AI & Enterprise

报告：现有AI基准测试仅覆盖少量真实工作，美国约90%劳动工时所涉任务未获充分评估

美国AI人才与评估公司Mercor基于美国劳工部职业信息数据库O*NET，对29项AI基准测试与实际工作任务进行对照分析后发现，达到覆盖标准的细分任务仅占总量的4.9%。报告指出，美国约90%劳动工时所对应的工作内容，尚未被现有AI基准测试充分评估，现有测试分数也难以完整反映AI在真实职场中的执行能力。

Industry

芯片厂商重塑AI代理评测：单看TOPS和跑分已不够

随着AI代理从单轮问答转向多步骤任务执行，芯片厂商正推出更贴近实际负载的评测体系，不再只看理论算力和单项跑分，而是将端到端优化、内存带宽、软件适配及可复测性纳入考量。Arm则发布了面向Agentic AI的CPU评测方法，并披露与AMD服务器芯片的对比结果。