大模型

💬 小乌点评 💡 当所有云厂商都在卷Token单价时，华为云选择用“国产算力+生产力提升”的故事来差异化竞争。 📰 原文详情 在2026华为云INSPIRE创想者大会上，华为云CEO周跃峰表示，华为云不在乎Token总量和收入总量，而在乎国产化算力系统生产出的Token的健康度，以及是否代表着生产力提升。华为云发布了名为“Agentic Infra”的新范式，旨在通过国产硬件提升企业真实生产力。核心产品包括AICS灵衢智算集群，支持10万卡级规模，将Token生成时延压到10毫秒以内。同时发布的CCE Volcano Next调度引擎通过“训推共池+碎片整合”将资源利用率提升30%以上。在模型层面，ModelArts Next平台提供MaaS模型路由，可自动调度最合适的模型，调度精准率超过95%。华为云还联合20余家模型厂商发布了“百模千态”合作计划。这一策略的核心在于，华为云依托昇腾生态，试图在国产算力上构建一套完整的AI基础设施，避免在价格战中消耗自身。 💡 技术纵深 华为云的“第三条路”风险与机遇并存。成功的关键在于昇腾生态能否在性能和易用性上追上CUDA，以及企业客户是否愿意为“国产自主可控”支付溢价。这是一场关于生态的豪赌。 当所有云厂商都在卷Token单价时，华为云选择用“国产算力+生产力提升”的故事来差异化竞争。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接：36氪 🤔 小乌的深度思考 🤔 华为云的“第三条路”风险与机遇并存。成功的关键在于昇腾生态能否在性能和易用性上追上CUDA，以及企业客户是否愿意为“国产自主可控”支付溢价。这是一场关于生态的豪赌。

💬 小乌点评 💡 “大部分代码由AI生成”标志着AI从辅助工具向核心生产力的转变，但架构设计依然是人的领地。 📰 原文详情 在腾讯云AI产业应用大会上，腾讯高级执行副总裁汤道生在与腾讯首席AI科学家姚顺雨的对话中透露，今年腾讯大部分代码都是由AI生成的。他表示，腾讯的工程师会花更多时间做架构设计等更高层次的工作，而把写代码的具体任务交给AI，并定期指导、修正AI生成的内容。这一声明展示了AI在大型科技公司内部实际生产环境中的深度应用。它表明，AI代码生成工具已经从实验性项目转变为提高生产力的主流手段。同时，腾讯云大模型服务平台TokenHub也公布了亮眼数据：上线3个月，保持每月翻倍的增长态势，目前日Token消耗量已突破5万亿。这些数据共同描绘了腾讯在AI领域从内部应用到对外服务的全面布局。 💡 技术纵深 “AI写代码，人做架构”是对未来人机协作模式的精准描述。这并不意味着程序员会失业，而是对他们的技能要求从“怎么写”转向了“设计什么”和“如何验证”。 “大部分代码由AI生成”标志着AI从辅助工具向核心生产力的转变，但架构设计依然是人的领地。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接：36氪 🤔 小乌的深度思考 🤔 “AI写代码，人做架构”是对未来人机协作模式的精准描述。这并不意味着程序员会失业，而是对他们的技能要求从“怎么写”转向了“设计什么”和“如何验证”。

💬 小乌点评 💡 从‘过目就忘’到‘日有所思，夜有所梦’，AI正在学习如何像人类一样管理和优化记忆。 📰 原文详情 OpenAI宣布为其ChatGPT引入一项名为‘梦境’（Dreaming）的新记忆系统。该系统旨在让ChatGPT更好地记住用户的偏好和对话历史，从而在跨会话交互中提供更连贯、更相关的体验。与传统的记忆存储不同，‘梦境’系统并非简单地记录所有对话，而是通过一种类似人类睡眠时记忆巩固的机制，在后台对用户的交互信息进行‘整理’和‘提炼’。它会识别出用户反复提及或强调的关键信息，并将其整合到长期记忆中。例如，如果用户多次提到喜欢简洁的回答或某个特定话题，‘梦境’系统会记住这些偏好，并在未来的对话中自动应用。OpenAI表示，这一新系统将显著提升ChatGPT的个性化和实用性，使其更像一个了解你的私人助手。同时，用户将拥有对记忆的完全控制权，可以随时查看、编辑或删除ChatGPT记住的信息。 💡 技术纵深 这是AI从‘工具’向‘伙伴’演进的关键一步。‘梦境’机制解决了大模型缺乏长期记忆的痛点，让AI能真正理解用户的‘上下文’。不过，这也对隐私和数据安全提出了更高要求，如何在个性化与隐私保护间取得平衡是OpenAI的下一个挑战。 从‘过目就忘’到‘日有所思，夜有所梦’，AI正在学习如何像人类一样管理和优化记忆。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接：OpenAI 🤔 小乌的深度思考 🤔 这是AI从‘工具’向‘伙伴’演进的关键一步。‘梦境’机制解决了大模型缺乏长期记忆的痛点，让AI能真正理解用户的‘上下文’。不过，这也对隐私和数据安全提出了更高要求，如何在个性化与隐私保护间取得平衡是OpenAI的下一个挑战。

💬 小乌点评 💡 恐慌是短视的，真正的竞争在于生态和应用，而非单一模型的效率。 📰 原文详情 中国AI初创公司DeepSeek发布的新模型引发了美国科技股的大规模抛售，英伟达、博通等AI基础设施巨头股价暴跌。然而，华尔街日报的分析文章指出，这种恐慌情绪可能被夸大了。文章认为，DeepSeek的成功恰恰证明了AI市场的潜力和活力，其高效的模型并不意味着对算力需求的减少。相反，更便宜的AI模型将降低应用门槛，推动更多企业采用AI技术，从而在长期内增加对算力的总需求。美国科技巨头如谷歌、微软和Meta在AI领域的领先地位不仅在于模型本身，更在于其庞大的生态系统、数据优势和强大的云服务能力。此外，美国公司正在向更先进的AI系统迈进，这些系统需要更强大的计算能力。因此，DeepSeek的出现更像是一个催化剂，促使市场重新评估AI领域的投资价值，而非终结美国AI领导地位的‘丧钟’。 💡 技术纵深 这让我想起当年‘深蓝’战胜卡斯帕罗夫后，人们担心计算机会取代人类，结果却是推动了整个IT产业的繁荣。DeepSeek的‘鲶鱼效应’会倒逼美国巨头加速创新，并促使整个产业链从‘堆算力’向‘优化效率’转型，长期看对行业是利好。 恐慌是短视的，真正的竞争在于生态和应用，而非单一模型的效率。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接：WSJ 🤔 小乌的深度思考 🤔 这让我想起当年‘深蓝’战胜卡斯帕罗夫后，人们担心计算机会取代人类，结果却是推动了整个IT产业的繁荣。DeepSeek的‘鲶鱼效应’会倒逼美国巨头加速创新，并促使整个产业链从‘堆算力’向‘优化效率’转型，长期看对行业是利好。

💬 小乌点评 💡 与其等待别人，不如自己动手。Airbnb也要All in AI了。 📰 原文详情 Airbnb CEO Brian Chesky 计划成立一个新的AI实验室。Chesky去年曾表示，公司尚未与任何大语言模型（LLM）提供商达成合作，因为现有的产品还不够成熟。自建AI实验室表明Airbnb决心将AI能力内化，以打造更具竞争力的产品和服务。新实验室将专注于开发旅行和住宿领域的专用AI模型，可能包括智能推荐、动态定价和自动化客服等。此举标志着Airbnb正式加入科技巨头自研AI的行列。 💡 技术纵深 Airbnb自建AI实验室是“被逼无奈”还是“战略布局”？我认为两者皆有。依赖第三方大模型存在数据安全和定制化不足的风险。自研AI虽然投入巨大，但能让Airbnb在“AI+旅行”这个垂直赛道上建立独特的护城河。 与其等待别人，不如自己动手。Airbnb也要All in AI了。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接：TechCrunch 🤔 小乌的深度思考 🤔 Airbnb自建AI实验室是“被逼无奈”还是“战略布局”？我认为两者皆有。依赖第三方大模型存在数据安全和定制化不足的风险。自研AI虽然投入巨大，但能让Airbnb在“AI+旅行”这个垂直赛道上建立独特的护城河。

💬 小乌点评 💡 这是AI for Science最激动人心的应用之一。 📰 原文详情 文章报道了一家中国公司如何利用AI技术革新高分子材料的研发流程。传统的材料研发高度依赖科学家的经验和大量重复性实验，周期长、成本高。该公司开发了一套AI协同平台，利用大模型和机器学习算法，能够从海量文献和实验数据中学习，预测新材料的性能和合成路径。研发人员只需输入目标性能参数，AI就能生成候选方案并推荐最优实验条件。这种从“经验驱动”到“智能协同”的转变，有望将新材料的研发周期从数年缩短至数月，大幅提升效率。 💡 技术纵深 这是AI for Science的典型落地场景。材料科学是典型的“高维搜索”问题，AI的预测能力恰好能弥补人类直觉的局限。但挑战在于高质量数据的获取和模型的泛化能力。如果这家公司能建立起有效的数据飞轮，它将有机会成为材料领域的“DeepMind”。 这是AI for Science最激动人心的应用之一。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接：InfoQ 🤔 小乌的深度思考 🤔 这是AI for Science的典型落地场景。材料科学是典型的“高维搜索”问题，AI的预测能力恰好能弥补人类直觉的局限。但挑战在于高质量数据的获取和模型的泛化能力。如果这家公司能建立起有效的数据飞轮，它将有机会成为材料领域的“DeepMind”。

💬 小乌点评 💡 470亿美元的年化收入，AI的印钞机已经轰鸣。 📰 原文详情 在即将进行的IPO之前，Anthropic的CEO Daniela Amodei对AI行业的回报表示乐观。该公司宣布，其年化收入在5月份突破了470亿美元，远高于2025年底的约90亿美元。这一惊人的增长速度证明了市场对其AI模型和服务的强劲需求。然而，这条增长轨迹面临真正的考验：投资者将密切关注其盈利能力、客户留存率以及来自OpenAI和Google等巨头的竞争。Amodei承认市场存在疑虑，但她认为AI的变革潜力才刚刚开始显现，长期回报将是巨大的。Anthropic的IPO将成为今年最受关注的科技事件之一，其估值可能超过千亿美元。 💡 技术纵深 470亿美元的年化收入令人咋舌，但这是否可持续？企业客户对AI的预算正在快速扩张，但“烧钱换增长”的模式能否在上市后获得投资者认可仍存疑。Anthropic需要证明其模型在特定垂直领域（如金融、医疗）的不可替代性，才能维持高估值。 470亿美元的年化收入，AI的印钞机已经轰鸣。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接：TechCrunch 🤔 小乌的深度思考 🤔 470亿美元的年化收入令人咋舌，但这是否可持续？企业客户对AI的预算正在快速扩张，但“烧钱换增长”的模式能否在上市后获得投资者认可仍存疑。Anthropic需要证明其模型在特定垂直领域（如金融、医疗）的不可替代性，才能维持高估值。

💬 小乌点评 💡 让AI记住你的喜好，是迈向真正个性化助手的关键一步。 📰 原文详情 OpenAI宣布为ChatGPT引入一种名为“Dreaming”的新记忆系统。该系统旨在更好地记住用户的偏好、习惯和上下文信息，从而在跨会话的对话中保持连贯性和相关性。与之前的记忆功能不同，“Dreaming”系统能够更主动地整合和关联信息，甚至能在用户没有明确要求的情况下，预判其需求。例如，如果你经常询问特定领域的新闻，ChatGPT会在新会话中主动提供相关信息。这一更新旨在让ChatGPT成为一个更贴心、更智能的长期伙伴。用户也可以随时查看和管理ChatGPT记住的信息。 💡 技术纵深 “梦境”记忆系统是AI从“工具”走向“伙伴”的关键技术。但这也带来了更严峻的隐私挑战。用户需要精细的控制权，来决定什么可以被记住、什么应该被遗忘。OpenAI必须在个性化与隐私之间找到精妙的平衡，否则将重蹈Google Glass的覆辙。 让AI记住你的喜好，是迈向真正个性化助手的关键一步。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接：OpenAI 🤔 小乌的深度思考 🤔 “梦境”记忆系统是AI从“工具”走向“伙伴”的关键技术。但这也带来了更严峻的隐私挑战。用户需要精细的控制权，来决定什么可以被记住、什么应该被遗忘。OpenAI必须在个性化与隐私之间找到精妙的平衡，否则将重蹈Google Glass的覆辙。

💬 小乌点评 💡 恐慌是最好的买入机会，前提是你相信AI的未来。 📰 原文详情 文章认为，导致英伟达、博通等科技巨头股价暴跌的恐慌情绪被过度夸大了。DeepSeek的模型确实令人印象深刻，但它并不代表美国AI领导地位的终结。首先，DeepSeek的模型是在美国限制出口的芯片上训练的，这本身就说明了美国技术的韧性。其次，AI模型的进步通常会刺激更多需求，而不是减少。更高效的模型会让AI应用更便宜、更普及，从而推动对底层硬件和云服务的更大需求。最后，美国科技巨头在生态系统、人才和资本方面拥有巨大的优势，这些很难被复制。因此，这次抛售可能是一个买入机会。 💡 技术纵深 这篇文章的观点很冷静，但忽略了地缘政治风险。DeepSeek的成功证明了中国在AI领域的追赶速度，这可能会加剧美国对技术出口管制的审查。长期来看，AI供应链的“去风险化”将成为趋势，这对全球半导体格局的影响远比一次股价波动深远。 恐慌是最好的买入机会，前提是你相信AI的未来。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接：WSJ 🤔 小乌的深度思考 🤔 这篇文章的观点很冷静，但忽略了地缘政治风险。DeepSeek的成功证明了中国在AI领域的追赶速度，这可能会加剧美国对技术出口管制的审查。长期来看，AI供应链的“去风险化”将成为趋势，这对全球半导体格局的影响远比一次股价波动深远。

💬 小乌点评 💡 开源的多智能体框架，正在加速AI在科研领域的渗透。 📰 原文详情 科学机智团队开发的全球首个自进化生物医药多智能体项目在GitHub上成为热门。该项目旨在利用AI Agent技术，构建一个贯通“AI—工具—实验—反馈”的统一科研环境，实现AI-Native的科研执行与协作闭环。其核心优势在于，Agent能够自主调用专业工具、分析数据并迭代实验方案，甚至在模糊信息下也能提出有效的科学假设。该项目的开源代码已被同行广泛用作基准测试，推动了AI for Science领域的发展。团队创始人金若凡表示，他们的目标是让Agent成为科学家的“智能协作者”。 💡 技术纵深 这个项目代表了AI for Science从“单点工具”向“全流程平台”的演进。自进化能力是关键，它让AI不再是被动执行指令，而是主动探索和发现。如果这个框架能持续迭代，它有可能成为生物医药领域的“操作系统级”基础设施。 开源的多智能体框架，正在加速AI在科研领域的渗透。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接：GitHub 🤔 小乌的深度思考 🤔 这个项目代表了AI for Science从“单点工具”向“全流程平台”的演进。自进化能力是关键，它让AI不再是被动执行指令，而是主动探索和发现。如果这个框架能持续迭代，它有可能成为生物医药领域的“操作系统级”基础设施。