聚焦过去 48 小时 AI、智能体、安全、科研与企业应用动态。
阿里巴巴在完成大规模融资后推出新一代视频生成模型，显示大型科技公司继续加码多模态生成式 AI。视频模型的能力、成本与商业化进度将影响内容制作、营销及电商等应用场景的竞争格局。
阿里巴巴宣布推出 Wan3.0 AI 视频模型。
此次发布发生在其完成约 100 亿美元股份出售之后。
视频生成模型已成为大模型竞争的重要方向。
专业信息服务商自建模型，说明企业 AI 战略正从调用通用模型转向围绕专有数据、可控性和成本结构建立自主能力。对于法律、财经等高准确性行业，这也关系到数据治理与产品差异化。
汤森路透推出自己的 AI 模型。
目标之一是减少对大型科技公司模型与平台的依赖。
策略强调以行业数据和专业工作流构建企业 AI 能力。
医疗 AI 的价值取决于能否安全嵌入临床信息与决策流程。Anthropic 与 UpToDate 的合作扩展，表明通用模型公司正通过权威医疗知识平台进入高监管、高风险的医疗应用领域。
报道提到 Anthropic 的 Project Glasswing。
Anthropic 正深化与临床知识平台 UpToDate 的合作。
医疗 AI 更重视可信内容、工作流整合与风险控制。
在投资研究中使用多个模型协作，体现 AI 智能体正由单一问答工具走向可编排的专业工作流。机构客户将特别关注模型分工、可追溯性、偏差控制以及人工监督机制。
Boosted.ai 为部分机构合作伙伴推出多模型 AI 投资委员会。
产品定位为服务机构投资工作流。
多模型架构可整合不同模型的分析与决策支持能力。
企业软件厂商将可靠性、可信度和效率设为 AI 研究重点，表明企业客户对 AI 的要求已从“能用”转向可治理、可验证和可持续运营。
Workday 宣布成立 AI 研究团队。
团队重点推进可靠、可信且高效的企业 AI。
该举措回应企业客户对模型质量、治理和运行成本的需求。
招聘需求的变化是 AI 对劳动力市场产生实际影响的早期指标。网络安全行业对 AI 技能要求快速上升，意味着组织既在用 AI 提升防御，也需要人才应对 AI 驱动的新型攻击风险。
一项研究显示，要求 AI 技能的网络安全招聘广告在一年内翻倍。
AI 能力正成为安全岗位的重要补充技能。
企业的人才培养、招聘标准和安全运营模式可能随之调整。
当 AI 能够支持更自动化、更长期的网络攻击活动时，传统依赖人工研判与周期性修补的防御模式将承受压力。企业需要将 AI 风险纳入威胁建模、监测和事件响应。
OpenAI 领导层警告持续性 AI 网络攻击可能带来风险。
攻击自动化可能提高网络威胁的规模和持续时间。
企业需将此类风险纳入安全运营流程。
服务商与安全平台厂商合作，显示企业部署 AI 时正在寻求可规模化的安全能力组合。联盟模式可把咨询、集成与安全产品结合起来，加快 AI 安全方案进入客户环境。
NTT DATA 和 Palo Alto Networks 宣布建立 AI 网络安全合作关系。
合作聚焦企业 AI 环境中的网络安全需求。
AI 部署与安全服务正在同步采购和集成。
将量子技术纳入网络产业长期规划，释放出量子计算、通信与网络安全协同发展的政策信号。量子能力可能重塑密码体系和关键基础设施安全，因此其产业布局具有战略影响。
新的 2030 网络产业规划将量子技术列入优先事项。
规划把量子技术与网络产业、网络安全的长期发展联系起来。
相关政策将影响量子安全、密码迁移和产业投资节奏。
汽车零售和汽车金融同时处理身份、信用与交易等敏感信息。该案例说明行业在追求 AI 效率时，若缺少数据边界、供应商审查和访问控制，可能扩大隐私、欺诈和合规风险。
报道关注经销商采用 AI 时的客户数据暴露风险。
风险涉及汽车零售、金融和网络安全的交叉环节。
AI 上线应配套数据最小化、权限管理和第三方风险评估。
主动测试自身系统是提高 AI 与网络韧性的关键做法。随着攻击者也能使用 AI 扩大能力，组织需要通过红队测试、演练和漏洞管理更早发现薄弱环节。
文章主张在对手行动前主动检验自身防御。
AI 时代的安全准备需要持续测试而非一次性审计。
红队、漏洞披露与应急演练是提升防御韧性的核心工具。
针对领先 AI 公司的专利诉讼提醒行业：模型、训练、部署和相关基础技术都可能面临知识产权风险。诉讼进展可能影响企业的专利尽调、研发合作和商业化策略。
田纳西大学研究基金会已对 Anthropic 提起专利侵权诉讼。
事件属于 AI 行业治理与知识产权风险的一部分。
企业需持续评估核心技术、数据和合作安排的权利边界。
儿科诊疗数据与成人数据存在显著差异，专门面向儿科心电图的 AI 研究有望帮助发现人工判读不易捕捉的信号。其临床价值仍需通过严谨验证和安全部署来确认。
研究关注用 AI 增强儿科心电图的分析能力。
AI 可能拓展心电图在儿科中的潜在用途。
从研究到临床应用仍需要验证准确性、泛化性与可解释性。
半导体厂商的大额 AI 研发投资显示，AI 竞争不仅在模型层，也在存储、算力和系统架构层展开。美光的布局可能影响 AI 基础设施供应链与研发资源配置。
美光宣布设立面向 AI 研究的创新中心。
报道称该项目规模为 100 亿美元。
该投资强调半导体基础设施在 AI 发展中的战略地位。
把 AI 模型接入广泛使用的科学计算软件，有可能降低高精度模拟的计算成本并提升研究迭代速度。这类集成也显示 AI 正作为科研基础设施的一部分服务材料、化学和物理研究。
微软的 Skala AI 模型加入 CP2K 生态。
目标是改善量子力学模拟工作。
AI 与科学计算软件结合可推动更高效的科研建模。