企业
-
字节跳动扣子宣布企业版宣布下线:11月30日起停止新客购买
近日,字节跳动旗下AI平台扣子(Coze)发布公告,宣布分阶段停止销售并下线现有企业版套餐。根据公告,企业标准版、企业旗舰版将于2026年11月30日起停止接受新客户购买,已签署合同但尚未完成下单的客
-
国家统计局社科文司统计师潘旭华解读2026年前三季度全国规模以上文化及相关产业企业数据
前三季度文化企业营业收入稳步增长 ——国家统计局社科文司统计师潘旭华解读2026年前三季度全国规模以上文化及相关产业企业数据 前三季度 各地区各部门认真贯彻落实党中央和国务院决策部署 健全文化产业体系和市场体系 实施积极的文化经济政策 不断推动文化产业业态
-
企业ESG合规工业品采购供应商怎么选?欧时 RS绿色采购有依据
在“双碳”目标与ESG披露要求持续落地的背景下,绿色供应链管理已从可选项变成制造企业的硬性要求。越来越多企业希望采购减少资源消耗、降低环境影响并支持节能减碳的工业产品。然而真正落地时,企业ESG合规工
-
2026年前三季度全国规模以上文化及相关产业企业营业收入增长4.3%
据对全国8 3万家规模以上文化及相关产业企业 以下简称 文化企业 调查 2026年前三季度 文化企业实现营业收入108210亿元 按可比口径计算 详见附注2 同比增长4 3 1 其中 文化新业态特征较为明显的16个行业小类 2 实现营业收入5382
-
安谋科技“周易”X3原生支持FP4,给出企业级Agent部署妙招
AI Agent任务复杂度持续提升,Agent Box等端侧智能体面临算力、带宽、功耗多重瓶颈,传统量化方式易造成长上下文推理能力损失。FP4低比特浮点方案为破解上述问题提供了新路径。安谋科技“周易”
-
国家统计局工业司首席统计师于卫宁解读2026年1—9月份工业企业利润数据
1—9月份规模以上工业企业利润较快增长新动能引领作用明显 ——国家统计局工业司首席统计师于卫宁解读2026年1—9月份工业企业利润数据 1—9月份 在以习近平同志为核心的党中央坚强领导下 各地区各部门认真贯彻落实党中央 国务院决策部署 加大宏观政策调节力度
-
耕耘用工:企业用工的下一个战略议题“外部劳动力管理”
当我们在讨论灵活用工、弹性用工、零工经济时,一个更本质的概念正在浮出水面——外部劳动力管理。这个概念并不复杂。它指的是企业如何系统性地管理那些不属于正式编制、但持续为企业创造价值的人员群体:兼职人员、
-
连续17个月未动,贷款定价不再只看LPR:部分企业先调整,房贷暂不动
10月20日 最新一期LPR 贷款市场报价利率 出炉 1年期报3 0 5年期以上报3 5 均与上月持平 自2025年6月以来 LPR已连续17个月 按兵不动 值得注意的是 就在LPR公布的前一日 央行在2026金融街论坛年会上明
-
AI First,yonyou Now!用友YonSuite香港企业AI峰会成功举办!
10月15日,用友軟件(香港)有限公司主辦的「AI First,yonyou Now」2026 用友企業 AI 峰會(香港)於今日在香港嘉里酒店圓滿舉行。本屆峰會以「Harness AI,Drive
-
国内MaaS平台推荐:企业如何选择高性价比大模型服务(2026年度榜单)
一、引言2026年,国内大模型应用正从“参数竞赛”进入“规模化落地与效率竞争”阶段。IDC预计,2026年中国MaaS市场全年Token消耗量约40,000万亿次,按营收规模计算约186亿元人民币,较2025年呈现高速增长。与此同时,行业定价逻辑也在发生变化:一方面,部分厂商上调API
-
AI 芯片企业 Cerebras CEO 预言:家用 AI 时代即将到来,AI 智能体帮你搞定生活琐事
美国人工智能芯片研发企业 Cerebras Systems 首席执行官兼联合创始人安德鲁 ・ 费尔德曼(Andrew Feldman)认为,我们即将迎来家家户户都配备人工智能设备的时代。
-
美国企业史上规模最大 英伟达宣布新增1500亿美元股票回购授权
据CNBC报道 当地时间28日 英伟达宣布其董事会批准在现有股票回购计划下新增1500亿美元股票回购授权 使剩余授权总额增至2350亿美元 公司预计将在2028财年结束前执行剩余回购计划 据报道 英伟达此次追加1500亿美元的股票回购授权 打破了此前由苹果
-
OpenAI与红帽等联合推进OCE1.0研发,打造面向AI代理的“企业级Kubernetes”
OpenAI、红帽(Red Hat)与英伟达等多方正联合开发开源智能体框架的企业级版本OpenClaw Enterprise(OCE1.0),旨在消除政企客户对自主 AI 代理的安全顾虑,该项目在社区
-
AI三大投入中,普通企业只有一张牌
AI有三大投入:算力、算法、数据。过去两年,公众的注意力大多给了前两者――芯片竞赛、模型迭代。但没有数据,再强的模型也无从训练;到了应用环节,模型能力能兑现多少,又直接取决于数据准备到什么程度。要理解大模型为什么会撞上“数据墙”、AI进入具体行业后为什么常常用不好,都得先回到一个基本问题:数据到底是什么。





