arXiv 新综述《When AI meets quantum information》系统梳理 AI 与量子信息的双向融合：一方面用机器学习做量子态重建、量子纠错、硬件控制和自动化实验；另一方面用量子神经网络、张量网络等思想反哺机器学习。它的价值不只是追逐“量子加速”，而是把问题落到嘈杂硬件、有限观测和可训练性上，强调未来智能量子实验室将依赖 AI 完成规划、执行、观测与反馈闭环。

斯坦福团队提出 Simplified Sparse Attention，用“要点标记”先压缩长文档片段，再在回答问题时只展开最相关段落。该方法不改基础架构、不额外增加神经网络模块，却能显著降低全注意力的平方级成本。报道显示，SSA 在 LongBench 和 RAG 场景中优于多种稀疏注意力方案，处理 44K 词文本时延迟可比全注意力快 3.37 倍，对法律、代码库、科研文档等长上下文场景尤其关键。

一篇 IEEE 论文讨论大模型在低资源编程语言上的表现：当训练语料和基准缺失时，模型代码理解与生成能力会明显下降。这提醒行业，所谓“通用编程智能”很可能仍高度依赖训练集中已有语言与框架覆盖度。若企业内部 DSL、工业控制脚本或新兴语言缺乏公开语料，不能直接假设通用代码助手可稳定接管研发流程，仍需构建专属数据、测试集和人工审查机制。

哈佛健康介绍 AI 在冠状动脉 CT 血管造影中的应用：算法可量化硬斑块与软斑块，帮助医生更细致判断动脉粥样硬化风险。软斑块更易破裂并诱发血栓，是心梗风险评估关键。当前部分保险和 Medicare 已覆盖相关 AI 报告，额外成本约850—1000美元，但医学界仍在等待 NIH 资助试验验证其是否真正改善治疗决策、降低心脏事件。

NVIDIA 宣布通过收入分成与信用支持模式，与 AI 云厂商共建大规模、多租户 DSX AI 工厂。合作案例包括 Sharon AI 计划部署最多 40,000 个 Grace Blackwell GB300 GPU，以及 Firmus 在印尼巴淡岛规划最高 360MW、最多 170,000 个 NVIDIA GPU 的 AI 工厂园区。该模式试图缓解 AI 云公司的资本开支压力，也反映推理需求正推动算力基础设施金融化。

Reuters 报道，微软成立 Microsoft Frontier Company，并投入 25 亿美元，帮助企业选择、整合和切换适合业务的 AI 技术。该公司不只推微软自家模型，也会纳入外部和开源工具，首批客户包括联合利华和诺和诺德。微软高管承认过去把产品过度绑定 OpenAI 模型是错误方向，企业真实需求正在从“买一个模型”转向“多模型编排 + 内部数据变现 + ROI 交付”。

南非零售商 Pick n Pay 发布 AI 购物助手 Penny，计划7 月 6 日起推广。该助手基于 Google Gemini，支持语音、文字和图片输入，可识别手写清单、食谱或产品照片，并提供食材替代、膳食规划、预算购物和个性化推荐。Pick n Pay 近年面临线上竞争压力，此举试图把生成式 AI 从客服入口推进到购物决策链条，提升复购与客单价。

华为在 MWC 上海发布智能光网 AI-OTN 十大创新产品与解决方案，围绕“OTN for AI”和“AI for OTN”双向赋能。方案强调单波超 1Tbps、毫秒级确定性时延、50 毫秒以内业务恢复、DC-OTN 零丢包及抗量子攻击安全能力，同时用 AI 实现光纤、网元和网络层主动感知与路径优化。其商业含义是帮助运营商从卖带宽转向卖能力、卖服务。

Jeppesen ForeFlight 发布面向航空业的智能体 AI 战略，并推出 ForeFlight Airflow 作为航空智能引擎，计划在 2026 年面向多个航空细分领域落地。航空场景要求强约束、强可追溯和高可靠，智能体需要理解飞行计划、运行限制、天气、维护和调度等复杂变量。该发布显示垂直行业 AI 正从聊天式辅助走向流程级引擎。

印度和日本签署多项合作文件，其中包括人工智能方向标志性文件。双方强调结合日本精密技术与印度软件能力，共同推动全球 AI 发展。该合作并非单纯科研交流，而是与经济安全、能源韧性、金属供应链和防务合作并列出现，显示 AI 已被纳入国家间产业与安全协同框架，可能强化非中美路径的 AI 生态和供应链话语权。

商务部等 8 部门关于加快“人工智能+消费”发展的实施意见在地方政府网站发布，方向是推动 AI 与消费场景深度融合，培育消费新增长点。政策信号意味着 AI 不再只被视为生产端效率工具，也会进入商品推荐、智能客服、内容导购、售后服务、消费数据治理等环节。机会在于更高转化率与个性化服务，风险在算法透明和数据合规边界。

AFAC2026 金融智能创新大赛设置四道真实业务赛题，包括识别机构交易行为与资金流向、将保险 PDF 还原为结构化 Markdown、在稀疏反馈下做自动化实验设计，以及控制 Token 成本等。其价值在于把 AI 评测从通用问答拉回金融业务现场：数据形态复杂、错误成本高、解释与审计要求强，推动金融 AI 进入可量化、可复现、可监管的生产能力评估。

韩国电力技术公司与 SK AX 签署业务合作谅解备忘录，计划围绕发电与能源领域的人工智能转型共同开发商业项目，重点覆盖海上风电和小型模块化反应堆。能源行业设备寿命长、运行安全要求高、数据孤岛明显，AI 价值通常体现在预测性维护、调度优化、仿真设计和异常检测。该合作说明 AI 正扩散到重资产基础设施。

中国媒体报道，AI 影视正从早期技术尝试进入更具体的内容开发与创作实践，相关平台开始切入创作者生产环节。随着图像、视频和多模态模型成熟，AI 不再只是生成片段，而是逐步参与选题、分镜、角色设定、镜头预览、素材管理和后期协同。产业瓶颈正从“能不能生成”转向风格控制、版权追溯和团队流程协作。

Reuters Legal 分析指出，AI Agent 与传统软件的核心差异在于自主性：它可访问邮件、数据库和第三方 API，按目标规划路径并执行操作，因此本身更像一项个人信息处理活动。主要风险包括目的限制失效、自动化决策合规、敏感数据处理、第三方模型链条断裂、缓存和记忆导致删除权难执行等。企业部署前需要 DPIA、最小权限和人类复核。

联合国人工智能独立科学小组发布首份专项报告，警告 AI 技术迭代和应用落地速度已超过科学界认知与政府监管跟进能力。报告特别提到模型能力可能出现欺骗、不可预测行为及灾难性风险难以排除。该信号意味着全球 AI 治理讨论正在从原则倡议转向能力评估、预警机制、跨境协调和高风险应用边界。

最高检理论研究栏目发布关于人工智能生成物知识产权保护的文章，讨论生成式 AI 深度进入内容创作、商业设计和科技研发后带来的权属、独创性与责任边界问题。该议题对 AIGC 商业化非常关键：如果生成内容权利归属不清，企业在广告、影视、软件和工业设计中使用 AI 产物时会面临授权、侵权和收益分配不确定性。

共同社中文报道，日本政府规制改革推进会议已向首相提交关于修改 AI 监管的报告，内容包括推动下一代 AI 数据中心建设，并为普及步行型机器人调整监管。该方向体现日本希望用制度改革补齐 AI 基础设施和机器人落地瓶颈。数据中心涉及电力、土地、环境和安全审批，机器人涉及公共空间和责任认定，监管适配将释放硬件型 AI 应用空间。