华为Mate X7首发商用A2A多智能体协作技术，开启消费终端智能体协同新阶段_智能机器人

1. 黄仁勋最新访谈（一）：AI商业化拐点来了，Anthropic2030年收入可能达到1万亿美元#黄仁勋 #英伟达 #AI #GTC #AI商业化

2. 理想发的论文，上了芯片界的奥斯卡，看到理想马赫100芯片论文入选ISCA 2026工业分区的消息，心里还挺感慨的。ISCA是计算机体系结构领域的顶会，工业分区更是聚焦落地的硬核技术。理想也成了这个分区设立以来全球首家入选的车企，一家做车的公司，在芯片顶级殿堂上拿出了让同行认可的设计，这背后是三年多自主研发的沉心积淀。传统GPU强，但又贵功耗又高，专用芯片效率高，但算法一变就容易废掉。理想另辟蹊径靠软硬协同和编译器提前调度，而不是单纯堆核心、堆缓存。算是走出了一条兼顾高效与通用的新路子，给出了车载AI计算的另一种答案。理想这些年在前沿AI技术上的深耕有目共睹，多篇论文登上各领域顶会，还坚持开源共享、公开发表芯片核心数据，这种无私公开的态度，能让整个产业的智能化之路走得更稳更远。车企沉下心做底层技术研发，才是智能汽车发展的根本。#理想芯片拿下世界冠军级认证##理想马赫100芯片#

3. 2026年ＡＩ即将发生在你身边的人工智能

4. 算力革命的总设计师！英伟达未来10年的AI蓝图！如何重构全栈生态？「超极氪」

5. 刚刚，OpenAI买下Python最强基建，准备垄断开发者「生产资料」

6. 核心AI场景首超英伟达，一场国产算力的“破局叙事”｜甲子光年

7. 人本智造：新一代智能制造的重要发展方向

8. 【周鸿祎：只有通过多智能体协作才能让人工智能真正落地】财联社3月7日电，全国政协委员、360集团创始人周鸿祎在接受采访时表示，要实现人工智能在各行业的落地，需要让通用模型变为智能体。周鸿祎表示，人工智能发明的初衷是实现人类智力的“无限量供应”，因此，人工智能应用的领域不会局限于某个行业。他也表示，此前大众熟知的通用大模型能做的只是“聊天机器人”。“只有真正让人工智能变成智能体，且通过多智能体的协作，才能让人工智能落地。”周鸿祎说。 (上证报)

9. #汽车黑科技# 当传统工业数字化陷入 “系统割裂、只呈现不解决” 的天花板，广域铭岛 Geega 工业智能体以四阶段转型路径，为制造业智能化提供了实战样本。其核心逻辑从 “流程管控” 转向 “问题闭环”，通过 “感知 - 决策 - 执行” 架构，在吉利、领克、极氪等工厂实现规模化落地，用量化成果破解工业 AI “概念空转” 的行业痛点。#汽车资讯##新能源汽车# 锐车小叔的微博视频

10. 国产GPU，拐点已现

11. 2026年智能体将会迎来快速增长期，会成各个企业的重点的投资和发展对象。国内将加速推动 “人工智能 +” 等重点领域的应用场景培育；旧金山的 Halper AI 正式成立，专注于简化 AI 部署流程，帮助面临资源和技术门槛的中小企业实现 AI 数字化转型；2025 首尔人工智能峰会，全球 70 余家企业顶级科技企业探共同探讨讨智能体在多领域的渗透。国内预计 2028 年企业软件中整合自主型 AI 的比例将从 2024 年的不足 1% 飙升至 33%，15% 的日常工作决策将由智能体自主完成。政策扶持将加速智能体在制造、医疗、金融等领域的渗透，形成通用智能体平台加行业专用解决方案的产业格局。#AI生活指南##AI创造营##一分钟视频创作季# 种斌Marco的微博视频

12. 理想马赫100芯片论文入选ISCA 2026工业分区，确实是汽车行业的里程碑。作为全球首家入选该顶会工业分区的车企，不仅证明了理想在底层芯片架构上的硬实力，更走出了一条不同于传统GPU的技术路线。#理想芯片拿下世界冠军级认证##理想马赫100芯片# 其数据流架构让数据直连计算单元，大幅提升能效与有效算力，单颗等效英伟达Thor U的3倍，还能适配AI快速迭代。近三年50多篇顶会论文、坚持开源共享，理想从车企向科技公司转型的决心很清晰，也为车载AI计算提供了新方向。

13. 全球首家具身数据独角兽诞生：光轮智能完成10亿元融资，开启具身数据规模化元年｜甲子光年

14. 中国机器人，今年又在春晚舞台炸场了！这不仅仅是场表演，而是在向全世界摊牌：中国已经具备把智能规模化落地的能力。 #大咖观察 #红衣聊AI #春晚 #机器人 #AI

15. 从“聪明的废物”到“数字员工”，智能体落地如何破局

16. 范式跃迁：LLM + EC重构算法设计范式，华为&港城大夺冠CVRP国际顶级赛事

17. 乐事薯片AI视频广告案例分镜线稿图sora2一键直出

18. 体系化培育智能经济新形态

19. 对话李笛：异构多智能体，让 AI 学会真正的「群体思考」

20. 摩尔线程网下申购爆火近1600倍！国产GPU第一股引机构疯抢今日“国产GPU第一股”摩尔线程启动科创板申购，热度直接拉满，网下申购倍数飙至1572倍（近1600倍），创年内新股询价热度峰值，机构抢筹意愿空前强烈。此次发行亮点扎堆，发行价定114.28元/股，刷新2025年A股新股发行价新高，中一签需缴款57140元，同样位列年内新股首位，募资总额近80亿元，稳居今年科创板募资规模榜首。机构参与阵容豪华，267家网下投资者携7555个配售对象报价，有效申购股数超700亿股，南方、易方达等头部基金均动用数百只产品参与，最高报价较发行价溢价近四成，足见机构对其成长性预期拉满。热度背后逻辑清晰：一是国产替代刚需加持，摩尔线程深耕全功能GPU，自主研发MUSA架构突破多项技术壁垒，部分性能对标国际巨头，契合算力自主可控战略；二是AI算力需求爆发，全球及国内GPU市场规模持续扩容，公司AI智算产品成营收核心，精准承接大模型训练、智算中心建设需求；三是硬科技属性获认可，五年推出四代GPU架构，累计研发投入超43亿元，技术实力筑牢稀缺性壁垒。网上申购同样火爆，有效申购户数达482.66万户，回拨后最终中签率仅0.036%，全民抢筹态势凸显。作为今年科创板最快过会上市项目之一，摩尔线程IPO不仅是自身里程碑，更折射出国产算力核心资产的市场关注度，后续上市表现值得期待。#摩尔线程申购爆火 ##国产GPU第一股 ##AI算力赛道 ##A股新股热点#

21. 以「更懂开发者」之名：2026全球开发者先锋大会，看Agent如何重塑生产力

22. 从码农到“农场主”！这届鸿蒙开发者开挂了吧？

23. 字跳TRAE团队发了个《2026 企业级AI编程实践手册》，总结了他们的AI编程方法论和工程实践网页链接“在2026年，AI编程已不再是实验性的尝试，而应该成为企业软件开发的核心生产力。本手册源于TRAE团队在构建AI编程助手过程中的真实实践——我们用AI构建AI，在这个过程中积累了从方法论到工程实践的完整经验。这不是一本理论书籍，而是一线研发团队的实战总结。我们将分享如何将AI真正融入企业级开发流程，如何建立可复制的工程规范，以及如何让团队从“会用AI”到“精通AI编程”。无论你是技术决策者、架构师还是一线开发者，都能在这里找到可落地的方法和工具。AI时代的软件开发不是替代人类，而是重构协作方式。让我们一起探索这个新范式。”#How I AI#

24. 2026年初智能驾驶迈入体系效率决胜阶段，吉利千里浩瀚G-ASD智驾系统OTA 6.7落地后口碑拉满，成年度智驾格局最大变数。《大海工作日VLOG》直击杭湾研究院动态驾驶，解锁该系统硬核实驾，解构技术体系，尽显吉利技术迭代与量产双轮驱动实力。#含模量高的智驾是什么样#

25. 【#华为折叠屏首发A2A智能体协作#】华为MateX7重磅实现A2A（AgenttoAgent）智能体协作商用，标志着折叠屏在系统层面完成革命性进化。首次亮相的A2A小艺智能体，打破传统应用“孤岛困境”，凭借强大的跨应用调度与协作能力，可联动多款APP智能体自主拆解任务、协同响应指令，让“一句话搞定复杂需求”成为现实。

26. 当AI从工具进化为队友，个人超级智能体硬件来了

27. 理想汽车马赫100芯片论文《M100: An Orchestrated Dataflow Architecture Powering General AI Computing》成功入选ISCA 2026工业分区，创下行业里程碑。ISCA是计算机体系结构领域全球四大顶会之一，聚焦处理器、AI加速器等前沿硬件设计。2020年设立工业分区，要求主要作者来自工业界，仅收录落地产品级成熟方案，此前多为科技巨头入围。理想汽车成为ISCA工业分区设立以来全球首家入选的汽车企业，硬核实力获国际顶会权威认证，彰显自研芯片与AI计算的深厚技术积淀。 #理想芯片拿下世界冠军级认证##理想马赫100芯片#

28. 未来的人和智能体应该是相互融合协作的关系。 #大咖观察 #红衣聊AI #智能体 #人机协作

29. #华为折叠屏首发A2A智能体协作#新一代的华为Mate X7又将折叠屏体验拉满！作为行业首个实现A2A智能体协作商用的机型，小艺不再是单一助手，而是能联动多个应用智能体的"超级协作中枢"。旗舰芯片的强悍算力加持，让智能体间的任务流转、数据互通零延迟，彻底解决了折叠屏多任务适配差、操作割裂的老问题。这不仅是小艺智能体的实力爆发，更给折叠屏定下了"智能协同"的新赛道，期待实际上手体验！

30. #华为折叠屏首发A2A智能体协作#华为Mate X7首次实现A2A智能体协作，令大屏手机在AI层面的优势充分被释放。直板机上很多需要切换来实现的交互，华为折叠屏直接一屏搞定，而且大屏下更能实现一屏多应用操作，相对于直板机，可视范围更大。就好比在看股票的时候，折叠屏可以一边看盘，一边让小艺智能体分析，那体验超高效。

31. 首个可商用自我演化超级智能体“百度伐谋”，借鉴进化算法模拟亿年生物进化过程压缩至数小时，帮助企业在交通、能源、金融、物流、新药研发等领域寻找“全局最优解”，突破人类专家局部优化瓶颈。伐谋集成大模型推理、进化计算与分布式系统，通过冷启动生成初始解和7×24自主迭代演化，提供动态、可解释的最优方案，实现“人类定义任务、智能体持续寻优”新范式。李彦宏强调AI内化成生产力，推动产业核心难题优化，如能源预测准确率提升20%、金融风控风险区分度升2.41%。在KernelBench、MLE-Bench、ALE-Bench等评测中领先，落地案例包括海上风电电缆路径优化节省数倍时间、鄂尔多斯交通延误降18%、辽港调度节能百万。目前，通过famou.com邀请码开放，邀企业伙伴共释AI“亿万”价值。#ai生活指南##ai创造营#

32. 财联社10月11日电，在2025中国移动全球合作伙伴大会上，工业和信息化部总工程师钟志红表示：【工信部总工程师钟志红：加快高端算力芯片等技术攻关大力发展智能机器人、智能穿戴等新一代智能终端】【工信部总工程师钟志红：构筑智能化综合性信息基础设施引导万兆光网从技术试点走向部署应用】【工信部总工程师钟志红：实施工业互联网和人工智能双向赋能行动发展工业智能体】

33. 2025年被称为“智能体（Agent）元年”，各行业、各领域应用AI技术，主要体现为研发各种基于Agent的智能体应用。2026年，预计会迎来“智能体应用”的井喷，并且会从单智能体全面转向多智能体应用，多个智能体相互连接和协作，将越来越多的工作和任务自动化和智能化。对于普通人来说，在2026年，你会看到，越来越多的人类工作由AI接管，AI取代人干活的步伐在加快。

34. 2026年AI全景预测：迈向百亿智能体时代的20个发展趋势。 #大咖观察 #人工智能 #红衣聊AI #智能体 #AI时代

35. 当你还觉得AI只是“辅助工具”时，它早已在改写很多行业的游戏规则了。#大咖观察 #红衣聊AI #AI工具 #智能体

36. AI时代，最不值钱的，就是重复劳动；最值钱的，是你得熟练指挥智能体。#大咖观察 #红衣聊AI #硅谷 #智能体 #AI应用

37. 2026年最硬的铁饭碗，是学会给AI当老板｜开年必读AI指南（一）有很多年轻朋友问我：“开复老师，2026年多智能体规模化上岗了，我会被替代吗？”我在零一万物的会议室里，有一块白板，上面写过各种各样的趋势判断。在今年，一个核心的观察是：今年是企业多智能体上岗元年。AI正在从“一人一工具”跨越至“一人一团队”。如果说，推理模型加持下，单智能体所实现的是任务处理的智能化，那多智能体则是像人类团队一样分工协作、相互检查，将企业内部的优秀能力沉淀为可复用、可组合的业务资产。在我看来，2026年，企业多智能体将作为“硅基军团”，在核心办公场景中扮演关键角色。我的观察是，如果你还把AI当成一个偶尔查资料的工具，如果你还在纠结于写PPT、填表格这些重复性工作，那确实应该有危机感。任何基于数字、可计算的、相对重复性的工作，AI会越做越好，越做越快，越做越便宜。不同于基于预设规则的RPA（机器人流程自动化），多智能体实现了从“执行”到“思考”的跨越：它能理解用户意图、自主拆解复杂目标、并灵活规划路径。这种从“端到端”的交付能力，让 AI 真正具备了职业属性。未来的职场，人与AI的边界将会被重新划分：人类会从繁琐的重复性工作中解放出来，去处理最核心的战略决策，去建立人与人之间那种不可替代的情感连接。所以，如何不被替代？答案不是去和AI拼算力，而是要进化你的“战略定义力”与“价值判断力”。- “战略定义力”：在复杂的业务环境里，为AI锚定战略目标。- “价值判断力”：要有能力审查AI的产出，识别潜在风险，为最终交付的社会价值与商业价值负责。未来企业架构将会是“人类架构师＋智能体集群”协同进化的超级智能体。而具备战略定义力与价值判断力的“复合型员工”将会是人机协作的核心。你最想把哪项令人头疼的工作交给AI？（图1由AI生成）#人工智能# #职场干货#

38. Multi-Agent Collaboration via Evolving Orchestration这篇论文提出了一个极具启发性的多智能体协作框架：让整个多智能体系统由一个可学习的 “木偶师（Puppeteer）” 动态调度所有智能体（Puppets）这个框架，旨在通过解决现有系统固有的静态组织结构问题，来优化大型语言模型（LLM）的多智能体协作。其核心思想是利用一个集中式协调器，像木偶师一样，根据任务的动态变化来动态指导和调度专业化代理的激活顺序。这种协调器通过强化学习进行训练，其奖励函数旨在同时最大化解决方案的质量和计算效率，例如减少令牌消耗。实验结果表明，该方法在各种任务中实现了卓越的性能，同时显著降低了计算开销，证明了其可扩展性。分析进一步揭示，经过优化的协调机制促使多智能体系统形成了更紧凑且具有循环反馈的推理拓扑结构，超越了传统的链式或树状模型。1 研究提出的问题：当前 MAS 存在的根本瓶颈1）当前大多数多智能体系统采用静态结构，例如固定流程、固定 DAG、固定角色协作方式。2）当任务复杂度提升或智能体数量增加时，静态架构会出现协调开销大、冗余调用多、效率下降等问题。3）某些智能体在任务中实际贡献有限，但静态结构依然会触发它们，导致 Token 浪费甚至干扰推理。4）在软件生成、复杂问答、开放域推理这些任务中，多智能体之间真正有效的协作模式往往因任务不同而变化，这很难靠人工预设计完成。因此，论文提出一个关键问题：能否让一个系统自动“学会”如何调度智能体，而不是用固定协作结构？2 核心思想：木偶师式动态调度（Puppeteer Paradigm）智能体是“木偶”，一个中央控制器是“木偶师”，其任务是在推理过程中动态决定谁上场、谁退场。整体架构包含三个关键点：1）让一个中央 orchestrator（木偶师）在每一步根据当前任务状态，选择一个最合适的智能体执行下一步推理。2）这个 orchestrator 会在任务执行后得到奖励（正确性 + 计算成本），并通过强化学习不断优化调度策略。3）虽然过程是序列化的（每步一个 agent），但整个推理轨迹可以折叠成一个动态生成的有向图，即“推理图谱（Graph-of-Thoughts）”。这意味着：1）系统可以随着任务自动形成树结构、图结构、循环结构等多种协作拓扑。2）协作不再依赖预定义流程，而是任务驱动、自适应、持续演化的。3 方法框架详细拆解论文的方法分成两个关键模块：3.1 动态编排（Dynamic Orchestration）1）将每个智能体表示为一个三元组（模型、推理模式、可用工具）。2）将多智能体协作建模为一个集中式决策过程：木偶师在时间 t 根据全局状态 Sₜ 选择一个 agent 执行推理。3）每个 agent 输出结果后更新全局状态，并交由木偶师继续选择下一个 agent。4）当遇到终止条件（例如 Terminator agent）时，系统停止并输出最终结果。这个决策过程严格满足马尔可夫性，天然适合强化学习：P(aₜ₊₁ | S₀, ..., Sₜ₊₁) = P(aₜ₊₁ | Sₜ₊₁)因此 orchestrator 可以真正做到基于实时状态的动态调控。3.2 自适应演化（Adaptive Evolution）论文使用 REINFORCE 算法优化 orchestrator 的策略 π：1）任务完成后一次性给出奖励 r（正确 1，错误 0，开放任务得分区间为 [0,1]）。2）每一步会设定成本 Cₜ（Token 或 FLOPs）。3）总回报为 r 减去 λ·成本，λ 是可调的效率权重。该设计促使 orchestrator 学会：1）更倾向使用高性价比的智能体2）避免冗余推理步骤3）尽快调用 Terminator 停止推理4）长期形成紧凑而高效的协作结构4 实验结果解析：性能提升 + 成本下降“双赢模式”1） Puppeteer 在几乎所有任务上都获得显著性能提升2）强化学习后的 evolved 版本比初始版本显著更强3）在 Titan 模型空间中，平均性能从 0.6893 提升到 0.77314）更重要的是 Token 开销随着训练反而下降，不是上升这与过去多智能体研究经常出现的“调用越多越好”形成鲜明对比。5 拓扑结构的演化：从链式到紧凑循环论文一个非常有趣的发现是：随着 orchestrator 训练，多智能体协作拓扑从松散 → 紧凑，从树结构 → 图结构，并出现大量循环。具体表现为：1）图密度增加2） agent 之间的循环次数增加3）反复调用少量“核心智能体”的情况越来越多4）冗余 agent 被逐步淘汰5）推理链路更短、更集中、更有效其背后的原因非常符合直觉：1）强 agent 往往值得重复调用2）循环（自我检查、跨 agent 校验）有益于复杂推理3）扩散式的树结构容易浪费 token4）强化学习会惩罚冗余推理，鼓励形成高效闭环可以认为，这是一种机器自动学习推理结构的过程，类似于“推理图谱的自组织”。#ai创造营# #科技#

39. Claude Cowork把华尔街砸懵了！一天内市值蒸发超两万亿，原来不是软件不行了，是AI开始替人干活了。#大咖观察 #红衣聊AI #华尔街 #ClaudeCowork#智能体

40. 从脑洞到视频一步到位，副业机会这不就有了？ #大咖观察 #红衣聊AI #AIGC #起号方法 #短视频创业

41. 全新旗舰折叠华为Mate X7这次真的把AI带进了新阶段！#华为折叠屏首发A2A智能体协作#首发搭载鸿蒙6和A2A智能体协作功能，让小艺能直接调动其他应用的智能体协同服务。比如出差时只需说一句"选个能看日落的位置"，小艺就会通过深圳航空智能体帮你搞定座位；想知道股市行情，东方财富智能体立刻就能把数据呈上。完全不用来回切换APP，一句话就能让多个智能体为你工作。这种无缝衔接的体验才叫真正的智能升级，已经有点迫不及待想上手试试了！

42. 语音智能体商业落地的教训、经验与实践｜李沐硅谷101年度线下大会演讲（全英）

43. 吴恩达DeepLearning AI 新课程：Design, Develop, and Deploy Multi-Agent Systems with CrewAI可以浏览器装一个沉浸式翻译插件，实时英文字幕转中文。主要介绍了如何设计、开发与部署多智能体（multi-agent）系统，重点在于掌握代理式 AI 工作流（agentic AI workflows）的思维方式与工程方法。将学会如何把复杂任务分解成由多个专门智能体协作完成的子任务，从而高效构建复杂的 AI 应用。1. 掌握构建多智能体系统的基本概念：agent、task、crew、flow、state 等。2. 理解智能体的核心组成：记忆（memory）、工具（tools）、模型上下文协议（MCP）、执行钩子（execution hooks）与防护机制（guardrails）。3. 学会通过 CrewAI 框架将这些要素组合，构建具有可观测性、可控性与可扩展性的系统。4. 了解如何通过指标（metrics）与人类反馈（human feedback）对智能体进行评估与持续改进。访问：learn.deeplearning.ai/courses/design-develop-and-deploy-multi-agent-systems-with-crewai

44. AI智能体时代，职场规则已不同以往。想成为赢家，关键在于找准自己的位置。#大咖观察 #红衣聊AI #智能体

45. 医疗AI拐点来了！这家公司把医生“大脑”装进AI #医疗AI #智诊科技 #WiseDiag#医疗智能体 #好伴AI

46. 一个不错的Agent教程：《从零开始构建智能体》——从零开始的智能体原理与实践教程本教程旨在带领大家深入理解并构建真正的 AI Native Agent。教程将带领你穿透框架表象，从智能体的核心原理出发，深入其核心架构，理解其经典范式，并最终亲手构建起属于自己的多智能体应用。访问：github.com/datawhalechina/hello-agents #ai创造营# #程序员#

47. LLM 处理多模态是问题。然后多模态就被解决了。LLM 实在是容易 token 超长，然后 RAG 和超长 token 就出现了。LLM 的再训练太麻烦，没有长期记忆，不会持续学习，然后 HOPE 就出现了。。。神经网络的优化潜力，是非常非常高的。开源世界一定会跟进 HOPE 。我相信模型现在还是处于非常早期的阶段。最多最多，类似于智能手机大潮中，Palm 或者黑莓的阶段。iPhone 还没有出现。

48. #英伟达发布旗舰模型Nemotron 3#Nemotron 3的核心野心，是用“开源+高效”打破AI智能体的技术壁垒，一边巩固英伟达在AI硬件的霸权，一边通过软件生态渗透，倒逼行业从“单模型聊天”转向“多智能体协作”。对企业而言，这是降本增效的利器；对行业而言，一场由硬件巨头主导的AI生态革命，才刚刚开始。

49. Karpathy 2025年AI终极觉醒：我们还没发挥出LLM潜力的10%

50. 2026年将是AI从工具进化为协作伙伴的关键转折点。根据Dan McAteer的预测以及行业前沿的动态，我们正站在一个新时代的入口。首先，持续学习将被攻克。目前的模型像是每隔半年更新一次的静态快照，存在知识截止日期。随着Nested Learning和TITANS等架构的推进，AI将具备流式的智能，在交互中实时更新。这意味着模型不再有知识断层，它将从一个死板的工具变成一个与世界同步呼吸的生命体。其次，模型将实现自我验证。正如Noam Brown所预期的，可靠性和幻觉问题将在2026年得到根本性改善。当模型学会审视自己的逻辑并进行自我修正，AI将从一个偶尔胡言乱语的助手，变成一个真正值得信赖的决策支持系统。再者，算力与规模的红利远未见顶。我们甚至还没有看到由Blackwell架构训练出的顶级模型问世。摩尔定律依然在发挥作用，预训练、中段训练及强化学习的指数级增长将继续推高智能的上限。从深层视角来看，如果AI解决了所有答案，人类的价值将从寻找答案转向提出问题。解决者的时代正在落幕，提问者的时代正式开启。当智能变得廉价且无处不在，人类唯一的稀缺资源将是我们的愿景与好奇心。虽然在现实落地中，我们仍需面对数据治理、工作流适配以及操作成熟度等挑战，但正如历史所揭示的：问题出现，然后被解决。我们始终如此。2026年，AI将不再仅仅是屏幕里的演示，它将成为创造财富、解决真实难题并提升人类幸福感的基石。保持这种纯粹的乐观，因为我们正走向一个所有人都能更频繁微笑的未来。x.com/daniel_mac8/status/2003933645887725940

51. 2025年是大型语言模型（LLM）范式深刻转型的一年。Andrej Karpathy在其年度回顾中指出，我们正见证着从模仿人类到自我进化的跨越。这一年，LLM不仅在能力上突破了阈值，更在存在形态和应用逻辑上发生了根本性的改变。karpathy.ai/posts/2025-review第一个核心转变是可验证奖励强化学习（RLVR）的崛起。过去，模型主要通过模仿人类数据来学习，而现在，通过在数学和代码等具有客观标准的环境中进行大规模强化学习，模型自发演化出了拆解复杂问题、自我修正的推理能力。这意味着计算资源的投入重心已从预训练转向了推理阶段的强化，模型学会了通过思考时间换取更高质量的答案。Karpathy提出了一个引人深思的观点：LLM并非正在进化的动物，而是被召唤的幽灵。它们的智能呈现出极度不均衡的锯齿状特征，既能在复杂领域展现天才般的洞察，又可能在常识性问题上犯低级错误。这种非生物性的智能特质让传统的测试基准逐渐失效，因为模型可以通过针对性训练轻松刷分，这种演化逻辑与人类的认知成长完全不同。在应用层面，Cursor的成功揭示了LLM应用层的新厚度。Karpathy认为，如果说大模型实验室负责培养通才大学生，那么像Cursor这样的应用则负责将这些学生组织成专业团队。通过上下文工程、复杂的逻辑编排和专属的图形界面，应用层正在将大模型的通用能力转化为解决垂直领域问题的专业生产力。智能体的形态在2025年也得到了明确。以Claude Code为代表的本地智能体证明了，AI不应只是一个需要跳转访问的网页，而是一个住在用户电脑里的幽灵。它直接触达本地环境、私有数据和配置，通过低延迟的交互与开发者共生。这种从云端向本地共存的转变，让AI从一个外部工具变成了真正的数字协作伙伴。氛围编程（Vibe Coding）的流行标志着编程本质的改变。当代码变得廉价、易得且可以随时抛弃时，人类只需用自然语言描述愿景，剩下的逻辑构建交给AI。这不仅赋予了非专业人士创造软件的能力，也让专业开发者得以从繁琐的实现中解脱，专注于创意和原型的快速迭代。编程正从一种技能转变为一种表达意图的艺术。最后，LLM的交互界面正在经历从命令行向图形界面的跨越。正如早期计算机从终端转向GUI，LLM也将超越纯文本交互。通过像Gemini Nano这样的模型，AI将学会以图像、图表和交互式网页的形式与人类沟通。文字只是基础，视觉和空间化的信息传递才是人类最自然的感知方式，这也是LLM作为新一代计算范式的必然演进。回顾2025年，LLM展现出一种矛盾的魅力：它们比预想的更聪明，也比预想的更笨拙。Karpathy提醒我们，目前行业对大模型潜力的开发甚至不足10%。在这个范式不断重构的时代，我们正站在智能革命的起点，前方是广阔且未知的探索空间。一切才刚刚开始。

52. 不被AI淘汰的重要能力就是学会当智能体的领导。 #大咖观察 #红衣聊AI #智能体

53. Seedance让AI懂世界，流水线让AI出作品。 #大咖观察 #seedance #AIGC #漫剧 #红衣聊AI

54. 大模型更像人的大脑，智能体是大模型的手和脚。 #大咖观察 #红衣聊AI #智能体 #大模型

55. 想要张艺谋式色彩、诺兰式调度？如何靠智能体实现？ #大咖观察 #红衣客厅 #红衣聊AI #智能体

56. 华尔街被一篇神文吓傻！如果到2028年，AI智能体全面普及，会发生什么？#大有学问 #红衣聊AI #华尔街 #人工智能

57. #华为折叠屏首发A2A智能体协作# 华为Mate X7率先实现A2A智能体协作商用，小艺智能体能力从单点响应升级为多智能体协同。无需切换应用，一句指令即可串联专业智能体：工作中，邮件、日程、文档智能体联动处理办公事务；生活里，出行、支付、家居智能体完成全流程服务。Mate X7打破应用生态壁垒，成为全场景智能中枢，也为折叠屏行业划定智能交互新方向。关注新品发布会，解锁全新体验。

58. AI智能体也卷起来了？又懂业务又不用搭工作流…

59. #华为折叠屏首发A2A智能体协作# 华为Mate X7首发的这套智能体功能确实挺强挺实用啊！对于日常使用来说，这样的Ai智能才是我们需要的。小艺智能体首次商用A2A智能体协作，实现与第三方软件平台的协同：只需要说一句话，小艺就能无缝串联其他APP智能体，轻松实现AI订票、AI复购、AI理财建议等等各种需求和体验。华为Mate X7在智能体验这块确实做得不错，平时繁琐复杂的操作，直接一句话就搞定了。

60. LLM 的记忆问题「很快」就不再是问题了？

61. #英伟达退场国产GPU接棒# 英伟达在国内市场受限给国内的市场留下的思考还是很多的，没有了英伟达这条鲶鱼，国内企业是否会放慢对GPU的发展速度？是不是会把注意力从研发转向营销？目前面临的技术积累的薄弱如何快速的应对等等问题。数据显示2025 年三季度数据显示，国产 GPU 市场份额已达 15%，华为、壁仞等头部企业在智算中心、消费级市场多点突破，标志着行业从有无之争迈入优劣之竞。华为昇腾 910B 推理性能逼近英伟达 H20，以 1/10 成本拿下 80% 省级智算中心订单；摩尔线程 MTT S80 以低价策略打开消费级市场，信创领域市占率超 60%；寒武纪思元 590 在智能驾驶场景渗透率突破 30%。细分市场的突破为技术迭代提供了营收支撑，更印证国产 GPU 能用的阶段性成果。不过数据也显示目前算力利用率的落差最为突出，沐曦曦云 C600 标称算力达 500 TFLOPS，跑千亿参数模型时利用率仅 58%，远低于英伟达 H100 的 85% 以上。软件生态的鸿沟更显棘手，CUDA 平台拥有数百万开发者，而国产替代方案的适配成本增加 40%，导致赛博朋克 2077 等应用兼容性不足。生态协同性短板同样致命，国产 GPU 与存储设备的协议冲突使数据中心运维成本陡增。制程工艺落后台积电 5 倍晶体管密度，架构优化缺失硬件级算力调度能力。但值得期待的是，国产厂商正加速补短板，昇思框架兼容 PyTorch 达 98%，200 多家企业组建适配联盟。国产 GPU 的追赶是场持久战。#AI创造营##AI生活指南#

62. 为何 OpenClaw + skills 会席卷很多行业？因为 LLM 虽然在训练的时候几乎使用了人类在互联网上的所有数据，但是，LLM 有一个重要的数据缺失，就是真正专业领域的人类 know how 。而这些 know how 是不会有人贡献出来给 Open AI 这种私有企业的。这在经济上根本不合理。但是，skills 允许私人 know how 和模型的基本智能结合起来，单独为了自己的业务混合运算。。。所以无论你是 IT 资深架构师，资深产品经理，还是资深投资专家，你都可以用一个简单的 markdown 文件描述你的 know how ，并且指导模型运用自己的基本能力和通识。人类更核心，商业价值更高的非公开的行业 know how，就被利益，给全部整合为了目前在迅速膨胀的 skills 。。。这件事的意义不仅仅在于会颠覆 LLM 的能力边界，会颠覆什么 SaaS 行业，这件事的意义更大。。。他可能会彻底颠覆 Open Source 这种软件时代全球协作的范式。也会终结过去几十年只有通过专业 IT 人士的“翻译”，才能大规模运用算力的限制。（附图是一个不懂 AI 和软件的投资老炮的 Skill 的 meta 的经营分析结果）

63. #多地政府发布政策支持养龙虾#【“养龙虾”潮起深圳、上海、无锡政府发布政策支持】一款面向AI智能体开发的开源框架OpenClaw正在迅速从技术社区扩散至产业与政府层面，行业掀起“养龙虾”热。继开发者与创业公司涌入后，地方政府也开始将其视为新一轮人工智能产业布局的抓手。近期，深圳、上海、无锡等地相继出台或酝酿支持政策，尝试围绕智能体生态建设新的产业集群。http://t.cn/AXViUdew 　　深圳龙岗区率先给出了较为系统的政策框架。3月7日，深圳市龙岗区发布的征求意见稿提出，将围绕OpenClaw与OPC（One person company，“一人公司”）构建创业生态，并从算力、数据、应用场景、资金与人才等多个环节给予支持。　　OPC是指借助人工智能工具，一个人即可完成过去需要团队才能完成的产品开发、运营和商业化流程的公司形态。随着大模型、智能体以及自动化工具的发展，一名开发者通过调用模型和部署自动化系统，即可完成代码开发、内容生产、市场推广和客户服务等工作。　　在一些地方政府的产业规划中，OPC被视为人工智能时代可能出现的一种新型创业组织形式。与传统创业公司相比，这类企业规模极小，但借助软件和自动化工具能够快速复制产品和服务。部分地方政府在“十五五”产业规划讨论中提出，希望通过建设算力平台、开源社区和开发者生态，吸引大量AI开发者和个人创业者集聚。

64. Google Cloud 推出多智能体 AI 系统参考架构，助力构建高效协作的专业 AI 代理，实现复杂业务流程优化。核心思想是将大任务拆解成多个子任务，由多个专长智能体协同完成，提高效率与准确性，同时支持人机协作保障安全与可靠。架构亮点：- 用户输入由前端发送至协调者代理，自动选择合适代理流程（顺序执行或迭代优化）。- 任务子代理、质量评估器和响应生成器分工明确，支持多轮优化与人工干预。- 支持无服务器 Cloud Run，结合 Vertex AI、GKE、Model Armor 等多款 Google Cloud 产品和开放协议（A2A、MCP），确保系统安全、兼容和扩展性。应用场景广泛：- 财务顾问：实时数据检索、金融分析、个性化股票建议、自动交易执行。- 研究助理：规划、数据收集分析、报告撰写，支持迭代评估完善。- 供应链优化：库存管理、物流跟踪、供应商沟通，实现高效供应链协同。设计要点：- 安全：结合传统安全与动态防御，强调人工监督和最小权限，利用 Model Armor 防范提示注入和敏感信息泄露。- 可靠性：支持容错设计、故障模拟、日志和异常处理，确保高可用。- 运营：全面日志监控、智能体输出评估、工具共享和跟踪，提升运维效率。- 费用与性能优化：合理选型模型与资源，提示工程优化输入输出，支持上下文缓存和批量请求降低成本与延迟。后续行动：- 利用智能体开发套件（ADK）快速构建与部署。- 结合 Agent Garden 示例和代码，实践多智能体系统。- 深入理解 Google Cloud AI 和机器学习的架构原则与最佳实践，实现业务价值最大化。多智能体 AI 系统正推动智能自动化迈向新高度，将复杂任务拆解为可管理模块，提升效率与安全，适合金融、研究、供应链等多领域。推荐架构详细解读请见：cloud.google.com/architecture/multiagent-ai-system

65. 谷歌（Google Cloud）在其最新的《2026年AI智能体趋势报告》（AI Agent Trends 2026 Report）中，提出了AI智能体将如何重塑业务模式并驱动新价值的五大核心趋势。谷歌发布的2026年AI智能体五大趋势：AI智能体将助力全员生产力提升（AI agents will help everyone be more productive）员工将从日常重复性的执行工作转向更高层级的战略决策，将任务委托给不同的AI智能体来达成目标。AI将成为工作流程的起点。智能体工作流将成为核心业务流程（Agentic workflows will become a core part of business processes）系统中的多个智能体将能够相互协作、协调和通信，以自动化复杂的、多步骤的流程。这远超简单的聊天机器人，能够运行从开始到结束的完整工作流。从“搜索引擎优化”转向“智能体可发现性优化”（From SEO to Agent Discoverability）随着AI智能体开始代表人类进行决策和采购，企业将不再仅仅针对人类用户进行优化（SEO），而是需要优化其数据和接口，以便能被其他AI智能体“发现”并与之交互。提供“礼宾级”的客户体验（"Concierge-style" customer service）AI智能体将能够处理高度个性化的体验，实现全天候、跨语言、跨平台的实时响应。智能体能够理解上下文并处理从查询到完成交易的全过程。建立统一的AI生态系统与人类协作（Building a Unified AI Ecosystem & Human-AI Collaboration）孤立的AI工具将连接成一个单一的生态系统。同时，企业的重点将转向培训员工如何更有效地与AI协作，确保在处理复杂问题和道德考量时有“人类在环”（Human-in-the-loop）。原文网址：Google Cloud 官方博客文章：5 ways AI agents will transform the way we work in 2026 网页链接(注：这是该报告的核心总结文章)Google Cloud 资源中心（报告下载页）：AI agent trends 2026 report | Google Cloud(您可以在此页面下载完整的 PDF 深度报告)网页链接 Google谷歌爱好者的微博视频

66. 全球首家无人公司来了！一整个AI团队替人上班，不吃饭不摸鱼，普通人的数字员工时代真的来了吗？#大咖观察 #红衣聊AI #智能体 #AI时代

67. 2025过去了！这一年你是不是也在为AI焦虑？老周用360一整年的实践，告诉你答案：不用怕，抓住Agent就赢了！从我自己敲代码做100多个智能体，到带领团队All in，这条AI布道之路，全是实战干货。 2026，你想和智能体一起搞定啥？评论区留言，老周帮你研究！#大咖观察#2026 #年度总结 #红衣聊AI #agent

68. #华为折叠屏首发A2A智能体协作# 华为 Mate X7 这波黑科技太炸了！作为首款实现 A2A 智能体协作商用的折叠屏，直接把人机交互拉到新高度～依托鸿蒙 OS 的底层优势，小艺智能体化身 “超级协调官”，能自主调度多种工具和三方智能体，彻底打破应用孤岛！以前需要手动切换多个 APP 的复杂操作，现在一句话就能搞定，这不仅是小艺智能体实力的彰显，更重新定义了下一代折叠屏的核心体验 —— 从被动响应升级为主动协作。大家一定要去线下体验一下A2A智能体协作，相信会更加惊喜!

69. 智能体商战，是旧商业规则和新商业规则的战争。 #大咖观察 #红衣聊AI #智能体 #商战 #亚马逊

70. 智能化应用操作早成了生活里的“隐形帮手”#华为折叠屏首发A2A智能体协作#这次华为Mate X7首发搭载鸿蒙6与A2A智能体协作给我们的生活、工作带来更加高效、流畅、便捷的使用体验，通过无缝衔接的个性化服务，让日常体验焕新升级。对于热衷旅行的我而言，华为Mate X7首次实现A2A智能体协作，让这次的小艺智能体更如同一名贴心帮手，只需轻语“订去海口的机票”，它便能迅速联动相关应用端口，实现AI一键订票；若需复购或管理旅途安排，无须繁琐操作，智能解析指令后便可生成方案；而影音娱乐需求如下载视频，亦能借助联动功能轻松达成。全程只需简短指令，小艺智能体自动整合资源，将复杂流程简化至一句话的交互。真的实现了一句指令无缝串联多个应用智能体，无论是出行规划、生活服务还是内容获取，智能体协作都能带来高效、精准的响应，让用户尽享全场景智慧生活的便捷与灵动。

71. 很多人让我比较AI和互联网谁的机会更大，别急，看完这条视频，咱们一起聊聊。#大咖观察 #红衣聊AI #智能体 #互联网

72. #华为折叠屏首发A2A智能体协作#华为Mate X7这次真的把智能交互玩出了新高度。看完发布会最让人印象深刻的是A2A智能体协作功能，小艺现在能直接和其他应用的智能体“对话”了。比如简单说一句“选个能看到日落的航班座位”，它就能自动调用深圳航空的智能体完成选座，完全省去了手动操作各个应用的麻烦。这种跨应用的无缝协作，确实解决了之前需要反复切换应用的痛点。目前这个功能已经覆盖了航旅、财经、音频、生活服务等多个领域，这种智能体之间的协同协作，很可能成为折叠屏设备体验的新标杆。随着更多应用接入，未来的智能交互体验确实很值得期待！

73. AI让短剧从拍摄变生成，成本直降百倍、效率拉满。你觉得AI短剧未来还能带来多少惊喜？#网络名人赞两会 #2026全国两会 #漫剧 #AIGC #红衣聊AI

74. 从能聊天的大模型，到会干活的智能体，AI正迎来全新进化。企业AI落地的机会就藏在这里。#网络名人赞两会 #2026全国两会 #红衣聊AI #产业升级

75. 未来人类社会或将出现百亿甚至千亿智能体，智能体经济是未来方向 #大咖观察 #2026AI看崇礼 #红衣聊AI #智能体

76. 副业真相，2026年新一轮的洗牌开始！

77. AI智能体离掌管全球经济决策又近了一步！ #大咖观察 #红衣聊AI #金融 #科技 #财经

78. 盘点一周AI大事(10月12日)｜GPT进化AI操作系统 OpenAI发布ChatGPT应用平台 OpenAI推出智能体编排工具AgentKit Sora 2正式开放API，可以生成15秒无水印的高清视频 OpenAI与AMD牵手成功 Google发布最强行动智能体模型Gemini 2.5 Computer Use Google即将发布Veo 3.1，正面硬刚Sora 2 科学家研发出首个自适应AI教师 Hinton称AI已经有了意识，只是它自己不知道 #AI新星计划 #人工智能 #AIGC #OpenAI #机器人

79. 【保姆级】OpenClaw 全网最细教学：安装→Skills实战→多Agent协作，1 小时全精通！

80. #微博声浪计划##听见微博# 2026年初，开源AI智能体框架OpenClaw爆红，引发全民“养龙虾”热潮。腾讯免费安装服务吸引千人排队，催生“代安装”产业；小米、努比亚等厂商推出相关产品。其技术突破在于从对话到执行的范式跃迁，应用场景广泛，但也伴随成本、安全与实用性争议。未来趋势包括安全升级、多智能体协作等。科技怪咖的微博音频

81. 无问芯穹首曝智能体服务平台，以基础设施加速企业级「智能体自由」

82. 智能体设计模式总结

83. 在线投资理财工具往往涉及多个平台和复杂流程，查数据、选策略、交易执行往往分散且繁琐。ValueCell 这个开源的多智能体金融应用平台，聚焦于构建全球最大的去中心化金融智能体社区，整合了顶尖的投资智能体，助你一站式完成选股研究、行情追踪、策略执行等操作。不仅支持深度财报分析、个性化新闻推送，还有多策略智能合约交易，兼容多个主流交易所如 Binance、OKX、HyperLiquid，确保交易安全且高效。GitHub：github.com/ValueCell-ai/valuecell主要功能：- 多智能体系统，涵盖深度研究、策略执行、新闻检索等多种投资辅助；- 支持多种大型语言模型集成，灵活适配OpenAI、Google等服务；- 高度安全设计，所有敏感信息均本地存储，保障数据隐私安全；- 连接主流加密货币交易所，支持合约交易实时监控和风险管理；- 开放SDK和丰富插件体系，方便开发者定制和扩展功能；- 支持多语言界面和国际化市场数据，覆盖中美港股和加密市场。支持 Windows、macOS 多平台部署，只需简单配置即可运行，适合金融科技开发者、量化交易员及投资爱好者。#开源金融##量化交易##AI投资#

84. 在线预测要兼顾多维度信息和复杂变量，传统模型往往力不从心。MiroFish 是一款基于多智能体技术的群体智能引擎。它通过构建高保真数字沙盘，模拟千上万个具备独立人格和长期记忆的智能体互动与演化，能够从突发新闻、金融信号、政策草案等现实种子信息中精准推演未来趋势。核心亮点：- 构建平行数字世界，模拟复杂社会群体行为- 多智能体自由交互，具备长期记忆与行为逻辑- 支持自然语言描述预测需求，输出详细预测报告- 可用于政策试错、舆情分析、金融预测，甚至小说结局推演- 开源项目，支持源码部署和 Docker 容器快速启动GitHub: github.com/666ghj/MiroFish适合 AI 研究者、决策分析师和创意爱好者，真正让“预测未来”变得可视且互动。#AI创造营##人工智能#

85. 为什么在生产环境部署多智能体系统（Multi-Agent）容易出现成本失控，有哪些常见的踩坑场景？

86. 百度这个ai换脸有点东西。10月15日，百度搜索宣布全面升级文心助手AIGC创作能力，支持AI图片、AI视频、AI音乐、AI播客等8种模态创作，且能够一键调用多工具解决多场景问题。截至目前，百度搜索用户日均生成AIGC内容已破千万。此外，百度搜索还发布行业首个开放式实时互动的数字人智能体，具备高逼真度、低延时、开放式实时互动与情感识别能力，为用户提供更专业的内容和服务。据悉，综合全球知名市场调研机构Omdia《2025年中国AI搜索市场报告》及QuestMobile《2025年8月AI应用行业月度报告》，百度搜索已在AI用户规模、综合技术能力等多个核心指标位列AI搜索行业第一。马弘运的微博视频

87. 2026企业级智能体白皮书｜甲子光年智库

88. #华为折叠屏首发A2A智能体协作#就我本人来说，除了最关注的Mate 80之外，最感兴趣就是华为Mate X7它首度实现A2A智能体协作商用，这标志着折叠屏手机进入智能化新纪元。华为A2A（Agent-to-Agent）智能体协作技术，突破了传统设备操作方式，实现设备间无缝互动与协作，为用户提供了更高效、智能的使用体验。这一技术的发布，不仅提升了华为Mate X7的多任务处理能力，也深度展示了小艺智能体的强大实力，进一步推动智能设备的互联互通。凭借A2A智能体协作，华为Mate X7可在多个设备间实现无缝切换，提升工作与娱乐的效率，同时使折叠屏的使用体验更加流畅、灵活。这一突破性功能，将为未来折叠屏手机的应用场景带来更大想象空间。

89. #一分钟视频创作季# 智能体进入到需求侧与供给侧形成双重驱动。2026 年全球 AI 智能体市场规模将达 115.5 亿美元，较 2025 年实现 45.8% 的高速增长。中国市场增速更为迅猛，行业测算显示 2025 年国内企业级智能体市场约 109 亿元，未来三年复合增速超 211%，2026 年有望突破 300 亿元大关。消费电子与企业服务是核心增长点， 2026 年将有超 30% 的企业软件内置智能体能力，2026 年部署生成式 AI 智能体的企业比例将从 2025 年的 25% 翻倍至 50%，62% 的投资方预期实现 100% 以上回报。消费电子、网络安全、供应链管理成为投资热点，端侧与云端协同的混合架构将吸引更多资本布局。#AI创造营##财经朋友圈# 种斌Marco的微博视频

90. Andrej Karpathy，OpenAI 创始成员之一，特斯拉 AI / Autopilot 负责人总结了 2025 年 LLM 的主要趋势。xxxxxxxx2025年LLM年度回顾2025年12月20日2025年是LLM领域进步显著且充满事件的一年。以下是我个人认为值得关注且略感意外的“范式转变”——那些改变了格局并在概念上让我印象深刻的事情。1. 来自可验证奖励的强化学习 (RLVR)在2025年初，所有实验室的LLM生产堆栈看起来大致如下：预训练（~2020年的GPT-2/3）监督微调（~2022年的InstructGPT）以及来自人类反馈的强化学习（~2022年的RLHF）这曾经是训练生产级LLM的稳定且经过验证的配方。在2025年，来自可验证奖励的强化学习 (RLVR) 成为添加到该组合中的事实上的新主要阶段。通过在许多环境中针对自动可验证的奖励训练LLM（例如，思考数学/代码难题），LLM自发地发展出看起来像是人类“推理”的策略——它们学会将问题解决分解为中间计算，并且学会了一系列来回尝试以解决问题的策略（参见DeepSeek R1论文中的示例）。这些策略在以前的范式中很难实现，因为不清楚对于LLM来说，最佳的推理轨迹和恢复是什么样的——它必须通过针对奖励的优化来找到对它有效的方法。与SFT和RLHF阶段相比，两者都是相对薄弱/短暂的阶段（计算量较小的微调），RLVR涉及针对客观（不可作弊）的奖励函数进行训练，这允许更长时间的优化。运行RLVR最终提供了很高的能力/成本比，这消耗了最初计划用于预训练的计算资源。因此，2025年的大部分能力进展都体现在LLM实验室消化这个新阶段的剩余计算资源上，总的来说，我们看到了大致相同大小的LLM，但RL运行时间更长。同样独特的是，在这个新阶段，我们获得了一个全新的旋钮（以及相关的比例定律），可以通过生成更长的推理轨迹并增加“思考时间”来控制作为测试时间计算函数的能力。OpenAI o1（2024年末）是RLVR模型的第一个演示，但o3版本（2025年初）是明显的拐点，你可以直观地感受到其中的差异。2. 幽灵 vs. 动物 / 锯齿状智能2025年是我（以及我认为整个行业也是如此）第一次开始以更直观的方式内化LLM智能的“形状”。我们不是在“进化/生长动物”，我们是在“召唤幽灵”。LLM堆栈的一切都不同（神经架构、训练数据、训练算法，尤其是优化压力），因此我们得到的是智能领域中非常不同的实体，并且通过动物的视角思考它们是不合适的，这不应该令人惊讶。在监督的意义上，人类神经网络针对部落在丛林中的生存进行了优化，但LLM神经网络针对模仿人类文本、在数学难题中收集奖励以及在LM Arena上获得人类的点赞进行了优化。由于可验证领域允许RLVR，LLM在这些领域附近的能力“飙升”，并且总体上表现出有趣的锯齿状性能特征——它们同时是天才博学者和困惑且认知能力受挑战的小学生，随时可能被越狱诱骗来泄露你的数据。（人类智能：蓝色，人工智能：红色。我喜欢这张梗图的版本（我很抱歉我找不到它在X上的原始帖子的参考），因为它指出人类智能本身也以其自身不同的方式呈锯齿状。）与这一切相关的是我在2025年对基准测试的普遍冷漠和信任丧失。核心问题是基准测试几乎是人为构建的可验证环境，因此立即容易受到RLVR的影响，以及通过合成数据生成进行的较弱形式的影响。在典型的基准测试过程中，LLM实验室的团队不可避免地构建与基准测试所占据的嵌入空间的小口袋相邻的环境，并生长出覆盖它们的锯齿。在测试集上训练是一种新的艺术形式。粉碎所有基准测试但仍然无法实现AGI会是什么样子？我在这里写了更多关于本节主题的内容：动物 vs. 幽灵可验证性心智空间3. Cursor / LLM应用的新层我对Cursor最值得注意的地方（除了它今年飞速发展之外）是它令人信服地揭示了“LLM应用”的新层——人们开始谈论“针对X的Cursor”。正如我在今年的Y Combinator演讲（文字稿和视频）中强调的那样，像Cursor这样的LLM应用捆绑并协调针对特定垂直领域的LLM调用：他们进行“上下文工程”他们协调底层多个LLM调用，串联成越来越复杂的DAG，仔细平衡性能和成本的权衡。他们为循环中的人提供特定于应用程序的GUI他们提供一个“自主滑块”2025年，人们花费了大量时间讨论这个新的应用程序层有多“厚”。LLM实验室会捕获所有应用程序，还是LLM应用程序存在绿色牧场？我个人怀疑LLM实验室将倾向于培养出能力全面的大学生，但LLM应用程序将通过提供私有数据、传感器和执行器以及反馈循环来组织、微调并实际激活他们组成的团队，使他们成为特定垂直领域的部署专业人员。4. Claude Code / 住在你电脑上的AIClaude Code (CC) 成为LLM Agent样子的第一个令人信服的演示——它以循环的方式将工具使用和推理串联起来，以进行扩展的问题解决。此外，CC在我看来值得注意的是，它在你的计算机上以及你的私有环境、数据和上下文中运行。我认为OpenAI在这方面做错了，因为他们早期的codex / agent工作重点放在ChatGPT协调的容器中的云部署上，而不是简单的localhost上。虽然在云中运行的代理集群感觉像是“AGI的终局”，但我们生活在一个中间且足够缓慢的起飞世界中，其中参差不齐的功能更有意义，可以直接在开发人员的计算机上运行代理。请注意，最重要的区别不是“AI ops”碰巧在哪里运行（在云中、本地或任何地方），而是关于其他一切——已经存在并启动的计算机、它的安装、上下文、数据、秘密、配置和低延迟交互。Anthropic正确地理解了这种优先顺序，并将CC打包成一个令人愉悦的、极简的CLI外形，改变了AI的样子——它不仅仅是你访问的网站，比如Google，它是一个“居住”在你计算机上的小精灵/幽灵。这是一种与AI交互的新的、独特的范式。5. 氛围编码2025年是AI跨越了必要的能力阈值的一年，只需通过英语即可构建各种令人印象深刻的程序，而忘记了代码的存在。有趣的是，我在这个思绪泉涌的推文中创造了“氛围编码”一词，完全没有意识到它会走多远:)。通过氛围编码，编程不再严格地保留给训练有素的专业人员，而是任何人都可以做的事情。在这个意义上，这是我写在《权力归于人民：LLM如何颠覆技术传播》中的另一个例子，说明了（与迄今为止的所有其他技术形成鲜明对比）普通人从LLM中获得的收益远远超过专业人士、公司和政府。但是，氛围编码不仅使普通人能够接触编程，而且还使训练有素的专业人员能够编写更多（氛围编码的）原本永远不会编写的软件。在nanochat中，我氛围编码了我自己的定制高效的Rust BPE分词器，而不必采用现有的库或以该级别学习Rust。今年我氛围编码了许多项目，作为我想存在的快速应用程序演示（例如，参见menugen、llm-council、reader3、HN时间胶囊）。而且我氛围编码了整个短暂的应用程序，只是为了找到一个bug，因为为什么不呢——代码突然是免费的、短暂的、可塑的、单次使用后可丢弃的。氛围编码将改造软件并改变职位描述。6. Nano banana / LLM GUIGoogle Gemini Nano banana是2025年最令人难以置信、范式转变的模型之一。在我的世界观中，LLM是下一个主要的计算范式，类似于1970年代、80年代等的计算机。因此，我们将看到类似类型的创新，原因也基本相似。我们将看到个人计算、微控制器（认知核心）、互联网（代理互联网）等的等价物等等。特别是，在UIUX方面，与LLM“聊天”有点像在1980年代向计算机控制台发出命令。文本是计算机（和LLM）的原始/首选数据表示形式，但它不是人们的首选格式，尤其是在输入方面。人们实际上不喜欢阅读文本——它既缓慢又费力。相反，人们喜欢以视觉和空间的方式消费信息，这就是传统计算中发明GUI的原因。同样，LLM应该以我们喜欢的格式与我们对话——以图像、信息图表、幻灯片、白板、动画/视频、Web应用程序等形式。当然，这方面早期和现在的版本是表情符号和Markdown之类的东西，它们是以视觉方式“修饰”和布局文本以方便消费的方式，带有标题、粗体、斜体、列表、表格等。但是，谁实际上会构建LLM GUI？在这个世界观中，nano banana是可能看起来像什么的第一批早期暗示。重要的是，其中一个值得注意的方面是它不仅仅是关于图像生成本身，而是关于来自文本生成、图像生成和世界知识的联合能力，所有这些都纠缠在模型权重中。总结：2025年是LLM领域激动人心且略感意外的一年。LLM正在成为一种新型的智能，同时比我预期的要聪明得多，也比我预期的要愚蠢得多。无论如何，它们非常有用，我认为即使以目前的能力，该行业也远未意识到其潜力的10%。与此同时，有太多的想法可以尝试，并且从概念上讲，该领域感觉非常开放。正如我今年早些时候在我的Dwarkesh播客中所提到的，我同时（并且表面上自相矛盾地）相信，我们将看到快速且持续的进步，并且还有很多工作要做。系好安全带。

91. AI智能体之所以强大，核心在于它们的“记忆系统”。没有记忆，智能体只能盲目行动，无法学习和适应。记忆让它们能够跨时推理、优化决策，真正实现智能。短期记忆（工作记忆）负责暂时存储任务相关信息，帮助智能体追踪当前用户问题、对话上下文和任务中间步骤，从而做出连贯且有针对性的回应。长期记忆则保存跨任务的知识与经验，积累事实和规律，使智能体随着时间变得更高效、更准确。情景记忆像人类的经历记录，存储状态、行为、结果和奖励，助力强化学习中识别哪些行为带来成功或失败。语义记忆包含结构化的世界知识——概念、规则、语言和领域信息，支持智能体推理和理解新信息。检索机制根据上下文、关键词或相似度精准调用所需记忆，避免信息混乱和过时。记忆还支持多步规划，智能体能记住子目标、进展和障碍，提升长远策略，而非仅解决眼前问题。多任务环境中，智能体为每个任务维护独立记忆，防止任务混淆，提升切换效率，并跟踪用户偏好。强化学习中的经验回放机制，通过反复利用历史经验，稳定训练过程，避免重复错误。记忆系统是动态演进的，智能体通过反馈、奖励和新交互不断更新，持续优化表现。记忆不仅是AI智能体的“知识库”，更是其“成长引擎”。理解短期、长期、情景和语义记忆的区别与协作，是构建高效智能体的关键。未来，记忆与检索机制的进步，将推动AI从“会思考”向“会记忆、会学习、会进化”迈进。原文：x.com/e_opore/status/1994331859661000712

92. 第3期 | 1分钟让你成为朋友圈最懂AI的人！ Workflow、Agent、智能体集群…这些词天天见，但你真懂了吗？不懂底层逻辑，怎么看懂《十五五规划》里的万亿机会？🚀 今天把AI的底层逻辑一次盘明白，特别是最后那个“一人公司”架构，看完直呼牛！ AI的4个层级，让你超越80%的人更懂AI逻辑。 #AI #人工智能 #清华 #干货分享 #工作流

93. 谁懂跨APP切换的繁琐？#华为折叠屏首发A2A智能体协作# 华为Mate X7首发A2A智能体协作，直接终结传统操作痛点！工作上，一句指令就能联动邮件、日程、文件、数据智能分析，自动完成分析；生活里，喊一声“规划周末亲子游”，订票、订酒店、查路线智能体无缝协同，甚至复购猫粮都不用翻订单。无需手动切换系统，多个应用智能体自动分工协作，个性化需求精准响应。从值机选座到行程规划，从办公协同到生活琐事，Mate X7化身全场景智能中枢，让每一次指令都直达结果，高效又省心～

94. Collective Multi-Agent Reasoning - 集体多智能体推理

95. 2026年AI七大趋势

96. 多智能体是什么？从“一个人战斗”到“团队协作”的AI进化

97. “多智能体协作”模拟团队协作范式

98. 2026

99. 多智能体协同

100. 2026“企业多智能体元年”来临，零一万物发布六大预判

101. 多智能体系统崛起

102. 【转载】多智能体系统的分布式协同控制与优化算法研究

103. 多智能体上岗元年

104. 2026 年智能体架构综述

105. 还在手动力捧的多智能体系统？别人用自动化早就下班了

106. 2026年3月AI行业动态

107. 2026开年科技爆点复盘

108. Deep Agents框架，多智能体搭建的下一代AI架构

109. 多智能体协同从“概念验证”到“规模生产”

110. MCP+A2A 从0到1构建商业级多Agent全栈应用

111. 产品经理必吃透

112. AI 多智能体协作的一次实践

113. AI智能体实战开发教程（从0到企业级项目落地）

114. 多智能体协作效率真相

115. 单智能体够用，多智能体才高效？任务可分解性与容错需求决定AI架构选择

116. 多智能体系统效率真相

117. LangGraph多智能体1

118. Multi-Agent系统是如何协作完成复杂任务的？

119. 多智能体系统架构设计

120. 多智能体系统

121. MAGnet

122. 多智能体协作工作流综述

123. 多智能体高阶使用

124. ICRA 2026 | LLM+运筹优化

125. Dr. MAS解决多智能体LLM系统端到端RL后训练

126. 深圳大学&中科院突破

127. 在 AI 智能体的开发中，框架的使用能够显著提升开发效率和系统可靠性。主流框架如 AutoGen、AgentScope、CAMEL 和 LangGraph 各有其独特的设计理念和技术路径。

128. 关于智能体（AIAgent）最常用框架详细的总结！

129. 兄弟们，搞AI Agent（人工智能体）的，最近是不是有点懵？

130. 【原创】智慧交通新纪元

131. 2025-2026多智能体协作有效性实证

132. 心理学博士学AI Agent的第n天，多智能体协作模式（10）

133. 蚂蚁消金“多智能体协同风控”入选中关村论坛2025全国数字金融创新案例

134. 蚂蚁消金“多智能体协同风控”入选中国信通院创新实践案例

135. AI重塑金融版图

136. FAIS研讨会|《金融智能体多智能体系统技术要求》标准编制首次研讨会成功召开！

137. 兴业银行上线200+智能体，将为全员配套金融智能体

138. 零售银行智能体深度应用解析

139. 智能体，工业软件的变数

140. 工业智能体，塑造制造业新范式

141. 工业智能体在制造业中有哪些实际应用场景？

142. 不懂就问

143. “龙虾”爆火背后，工业智能体才是制造业的下一个“杀手级”应用？

144. 会员动态 | 创新奇智发布AInnoGC工业本体智能体平台引领制造业认知变革

145. 智能体AI元年开启制造新范式

146. 每日GitHub精选

147. 智能体进化史（七）

148. 九天菜菜大模型agent智能体开发实战2026一月班

149. 83页 | AI+Agent+智能体技术发展报告

150. 【技术加速器】深度探索

151. 多智能体三大核心能力域

152. 为什么 MAS 是企业 AI 落地的基础架构？

153. [DeepMiner]如何通过多智能体协同架构重塑企业决策？

154. AI智能体

155. 15.7K Star！这个TypeScript AI框架让我重新思考Agent开发

156. LangChain

157. Mastra

158. 多智能体（multi-agent system）完整入门学习资料分享

159. AI智能体时代，企业信息部门的机遇与挑战

160. 企业智能体是什么？为什么2025年成为爆发年

161. 人工智能 | Deloitte谈企业级Agent落地

162. 张曼

163. 把握AI智能体时代，开启企业发展新征程

164. AI Infra：2025年新兴多智能体架构调研

165. AAAI-26论文|基于信息价值的多智能体低延迟通信框架

166. 聚焦多智能体前沿技术与产业应用，2025中国多智能体应用大会在成都举行

167. 多智能体协作引领AI新浪潮！人机共生时代已开启

168. ALL About AI 系列（六）：多智能体

169. AI Agent框架全解析：六大主流框架对比与选型指南

170. 智能体工程化开发哪家好 | 数商云：技术架构与服务能力深度解析

171. 2026年AI智能体时代的到来：从Chat到Agent的范式革命

172. 2026年AI智能体规模化落地：部分替代人类团队，聚焦自动化环节

173. 多智能体大语言模型中的人类自适应协作

174. 2024多智能体协作爆发：实证研究揭示适用边界，标准化与工程化加速推进

175. 多智能体AI框架大比拼：谁更适合你的项目？

176. 智启工程化洞见新未来 | 2026 智能体工程峰会（AES）邀您前来

177. 智能体产业化，如何攻克速度与成本双重大山

178. **2024–2025年多智能体协作已在内容生成、工业制造、财务管理等六大场景落地，任务成功率超99%**

179. 喂饭拉练！MAS多智能体系统长任务崩溃？接入GRPO强化学习根治幻觉！0-1多智能体训练系列！day1

180. AI框架大盘点：8大主流开源框架深度对比与选型指南

181. 多智能体协作编程是AI编程的未来吗？全网观点大PK

182. 速看！看看K神最新研究，可以看到目前头部多智能体核心研究去向

183. 2025中国多智能体应用大会举行

184. 这个开源的金融Agent有点逆天

185. 基于LLM的多智能体系统真的在协同合作吗

186. Agentic设计模式（7）：多智能体协作（Multi-Agent Collaboration）

187. 用40+大模型探索:多智能体能力能否自发涌现

188. 传统制造业智能化升级新路径：AI门户引领多智能体协同革命

189. 星城聚贤启新思，RMAS 2026·机器人与多智能体系统，竭诚征稿，期待仲夏相聚！

190. 2026年3月30日 🦞智能体行业动态

191. 英伟达即将于 GTC 2026 重磅发布企业级智能体平台 NemoClaw

192. 多智能体如何实现协同决策与控制

193. 2026年，AI数据分析有望走进多智能体（Multi Agent）时代

194. 广东：支持工业企业、人工智能企业打造一批具备数据处理和智能决策能力的工业智能体

195. 2026年三月工业AI智能体供应商评测五家服务商选择指南和深度对比

196. 可信AI | 中国信通院正式启动首批工业智能体评估

197. AI产品经理面试题：多Agent比单Agent的优势

198. 2026年AI智能体规模化落地元年：1.4亿活跃Agent渗透金融、制造等核心行业

199. CoMAS：利用交互奖励实现多智能体协同进化

200. 自主式AI热潮之下：智能体离企业规模化落地还有多远？

201. 基于多智能体的动态环境自主感知与最优避障路径规划研究，MATLAB代码

202. STRMAC状态感知框架：多智能体协作的新突破

203. 创e有约 | OpenClaw+AIGC：数字员工如何成为动漫创作新伙伴？

204. 多模态AI智能体开发公司哪家好：2026年最新测评

205. 360智能体发现OpenClaw高危漏洞，或波及全球17万实例；马斯克称Grok Imagine实现了正毛利丨AIGC日报

206. 智能体的发展历程

207. EI核心索引 | ICAIAgent 2026 Workshop 10 面向智能体的可信多模态数据处理：模型、系统与应用

208. 每日GitHub精选：让AI开发更高效的Mastra框架解析

209. ICAIAgent 2026 Workshop 9 征稿进行中 | 2026年人工智能与智能体国际会议征稿中

210. Gatsby团队推出Mastra 1.0：开源JavaScript智能代理…

211. EI核心索引 | ICAIAgent 2026 Workshop 12 多模态数据分析与人工智能体赋能智慧医疗

212. 大模型-智能体-【篇六： Autogen Studio、CrewAI vs AutoGen】

华为Mate X7首发商用A2A多智能体协作技术，开启消费终端智能体协同新阶段

精选参考来源