BrowserStack推出AI代理套件,以大规模重新定义软件质量 都柏林 2025年7月1日 /美通社/ -- 全球领先的软件测试平台BrowserStack今日宣布推出BrowserStack AI——贯穿测试全生命周期的AI代理套件,可帮助软件团队加速发布周期、提高测试覆盖率,并将生产力提升最高达50%。 对于大多数工程团队来说,测试仍然是一个主要瓶颈。 分析需求和编写有效的测试用例非常耗时。 自动化测试往往不够稳定,或者在用户界面发生变化时容易失效,因此需要耗费大量时间进行维护。 BrowserStack AI通过专为现代QA和开发工作流程打造的AI代理来应对这些挑战。 BrowserStack首席执行官兼联合创始人Ritesh Arora表示:“我们研究了团队在测试中耗时最多的环节,并以AI为核心对其进行了全新设计。 我们的早期结果已经带来了颠覆性的改变:测试用例生成器可将测试创建速度提升90%,准确率高达91%,这是通用LLM无法做到的。” 与通用型助手不同,BrowserStack AI代理深度集成在BrowserStack产品中,能够从覆盖整个测试生命周期的统一数据存储中提取上下文感知的洞察。 从今天起,团队即可使用五个全新的AI代理: 测试用例生成器代理 :将PRD和用户故事转化为详细的测试用例,将测试创建时间缩短90%以上。 低代码创作代理 :将测试用例转换为可靠的低代码自动化测试,速度提升达10倍。 自我修复代理 :修复因用户界面变动导致的测试失败,将自动化构建失败率降低40%。 A11y问题检测代理 :检测缺失替代文本、低色彩对比度和键盘导航故障等无障碍访问问题,并提供明确的修复建议。 可视化审查代理 :过滤掉不必要的像素级差异,并高亮显示有意义的用户界面变更,使审批速度提高3倍。 目前有20多个AI代理正在开发中,而这五个则标志着BrowserStack全方位AI驱动测试生态系统的起点。 “我们看到使用BrowserStack AI的测试用例增加了四倍,”Curry's高级QA工程师Greg Ward表示, “我们的团队不断发现新的边缘案例,显著扩大了测试覆盖范围。” BrowserStack AI的能力通过BrowserStack MCP Server延伸至平台之外。该服务器作为创新的集成层,允许开发人员和测试人员从他们的IDE、LLM或任何其他支持MCP的客户端直接进行测试。 MCP服务器支持包括GitHub Copilot、Cursor和Claude在内的主流AI工具,减少了上下文切换,让团队能够通过自然语言交互轻松使用企业级测试功能。 BrowserStack拥有700多名工程师,专注于打造AI代理生态系统,致力于推动智能AI辅助测试成为现代软件团队的行业标准。

北京 2025年7月1日 /美通社/ -- IBM 正在从根本上简化面向 AI 的数据堆栈。IBM 在Think大会上预览 watsonx.data 的重大演进,以帮助组织做好数据准备为AI所用,同时提供一个开放的混合数据基础架构和企业级的结构化和非结构化数据管理。 智能体AI面临非结构化数据难题:IBM推出解决方案 测试结果显示,与传统RAG相比,IBM watsonx.data的AI准确性提高了40%。IBM于6月推出的产品和功能包括: Watsonx.data integration(集成),该软件可在单个界面中编排不同集成样式和格式的数据访问和工程设计,其核心是灵活性和规模 Watsonx.data intelligence(智能),该软件可改变组织处理、管理和利用有意义数据的方式,利用 AI 的力量简化数据治理 在 Meta 的 Llama Stack 中增加 watsonx 作为 API 提供商,增强了企业大规模部署生成式 AI 的能力,并以开放性为核心 Watsonx.data 集成和 Watsonx.data 智能将作为独立产品提供,部分功能也将通过 Watsonx.data 提供,从而最大限度地提高客户选择和模块化程度。 为了补充这些产品,IBM 近期宣布了收购 DataStax 的意向,DataStax 擅长将非结构化数据用于生成式AI。借助 DataStax,客户可以访问其他矢量搜索功能。 基于内部测试,对比使用 watsonx.data Premium Edition 检索层与仅矢量 RAG 在三个常见用例中 AI 模型输出答案的准确性,测试使用 IBM 专有数据集,采用相同的选定开源通用推理、评估和嵌入模型以及额外变量。测试结果可能因具体情况而异。 这一重大演进的背景 企业正面临着实现准确且高性能的生成式AI——尤其是具有自主决策能力的智能体AI人的重大障碍,但该障碍并非如大多数企业领导者所想。 问题不在于推理成本或难以捉摸的"完美"模型。问题在于数据。 企业需要可信且具有公司特性的数据,才能让智能体AI真正创造价值——这些数据存在于电子邮件、文档、演示文稿和视频等非结构化数据中。据估计,2022年企业产生的数据中90%是非结构化数据,但IBM预测其中仅有1%为大型语言模型(LLMs)所用。 非结构化数据的利用往往面临巨大挑战。这类数据分布广泛且动态变化,存储于多种格式中,缺乏清晰的标签,且常需额外上下文才能完整解读。传统检索增强生成(RAG)技术难以有效提取其价值,也无法妥善整合非结构化与结构化数据。 与此同时,各类孤立的工具会使AI数据处理架构变得复杂且繁琐。企业需要同时管理数据仓库、数据湖以及数据治理和数据集成工具。数据架构可能与它本应管理的非结构化数据一样令人困惑。 许多组织并未解决根本问题。它们仅关注生成式AI的应用层,而非其下方的核心数据层。除非组织修复其数据基础架构,否则AI智能体和其他生成式AI计划将无法充分发挥其潜力。 帮助组织实现数据的AI 就绪 IBM提供的新功能将使组织能够采集、治理和检索非结构化(及结构化)数据——在此基础上,实现准确、高性能的生成式AI的规模化应用。 关于 IBM IBM 是全球领先的混合云、人工智能及企业服务提供商,帮助超过 175 个国家和地区的客户,从其拥有的数据中获取商业洞察,简化业务流程,降低成本,并获得行业竞争优势。金融服务、电信和医疗健康等关键基础设施领域的超过数千家政府和企业实体依靠 IBM 混合云平台和红帽 OpenShift 快速、高效、安全地实现数字化转型。IBM 在人工智能、量子计算、行业云解决方案和企业服务方面的突破性创新为我们的客户提供了开放和灵活的选择。对企业诚信、透明治理、社会责任、包容文化和服务精神的长期承诺是 IBM 业务发展的基石。了解更多信息,请访问:https://www.ibm.com/cn-zh 媒体联络人:郭韬 gguotao@cn.ibm.com

苏州 2025年7月1日 /美通社/ -- 2025年第一季度,儒拉玛特成功斩获国内制动系统龙头企业的首个EMB(机械式线控制动)自动化项目。该项目涵盖30余个工艺站,可兼容多个产品的生产。儒拉玛特团队通过模块化设计,实现从方案验证到设备装配的高效衔接,目前产线已进入装配阶段,由此可大幅缩短交付周期,为客户抢占市场窗口期提供强有力支撑。 行业变革加速: EMB成智能电动汽车核心技术路线 在智能电动汽车的演进中,制动系统由传统液压EHB向全电控EMB转型已成为趋势。EMB系统通过电信号控制执行器完成制动动作,取消液压回路与机械备份,不仅结构更为简洁,响应更快,而且精准度与可控性显著提升,真正实现"完全线控制动"。 技术升级的背后是政策和市场的双轮驱动: 政策层面,2024年4月,工信部发布《乘用车制动系统技术要求及试验方法(征求意见稿)》,首次将"完全线控制动系统(ETBS)"纳入国家标准体系,释放出明确的技术指引信号; 市场层面,中国电动汽车百人会数据显示,2024年中国新能源乘用车市占率达45.71%,预计2025年将突破50%。市场快速扩容将加速EMB系统的车型搭载与量产进程。 在此背景下,整车企业与一级供应商对具备高一致性、高柔性、高稳定性的EMB智能产线提出更高要求。 近年来,儒拉玛特在线控底盘核心部件领域持续发力,自2022年交付首条线控制动系统执行器总成装配线以来,三年来陆续交付了多条线控转向、线控悬架及线控制动等关键系统的自动化产线项目,助力客户加速线控底盘布局。 行业沉淀深厚,线控底盘领域持续突破 早在2022年,儒拉玛特便完成了首条线控制动执行器总成装配线的交付。三年来,公司持续扩大线控底盘核心系统的布局,已先后交付多条线控转向(Steer-by-Wire)、线控悬架(Suspension-by-Wire)和线控制动(Brake-by-Wire)等自动化项目,积累了丰富的工程经验与项目交付能力。 目前,儒拉玛特在全球范围已交付50余条制动系统相关产线,业务涵盖EMB、EHB、总成及核心零部件。 在线控底盘的其他领域业务范围涵盖如下产品: 转向系统:C-EPS、P-EPS、R-EPS及伺服电机、传感器、ECU等关键模块; 传动系统:FDU、4WD、差速器、半轴等; 悬架系统:磁流变减震器、连续可调阻尼系统减震器、空气弹簧减震器等。 多平台、跨系统的能力整合,构建起儒拉玛特在智能底盘领域的一站式交付能力。 线控刹车控制系统执行器总成装配线 集成制动控制单元装配线 战略意义重大,夯实线控底盘产业化基础 本次EMB智能产线项目的中标,标志着儒拉玛特在完全线控制动系统制造技术上的关键突破。作为行业首批落地的EMB批量产线之一,该项目将为客户提供稳定、高效的自动化支撑,助力其率先实现智能制动系统的量产上车。 对于儒拉玛特而言,这不仅是技术落地的成果,也是在新能源智能底盘领域持续深耕、价值兑现的重要体现。未来,儒拉玛特将继续围绕高阶智能驾驶核心部件,强化产品适应性、拓展工艺深度、提升系统整合能力,推动自动驾驶技术从验证阶段迈入规模化落地阶段。

現時 Apple 的最新 M4 版 MacBook Air,除更新硬件規格外,售價更下調 100 美元至 99 [...]這篇文章 改用 iPhone 的 A18 Pro 處理器 Apple 或推出平價版 MacBook 最早出現於 PCM。

北京 2025年6月30日 /美通社/ -- 在数字化浪潮席卷全球的今天,神州泰岳厚积薄发,正式推出"泰岳灯塔"AI大模型应用能力体系,希望泰岳灯塔能成为衔接技术与产业的桥梁,将神州泰岳深厚的技术积累和行业实施经验,搭载在通用大模型能力之上,向更广阔也更深入的行业应用扩展,让AI技术红利真正转化为千行百业的增长动能。 泰岳泰斗是建立在泰岳灯塔AI大模型应用能力体系之上的、面向信息安全的垂类大模型系统。 一、核心定位:垂类模型系统,打造智能安全中枢 泰岳泰斗秉承多维安全平台融通、智能体与人工协同、场景化融合应用,助力企业实现了"合规、监测、审计、运维、运营"的一体化智能管理模式,显著提升安全运营效率与智能化水平。 二、技术基石:双模驱动 + 数据融合,实现风险处置闭环 在夯实模型配置与场景管理的基础上,泰岳泰斗创新性引入" SmartAI + SmartGPT 双驰融合模型": 打通壁垒:无缝集成各类安全平台数据,消除信息孤岛。 人机协同:构建智能体与安全专家的高效协作模式。 闭环处置:真正实现从"风险监测 -> 风险检测 -> 风险识别 -> 风险处置"的全流程自动化闭环管理。 未来,泰岳泰斗将持续进化,致力于打造以 "人+AI" 为核心的一体化智能安全运营解决方案。 三、实战场景:智能体显身手,效率精准双提升 场景一:告别"狼来了",告警降噪智能体精准排雷 痛点:海量告警真伪难辨,传统规则匹配+人工复核误报率高、效率低、依赖专家; 解决:告警降噪智能体如同高效过滤器,智能分析告警价值,精准识别有效威胁,将预警准确率大幅提升至95% 以上,显著降低安全人员工作负担。 场景二:自然语言交互,自助取数智能体化繁为简 痛点: 专业工具使用门槛高,学习成本大; 解决: 泰岳泰斗支持自然语言交互,可深度理解语义。用户只需输入如"帮我查询当前有多少威胁告警",系统即可理解客户的语义。 泰岳泰斗调度自助取数智能体:自动补全查询条件、过滤干扰信息、清晰呈现结构化结果。 场景三:深度分析溯源,安全合规智能体洞悉威胁 需求:不仅定位问题,更要深度分析安全威胁并提供解决方案; 解决:泰岳泰斗调度安全合规智能体集群,关联企业资产、漏洞库、知识库等数据,深度挖掘问题根源(如高危漏洞、弱密码、不合规配置),生成可执行处置方案 (如封禁IP、升级补丁、强化口令),依据"责任分工表"自动分派任务,确保责任到人。 场景四:自动化处置闭环,响应处置智能体高效执行 需求:自动化闭环处置要求; 解决:泰岳泰斗基于既定方案,自动启动响应处置智能体,调度自动化处置平台的各类原子能力,通过触发封禁IP、 隔离程序、 关闭服务等应急操作 ,自动完成处置全过程。 四、核心价值:智能提速,效能飞跃 泰岳泰斗将过去需要数小时甚至更久的人工处理流程,压缩至分钟级自动完成,实现安全运营效能的革命性"智能提速"! 泰岳泰斗将持续深耕智能化安全运营领域,致力于打造行业领先的解决方案,推动从"AI赋能安全"向"AI驱动安全"跨越。 融智而生,赋能而兴。泰岳泰斗,智护安全未来。

晶片界前一哥 Intel 近年境況堪憂:現有基於 Arrow Lake 架構的 Core Ultra 200 系列處理器雖已改善功耗,卻在遊戲及一般運算上難敵 AMD Ryzen 9000 系列,市場反應平平。不過知恥近乎勇,最近網上流出 Intel 簡報資料宣稱新產品性能超卓,未知是否能一舉收復失地?這篇文章 王者復活?Intel 下一代 Nova Lake 驚爆超高性能 單線程快 10% 多線程激增 60% 最早出現於 PCM。