当一家组织试图先于行业移动时，会改变什么
这里关注的是那些改变运营、价值链或历史优势的创新。它不是看热闹，而是在检验一家企业是否懂得在不把自己弄碎的情况下完成变化。
我们正在看什么
工业技术、新流程、带有真实信号的试点、企业押注，以及那些让“创新”不再只是口号、而开始要求设计、资本与纪律的决策。
胜负发生在哪里
在制造、出行、采矿、受监管产品，以及那些开始意识到“创新”不是推出一个新东西，而是重排承诺、节奏与风险容忍度的企业中。
为什么重要
因为创新只有在改变了一种能力、一层壁垒或执行速度时才真正算数。其余的也许能带来曝光，但不一定构成转型。
精选
创新与颠覆
Codex是OpenAI证明自己能够盈利的重要押注
在科技公司寻求进入资本市场的历史中，有一个反复出现的规律：当海量用户叙事不再足够，公司需要展示更具体的成果。OpenAI正处于这一时刻。而它选择用来支撑这一论点的工具不是ChatGPT，而是Codex——其软件开发辅助产品。过去两个月里，Codex的更新频率是任何竞争对手都无法比拟的。
Elena Costa8 分钟最新文章
联想AI收入近乎翻倍，静悄悄的战略重塑背后是创纪录的业绩数字
3月季度营收达到216亿美元，同比增长27%——这是五年来最高增速——净利润大幅跃升至5.21亿美元。公司香港股票单日上涨近20%，成为当天恒生指数涨幅最大的股票。但真正解释市场反应的数字，既不在利润率里，也不在PC出货量里：而在于AI相关收入本季度增长了84%，占集团总营收的38%。
为什么95%的AI试点项目在产出任何成果之前就以失败告终
为何95%的AI试点项目在产出任何成果之前就已失败 在我所了解的几乎每一家中型企业中，都会上演同一幕场景。技术团队提交一份人工智能试点方案，初期数据令人振奋，董事会批准投资。而六个月后，这个试点依然还是试点。没有人正式宣布终止它，也没有人推动它扩大规模。它只是……静静地占据着产品路线图和跟进会议上的一个位置。
索洛悖论再现，这次它向人工智能发出警示
索洛悖论归来，这次它在对人工智能说话 历史上，经济史中有一种沉默的规律，在人工智能时代到来之前，已至少清晰地重演了两次。第一次是工业电气化，第二次是个人电脑的普及。两种情况下，技术的到来都比其对生产率统计数据的影响早了数十年。两种情况下，那段"什么都没发生"的时期，恰恰是一切正在被悄然重构的时刻。
为什么大型企业正在其应用程序与AI模型之间构建一个中间层
为什么大型企业正在其应用程序与AI模型之间增加一个中间层 每当一项技术从实验阶段转变为生产基础设施时，都会出现一个反复上演的规律。这种规律曾在关系型数据库、云服务和微服务领域中出现过。如今，它正在大型语言模型领域再次上演。这一规律可以预见：首先，各组织将其应用程序直接连接到新技术，因为这是最快的方式。
最受欢迎
Las piezas que más conversación están concentrando
Lecturas que están capturando atención dentro de la categoría y ayudan a ubicar dónde se está tensando la discusión.
阿尔忒弥斯 II 与勇敢回归的领导心理
五十年的月球静默并非工程问题，而是对组织错误理解谨慎与恐惧的真实写照。
92
马赫8与金属打印：将工程转化为证据的超音速赌注
DART AE的飞行不仅是公关噱头，而是将技术不确定性转化为数据的商业决策。
92
NVIDIA的6G布局：将网络转变为按性能付费的可变成本中心
巴塞罗那发出信号：NVIDIA、诺基亚与6G时代的利润争夺战 巴塞罗那通常是下一代移动技术承诺的舞台。2026年3月1日，在世界移动通信大会（MWC）上，NVIDIA带来了一个不同寻常的承诺：一个由运营商和制造商组成的联合阵营，致力于在开放、安全且原生AI的平台上构建6G网络。名单上的企业联合起来几乎覆盖了全球版图：BT集团、德国电信、SK电信、软银公司和T-Mobile，以及思科、爱立信和诺基亚等供应商，还有国防与标准化领域的参与者博思艾伦和MITRE。这一切都建立在此前的基础之上——AI-RAN联盟，其成员企业已超过130家，并在本次大会上展示了超过20个基于NVIDIA平台的演示项目。
92
核聚变终于获得其最稀缺的资产：符合风险逻辑的许可证
美国核能监管委员会提议了首个联邦框架，专门用于在美国为核聚变机器发放许可证，解决了监管不确定性问题。
92
从数量到筛选：AI智能体正在被迫解决的陷阱
从数量到筛选：AI智能体正在被迫解决的陷阱 在几乎所有过去八年中投资过人工智能的组织内部，流传着一种根深蒂固的信念。这种信念认为，问题永远是数量问题。更多数据。更多tokens。更广覆盖。更多存储历史。仿佛智能与数量成正比，任何系统故障的解决方案都只是简单地添加更多内容。 这种信念并非出于天真，而是诞生于*大数据*时代——那个时代，积累信息在技术上既困难又昂贵，因此本身就具有价值。
为什么91%的企业在不知情的情况下向AI交出了数据
生成式人工智能进入大多数企业，并非通过技术部门的正门，而是悄悄借道生产力应用程序的后门。Microsoft 365 Copilot、Gemini、协作平台内置的AI助手——这些工具在员工日常工作的企业环境中被激活，由此悄然开启了一场没有人真正谈判过条款的静默实验。问题不在于语言模型本身，而在于这些模型连接到真实企业时所发现的数据。
没有界面的Salesforce：揭示未来智能体企业设计的真相
当马克·贝尼奥夫在上世纪九十年代末创立Salesforce时，理念非常简单：通过云端交付销售软件，无需安装任何东西。屏幕就是产品。二十五年后，Salesforce正押注于截然相反的方向：让屏幕消失。
谷歌重新设计数据架构，让AI不再在企业中失败
多年来，大型企业中的数据团队与AI团队如同两个独立王国，各自为政。前者构建数据仓库、目录和管道，后者部署模型、API和智能代理。结果可想而知：AI代理进入生产环境后，面对没有人为自主机器读取、解析和执行而准备好的数据，往往全面崩溃。
千亿级事件与无人敢提的恐惧
有一个数字值得我们停下来细细思量：每天超过1000亿个数据事件。这是Striim通过其集成管道传输的数据量，将Oracle、PostgreSQL、Salesforce或Kafka等系统与Google Cloud Spanner等云平台连接起来，延迟以毫秒级分数计算。技术公告本身已足够扎实，但真正让我感兴趣的，并不在新闻稿里。
FAQ
创新与颠覆
Preguntas para entrar mejor en la categoría, entender sus tensiones y ubicar dónde mirar antes de pasar a los artículos.
在这个类别里，什么才算创新？
要算创新，必须是价值被设计、生产、分发或获取的方式发生了具体改变。一个吸睛的新东西，如果没有改变系统的重要部分，还不够。
我们如何分辨“有用的创新”和“企业表演”？
要看牵引力、外部验证、运营影响，以及项目背后那笔押注的组织含金量。如果组织没有真正改变任何重要东西，那更像展示，而不是创新。
什么样的创新故事值得在这里关注？
值得关注的是困难决策：过早采用、为示范工厂投入资金、把一项业务切换到另一种逻辑，或测试一种架构离开原生环境后是否还能站住。
