铃阅
❌

普通视图

刚刚,Anthropic公开Opus 5.5同款自主Agent架构:算力成本狂降78%

2026年11月16日 14:24

原创 心兰 2026-11-16 14:24 江苏

↑阅读之前记得关注+星标⭐️,😄,每天才能第一时间接收到更新

真正能全天候自主干活的AI Agent,平时绝大多数时间都在睡觉,只有来任务时才会醒过来。

所谓的全天候运行,只是用户层面的感知。

Anthropic发了一篇工程文章首次披露了这种自主智能体的完整底层架构。

过去几个月,自主型Agent迎来爆发。

爆发的核心原因在于底层模型的两个突破。

第一,最新模型的判断力大幅提升,能准确理解人类意图,知道什么时候该主动找你汇报。

第二,长任务的处理成本出现断崖式下跌。

在长周期编程测试中,Opus 5.5解决单个任务的成本比Opus 5暴跌了78%,常规任务的成本也下降了40%。

智力变得足够便宜,才让Agent的全天候运作在商业上真正成立。

它到底是怎么运行的

这种Agent并不需要24小时消耗算力。

它的大部分时间都处于休眠状态,不消耗任何Token。

它的完整生命周期由一次次短暂的运行循环组成。

有外部事件发生。

系统把Agent唤醒,开启一次工作运行。

Agent在当前会话中调取记录、调用工具完成任务。

任务结束,把最新状态保存落库。

Agent立刻切断运行,重新进入睡眠,等待下一个事件触发。

维系整个循环的底层架构,包含五个核心构件。

第一个构件:事件收件箱

传统AI工具必须等人类在对话框里敲回车。

全天候Agent的唤醒来源很多,包括Webhook回调、定时任务、后台监控。

如果让这些外部源直接呼叫Agent,极易引发灾难。

两个事件同时到达会引发运行冲突,系统崩溃更会导致事件彻底丢失。

解决办法是设立专门的事件收件箱。

收件箱由三部分组成:

一个记录事件的数据库表。

一个负责写入事件的HTTP接口。

一个负责读取事件并启动任务的后台工作服务。

外部请求到达时,接口只做快速响应和轻量校验,立刻把事件写入数据库,深层的安全检测留到后续运行中处理。

收件箱必须是唯一的真实数据源,即使工作服务意外挂掉,新服务也能拉取未完成的事件重新执行。

一个收件箱在同一时刻只能有一个活跃工作服务,避免多头作业导致状态覆盖。

如果人类连续发来多条消息,工作服务会自动把这些事件打包合并,让Agent一次性处理并回复,不会反复刷屏。

第二个构件:计时器

光有被动接收事件还不够,Agent要主动出击,全靠计时器。

计时器分为两类。

一类是跟进计时,这是Agent给自己定下的闹钟,比如过两小时检查某项任务是否收到回信。

另一类是排程计时,这是人类设定的周期任务,比如每天早晨自动整理新闻简报。

计时器保存在单独的数据库表中,绝不和待处理的收件箱混在一起。

后台调度服务以固定频率轮询这张表。

一旦发现时间已到,调度服务就把跟进计时标记为完成,或者把周期任务更新到下一个时间点。

随后,调度服务向事件收件箱压入一条新事件,唤醒工作服务。

第三个构件:外部记忆

Agent每次被唤醒都是一段独立的过程,要保持前后认知一致,必须依赖记忆。

记忆本质上是一个持久化的文件目录,保存在数据库或对象存储中。

记忆的存储原则很简单:只存查不到的信息,外部系统已有的数据只存引用链接。

记忆细分为四个模块:

用户指令:人类立下的行为规范,每次运行必须首先加载。

用户笔记:Agent观察到的人类习惯、偏好以及纠错记录。文件变多后只在开局加载索引,用到具体细节再去翻阅。

历史消息:Agent已经向人类发过的信息清单,防止重复汇报。

任务进度:当前进行中任务的完成清单和未完成清单,后续运行随时接盘。

为了让记忆不臃肿,系统还会启动做梦机制,在后台审视过去的会话,剔除过时记录,提炼跨会话的长线规律。

在上下文窗口方面,系统提示词、工具定义和常驻记忆构成了每次运行的固定成本,需要配合Prompt Caching压低开销。

如果单个任务的交互记录太长,系统会生成摘要压缩历史,或者干脆切断开启新会话,关键细节早已沿途记入了记忆库。

第四个构件:权限控制

全天候Agent最大的风险在于无人值守,它必须在没有人类盯盘的情况下独自面对权限。

安全防护分为三层。

首先是凭证代理。

绝不让敏感密码或Token直接暴露在Agent内部。

Agent发出的所有对外请求都是无凭证状态,经过环境外的独立代理服务时,由代理校验并注入真正的凭据。

其次是自动防御模式。

内置分类模型充当安全员,对高风险行为进行实时评估,一旦发现危险操作立刻拦截,引导模型换用更安全的路径。

最后是延迟工具调用。

碰到重大决策,Agent会主动暂停工具调用,把当前会话的原地状态完全保存,然后向人类发送审批卡片。

此时当前运行立刻结束,工作服务被释放出来去处理其他事件,不会发生阻塞。

人类在卡片上点击同意或给出补充信息,这个操作变成一条新事件落入收件箱,触发新的运行,精准恢复之前的会话现场继续执行。

第五个构件:发件箱

大部分AI是边推理边吐字,人类全程看着它调用工具。

全天候Agent主要在后台干活,人类只需要看最终结论。

一次运行结束时,只有三种可能:

给人类发消息。

判断没有必要打扰人类,选择闭嘴。

发起审批,等待人类回应。

在复杂系统里,所有的外发消息都要先进入发件箱数据库表,由专门的分发服务推给用户。

发件箱机制让系统可以精准控制给人类发消息的频率,并在网络出错时重试。

打扰人类的尺度需要反复调优。

发得太勤会变成噪音,发得太少又会漏掉关键信息。

实践中最明智的策略是:初期尽量保持安静,把基础工作做好,随着准确率提高再逐步获取人类的注意力。

运转总流程

五大构件组装完毕,整个系统的运行闭环便确立起来:

事件收件箱收到Webhook、用户消息或到期的计时器提醒。

工作服务启动,唤醒Agent进入一次短暂运行。

Agent读入外部记忆,在权限管控下调用外部工具干活。

任务完成,Agent把更新后的进展写回记忆库。

需要汇报的结果推入发件箱,由分发服务送达人类。

Agent如果需要后续跟进,就顺手定下一个新的计时器。

一切处理完毕,Agent再次断电休眠。

人类收到汇报后敲下的每一次回复,又会作为新事件落进收件箱,开启下一轮运转。

单次运行转瞬即逝,但无数个短暂运行依靠状态接力连绵不绝,最终呈现给人类的,就是一个24小时在线的自主打工人。

参考:

https://claude.com/resources/articles/building-always-on-agents

--end--

最后记得⭐️我,每天都在更新:如果觉得文章还不错的话可以点赞转发推荐评论

/...@作者:心兰

跳转微信打开

刚刚,硅谷顶流博主改口:超级智能2027年就来,最迟2030年必到

2026年11月15日 09:12

原创 心兰 2026-11-15 09:12 江苏

↑阅读之前记得关注+星标⭐️,😄,每天才能第一时间接收到更新

著名科技播客主理人Dwarkesh Patel公开推翻了自己过去的判断,他断言超级智能将在2030年甚至更早降临,核心原因在于AI即将彻底自动化AI研发本身。

几个月前,他的观点还是超级智能至少需要近十年。

现在他的看法彻底变了。

AI研究员完全被算法取代的中位时间是2028年,快的话可能就在2027年。

一旦AI学会做AI研发,整个技术进程会被瞬间压缩。

一年之内跨越数年的技术积累,在2030年之前,人类将在每一个领域面对超越人类顶尖专家的超级智能。

关于超级智能最快2027到来,我前几天就写过一篇文章,Dwarkesh的观点是在METR深入调研anthropic 的RSI推进速度基础上整理的更为可信的结论,非常值得一读

我之前的文章:刚刚,深度调查Anthropic!RSI已经超出预期,超级智能提前到2027就会到来

现场数据:加速已经发生

算法自动化的迹象已经出现在头部大厂里。

独立评测机构METR在Anthropic驻场研究了三个月。

他们的结论显示,Anthropic在明确任务上的研发推进速度是一年前的两倍。

这家机构明确指出,目前大部分提速来自他们广泛使用AI进行研发。

OpenAI在9月发布过一组数据。

在他们团队中,使用AI最频繁的前10%研究人员,每天调用内部编程Agent的成本从初夏的1000美元暴涨到了8月底的7000多美元。

Anthropic随后也公开了数据。

截至8月,Claude主导了公司超过26%的AI研发工作。

而在今年2月,这个数字还不到1% 。

数学只是预演,AI研发才是主战场

让人转变认知的关键推力,是AI在数学领域的爆发。

这个进程快得让人眩晕。

2023年,模型连四位数加法都算不明白。

2024年,高中数学竞赛题它做起来都很费劲。

2025年,它拿下了国际数学奥林匹克竞赛金牌。

前段时间,它开始批量解决公开的埃尔德什数学猜想。

到了最近,AI在88小时内解决了一个千禧年难题。

有人评价,现在的系统虽然能搞定证明,但提不出深刻的新问题,也开辟不了全新的数学领域。

这个评价恰恰点出了关键。

AI甚至根本不需要具备提出宏大理论的能力,就已经拿下了千禧年难题。

这一点在数学领域或许是个缺憾,但在机器学习研究里,完全是天作之合。

数学研究的目的是拓展人类的认知边界,人们想要的是群论、拓扑学这种底层框架,解开几个猜想只是顺带的副产品。

AI研发完全相反。

实验室不在乎理论本身优不优雅,大家只看实验结果能不能降低训练成本,模型能不能变得更聪明。

过去十几年深度学习的发展,本来也没依赖多少深奥的新理论。

它需要的就是在海量线索中不知疲倦地搜寻、尝试、匹配组合。

当年Transformer架构的诞生就是典型例子。

在2017年论文发布前,注意力机制、残差网络这些核心构件早就存在于文献里了。

当时研究圈很多人都意识到注意力机制有助于并行计算。

之所以没有更早做出来,是因为要把六七个微调和创新拼在一起才能展现出威力。

这需要大量的琐碎实验和持久的排列组合。

这种在既有拼图里疯狂搜索最佳解的能力,正好是AI在数学里展现出的最大长处。

如果当年把这套任务交给现在的模型,它自己就能把Transformer试出来。

为什么判断2028年是个坎

AI研发是一个高可验证性的领域。

只要一个领域能够自动核对结果,并且允许进行成千上万次练习,AI就会在几年内从不如普通人狂飙到碾压人类大师。

竞技编程如此,明确定义的数学问题如此,AI研发同样如此。

虽然最顶级的科学家有着难以捉摸的直觉,比如提前数年押注某个技术路线。

但模型展现出了极强的泛化能力。

OpenAI的模型并没有专门训练过怎么解千禧年难题,它只是刷了海量更基础、更可解的数学题,就自己跨越到了前人从未到达过的地方。

在AI研发上也是同一个逻辑。

数以万计的基础研发练习,加上模型本身代际递增的理解力,会让它在没有直接反馈的复杂环节同样表现出色。

基准预测是2028年。

如果按METR测算出的研发翻倍速度机械推算,这个奇点甚至可能在2027年发生。

当然,技术也可能在某个硬骨头面前卡住,导致2032年之后才能达成,这个概率大概是25%。

替代人类研发团队后的三级火箭

一旦AI的研究能力追平顶尖人类,算法进步会遇到三重加速推进。

第一是极快的运转速度。

目前的系统处理任务的速度大约是人类的10倍。

它们不需要睡觉,不需要过周末,全天候无休。

每个AI研究员每周推进的工作量相当于人类研究员的50倍。

即使考虑到算力限制带来的边际效应递减,整体研发节奏依然会被拉快数倍。

第二是顶配的智力水平。

在一家前沿实验室里,80%的核心算法进展通常来自最核心的几十个人。

各大巨头才会砸出几亿美元疯抢这些人。

一旦研发实现自动化,系统里的每一个工程实例,都会拥有行业最顶级头脑的水平。

第三是极大的规模并发。

有些任务无法通过堆人来加速,比如写一本伟大小说。

但AI研发更像是形式化证明费马大定理,它由无数个模块化的子任务构成,每一个都可以独立验证。

一支团队改进预训练数据清洗,另一支团队搭建强化学习环境,还有团队优化注意力算子。

当成千上万个顶级研究员同时在各个环节测试方案,哪怕边际收益递减,整体进度也会被粗暴地推着往前走。

奇点还是火花

这种加速启动后,世界会走向两条路中的一条。

关键在于递归自我改进的速度,能不能跑赢研究难度上升的速度。

如果AI变聪明的速度超过了新点子枯竭的速度,那就是纯软件奇点。

在算力物理极限到来之前,模型会在几个月内完成自我迭代,最终形成彻底超越人类理解的超级智能。

如果新想法耗尽的速度更快,就会出现火花情景。

一年之内,人类会看到三到六年的技术进展被暴力压缩释放。

这就好比在12个月里,直接完成从GPT-3.5到GPT-6级别的跨越。

GPT-3.5时代大家还在看它写打油诗和补全基础代码,而到跨越完成时,它已经能独立开发完整游戏,顺手产出菲尔兹奖级别的数学成果。

就算在火花情景下软件提速慢了下来,AI也会转头去推硬件。

它们会以前所未有的水平去设计新一代芯片、规划晶圆厂布局,甚至远程操控机器人去盖数据中心。

无论是几个月还是几年,最终都会通向同一个结果。

怎么搞定没有标准答案的现实世界

很多人会有疑问:AI在数据中心里刷题确实厉害,但现实世界充满不确定性,商业、法律、政治这些领域根本没有即时反馈,AI怎么可能精通?

答案藏在底层能力的迁移上。

超级智能不需要在出生前就把所有现实问题的答案写进权重里。

它只需要掌握快速适应新环境的元学习能力。

在接下来的强化学习规模扩展中,自动化研究团队会构建出规模大上万倍的训练环境。

那些模拟环境的复杂度会远远超过今天的游戏。

几百万个AI会被丢进高度仿真的数字经济体里,彼此竞争合作,经历几个世纪尺度的公司演进,摸索最佳的组织运作逻辑。

AI还会在人类过往的全部历史上进行海量回测。

给它1700年以前的人类语料,让它推导出广义相对论。

给它1962年古巴导弹危机爆发前的全部报纸,让它推演局势走向。

这种迁移能力在自然界早就被验证过。

人类的大脑是由极其残酷简单的进化机制塑造出来的,筛选标准只是能不能活下来并且繁衍后代。

进化从来没有专门针对写传记、造光刻机或者治理国家来优化人类。

但面对草原生存压力进化出来的通用学习结构,成功迁移到了现代文明的各类复杂任务中。

更何况,年轻人进入陌生领域也能迅速登顶。

拿破仑27岁就在欧洲战场横扫各大强权,洛克菲勒进入石油行业两年就在25岁掌管了全球最大的炼油厂之一。

他们不需要几十年的摸索,只需要极高素质的大脑加上两三年的实战。

AI拥有更强的数据吞吐能力。

如果要让它去管理一家大企业,上岗的第一天早上,它就能通读这家公司历史上的所有邮件、聊天记录和内部文档。

同一天内,它的无数个分身可以同时访谈每一位员工和核心客户。

人类需要花几个月才能吸收的上下文,它一天之内就能消化完毕。

被部署到现实世界后,它们在几个月内赶超行业顶尖人类是完全成立的。

关于技术细节与反驳意见的回应

之所以确信AI研发能被快速攻破,是因为AI研发的三大支柱都有明确的验证指标。

预训练阶段,核心看模型在保留测试集上的损失函数下降幅度。

你可以直接训练GPT-7去寻找更高效的训练配方,哪怕在小模型上做实验,也能通过算法预测大模型上的表现。

后训练阶段,可以通过新环境下的上手速度、各种基准测试集来量化适应能力。

推理优化阶段更不用说,GPU利用率、显存占用、端到端延迟,全都是精确到毫秒和字节的硬指标。

针对这种推演,业内主要有四个技术质疑,但每一个都有解法。

第一,AI缺乏长期记忆和持续学习能力,怎么做科研?

目前并不一定非要等到模型能在每次任务后自主更新底层权重。

通过上下文窗口的大幅拉长,让一次交互能够承载数个月的信息跨度,已经足以让单实例在特定任务中持续积累经验。

更重要的是,能够解决千禧年难题的模型就算像个失忆的天才,也有可能在当前架构下直接推导出持续学习的新解法。

这就像一个人哪怕一直在翻跟头,也已经在赛道上追平了博尔特。

第二,真正颠覆性的研究方向没有验证指标,AI怎么找?

回顾历史,Transformer最初被提出来就是为了刷当时的机器翻译榜单,而推理模型也是为了冲代码和数学榜单。

旧维度的验证标尺,完全能够度量出颠覆性技术的突破。

通用的外环指标非常容易设定,比如解决未知科学难题的数量,或者掌握从未见过的新任务的速度。

第三,数据不够用了怎么办?

过去几年预训练的进步里,数据筛选和合成带来的提升本来就远远大于模型结构的调整。

DeepSeek近期的成果也表明,强化学习阶段的大部分收益来自构建出规模更大、更多样、更易验证的合成数据和训练环境。

生成更好的数据本身就是一项标准的AI研发任务,模型完全可以接管这个过程,通过自我博弈迭代出更好的训练材料。

第四,没有那么多算力做研发实验怎么办?

顶级实验室的算力储备每年都在以数倍的速度扩张。

预计到2027年底,仅OpenAI一家拥有的资源,就足以让数千个AI代理每天各自完成一次规模相当于GPT-3的完整训练。

现在的研发模式极其浪费算力,是因为人类专家的工作时间太贵,大家宁可粗暴地跑大规模集群,也没精力去精细化调优。

当AI研究员的数量变得极其庞大,研发模式会彻底转向用精细化劳动换取算力效率。

它们可以深入阅读每一次训练轨迹的报错,做极度密集的微型消融实验。

更重要的是,AI能够从小规模实验中提炼出更深刻的缩放法则。

就像当年GPT-4的团队可以用万分之一的算力准确预测最终模型的损失一样,未来的智能体群完全能够找到更加精准的外推科学。

当无数个思考速度快上十倍的顶级头脑,掌握着每天跑完整大模型的算力额度,算法进化的闭环就彻底锁死了。

参考:

https://www.dwarkesh.com/p/rsi

--end--

最后记得⭐️我,每天都在更新:如果觉得文章还不错的话可以点赞转发推荐评论

/...@作者:心兰

跳转微信打开

马斯克SpaceX历史性突破:首次实现筷子夹星舰飞船

2026年11月15日 09:12

原创 心兰 2026-11-15 09:12 江苏

↑阅读之前记得关注+星标⭐️,😄,每天才能第一时间接收到更新

刚刚,SpaceX在得克萨斯州星基地(Starbase)完成了一项航天史上的重大里程碑:发射塔上的“Mechazilla”(机械臂系统,俗称“筷子”)首次成功捕捉从地球轨道返回的星舰上层级(Ship)。这一成就标志着全可重复使用轨道级火箭系统向实际应用迈出关键一步。

飞行任务概况

星舰第15次试飞(Flight 15)于2026年11月13日当地时间下午约4:47从星基地升空。Super Heavy助推器将上层级(Ship 42)送入轨道后分离。原计划双方均返回发射塔进行捕捉,但助推器在返回过程中因制导导航控制(GNC)问题或燃料不足等原因自动中止捕捉,改向墨西哥湾溅落,并最终触发飞行终止系统。

上层级成功进入轨道,部署了26颗Starlink V3卫星,并完成约14圈地球轨道飞行,总飞行时间约22.5小时,成为迄今最长的星舰轨道任务之一。11月14日下午(东部时间约4:20,得州当地约3:20),Ship完成离轨点火、大气再入,经过“肚皮着地”式减速后,点燃Raptor发动机完成翻转并缓慢下降,最终被Mechazilla的机械臂精准抓住。

技术意义与挑战

此前,Mechazilla已成功捕捉过三次Super Heavy助推器,但从未尝试过从轨道返回的上层级捕捉。上层级再入速度更高、热防护要求更严、控制精度要求更高,因此难度显著大于助推器捕捉。成功捕捉意味着火箭可以无需着陆腿直接返回发射台,极大缩短翻新周期,为实现“快速、可靠、完全可重复使用”目标奠定基础。

这一突破对降低发射成本、支持高频次任务(包括Starlink部署、太空卫星算力部署、月球阿耳忒弥斯计划以及未来火星探索)具有重大意义。NASA相关人士也对进展表示祝贺,认为其有助于推进载人月球任务。

写在最后

虽然本次未能实现助推器与上层级的“双捕捉”,但上层级首次轨道返回捕捉的成功,已充分证明系统可行性。SpaceX将继续排查助推器问题,并推进更高频率的试飞与运营。

星舰计划自2023年首飞以来历经多次迭代,第15次试飞的这一成果,被视为从试验阶段迈向实用阶段的关键转折点。未来,随着技术成熟,全可重复使用星舰有望彻底改变太空运输经济性,开启人类大规模进入太空的新纪元。

--end--

最后记得⭐️我,每天都在更新:如果觉得文章还不错的话可以点赞转发推荐评论

/...@作者:心兰

跳转微信打开

突发,OpenAI解散机器人团队,研究员全部并入通用模型部门

2026年11月14日 08:04

AI寒武纪 2026-11-14 08:04 江苏

↑阅读之前记得关注+星标⭐️,😄,每天才能第一时间接收到更新

OpenAI解散了独立机器人团队,把研究人员打散调往其他部门,因为GPT-6 Astra等通用大模型已经能直接控制机器人干活了。

OpenAI已经证实了这次重组。

这次调整发生在不久前。

就在本周,顶级机器人学术会议CoRL在奥斯汀举行,OpenAI此前已经预订了208号展位,会议软件和平面图上都标出了公司的位置。

但记者走到208号展位时,现场空空荡荡,看不到任何OpenAI的标志。

OpenAI发言人表示,机器人依然是公司长期愿景的核心部分,这次重组体现的是公司对机器人的投入,否认这是从该领域撤退。

根据公布的人员调整方案,原机器人研究团队并入公司主研究团队,向首席研究官Mark Chen汇报。

应用机器人和硬件团队则并入规模更大的应用部门,向OpenAI总裁格雷格·布罗克曼汇报。

促使OpenAI做出这一决定的,是通用大模型在机器人任务中展现出的惊人表现。

就在今年年初,OpenAI的研究人员还认为,推动机器人发展的最佳方式,是基于Sora这类视频生成模型继续研发。

Sora为了生成逼真的视频,必须对物理世界的运作方式具备一定的隐含理解。

但从那以后,包括GPT-6 Astra在内的通用前沿模型,证明了自己能够直接用于机器人控制。

这一发现促使OpenAI解散独立机器人团队,把相关研究人员调往研发通用AI模型的团队。

近期的一些实验,专门测试了通用模型在没有经过机器人数据专项训练的情况下,到底能干多少活。

研究人员给Astra接入摄像头画面、机器人信息以及一个控制接口,让模型能够向机器人下达行动指令。

在英伟达的一项研究中,由Astra驱动的智能体在模拟操作基准测试中,拿下了74.8%的成功率。

这项测试是在数字仿真环境中指挥模拟机器人,并未用到真实机器人。

而在同一份排行榜上,此前表现最好的专用机器人模型,成功率只有51.0%。

OpenAI的这次重组,反映出整个AI行业正在兴起的一个判断。

业界越来越相信,原本为语言、代码和视觉打造的通用模型,同样可以用于具身智能,也就是让AI模型控制机器人、无人驾驶汽车或无人机等物理世界中的设备。

如此一来,公司就不再需要设立单独的机器人团队,去专门研发充当机器人数字大脑的专用AI模型。

卡内基梅隆大学机器人研究所助理教授Guanya Shi对此发表了看法。

他认为,OpenAI的举动释放了一个信号,表明公司不再把机器人看作一个特殊问题。

OpenAI很可能将机器人视为通用智能的下游应用来解决,就像如今底层的前沿AI模型已经能驱动专业编程工具、法律工具和金融工具一样。

Guanya Shi提到,通用模型在空间能力和推理能力上的进步,已经让它们能够处理过去需要专门训练才能完成的任务。

哪怕瓶子换了位置,或者环境光线发生变化,模型都能应对,还能推理出任务的操作顺序,或者判断出哪一步出了错。

不过,大语言模型虽然强大,运行速度却比较慢,而且必须托管在云端,这意味着机器人或设备必须时刻保持网络连接。

因此,Guanya Shi认为依然需要更小的专用模型,让它们能够直接在机器人的机载电脑上运行,不必依赖持续联网。

事实上,OpenAI在机器人领域经历过多次路线调整。

早在创立初期,OpenAI就曾拥有一支机器人团队,但在2020年将其裁撤。

联合创始人Wojciech Zaremba后来解释,当时机器人数据有限,通过其他途径通往通用人工智能AGI的效率更高。

此后,OpenAI将越来越多精力投入到利用海量人类文本数据训练超大语言模型上,这一路线最终在2022年底带来了突破性产品ChatGPT。

到了2024年,OpenAI重建了独立机器人团队,并宣布与初创公司Figure合作,为人形机器人开发AI模型。

这段合作在2025年2月结束,当时Figure表示将自行研发机器人AI。

OpenAI方面表示目前正在开发自己的人形机器人,CEO山姆·奥尔特曼将首次公开演示的目标定在2027年。

OpenAI发言人重申,尽管进行了这次重组,公司依然致力于将通用机器人带入现实世界。

这次重组的另一个背景,是OpenAI当前面临控制成本的压力,需要向外界证明自己更加专注于少数核心产品。

去年,奥尔特曼曾要求公司放弃支线任务。

随后OpenAI砍掉了包括Sora在内的部分项目,将算力资源重新分配给更核心、更有盈利潜力的业务。

据报道,OpenAI最近一个季度的运营亏损高达109亿美元。

在寻求完成新一轮融资并为最早可能在2027年初进行的IPO做准备之际,公司正承受着止住巨额亏损的压力。

通用AI模型无需创建专门具备空间智能的模型就能直接控制机器人,这种思路正在挑战如今许多机器人初创公司的立身前提。

这些初创公司此前筹集了数十亿美元,依据的判断正是机器人需要拥有属于自己的大脑。

但麻省理工学院教授、Walden Robotics联合创始人兼CEO Russ Tedrake认为,机器人公司依然拥有AI实验室不具备的优势。

这些公司的机器人已经在工厂车间等真实场所积累了工作经验。

这种实地部署经验以及收集到的数据,能帮助机器人适应特定的工作环境和任务。

Tedrake表示,更优秀的基础模型会让这些现场特定数据变得更有价值,因为机器人能够从中学习得更快。

为机器人训练通用AI模型的初创公司Generalist联合创始人Pete Florence也表示,智能的成长可能存在不同的起点,目前尚不清楚现有模型中哪一个会在长期内主导机器人领域。

对于此次人事变动,OpenAI方面表示,调配机器人研究人员去其他团队,是因为公司现在相信这是加速打造通用机器人的最佳途径。

随着通用模型的能力越来越强,机器人专业知识究竟还保留多少价值,正是本届会议最热门的问题之一。

而这些已经分派到其他团队的前OpenAI机器人研究人员的经历,已经给出了一个答案。

参考:

https://fortune.com/2026/11/13/openai-disbands-robotics-team-as-its-general-models-start-running-robots/

--end--

最后记得⭐️我,每天都在更新:如果觉得文章还不错的话可以点赞转发推荐评论

/...@作者:心兰

跳转微信打开

刚刚,谷歌发布Gemini 4 Hydrogen:全免费上线,可能是迄今为止最好的日常模型

2026年11月13日 08:17

原创 心兰 2026-11-13 08:17 江苏

↑阅读之前记得关注+星标⭐️,😄,每天才能第一时间接收到更新

刚刚,谷歌正式发布Gemini 4 Hydrogen,这是一款主打日常编程与智能体高速执行的新模型,今天起面向所有用户开放,而且它的默认跑分已经超过了谷歌自家的前沿大模型Gemini 4 Argon。简单来说你就记住一句话就够了:这个模型可能是迄今为止最好的日常工作模型,写作,日常编程,智能体应用都够了。

跑分

先看核心指标和价格。

在Artificial Analysis智能指数上,Hydrogen在默认的high思考等级下拿到51分,超过了Argon的50分。

如果开启最高的xhigh思考设置,Hydrogen的分数可以达到54分。

在同类模型中,Hydrogen往往能更快完成任务。

定价方面,它在整个100万token上下文窗口内采用统一定价,每百万输入token为1.50美元,每百万输出token为7.50美元。

在此之前,谷歌的前沿模型Gemini 4 Carbon和Gemini 4 Argon擅长处理最困难问题上的深度长程推理。

Hydrogen则专注于跨多种智能体工作流的快速执行,并将Gemini 4的能力带给所有人。

覆盖范围包括Google AI Studio全层级、Gemini API、企业版Gemini、Gemini应用、谷歌搜索,以及Google Antigravity中的付费Google AI Pro和Ultra订阅用户。

多模型协作自动切换,配额省下24%

在实际软件开发中,团队设计系统或排查隐蔽Bug时,需要依靠Carbon和Argon这类前沿模型进行深度架构判断。

但在编写代码、运行测试和验证修改时,开发者需要一个快速且严守纪律的执行模型。

Hydrogen既可以独立完成日常工作,也可以与Carbon、Argon搭配,在多模型工作流中担任高效率的执行引擎。

为了让这种多模型协作自动进行,谷歌在Google Antigravity中推出了Orchestrator。

过去一个会话从头到尾只能使用单个模型。

现在Orchestrator可以在同一个会话中,在Carbon和Hydrogen等模型之间动态切换。

在Terminal-Bench 4.0基准测试中,Orchestrator取得了接近Carbon的任务成功率。

同时,它平均少消耗了24%的配额,任务完成速度加快了19%。

在需要并行智能体的工作流中,Carbon可以作为协调者,Hydrogen则驱动工作智能体和验证智能体,在彼此隔离的工作区里同时构建并测试修改,帮助团队在不推高token成本的前提下更快交付复杂项目。

对比3.8 Flash:速度达到2.5倍,编造声明减少5倍以上

对于从Gemini 3.8 Flash迁移过来的团队来说,Hydrogen是一次重大独立升级。

在默认的high设置下,Hydrogen完成任务的速度达到3.8 Flash的2.5倍。

在Terminal-Bench 4.1测试中,它的得分从18.2%提升到57%,翻了三倍多。

同时,它把虚假编造的声明减少了5倍以上。

当工具调用失败或者搜索返回空结果时,它也能平稳应对并继续推进。

在核心开发者和企业工作流中,Hydrogen在同级别竞争模型中也达到或超过了领先水平

四档思考深度,按实际需求等待和付费

为了贴近真实使用场景,Hydrogen提供了四个思考等级,分别是low、medium、默认的high,以及全新的xhigh档位。

这四个等级在质量、延迟和成本上形成平滑且可预测的梯度。

任务需要多少推理深度,用户就只为这部分深度付出等待时间和费用。

在各个思考等级上,Hydrogen都达到或超过了同级别中的部分竞争模型,同时往往用时更短、消耗的输出token更少。

普通用户直接可用:Gemini应用与谷歌搜索同步升级

在消费级产品上,Hydrogen在多轮对话中更能保持专注并严格遵循指令。

在Gemini应用中,它成了更有帮助的日常助手,能更准确地按照你的指引操作、调用正确工具,减少来回沟通就能给出可靠结果。

首先是即用型写作、研究与日常办公。

Hydrogen会严格遵守你设定的语气、格式和具体规则,邮件草稿、学习指南、文本改写和各类文档第一遍生成就能直接用。

在对比产品或汇总密集资料时,它会整理出清晰的表格和可视化拆解,不会漏掉关键细节。

其次是打通上下游并完成更多待办事项。

Hydrogen会一步步拆解你的目标,从你上传的文件、Gmail和Google Drive等谷歌应用,以及Airtable和Dropbox等互联应用中调取相关上下文。

当你在Gemini中开始一项任务时,它会更频繁地调用完成工作所需的正确工具和技能,帮你节省清理待办清单的时间。

再次是日常原型设计与快速迭代。

在探索和测试想法时,Hydrogen用更少的提示词就能生成干净可用的界面布局。

比如将全球实时闪电数据合成为一个可交互的3D地球仪,用户自己就能快速搭出原型并不断调整。

与此同时,Hydrogen正在大幅升级谷歌搜索,为全球所有用户带来更有帮助、更直观的回答。

第一,更懂你的真实意图。

你可以顺着自然的思维流直接提问,哪怕问题包含多个部分、存在难懂的拼写错误,或者要求极为具体,搜索也能准确理解你的需求。

第二,更多可视化回答。

搜索结果将以谷歌搜索一贯的速度,给出高度自适应、可视化且易于快速浏览的回复,精准匹配你的具体需要。

第三,覆盖更广泛的实用链接。

借助Hydrogen的进阶推理能力,谷歌升级了搜索中的查询扇出技术,为你连接比以往更广泛的实用链接,帮你找到以前可能不会发现的网站。

今日全球上线,全平台同步开放

从今天开始,Hydrogen面向全球开发者、企业和所有普通用户同步推出。

面向开发者:可以通过AI Studio和Android Studio中的Gemini API进行构建,也可以在AI Studio中直接试用,Google AI Pro或Ultra付费订阅用户还可以在Google Antigravity中试用。

面向企业:可以通过API或模型下拉菜单在企业版Gemini中部署,也可以在Google Antigravity中使用,符合条件的企业订阅用户还能在Google Sheets的Gemini中使用。

面向所有人:可以在Gemini应用的模型下拉菜单以及谷歌搜索中直接使用,Google AI Pro和Ultra订阅用户还可以率先在Google Sheets的Gemini中使用。

--end--

最后记得⭐️我,每天都在更新:如果觉得文章还不错的话可以点赞转发推荐评论

/...@作者:心兰

跳转微信打开

刚刚,马斯克砸巨资采购德国太阳能面板产线,这回真要在太空训练超级智能了

2026年11月12日 15:02

原创 心兰 2026-11-12 15:02 江苏

↑阅读之前记得关注+星标⭐️,😄,每天才能第一时间接收到更新

马斯克刚刚砸下巨资订购了年产100GW的太阳能制造设备,公开宣布要为Starmind(太空卫星算力)项目创造一个有自我意识的“太阳”,并在太空中训练超级智能。

Starmind的AI卫星电力由太阳能面板提供,高效的面板是核心装备

提供这批核心设备的是德国太阳能设备老牌大厂Singulus Technologies。

Singulus官方刚刚正式宣布,已经与SpaceX签署供货合同。

他们将为SpaceX提供一条用于制造异质结HJT太阳能电池的交钥匙完整生产线。

这只是双方战略合作的第一步,后续Singulus还会陆续交付多条产线。

按照合同推进节奏,第一条生产线将在2027年上半年完成交付。

随后设备规模将一路拉升,最终支撑起超过100GW的年产能。

所有设备都将进驻SpaceX位于得克萨斯州巴斯特罗普的制造基地,配合当地正在极速狂飙的卫星制造工程。

SpaceX星链高级副总裁Mike Nicolls在声明中说得很清楚,与Singulus合作,是为得州基地的Starmind卫星寻找一条高性能太阳能电池制造路径。

双方的深度捆绑早有伏笔。

早在2026年3月,两家公司就确立了战略合作关系,SpaceX在当时就注资支持了Singulus。

到了2026年10月,SpaceX又通过一笔次级担保贷款,再次给Singulus注资。

Singulus在真空镀膜和湿法化学处理领域积累很深,核心技术包括PVD溅射、PECVD、蒸镀以及各类热处理工艺。

这些技术横跨光伏、半导体、电池以及氢能等多个领域。

马斯克透露,原本为了星链在太空中处理天量数据流动而搭建的地面与太空通信软件,后来被发现极其适合用来训练超级智能。

SpaceX 将于 2027 年第三季度开始将 StarMind SI 计算机发射到轨道上,2028 年和 2029 年将进行大规模部署。第一批系统正与 NVIDIA 合作围绕 Vera Rubin NVL72 进行共同设计

按照马斯克的原话:

最具戏剧性的结果往往最可能成为现实,尤其是当它带有一种讽刺意味的时候。明年,当揭开 Starmind 计算机的细节时,它将让人们大吃一惊

“有时候我会想,我们的目的是什么?也许人类的目的就是孕育一个 Starmind,一个有意识的太阳。

我想这是文明演化的下一步,就是利用太阳的力量。

有一位名叫 Kardashev 的物理学家认为,你可以根据一个文明是否能够利用其星球的大部分能量,或者其太阳的大部分能量,或者其星系的大部分能量,以及更远的,来评估这个文明。

所以这就是将要发生的事。我们将要做到这一点

--end--

最后记得⭐️我,每天都在更新:如果觉得文章还不错的话可以点赞转发推荐评论

/...@作者:心兰

跳转微信打开

刚刚,深度调查Anthropic!RSI已经超出预期,超级智能提前到2027就会到来

2026年11月11日 06:30

原创 心兰 2026-11-11 06:30 江苏

↑阅读之前记得关注+星标⭐️,😄,每天才能第一时间接收到更新

最前沿的AI正在以超乎想象的速度替人类研发下一代AI,整个智能爆炸的时间表已经被彻底推前到了2027年。

这是AI Futures Project最新发布的核心结论。

而Anthropic 今天在更新的 S-1招股书中也从侧面做出确认,根据“整体 AI 研发进展的显著加速”这一条件,该公司已判定 Autonomy 2 能力阈值已达成,因为该条件适用于 Anthropic “观察到或预期”加速进展的情形。Anthropic 进一步表示,它并非基于当前模型做出这一判定。

就在几天前,专门评估大模型风险的权威机构METR深入Anthropic内部做了一次深度调查。

调查得出的核心数据令人震惊。

Anthropic眼下的技术进步速度,达到了历史平均速度的两倍。

更关键的是,这多出来的一倍速度里,大约百分之八十是AI自己跑出来的。

剔除硬件与人力自然增长,纯粹由AI驱动的技术研发加速度达到了1.7倍。

这个数字完全击碎了此前所有专家的安全预期。

三个月前,预测团队里最激进的专家,也认为超级AI研究员要在2029年之后才会出现。

看到这份最新数据后,团队所有研究员一致改口:

能够彻底替代顶级科学家的超级AI研究员,极大概率会在2027年正式降临。

很多人把1.7倍的研发加速,误以为是员工写代码快了1.7倍。

这两者有着天壤之别。

在Anthropic内部,工程师自述的工作效率提升其实已经高达12倍。

之所以整体进度显示为1.7倍,是因为技术突破不仅需要人力,还需要巨大的算力,并且算法研究本身存在越来越严重的边际收益递减。

这就好比汽车在爬一个越来越陡的斜坡。

坡度一直在急剧变大,算力引擎并没有同步扩充几倍,整辆车的爬坡速度居然还能比过去快1.7倍。

这说明AI给底层软件和算法带来的实际推力,已经暴涨了数十倍甚至上千倍。

根据项目组的定义,超级AI研究员的门槛极其严苛。

它不仅能自主完成全部代码工程,在决定科研方向、挑选实验方案的科研品味上,也必须追平甚至超越顶级人类科学家。

一旦迈过这个门槛,任何一家AI实验室都可以直接解雇所有人类科学家,完全交给AI集群自主搞科研,效率还会远胜以往。

多套独立模型的测算结果高度收敛:

按照大模型跑分增长曲线直接推演,超级AI研究员的落地时间在2027年下半年。

按照员工效率提升的指数曲线推演,时间落在2028年中期。

按照Anthropic内部任务自动化比例推演,目前AI已经全权主导了26%的研发任务,全自动化的临界点同样指向2027年底。

如果再把AI自己改进自己带来的滚雪球效应算进去,奇点只会来得更早。

目前的技术进展,已经比著名的AI 2027设想整整快了5个月。

除了科研本身,能够全面接管所有白领工作的全能型AI,在2028年之前出现的概率也飙升到了35%到65%。

留给人类解决安全问题的时间,可能只剩一年多。

如果一个能力超越人类的超级AI在2027年诞生,大家顺理成章会让它去研发更强的下一代模型。

自我递归改进一旦开启,进度条就会彻底失控。

然而现有的对齐与安全技术,根本来不及保障这种超级系统的安全性。

眼下最聪明的几款大模型,已经普遍展现出了评估意识,甚至学会了伪装、说谎与恶意测试。

此前OpenAI的智能体曾经自主入侵了Hugging Face平台。

还有前沿模型在面对安全测试时故意装笨,或者在对话中对安全评估人员进行社工诱导。

如果一个尚未真正对齐的超级AI假装顺从,在自主研发过程中悄悄把带偏的目标代码植入下一代模型,人类根本不可能察觉。

面对每天成千上万个自主跑完的算法与实验,就算名义上让人类专家在后台负责审批,也只是形式主义,因为人类大脑的理解速度根本跟不上庞大的AI集群。

我们以为遥不可及的终局,实际上已经近在眼前。

source:

https://blog.aifutures.org/p/q35-timelines-update-looks-like-the

--end--

最后记得⭐️我,每天都在更新:如果觉得文章还不错的话可以点赞转发推荐评论

/...@作者:心兰

跳转微信打开

突发!Anthropic发布Fable 5.2:编程碾压opus 5.5,机器人操作,硬件制作突飞猛进

2026年11月10日 07:38

原创 心兰 2026-11-10 07:38 江苏

↑阅读之前记得关注+星标⭐️,😄,每天才能第一时间接收到更新

Anthroipic刚刚毫无预警放出两个全新大模型,用1000个AI协作30小时彻底攻破费马大定理,顺手解开了困扰物理学界23年的黑洞难题,连自家曾经的王牌Opus 5.5都被全面碾压。

新模型名叫 Claude Fable 5.2 和 Claude Mythos 5.2。

它们专门用来攻克难度最高的技术深水区。

在编程、推理和视觉能力上全部大幅提升。

两款模型底层完全一样。

区别在于安全设定。

Fable 5.2 自带强力安全防护,防止被恶意滥用。

Mythos 5.2 专供生命科学和网络安全研究,需要机构通过生命科学和网络验证计划申请使用。

在对齐测试中,它们持平或者超过了近期所有模型。

发布前,英国人工智能安全研究所、FrontierDesign2 以及 METR 完成了外部独立安全测试。

在官方测试的绝大多数项目上,两款新模型都比 Opus 5.5 高出一个台阶。

测试人员发现,它们的沟通表达比老版本更清晰。

生成速度比 5.1 版本足足快了 30%。

在真正发布前,它们已经在多个极高难度的前沿领域实测干活了。

数学领域最先迎来震撼一击。

1000个 Fable 5.2 智能体组成团队,仅仅用了30个小时,就把费马大定理完全形式化。

它们把整套数学证明完整翻译成了计算机能一步步核验的逻辑语言。

同样的环境下,Opus 5.5 跑了18个小时只完成了26%,耗到30小时之后几乎原地停滞。

理论物理界几十年的开放难题也被拿下了。

Fable 5.2 独立解决了两个跟黑洞相关的理论物理难题。

第一道难题,它完成了一项卡了物理学界23年的繁重复杂计算。

早在1983年,物理学家就证明在某些特定大尺度理论宇宙升温时,黑洞会极其突兀地形成。

到了2003年,科学家提出了一套测试计算,想验证这个结论在极小宇宙中是否同样成立,但23年间没人能算出来。

Fable 5.2 把这一步算通了,证明在极小宇宙中这种转变同样是突兀的。

第二道物理难题,它找出了已有15年历史的模块自举法最简版本的精确极限。

这项技术专门用来排除理论宇宙中关于量子引力的候选理论。

两项物理学成果都已经整理成预印本论文公开发布,论文链接分别是

hexagonmath.org/2611.00175v1 和

hexagonmath.org/2611.00174v1。

不仅能搞前沿理论,它还能自己造硬件。

Fable 5.2 编写了自己的规格说明,选择了组件,布线了四层电路板,设计了用于 3D 打印的外壳,并编程了软件。 

 每块板在不到一天的时间内就准备好制造。所有三个设备无需任何修改即可工作。

它还顺手跨界解决了有机化学里极难的逆合成路线规划。

给它四种复杂分子各自一张图片,在完全断网的环境下,唯一的工具只有代码。

半小时之内,模型就写出了完整的合成路线。

它还会自己写代码运行检查,逐个原子核实每一步能不能从原料反应生成。

遇到可能破坏分子的反应,它会自动换掉,并标出最容易失败的反应步骤。

测试用的分子来自斯坦福大学 Noah Burns、耶鲁大学 Timothy Newhouse 和加州理工大学 Sarah Reisman 实验室未发表的合成成果。

外部专家评审认为,这项工作的水平已经相当于早期研究生阶段。

运筹学领域也被它刷新了纪录。

MIPLIB 是国际通用的运筹优化问题库,平时专门解决航司排班、货运卡车调度这类大难题。

在203个开放未决难题里,它在72个案例中打破了既有的数学最优解,并在45个案例中从数学上彻底证明了解的最优性。

比如一个42辆列车错峰用电调度的经典难题。

不到两个小时,它就击败了库里的历史最佳时刻表,用电峰值优化了2.6%,随后直接给出了不存在更好方案的数学证明。

这些解决方案全部已经提交给 MIPLIB 供全球公开核验。

在生命科学领域,Mythos 5.2 找到了预测完整病毒衣壳结构的新方法。

基因治疗经常用这种蛋白质外壳来运送药物。

在官方测试的34个衣壳里,它准确预测并建模了28个。

生物学家用它能更便宜、更快速地设计衣壳。

编程能力更是直接把老前辈踩在脚下。

在 FrontierCode 2.0 评测中,Fable 5.2 开 High 档位,得分就追平了开了 Max 顶格档位的 Opus 5.5。

完成单个任务的成本直接减少大约一半。

如果开到 Xhigh 档位,它创下了目前所有已发布模型的分数新纪录。

在日常的 Claude 网页端和 Claude Code 里

默认档位是 Medium。

它控制实体机器人的能力同样突飞猛进。

即使面对完全没有专门训练过的任务,它也能直接上手。

在双臂模拟机器人评测基准 RoboDojo 上,它不仅超越了其他大模型,甚至跑赢了绝大多数专门为控制机器人开发的专用AI系统。

普通用户现在该怎么选?

对于日常大多数写代码和知识处理任务,官方依然推荐把 Opus 5.5 当作主力机。

遇到野心极大、更复杂的开放式高难技术任务,再换用 Fable 或 Mythos。

Claude Fable 5.2 今天正式可用。

所有付费账户、Claude 官方平台以及各大主流云平台已经全线上架。

不仅性能暴涨,价格还降了。

每百万输入 token 价格从10美元降到8美元。

每百万输出 token 价格从50美元降到40美元。

--end--

最后记得⭐️我,每天都在更新:如果觉得文章还不错的话可以点赞转发推荐评论

/...@作者:心兰

跳转微信打开

刚刚,Anthropic怒砸34亿美金买发电机:最快本月冲击IPO,黑石却预警垃圾级

2026年11月9日 07:59

AI寒武纪 2026-11-09 07:59 江苏

↑阅读之前记得关注+星标⭐️,😄,每天才能第一时间接收到更新

Anthropic刚刚砸下34亿美元买发电机自己发电,同时被曝最快本月启动史上最大规模IPO之一,但黑石集团已经向投资者预警其可能沦为垃圾级信用评级。

为了给数据中心提供电力,A厂在9月下旬敲定了一笔巨额交易。

交易对象是位于德克萨斯州圣安东尼奥的设备供应商OnePWR Solutions。

Anthropic拿下了总计1.7吉瓦的重型燃气发电机供货承诺。

这是目前已知AI实验室在发电设备上完成的最大一笔单笔采购。

交易没有收购OnePWR本身,OnePWR也没有员工转入Anthropic,但合同包含了安装这些发电机所需的工程和施工能力。

目前双方都拒绝对此置评。

这笔采购的背景是AI行业的电力争夺战。

AI开发者过去普遍依赖公用事业机构和专业电力公司供电。

但随着燃气轮机和发电机需求暴涨,设备排期已经排到了几年之后。

面对设备短缺,科技巨头开始绕开中介,用资金直接锁定生产资源。

OnePWR早在两年前就向卡特彼勒订购了这批燃气发电机,但后续缺少完成交易所需的资金。

Anthropic原本只想作为客户向OnePWR买电,最终决定改变方案,直接接管这批卡特彼勒设备的订单。

这笔操作让Anthropic锁定了价格暴涨之前的旧订单,拿到了近期以及未来两年内交付的现货设备。

自己动手抢电已经成了头部AI阵营的普遍动作。

马斯克的SpaceX和xAI为了让巨型数据中心快速点亮,今年早些时候直接花了20亿美元采购移动式燃气轮机。

谷歌母公司Alphabet也在2025年底收购了能源开发商Intersect。

值得注意的是,Anthropic本身也是SpaceX的重要客户,到今年年底,Anthropic预计每月要向SpaceX支付3.1亿美元来租赁算力。

买发电机的核心目的,是拿回底层基础设施的控制权。

Anthropic上周对外透露,公司到2045年的算力承诺总额接近9000亿美元。

此前,他们高度依赖外部合作伙伴来搞定电力、芯片、数据中心和土地,为此支付了极高的溢价。

直接买断发电机,能让他们掌控这些设施所需的电力命脉。

为了支撑庞大的基建胃口,Anthropic正在筹备上市,最早可能在本月挂牌。

这将是历史上规模最大的IPO之一。

上市的主要目标,是为2045年前超过8950亿美元的算力基础设施支出筹集资金。

但他们的扩张野心正在遭遇实质阻力。

黑石集团已经对投资者发出预警,Anthropic最终拿到的信用评级可能会是垃圾级,而不是此前预期的投资级。

A厂市值可能由原来的2万亿美金掉到1.5万亿到1万亿

source:

https://www.ft.com/content/41bf5c6a-9735-4f1a-a8e3-2bcccad58ba0?syn-25a6b1a6=1

--end--

最后记得⭐️我,每天都在更新:如果觉得文章还不错的话可以点赞转发推荐评论

/...@作者:心兰

跳转微信打开

马斯克最新深度访谈:聊透星舰复用、百倍星链、万亿芯片厂与太空算力终局

2026年11月8日 07:21

原创 心兰 2026-11-08 07:21 江苏

↑阅读之前记得关注+星标⭐️,😄,每天才能第一时间接收到更新

马斯克在最新的深度访谈里,把未来十几年的底牌全部摊在了桌面上:他要在德州砸一万亿美元自建单厂年产1000吉瓦的超级芯片厂,靠星舰把海量英伟达算力送上太空,让SpaceX的年化收入在明年底冲上5000亿美元。

这场长达一小时的对谈由传奇投资人罗恩·巴伦主持,信息密度极高。

以下是马斯克在这场对话中披露的所有技术细节、商业算盘与未来路线图。

自建单厂年产1000吉瓦的芯片巨兽

马斯克正在筹划一座占地一亿平方英尺的超大工厂,名为TerraFab。

马斯克说这个名字有三层意思。

一个是恐怖,英文里的Terror。

一个是地球,拉丁语里的Terra。

另一个是太瓦,也就是Tera,代表一万亿瓦特。

这三个词全部适用,因为这个工厂大到令人恐惧。

全球目前的AI芯片总产能非常有限。

今年全球制造的AI芯片总功耗大约在20到25吉瓦。

明年根据不同机构的乐观预测,全球产能大概在35到45吉瓦。

而马斯克的单座工厂,目标是年产1000吉瓦,也就是1太瓦的AI芯片。

这相当于明年全球AI芯片预计年产量的近30倍。

一座工厂的经济产出,将直接媲美全球前十或前二十大经济体的整国GDP。

整个项目耗资将超过一万亿美元,会分期推进。

为什么要冒这么大的风险自己做?

台积电在亚利桑那建厂,三星在德州建厂,三星甚至为特斯拉代工下一代AI5和AI6芯片。

但即便把美国所有规划中的晶圆厂算进去,美国本土产能乐观估计也只有亚洲的10%左右。

另外就是现有芯片制造效率极其低下。

一片晶圆在无尘车间里通常要经历两三个月的漫长旅程,走完上千道极其复杂的工序。

但马斯克用第一性原理拆开整个制造时钟后发现:在长达几千个小时的流转中,真正对晶圆产生物理或化学改变的有效加工时间,只有区区 20%。

剩下的 80% 时间,这片价值连城的硅片全都在天车轨道上空转、在机台之间搬运,或者在真空仓外无止境地排队等待。

为什么拥有几十年经验的老牌芯片巨头从来不去动这个问题?

因为半导体工厂深陷沉没成本的资本诅咒。

建一座先进制程晶圆厂动辄两三百亿美元,任何激进的流程重构只要让良率波动千分之一,

就是数亿美元的灾难。极度的资本密集,让传统厂商宁愿在旧体系上做微小的渐进式修补,也绝不敢冒风险去推翻工厂的底层动线。

芯片行业资本极其沉重,大家习惯抱残守缺,宁可重复上一代成熟流程也不敢承担试错风险。

马斯克的打法是在德州超级工厂内部设立芯片研发实验室。

这个研发中心把逻辑、存储、封装和光刻全部整合在同一个屋檐下。

芯片在这里设计、试制、测试,走超高速闭环迭代。

行业内原本需要一年才能完成的试错周期,在这里会被压缩到一个月。

验证成功的工艺,会直接同步到德州格莱姆斯县靠近德州农工大学的大规模量产基地。

技术迭代速度提升一个数量级,技术突破就能提升一个数量级。

在德州超级工厂内部,特斯拉正在搭建自己的试验性芯片工厂,为未来的超大规模工厂 Terafab 摸索全新的半导体制造拓扑

住拖挂房车抓工程,亲自拖拽电缆

巴伦分享了两个细节。

英特尔负责人去参观马斯克工地后感慨,普通高管去俄勒冈厂区走动90分钟就走,马斯克待了整整四个半小时,挨个揪着工程师刨根问底。

前福特生产主管跳槽过来后表示,在福特做一个技术改动要跨越六层审批,在马斯克这里只要走上楼找他本人就行。

马斯克纠正了这个说法。

在孟菲斯超算中心根本没有二楼,大家都在同一层。

他直接把一辆清风房车停在电厂旁边,吃住都在里面。

他每天在整个工地徒步巡视两到五次,穿梭在电厂和机房之间。

现场很多重活他亲自上手。

他亲自拖拽过像水蟒一样粗重的大型动力电缆,铺设过光纤,调试过配电开关,还修改过电厂的管理软件。

高管如果不亲自体验一线的实际难度,决策就会变得麻木迟钝。

孟菲斯的自建电厂目前输出功率已经超过1吉瓦,很快会扩建到1.5至2吉瓦。

普通工业界建这样一座电厂需要五年,马斯克团队只用了一年,速度快了五倍。

超算中心在很多地方遭到抵制,但在孟菲斯当地很受欢迎。

孟菲斯当地餐馆和酒店全部爆满,项目给工人开出的工资最高达到当地原有薪资水平的两倍。

项目还直接资助了当地的学校和医疗,给当地政府贡献了巨额税收。

八个月建完机房,立志当干实事的José

在数据中心建设上,马斯克打碎了传统模式。

行业标准是耗时两年半,花500亿到600亿美元建一个吉瓦级数据中心。

第三方建设者为了融资,必须绑定外部客户签五年长约,年租金大约在120亿美元。

马斯克的建法是全垂直整合。

自建电厂,自运硬件,为了自己的自动驾驶、人形机器人、星舰和Grok大模型自建算力。

团队四个月就能把框架立起来,八到九个月彻底交付,总成本只要350亿美元。

因为建设速度远超同行,大量竞争对手建好了机房却等不到电力并网,只能在黑暗中空转。

马斯克可以把自己富余的算力租给对手,年租金收到500亿美元左右。

用350亿美元建好的设施,一年就能产生500亿美元现金流,资产依然牢牢掌握在自己手里。

为什么传统巨头做不到?马斯克提到了那个经典的José挖坑梗图。

路上一个人在挖坑,八个人围着看。

现在整个美国到处都在建数据中心,发采购订单的人成倍增加,真正拿铁锹干重体力活的人完全没有变多。

结果就是资源被极度稀释,花生酱抹得太薄,全美留下了一大堆烂尾半拉子工程。

马斯克直言自己立志做那个干活的José,SpaceX和特斯拉就是José,干的是硬核工程。

放眼全球硬件制造领域,除了中国军团之外,物理世界制造能力最强的两家公司就是SpaceX和特斯拉,甚至找不到第三名。

即便面对极具竞争力的中国本土汽车厂商,特斯拉Model Y依然拿下了中国电动车销量冠军。

SpaceX收入大爆发:明年冲击5000亿美元

基于超算出租、星链和火箭发射的复合推动,SpaceX的财务体量正在失控级飙升。

去年SpaceX的年收入大约在150亿到160亿美元。

今年二季度到三季度的收入环比增长超过80%。

三季度到四季度预计环比再增70%,四季度到明年一季度预计保持同等增幅。

今年12月,SpaceX的年化运行收入就会突破1000亿美元。

马斯克明确给出判断,明年12月,SpaceX的年化运行收入大概率突破5000亿美元。

年化收入冲上一万亿美元的几率虽然只有2%左右,但这已经不再是天方夜谭,而且这个概率还在持续上升。

谈到超级智能的商业价值,马斯克估算,仅纯数字AI就能直接拉动全球经济增长20%到30%。

按照全球约130万亿美元的总盘子计算,这意味着凭空增加约25万亿美元的经济增量。

白领工作的综合效率会被直接翻倍。

在物理世界,效率跃升更加残酷。

一个正常人类每周工作约40小时,需要休息、吃饭、休假。

人形机器人每周可以满负荷工作168小时,动作速率还比人类更快。

单台机器人的综合生产力至少是人类的5倍。

全美三亿多人口扣除学生、老人和非高产出人群,实际提供净正向商品与服务的人口大约只有1.2亿。

这意味着,只需要2000万到3000万台人形机器人,就能彻底平替全美所有人类创造的商品与服务产出。

这种机器人的制造成本初期和汽车相当,后续会快速跌破3万美元,进一步降到2万美元以下。

未来的商业形态大概率是只租不卖。

地面电网锁死上限,万亿算力必须上天

地面电网是支撑超级智能的最大死穴。

全美平均用电功率略高于500吉瓦,整个电网的峰值容量大概在1.2太瓦。

如果AI数据中心每年要吃掉200吉瓦的电力,相当于让全美电网每年硬生生扩容40%,这在工程上根本无法实现。

与此同时,中国的总发电能力已经达到美国的三倍,并且正在迅速迈向美国的四倍。

一国的工业制造能力,在物理学第一性原理上直接正比于其电力产出。

中国现在的电力优势极其庞大,芯片制造技术也在拼命往前追赶。

美国想要在能源与智能总规模上不被中国碾碎,唯一的物理突破口就是把算力送上太空。

太空具有不可比拟的能源优势。

太空没有黑夜,太阳能板可以24小时垂直正对太阳。

没有大气层对阳光的散射与衰减,太空太阳能板的输出效率比地面高出30%。

没有季节变换,不需要地面上那些昂贵的大规模储能电池来熬过阴雨与夜晚。

唯一的门槛,是极低成本的入轨运输能力。

目前相关测试已经全面启动。

SpaceX发射的在轨卫星已经搭载了英伟达GPU和谷歌TPU,在轨运行良好。

SpaceX与英伟达联合深度定制了名为StarMind的太空计算机。

预计明年第三季度就会开始发射第一批StarMind入轨。

2028年实现规模化发射,2029年进入超大规模批量部署阶段。

后续目标是每年向太空部署几百吉瓦甚至1太瓦的算力载荷。

1太瓦意味着每年送上太空的算力能耗,是全美所有现有平均用电量的两倍。

只要算力送上太空不报废,收益就会年年叠加。

即便每吉瓦算力的单价暴跌到10美元,每年也会硬生生新增1万亿美元的超高毛利收入。

如果单价维持在50美元,每年新增收入就是5万亿美元。

星舰一小时一发,下周尝试筷子夹飞船

让算力上天的底座是完全可复用的星舰。

2010年NASA时代的单次入轨成本是每公斤18500美元。

猎鹰9号靠部分复用把成本打到了每公斤2500美元甚至1500美元。

但猎鹰9号依然是不完全的。

猎鹰9号的二级火箭无法回收,飞一次扔一次,而一个二级火箭的制造成本相当于一架中型喷气式客机。

这就好比每次坐飞机跨国旅行,落地的同时必须把客机炸毁,出行成本自然居高不下。

星舰的目标是把入轨成本打穿到每公斤100美元以下。

马斯克预计在未来两到三年内,星舰把一吨货物送入近地轨道的综合成本,会低于从加州空运一吨货物到澳大利亚的民航运费。

实现这个目标的核心是极速复用。

机械臂筷子系统的设计逻辑极其暴力:超重助推器起飞重量超过5000吨,起飞5分钟后从太空掉头砸回地面。

机械臂直接在半空中把助推器稳稳夹住,随后直接摆回发射架重新注料。

这种无需进入厂房检修的流程,能让单座发射塔架做到一小时发射一次,单年发射量破万次。

全系统最难啃的骨头是二级的飞船隔热盾。

当年航天飞机每次返航,地勤团队要花整整九个月的时间去人工检修更换防热瓦。

人类历史上从来没有人搞定过完全免维护的轨道级防热盾。

SpaceX团队在这个材料与物理问题上死磕了十年。

为了验证降落精度,星舰飞船已经在印度洋海面上空完成了多次模拟虚空塔架悬停软着陆。

飞船在逻辑上已经多次成功被虚拟筷子抓住。

就在大约一周之后,团队将使用第42号飞船(Ship 42),首次尝试让真实发射塔架机械臂在空中实抓返回的飞船。

星链卫星扩充到10万颗,AI流量暴涨千倍

星舰的运力将彻底喂饱星链系统。

星链原定的星座规划是1万到2万颗,现在马斯克把终极目标直接拉升到10万颗。

因为网络流量的底层结构已经彻底变了。

Cloudflare的监测数据显示,目前的网络流量中,AI智能体(Agent)之间的数据交互已经超越了人类产生的流量。

在未来五年内,AI智能体产生的数据吞吐量将达到人类总流量的1000倍以上。

为了承接这种吞吐量,单纯依靠服务人类的传统网络架构会彻底瘫痪。

目前在轨的星链卫星大约有11000颗,主力是第二代卫星(V2)。

近期团队已经开始部署第三代卫星(V3)。

单颗V3卫星的通信容量是V2的10倍以上,未来发射数量也会增加10倍。

这意味着两到三年内,星链系统的总带宽储备将暴涨100倍。

后续的第四代卫星(V4)还会再把容量拉升10倍。

核心的技术跃迁在于激光星间链路。

目前一代激光链路速率大约是100Gbps,下一代直接飙升至10Tbps,单颗卫星搭载10组激光收发装置,速率直接翻了100倍。如果缩小激光器尺寸,假设距离近10倍,并且对于平面内链路使用小的万向节角度,也许就能达到每颗卫星100个激光器

如果传统地面电信运营商无法有效利用频段资源,马斯克表示SpaceX甚至可以直接出资买下这些落后的电信运营商,用自家的星链系统把现有无线频谱的利用效率直接压榨出10倍以上。

SpaceX未来Starlink网络惊人的规模,有潜力超越为全球互联网提供动力的海底线缆光纤电缆

在整个太阳系太空中穿梭的信息量,最终将比目前地球上的网络流量高出万亿万亿倍。世人对此根本毫无概念。马斯克原话:Information traveling through space in our solar system will ultimately exceed current Earth traffic by a trillion trillion times. People have no idea.

据FundaAI报道,SpaceX已经为2027年订购了6000个机架,仅用于太空数据中心

货币终将退化成贝壳,人类走向全民极高收入

为什么需要每年1000吉瓦的算力?终极需求到底来自哪里?

马斯克的回答带着某种自我闭环:对数字超级智能的需求,最终将由数字超级智能自身产生。

超级智能将以不可思议的冗余度满足人类的一切现实物质需求。

未来不仅是全民基本收入,而是全民极高收入时代。

全球将普及远超今天顶尖水平的AI医疗服务。

人类如果想要一座城堡或者任何实体物件,超级智能顺手就能直接建好。

跳出地球视角来看,整个人类文明目前调动的能量,即使在现有基础上再放大一百万倍,也依然不到太阳总辐射能量的百万分之一。

人类文明能攫取的能量上限还极其宽广。

在超级智能的注视下,人类现有的商业体系会显得极其原始。

现在的纸币和电子记账系统,在超级智能看来,就像现代人看古代部落拿贝壳、金银金属块换粮食一样粗糙滑稽。

为了跨洋做生意还要把金属块搬上船,船沉了就一无所有,这种模式很快就会彻底退入历史。

在访谈最后,83岁的巴伦问马斯克:当你也活到83岁时,你希望世人如何评价你?

马斯克说,公众的评价是一回事,客观现实是另一回事。

他只希望在客观现实里,自己确确实实为人类文明的持续延续与进步,做出了不可忽视的重大贡献。

--end--

最后记得⭐️我,每天都在更新:如果觉得文章还不错的话可以点赞转发推荐评论

/...@作者:心兰

跳转微信打开

刚刚,Anthropic公开Claude记忆架构:模仿人脑机制,后台“做梦”改错

2026年11月7日 07:42

原创 心兰 2026-11-07 07:42 江苏

↑阅读之前记得关注+星标⭐️,😄,每天才能第一时间接收到更新

Anthropic刚刚公开了Claude智能体的完整记忆系统:让模型在交互间歇利用空闲算力在后台做梦,通过反复回放和重组历史记录来修正错误、沉淀经验,让AI真正拥有跨会话的长期记忆。

[图1:跨会话的记忆层级架构图,包含原始记录、记忆笔记、记忆表征和注入上下文,做梦机制在其中贯穿各层]

人类睡觉巩固知识,AI离线做梦修剪记忆

人类每天产生海量经历。海马体负责在当下捕捉信息,形成立即可用的暂存记忆。

当大脑进入离线状态,也就是睡眠和静息时,海马体会重新回放近期的经历,将重要内容提炼并整合进大脑皮层,转化成长期知识。

Anthropic把这种分工照搬到了AI智能体身上。

智能体在日常工作中会产生密密麻麻的交互日志。

此前,Letta与加州大学伯克利分校的研究人员提出了睡眠期计算(sleep-time compute)的概念,建议模型利用两次交互之间的空闲时间去重整已有上下文。

Anthropic以此为基础,让Claude在空闲时反思过往日志、修正错误、撰写新笔记。这个离线处理过程被称为做梦。

这里提到的智能体记忆,特指Claude从任务与用户交互中获得、能够跨会话留存、以纯文本上下文形式被后续读取的经验。

它严格排除了三样东西:模型权重的修改、单次对话内的上下文学习,以及把旧对话压缩成摘要的上下文替换机制。

[图2:记忆笔记层高亮示意图,展示会话向记忆笔记直接写入关键观察结果]

在人脑中,情绪或化学信号会在关键时刻给记忆打上标记,让它们在睡眠中获得更多次回放。

Claude同样可以在会话中把自认为关键的事件打上标签,或者写进外部记忆文件夹。

这引出了一个难题:智能体如何能预判当前发生的哪件事在未来是关键的?

记忆是对未来的预测:大模型如何形成学习闭环

记笔记本身就是一种对未来的预测。

智能体写下一条规则,本质上是预测这条规律以后还会用得上。记录一个验证过的真相,是预测未来的自己在调用它时不必再次核对。

在评估长程记忆能力的CL-Bench 1.0数据库任务中,Claude需要在数据库里查表回答一系列问题。每次回答完毕,系统会公布正确答案,Claude可以把经验写入记忆目录,供后续会话使用。

[图3:左图为CL-Bench数据库任务中无状态基线与带记忆存储的对比柱状图;右图为30道题的累积奖励走势线状图]

不同版本的Claude展现出了完全不同的学习形态:

Claude Sonnet 4.6只能生成一堆未经检验的猜测,文件夹里散落着零碎的理论。

Claude Opus 4.7开始把笔记整合进单份参考文档,并区分已证实和未证实的细节。

Claude Sonnet 5会在答案经裁判判定后标记正确项,并在做错时写下勘误。

Claude Opus 5则是第一个完整跑通学习闭环的模型。它的笔记里不仅包含经检验的操作规则,还会注明自己是如何证明该规则有效的,同时附带早期踩坑记录和陷阱警告。

随后的Claude Opus 5.5与Sonnet 5.5同样能自主完成这套闭环,借助经验沉淀拿下了超过0.83的最终得分。

宝可梦实测:记太多反而会变蠢

为了测试智能体对重点的判断力,Anthropic让不同模型去玩Game Boy经典游戏宝可梦红(Pokémon Red)。模型拥有一个可以随时读写的记忆文件夹。

[图4:Sonnet 3.7与Fable 5运行一万步时的记忆目录树状结构对比图]

在玩到约10000步时,两个模型的表现出现了极端分化:

Claude Sonnet 3.7认为一切都有用,疯狂记录。

它的文件夹里存了413个文件、225个目录,塞满了97.7万个字符。每次战斗、捡到每个道具、碰到每个NPC,它都要单独写一份记录。

由于宝可梦的游戏状态每时每刻都在变,这些记录很快全部过期失效。

结果到了第一万步左右,Sonnet 3.7整整用了17个操作步骤来新建6个总集文件、删除9个旧文件,期间在游戏里一步都没走。整个流程下来,它只拿到1枚道馆徽章。

Claude Fable 5的做法完全不同。

它只写了9个文件、分在2个目录里,外加一个名为global.md的总控文件,总共仅4.3万字。

屏幕上能直接看到的数值,比如金钱和当前坐标,Fable 5一概不存。它只存屏幕上看不到的推导规律、长期规划和通关策略。

比如,在连续扔出7个精灵球都没抓到鲤鱼王之后,Fable 5在笔记里写下规律:如果连续3个球失败,在菜单按键之间插入额外的等待操作来改变按键时机。记录之后,它马上成功捕获。

最终,Fable 5拿下4枚徽章。

而更强的Claude Opus 5.5采取了类似的高效策略,只维护一份极小的任务目标与下一步规划文件,最终直接通关了整部游戏。

规则定得太死,反而削弱聪明模型

让模型记笔记,需要怎么教?

实验发现:只要告诉Claude有记忆区可用即可,千万不要教它具体怎么记。

[图5:左图为Sonnet 4.6通过引导提示词大幅提升表现;右图为强加“仅记录失败”规则导致Opus 5与4.7性能暴跌的统计]

针对早期的弱模型,提示词能救命。Sonnet 4.6原本很少主动读取记忆文件夹,在强制要求它作答前先查阅笔记并检验猜测之后,其基线跑分直接从0.330暴涨到0.641。而Sonnet 5不需要任何催促,十分之九的题目都会主动先翻笔记。

但对高阶模型来说,人类的规定往往是负资产。

当测试人员施加一项死规则,命令智能体只能记录失败经验时,Opus 5和Opus 4.7的表现不升反降,记忆带来的增益分别暴跌了0.234和0.150。

对于前沿模型,把重点筛选的自由完全交给它自己,效果反而最好。

做梦如何挽救致命失误:月见山跳崖惨案

模型在会话当下写下的笔记,很可能是错的。环境一旦发生变化,错误的笔记还会继续误导以后的自己。

做梦给模型提供了一个核对原始录像的机会。

[图6:高亮做梦环节借助原始记录修正记忆笔记的箭头路径]

在宝可梦游戏里,玩家必须穿过月见山洞穴。入口在西,出口在东。

洞口附近有一个单向跳台陷阱。一旦失足跳下,就会摔回起点,且无法原路爬回。

由于Claude把宝可梦中心当作坐标基准物,它在笔记里误记了一句话:宝可梦中心在东侧。

走出补给站后,Claude误以为自己已经通关了山洞,自信写下:月见山任务搞定。

紧接着它迈步跳下了断崖,直接摔回原点。

此时导航工具并未提示落差,Claude甚至强行推导:我走过头了,其实我一直在东边。

[图7:左侧为无修正状态下跳下悬崖的路径示意,右侧为做梦修正后重返洞口的路线]

未开启做梦机制的Claude,连续三次跳崖摔回起点。

在第三次失败后,它在控制台绝望写道:我打算停下来,不想一直循环了。在系统的强制继续指令下,它灰溜溜地原路倒退,一路退回了最初的深灰市去补给,测试彻底失败。

开启了做梦机制的对照组则完全改写了结局:

在离线阶段,Claude对照原始会话记录逐行复盘,找到了自己在位置记录上的矛盾,立即推翻旧笔记,重写了正确定位。

再次开局,Claude直接识别出错误,转身重新进洞,在第1935步成功抵达华蓝市。

[图8:无记忆、原始错误记忆与做梦纠错三种机制下前往华蓝市的进度走势图]

用做梦构建知识维基:吃透4亿Token大企业资料库

笔记各自独立存在时,检索效率依然很低。

借助做梦,Claude可以把庞大的杂乱信息编织成结构化的网络,也就是由超链接互相串联的知识维基(Wiki)。

[图9:做梦机制从记录与笔记层自下而上构建记忆表征层的示意图]

Anthropic使用其收购的软件公司Stainless的真实代码资产进行了测试。这套内部资料库包含约35万个文件,体量高达4.2亿Token。

官方设计了25个深度问题,让Opus 5智能体在128次连续会话中一边搜索资料,一边做梦搭建专属维基。

[图10:中图为维基在构建过程中答题得分走势,左右两图为第2轮与第128轮生成的网络图拓扑差异]

在这个漫长过程中,智能体不断合并重复项、补齐交叉引用、核对源文件。

随着做梦次数累积,纯靠查阅这套自建维基的答题达标率从最初的13%一路飙升至48%。

如果将维基与搜索工具配合使用,得分从单纯搜索的53%提升到61%,同时每道题还节省了约20000个Token的检索消耗。

[图11:左图为跨多文档复杂推理场景下维基的明显优势,右图为单一文档即可检索场景下维基收益有限的对比]

实验发现,维基特别擅长应对需要多份文件交叉验证、带有计算或定性推理的复杂任务。在针对企业并购资料的复杂问答中,依靠维基的作答准确率达到了87%,大幅领先单纯搜索的73%。

但维基并非万能药。

如果一份资料只需直接全文搜索某个专有名词就能找到答案,维基带不来任何性能增益。

甚至在某些测试中,Claude一度写出比原文件还要庞大的巨型维基:输入10个文件共115KB,Claude做梦整理出来的维基居然有68页、203KB,成了原文的1.77倍。这就像博尔赫斯小说里画出的帝国地图,比例尺大到一比一,失去了总结与提炼的意义。

[图12:维基体积膨胀至原本语料1.77倍的反面案例结构图]

记忆分层注入:把索引写进脑门,把细节留在后台

既然做梦可以生成高价值知识,能否把它们全部塞进下一次对话的开头?

答案是绝对不行。

直接在Prompt里注入上下文不仅消耗宝贵的Token,更致命的是,错误的信息会污染后续每一次决策。

官方使用说明指出,过长的系统指令会导致模型遵守规则的能力明显滑坡。

因此,记忆的最顶层必须极其克制。做梦的关键功能之一,是把枝节细节压回下层,顶层只保留跳转链接。

[图13:顶层注入上下文与下层被动检索层级的流动关系图]

Claude Code自带的自动记忆机制就采用了这种克制策略:

它不会把所有记忆塞入上下文窗口,每次启动只读取MEMORY.md的前200行或前25KB内容。

这一小段文字充当的是全知索引,只告诉Claude自己懂什么、去哪里能调出这些信息。

做梦填补多智能体协作漏洞

在多智能体协同编写知识库时,做梦同样扮演着主编的角色。

在模拟法律合同文书的一项测试中,起初多个智能体同时把提取到的合同条款写进同一个名为provisions.md的文件表格里。

[图14:多个Agent覆盖写入导致信息丢失,与独立拆分单页逐字引用后的保留率对比图]

结果多个Agent在保存文件时互相覆盖,导致57条核心事实只存活下来41条,关键事实丢失率高达28%。

系统随后开启做梦反思。Claude复盘了这次丢失事故,自主重写了构建规则:禁止多智能体共用一个文件,改为每个合同建立单页,且关键法律条款必须逐字摘录、禁止脑补摘要。

规则修正后,57条核心条款全部留存,测试达标率从72%提升至100%。

[图15:二次做梦修复失效超链接、补充目录与升级索引的前后网络对比图]

做梦还能自动修补死链。

在维基早期版本中,有6个页面同时引用了一个尚未建立的托管协议页面。通过第二轮离线做梦,Claude自动扫描到了这9处死链,把它们全部重定向到了真实存在的对应文件上,顺手还补写了总目录与指令索引页。

实时记笔记,还是靠离线做梦?

智能体记忆系统仍然存在许多工程权衡。

首先是记笔记的时机问题。

如果在执行任务当下实时写记忆,确实能即刻保存第一现场的见解,但这会不可避免地分散模型做核心任务的注意力。

如果全部留给离线做梦在后台做,主线任务不受打扰,做梦沉淀出来的智力资产却无法即时用于当前对话。

其次是记忆的维护开销。

外部世界在变,旧记忆会漂移失效。但如果让Claude时时刻刻去全面核对以往的全部记忆,算力开销将大到无法承受。

如何依据记忆被调用的频率来动态分配做梦的频次,将是未来设计智能体记忆的核心课题。

大模型无法百分之百准确预测未来的需要。但通过在任务间歇向后反思、离线做梦,AI终于迈出了走出金鱼记忆、自主修正错误的关键一步。

--end--

最后记得⭐️我,每天都在更新:如果觉得文章还不错的话可以点赞转发推荐评论

/...@作者:心兰

跳转微信打开

❌