-
github · 2026-09-23 · GitHub / MCP server stars:>100 / TypeScript
语言:TypeScript；stars:187；更新:2026-09-23T01:28:52Z
-
github · 2026-09-23 · GitHub / MCP server stars:>100 / C#
语言:C#；stars:324；更新:2026-09-23T01:20:07Z
-
github · 2026-09-23 · GitHub / MCP server stars:>100 / Python
语言:Python；stars:939；更新:2026-09-23T01:19:27Z
-
github · 2026-09-22 · GitHub / AI 最新 趋势 stars:>50 / TypeScript
语言:TypeScript；stars:199；更新:2026-09-22T02:13:12Z
-
github · 2026-09-23 · GitHub / Claude Code stars:>50 / Go
语言:Go；stars:449；更新:2026-09-23T01:29:54Z
-
justoneapi-all · JustOneAPI / AI与Agent 最新 热点 趋势
每天都有人说 AI 会改变工作，听多了难免焦虑。 但比起反复猜测，我更愿意去现场看看：企业到底在做什么产品？技术已经能解决什么问题？哪些还只是想象？ 看清变化，才知道自己该学什么、该往哪里走。 9月20日，深圳超级智能体大会，准备去做一次低成本的趋势调研。 提前报名预留参会名额，还能领取多多的福利！ ##AI焦虑[话题]# #职业规划[话题]# #趋势观察[话题]# #超级智能体大会[话题]# #AI硬件[话题]# #具身智能[话题]# #深圳活动[话题]# #AI[话题]# #Agent[话题]# #智能体应用[话题]# #芯片 #智能终端；检索词:AI与Agent 最新 热点 趋势
-
justoneapi-all · JustOneAPI / 一人公司 最新 热点 趋势
🥇 本文为「全球AIaaS-创投孵化基地」知识库特约内容 图1｜从 SEO 到 GEO，再到 Agent Commerce：AI 时代品牌增长路径演进 试想一个画面：一个人想买洗地机，他不逛电商、不问朋友，而是对 AI 助手说"预算三千，帮我挑一个"。几秒后，AI 给出三个候选，参数、优缺点、价格一目了然，还追问一句"要不要直接下单"。 这不是科幻片。搜索、比较、决策、支付这些过去由人亲手完成的动作，正在被 AI 一项项接管。对品牌而言，这意味着"如何被发现、如何被信任、如何被成交"的整套机制都到了重写的时候。这篇文章想把这条正在发生的进化链完整拆开——从 SEO 到 GEO，再到 Agent Commerce，每一步在变什么，企业该做什么。 一、三个变化，正在重写营销的基本盘 第一个变化：入口没了。 过去二十年，互联网营销的本质是"抢入口"。搜索引擎、信息流、短视频、公众号、小红书、应用商店，都是用户获取信息的通道。品牌的功课，是把货铺进这些通道，等用户点进来。 AI 时代，用户不点链接了。他们直接提问："适合油皮的防晒有哪些""三千块买哪款洗地机""附近适合带孩子吃饭的地方""百人销售团队该选哪个 CRM"。筛选、比较、判断全交给模型，人只做最后确认——甚至确认都能省掉。 第二个变化：信任转移了。 易观的研究给出了三个关键词：品牌在 AI 世界里的存在感被稀释、流量入口被重新分配、内容的信任机制被重做。简单说，用户不再打开你的页面，而是直接消费 AI 拼好的答案；内容能否曝光不由点击率决定，而由模型是否愿意引用决定；品牌触达用户的最佳时机，被提前到了"AI 做判断的那一秒"。 第三个变化：后果变严重了。 过去不做 SEO，最坏是排名靠后；现在不做 GEO，你很可能在用户的决策世界里直接消失。而当智能体能够自己下单、预约、支付、售后，品牌的问题就不再是"能不能被看见"，而是"能不能被调用"。GEO 正在成为官网、电商、CRM、客服 Agent 之间的连接器，最终指标落到 GMV、获客成本和用户生命周期价值。 二、九个缩写，一条进化链 SEO、ASO、AEO、GEO、GAO、GEM、PDE、Agent、A2A。这串缩写常让人望而生畏，其实把它们按顺序摆开，恰好是互联网营销进化的完整时间线：从"让人搜到你"，到"让 AI 信你"，再到"让 AI 替你办事"。 概念 优化对象 主要目标 成功指标 本质 SEO 搜索引擎网页结果 提升自然排名、获取点击、积累免费自然流量 关键词排名、点击率(CTR)、自然访问量、线索/成交转化量 让人通过免费搜索结果找到你 SEM 搜索引擎付费广告 付费获取精准流量、高效触达目标用户、提升转化效率 广告排名、点击率(CTR)、单次点击成本(CPC)、获客成本(CPA)、广告投资回报率(ROI) 付费购买搜索流量，快速抢占目标用户注意力 ASO 应用商店 提升App曝光、促进下载、积累用户评价与留存 搜索排名、下载转化率、应用评分、用户次日/7日留存率 让人下载并持续使用你的应用 AEO 答案引擎 / AI助手 让品牌信息被AI直接回答、摘要引用、FAQ场景命中 答案占位率、摘要引用频次、FAQ匹配准确率 让AI把你的信息清晰、准确地传递给用户 GEO 生成式引擎 让AI理解、信任并主动推荐品牌/产品信息 品牌提及率、权威引用率、Top1/Top3答案占比、情感倾向正向率、事实准确率 让AI把你当作可信答案的核心组成部分 GAO 广义生成式AI / Agent系统 优化品牌在AI生成、推理、工具调用、任务执行中的表现 品牌可见性、Agent可调用率、任务完成率、动作转化成功率 从「答案优化」升级为「智能体级业务优化」 GEM 生成式引擎营销 AI答案场景下的商业化投放、赞助合作、内容植入 赞助答案曝光量、AI广告ROI、品牌安全合规率 GEO的商业投放层，付费放大AI推荐效果 PDE Product Discovery Engine / Product Data Engine 让商品被AI主动发现、对比、推荐并促成购买 商品推荐率、Feed流命中率、价格/库存准确率、结账完成率 电商场景下GEO的底层数据支撑 Agent 智能体 让AI从「回答者」升级为「执行者」，完成代办/下单/预约 任务完成率、API调用成功率、交易闭环率、用户满意度 AI直接帮用户执行操作，完成全链路业务闭环 A2A Agent-to-Agent 实现不同智能体之间的跨平台协作与服务联动 跨平台调用成功率、服务路由效率、权限协同一致性 企业级AI服务，让智能体之间互相协作，不只服务单个人 表1｜九大概念速查对照：从「让人找到你」到「让 AI 替你办事」 这张表里藏着两道分水岭。 第一道，在 SEO/ASO 与 AEO/GEO 之间。微软的零售指南讲得很细：AEO 关注内容能否被 AI 助手和智能体顺畅检索、理解并呈现；GEO 关注内容在生成式搜索环境里能否更容易被发现、更可信、更有权威。说白了，过去抢的是"页面曝光"，现在抢的是"事实采信"。 第二道，在 GEO 与 Agent/A2A/PDE 之间。同一份指南提醒：AI Agent 不只会给建议，它能浏览网站、填表单、点按钮，甚至独立跑完整个购物流程。所以问题变了——智能体能访问哪些数据？产品 Feed、结构化标记、库存、价格接口、评论、图片，够不够准确、完整、可信？ 三、GEO 到底是什么：不是让 AI 夸你，而是让它信你 先泼一盆冷水。很多人把 GEO 理解成"多发软文、多堆关键词、让 AI 多夸我几句"。这个理解恰恰最危险，它会把 GEO 推向黑帽操作、语料投毒，最后反噬品牌。 图2｜GEO 的本质：不是操控 AI，而是建设可被 AI 采信的品牌事实系统 真正值得做的 GEO 正好反过来：不指望 AI 替你说谎，而是把产品能力是否真实、服务边界是否清楚、价格逻辑是否透明、案例证据是否扎实、第三方评价和权威资料是否可信、用户口碑是否经得起查，整理成一套 AI 看得懂、验得真、愿意引、方便复述的知识结构。 GEO 蓝皮书给了一条很专业的边界：企业能做的，是提高内容被理解、被引用、被合理推荐的概率，同时压低错误描述、缺失引用、竞品挤压、合规风险的概率。所以做 GEO 要讲概率思维、样本思维、证据思维，专业服务商也不该承诺"固定排名"。 这句话值得反复咂摸。因为生成式答案和传统搜索排名根本不是一回事：同一个问题，今天问豆包、明天问元宝；开联网问、关联网问；单轮问、连续追问——结果都可能不一样。它受提问方式、时间点、入口渠道、是否联网、检索结果、模型版本、上下文和安全策略共同影响。 正因如此，GEO 的 KPI 不能照搬 SEO。更合理的指标组合是： • 品牌可见率 ：关键问题里是否出现你的品牌； • 首提率 / Top 1 概率 ：你是否第一个被点名； • Top 3 概率 ：你是否进入主要候选池； • 有效引用率 ：AI 引用的来源是否有效（官网、白皮书、商品页、案例页、权威媒体等）； • 事实错误率 ：价格、功能、适用人群、服务范围是否被说错； • 叙事一致性 ：AI 对你品牌定位、卖点、场景的复述是否稳定； • 情感倾向 ：中性、正向、负向描述的占比； • 可调用性 ：Agent 能否找到你的商品、门店、接口、库存、预约入口、下单路径。 蓝皮书还提醒采购方：谈 GEO 服务时，要把目标可见率、Top 1、Top 3、首提概率、有效引用率、事实错误率和样本稳定率这些指标写清楚、谈明白，还要分清哪些适合硬考核、哪些只适合复核。 一句话总结： SEO 争排名，AEO 争答案，GEO 争采信，Agent 时代争的是路由权、解释权和执行权。 四、OpenAI 在下一盘什么棋：商品、交易、广告三线并进 看 OpenAI 的动作，基本能摸到 AI 商业化的主线——它把"帮用户找东西、帮用户买东西、把广告放进 AI 答案"放在了同一条轨道上。 商品发现这条线 ：2026 年 3 月，ChatGPT 上线了商品发现能力。官方解释是，越来越多人在 ChatGPT 里完成购物探索，模型可以按预算、偏好和约束条件帮忙筛选、可视化浏览、横向对比，并借扩展后的 Agentic Commerce Protocol 支持商品发现。对商户而言，官方商户页的说法是：把 Product Feed 接进来，就能在用户"评估买什么"的高意图时刻进入 AI 结果；不需要重建商品库，直接连接现有目录即可；默认会把用户导回商户自己的站点或 App，站外成交不收费。开发者文档还补充：Feed 必须结构化、可被摄取，字段要支撑准确的发现、价格、可用性和卖家上下文，并且通过可用字段控制商品能否被展示、能否在对话内直接购买。 这套设计的核心其实就是 PDE： 商品要从"被搜索框检索"升级为"被 AI 的商品发现系统理解" 。标题、类目、SKU、价格、库存、评论、图片、退换政策、配送时效、品牌故事，都必须变成机器可读、实时更新、可信可核验的数据资产。 交易协议这条线 ：2025 年 9 月，OpenAI 拿出 Instant Checkout 和 Agentic Commerce Protocol 两个动作。用意很直接：让 ChatGPT 不止于"推荐买什么"，而是能"帮你买到手"；ACP 作为开放标准，让 AI agents、消费者和企业可以协作完成购买。 广告这条线 ：2026 年 2 月起 OpenAI 在美国测试 ChatGPT 广告并逐步扩量。官方的承诺是：广告不影响答案独立性，答案保持无偏，用户对体验有控制权，对话内容对广告主不可见。 所以未来的格局不是"自然流量 vs 商业化"二选一，而是三层并行： 自然采信层 （模型是否理解并引用你）、 商品数据层 （模型能否读懂你的商品、库存、价格、评价、履约）、 商业投放层 （广告、赞助答案、商品位等 GEM 玩法）。艾瑞的 GEO 白皮书也预判：随着赞助式回答等商业化形态成熟，一部分原本投给 SEM 的预算会流向 AI 平台的 GEO 营销，形成"GEO+GEM"的组合。 五、中国市场的四种打法 千问 × 淘宝：把搜索框换成对话 2026 年 5 月，淘宝 App 的消息页上线了 Qwen Shopping Assistant。它用淘宝全量商品目录和数十亿条评论训练，能围绕购物需求作答、并排比较、给出推荐。 这套打法的关键不是"换个输入框"，而是把用户的动作从"输入关键词"变成"表达需求"。过去是搜"儿童露营装备"，现在可能直接说"周末带 5 岁孩子露营，要安全、轻便、不贵的装备清单"。平台之间竞争的不再是标题里的关键词，而是商品能不能被 AI 识别为"适合 5 岁孩子露营"的方案组件。 阿里还在 Qwen App 上推 Agentic AI：一句话就能完成点餐、聊天内支付、行程规划等多步任务；即时零售场景可经淘宝闪购下单食品饮料，对话内完成优惠与支付。千问的野心不是"多一个推荐入口"，而是成为 生活服务 + 购物 + 支付 + 任务助手 的复合入口。 豆包 × 抖音：种草之外，长出"AI 决策" 豆包+抖音的信息目前主要来自媒体报道。据新浪科技转引三言科技报道，2026 年 4 月豆包上线"帮你选"：用户语音或文字提出购物诉求，豆包梳理需求、罗列优缺点和价格对比，再结合偏好给出建议；该功能与抖音电商深度打通，用户点击商品卡片并绑定抖音账号后，可在豆包 App 内完成加购、支付、售后，无需跳转抖音主站。 组合的战略意义在于： 抖音负责"内容激发需求"，豆包负责"AI 帮你决策" 。原来的链路是"短视频/直播种草 → 商品卡 → 下单"，现在可能变成"用户表达需求 → AI 结构化比较 → 商品推荐 → 抖音电商闭环"。AI 把"被动刷到"变成"主动询问"，给"内容冲动消费"补上"理性比较决策"。 对品牌来说：短视频依然要做，但只靠达人种草已经不够。产品参数、真实评价、适用场景、价格解释、售后承诺，要能被豆包这类 AI 助手读懂并复述。 文心 × 京东：谨慎看待，其实是两条线 "文心+京东"容易被想成"文心接管了京东的 AI 购物"，但公开资料能确认的是两条独立链路。 一条是内容生产：百度智能云披露过"文心一格 x 京东 618"案例，京东营销团队用文心一格生成差异化海报，百度称 AI 海报制作可降本 50%–80%，周期从周级缩到天级。这属于 AIGC 营销生产效率 ，不是 AI 导购闭环。 另一条是京东自己的导购：按京东用户服务协议的表述，用户可通过京东 App 的京言服务或京东 AI 购 App 使用智能导购，平台会结合浏览、搜索、收藏、关注、加购、订单等行为，生成用户可能感兴趣的商品或服务信息，并在导购场景中展示订单与购物车；京东 AI 购隐私政策则说明，用户提问或使用爱购服务时，会基于提问及京东 App 购物数据推荐商品，AI 购与京东 App 为同一服务，购物车和订单信息同步展示。 所以准确的结论是： 百度文心代表的是电商内容与营销的生产能力，京东 AI 购/京言代表的是京东自有的供应链、购物数据与导购闭环 ，现阶段不宜表述为"文心深度接管京东 AI 购物"。 元宝 × 美团：从服务人到服务 AI 元宝+美团指向的是另一个方向： 把本地生活服务变成可被其他 Agent 调用的能力 。 据上海证券报和据东方财富报道，美团 CEO 王兴在 2026 年一季度财报电话会上透露，美团 AI 助手"小美"与腾讯元宝的合作将于近期上线——用户在元宝里输入诉求，即可通过小美调用外卖等本地生活服务，一站式完成交易。王兴还提出，未来除了服务消费者（To C）、服务商家（To B），服务 AI Agent（To A）会越来越重要。新浪科技的报道也引用了类似表述，并称美团在本地生活领域拥有更完整的业务覆盖、更真实全面的商户信息与用户评价、更可靠的履约体系。 这个信号非常关键。因为未来的平台要服务的对象不只是"人类用户"，还有"其他 AI"：用户不打开美团 App，而是在元宝里说"帮我点一份 30 分钟内能到、清淡、适合儿童的晚餐"，元宝去调用小美，小美再去调用商户、菜单、配送、优惠、支付、售后。 这就是 A2A（或类 A2A）的商业含义： 一个平台的服务能力，可以变成另一个 Agent 的执行模块。 六、A2A 的深意：入口从 App 变成"服务路由" Google 于 2025 年推出 Agent2Agent 协议，官方描述是让不同 AI agent 之间能互信通信、安全交换数据，并跨企业平台或应用协同行动；协议保持开放，希望不同厂商、不同技术栈构建的 agent 都能彼此协作。到同年 6 月，Google Cloud 把 A2A 捐赠给 Linux Foundation，由基金会托管，AWS、Cisco、Google、Microsoft、Salesforce、SAP、ServiceNow 这些一线厂商也都在列，意在打造一个开放互通、可互操作的 AI Agent 生态。 A2A 对营销和电商的真正影响，不在协议本身，而在它预告的新商业结构： • 过去：用户打开 App → 搜索 → 浏览 → 下单； • 现在：用户问 AI → AI 推荐 → 用户点击 → 下单； • 未来：用户把需求交给 Agent → 这个 Agent 去问另一个 Agent → 调用服务 → 交易完成。 图3｜Agent / A2A 时代：从被发现，走向被调用、被执行、被交易 于是企业的竞争焦点从"抢占用户手机桌面的 App"转向"抢占 Agent 的服务路由"。谁的数据更可信、接口更稳定、库存/价格/履约更实时、服务边界更清楚，谁就更可能成为 Agent 的默认调用对象。 这也是 ASO 依然重要、但边界在扩展的原因。未来的 ASO 不只是让 App 排名更靠前，而是让 App 成为可被 AI 发现、打开、深链跳转、调用并完成任务的服务节点。标题、描述、评分、截图、评价仍是 ASO；而 App Links、Deep Links、API、权限、Intent、MCP/A2A、插件能力、服务 Schema 这些能力，会组成"Agent 时代 ASO"的新版图。 七、电商 GEO：把商品变成 AI 能读、能比、能下单的"活数据" 先看一个和 B2B 品牌很不一样的地方。电商场景里，AI 不满足于"认识你"，它要替你完成交易。一个用户让 AI 推荐扫地机器人，模型不会只回一句"某牌子口碑不错"，而是往下追问一串：哪个更贴合我家面积？哪个更便宜？哪个有现货？哪个差评少？哪个退换方便？哪个明天能送到？哪个对宠物、老人、小孩友好？哪个和我家已有的智能家居兼容？哪个是广告、哪个不是？ 微软的 AEO/GEO 零售指南给过一个很实际的判断：面向大模型搜索，最可靠的底座仍然是最新、准确的产品 Feed，加上清晰、可抓取、结构化的内容；但品牌不能只把目录当"上架数据"，而要当成内容资产来经营，让每个商品细节、利益点、价格信号都机器可读、实时更新、语境丰富。三者的分工也说得清楚：SEO 解决"被搜到"，AEO 解决"被看清"，GEO 解决"被相信"。 图4｜电商 GEO × PDE：让商品被 AI 发现、比较、推荐与下单 所以电商 GEO 的地基，不是多写几篇种草文，而是一套商品级的 PDE 工程。展开来看有七个模块： 产品数据层 ：SKU、标题、类目、品牌、价格、促销、库存、图片、GTIN、规格、颜色、尺码，这是最基础的"商品事实"； 语义理解层 ：适用人群、使用场景、痛点、限制条件、禁忌、兼容性，回答"这个商品对什么样的人、在什么情况下成立"； 证据支撑层 ：检测报告、认证、媒体测评、达人评测、用户评价、售后数据，让 AI 有据可查； 口碑评价层 ：真实评论、差评解释、复购率、退货原因、问答，让 AI 能判断"口碑是真的还是刷的"； 履约服务层 ：门店库存、配送时间、运费、退换政策、售后响应，让 AI 敢承诺"能买到、能送到、能退换"； 交易打通层 ：加购、优惠、支付、订单、售后、客服，让 AI 从"推荐"走到"成交"； 风险合规层 ：是否广告、是否医疗/金融/母婴等高敏商品、是否需要免责声明，守住底线。 这也解释了为什么 ChatGPT 的商品 Feed 文档翻来覆去强调价格、可用性、卖家上下文和可展示/可购买控制字段——AI 要的是"能不能交易"的确定性，不只是"值不值得推荐"的印象。 一句话记住电商 GEO 的转向： 商品页不再是给人看的详情页，而是给 AI 读的商品事实表；评论不再是转化素材，而是 AI 判断可信度的证据；库存不再是运营数据，而是 AI 决定推荐顺序的实时信号。 八、护城河三层：事实、语义、接口 把 GEO 的能力拆开看，正好是三层护城河。 第一层，可信知识网络。 品牌需要一个"唯一事实源"：产品叫什么、型号是什么、价格区间多大、服务覆盖哪里、哪些话不能说、资质认证有哪些、案例和媒体报道是什么、专家观点和客户授权在哪里。AI 品牌资产白皮书讲得很透：品牌要盯着 AI 对自己的误读、错引、过时信息、风险化标签和口径分裂，用事实修正、边界补充、引用补强、内容更新去修复；这不是为了多发声，而是用更真实、更可验证、更低歧义的方式组织品牌知识，让 AI 理解得更准、引用得更稳。 第二层，统一语义层。 企业里最常见的毛病是口径打架：官网、销售、客服、小红书、电商详情页、招商 PPT，各说各的，口径对不上。人还能消化这些差异，AI 只会把它们当成冲突信号。相关研究材料给出过统一语义层的价值模型：防幻觉、提转化、强粘性、建闭环——守住品牌的 Source of Truth，把用户口语映射到产品特征，形成跨渠道记忆，让 AI 从"给信息"升级为"做事情"。落到实操，就是建一个"品牌语义中台"： • 用户说"踩云朵的鞋"，系统知道对应"高缓震跑鞋"； • 用户说"适合孩子露营"，系统知道对应"儿童安全、轻便、易收纳、防水"； • 用户说"别太贵但靠谱"，系统知道要解释"价格带、质保、退换、真实评分"； • 用户说"附近快点送到"，系统知道要调用 LBS、库存和履约数据。 第三层，可执行接口。 到了 Agent 时代，AI 不能只读内容，还得能调用服务。商品、门店、客服、预约、试用、报价、支付、售后、会员、物流，都要变成安全、可控、可审计的接口。元宝+美团、千问+淘宝、ChatGPT ACP 其实都在朝同一个方向走： AI 不再满足于"知道你"，它要能"调用你"。 九、黑帽 GEO：短期刷存在，长期烧信任 GEO 一热，暗面也跟着来了：伪榜单、伪测评、软文矩阵、隐藏指令、虚假评论、竞品抹黑、RAG 投毒。这不是想象，是已经发生的行业现实。 GEO 红皮书把治理范围划得很全：红线界定、风险识别、供应商审计、整改沟通、证据保全和退出机制。它还点出一个事实：如今用户的采购、就医、理财、择校、选品、招聘，越来越多地交给豆包、Kimi、千问、元宝、DeepSeek 这类生成式引擎去完成；与此同时，向 AI 检索源灌虚假评论、往网页里埋隐藏指令、污染知识库、篡改竞品信息等手段，也在快速演化。 红皮书给出的红线非常明确，四类行为是禁区：一是造假——不得伪造或夸大功能、案例、认证、奖项、媒体报道、研究数据和评价；二是刷量——不得通过虚假评论、虚假交易、刷量、水军制造社会证明；三是埋指令——不得把面向 AI 的隐藏指令塞进网页、PDF、图片、代码、alt 文本、schema 或知识库；四是投毒——不允许往 RAG 知识库、训练数据、向量索引、模型记忆或 Agent 工具链里注入虚假和恶意内容。 背后有一条更深的逻辑： SEO 时代作弊，污染的是搜索结果；GEO 时代作弊，污染的是 AI 的认知；Agent 时代作弊，可能直接污染交易和行动。 AI 只会回答时，错误答案最多误导用户；AI 能下单时，错误答案就是经济损失；AI 能调用企业系统时，提示词注入、工具调用操纵、RAG 投毒就升级成了安全问题。红皮书还专门提醒：一旦 Agent 获得工具权限，模型的输出就可能变成真实世界里的动作，任何能左右工具选择的外部内容，都会让风险成倍放大。 所以企业做 GEO，先立一条内部原则： 一切优化都应为真实、可验证、可复核、让用户受益而做；绝不为欺骗 AI、污染语料、虚构证据、操纵决策服务。 十、落地六步：GEO 是跨部门工程，不是发稿小组 企业最该避免的误区，是把 GEO 交给内容团队"多写几篇稿"。它更像一次组织改造，按六步走比较顺。 第一步：建问题库，而不是关键词库。 SEO 的起点是关键词，GEO 的起点是用户真实的问题。问题库至少覆盖七类：品类问题（这是什么、怎么选）、场景问题（什么情况下适合我）、对比问题（A 和 B 怎么选）、风险问题（有什么坑、限制、禁忌）、购买问题（哪里买、多少钱、怎么保修）、售后问题（退换、维修、升级、迁移怎么办）、竞品问题（为什么选你而不是别人）。蓝皮书建议立项时先问六个问题：要优化的是"被提及、首位推荐、被引用还是被准确描述"？覆盖哪些平台和意图？问题样本是否覆盖真实用户，而不是企业内部习惯用语？ 第二步：建企业事实表和证据库。 事实表至少包含：品牌标准名称、简称、英文名、子品牌关系；产品型号、功能、参数、价格边界；适用场景、不适用场景、风险提示；资质、认证、检测、专利、奖项；客户案例授权状态；退换、保修、售后、配送、履约承诺；禁用表达（如"最强""唯一""治愈""保证收益"）。所有对外内容都必须回到事实表，避免临时编造。 第三步：搭全意图内容体系。 GEO 不是写"品牌介绍"，而是覆盖用户从"第一次动心"到下单、复购、转介绍的全过程。全意图内容体系白皮书把用户意图分成 L1-L5 五层：认知层、探索层、评估层、决策层、传承层——核心不是"为 GEO 做内容"，而是围绕目标客群的需求做内容。消费品牌的内容布局可以这样搭：认知层做生活方式与品类科普，探索层做选购指南与使用教程，评估层做品牌与产品推荐，决策层做产品详情与技术说明，传承层做用户评价与口碑分享。软件/SaaS 企业则覆盖痛点方法论、功能指南、供应商对比、客户案例、帮助文档、免费试用入口。 第四步：官网和商品页 AI 化改造。 官网不只是品牌门面，更是 AI 的事实源；商品页不只是转化页，更是 AI 的商品数据源。具体动作包括：Schema 结构化数据、清晰的 H1/H2/H3、FAQ 模块、对比表、参数表、可引用摘要、更新时间、作者/审核人、来源标注、图片 alt 文本、Sitemap/robots、可抓取性、商品 Feed 与库存价格评价配送 API。写作方式也要变：从流量思维转向信任思维，从叙述思维转向结构思维，答案优先——每段第一句给结论，后面再展开论证。 第五步：多平台信源建设，但拒绝低质灌水。 不同 AI 平台的检索源、内容偏好、生态接口都不同，企业要做的，是把官网、帮助中心、白皮书、产品文档、权威媒体、行业报告、垂直社区、视频内容、电商商品页、用户评价等信源，逐个纳入 AI 可触达的范围。但"全网铺稿"不等于可信：伪榜单、伪评测、软文矩阵、站群、隐藏指令，短期可能增加噪声，长期一定伤害品牌可信度。蓝皮书的提醒也很实用：没有作者、日期、方法、样本或来源说明的泛泛文章，不要轻易采纳；门户转载、营销软文、供应商自夸文章，不能当作唯一依据；论文、官方文档、法规文本、可复核的技术文档和写明方法的研究，才是优先项。 第六步：监测、复盘、纠错、组织化运营。 GEO 不是一次性项目，要有月度监测和季度复盘：固定问题样本、固定平台、固定采样时间、固定是否联网、固定单轮/多轮规则；记录原始答案和引用源；标注错误；复测修复结果。蓝皮书建议把 GEO 纳入四个流程：内容发布、产品更新、销售反馈、风险复盘——市场团队管问题库和品牌表达，产品团队管产品事实，销售团队管客户真实问题，官网/技术团队管页面上线和索引，法务管敏感内容和授权，服务商管采样、分析和推进。 十一、趋势判断：GEO 的下一站是"AI to People"商业基础设施 GEO 的三段演进可以这样概括：今天它是"AI 搜索优化"，明天它是企业的"AI 可见性基础设施"，再往后它是"AI 商业路由基础设施"。 未来的营销会分化为四个方向： • To People ：继续影响人。品牌广告、内容营销、短视频、PR、社群、直播依然有效，人依然会被故事、审美、情绪、身份认同打动； • To Search ：继续影响搜索。SEO 不会消失，大量用户仍会搜索品牌、价格、测评、攻略、售后，SEO 是品牌事实源的基础设施； • To AI ：影响 AI 如何理解你。这就是 AEO/GEO——让 AI 知道你是谁、适合谁、为什么可信、边界在哪、和竞品差在哪； • To Agent ：让 AI 能调用你。这就是 GAO、PDE、A2A、Agent Commerce——让 Agent 能读商品、查库存、比价格、调接口、付钱、处理售后。 真正的机会在第四层。前三层解决的是"被发现"和"被相信"，第四层解决的是"被交易"。当 AI 成为消费入口，品牌就不能只问"AI 会不会提到我"，还要问：AI 能不能找到我的商品？能不能解释我的优势？能不能判断我适合这个用户？能不能确认我的库存和价格？能不能安全地帮用户下单？能不能把我的服务交付给另一个 Agent？我遇到售后问题，能不能调用你的客服和政策？ 这也正是电商 GEO 下一阶段的目标： 不是求 AI 偶然推荐你一次，而是当用户带着真实需求出现时，你已是那个可信、可解释、可执行的默认选项。 十二、最后的判断：品牌增长的胜负手是事实、结构、证据与接口 未来三类企业会占优：有真实产品力和服务力，并能把这些事实结构化表达的企业；手握数据资产、用户评价、履约能力、供应链能力，且愿意把这些能力实时开放给 AI 的平台型企业；能把内容、技术、法务、产品、销售、电商、客服真正打通，沉淀出统一语义层和可信知识网络的组织。 三类企业会吃亏：只有投放预算、没有事实资产的企业；内容很多但口径混乱、证据不足、官网薄弱、商品数据不完整的企业；想靠黑帽 GEO、伪榜单、软文矩阵、AI 投毒赚快钱的企业。 GEO 的真正价值，不在于"让 AI 多提我几次"，而在于逼着企业把整套底层能力重做一遍：把关键词资产升级成语义资产，把网页内容升级成答案资产，把商品详情页升级成 PDE，把营销触点升级成 Agent 可调用服务，把品牌曝光升级为对 AI 认知的主导权。 最终，AI 会重塑品牌被发现的方式，也会重塑产品增长的方式。过去，企业只问"用户在哪，预算就往哪投"；现在要问"AI 在哪里形成判断，我的事实、证据、商品和服务能不能进入那里"；未来还要问"当 AI 替用户办事时，我能不能成为那个安全、可信、低摩擦、值得被调用的对象"。 回头看 SEO、ASO、AEO、GEO、GAO、GEM、PDE、Agent、A2A 这些术语，串起它们的其实是同一条线索： 品牌增长的主战场，正从抢流量转向抢采信，从抢点击转向抢推荐，从抢推荐转向抢执行。 【白金家族·每日一奢｜第050期】50期纪念：半个世纪的顶奢变迁——哪些品牌还在神坛，哪些已经跌落？ 【白金视野·行业洞察】具身智能政策总攻：50份文件看懂国家级野心与城市卡位 第三期杭州OPC社区游学报名开启！3大标杆社区+1个数字地标，实地解锁一人公司落地玩法 AI 搜索时代，企业家个人品牌闭环：百科词条、媒体访谈、数字人 IP 与高端社群 圈子挺小，你在就好。 推荐阅读 白金家族·每日一奢 每天3分钟，看懂一个奢侈品背后的「阶层密码」 白金视野·行业洞察 到底是不走寻常路，敢为天下先！还是流水不争先，争的是滔滔不绝！ 财富管理·资产配置 让人闲下来，让钱忙起来 白金服务商联盟 诚邀全球顶尖品牌/服务商加入白金卡联盟，携手定义高端服务新标准 白金家族·热点关注 被我们关注到了，才会变成热点 ；检索词:一人公司 最新 热点 趋势
-
hf-papers · 2026-09-20 · AI论文 / hf-daily-papers / [object Object]
Building general-purpose agents for industrial deployment requires integrating multiple capabilities, each typically acquired at a distinct stage of training. Yet there is currently no well-established recipe for Agent Continual Learning (ACL), with little understanding of the trade-offs among existing integration paradigms. To address this gap, we introduce ACLArena, a framework for comprehensively studying, analyzing, and evaluating ACL. We first build a sequential training pipeline and conduct an in-depth analysis that explains the mechanisms of forgetting and generalization from two complementary perspectives, the model level and the token level. Guided by these analyses, we systematically compare multi-teacher on-policy distillation, self-distilled fine-tuning, and model merging to assess their ability to recover previously learned capabilities while preserving newly acquired ones. Through extensive experiments, we develop a detailed understanding of how capabilities transfer across stages. Finally, we propose a new ACL recipe that combines offline replay over high-quality trajectories with a routed network of multiple LoRA experts each specialized via RL, substantially improving the agent's ability to learn across multiple domains. Comprehensive experiments on four reasoning and agentic tasks, evaluated under both in-domain and out-of-domain settings, demonstrate the value of our analysis and the effectiveness of our approach.
-
justoneapi-weibo · 微博热搜 / JustOneAPI
-
justoneapi-all · JustOneAPI / AI与Agent 最新 热点 趋势
植被与土地利用识别、土壤碳氮空间预测、生物多样性驱动机制、土壤微生物功能预测、生态退化与风险识、论文写作 当前，生态学与地学研究正经历从"样点观测"向"多源大数据综合分析"的深刻转变。遥感影像、气候再分析数据、地形因子、土壤调查、生物观测和微生物组数据以前所未有的速度积累，研究问题也从单一因子分析转向多因子耦合、非线性响应和空间预测。面对这一趋势，能够驾驭机器学习方法的科研工作者，正在获得明显的研究效率与成果质量优势。 在众多机器学习方法中，XGBoost以其卓越的预测精度、对非线性和交互作用的天然刻画能力、对中小样本数据的良好适应性，以及SHAP等配套解释框架带来的机制解析能力，已成为生态、地学、环境、农业等领域高水平论文中应用最广泛的算法之一。掌握XGBoost，就是掌握一套从"数据"到"预测"、从"相关"到"机制"的完整研究工具。 与此同时，AI大模型工具正在重塑科研工作方式：辅助梳理研究思路、理解代码逻辑、检查数据质量、解读模型结果、打磨论文表达。AI不替代科研判断，但能显著降低方法学习门槛、压缩重复性工作时间。将XGBoost建模能力与AI辅助能力结合，是当前研究生和青年科研人员性价比最高的技术投资之一。 正是基于这一背景，我们开设了本次培训班。课程不做概念宣讲，而是以真实研究流程为主线——从研究问题界定、多源数据整合、模型构建与调优、结果解释，到论文图表与文字表达——通过五类高频生态地学案例的完整实操，帮助学员把机器学习真正用进自己的课题中，形成可复现、可解释、可发表的研究成果。 【参会对象】：从事生态学、地理学、环境科学、土壤学、水文学、林学、农业资源与环境、遥感与GIS等方向研究以及自然资源调查监测、生态评估、林草湿监测、流域管理、生态恢复与风险评等工作，希望拓展研究方法体系、掌握数据驱动的分析预测工具、提升论文质量与投稿层次的科研学者及相关人员。 【课程受益】： 一套完整的方法能力：系统掌握XGBoost的核心原理、参数体系、验证策略与结果评价标准，能够独立完成分类识别、空间预测、机制解析和风险评价四类典型建模任务，而不是停留在"跑通代码"的层面； 五类可直接迁移的案例经验：通过植被与土地利用识别、土壤碳氮空间预测、生物多样性驱动机制、土壤微生物功能预测、生态退化与风险识别五个完整案例，学员可将课程代码框架和分析流程直接迁移到自己的研究数据上； AI辅助科研的规范工作方式：学会在研究问题梳理、数据整理、代码理解、模型诊断、结果解释和论文写作各环节合理使用AI工具，在提高效率的同时守住学术规范与研究判断的主动权； 成果产出：课程结束提供学习过程中建模数据集、可复现的建模代码、模型评价表、SHAP解释图、空间图件以及用于论文或项目报告的方法与结果文字——让培训成果真正转化为论文与项目中的实际产出。 会议赠送：1个月ChatGPT会员【可同时使用Claude、Gemini、Grok等模型】 直播时间 10月17日-18日、24日-25日【提供所有课程资料及回放】 报名后加入专属直播助学群，会议流程、会议准备、注意事项、课程资料及数据会提前在助学群中公布。 教学特色 1.原理深入浅出的讲解，强调原理的重要性； 2.技巧方法讲解，提供课程配套的完整教材数据及提供长期回放； 3.与项目案例相结合，更好的对接实际工作应用； 4.跟学上机操作、独立完成案例操作练习、全程问题跟踪解析； 5.专属助学群辅助巩固学习及实际工作应用交流，不定期召开线上答疑。 培训费用 非会员费用：3580元 会员费用：参见会员政策 活动： 1、学生凭学生证有效证件参会可享受85折优惠； 2、2人或以上组团报名，可享受8折参会。 发票及证书 内容详情 专题一 AI辅助下的机器学习与生态—地学数据建模基础 教学目的：明确AI在生态—地学机器学习中的辅助定位，建立“研究问题—响应变量—环境变量—评价指标”的基本框架。 讲解内容： 1.AI辅助科研的基本定位与使用边界 2.生态—地学研究中的常见建模问题 3.生态地学数据的基本特征 4.分类、回归与风险识别任务的区别 5.AI辅助下的机器学习建模流程 案例实践：使用AI辅助梳理研究问题，完成示例数据读取、数据质量检查和第一个基线模型训练。 专题二 XGBoost算法原理与AI辅助规范建模 教学目的：理解XGBoost的核心原理和规范建模流程，并学会使用AI辅助理解代码、参数和模型诊断结果。 讲解内容： 1.决策树、集成学习和Boosting思想 2.GBDT与XGBoost目标函数 3.正则化、学习率和树深度等关键参数 4.交叉验证与参数搜索方法 5.AI辅助代码理解与模型诊断 案例实践：完成XGBClassifier与XGBRegressor建模，使用AI辅助检查代码注释，输出模型评价表、学习曲线和特征重要性图。 专题三 AI辅助多源生态地学数据整合与特征工程 教学目的：掌握多源数据进入模型前的整理方法，并使用AI辅助完成变量说明、数据检查和特征工程记录。 讲解内容： 1.样点、样方、像元、流域和行政区变量组织 2.遥感指数和地形因子构建 3.气候、土壤、水文和人类干扰变量整理 4.共线性、异常值和空间自相关处理 5.AI辅助变量字典和数据质量报告整理 案例实践：完成“样本—环境变量—响应变量”建模表整理，使用AI辅助生成变量字典和数据质量检查说明。 专题四 植被与土地利用类型识别 教学目的：以植被类型和土地利用识别为固定案例，完成多类别分类建模与结果评价。 讲解内容： 1.植被类型和土地利用识别的基本原理 2.光谱、物候、地形、气候和土壤变量的作用 3.类别不平衡与样本代表性问题 4.分类模型精度评价方法 5.AI辅助分类结果解释 案例实践：完成多类别XGBoost分类模型，使用AI辅助整理类型识别结果说明，输出混淆矩阵、总体精度、Kappa、各类别F1和类型识别结果图。 专题五 土壤碳氮与养分空间预测 教学目的：以土壤有机碳、全氮或养分含量预测为固定案例，完成回归建模与空间表达。 讲解内容： 1.土壤碳氮与养分空间变异的控制因素 2.气候、地形、植被、母质和管理变量的作用 3.回归模型残差与空间泛化能力 4.预测不确定性的表达方式 5.AI辅助空间预测结果描述 案例实践：完成土壤碳氮或养分回归模型，使用AI辅助整理空间预测结果文字，输出模型评价表、空间预测图和关键控制因子图。 专题六 生物多样性驱动机制解析 教学目的：使用XGBoost和SHAP分析生物多样性与环境因子之间的非线性关系，并规范表达驱动机制。 讲解内容： 1.物种丰富度和常用多样性指数 2.气候、地形、土壤和干扰变量的复合影响 3.SHAP值的基本含义 4.变量依赖关系和交互作用 5.AI辅助机制解释与讨论边界 案例实践：完成多样性指数预测模型，使用AI辅助整理关键因子解释，输出SHAP汇总图、依赖图和关键驱动因子排序。 专题七 土壤微生物与生态系统功能预测 教学目的：把机器学习方法用于地下生态过程分析，理解土壤性质、植被输入和微生物群落之间的联系。 讲解内容： 1.细菌、真菌和功能基因多样性指标 2.土壤性质对微生物群落的影响 3.植被输入和管理措施的作用 4.高维组学数据的指标筛选 5.AI辅助微生物结果解释 案例实践：完成微生物多样性预测模型，使用AI辅助整理土壤—植物—微生物关系说明，输出关键环境因子和生态功能解释框架。 专题八 生态退化、干旱与水土流失风险识别 教学目的：面向生态安全和自然资源管理需求，完成生态风险识别、等级划分和恢复优先区分析。 讲解内容： 1.生态退化、干旱胁迫和水土流失风险指标 2.遥感变化与植被生产力诊断 3.土壤质量、降水亏缺和人类干扰变量 4.风险概率建模与等级划分 5.AI辅助风险结果和管理建议整理 案例实践：完成生态风险识别模型，使用AI辅助整理风险分区说明，输出风险概率图、低中高风险等级图和恢复优先区结果。 专题九 科研结果表达与AI辅助论文写作 教学目的：把模型结果转化为规范的论文、报告和项目材料，明确AI辅助写作的使用方式和学术边界。 讲解内容： 1.机器学习生态地学论文的常见结构 2.数据来源与变量构建的写法 3.模型参数与验证策略的写法 4.SHAP图和空间图的结果表达 5.AI辅助摘要、结果、讨论和审稿回复整理 案例实践：完成方法段落、结果段落和图表说明整理，使用AI辅助校对文字逻辑，形成一份案例成果文字稿。 注：请提前安装所需软件。 课程专员 王老师183-4893-7383（微电） 网络直播+视频回放+全部课程资料+助学群辅助 （点击课程标题查看详情） 人工智能、论文写作、基金 第八期：2026基于前沿AI-Agent2.0驱动的科研全链路实战营 培训时间：10月16日-19日 第五期：基于Claude Code 、Codex双AI协同高水平论文撰写与质量校准：研究定位→数据分析→论文初稿→交叉审稿→投稿与返修全流程实践培训班 培训时间：9月26日-27日 第五期：告别单兵作战——搭建你的24小时AI智能科研团队 面向真实科研场景，以Codex、Claude Code、OpenClaw、Hermes四位"AI研究员"为核心，构建可迭代、可复用的科研协作团队全流程自动化培训班 培训时间：10月22日-26日 基于Karpathy LLM Wiki范式的可溯源AI科研知识库构建与Codex与Claude Code全链路工作流实践——从OpenAlex元数据检索、Zotero MCP协议化整理到Obsidian可溯源知识问答，系统覆盖文献·数据·基金·结题报告全生命周期闭环管理培训班 培训时间：10月8日、10日-11日 第二十期：2027年国自然与省级基金申报全链路实战高级培训班 培训时间：10月10日-11日 AI-Python前沿深度学习核心架构与科学计算实战——PINN正反问题求解、Transformer多领域建模、图神经网络时空推理、深度强化学习、进化深度学习与扩散模型、自进化Agent数据科学应用高级研修班 培训时间：10月10日-11日、17日-18日 第十一期：AI智能体赋能R-Meta分析核心技术全链路高级培训班涵盖从文献计量热点挖掘，到经典与网状Meta建模、贝叶斯MCMC推断、MetaForest机器学习，直至SCI规范发表与Codex自动化实现 培训时间：10月16日-17日、23日-24日 第八期：高水平学术论文写作的“破局”之道暨AI赋能下前沿选题、智能写作、科研可视化、精准选刊与投稿、审稿博弈策略及CNS顶刊跃迁进阶全链路实践培训班 培训时间：10月23日-24日、30日-31日 第二期：基于Claude Code与Codex双AI Agent协作的WebGIS项目全链路开发与生产级部署实战高级培训班 培训时间：11月21日-22日 农林/生态/遥感类 AI-XGBoost机器学习与生态—地学大数据深度挖掘：从算法原理、多源数据建模到高水平论文产出全流程实战培训班 培训时间：10月17日-18日、24日-25日 第二期：GeoAI遥感深度学习高级研修班场景分类·语义分割·目标检测·变化检测四大任务，从CNN、Transformer到空间基础模型与AI Agent全流程实战技术应用 培训时间：10月17日-18日、24日-25日 地下水/水文/地质类 第九期：融合AI与 Python机器学习（随机森林/SVM/XGBoost/神经网络）的滑坡·崩塌·泥石流易发性评价、危险性-易损性-风险全流程评估、空间数据库信息化建库、灾后重建选址与应急救援路径规划及SCI论文写作发表全链条实战高级培训班 培训时间：10月14日-15日、19日-21日 HYDRUS 1D/2D/3D全模块高阶建模、参数反演与土壤–水–污染物耦合模拟暨水-汽-热-溶质联动、双孔隙度、胶体运移、根系吸水及污染羽迁移、土壤淋洗、废渣淋溶案例精讲培训班 培训时间：10月17日-18日、24日-25日 大气科学类 双碳目标下区域大气环境与新能源气候资源未来演变高精度模拟技术：CMIP6+WRF-Chem、误差订正与多情景污染—气候协同评估及典型案例应用培训班 培训时间：10月10日-11日、17日-18日 第二期：WRF模拟全技术链实践暨Linux编译排错、FNL/ERA5驱动场处理、长时序模拟配置、下垫面改造与物理参数调整、Python诊断分析及可视化高阶培训班 培训时间：10月17日、24日-25日 WRF模式、NCL、CMAQ空气质量模式、PMF源解析、Calpuff模型、FLEXPART模式、SMOKE模式、VOCs排放量核算、大气臭氧来源解析、CAMx、EKMA曲线、MCM箱模型、WRF-Hydro、WRF-Chem、WRF-UCM、WRF-SOLAR、WRFDA、Python气象海洋、CMIP6数据处理等完整教程 视频教程+ 全套课件+ 案例数据代码+随行导师群 （点击课程标题查看详情） 论文写作基金撰写课程（即买即看） 点击下方标题查看详情 2027年国自然与省级基金项目申报全链条实战 面向真实科研场景，构建由Codex、Claude Code、OpenClaw、Hermes四位"AI研究员"组成的可迭代、可迁移的科研协作团队实战 基于claude code、codex双AI协同论文写作撰写与质量校准：从"数据分析→论文初稿→交叉审稿"全流程 高水平学术论文写作的“破局”之道暨AI支持下的高分SCl论文前期准备、写作、高质量图表制作、投稿技巧一站式提升 一图胜千言-顶刊级科研绘图工坊暨AI支持下Nature级数据可视化 AI+学术双驱高强度论文写作特训营工具实操+完整初稿 基于前沿AI-Agent2.0驱动的科研全链路实战营 自主构建智慧科研写作系统——融合LLM语义理解、多智能体任务调度与n8n工作流的自动化集成构建的实践技术 OpenClaw、Hermes+Vibe Coding核心实战玩法，手把手教你本地部署与云端协同，实现知识、论文自动化工作流 零实验、AI融合：最新文献计量学SCI论文高效写作 AI赋能·SCI论文从实验设计到发表全流程实践 【高分论文密码系列】AI赋能R-Meta分析核心技术：从热点挖掘到高级模型、助力高效科研与论文发表 最新Hermes Agent技能封装与科研自动化实战：以Meta-Analysis为例-实现从文献检索到绘图的一站式工作流 SCI顶刊美学：基于Python与AI语义增强的Geo-AI科研绘图 基于Claude Code与Codex双Agent协作的WebGIS全链路开发 体系课程+课件 资料 及数据代码+导师随行辅导 在校学生享专属优 惠， 最高享受 7.5 折 优惠 生态农林精品体系课程（即买即看） 点击下方标题查看详情 InVEST实践与进阶及在生态系统服务供需、固碳、城市热岛、论文写作等实际项目中的应用 基于生态系统服务（InVEST模型）的人类活动、重大工程生态成效评估、论文写作等应用 MAXENT模型生物多样性生境模拟与保护优先区甄选、保护区布局优化评估实践技术应用及论文写作 基于R语言、MaxEnt模型融合技术的物种分布模拟、参数优化方法、结果分析制图与论文写作 利用ArcGIS探究环境和生态因子对水体、土壤和大气污染物的影响 无人机生态环境监测、图像处理与GIS数据分析技术 基于MATLAB野外观测站生态气象数据处理分析实践 最新AI与Python在地球科学多源数据交叉融合中的前沿技术应用 基于Python常见地球科学数据（ERA5、雪深、积雪覆盖、海温、植被指数、土地利用）处理 CLM陆面过程模式实践技术应用及进阶 地球系统模式（CESM）实践技术应用及进阶 ArcGIS土地利用数据制备、分析及基于FLUS模型土地利用预测 CLUE模型构建方法、模型验证及土地利用变化情景预测应用 基于Fragstats的土地利用景观格局分析 IBIS陆地生态系统模型从环境搭建、多源数据预处理到水-热-碳-氮耦合模拟、模型验证与论文成果衔接全链路实战应用 PROSAIL模型前向模拟与植被参数遥感提取代码实现 【SWH】陆地生态系统蒸散模拟理论、蒸散估算、站点及区域尺度模拟 植被参数光学遥感反演方法(Python)及遥感与生态模型数据同化算法 智慧农林核心遥感技术暨AI赋能农林遥感智能提取99案例实践 无人机遥感在农林信息提取中的实现方法与GIS融合应用 基于MATLAB的无人机遥感数据预处理与农林植被性状估算 AI与R语言融合技术在生态环境数据统计分析、绘图、模型中的实践与进阶应用 HMSC联合物种分布模型在群落生态学中的贝叶斯统计分析应用 生态系统碳循环模型CENTURY 建模方法与实例 Biome-BGC生态系统模型与Python融合技术实践应用 基于R语言的DICE模型实践技术应用 CASA（Carnegie-Ames-Stanford Approach）模型原理及实践应用 生态系统NPP及碳源、碳汇模拟实践技术应用 基于LPJ模型的植被NPP模拟、驱动力分析及其气候变化响应预测 【高阶版】R语言空间分析、模拟预测与可视化应用 【高分论文密码系列】大尺度空间模拟预测与数字制图 基于Python的生态学、地学领域高质量科研可视化制图 Meta分析在生态环境领域中的实践技术应用 R语言在生态环境领域中的实践技术应用 MATLAB在生态环境数据处理与分析中的应用 基于MATLAB长时间序列遥感数据处理及在全球变化、物候提取、植被变绿与固碳分析、生物量估算与趋势分析等领域中的应用 最新AI赋能Python长时序植被遥感动态分析、物候提取、时空变异归因及RSEI生态评估 基于Python长时间序列遥感数据处理及在全球变化、物候提取、植被变绿与固碳分析等领域中的应用 最新基于R语言森林生态系统结构、功能与稳定性分析与可视化 Python支持下最新Noah-MP陆面模式站点、区域模拟及可视化分析 Noah-MP陆面过程模型建模方法与站点、区域模拟实践技术应用 陆面生态水文模拟与多源遥感数据同化的实践技术应用 AquaCrop模型农业水资源管理及代码解析 生态碳汇涡度相关监测与通量数据分析应用 全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 遥感数据与作物生长模型同化及在作物长势监测与估产中的应用 【独孤九剑】：R语言与作物模型（以DSSAT模型为例）融合应用 最新DSSAT作物模型建模方法及实践技术应用 基于Python语言快速批量运行DSSAT模型及交叉融合、扩展应用 基于R语言APSIM模型高级应用及批量模拟 WOFOST模型与PCSE模型实践技术应用 地表–耕作层–根区–潜水面水盐运移模拟 全流程基于最新导则下的生态环境影响评价技术方法及图件制作与案例实践 基于遥感解译与GIS技术生态环境影响评价图件制作 生态环境影响评价技术应用及典型实践案例分析 AI辅助Python-ArcGIS分析核心技术：从站点到区域的蒸散发与植被生产力估算实践应用 基于”Python+”多技术融合在蒸散发与植被总初级生产力估算中的实践应用 地表蒸散发遥感产品信息提取验证与融合实践应用 遥感、GIS和GPS技术在水文、气象、灾害、生态、环境及卫生等领域中的应用 基于STELLA系统动态模拟技术及在农业、生态及环境等科学领域中的应用 基于LEAP模型在能源环境发展、碳排放建模预测及分析中实践应用 双碳目标下基于“遥感+”融合技术在碳储量、碳收支、碳循环等多领域监测与模拟实践应用 基于OpenLCA、GREET、R语言的生命周期评价方法、模型构建及典型案例 建筑设计全过程碳排放计算与案例分析专题 “双碳”目标下资源环境中的可计算一般均衡（CGE）模型 R语言生物群落（生态）数据统计分析与绘图实践 基于R语言BIOMOD2及机器学习方法的物种分布模拟与案例分析 农田通量计算方法与应用实践技术 双碳目标下农田温室气体排放估算与模拟实践技术应用 基于“遥感+”蓝碳储量估算、红树林信息提取实践技术应用与科研论文写作 环境多介质逸度模型实践技术与典型案例【代码】应用 R语言贝叶斯方法在生态环境领域中的高阶技术应用 AI驱动全流程基于PLUS-InVEST模型的生态系统服务多情景智能模拟与土地利用优化、论文写作 双碳目标下DNDC模型建模方法及在土壤碳储量、温室气体排放、农田减排、土地变化、气候变化中的实践技术 基于“SRP模型+”多技术融合在生态环境脆弱性评价模型构建、时空格局演变分析与RSEI 指数的生态质量评价及拓展应用 基于当量因子法、InVEST、SolVES模型等多技术融合在生态系统服务功能社会价值评估中的应用及论文写作、拓展分析 基于ArcGIS Pro、Python、USLE、INVEST模型等多技术融合的生态系统服务构建生态安全格局 基于ArcGIS Pro、R、INVEST等多技术融合下生态系统服务权衡与协同动态分析实践应用 多技术融合提升环境、生态、水文、土地、农业、大气等领域科研技术水平 基于R语言的物种气候生态位动态量化与分布特征模拟 基于R语言机器学习方法在生态经济学领域中的应用 基于GIS、RS、VORS模型、CCDM模型、geodetecto、GWR模型集成的生态系统健康的耦合协调分析 基于AI支持下的自然科学研究全流程实践技术应用 AI+Python驱动的无人机生态三维建模与碳储/生物量/LULC估算全流程实战 GeoAI大模型驱动的地球科学智能计算前沿实践 体系课程+课件 资料 及数据代码+导师随行辅导 在校学生享专属优 惠， 最高享受 7.5 折 优惠 遥感精品体系课程（即买即看） 点击下方标题查看详情 GEE-PIE遥感大数据处理与典型案例实践 最新AI赋能Python-GEE遥感云大数据分析、可视化与Satellite Embedding创新 AI支持下的GEE遥感云大数据林业应用典型案例实践 遥感云大数据在灾害、水体与湿地领域典型案例及AI大语言模型应用 GIS数据制备，空间分析与高级建模实践应用 AI-ArcGIS数据处理、空间分析、可视化及多案例应用 空间数据采集与管理 激光雷达数据处理与典型案例分析实践技术应用 GeoAI遥感深度学习高级研修班场景分类·语义分割·目标检测·变化检测四大任务，从CNN、Transformer到空间基础模型与AI Agent全流程实战技术应用 基于PyTorch深度学习无人机遥感影像目标检测、地物分类及语义分割实践 基于python深度学习遥感影像地物分类与目标识别、分割实践技术应用 PyTorch深度学习遥感影像地物分类与目标检测、分割及遥感影像问题深度学习优化 遥感影像目标检测：从CNN（Faster-RCNN）到Transformer（DETR）实践 从CNN到Transformer：基于PyTorch的遥感影像、无人机影像的地物分类、目标检测、语义分割和点云分类 近地面无人机植被定量遥感与生理参数反演实践 “卫星-无人机-地面”遥感数据快速使用及地物含量计算的实现方法实践 AI智慧高光谱遥感实战精修班暨手撕99个案例项目、全覆盖技术链与应用场景一站式提升方案 AI+Python驱动的高光谱遥感全链路解析与典型案例实践 高光谱遥感数值建模技术及在植被、水体、土壤信息提取 Matlab高光谱遥感数据处理与混合像元分解实践 “Python+”集成技术高光谱遥感数据处理与机器学习深度应用 智能遥感新质生产力暨DeepSeek、Python、OpenCV驱动的空天地数据识别与计算及15个行业标杆案例实践 基于R语言机器学习遥感数据处理与模型空间预测技术及实际项目案例分析 GNSS、北斗高精度数据处理暨新版GAMITGLOBK软件实战 ArcGIS Pro实践技术应用暨基础入门、制图、空间分析、影像分析、三维建模、空间统计分析与建模、python融合、案例应用全流程科研能力提升 成像光谱遥感技术中的AI革命：AI在遥感领域中的应用 解锁空间数据新质生产力暨AI（DeepSeek、ChatGPT）、Python、ArcGIS Pro多技术融合下的空间数据分析、建模与科研绘图及论文写作 量化遥感与GeoAI高级建模全流程实践 合成孔径雷达干涉测量InSAR数据处理、地形三维重建、形变信息提取、监测等 基于GMTSAR合成孔径雷达干涉测量InSAR数据处理、形变信息提取与分析 体系课程+课件 资料 及数据代码+导师随行辅导 在校学生享专属优 惠， 最高享受 7.5 折 优惠 大气环境精品体系课程（即买即看） 点击下方标题查看详情 WRF模拟全技术链实践暨Linux编译排错、FNL/ERA5驱动场处理、长时序模拟配置、下垫面改造与物理参数调整、Python诊断分析及可视化 基于SMOKE多模式排放清单处理技术及EDGAR/MEIC清单制作与VOCs排放量核算 空气质量预报模式系统WRF-CMAQ应用及改进与污染源排放清单建立 系统学习CMAQ空气质量模式实践技术应用 区域气象-大气化学在线耦合模式（WRF/Chem）在大气环境中的应用 NCL数据分析与处理实践应用视频课程 大气颗粒物PMF源解析实践技术应用 EKMA曲线及大气O3来源解析 MCM箱模型建模方法及大气O3来源解析实践技术应用 WRFDA资料同化实践技术应用 R语言在气象、水文中数据处理及结果分析、绘图实践技术应用 水文气象时序分析-从ARMA到Mamba的全栈技术应用 Python人工智能在气象中的实践技术应用 如何使用格点数据分析中国霜冻灾害变化技术 基于MATLAB野外观测站生态气象数据处理分析 基于CALMET诊断模型的高时空分辨率精细化风场模拟 如何使用格点数据分析中国积温变化技术 基于CAMx的空气质量模拟及污染来源解析技术与案例分析 基于CAMX大气臭氧来源解析模拟与臭氧成因分析实践技术 Python在WRF模型自动化运行及前后处理中的实践技术应用 最新AI+CMIP6数据分析与可视化、降尺度技术与气候变化的区域影响、极端气候分析 基于全球模式比较计划CMIP6与区域气候-化学耦合模式WRF-Chem的未来大气污染变化模拟 双碳目标下太阳辐射预报模式【WRF-SOLAR】模拟方法及改进技术在气象、农林生态、电力等相关领域中的实践应用 最新气象水文耦合模式WRF-Hydro建模技术与案例实践应用 大气污染扩散模型Calpuff实践技术应用 基于站点、模式、遥感多源降水数据融合应用 （WRF-UCM）高精度城市化气象动力模拟技术与案例实践应用 FLEXPART拉格朗日粒子扩散模式建模技术及研究大气污染物源-汇关系中的实践经验与技巧 基于Python机器学习、深度学习技术提升气象、海洋、水文领域实践应用 最新MPAS跨尺度、可变分辨率模式实践技术应用及典型案例分析 基于AERMOD模型在大气环境影响评价中的实践应用 “AI大语言模型”助力大气科学相关交叉领域实践应用 基于Python星载气溶胶数据处理与反演分析实践应用 大涡模拟实战：从WRF到PALM的完整数值模拟工作流 智能气候前沿：AI Agent结合机器学习与深度学习在全球气候变化驱动因素预测中的应用 体系课程+课件 资料 及数据代码+导师随行辅导 在校学生享专属优惠， 最 高享 受 7.5 折 优惠 水文、地下水土壤体系课程（即买即看） 点击下方标题查看详情 AI辅助下基于ArcGIS Pro的SWAT模型全流程高效建模实践与深度进阶应用 SWAT模型高阶十七项案例分析实践技术 SWAT模型在水文水资源、面源污染模拟中的实践技术应用及典型案例分析 SWAT模型高阶应用暨无资料地区建模、不确定分析与气候变化、土地利用对面源污染影响模型改进及案例分析 最新SWAT+模型在水文水资源及面源污染模拟中的实践技术应用及典型案例分析 AquaAI水系统遥感智能监测技术暨60个案例覆盖多源数据处理、水体动态监测、水质AI反演与预警系统开发实践 最新流域生态系统碳排放、碳循环模拟与评估技术应用 AI驱动的流域水–碳–氮多过程耦合模拟 基于AI+多技术融合在流域生态系统服务评价、水文水生态分析、碳收支、气候变化影响、制图等领域中的实践 极端气候对流域水循环及水环境影响系统实践 水文水资源、水生态与水环境领域必修技能暨ArcGIS Pro全流程实践技术学习及AI融合 AI支持下的水科学全景解析：暨AI在水文水资源、水环境科研与工程中的全方位实践 地表水-地下水耦合建模全景解析暨SWAT-MODFLOW地表与地下协同模拟及多情景专题应用 HEC-RAS一维、二维建模方法及实践技术应用 全流程HEC-RAS 1D/2D水动力与水环境模拟技术案例实践及拓展应用 基于多案例系统学习防洪评价报告编制方法与水流数学模型建模实践 SWMM排水管网水力、水质建模及在海绵与水环境中的应用 SWMM模型深度技术与案例精讲 SWMM复杂城市排水系统模型及排水防涝、海绵城市设计等工程实践应用与二次开发 最新水文水动力模型在城市内涝、城市排水、海绵城市规划设计中深度应用 基于ArcGIS水文分析、HEC-RAS模拟技术在洪水危险性及风险评估 基于ArcGIS、InVEST与RUSLE水土流失模拟及分析中的实践技术应用 ArcGIS在洪水灾害普查、风险评估及淹没制图中的实践技术应用 AHP层次分析法在水利中的实践技术应用 水资源论证方法与报告编制技术及实际案例分析 基于R语言的水文、水环境模型优化技术及快速率定方法与多模型案例实践 HEC-HMS水文模型实践技术应用 HSPF(Hydrological Simulation Program Fortran)模型应用 R+VIC模型融合实践技术应用及未来气候变化模型预测 山洪径流过程模拟及洪水危险性评价技术 HYPE分布式水文模型建模方法与案例分析实践 基于Python实现的深度学习技术在水文水质领域应用 地理信息系统（ArcGIS）在水文水资源、水环境中的实践技术应用及案例分析 AQUATOX水环境与水生态模型实践技术应用 “R语言+遥感”的水环境综合评价方法实战 Delft3D建模、水动力模拟方法及在地表水环境影响评价中的应用 Delft3D水动力-富营养化模型实践技术应用 基于Delft3D模型的标量输运、波浪、拉格朗日粒子及溢油模型实践技术应用 Delft3D水动力与泥沙运动模拟实践技术应用 FVCOM流域、海洋水环境数值模拟方法及实践应用 基于FVCOM模型的三维水动力、水交换、溢油物质扩散及输运数值模拟 最新FVCOM 潮流、波浪、泥沙、水质、温盐、染色剂、粒子示踪、嵌套、背景流、自动化全流程 Python在气象与海洋中的实践技术应用 基于python+ADCIRC潮汐、风驱动循环、风暴潮等海洋水动力模拟实践 全流程GMS地下水数值模拟技能培养及溶质运移反应问题深度解析实践技术 基于Surfer与Voxler数据处理及可视化实践技术 地面沉降数值模拟方法与实践技术应用 环境土壤物理Hydrus1D2D模型实践技术应用及典型案例分析 环境土壤物理Hydrus2D/3D模型实践技术应用 系统性学习环境土壤物理模型HYDRUS1D/2D/3D建模方法与案例实践 全流程各工程类型地下水环境影响评价【一级】方法与MODFLOW Flex建模 地下水环评（一级）实践技术及Modflow地下水数值模拟 地下水数值模拟软件Visual modflow Flex实践应用 水土保持方案编制实操与典型案例解析 《生产建设项目水土保持方案技术审查要点》要求下水土保持方案编制 全系统各类型工程水土保持方案编制实践技术系列 三维地质建模数据处理高级实践技术应用 PHREEQC建模及典型案例解析与高阶拓展应用 岩土工程渗流问题之有限单元法：理论、模块化编程实现、开源程序手把手实操 最新Python-PLAXIS自动化建模技术与典型岩土工程案例实践应用 计算流体力学ANSYS FIuent实践技术应用 遥感、GIS及GPS在土壤普查、制图及土壤空间数据分析中的实践技术应用 基于遥感与GIS在滑坡、泥石流易发性、危险性、风险评价及普查中的应用 基于RWEQ模型的土壤风蚀模数估算及其变化归因分析 TOUGH系列软件建模实践方法及在地下水、CO2地质封存、水文地球化学等多相多组分系统多过程耦合 ContextCapture Master 倾斜摄影测量实景三维建模 AI大语言模型驱动的地质灾害全流程智能防治：风险评估、易发性分析与灾后重建多技术融合 体系课程+课件 资料 及数据代码+导师随行辅导 在 校学生享专属优惠， 最高享受 7.5 折 优惠 语言类体系课程（即买即看）点击下方标题查看详情 最新ChatGPT、DeepSeek等大语言模型助力高效办公、论文与项目撰写、数据分析、机器学习与深度学习建模等深度科研应用 MATLAB 2024b深度学习新特性全面解析与DeepSeek大模型集成开发 MATLAB机器学习、深度学习实践应用（2021b） 最新基于2023aMATLAB深度学习实践技术应用 MATLAB 近红外光谱分析技术及应用视频 最新AI-Python机器学习与深度学习近红外光谱全流程分析（预处理-建模-可视化） 基于R语言的贝叶斯网络模型的实践技术应用 基于R语言贝叶斯进阶:INLA下的贝叶斯回归\生存分析\随机游走、广义可加模型\极端数据的贝叶斯分析 基于R语言的现代贝叶斯统计学方法（贝叶斯参数估计、贝叶斯回归、贝叶斯计算）实践技术 最新基于R语言结构方程模型分析与实践技术应用 基于R语言piecewiseSEM结构方程模型在生态环境领域实践技术应用 【SEM】：结构方程模型（SEM）高阶应用系列 最新基于R语言lavaan结构方程模型（SEM）实践技术应用 随机森林模型核心技术与科研应用 基于R、Python的Copula变量相关性分析及AI大模型应用 基于R语言的极值统计学及其在相关领域中的应用 R语言混合效应（多水平/层次/嵌套）模型及贝叶斯实现技术应用 基于R语言的分位数回归实践技术高级应用 最新AI-Python自然科学领域机器学习与深度学习技术 AI-Python机器学习与深度学习核心架构、可解释AI及前沿技术应用 最新Transformer模型及深度学习前沿技术应用 深度学习全景进阶：最新Python深度学习进阶与前沿应用 R语言生物信息学大数据分析与绘图技术 基因家族分析及SCI写作技巧实践技术应用 基于PyTorch深度学习实践技术应用 Python数据挖掘与机器学习实践应用 最新Python深度学习技术进阶与应用 最新AI支持下的PyTorch机器学习与深度学习实践 AI支持下的Python数据分析与可视化、人工智能建模及论文撰写 R语言数据统计分析与ggplot2高级绘图实践应用 面向高校的基于算法的发明专利申请写作方法 基于GeoDa与R语言的空间数据回归实践技术应用 基于R语言地理加权回归、主成分分析、判别分析等空间异质性数据分析 基于MATLAB科研数据可视化 基于Python科研数据可视化 分子动力学LAMMPS模拟实战技术应用 基于通用优化软件GAMS的数学建模与优化分析 基于GAMS的电力系统优化分析 基于现代R语言【Tidyverse、Tidymodel】的机器学习方法 面向课题组团队及科研人员AI培养计划：AI人工智能实践技术系统性教学方案 如何使用python网络爬虫批量获取公共资源数据实践 基于Python机器学习及深度学习在空间模拟与时间预测领域中的实践技术应用 基于python多光谱遥感数据处理、图像分类、定量评估及机器学习方法应用 AI支持下的临床医学日常工作、论文撰写、数据分析与可视化、机器学习、深度学习技术 AI大语言模型进阶应用及模型优化、本地化部署、从0-1搭建、智能体构建技术 最新"科研创新与智能化转型“暨AI 智能体（Agent）开发、大语言模型（LLM）本地化部署与RAG/微调优化 AI与Python双驱动计量经济学多源数据处理、机器学习预测及复杂因果识别全流程实战 体系课程+课件 资料 及数据代码+导师随行辅导 在校学生享专属优惠， 最高享受 7.5 折 优惠 会员专享 如何成为会员： 1. 凡参加Ai尚研修收费课程即为会员； 2. 学生凭有效证件享受会员85折优惠。 会员特权： 1. 参加直播、视频课程费用累积进行折扣， 享 8.5折-7.5折 (一阶会员8.5折，高阶会员8折，尊享会员7.5折)； 2. 参与课程组织与报名，推荐者可获得课程 5%推荐现金 ；3.免费享受Ai尚研修会议平台中“会员免费”视频教程；4.长期免费参与针对各领域简学实用公开课（无门槛）；5.免费参与开设的导师面对面线上答疑交流；6.Ai尚研修资源站分享中数据免费下载。 Ai尚研修-王艳 183-4893-7383（电话） END Ai尚研修 丨专注科研领域 技术推广，人才招聘推荐，科研活动服务 科研技术云导师，Easy Scientific Research ；检索词:AI与Agent 最新 热点 趋势
-
justoneapi-all · JustOneAPI / AI与Agent 最新 热点 趋势
1、Jev模型基本概念与设计逻辑 Jev模型命名与开发背景：模型的命名源自经济学家杰文斯的相关理论，该理论指出当资源成本大幅下降时会带动相关应用需求爆发，这一逻辑同样适用于信息技术与模型领域，伴随硬件CPU、GPU成本持续下行，AI应用需求将持续扩容，Jev可极大降低软件开发与AI企业端落地成本，有望催化应用爆发。 该模型由前OpenAI研究员、InstructGPT论文联合作者领衔开发，历时2年闭关研发，于2026年9月15日结束隐身状态正式对外发布。产品走开源路线，目前可在Open Root、Cloud FLY等平台免费使用，已有团队仅用几天时间就复刻出同等表现的模型，进一步降低了技术应用门槛。 ·核心设计理念与技术逻辑：Jave模型的核心设计理念借鉴了《思考，快与慢》中的系统1快思考逻辑，对应人类无需复杂推理的下意识决策场景，比如看见下雨下意识拿伞这类不需要反复推理、不占用过多大脑算力的快思考行为，因此该模型也被命名为System1。 其技术逻辑和传统大模型存在本质差异：传统大模型采用逐字根据上下文推导的方式输出结果，即便要求输出结构化内容也是逐字生成，属于串行输出模式； 模型则提前锁死答案空间，没有中间对话过程，直接输出结构化结果，有行业观点将两者的差异比喻为传统大模型是串行输出的CPU，Jev决策模型是并行输出的GPU。成本优势方面，Jave模型百万token成本仅约0.042美金，输出环节基本免费，成本远低于传统大模型，可大幅降低AI应用落地的成本门槛。 大模型B端落地痛点：当前大模型在企业端落地不及预期，核心原因是推理成本高企，大模型处理百万token的输入输出会大幅抬高使用成本，即便算力成本下降持续压低token单价，处理高频简单任务时仍存在“杀鸡用牛刀”的算力浪费问题，效率与成本的核心矛盾始终未得到解决。Jev决策模型的推出属于对生成式大模型能力边界的补充，而非颠覆性替代产品，现有技术路径并非通向AGI的实现通道。 · 2、Jev模型核心优势与适配场景 核心适配场景痛点：该模型对准的核心场景为企业工作流中的高频、低复杂度判断类任务，此类任务信息流需每次重复执行，若采用传统大语言模型处理，需要经过模型决策、工具执行、再循环的完整流程，存在处理速度慢、运行成本高的痛点。对比传统大模型，该模型核心优势突出：同类任务处理速度约为传统大模型的10倍，成本仅为传统大模型的1/10至1/100，例如客服退单、投诉处理场景下，大模型完成处理需要20秒，该模型仅需2秒即可直接给出结论，无需复杂推理过程，适配性极强。 该模型的核心能力与运行逻辑可分为两部分： 1)三类核心输出能力：一是choice，可从一组命名选项中直接选中对应项；二是score，可对权重、紧急程度进行打分，适配企业邮箱标记任务紧急程度、分配工作流到对应部门或决策环节的需求；三是概率输出，可给出对应结果的概率数值（如0.8、0.2等），用于对决策链做进一步筛选。 2)零幻觉实现逻辑：通过校准概率判断结果置信度，置信度达到预设阈值的结果会自动执行，置信度低于阈值的结果转交大模型复核，置信度更低的结果则转为人工处理，以此实现官方宣称的零幻觉效果。 技术路线对比与局限性：该模型的技术路线与现有多类AI产品既有相似性也有差异化，同时存在自身局限性： 1)技术路线异同：该模型设计理念和大语言模型flash版本（如DeepSeek V4Flash、Nano等产品）类似，都是通过调教小参数小模型实现极致降本、达成快速决策，和港股上市公司第四范式的传统决策AI路线也有相似性，但该模型融入了生成式AI的理解能力，是对现有AI技术版图的补全，推动生成式AI结合效率、结合决策更好落地。从现有技术路线的短板来看，大语言模型搭配结构化输出虽然可以实现同类效果，但短板是成本高、速度慢；微调开源小模型推理成本低，但训练成本较高，且每个任务是单独工程，灵活性存在局限。 2) 适用场景：大部分场景下使用兼具理解能力和效率优势的决策AI效果更好，比如对决策效率要求极高的自动驾驶场景（端到端反馈速度需控制在几毫秒以内，大模型难以满足实时安全要求）、游戏出牌决策场景等。 3、Jev模型产业影响与投资机会 AI生态卡位与价值：该模型发布后获海外媒体强实时演示，阿帕斯公布开源复现，LongChain博客给出集成范式，国内社区持续发酵，和今年年初的OpenClaw有很强相似性，卡位商业前沿决策模型赛道，具备稀缺性。其生态定位介于agent和工具之间的决策节点，可简化原有大模型高频调用需求，类比早年研究的DPU角色，无需CPU计算即可在路由节点完成计算，可理解为模型领域的DPU，工程层面价值量持续上升，适配企业使用需求，成本较原有方案大幅降低。从技术层面看它不属于重大技术变革，更像是新的模块或接口，是从高频、有界、带概率的语义判断中拆解出的产物。后续可重点观察其在游戏、ERP、OA等agent场景的落地，当前开源项目众多，落地节奏预计较快。 ·2026年AI应用发展脉络：今年AI应用发展先后经历多个阶段，首先推出OpenClaw相关技术，随后出现work8系列agent产品，之后在5月提出FD1概念，定位前端工程师角色，当前正朝着极致性价比方向演进，重点解决决策点与大模型幻觉问题。海外软件领域已逐步从模型吞噬软件向更成熟的形态发展，除coding外的新应用仍在酝酿过程中，GF为代表的技术是重要发展方向。AI在安全、法律、金融等领域的赋能已逐步落地，金融领域阿尔法派已实现日常使用，后续将诞生大量AI native企业，长期看好AI在场景端尤其是B端的商业化落地。 当前AI落地确定性较高的细分赛道及对应标的包括： 1）工业领域，核心标的为中控技术； 2） AI for Science领域，核心标的包括港股英西金泰、金斯瑞，A股华兰股份，相关赛道已发布行业深度报告； 4、Jev模型落地应用案例 通用场景落地案例：模型落地已覆盖多个通用场景，核心价值为降本提效： 1）电商客服场景：淘宝、京东等电商平台及旗下商家每日可收到上万甚至上百万份用户反馈邮件、商品评价等文本，传统模式下调用大语言模型做退款、退货、换货等需求理解判断的成本极高，甚至高于人工处理成本。Jev模型可快速判定用户反馈文本，90%的用户需求可被直接识别归类，将不同需求内容分发至对应部门处理，大幅压缩响应时间、降低运营成本。 2）游戏场景：传统大语言模型适配游戏场景时需逐帧截图、长时间思考才能做出操作决策，响应速度慢，无法适配实时性要求高的游戏品类。经过预训练的专用Jev模型可通过底层逻辑直接做出实时操作决策，比如在俄罗斯方块游戏中可快速完成砖块放置、凑整排消除的操作，适配游戏场景的实时性要求。 行业实践与火爆原因：当前小参数决策模型的行业应用已有成熟实践，Jev模型的火爆兼具产品特性与传播因素： 1）现有行业实践：此前行业内已使用小参数模型处理简单分类任务，比如采用千问3年级小模型作为知识库底座，新上传的财报、会议纪要等资料上传后，由小模型直接做分类判断归入对应知识库类目，无需调用大语言模型即可完成处理，大幅节约算力成本。本次Jev模型的推出与今年年初OpenClaw推出的市场反馈相似，其作为高自由度、可定制的通用底座，支持用户基于底座开发专属产品或agent决策工具，降低了小模型场景化应用的开发门槛。 2）火爆核心原因：一是开发团队背书，该模型由前OpenAI员工离职后开发，团队影响力带来较高传播度；二是产品特性优势，该模型目前完全免费，网上可查询相关资料，发布后海外率先讨论，发布5天后国内才开始受到关注，目前已有用户基于该模型开发出定制化应用。 未来企业侧将更多使用该类模型处理简单可分类的预处理环节任务，复杂问题仍由大语言模型或人工处理，预计将为企业节约大量运营成本。 5、AI行业热点与趋势展望 ·模型复刻壁垒与端侧价值：小参数模型为专模型专用，参数规模较小的特性决定其无法覆盖通用场景，核心壁垒为特定场景下的调教能力，配合定制芯片工作可最大化发挥性能。这类小参数决策模型对端侧AI具备明确利好，未来可内置在手机等智能硬件中，操作全由对话引导，用户仅需下达语音指令即可完成打开应用、播放内容等操作，响应速度大幅提升。 ·海内外大模型最新进展：当前海内外大模型迭代速度较快，GPT、Anthropic Cloud、谷歌Gemini、国内Kimi、MiniMax均即将推出新版本。其中谷歌新模型的benchmark评分超出市场预期，此前市场普遍认为谷歌在大模型领域相对落后，其具体真实效果有待实测验证。当前大模型技术路线仍遵循scaling law，数据量越大模型智能程度越高，只要具备足够算力卡和数据储备就能研发出效果更好的模型，谷歌本身拥有庞大的数据储备，追赶能力较强。此外AI Topic预计2026年10月上市，目前时间节点无调整，大概率在国庆之后推出。 ·端侧AI与安全趋势：端侧AI是明确的产业发展趋势，产品迭代节奏方面，苹果眼镜预计2027年发布，将搭载语音直接对话功能；下一代苹果耳机也将搭载AI小功能，算力依托手机实现，还将新增小摄像头，可捕捉周围环境信息，实现及时录音、内容总结、实时反馈等能力。当前AI安全关注度持续提升，导火索是2026年ASP用户使用记录泄露事件，引发市场对AI数据隐私问题的普遍担忧。苹果生态长期在数据保护领域表现较好，用户对其在随身设备上增加录音、录视频等功能的抵触情绪较低，更利于端侧AI产品推广。 ·价值总结与算力机会：相关模型的核心价值在于仅在特定环节降低AI落地成本，并非全链路降本，对企业AI商业化落地的实际影响大于OpenClaw。 防失联，朋友们可关注同名知识xingqiu （及时分享盘中热点资讯、纪要） ；检索词:AI与Agent 最新 热点 趋势
-
justoneapi-all · JustOneAPI / AI与Agent 最新 热点 趋势
导读： 芯东西（公众号：aichip001）作者 | 全球AI芯片峰会芯东西9月21日报道，今日，2026全球AI芯片峰会在上海圆满落幕。本届大会由智东西发起，旗下智猩猩主办，芯东西协办，以“芯路求索 聚力致远”为主题，全景透视从TOPS到Token的AI算力关键链路。整整两天，超过60位重磅嘉宾，在1场开幕式、3场论坛、5场闭门研讨会上密集输送技术创新、落地实践与产业趋势干货。多位演讲嘉宾还在 ...... 芯东西（公众号：aichip001） 作者 | 全球AI芯片峰会 芯东西9月21日报道，今日，2026全球AI芯片峰会在上海圆满落幕。 本届大会由智东西发起，旗下智猩猩主办，芯东西协办，以“芯路求索 聚力致远”为主题，全景透视从TOPS到Token的AI算力关键链路。 整整两天，超过60位重磅嘉宾，在1场开幕式、3场论坛、5场闭门研讨会上密集输送技术创新、落地实践与产业趋势干货。多位演讲嘉宾还在会上预告重磅新品。 大会直击AI芯片前沿，涵盖架构创新、3D堆叠、超节点、KV Cache、新型存储、Token工厂异构混训混推、大模型推理、智能体推理、具身智能推理等焦点议题。来自超百家AI芯片生态企业的专业观众来到现场参会交流。 在展区，奎芯科技、芯来科技、Imagination、进迭时空、奇异摩尔、星融元、启芯宸光、科华数据、博伦智汇、硅芯科技、先进编译、恒瀚微电子、焱融科技等企业带来最新的技术产品方案展示。 “九年前，我们在上海举办了首场全球AI芯片峰会。九年来，全球AI芯片峰会的足迹已遍布北京、深圳和上海。”智东西联合创始人兼CEO龚伦常在发表致辞时谈道，“这是我们持续关注整个AI领域的一个缩影。” ▲智东西联合创始人兼CEO龚伦常 我们对开幕式及3场高峰论坛（大模型AI芯片、Agent推理芯片、具身智能芯片）中30位嘉宾分享内容做了梳理总结，重点如下： 一、云端AI芯片论剑！高效算力呼唤新架构，CPU杀回智能体时代焦点 随着智能体爆发，全球AI芯片产业格局持续演变，头部模型厂商深度参与芯片架构定制，几乎每家云计算巨头都在自研AI芯片，国产AI加速卡持续放量，算力运营重心从不计成本抢占高端算力，转向以token成本和算力利用率为核心的精细化运营。 如何通过技术创新提高大模型训推效率？为什么智能体时代呼唤“六边形”CPU？突破算力、内存、网络瓶颈有哪些新解法？大模型怎么辅助提高芯片设计效率？5位演讲嘉宾在开幕式上妙语连珠，畅谈他们的成果与思考。 1、中山大学王中风：把AI芯片算力用满，让大模型参与芯片设计 中山大学集成电路学院院长、IEEE/AAIA Fellow王中风分享了大模型时代下AI芯片的设计挑战与演进方向。当前如何将硬件峰值算力转化为模型部署的有效算力成为关键问题，为了实现高效部署，其团队通过 压缩与量化技术创新 降低数据开销，基于软硬件协同提升推理效率。 模型驱动芯片设计方面，王中风团队通过视觉Mamba高效加速器、超低BitLLM推理加速器、多层次稀疏Transformer加速器设计，解决算子适配、存储调度、稀疏利用等挑战；面向大模型辅助芯片设计自动化，提出性能感知GEMM Verilog生成设计、GEMM图-码转换多模态框架等创新。 王中风认为，提升AI有效算力的演进方向将是 模型、硬件与系统设计的协同创新 ，包括探索更低比特的模型压缩与精度适配、联合优化算子融合与数据重用、用部署反馈驱动模型迭代。 ▲中山大学集成电路学院院长、IEEE/AAIA Fellow王中风 2、英特尔高宇：智能体时代，CPU重回C位 英特尔中国区技术部总经理高宇说，智能体爆发带动CPU、内存、SSD和隐私需求，让CPU告别过去给GPU“打辅助”的角色，重回AI算力体系的C位。 智能体的运行是一个循环过程，其主线程主要运行在CPU上。CPU需要负责上下文处理、调用大模型、权限检查、工具调用以及结果处理等环节。 适合智能体的 CPU 不能只追求单点性能，而要成为 “六边形战士” ，同时具备更高的沙箱并发度、IPC和频率、更大的内存容量，以及硬件加速和安全能力。 高宇预告说，英特尔将在两天后的英特尔技术创新与产业生态大会（Intel Connection）大会上展示内置128张或192张Granite Rapids处理器的高密度CPU机柜设计， 单机柜可承载5万个Agent同时并发运行 。 ▲英特尔中国区技术部总经理高宇 3、清华大学胡杨：以晶圆级协同设计提升Token经济性 清华大学集成电路学院副教授胡杨指出，AI基础设施的价值不能仅以单芯片峰值算力衡量，还应同时考虑 有效Token产出与设备、网络、供电冷却 等全生命周期投入。其团队围绕Token经济性，开展从计算芯粒、晶圆级芯片到集群的全系统协同设计。 针对通信、功耗和集成密度三大瓶颈，团队根据任务需求与面积、功耗约束，优化计算、存储和通信资源配比。在系统层面，将高带宽通信转入晶圆内部，联合设计晶圆内外互连及供电冷却，减少通信等待与外围设备投入。 报告介绍了模型部署、专家布局和集群组网等研究进展。通过协同优化Token映射与专家负载均衡，MoE推理方案在4毫秒输出Token间隔约束下，单芯粒吞吐达到对照方案的 1.84倍 。晶圆间组网方案在所评估配置中的电力成本较基线降低 46% 。相关研究分别从提高有效产出和减少系统投入两方面探索晶圆级的经济性。 胡杨强调，性能收益需要与制造、运行代价共同评估。团队已将热致翘曲、制造与装配良率、容错和散热约束纳入设计，联合清微智能研制了国产晶圆级芯片样机，形成大尺寸硅基板设计PDK、芯粒集成与系统验证能力。并联合清微智能与浦江实验室构建了软件基础设施。 ▲清华大学集成电路学院副教授胡杨 4、后摩智能信晓旭：M50已定点150+产品，3D CIM架构取得阶段性成果 据后摩智能联合创始人、产品副总裁信晓旭分享，应对AI芯片提升算力和访存的两大挑战，后摩智能作为存算一体的先行者，过去六年沿着基于SRAM的存算一体路线迭代，成功将存算一体架构从学术界带入产业界。其旗舰产品M50量产半年，产品定点已达到150+，形成商业闭环。 针对行业主流3D堆叠技术算力受限、散热不佳等难题，后摩智能自研3D CIM架构，实现 同等面积下算力翻倍 ，功耗与散热压力显著优化。 信晓旭表示，后摩智能将围绕端侧AI对算力、能效和存储带宽提出的新需求进行技术演进，并加速推进3D CIM架构的芯片产业化探索。 ▲后摩智能联合创始人、产品副总裁信晓旭 5、奎芯科技王晓阳：未来AI芯片或采用定制内存（HBM+HBF）+标准互联新架构 在奎芯科技联合创始人兼副总裁王晓阳看来，AI芯片设计逐渐走向定制化、异构化、专用化，给内存架构创新带来新机会，HBM Base Die定制化和HBF分层存储成为新趋势。 HBM内存已从标准单品发展成小型子系统，需针对不同工作负载深度定制。HBF采用NAND Flash定制化堆叠，达到HBM级带宽但容量高一个数量级。未来AI芯片可能采用 NAND Flash（HBF）+HBM混合架构 ，将KV Cache、Attention等延迟敏感数据留HBM，可预测的专家权重卸到HBF。 奎芯科技拥有 全栈内存与接口IP ，在UCIe，HBM，LPDDR，ONFI/NAND等接口方面积累深厚，能够为定制内存+标准互联架构提供接口底座技术。目前奎芯M2 UCIe:接口底座的标准封装32G已完成硅验证，其打造的Chiplet产品ML100 IO Die能实现HBM与xPU解耦，已流片交付客户。 ▲奎芯科技联合创始人兼副总裁王晓阳 二、经纬圆桌：AI的平民化及端侧模拟计算的未来 经纬圆桌由经纬创投合伙人童倜主持，晰见科技创始人杨哲宇、安纳智芯首席科学家孙仲、芯词元创始人詹翊、后摩智能AI系统总工陈仲铭四位嘉宾围绕“AI的平民化及端侧模拟计算的未来”主题进行分享。 经纬创投合伙人童倜给本场圆桌划出两大重点：一是 AI平民化 ，AI服务面向富人是阶段性的中间过程，未来肯定会有大量产品和服务面向普通人；二是在 端侧 ，传统GPU、数字NPU是“老登”，未来需要用更多新技术解决现在的问题。 计算芯片公司有了水，还需要配套的管子，这里的水管代表芯片能够支撑的模型规格能力。童倜认为，企业具备核心计算能力是前提，而存储架构的选型，则是根据不同应用场景，基于对应模型的参数规模及系统需要，来决定。 ▲从左到右：经纬创投合伙人童倜，晰见科技创始人杨哲宇，安纳智芯首席科学家孙仲，芯词元创始人詹翊，后摩智能AI系统总工陈仲铭 1、晰见科技杨哲宇：天眸芯成果荣登Nature封面，实现物理通用智能（Physical AGI） 晰见科技创始人杨哲宇说， 端侧智能或者更大的范畴Physical AGI是比肩AI Coding的下一个机会 ，晰见科技要让AI拥有看世界的眼睛。其感存算传一体的3D IC芯片天眸芯是一颗能直接输出token的芯片，相关论文登上国际顶刊Nature封面。 天眸芯的结构是基于3D堆叠技术，在感光阵列下方堆叠高密度存储阵列与运算单元，通过模拟计算降低ADC的转换频次，功耗仅为对应同规格芯片的几十分之一。 据杨哲宇透露，目前头部具身智能企业打网球、踢足球、打乒乓球的视觉方案都直接来自天眸或进入深度评估阶段，具身运动人形机器人未来都会在3-6个月内，采用晰见科技的天眸芯或Token Camera。 今年11月，晰见科技将发布 基于天眸芯的多模态大模型 。内部测试显示，基于天眸芯的稀疏Token该模型的首token延迟（TTFT）仅为传统基础模型的二十分之一，性能可直接对标国内外头部多模态大模型，且率先支持主动感知与视觉注意力，是未来Physical AGI时刻的基座模型 2、安纳智芯孙仲：用模拟计算芯片把机器人时延压到几毫秒 安纳智芯成立不到一年，专注于模拟计算芯片设计。安纳智芯首席科学家孙仲谈道，模拟计算芯片有希望将相关应用的时延 从百毫秒级降到几毫秒 ，人可感知的延迟为几十毫秒，机器人延迟在几毫秒运动会更流畅。 端侧大模型的数据量很大，处理这一问题的自然方法是做 3D堆叠 。安纳智芯擅长做矩阵计算，在面对如端侧设备微调等具体应用时，数据存储就可以使用DRAM或HBM，再利用模拟计算芯片进行数据处理、微调，这也是安纳智芯将后续探索的方向。 孙仲透露说，其工程样片即将回片，下一步会联合银河通用等具身智能公司做运动规划和实时控制Demo，与科大讯飞等端侧AI企业打造信号处理、大模型微调等相关应用。 3、芯词元詹翊：庖丁解牛式拆解AI平民化三道坎，正联合小米打磨超高速AI推理终端产品 芯词元创始人詹翊认为，AI平民化分为AI是否值得用、用不用得起、能否显著提高生产力三个维度：第一个维度和基座模型有关，第二、第三个维度反映在硬件上，就是降成本和提升推理速度。 芯词元将基于全新一代存算架构打造速度更快、成本更低的AI推理芯片与推理算力集群， 预计明年上半年发布MO-I1 ，展示近万tokens/s的端到端推理速度，联合小米等产业伙伴实现超高速AI推理硬件在现实应用场景中的实际落地。 詹翊判断，未来AI推理硬件会是 集各种存储介质所长的综合系统 。其中芯词元的eDRAM负责片内高带宽和高速计算需求；片外3D DRAM和HBF互有带宽和密度优势，都会有他们各自适配的场景。所以AI推理硬件会在不同场景下采用不同的搭配方案，但芯词元的eDRAM存算一定是片内方案的最优解。 4、后摩智能陈仲铭：10W功耗跑100B大模型，下一代旗舰芯已流片 在后摩智能AI系统总工陈仲铭看来，3D堆叠能把内存带宽做大，实现极高的数据吞吐，尤其在物理AI场景下，有机会实现实时交互，不过现阶段相关供应链还未成熟。 HBF是应对HBM高昂成本的一条技术思路 。陈仲铭认为，HBF无法完全替代HBM，更多是作为互补方案，未来3D堆叠技术可能将出现HBM+HBF等混合堆叠架构。 后摩智能采用3D CIM（存算+3D DRAM）的 下一代旗舰芯片A20已流片 ，新一代存算架构可将100B大模型部署至端侧芯片，功耗约10W，具备装进手机的潜力。 该公司也在关注模拟存算，可能会在下一代或下下一代产品实现大规模生产。 三、大模型AI芯片狂奔，3D堆叠、新型存储、模拟计算风起云涌 随着大模型参数向万亿级膨胀，峰值算力不再是衡量AI芯片能力的唯一标尺，制约系统效率的要素还包括数据搬得动、存得下、连得快，以及芯片能否以可接受的功耗和成本真正落地。访存带宽、互联效率、软件生态和工程化能力，正在共同影响一颗AI芯片的有效算力。 AI芯片创新正从单点提升计算性能，转向计算、存储、互联、软件与设计工具的系统级重构。如何打通从架构创新到规模量产、从理论性能到真实应用的漫长链条？在大模型AI芯片高峰论坛上，8位嘉宾给出了他们的答案。有人以软件定义、3D堆叠和近存计算突破内存墙，有人押注存算一体、HBF与现代模拟计算，也有人将战场推向融合GPU、STCO和AI赋能EDA。 1、东方算芯彭贵强：用“软件定义+3D堆叠”创新绕过系统瓶颈 东方算芯董事长特别助理彭贵强谈道，“更聪明的模型”需要大算力和高访存带宽，“更低成本的应用”需要高访存带宽和低成本推理，算力评价标尺正从峰值算力变为 有效算力 。芯片性能不仅取决于计算单元本身，更受限于访存带宽、互联延迟、调度效率等系统因素。 东方算芯聚焦软件定义芯片，从 计算、存储和互联架构 三大方面进行创新：（1）软件定义Tile，提升硬件利用率，降低编程复杂度；（2）采用逻辑-存储三维匹配的3D IC设计，提供极致带宽并突破内存墙，这一过程需要应对应力与晶圆翘曲控制、热管理和良率成本损失三大工程化挑战；（3）通过Infinity Chiplet 3.5D，实现更强算力和更大互连规模。 ▲东方算芯董事长特别助理彭贵强 2、亿铸科技熊大鹏：三大定律，指引通用存算一体 亿铸科技创始人、董事长兼CEO熊大鹏认为， 通用存算一体 是突破AI芯片算力与内存瓶颈的关键。对此，他提出三大核心定律，为行业落地提供理论支撑。 （1） 搬运代价定律 ：AI数据搬运功耗与延时远高于计算本身，存算一体核心是尽可能消除数据搬运频次与距离。 （2） 通用边界定律 ：通用存算一体需兼容CUDA主流生态，全覆盖通用GPU算力，适配各类模型迭代。 （3） 异构终局定律 ：存算一体与GPU架构逻辑不同，二者融合能力直接决定芯片商业化成败。 熊大鹏强调，存算一体的核心在于存储，亿铸科技选定大容量、高成熟度、低成本的3D DRAM技术路线，未来将推出多形态全栈算力产品，覆盖云边端各类算力场景。 ▲亿铸科技创始人、董事长兼CEO熊大鹏 3、迈特芯李凯博士：端侧模型有“三座大山”，3D近存计算可破局 深圳迈特芯科技芯片产品经理李凯博士分享了横亘在端侧大模型推理面前的“三座大山”：一是功耗、算力与成本的“不可能三角”，二是内存墙限制，三是通用方案与专用芯片之间的场景适配难题。 迈特芯采用张量脉动架构叠加3D近存计算来打破“内存墙”，将带宽利用率提升至 80% 左右。经测算，同样实现600GB/s带宽，传统2D方案功耗约为30~50W，而3D方案可将功耗降至3~7W。 据李凯博士透露，迈特芯3D TPU芯片已于今年流片，预计今年11月回片并点亮，首批将适配2B至9B模型，平均功耗约 6W ，预计推理速度可达 80tokens/s 。 ▲深圳迈特芯科技芯片产品经理李凯博士 4、Imagination艾克：端侧芯片需要融合GPU Imagination应用工程总监艾克观察到，端侧芯片已经开始同时承担感知、计算、推理与图形渲染等任务，传统异构架构暴露出数据搬运、内存吞吐、任务调度与软件适配等短板，如何应对5-10年生命周期中不断变化的模型与应用需求，成为端侧芯片设计的新挑战。 产业正探索更灵活的异构融合计算架构，趋势是 让GPU从单纯的图形处理向通用计算与AI计算中心演进 。ImaginationE系列GPU IP通过矩阵乘法直接嵌入GPU核心来提高GPU利用率，AI计算、通用计算与图形处理由固件统一调度并隔离多任务，再通过算子库、图优化与多格式量化支持轻量化部署，减少计算单元间的数据搬运与调度成本。 ▲Imagination应用工程总监艾克 5、硅芯科技赵毅：3D芯片EDA是“无人区”，需要STCO+AI开路 硅芯科技创始人兼总经理赵毅博士指出，3D IC EDA领域被视为”无人区”2D时代积累的设计方法学与工具链在三维堆叠场景下面临比较大的变革，需要重构工具链与设计范式。当前3D DRAM多层堆叠与存算芯片企业亟需一套全新工具链，信号、电源、热等多物理场仿真也需从单点后置转向协同前置。 芯片设计正从传统单芯片时代的DTCO（芯片设计与硅工艺协同），向 端到端深度协同的STCO（系统-工艺协同优化） 升级。硅芯科技STCO闭环协同流程贯通架构、设计、工艺与制造，将翘曲、电源完整性等量产风险前置管控。 同时，AI将赋能EDA新范式。硅芯科技推出了3Sheng Integration平台，核心AI Agent“Chips Z”实现自动迭代、闭环寻优等功能，显著压缩研发周期，加速芯片产品推向市场。 ▲硅芯科技创始人兼总经理赵毅博士 6、启芯宸光陈文超：以DeepChip平台推动AI赋能芯片设计全流程 启芯宸光副总裁、EDA智算平台首席架构师陈文超介绍了DeepChip平台的技术布局与应用实践，分享了通过 AI智能体、行业知识库与EDA工具协同 ，提升芯片设计、验证及测试效率的探索。 启芯宸光DeepChip平台涵盖DeepEDA、DeepIP、DeepATE与DeepEDU四大业务模块。DeepEDA融合EDA智算平台与AIC智能体平台，通过算力调度、参数优化和流程自动化提升设计仿真效率；DeepIP接入本地或云端大模型，结合企业知识库与EDA工具，覆盖系统设计、RTL生成、功能验证和调试优化；DeepATE聚焦测试程序生成、测试向量转换与引脚自动匹配，提升芯片测试自动化水平；DeepEDU则将产业级AI工具与真实项目引入教学实训，培养AI与芯片设计复合型人才。 通过演示搭建测试平台、完成指定驱动代码生成与验证的案例，呈现了AI辅助工程师减少重复工作、加快研发迭代的应用价值。 ▲启芯宸光副总裁、EDA智算平台首席架构师陈文超 7、九天睿芯刘铮：HBF AI芯片国内外研发竞速中 九天睿芯副总裁刘铮谈道，MoE模型参数量越来越大，存储容量的重要性越来越高，基于HBF高带宽闪存的解决方案愈发重要，预计国内外厂商将在2027年上半年完成计算、存储层流片，HBF AI芯片有望在2027年下半年推出。 在先进“存算+近存”的技术路线上，国内厂商探索出 三维堆叠芯片设计方案 ，能够把TB级大模型权重置于超高容量存储层；结合 SRAM存算一体技术 ，解决存储墙、功耗墙。该方案可支持超高参数量MoE大模型在云端推理场景和AI手机等智能终端场景落地应用，给用户带来更优的智能体验。 据刘铮分享，九天睿芯云端推理芯片可高效支持FFN阶段的计算，可独立或搭配其他GPU方案完成Attention（注意力机制）阶段的处理，在系统层级形成A/F分离的高效异构计算方案。 ▲九天睿芯副总裁刘铮 8、安纳智芯向锐：现代模拟计算“一步”解矩阵方程，AI训练少走弯路 安纳智芯联合创始人兼CEO向锐认为，矩阵方程求解是AI训练的重要数学基础，但数字芯片直接求解效率较低，工程上需将其转化为一系列矩阵乘法。同等精度下，现代模拟计算方案在运算速度和能效比上大幅超越先进数字芯片，为广泛的矩阵方程求解需求，提供了颠覆性的解决方案。 对此，安纳智芯提出“ 现代模拟计算 ”，利用天然并行的物理法则，将计算压缩至一步操作。2025年，其方案实现24位定点精度，向锐称，这是 世界首个全模拟高精度矩阵方程求解方案 。 其芯片在应用上，面向云端，计划支持二阶优化器现在几乎所有开源大模型厂商开始采用这类训练方法，降低大模型训练成本；面向端侧，则希望凭借近百倍能效优势支持后训练，并探索具身智能采训推一体化和在线自进化。 ▲安纳智芯联合创始人兼CEO向锐 四、Agent推理需求爆发！AI算力告别单一芯片，CPU、异构算力、RISCV成下一程关键 随着智能体走向规模化落地，AI产业正式迈入推理算力主导的全新发展阶段。区别于传统AI模型的交互模式，智能体具备自主决策、持续运行、长任务处理的特征，催生了指数级增长的推理算力需求，也让行业长期面临的Token供给不足、推理成本高昂、端云适配脱节等痛点愈发凸显。 在此产业变革关键节点，6位嘉宾在Agent推理芯片高峰论坛上，聚焦推理芯片的落地痛点与产业未来路径，亮出了自家的前沿技术方案与实战经验。 1、光羽芯辰张晴：异构算力替代单一结构，公布端云协作和云端推理新路线 光羽芯辰联合创始人、董秘张晴称，AI推理需求正迎来指数级增长，但推理侧的Token供给严重受限。为此，光羽芯辰提出通过 3D堆叠、异构计算和存储分层 ，大幅增强端侧推理能力并推动能落地的端云协同，同时在云端通过 PD分离 大幅降低云端推理成本。 作为光羽芯辰解决方案的第一步， TC1000系列芯片 已量产部署，可在低功耗下高性能运行35B MoE模型。 第二代TC2000系列 将于明年量产，以更低的功耗服务于AI手机登手持式设备； 第三代TC3000系列 将专门面向超大规模模型的端侧部署和云端PD分离市场，目标是单芯片支持万亿参数模型，并降低HBM需求及云端推理成本。 ▲光羽芯辰联合创始人、董秘张晴 2、博伦智汇张磊：从“有卡”到“用好卡”，异构算力调度成关键一环 国内算力需求快速增长，但算力供给和需求之间存在大量缺口，存在大量CPU闲置问题。博伦智汇技术架构师、资深算力架构专家张磊认为主要原因在于异构GPU规模化部署后， 软件生态和调度能力在国产芯片上的适配仍不完善 。 对此，博伦智汇通过DRA Proxy连接厂商设备插件与K8S，统一转换、补全设备信息并上报，实现异构GPU的资源发现与调度。同时，其 自研TOLD架构 面向Token，以低时延、高吞吐、低成本为目标，进一步串联资源规划、资源管理与推理服务部署。 在此基础上，博伦智汇的MIX调度平台通过复用厂商设备插件，降低芯片接入成本，让不同厂商的GPU释放算力价值。 ▲博伦智汇技术架构师、资深算力架构专家张磊 3、灵睿智芯李华庆：智能体时代，CPU将扛起Agent Harness大旗 灵睿智芯联合创始人兼副总裁李华庆认为，Agentic AI正推动计算范式从以GPU为中心的计算密集型，转向 以CPU为中心的控制密集型和I/O密集型 。模型推理主要由GPU或其他AI芯片完成，长短期记忆管理、工具调用、多智能体调度和安全隔离等 Harness环节则主要依赖CPU 。 在他看来，智能体的爆发会给CPU带来巨大机会。未来业务将越来越长尾化、碎片化，底层芯片需求也会千差万别。随着摩尔定律放缓、工艺红利变薄及能耗约束加剧，芯片仅靠工艺演进已不足以继续提升计算效率和能效，需要结合不同业务特性定制芯片。因此，智能体时代的CPU需要具备高性能、高并发、高可靠、AI增强与可扩展性，而 RISC-V则是最适合的指令集选择 。 ▲灵睿智芯联合创始人兼副总裁李华庆 4、芯来科技胡振波：RISCV是AI芯片时代最好的ISA，NI系列IP赋能AI芯片 芯来科技创始人、董事长胡振波提到，AI芯片对通用辅助算力的需求日益增长，RISC-V凭借开放、灵活的架构，可在AI芯片中承担 主控核、算力核及启动核 三类角色。其中，算力核的重要性正日益凸显。 今年，芯来科技推出面向AI推理的NI1000系列RISC-V处理器IP，支持1024至4096位向量宽度，融合算力内核，以RWV、VME、SFU全域加速AI芯片发展。 相比仅传统RVV架构，RVV+VME仅增加约15%的芯片面积，即可带来约 2.5倍 的矩阵运算性能提升，对比纯标量计算提升 100多倍 以上，NI系列同时兼容现有RVV软件生态。胡振波认为，RISC-V的开放性及自定义扩展能力，有助于AI芯片企业在共享软件生态的基础上实现差异化创新，降低开发和学习成本。 ▲芯来科技创始人、董事长胡振波 5、呵智慧丁阔：Token工厂进入精益运营阶段，两大指标形成飞轮效应 呵智慧智算产品总监丁阔提到，围绕能耗、产能和售卖效率等维度，他们基于两大指标建立了Token工厂的运营指标体系。 其中 TEF（Token效率因子） 用来衡量GPU集群生产Token的效率，由GPU可用率、算力占用率和有效计算效率共同决定； TFI（Token工厂指数） 用于评估商用Token平台的售卖情况，将TEF与服务交付率、Token售出率、价格实现率进行结合。 通过TEF和TFI，Token工厂可以形成飞轮效应，企业能够凭借对两大指标中参数的诊断和调整，从而改善Token业务的利润，满足企业经营的目标。呵智慧如今的产品交付形态已经从底层算力资源逐步走向标准化的Token产能。 ▲呵智慧智算产品总监丁阔 6、IO资本俞枫：芯片创业机会相对平权，硬件公司需要懂模型、懂芯片、懂系统 IO资本联合创始人俞枫对AI芯片及半导体创业比较乐观。他认为，Agentic AI正处于指数级膨胀的过程，旧的生态壁垒正在加速瓦解。模型快速迭代的同时，AI芯片的需求也走向差异化，大公司无法垄断所有创新场景，市场正在充分奖励创新带来的效能提升，创业公司获得了与大公司相对平权的机会。 随着机会增加，创业门槛比以前高得多，团队不仅要懂芯片，还要 懂模型、懂工艺、懂系统 。他谈道：“没有模型公司能预测未来两年会发生什么变化，但硬件公司却要提前下注，这对创业公司管理层判断提出了更高要求。” ▲IO资本联合创始人俞枫 五、不止堆算力！具身智能产业还要拼架构与生态 具身智能正逐步从实验研究走向工业制造、家庭服务等实际应用，然而机器人端仍旧需要同时处理高维视觉信息、动态三维场景以及生成式的动作策略。面临计算量大、数据翻译频繁以及存储开销高、实时性要求严格和功耗受限等多重挑战，传统通用计算平台难以兼顾性能、能效和持续运行能力。 围绕AI芯片在具身智能赛道的落地，在具身智能芯片高峰论坛上，6位嘉宾分享了各自的最新实践与思考。 1、复旦大学朱浩哲：具身智能的核心是物理世界下“理解行动”的实时闭环 复旦大学芯片与系统前沿技术研究院助理教授朱浩哲提出，具身智能的关键性能指标通常不是平均的TOPS或者吞吐率， 专用芯片最终要服务机器人的端到端闭环 。 报告从“感知建模决策行动”闭环出发，分析三维场景表示、实时定位建图和视觉语言动作模型的计算特点。他介绍了三维高斯泼溅的训练、渲染与硬件加速方法，并讨论VLA模型的推理流程、实时性需求及部署挑战。结合团队在3DGS、SLAM和VLA芯片架构方面的研究，报告说明算法与体系结构协同设计的必要性，并就具身智能专用计算平台的发展方向展开交流。 ▲复旦大学芯片与系统前沿技术研究院助理教授朱浩哲 2、迈特芯谢齐家：以3D-IC芯片破解端侧VLA落地难题 迈特芯科技具身智能产品经理谢齐家分享了公司为解决端侧VLA模型落地而设计的3D芯片方案。他认为，目前VLA模型正在经历三大趋势：数据飞轮推动模型参数规模持续变大、快慢系统协同提升动作流畅度、Few-shot模型将率先落地。在此背景下，端侧算力需在实时性、功耗、带宽之间实现平衡。 迈特芯核心技术为3D-IC。在等带宽条件下，传统2D方案功耗最高约40多瓦，难以满足端侧要求，而3D-IC方案最高仅需约 7W 。在PPA微架构上，传统3D/2D IC共用统一总线，数据需要先经总线traffic再分发至各PE，耗时明显。迈特芯采用 3D直连架构 ，让上层IO直接对应下层PE，显著缩短带宽访问路径，带宽利用率可提升至80%以上。 此外，谢齐家还提到，针对Transformer的算术特性进行优化、避免算子间的 reshape overhead，是PPA提升的关键贡献点。 ▲迈特芯科技具身智能产品经理谢齐家 3、天数智芯夏广武：具身下一步是“大小脑”在物理上合一 天数智芯边端产品线副总裁夏广武提出，后续大模型需要从数字世界走向物理世界，具身智能就是物理AI的具象化，而 主控芯片就是物理AI的核心引擎 。 在技术特点上，他提到当前是算力分层对应模型分层，大脑负责规划，小脑负责运控，大小脑在物理上是分离的，下一步会首先 在物理上将二者合一 ；并简介了天数智芯在具身智能领域的产品布局和方案特点。就如何推进具身智能产业发展和落地，他总结了四个抓手：开放的软件栈平台及工具链、开发者生态社区、产业链协同发展、具身落地的工程化思考，并指出产业发展需小步快跑，重在跑通某一具体场景的端到端业务，积小成至大成。同时还需各方合作，建立人才培养资源池，夯实具身智能发展的基础。 ▲天数智芯边端产品线副总裁夏广武 4、进迭时空陈俭东：RISCV同构融合计算，打造机器人软硬同构算力平台 进迭时空芯片产品总监陈俭东认为，行业正迈入 机器人计算机 的新时代。当前具身机器人普遍采用多异构计算方案，存在软件生态割裂、数据反复搬运、硬件冗余、开发门槛高等痛点。 团队针对这些痛点，基于RISCV架构推进同构融合计算，依靠统一架构、内存和软件系统实现CPU算力、AI算力和实时算力的按需分配。 目前，进迭时空 两代芯片已量产发布 。K1为第一代，AI算力为2T；第二代K3为八核CPU，主频达到2.4G，AI算力达60T，支持部署30B模型。陈俭东透露，后续将开发更高平台算力的大小脑融合芯片。 ▲进迭时空芯片产品总监陈俭东 5、维泛智能殷积磊：不只拼算力，还要构建具身算力生态 维泛智能创始人兼CEO殷积磊指出，“大脑”芯片当前面临算力不足、能效失衡痛点， 百TOPS算力只是具身大模型端侧运行的起步门槛 ，同时还需要兼顾FP8、BF16、FP16等混合精度计算，以及实时响应和7×24小时稳定运行。 为此，他提出仿生类脑芯片BiGPU架构，引入新的计算范式减少数据搬运和存储带来的能耗，并原生支持FP8及脉冲神经网络，适配具身场景下不同模型和计算任务。 殷积磊称，目前 规划的芯片算力为100～1000TOPS ，但机器人芯片的竞争不只看峰值算力，还要看有效算力、能效和部署效率。未来，维泛智能将探索构建面向机器人的“Brain OS”，推动多方生态协同发展。 ▲维泛智能创始人兼CEO殷积磊 6、肇观电子周骥：降低视觉处理功耗和成本，有利于具身智能更快落地 具身智能落地的关键在于低功耗、低价格，而 降低视觉处理的功耗和复杂度 是其中关键的一环。作为生物进化的顶端，人类视觉给具身智能的视觉系统的设计提供了参考和启发。肇观电子CTO周骥认为，未来视觉芯片不应一味追求大吞吐与大分辨率，应 利用时域信息与生成式模型提升性能 。视觉系统和语言/运动之间以高度压缩的Token传递信息，用生成式模型来取代传统ISP（传统信号处理），大分辨率图像只在需要对智能体行为进行解释时输出。 现阶段的视觉芯片有四大问题待解决：需补全机器人感知能力，缺失其他感官输入不利于降功耗；需要业界共同努力改变软硬件架构；VLM在端上运行仍然很吃力；目前现有Token压缩效率相比人脑差距较大。 ▲肇观电子CTO周骥 结语：奔赴智能体时代，AI算力开启精细化、场景化新周期 从芯片架构革新、3D堆叠先进制程，到KV Cache优化、异构混训混推等算法算力协同技术，再到智能体、具身智能全新推理场景的探索，2026全球AI芯片峰会全方位覆盖当下AI算力产业的热点、难点与痛点议题。 当前，智能体技术的全面爆发，正在倒逼全球AI芯片产业格局迎来重构。过往单一的峰值算力指标，已无法适配大模型时代复杂的算力需求，数据存储、传输、交互、互联的全链条效率，以及功耗控制、成本可控性、工程化落地能力，共同定义了新时代AI芯片的“有效算力”。 随着架构创新持续深化、软硬件生态不断完善、场景落地持续渗透，AI芯片或进一步摆脱“重参数、高消耗、低效能”的发展瓶颈，实现算力、功耗、成本、场景的更优匹配。 放眼未来，AI算力作为AI产业的核心底座，其迭代进化将持续牵引整个AI产业的发展走向。 赞助本站 相关热词： ai芯片 集成电路 技术创新 上海 智东西 waic 智能 算力 ；检索词:AI与Agent 最新 热点 趋势
-
techcrunch-ai · 2026-09-21 · AI行业 / rss
Amazon has its own cohort of foundation models, along with one of the most popular inference platforms on the internet. As long as they're under no legal obligation to open the doors to Muse, why would they?
-
tavily · 2026-09-02 · 一人公司 最新 热点 趋势 / Tavily
柬单网APP 在柬华人都在用 直接打开;) 载26节油罐车列车脱轨，4节翻覆 一名柬埔寨工人在韩国遭遇交通事故，不幸丧生。 西港9人涉毒被抓！搜出K54手枪 ## 一人公司爆火，普通人的时代红利来了？ 5-28 今儿个热讯 来自柬埔寨 柬单网 谈到今年最火爆的概念，“一人公司”必然有一席之地。 打开社交媒体，似乎到处是这样的诱人叙事：一个人，一台电脑，借助AI，就能撑起一个年入百万的生意。 截至2025年6月，我国一人有限责任公司已经突破1600万家，占据企业总数的27.4%。在很多人的想象中，一人公司代表着一种理想的工作形式：自由、灵活，告别漫长通勤和无效社交，当自己的老板，只为自己打工。 这听上去是一个完美的职业状态。但现实真的如此吗？ 两年前，戴雯倩创办了一人公司线下社区SoloNest，持续举办以一人公司为主题的交流研讨会，参与者累计超过3000人，研究了超过500个真实的一人公司样本，可能是当下最了解中国一人公司现状的观察者。 戴雯倩 | 图源受访者 [...] 戴雯倩 | 图源受访者 一人公司能做什么？普通人真的能赚到钱吗？什么样的人适合走这条路？它是一个全民趋势，还是只属于少数人的选择？ 我们和戴雯倩聊了聊，试图还原一人公司热潮背后，那些更真实、更复杂的面貌。 以下根据戴雯倩的讲述整理。 2023年最后一天，我从上一家公司离职。当时我完全没想好接下来要做什么，只是单纯地想着，快过年了，先休息一阵儿，等到“金三银四”再找工作也不迟。 结果被现实“打脸”了。2024年，互联网行业已经没有那么好找工作了，我认真地看了每一个招聘需求，给每个HR写定制化的消息，介绍自己为什么能胜任这个岗位，但发出去的消息几乎都是“已读不回”。 不过，这次失败让我发现了两件很重要的事情。第一，我是一个喜欢“创造”的人，当我自主设计商业项目的时候，我非常有热情，和我之前上班的状态完全不一样；第二，作为一个创业小白，我觉得自己不适合一上来就做这么复杂的项目。 于是我想，能不能不融资，不招人，不租场地，就我一个人，做点喜欢的事？ [...] 带着这个好奇，我搜到了国外一本名为《The Company of One》的书，翻译过来就是“一人公司”。但当我用中文搜索时，却发现国内几乎没有人在讨论这个概念。 我想做田野调查，采访50个人，搞清楚国内有没有人在做一人公司，以及他们在做什么，因为我也想做。但我不知道从哪儿找这些人。就算找到了，人家愿不愿意跟我聊呢？ 我想，不如我组个局，把大家约出来吧。 我在小红书上发了一条笔记，大意是，我觉得一人公司挺有趣的，但不知道一人公司具体能做什么，所以我想办一个研讨会，我们一起来聊聊这个话题。 几天里，有七八个陌生人私信了我。2024年6月14日，在上海市中心的一家星巴克，我举办了第一期一人公司的线下研讨会，加上我一共有5个人参加。虽然地点是临时找的，流程也是临时想的，但大家纷纷表示活动很有收获，下次还想再来。 按照这个模式，我又接连组织了好几场研讨会。举办到第6场的时候，我开始尝试收费，发现大家愿意为参与一场高质量的交流研讨而付费。 戴雯倩组织的一人公司研讨会 | 图源受访者
-
ithome · 2026-09-22 · 科技产品 / rss
“IT早报”时间，大家好，现在是 2026 年 9 月 23 日星期三，今天的重要科技资讯有： 1. “2026 中国民营企业 500 强”发布：京东、阿里、恒力集团、华为、比亚迪位居前五 全国工商联 9 月 22 日在天津发布“2026 中国民营企业 500 强”。结果显示，京东集团、阿里巴巴（中国）有限公司、恒力集团有限公司位居前三。华为投资控股有限公司、比亚迪股份有限公司分别位列第四和第五 >> 查看详情 2. 全球最快移动 CPU：高通发布第六代骁龙 8 超级至尊版芯片，CPU 行业首超 5GHz、GPU 性能提升 44% 夏威夷时间 9 月 22 日 9 点（北京时间 9 月 23 日 3 点）召开的 2026 骁龙峰会上，高通公司宣布推出第六代骁龙 8 超级至尊版移动平台和第六代骁龙 8 至尊版移动平台，称两款产品面向“智能体人工智能”时代的移动终端需求，主要应用于下一代旗舰智能手机。>> 查看详情 3. OpenAI 发布 GPT-6 Sol 和 Luna 模型，API 价格大降 50% OpenAI 官方表示，两款模型采用与 GPT-6 Astra 类似的方法进行训练，将 Astra 在专业工作、事实性、编码、计算机使用和对齐等方面最先进的性能带入更快、更经济的模型。>> 查看详情 4. 5499 元起：OPPO Find X10 标准版手机发布，天玑 9600M 芯片、双 2 亿镜头群 OPPO Find X10 标准版 9 月 22 日晚亮相，搭载天玑 9600M 芯片、8000mAh 冰川电池与双 2 亿像素哈苏影像系统，首发 ColorOS 17。你会考虑入手吗？>> 查看详情 5. 首部演员授权 AI 长剧：爱奇艺网剧《不羡鸳鸯只羡仙》官宣，沈羽洁、陈鹤一主演，网友直呼诡异 2026 爱奇艺悦享会将于 9 月 23 日举行，爱奇艺官方 9 月 22 日晒出的一段预热视频引发网络热议。>> 查看详情 6. 最强国产 AI 芯片阿里平头哥真武 V900 发布，全新磐久超节点服务器明年 Q1 上市 这是一款训推一体 AI 芯片，算力提升至真武 M890 的 3 倍，支持 216GB 显存、1200GB/s 片间互联、FP8/FP4 精度。>> 查看详情 7. 高通第六代骁龙 8 超级至尊版芯片一图看懂：2nm 工艺、CPU 行业首超 5GHz 夏威夷时间 9 月 22 日 9 点（北京时间 9 月 23 日 3 点）召开的 2026 骁龙峰会上，高通公司宣布推出第六代骁龙 8 超级至尊版移动平台和第六代骁龙 8 至尊版移动平台，官方表示这是“全球最快移动 CPU”。>> 查看详情 8. “超级”在哪里？高通第六代骁龙 8 超级至尊版 / 至尊版芯片规格对比 夏威夷时间 9 月 22 日 9 点（北京时间 9 月 23 日 3 点）召开的 2026 骁龙峰会上，高通正式宣布推出第六代骁龙 8 超级至尊版和第六代骁龙 8 至尊版两款芯片。>> 查看详情 9. 全球最快移动 CPU：高通官宣小米、vivo、红魔、REDMI 等率先适配第六代骁龙 8 超级至尊版 夏威夷时间 9 月 22 日 9 点（北京时间 9 月 23 日 3 点）召开的 2026 骁龙峰会上，高通宣布小米、vivo、红魔、REDMI、OPPO 等（按官方新闻稿排序）手机品牌将率先适配第六代骁龙 8 超级至尊版 / 至尊版芯片。>> 查看详情 10. 英伟达黄仁勋解释为何每天穿黑色皮衣：可以少做一个选择，让我把精力放在更重要的事情 黄仁勋近日接受 CBS News 采访时透露，自己大概有三四十件黑色皮衣，每天穿相同衣服是为了减少决策、专注真正重要的事。乔布斯和扎克伯格也有类似习惯。>> 查看详情 11. 工信部旗下媒体：“去宁德化”论调要不得 最近一段时间，“去宁德化”在新能源汽车行业被反复炒作。工业和信息化部新闻宣传中心“中国工信新闻”9 月 22 日就该话题发文，称“去宁德化”论调要不得。一个成熟产业真正需要的，不是削峰填谷，更不是“谁领先就削弱谁”，而是既要有更多优秀企业成长，也要让已经形成全球竞争力的企业继续向前。>> 查看详情 12. 小米 18 Pro 系列手机官宣首发「传奇一瞬」大模型影像，号称成像质感媲美专业相机 小米官方 9 月 22 日宣布，小米 18 Pro 系列手机将首发「传奇一瞬」大模型影像：传感器数据直传云端，百万样片多维度训练；实现相机级光学虚化，成像质感媲美专业相机。>> 查看详情 13. 铁路 12306 App 新增“车”标识，客服称系“自行车随身行”服务、收费 88 元 / 辆 有网友在铁路 12306 App 中发现，有的车次特别备注了“车”的标识。这是铁路部门上线的“自行车随身行”服务，乘客可携带符合规定的自行车同车出行，实现人与自行车同步抵达，费用为 88 元 / 辆。>> 查看详情 14. 赛力斯张兴海首度回应与华为“分手”传闻：没有分手，一直都在一起，今后也在一起 赛力斯集团董事、副总裁康波 9 月 22 日分享了集团董事长张兴海接受央视财经《微对话》专访切片视频。张兴海首度回应了与华为“分手”传闻。他表示，没有分手，一直都在一起，今后也在一起。只是模式继续升了个级。>> 查看详情 15. 业绩狂飙估值却遇冷，英伟达市盈率跌至十余年来低位 英伟达动态市盈率已不足 17 倍，仅为 2025 年的一半。黄仁勋称公司是“唯一成长型价值股”，但市场担忧 AI 资本开支放缓和客户自研芯片冲击毛利率。>> 查看详情 16. OPPO Find X10 Pro Max 发布：首发三 2 亿像素镜头群，售价 6799 元起 该机搭载三 2 亿像素镜头群 + 哈苏影像，配备天玑 9600 Pro 芯片，支持多种专业视频拍摄，拥有 IP 多等级防尘防水，提供三款全新配色。>> 查看详情 17. 4999 元起：OPPO Find X10 E 手机发布，天玑 9500s 芯片 OPPO Find X10 E 正式发布，搭载联发科天玑 9500s 芯片，配备 7025mAh 冰川电池、哈苏超清影像系统，支持 80W 超级闪充、50W 无线闪充，售价 4999 元起。>> 查看详情 18. 苹果修改宣传口径：iOS 27 质感与颗粒相机功能仅 iPhone18 Pro 与 iPhone Duo 支持 苹果最初称该功能会面向多款旧 iPhone 开放，后续悄悄修改官网文档与用户指南，限定仅 iPhone 18 Pro 系列和未发售的 iPhone Duo 可用，目前暂无官方回应。>> 查看详情 19. vivo X500 Pro /Pro Max 手机新增 16+512GB、16+1TB 版本，7999 元起 vivo X500 Pro 和 Pro Max 在电商平台新增 16GB+512GB 及 16GB+1TB 规格，Pro 版 7999 元起，Pro Max 版 8499 元起。新机首发天玑 9600 Pro，搭载蔡司影像系统与蓝图传感器。>> 查看详情 20. 消息称华为在屏幕领域话语权相当高，未来新机在形态上还有“活儿” 博主 @数码闲聊站 9 月 22 日发文称，从周冬雨时代挺过来以后，华为在屏幕领域的话语权已经相当高。他透露，后面在屏幕形态上还有活儿，摸到了新开屏。博主此次透露是在屏幕形态上有“活儿”，因此未来的这款新机有望是折叠屏新形态手机或新屏幕比例手机。>> 查看详情 21. 蔚来 EC6 灵韵特别版轿跑 SUV 上市：神玑 NX9031、专属主题内饰，租电方案购买 26.18 万元起 蔚来官方宣布，蔚来 EC6 灵韵特别版轿跑 SUV 9 月 22 日正式上市，搭载神玑 NX9031 智能辅助驾驶芯片、拥有专属灵韵紫主题内饰，整车购买方案 36.98 万元起、电池租用方式购买方案 26.18 万元起。>> 查看详情 22. vivo X500 Ultra 手机确认正常迭代，预计明年 3-4 月发布 vivo 副总裁、产品副总裁黄韬接受了媒体采访。他确认 X500 Ultra 机型会正常迭代，预计明年 3-4 月发布，影像会拉开和 Pro Max 的差距，主打先锋用户与专业创作者。>> 查看详情 23. 小米 18 Pro 系列手机首发徕卡双 2 亿像素影像系统：1/1.28'' 大底主摄 + 1/1.56'' 潜望长焦 小米集团合伙人 / 总裁、手机部总裁、小米品牌总经理卢伟冰 9 月 22 日宣布，小米 18 Pro 系列手机将首发徕卡双 2 亿像素影像系统。预热海报显示，小米 18 Pro 系列手机双尺寸搭载 1/1.28'' 大底超清主摄 + 1/1.56'' 大底潜望长焦。>> 查看详情 24. 《旅行青蛙》原版游戏开发商 Hit-Point 回应中国版停服：仍在与各方沟通持续协商 《旅行青蛙 · 中国之旅》手游本月发布停运公告，由于 IP 授权合作到期，《旅行青蛙 · 中国之旅》将于 2026 年 12 月 8 日正式停止运营。>> 查看详情 25. 多所“双一流”高校新校区预计明年 9 月在雄安新区开学 国家发展改革委新闻发言人李超：支持北京交通大学、北京科技大学、北京林业大学、中国地质大学（北京）等在京高校向雄安新区疏解、规划建设新校区，是贯彻落实京津冀协同发展战略的重要举措。目前，相关校区建设已进入攻坚阶段，预计将在明年 9 月开门办学。>> 查看详情 26. 比亚迪第二代海鸥设计图曝光：采用最新设计语言，轴距加长 150 毫米 比亚迪官方放出新车设计图，该车已完成工信部申报，采用全新设计语言，尺寸大幅加长，配备全新动力电池，更多惊喜即将揭晓。>> 查看详情 27. 卢伟冰晒全新小米 18 Pro 系列手机拍摄样张，全系搭载徕卡双 2 亿超清影像系统 小米集团合伙人 / 总裁、手机部总裁、小米品牌总经理卢伟冰 9 月 22 日晒出了全新小米 18 Pro 系列手机的拍摄样张。他表示，全新小米 18 Pro 系列手机将全系搭载徕卡双 2 亿超清影像系统。>> 查看详情 28. 大运汽车重整计划获法院裁定批准：流动资金遭遇阶段性周转困难 2026 年 9 月 17 日，山西省运城市中级人民法院依法作出民事裁定书，裁定批准《大运汽车股份有限公司等 58 家公司重整草案》。>> 查看详情 29. 罗永浩回应贾国龙要求下跪才肯和解：流氓黑公关造谣，已取证将起诉 针对微博大 V“理记”爆料贾国龙要求罗永浩下跪才肯和解一事，罗永浩回应称该说法是“流氓黑公关”编造的谣传，已完成取证将投诉起诉。“理记”迅速反击，称对话“我们俩都认”，反指罗永浩造谣式辟谣，并扬言将赴纪委说明情况。该纠纷背景是 2025 年 9 月罗永浩质疑西贝“几乎全都是预制菜”。>> 查看详情 30. 岚图梦想家 9“新时代旗舰 MPV”上市，41.99 万-52.99 万元 新车共推出 6 个配置，涵盖插混和纯电两种动力。全系标配 800V 高压平台，纯电版搭载 120kWh 电池，为 MPV 市场容量最大。搭载华为乾崑智驾 ADS 5 系统和鸿蒙座舱 HarmonySpace 6，智能化配置拉满。>> 查看详情 今天就先聊到这里，IT早报，咱们明天见。
-
techcrunch-ai · 2026-09-22 · AI行业 / rss
OpenAI is launching two new models, which it says are cut from the same cloth as Astra.
-
hf-papers · 2026-09-04 · AI论文 / hf-daily-papers / [object Object]
Autonomous agent systems increasingly depend on reusable skill abstractions for consolidating experiential knowledge and domain expertise. These artifacts typically bundle free-form instructions with heterogeneous resources. However, ensuring their correctness remains challenging. Their failure modes transcend conventional code defects to subtle semantic inconsistencies such as intent conflicts, which manifest as silent failures masked by the underlying model. Moreover, skill correctness must be grounded in intended task boundaries and generalizability. We propose SkillSpec, a Hoare-style framework that formulates skill correctness as a specification reasoning problem. It transforms a heterogeneous skill repository into a unified graph representation that aligns descriptions, instructions and code artifacts. For each node, SkillSpec derives an ExpectSpec from the surrounding declared intent, and infers FactSpecs from encoded behavior under partially disclosed intent. An intent mask regulates access to holistic, lineage, neighborhood, and local views to balance the bias introduced by excessive context against unsupported inference caused by insufficient context. SkillSpec jointly reasons over these views to flag candidate defects, and automatically validates them in an isolated sandbox. On 515 real-world skills from SkillsBench and widely downloaded repositories, SkillSpec identified 763 manually confirmed defects across 239 skills, achieving 61.2% precision. The node-level analysis across multiple model families shows that specification reasoning is consistently reliable for code nodes, whereas plain-text nodes remain a major bottleneck. Most defects arise at the boundaries between declared intent and implementation, demonstrating that explicit specifications provide a practical foundation for skill quality assurance in real-world agent ecosystems.
-
tavily · 2026-06-12 · AI与Agent 最新 热点 趋势 / Tavily
新浪首页 新闻 体育 财经 娱乐 科技 博客 图片 专栏 更多 汽车 教育 时尚 女性 星座 健康 房产历史视频收藏育儿读书 佛学游戏旅游邮箱导航 新浪微博 新浪新闻 新浪财经 新浪体育 新浪众测 新浪博客 新浪视频 新浪游戏 天气通 . AI Agent Market Growth Report McKinsey. (2024). The Future of AI Agents MIT Technology Review. (2023). AI Agent Evolution OpenAI. (2023). System Design of Agent Framework 本文首发于微信公众号，版权属于作者。如需转载请联系作者。 海量资讯、精准解读，尽在新浪财经APP AI 智能体 []( ## VIP课程推荐 加载中... ## APP专享直播 上一页下一页 1/10 ## 热门推荐 收起 新浪财经公众号 新浪财经公众号 [...] - 01/“挂上去几秒钟就没了”！二手大额存单爆火，有人日夜蹲守，黄牛代抢一次上百元 - 02/纳入个人养老金投资范围后 首批储蓄国债开售冷热不均 - 03/黄金“光环”褪色！机构下调短期目标价，积存金投资者分化加剧 - 04/大额存单也有黄牛！加价转让，收费代抢 - 05/18岁就办信用卡故意欠款逾期，只为“弄脏”征信防网贷？全网刷屏的“护娃神操作”，涉嫌违法且隐患重重 - 06/有家长为防子女沾染网贷，故意让信用卡逾期“毁征信” - 07/拆解理财社区小V营销套路，三招识破“伪分享” - 08/川渝银行业之震：两日两位退休行长被倒查 - 09/总额8560亿元！大行忙发“二永债”，中小行另辟蹊径 - 10/葛海蛟出席中国人民银行与印度尼西亚银行联合工作机制第二届行长会金融合作成果发布活动 徐小明 凯恩斯 占豪 花荣 金鼎 wu2198 丁大卫 易宪容 叶荣添 沙黾农 冯矿伟 趋势之友 空空道人 股市风云 股海光头 [...] 叶檀 凯恩斯 曹中铭 股民大张 宇辉战舰 股市风云 余岳桐 股海战神 郭一鸣 赵力行 叶檀 凯恩斯 曹中铭 股民大张 宇辉战舰 股市风云 余岳桐 股海战神 郭一鸣 赵力行 冷友斌回应网友质疑：说价格高 对飞鹤不公平！ 冷友斌回应网友质疑：说价格高 对飞鹤不公平！ - 7x24快讯：9月19日沪深两市涨停分析 - 非凡哥哥samm：不想做任何操作 - 飞我eight：今天才这点成交量 - 和你天天向上：全部清除了 一分不剩 - 用户7048726012：想红但是又有点怕羞 - 江东子弟93949：还对中芯抱有幻想的人 - 和你天天向上：拉升一下吧 给我清仓的机会 - 用户7763476192：再玩下去6000亿都守不住了，没人玩了 - 06-22 华润新能源 001248 -- - 06-15 科莱瑞迪 920072 15.62 - 06-12 臻宝科技 688797 44.56 - 06-12 惠科股份 001399 10.12 - 06-03 永大股份 920126 7.79