI Usage Study,与临床 AI 平台 OpenEvidence 合作,在美国招募最多 20 万名 21 岁及以上用户,评估人们如何与对话式健康 AI 工具互动。此次研究将通过一款专用 iOS 应用进行,参

    来源 腾讯网
  2. 前谷歌苹果高管造弹药:AI帮他们规划十亿美元生意

    前谷歌与苹果校友查德·斯蒂尔伯格和安迪·贝恩斯,把经营软件公司和设计iPhone的经验带进致命弹药制造,并借助AI规划出一条十亿美元级的武器生意路径。他们的转型折射出硅谷人才与资本加速涌入国防科技的最新浪潮,也再次点燃关于技术伦理、军工创新与监管边界的争论。

    来源 AI 科技快讯
  3. 苹果测试AI每日额度:iCloud+订阅可扩容最高20倍

    苹果正在测试为 Apple Intelligence 云端 AI 功能引入每日使用额度限制。根据最新推送的 iOS27.3Beta2等系统测试版及苹果更新的支持文档,未来涉及高算力消耗的服务器端 AI 任务将不再完全免费、无限制使用。 此次限额主要覆盖新版 Siri AI、相册智能修图(消除、扩图、

    来源 AI 开发者社区
  4. 苹果Siri AI设每日限额:iCloud+最高20倍额度

    苹果在iOS 27.3等测试版中测试Siri AI及部分Apple Intelligence功能的每日使用限额。订阅部分iCloud+套餐最高可获20倍额度,200GB至12TB套餐分别对应2至20倍,家庭共享额度共用额度池,基础Siri指令不受限制。

    来源 凤凰科技
  5. Isomorphic Labs完成50亿美元C轮融资,AI制药单轮纪录刷新

    智东西11月17日消息,刚刚,由诺奖得主、谷歌DeepMind联合创始人德米斯·哈萨比斯(Demis Hassabis)创办的英国AI药物研发公司Isomorphic Labs宣布完成50亿美元(约合人民币333亿元)C轮融资,融资获得超额认购。

    来源 智东西
  6. 三星美光海力士内存涨价7倍,法官戳破AI背锅说法

    最近,硬件圈发生了一件魔幻的事。因为新一代DDR5内存条贵得离谱,而老款DDR4和DDR5插槽互不兼容,逼得多家主板厂从年中开始掉头重启了原本停产的DDR4主板产线。更离谱的是,玩家去市场上一问价,发现老旧的DDR4不仅没便宜,近期涨幅一度反超了新款DDR5。今年的笔记本新品们,更是集体退回16GB内存时代。这一年多来

    来源 腾讯网
  7. 豆包工作上线工作台:21个专业场景,AI办公走向职业化

    2026年11月16日,豆包工作上线「工作台」功能,首批覆盖金融、医疗、教育、创意设计等21个专业场景,预置各职业所需的技能、工具与插件,接入万得、同花顺、学科网等专业资源,并支持用户自建和分享专属工作台,现已在豆包工作电脑版和豆包电脑版上线。

    来源 AI 实验室动态
  8. 36氪创意项目征集大赛TOP10揭晓:274个项目投稿,煎蛋AI登顶

    一个好项目,值得被更多人看见。 历时一个月,36氪第一期创意项目征集大赛正式落下帷幕。从项目报名、内容发布,到公开投票、榜单评选,本次活动吸引了来自不同领域的创业团队参与。经过为期9天的公开投票,第一期TOP10项目现已正式揭晓。 本次活动共收到274个项目投稿,项目覆盖AI、机器人、硬科技、消费、企业服务、医疗健康、

    来源 AI 行业观察
  9. 三大厂内存涨价7倍的锅,AI不背了

    最近,硬件圈发生了一件魔幻的事。因为新一代DDR5内存条贵得离谱,而老款DDR4和DDR5插槽互不兼容,逼得多家主板厂从年中开始掉头重启了原本停产的DDR4主板产线。 更离谱的是,玩家去市场上一问价,发现老旧的DDR4不仅没便宜,近期涨幅一度反超了新款DDR5。今年的笔记本新品们,更是集体退回16GB内存时代。 这一年

    来源 AI 行业观察
  10. 华为云“行业AI梦工厂”发布并开源昇腾原生具身世界模型CloudRobo-WM1.2

    【TechWeb】11月16日消息,今天,华为云“行业AI梦工厂”发布并开源昇腾原生的具身世界模型CloudRobo-WM1.2,采用共享世界模型骨干网络实现预测增强的世界表征,基于世界模型原生DualAct架构,实现了世界模型原生动作生成,在RoboTwin 2.0、LiberoPro 2.0 评测中均位列第一。 五

    来源 AI 行业观察
  11. 百度三季度营收308亿,53%靠AI

    智东西11月16日报道,刚刚,百度公布2026年第二季度财报。其第二季度营收为308亿元,同比下降1%,环比下降2%;归属于百度净利润13.95亿元,摊薄后每ADS收益为4.35元,非GAAP净利润24亿元,摊薄后每ADS收益为6.78元。

    来源 网易科技
  12. 百度Q3财报:AI新业务占一般性收入53%,智能云同比增94%

    第三季度经营现金流为人民币28亿元,截至2026年9月30日,百度公司现金及投资总额高达人民币2766亿元。AI新业务占比达53%,传统业务承压本季度百度最大的亮点在于业务结构的根本性改变。在11月12日的百度世界2026大会上,百度创始人李彦宏宣布推出连接AI模型服务商与客户的交易平台“词元所”。另外,AI应用板块,

    来源 TechWeb
  13. AMD 高管:AI 不会取代超级计算机,高精度计算仍不可替代

    IT之家 11 月 17 日消息,科技媒体 Tom's Hardware 昨日(11 月 16 日)发布博文,报道称 AMD 负责高性能计算(HPC)与主权 AI 的企业副总裁 Scott Tease 表示,多数 HPC 研究机构已经认识到,AI“永远不会取代”传统高性能计算。即便 AI 应用持续扩张,依赖双精度 FP

    来源 AI 行业观察
  14. 华为Mate X8折叠屏官宣:11月24日发布,高清外观照公布

    华子最近闲不住呀。手头上的星芒 O1 Pro 还没发布,又有新机排队等着亮相了。说的就是昨天官宣的华为 Mate X8。上一代的 Mate X7 是 2025 年 11 月 25 日发布的,那这样算下来,Mate X8 也差不多这个时间了。发布会就定在 11 月 24 日 14:30。目前华为官方已经公布了 Mate

    来源 腾讯网
  15. AMD高管:AI取代不了超算,FP64高精度计算仍长期不可缺

    科技媒体 Tom's Hardware 昨日(11 月 16 日)发布博文,报道称 AMD 负责高性能计算(HPC)与主权 AI 的企业副总裁 Scott Tease 表示,多数 HPC 研究机构已经认识到,AI“永远不会取代”传统高性能计算。即便 AI 应用持续扩张,依赖双精度 FP64 的高精度科学计算仍将长期存在

    来源 IT之家
  16. 苹果watchOS 26上线Live Rewind:能倒带重听,却让社交变尴尬

    苹果在watchOS 26中为Apple Watch加入Live Rewind与Siri Recap:前者可回退、重听刚刚错过的对话,后者能转录并总结你的一天。WIRED记者实测后发现,功能本身相当实用,却把用户推入一种新的社交窘境——你得在别人眼皮底下,对着手腕“偷偷录音”,而对方往往一眼就看穿。当AI把“

    来源 AI 科技快讯
  17. 李沐出任Aimotion联合创始人兼CTO,这家AI公司做什么的?

    AI大神李沐,悄悄多了一个新身份。 最新消息,这位前AWS AI资深首席科学家、Apache MXNet创始人之一、卡内基梅隆计算机博士,已经正式出任硅谷AI公司Aimotion的联合创始人兼CTO,亲自带队搭建其下一代产业级AI技术体系。 这家公司来头不小,Aimotion主要面向汽车等高价值、长决策周期行业,提供A

    来源 AI 行业观察
向下滚动自动加载更多