AI图片以假乱实,纽约地铁“洪水”照骗过200万人
一张AI生成的纽约地铁洪水图在X平台获200万浏览,官方辟谣。从Midjourney到DALL-E,AI图片正让真假边界模糊,新闻机构与图片库被迫应战。
一张AI生成的纽约地铁洪水图在X平台获200万浏览,官方辟谣。从Midjourney到DALL-E,AI图片正让真假边界模糊,新闻机构与图片库被迫应战。
地方新闻网站撤下12篇AI生成文章,采访对象竟为虚构。AI文章批量涌入资讯平台,检测、标签与误伤随之而来,写作者面临新边界。
可灵大模型内测名额开放后引发创作者排队申请,1080p、30帧输出把AI生成塞进剪辑与素材补全环节,外包成本从数千元压缩到半小时出片,但手部错乱、镜头逻辑断裂与版权审核问题仍待解决。
杭州服装厂把排产交给AI驱动系统,交货周期从14天缩到9天。记者走访发现,AI驱动落地更依赖物料编码、工序命名等基础工作,而非算法炫技。
凌晨的港口、深夜的路灯,都在被低时延网络重新编排。智能连接未来不止是设备上线,更考验协议互通、边缘算力与安全底座。谁先解决旧设备改造,谁就握住下一轮城市效率的钥匙。
凌晨的封测厂里,车规级芯片良率从78%爬向95%。国产芯片在电源管理、车身控制等环节加速导入,先进制程仍受掣肘。资本退潮后,订单、良率和现金流成为更硬的指标。
杭州医院CT室三秒标出微小结节,宁波工厂质检误判率压到千分之四——AI科技落地病房与车间的真实样本,不追求通用智能,而是盯住一道工序死磕。
杭州社区卫生中心引入AI智能辅助诊断,肺结节阅片时间从8分钟压缩至12秒,但医生仍坚持逐例复核。厂商增加“不确定”标签,试图降低假阳性。技术落地基层,签字权始终在人手里。
苏州电机装配线上,AI质检把漏检率从3.7%压到0.8%。平台竞争从算力转向车间交付,报价按检测件数、调用量计费,现场响应和运维能力决定续费。
宁波压铸车间的传感器每50毫秒回传数据,AI在0.8秒内调整参数,良品率从92.7%升至96.4%。智能科技正从展台走进产线,改变的不只是效率,还有岗位分工与数据治理难题。