铃阅时讯
❌

普通视图

AI for 制药化学合成:今天的AI,能力比肩10年经验的化学家?

2026年8月20日 20:38

原创 夏宁、李丰 2026-08-20 20:38 北京

AI for Science 正在成为一级市场最热的方向之一。

AI for Science 正在成为一级市场最热的方向之一。

7 月底的中央政治局会议强调“加强对基础研究的长期稳定支持”,叠加此前的人工智能+计划,一个很具体的问题被推到台前:AI 到底怎么用在科学研究上,怎么真的把效率和预测能力提上去。

这周,产业界也迎来重磅消息。莫德纳与默沙东宣布,双方合作的首款个性化mRNA癌症疫苗在黑色素瘤三期临床取得初步阳性结果。这款疫苗在新抗原选择过程中受益于AI,研究人员能通过计算来模拟复杂的分子相互作用,而不是进行无休止的湿实验。

这一期「产业观察」,我们请到的是智化科技创始人夏宁博士。夏宁是有机化学博士,从 2008 年在法国参与创业算起,他在“AI+化学”这条路上已经走了接近 18 年。这 18 年,他亲历了行业从零起步,到 AI 制药的第一波高光,再到生物医药的三年寒冬,以及 GPT 时刻之后 AI 制药的第二轮热潮和 AI4S 新趋势。

他们回顾了“脚踩两只船”的跨界能力是怎么长出来的,聊了技术落地时黑盒和白盒分别怎么起作用,聊了拒掉的收购要约,也聊了一笔很现实的账:如果 AI 要替代的是月薪两万的化学专业从业者,token 成本该怎么算。

以下为对话正文,经删减与编辑。欢迎移步小宇宙App和Apple Podcast,搜索「高能量」收听完整对话。

图片

李丰:我们2015 -2016年前后就一直关注交叉学科创新,尤其是计算机和生物制药、化学的结合,也投过晶泰、剂泰。这个行业走过十年多,我们发现两个问题。第一,比较难找的是凑巧“脚踩两只船”的人——能力横跨在两个不交叉的学科上,比如计算机和化学。第二,如果是“脚踩两只船”,最后到底哪只船更重要?先看第一个问题:你是怎么在年纪还小的时候,把化学和计算机这两个看起来不相关的科目连到一块?

夏宁:主要是兴趣。编程是逻辑思维非常强的学科,化学需要很多记忆、需要对大自然的好奇,我正好对这两个都感兴趣。后来机缘巧合两个竞赛都获了奖,选专业的时候就很犹豫。同济大学的招生老师跟我说了一句话:计算机是一门技术,化学是一个专业。我选了化学,后来证明也是正确的,如果先学计算机,再想跨到化学,难度会非常大。

李丰:学化学的时候,计算机原来积累的能力怎么保持不掉下去?

夏宁:我每天都在写代码。白天做实验,晚上写代码。

李丰:那时候写的程序跟什么相关?

夏宁:也跟人工智能相关。那时候我很好奇,人的大脑的思维方式是不是能用程序来模拟?做了很多探索,但肯定没有太成功——要成功的话,现在可能就做别的了。后来在国外念博士也一样,白天做实验、晚上写代码,在游戏、下棋这种场景上,让计算机程序来模拟人的判断。

李丰:博士毕业时选择留在国外还是回国,有过挣扎吗?

夏宁:那时国外发展还不错,欧洲还没到现在这个样子,所以留在法国参与创业。我当时想找一家能用计算机技术去解决化学问题的创业公司,但这样的岗位非常少。我有幸找到一家公司,在法国的斯特拉斯堡,这家公司其实还没成立,网页刚做出来。我跟那个老板聊了一下,觉得非常契合,他们也是想用数据来解决化学的预测问题。

李丰:这段持续了多久?

夏宁:7 年,从 2008 年到 2015 年。那时这个领域完全不热,根本没有什么投资人看,全凭个人的理想和兴趣。而且当时没有现在这些底层的 AI 技术,也没有数据,所有基础设施都要从头搭。

李丰:那时候的落脚点也是用计算机加数据做化学合成路径的探索吗?

夏宁:还不是。第一件事是先找数据,因为我们连数据都没有。做了多种尝试:用类似高通量的实验来产生数据,那时候没有自动化,人来做反应实验,实验员手动平行做几百上千个是可以的,但这个数据量远远不够;也让人从博士论文里提取结构化的数据,但成本太高、效率太低;后来还做了电子实验记录本,希望高校老师用了之后把数据共享给我们,但这个方式后来有一些商业上的困境。

李丰:这种多头受阻的情况下,这家公司最后怎么办了?

夏宁:被它的母公司收购了,母公司现在是法国最大的 CRO (通过合同形式为制药企业提供药物研发外包服务的专业机构)。那时候积累了大量底层技术,我们现在的底层架构,很多也是那时候积累起来的。

李丰:2015 年你就回国了,我记得你先有一段帮朋友创业的经历。

夏宁:对,上海网化科技的老板把我叫过去。当时化学品 B2B 电商平台很火,一开始我负责搭平台。后来我们就想,能不能把我之前想做但没做的方向——AI 逆合成做起来。2016 年,我们在全球最早申请了 chemical.ai 这个域名,后来才有了智化科技。

李丰:这里有个小故事。你还在网化的时候,做了一套预测从 A 化合物合成到 B 化合物的软件——用什么条件、经过多少中间步骤、最后得到什么结果,甚至部分意义上的产率。药明康德的主营业务就是化学合成的 CRO,它们向全球征集谁能做合成路径预测,好多家公司参选,夏博士因为还没做智化科技,是以个人身份去的,得了个第一名。

夏宁:确实也挺巧。那是2016年,我们跟药明的一些高管有联系,我就说有这么一套软件,你们要不要试一试?他说好,然后约了个时间。去了以后,我发现来了很多人,一屋子都是他们的高管。我当场演示,各种分子上去跑,效果非常好,所以最早跟药明有了商业化合作。

通过这件事,我意识到第一,产业对这个事非常重视;第二,当时技术到了第一个临界点——以前这件事根本就没有软件能做好,我们算是最早让它看到这个事是可以做的。到今天它已经成为一个很通用的工具,中间也大概走了六七年。

李丰:那时候还没有 GPT,我猜也没用到 Transformer 架构,顶多是再往前的卷积神经网络。回过头看,当时那个阶段的产品,有多 AI?

夏宁:那时候的 AI 和现在的概念不一样。最早我们说机器学习,后来有了深度神经网络、Transformer,再后面变成大模型,它一直在演变。但通用来看,基于数据去做预测的,本质上都是 AI 的一种模式。那个时候更偏传统机器学习,外加很多化学信息学——专门研究化学反应的逻辑如何写成算法。

李丰:用 AI 做预测,有个经常被探讨的问题:到底是黑盒还是白盒?白盒是里边有很多已知的人类经验、规律、公式的总结;黑盒是数据进,中间经过一串计算,然后结果出。今天自动驾驶也碰见这个问题。当时在满足药明康德的需求上,你们那个完胜大公司的软件里,有多少黑盒、多少白盒?

夏宁:白盒的比重非常大。对于这种严肃的科学软件,如果是一个黑盒,很难建立客户信任。因为它会不定期出现幻觉或者 bug,后果可能非常严重,而且不可解释。最大的挑战是,你发现了问题,但不知道问题出在哪,就无从改进。

李丰:对,它不好调教——你改了 A 之后,它如果莫名其妙同时改变了 B、C、D,你又没办法抑制B、C、D往不好的方向变化,更何况你甚至不知道 B、C、D 是谁。

我们看过很多包括材料和化学在内的各种方向上的 AI for Science 公司。生物其实好一点,因为有基因组学在底下做基础的约束规律。那化学呢?你觉得它今天的可解释性到了什么程度?

夏宁:在我们的系统中,可解释性是非常强的。所有大模型或者黑箱模型给出的结论,都得在我们的白箱模型里得到解释、验证、约束,这样我们才能把幻觉去掉,同时能知道它给出的那些模棱两可的结论到底哪个对、哪个错。这个在科学领域非常重要。

李丰:程序上,是先过一层黑盒再到白盒,还是两个融合在一起?

夏宁:有比较强的融合,两个是同时进行的。

李丰:2018 年我们认识夏博的时候,夏博刚出来做智化科技。公司成立后的第一个里程碑,是给一家全球著名的 MNC(跨国大型药企)提供了第一笔金额不小的软件服务。

夏宁:非常感谢药明把我们介绍给了他的一个大客户。这个客户在做一套 AI 制药系统,其中 AI 逆合成部分完全交给我们做,这是个 100 多万美金的合作,难度不小。通过那次合作,我们真正把产品化做到了能匹配这些大客户在安全性、速度、质量上的各种要求。这对我们是一个非常重要的起点。

李丰:这是非常多科学家创业都会面临的问题:做了一个很好用的科研结果,但到真正的工业闭环里去应用的时候,有时候会不可用、不好用,或者如果用的人正好不对,就会有抵触。你们是怎么克服这些问题的?

夏宁:一定会有这些问题。你的产品一出来,肯定不是 90 分,可能是 60 分、70 分。我们其实经历了大量的客户反馈、迭代、优化——这也是为什么白盒这么重要。如果你是黑箱,客户提了反馈你又改不动,他就绝望了。

所以我们就是不断的改进,让客户看到产品在不断的进步。我还看了一下我们的需求清单,各种客户提的意见可能已经有上千条,每一条都意味着大量的工作去提升、去修正。

这个过程非常重要,但现在很多人,不管是投资人还是行业,可能会忽略这一点——他会觉得我只要模型好、技术好,就可以一下变成全球最好。但我觉得很多时候,它是靠这种迭代出来的。

李丰:就拿这个单一客户举例,前三年里使用的部门和人,是相对固定,还是越来越多跨部门在用?

夏宁:越来越多。客户在应用过程中会产生很多想法,他会说,诶,这个功能你这样做是不是更好?那个帮我串起来是不是更好?这样我们就了解了客户在真实场景里原来是这样用的,通常实际情况和我们自己的想象是不一样的。

李丰:那企业内部在用的时候,用的人是偏传统的化学合成的人,还是会扩展到研发链条上不同背景、更多环节的人?

夏宁:几个环节都会用。首先是做分子设计的人,他们擅长的点不是合成,他们偏 CADD(计算机辅助药物设计) 或者 AIDD (人工智能药物设计),但设计分子的时候他们必须考虑这个分子能不能合成、好不好合成,我们的工具就能派上用场。

后面到了药化部门,他们会用它快速设计路线,他们的需求是快速拿到分子,比如几毫克就够了,不考虑成本。

到了临床工艺放大环节,需求又反过来:我就做这一个分子,你不要给我用最容易的反应,你要给我找成本最低的。有时即便这个反应本身风险很高,但他们愿意用,因为能降本。当然反应不能太危险,一放大可能有爆炸的危险,那也不行。

李丰:我是被化学专业“折磨”过的,读研究生时一天到晚探索各种不同的合成路线。回到20多年前,化学研究生的常态是,导师指个方向,比如从 A 到 B ,然后学生自己查文献、自己试条件、自己遍历各种失败。假定那时候有这个工具,对一个研究生而言能解决多少问题?

夏宁:可能学生的所有工作现在 AI 都可以帮忙做了。AI 最先替代的大概就是这种初级的智力劳动。

李丰:那学化学的研究生岂不是跟今天许多做编程的人一样,要被逐渐替代了,或者说也许可以去做更有创造性的事?

夏宁:有一点类似,但化学方向更乐观。化学领域的任务更多,我们有太多创新的材料要去做,空间足够大。即使我们干的活比例少了,还可以做更多的项目。

李丰:相当于每个人的带宽增加了。

李丰:回到20 到 21 年,因为疫情等原因,生物医药来到了被资本市场追捧的高光时刻。那时夏博还面临一个诱惑:有家大 CRO 不止一次向你们发出收购要约,当时你们公司还很小,十几、二十几个人。今天回过头看,你会不会觉得当时还不如卖了?

夏宁:那倒没有。我是个比较偏理想化的创业者。在高光的周期,我也会思考,这些资金是不是真的帮我把这个项目、这个理想往前推进了?如果没有,可能这个资金也没有那么大作用。在行业低谷、融资环境比较差的时候,只要我觉得我的进展达到了预期,我觉得就是一种进步。

李丰:高光经历了一年半,低谷恨不得三年、三年半。这五年对你的公司管理、个人心性有什么影响?

夏宁:我算是偏科研工作者创业,最初对管理、公司治理、商业化都不那么擅长。我学到的最重要的一点是,一定要抓住我们想做的事情的本质,不要被高光、低潮影响,那个影响会把人带偏。如果你为了一件资本市场很追捧的事,改变了核心方向,去做一个自己都不认可的事情,长期来看结果是不好的。

李丰:今天的 AI 毫无疑问在高光时刻。对刚开始 AI 创业、有科学背景的创始人,你有什么经验教训可以分享?

夏宁:坚持自己认为正确的想法,不要完全被资本的观点带着走。

李丰:2022 年生物医疗进入低潮期,但那年年底有了 “GPT 时刻”。这两件事叠加,对你的产品和模式有什么变化?

夏宁:是个非常大的机会。因为在 AI 化学合成这个垂直领域,我们能解决很专业的问题,但真实工作场景中有很多泛化问题。随便举个例子:这个实验室里可能没有某一个反应器,这个反应就做不了——这不是个专业问题,但以我们之前的积累解决不了。现在大模型可以很好地解决这一类泛化问题。因为大模型和人类专家的思维方式类似,能综合各种客观因素做判断,这就能弥补算法的不足——很难考虑周全各种影响结论的因素。换句话说,我们具备了用智能体(Agent)加专业工具去解决整个工作流程的能力。

李丰:有了大模型之后,产品架构上有大的调整吗?

夏宁:垂直领域的算法不直接受影响,但最终交付给客户的产品形态不太一样。之前我们的技术都是以工具的形式呈现给化学家,化学家再用工具来解决问题;未来,产品的用户从人变成智能体,用户界面逐渐变成智能体使用的API。很有可能人只用提出目标,然后由智能体来完成整个工作。

这个智能体会逐渐熟悉这些工作,它有记忆,会不断学习,最后可能就像你公司的一个员工一样——你教它几次之后,不用每次都教了,你只要给它任务,它就去干活了。

李丰:交给智能体做决策,会让使用者觉得漏掉了能进入循环的关键节点吗?

夏宁:早期会有。但后面随着它交付的质量越来越高,甚至效率和质量都超过人的时候,人就不会再去在意这一点。

李丰:在整个后端的结构和体系里,黑盒和白盒的比例今天有变化吗?

夏宁:目前看没有大变化,且白盒越来越多了。因为大语言模型出现,它具有非常强的可解释性——它做的所有决策,会给你解释为什么。

李丰:刨去模型能力之外,是什么促进了白盒能力的提升?

夏宁:最核心的还是这些年在跟客户不断交互迭代中得到的信息。在一个严肃的科学场景下,如果你不具有可解释性,商业推广是非常难的,因为客户需要知道这些结论是怎么得出来的。所以,产品要做得越来越好,你必须越来越白盒化。这可能是 AI 真正落地在商业上的隐形门槛。虽然说你可以直接交付产品,但我觉得还不能完全把人的因素拿掉,只要这个过程里有人,可解释性就是必要的。

李丰:或许现在各种不同方向的AI4S公司都会经历类似的过程。

李丰:结合今天的AI能力和现有数据,你觉得化学领域(包括化学合成)的进展,跟生物领域如AlphaFold或基因组学应用相比,前者大概相当于后者的百分之多少?

夏宁:跟AlphaFold有点难比,但在我们所在的合成路线设计领域,AI已经大规模落地了。

李丰:在一个不过分复杂的化学合成过程里,比如涉及少数几个条件的多步反应,今天AI能好用到什么程度?

夏宁:我们内部和外部都做过测评,当前的结论是:现在化学合成的 AI 能力,大致相当于 10 年工作经验的化学家的水平。基本上化学家能想到的路线方案,AI 都能想到,而且 AI 一般能平均想到 5 到 6 种不同的策略,人一般能想到 1 到 2 种。

这其实是客户非常满意的一点。因为客户都会拿真实案例来测——他可能花了一两个月设计出来的路线,我们这边的产品 5 分钟就能跑出来,而且还能给出一些客户也尝试过、但最终没有选择的路线。

李丰:这就很像晶泰科技 2016 年感恩节参与辉瑞的盲测。那时候,整个制药界几乎没人相信AI能做晶型预测,辉瑞拿出了三个没发布、但他们自己已经知道的药物分子,来请不同的团队做晶型预测,最后发现晶泰的预测结果跟他们的实验结果是一样的。所以,你认为化学合成已经到了类似的阶段?

夏宁:对。

李丰:问一个技术上的小问题:AI能不能预测出全新、之前没出现过的东西——有经验的化学家也想不到、但可行、并且更优美的合成路径?

夏宁:可以,但有一个限制前提:它不会造新的反应。我们所有的 AI 都是基于已有的数据在做创新,因为合成路线的创新基本上用的都是已知反应,只是这个已知反应可能藏在海量文献的某一个角落里。如果你看不到它,你的路线可能就是 10 步;你看到它,可能就变成 3 步、4 步。

AI 能够接受的知识量更大、检索速度更快,所以它有能力找到我们平常看不到的这个反应,把整条路径变得更优美,或者成本更低。这是我们已经验证出来的。

李丰:在小分子相关的生物医药研发全链条里,AI辅助逆合成路线设计大概处在一个什么样的位置?

夏宁:不管是 AI 制药还是 AI 材料发现,研发本质上不是简单的分子设计,而是多个 DMTA 的循环——D 是 design 设计,M 是 make 合成,T 是 test 测试,A 是 analyze 分析,分析之后再改进方案,再重新进入循环。一般做一个药可能要 7 到 8 轮,做一个材料也要多轮。

在这个循环里,每个步骤的效率不一样。设计阶段,我们一天设计成百上千、甚至几万个分子都很轻松。但在合成阶段,它会卡住——一个化学家一个月大概合成 3 到 5 个分子,一天做 2 到 3 个反应,这是行业内普遍的效率。到了测试环节,效率又很高,因为有高通量测试,一下可以测几百个分子对靶点的亲和力。

所以,真正让 DMTA 循环成倍加速,需要花力气提升合成的效率。这也是我们从客户那边得到的反馈:客户非常重视合成这一端的效率,因为它整个研发效率就卡在这一端。

李丰:在2016-2020年那一轮AI制药热潮中,我们遇到两类创业者。一类是AI背景出身,认为AI用到生物领域是个很好的方向;另一类背景更偏生物制药,然后逐步积累了AI能力。如果今天一个偏 AI 背景的人进来做你们这个事,他可能碰到的最大挑战是什么?

夏宁:我们和一些纯 AI 背景的人合作过,包括高校老师,最后发现一个挑战是,他们对我们这个行业的问题并不理解,或者他的理解是错误的,但又没跟我们说,就在错误的路上一直试,做到最后结果不好,他可能会说是数据的问题。我不是说他们能力不行,只是行业 knowhow非常重要。

我发现 AI 背景的人有一种能力比较强:当数据量足够大的时候,他能在训练效率上提出不错的见解。不过,数据恰恰是我们 AI for Science 领域最缺的。你会发现,在很多领域,亿级的数据很少,有些领域只有几百、几千、几万个数据。

李丰:过去八九年,你们积累的各类数据,包括文献、真实工业场景的正负反馈、内部的闭环实验,对模型能力的贡献各有多大?

夏宁:这要分问题,不同问题需要的数据不一样。对逆合成来说,我们认为现在贡献最大的还是公开文献和专利数据,因为AI主要学的是逆合成的思路。

李丰:简单类比下,我们今天讲的大模型,最大的数据来源是积累了 40 多年的全世界公开互联网文本数据集,但今天任何一个科研领域,即使把全部论文都加上,数据也差很多个量级。对你们来说,正数据和负数据对模型进步的贡献率是什么样?

夏宁:我认为正数据,也就是成功的数据,在现阶段非常重要;失败的数据,在未来非常重要。

这一代的智能体也好、AI 模型也好,只要能达到人的判断能力和水平,就已经可以大规模商业化了。在这个阶段,AI学习更多的是人的正向数据,也就是人觉得能行、实际上也成功的数据。但未来如果AI要超过实验人员的认知,它要能预判人觉得能行但其实不行的反应。这时候,负数据才重要,这是下一步的事情。

李丰:在你们今天的应用场景里,需要调后端的基座模型、用云端的 token 吗?

夏宁:我们正在做的智能体会用,一些数据处理的工作也会用。现在的基座大模型在解决一些科学问题上能做到六七十分了。不过成本上我们现在不用承担,因为大客户们在内部都部署了自己的基座模型。

李丰:假定我们今天能替代的,是一个化学专业毕业、有 10 年工作经验的人。在一间中国化学 CRO 公司里,这样的人大概是什么薪酬水平?

夏宁:月薪 2 万左右。

李丰:那大概是二三十万年薪。我问这个的原因是:除去购买成本,后端还有 token 消耗成本,最终大家也得算算账——这个替代过程到底是省了钱,还是没省太多钱?

夏宁:客户非常重视这个问题。他们知道基座模型能做很多工作,但如果太贵,他们也不愿意用。所以我们有很大的一个工程性的工作要做,就是帮客户省钱——我不能随意调用这个基座模型,只有在必要的时候调合适的模型,用最小的成本去调。

李丰:这非常重要。今天有一个很多人还没特别关注的问题:AI 跟以往软件最大的差别是,它每一次交互和调用都是有成本的,而原来的软件和数据库交互几乎成本为零。所以等大家开始关注成本之后,AI 最容易落到的应用方向,是替代有一定价值的场景,也就是它要替代掉的这些人,是值一定钱的。

夏宁:我相对乐观,我认为它的价格会不断下降,可能最终变得像电力一样低成本,那时人们就没那么在意了。

李丰:这个非常长期了。

夏宁:短中期,更多依赖于智能体层面的优化。但凡简单的问题,我们就用不花钱的、或者自己部署的模型;把最好、最贵的资源和模型,留给最核心和最关键的问题,最终减少整体的 token 消耗。

李丰:因为付费模式变了,从 SaaS 转向 agent 的时候,你觉得会发生什么变化?

夏宁:在相当长的时期,会是一个混合:既有收基础版订阅费的SaaS,又有按调用付费的Agent。因为有些问题客户用SaaS就能解决得很好,他们自然不愿意付更多钱。另一类问题,SaaS解决不好、用人解决又太贵,客户会愿意尝试智能体模式。假设我们跟用户收的钱不变,成本大头会变成token消耗,所以降本会成为我们的一个动力。

李丰:你们现在的客户里,跨国公司和国内企业分别占多少?

夏宁:从数量上说,目前国内客户多一些,但从付费总金额来看,国外现客户超过国内客户。

李丰:今天中国的管线类药企都在积极 license out(对外授权),这也是今年中国生物医药license out金额突飞猛进的原因。这件事会倒逼药企提高管线研发的速度、广度和效率——既要快、又要多、还要好。为了这个结果,他们可能会竭尽全力用上更多新的效率工具。这种需求你们感受到了吗?

夏宁:已经能感受到一些了。现在国内新药研发的速度和效率,跟欧美比其实已经有比较大的优势。但刚才我说为什么国外还多一些,是因为我们主要的客户以大型客户为主,而中国的这种大 MNC 还比较少。

李丰:这就像 2008 到 2012 年期间中国的精密制造产业——中国在果链中的占比接近一半,但造一台苹果手机中国公司占的利润总额非常少。现在医药有点像这个状况。

夏宁:对,需求端在国外,供给端在国内,而且这几年国内供给端的增量非常明显。照这个趋势,往未来看,不排除能像制造业一样,形成一个中国主导的「世界医药工厂」的模式。

不过我还有一个观察,印度在药物研发层面增增长也很快,增速不比中国慢。今年,我们的印度客户就增加了 30 多家,有CRO、CDMO(为制药企业提供从研发到生产的一体化外包服务的机构),也有一些做药的。所以我觉得,也许印度也有这个机会。

李丰:今天有一些国外的基座模型公司也慢慢拐到 AI for Science 上。你怎么看往后几年智化的机会和挑战?

夏宁:首先是一个机会。大模型能力的增强对我们是非常有帮助的,能让我们把整个流程做出来。

其次,我觉得大模型公司下场来做垂直模型不太容易。他们可能很难进入到企业的具体场景中去一点点做服务。也有很多人问,通用模型最后能不能把垂直能力直接做了,甚至做得更好?我觉得也难。我们内部做过大量测试,在垂直领域上通用模型能很快做到 50 分、60 分,再往上就非常非常难,基本达不到可用的程度。主要原因是通用模型底层更多是文本数据,而我们做的这种垂直模型更像一个多模态的数据。

而且大语言模型太通用了,如果要做一个垂直领域,做法还是搭一个小团队,像创业公司一样。但他们这个「创业公司」也没有太多所谓的优势——他们能用大模型,我们也能用。所以积累就显得更重要,或者说对客户场景的理解、跟客户深度的不断合作,这部分更重要。

李丰:那你觉得你们的挑战是什么?

夏宁:挑战更多是我们如何把自己的壁垒逐渐加深。它是一个长期的脏活累活,要不断投入资源,把地基打得更深,最后和大模型来合作——大模型把它们擅长的部分解决得更好,我们解决我们能解决的问题,双方互相结合、互相依赖。

李丰:因为 AI for Science比较火,你们也变得比较热了。你最近交流的投资人里,大家最容易误解的部分是什么?

夏宁:可能有两点。

第一,有投资人觉得我们一定要去做一个创新药、或者做一个新材料,市场空间才足够大。这在我看来是一个结果,而不是一个原因。我们做AI合成的目的是提高 DMTA 的研发效率,提高效率的目的是提升新药、新材料研发的效率——这时去做药、做材料才有巨大的优势。

否则,如果只是因为我要做一个药、做一个材料,那可能就和传统模式没有太大区别,就偏讲故事了。我认为要先解决工具效率的问题,再去把最终的目标调整到做完全创新的材料分子或者药物分子,这是我们在理解上的一个不同。

第二点是对市场空间的理解。他们看到的是过去工具软件的市场可能没那么大,不容易去想象未来工具软件结合了大模型、结合了智能体之后的市场空间。我觉得只要新的效率工具能够把之前没法做完的工作流全链条地做完,然后变成一个整体交付的结果,市场空间就不一样了。

李丰:转成智能体模式,飞轮效应会比原来的软件模式更明显吗?

夏宁:会更明显,主要体现在效率上。

李丰:假定有个跟你一样背景的人,在 2026 年上半年进来做跟你一模一样的事。你做了 8 年,回过头看,你积累的优势在什么地方?

夏宁:首先,整个技术体系经过了 8 年的打磨,这是一个非常漫长、要投入大量精力和资源的事情,对一个新进入的人来说,这个时间可能是省不了的。

其次,从客户的角度讲,现在再来创业做同样的事,有些市场窗口已经没有了。举个例子,头部客户已经用了像我们这样的成熟的产品,也和我们建立了非常深的合作关系,它要做切换成本会极高。这个我们之前做电子实验记录本的时候就看到过——客户已经用了、做了很多定制,你再让他改,基本上没可能。所以我倒觉得,创业做这块的最好时机可能已经过去了。

李丰:这个答案比我的问题还要残酷一些。最后作为收尾,你还有什么想跟大家分享的?

夏宁:AI for Science 是个很好的时代机遇。虽然它还在非常早期,但趋势几乎是必然的。10 年之后,是不是还主要是人在做科研?我觉得大概率主要是 AI 在做。

李丰:这也是个非常确定的中国机会,有点像2012年开始大力推的电动车产业发展规划。我们老讲弯道超车,弯道超车不是说你造出来一条道,而是正好出现了一个行业整体转向的机会,然后你综合了各种优势,在这条路上先跑起来了。

今天的 AI for Science,广义上是把数字化工具或者 AI 模型用在各种各样的科研领域里,去解决科学突破和发现的效率问题。我经常会打比方,这就像当时发明的显微镜——能看见细菌、细胞,使得生物医学领域的科学进展出现了广义上的许多突破。今天也有点像那个阶段。

图片

跳转微信打开

Apache COC Asia 2026|滴滴技术团队的三场专题分享

2026年8月20日 19:58

原创 滴滴开源 2026-08-20 19:58 北京

三场分享覆盖了存储、数据计算与 AI 开源协作等多个技术方向,值得一读。

近日,Apache COC Asia 2026 大会在北京顺利举办。作为 Apache 软件基金会的官方全球系列大会,来自全球各地的开源领袖围绕开源技术实践与发展趋势展开交流。

此次大会中,滴滴技术团队带来三场专题分享,分别聚焦大规模对象存储、开放湖仓和 AI 友好型开源项目,分享滴滴在相关技术领域的架构演进、规模化实践与开源探索。以下为本次大会中滴滴讲师的分享内容回顾:

分享一:《从 HDFS 元数据瓶颈到百 PB 级对象存储:架构演进、性能优化与 EC 落地》

滴滴 Ozone 团队围绕大规模对象存储的架构演进与生产实践展开分享。滴滴大数据存储研发工程师,Apache Ozone and Auron Contributor 魏铭详细介绍了滴滴如何应对 HDFS 在小文件场景下面临的元数据内存、块汇报和 RPC 队列瓶颈,并逐步建设起多集群、千节点、百 PB 容量、百亿文件规模的 Ozone 存储体系。

通过 Ozone Manager 与 Storage Container Manager 分层、RocksDB 元数据管理及 Container 化的数据组织方式,为对象存储、小文件和多租户场景提供更加灵活的扩展能力。

在此基础上,团队进一步分享了多集群治理、元数据读优化和首帧性能提升等关键实践。针对单集群文件数逼近百亿的问题,通过客户端 ViewFS 化实现 Bucket 级路由,将不同业务路径分配到不同 Ozone 集群,使单集群文件数控制在百亿以内;针对读请求集中在 OM Leader 的瓶颈,引入 Follower Read,并结合访问延迟与 appliedIndex 动态选择最优 OM,使 S3G 下载的 GetMetaLatency P90 下降5倍左右。面对 HDD 环境下的首帧延迟与高分位抖动,团队利用 NVMe 缓存 EC Block Group 的首个 Stripe,并从并发锁、后台扫描、数据删除和点对点迁移等方面系统治理 I/O 干扰。

在存储成本方面,滴滴将数据保护方式从三副本逐步迁移至 EC-6-3,使副本率由 3.0 降至约 1.5,释放数百 PB 存储空间。与此同时,团队也解决了 EC 分片删除积压、安全模式判断、管道缓存、反复重构和大规模数据迁移等一系列生产问题,并将相关优化反馈至 Apache Ozone 社区。

这些实践表明,超大规模存储系统的落地不仅依赖架构选型,更需要围绕性能、稳定性、成本和可运维性持续演进,在真实业务挑战与开源社区协作中共同完善技术体系。

分享二:《Evolution to Lakehouse: Cost-Effective Hive Migration and Real-Time Ingestion at Scale》

滴滴实时计算引擎团队负责人、Apache Flink Committer 俞航翔围绕从 Hive 数仓走向开放湖仓的生产演进展开分享,系统介绍了滴滴在 Hive 存量表规模化迁移 Iceberg、实时入湖和表管理方面的实践。随着 Data + AI 场景不断发展,业务对数据新鲜度、可复现和可演进的要求不断提高,同时需要兼容 HDFS、对象存储等不同存储底座,并为多种计算引擎提供统一、开放的数据消费能力。

基于此,滴滴围绕 Iceberg 构建生产级湖仓生态,打通业务开发、数据资产、多引擎计算与表管理等关键链路,并形成覆盖离线与实时链路的标准化迁移闭环。各类计算引擎面向不同场景协同工作,共享 Iceberg 表状态,由 Catalog 层提供统一的发现与治理入口,Amoro 负责独立于前台写入的表维护,将文件压缩、快照过期和孤儿文件清理异步化,并支持横向扩展。

实时接入方面,Kafka、DDMQ 和 PublicLog 链路由 Flink 直接提交 Iceberg Snapshot,下游可由多种引擎消费,在减少冗余存储与计算的同时,提升 ODS 数据新鲜度和链路稳定性。Binlog 入湖方面,相较 Canal 按链路独立部署和采集,Binlog Server 将每个 MySQL 集群的 Binlog 集中采集并服务多个下游,提供统一探活和 DOS 归档回放,降低资源与运维成本;基于 GTID Set 的完整性校验,可精准发现并定位缺失事务。此外,团队还补齐了 Minor/Major Compaction、Metadata Pushdown 和多表异步小文件合并等核心能力。

规模化迁移方面,滴滴将流程沉淀为“扫描、校验、双跑、回放、数据对比、验证、切换、观察、回滚”的标准闭环,并将全链路变更、收益计算、异常分析和审计进一步产品化、自动化。随着实时入湖和 Iceberg 表状态逐步落地,端到端数据新鲜度从小时级进入分钟级,节省了 PB 级存储,计算成本明显下降,也提升了数据就绪的稳定性和可预测性。

下一阶段,滴滴将围绕 Iceberg 夯实表格式演进基础,持续落地低成本、高稳定的实时湖仓,完善跨存储、跨引擎的统一 Catalog 与表运维,并以多引擎协同支撑更多 Data + AI 场景。

分享三:《面向智能体的开源项目演进:Seata 的 AI 友好化实践》

滴滴资深软件研发工程师,Apache Seata PMC 张锋从开源项目与 AI 协作的双重视角,结合滴滴内部 AI 实践和落地经验,介绍了 Seata 面向智能体演进的思考与实践。随着智能体开始参与理解架构、处理 Issue、修改代码、执行测试和提PR,AI Coding 带来的不只是开发效率提升,也让维护者面临上下文缺失、兼容性风险和验证成本上升等新挑战。

分享指出,AI 友好并不等于接受更多 AI 生成代码,而是让项目能够被可靠理解、安全操作,并继续接受开源社区治理。围绕这一目标,Seata 将演进路径划分为“人类可读、机器可检索、智能体可操作、社区治理”四个层次。以 Saga 状态语言为例,分享说明了如何将自然语言描述的业务意图转换为结构化、可验证、可视化、可执行的状态机定义,让模型输出从一段文本变成能够被工程体系检查的交付物。

在知识层建设上,Seata Knowledge Agent 采集文档、代码、API 规范和社区讨论等多源信息,保留知识的来源、版本与时间语义,再由知识编译智能体围绕稳定主题生成可持续演进的规范知识。查询智能体根据具体任务提供包含关键决策、约束条件、未解决问题和来源引用的最小上下文包,并通过证据追溯、问题澄清、差异评审和 Git 历史保障知识可信。

未来,Saga Copilot 将进一步连接业务描述、知识检索、状态机生成、语义校验、流程模拟和可评审变更,逐步形成从理解项目、生成方案到验证贡献的完整闭环。AI 友好最终不是为某一个模型优化项目,而是通过更清晰的知识、更明确的接口、更可靠的验证和更开放的治理,让人类开发者与智能体都能更安全、更高效地参与开源协作。

结语

从百 PB 级对象存储,到开放湖仓体系,再到面向智能体的开源项目演进,三场分享覆盖了存储、数据计算与 AI 开源协作等多个技术方向。技术架构持续演进,开源项目不断创新,社区协作也在新的技术趋势下拓展出更多可能。

未来,滴滴开源将继续参与社区建设,持续沉淀和分享技术实践,与社区开发者共同探索技术边界,推动更多技术成果在开放协作中持续演进。

往期推荐

跳转微信打开

《聪明的的阅读者》俄语版正式上市

2026年8月20日 19:49

原创 阳志平 2026-08-20 19:49 北京

即使是一本小书,也藏着整个世界!

近期,我的个人专著《聪明的阅读者》的俄语版在俄罗斯正式上市了。心情颇为感慨,这是我的第一本被翻译为外语的著作。

《聪明的阅读者》俄语版封面

1

2023 年 5 月,《聪明的阅读者》中文版上市不久,出版社老师问我,有一家俄罗斯的出版社对我这本书颇感兴趣,想出版俄语版,你的意见如何?

那时,我对将自己的版权输出国际,一无所知,但心里觉得是好事,于是同意了。

出版社是俄罗斯知名的非虚构出版社 Манн, Иванов и Фербер(МИФ,曼恩、伊万诺夫与费尔贝尔出版社),他们主打心理学、商业与个人成长类著作。做事很靠谱,很快,就将版税给我汇过来了。

而当时我唯一担心的是,《聪明的阅读者》这本书翻译难度这么大,中文版厚达 454 页,译者能胜任吗?

果然,出版方很快提出了一个条件,也就是能否出版俄语版时,删掉第十一章「通识千书」?

从作者感情来说,我显然希望保留自己的著作完整性,但从翻译与市场角度来看,这是一个极为合理的请求。当初,我与三位资深编辑,以及三位同事校对通识千书,就耗费了整整一个多月。而翻译为俄语版,难度可想而知。并且会让这本书变得极厚,显然会进一步影响俄语版销量。

因此,我第一时间同意了出版方的请求,作为协议附加条款列入进去。

2

然而,等今年 2 月份,俄方出版社发来他们的最终译稿时,大大出乎我意料。他们删掉了「参考文献」,把「附录」「致谢」和「后记」整体移到了线上。正文最后一页留了一个二维码,扫开是一份 33 页的补充材料,附录《关于阅读的阅读》和致谢都在里面。但第十一章「通识千书」,依然完整保留在纸书里。

在合作之初,我同意他们的时候,心想,第十一章「通识千书」这可是《聪明的阅读者》一书最大的价值点之一,你们出版方怎么舍得删掉呢?哈哈哈哈哈。果然,最后他们自己还是保留下来了。

俄语版第十一章首页

最终,整本书厚达 544 页,真正的精装本大部头了,甚至超过中文版的页数了。

惊喜还在后面。我原本最担心的,是书中涉及中国儒家价值观的那些文本会被弱化或删减;尤其担心「人类文明十三经」因为通篇没有提及俄罗斯,会被整节删掉。但这些也都完整保留了。

某种意义上,这也是一种文化输出了。

3

一本书究竟如何才能从一种语言变为另一种语言?一切都要归功于译者。

《聪明的阅读者》俄语版的译者,是至今尚未与我谋面的叶卡捷琳娜·科尔涅娃(Екатерина Корнева)老师。

写作《聪明的阅读者》很难,花了我三年。而从签约到付印,俄方前后也花了近三年。544 页的大部头,那么多的学术知识点,估计译者掉了不少头发。我这么难译的书,竟然也能被翻译出来。真的太神奇了。

我不懂俄语,但从俄语版的读者反馈来看,有读者称译笔不错、读来流畅。在 AI 的帮助下,尝试阅读俄语版,发现译者老师做了非常多精巧的细节处理。

《聪明的阅读者》的俄语书名,也颇有意思。

书名俄语作 Искусство быть читателем,直译为中文,是「做一个读者的艺术」;副标题 Как читать эффективнее, упорядочить знания и получать удовольствие от книг,即「如何更高效地阅读、让知识成序、并从书中获得乐趣」。

连起来便是:《做一个读者的艺术:如何更高效地阅读、让知识成序、并从书中获得乐趣》。

译者并没有抓住「聪明」做文章,而是突出阅读的艺术,这是抓住了《聪明的阅读者》一书的精髓!

俄语版的目录,直译回来后如下:

目录

序言 小书里也藏着整个世界 6

第一部分 阅读的科学

第 1 章 如何成为聪明的读者 10
第 2 章 阅读过程中大脑的运作 28
第 3 章 信息、叙事与审美 56

第二部分 阅读的技术

第 4 章 精读:基本功 94
第 5 章 选读:科学上的突破 130
第 6 章 结构阅读:作者的认知方式 157
第 7 章 主题阅读:当一本书不够时 196
第 8 章 卡片法:智者的笔记 216
第 9 章 实际应用:读不同类型的文本 261

第三部分 读者的选择

第 10 章 如何选书 298
第 11 章 包罗万象的千书:智者的杰作 352

补充材料 543

封底的介绍文字,也与中文版大为不同,直译如下:

一部全面而深入的著作,献给阅读的艺术

这本书不只是给人鼓舞——它给出一套可逐步操作的方法,把被动地吞读文字,变成与作者之间有意义的对话。

它的内核,是四套通用的阅读体系。它们让你能够灵活调整策略,应对任何任务:无论是啃下一部艰深的学术专著,深入剖析一部长篇小说,还是从同一主题的几十本书里迅速「榨」出精要。

这一切,都将帮助你在自己身上发现一个聪明的读者——他不只是吞下信息,而是从书中获取最大的收益与乐趣。书中还附有一份内容广博的导览:一份世界典籍最重要作品的书单,读过它们,你将能在字里行间看见远比从前更多的东西。

俄语版封底

这个介绍我非常满意,准确而到位,尤其是「献给阅读的艺术」这一句。

《聪明的阅读者》中,我那么独特的文风,译成俄语会如何呢?先看我的自序《世界何窄,方册何宽》,标题被译成了:

Даже малая книга
скрывает весь мир

译为中文,是:

即使是一本小书
也隐藏着整个世界

4

俄语世界的读者,如何评价《聪明的阅读者》俄语版?摘录几条评论:

读者评论 1:

这本书彻底改变了我对阅读的态度,也改变了我阅读的方式。读它的时候,你会突然发现自己在想:从这本书开始,阅读的世界被分成了「之前」和「之后」——「之前」意味着你根本就没读过书,或者你读的方式是错的,你的阅读里有一片混乱,而你压根没察觉;意味着做一个读者,是特权、是技能,同时也是最了不起的天赋。

如果你爱读书,又还在犹豫要不要买这本,那我要赶紧打消你的犹豫,并且告诉你:这本书里的东西,你在别处再也找不到!就算找得到,人家也会要你付上一千倍于这件珍宝的价钱。

读者评论 2:

这是一本非常有意思也非常有用的书,适合那些不想再乱读一气、而想系统地、有结构地获取知识,以求弄清世界与各知识领域整体图景的人。这本书清楚地展示了:该如何有意识地读书,如何对付严肃的学术文本,如何提高阅读的速度与数量,以及如何更好地吸收读过的内容。

特别有意思的是那份涵盖所有知识领域的推荐书单,它能帮人建立起关于客观现实与哲学观念的完整图景。这本书对各个年龄段的人都有用。

读者评论 3:

这本书能让你获得一些关于阅读与记忆的有趣事实,也能破除若干阅读上的幻觉。全书的主线是阅读方法——针对不同文本类型、不同门类的著作,方法各不相同。书中援引的专业文献相当密集。

书的很大一部分篇幅,是作者收集整理的「千位智者」基础书单。他首先推荐读的正是这份书单,用以拓展对世界的认识、培育自己的智慧。

在我看来,这本书面向的是严肃读者——那种把书当作知识与智慧的来源,而不只是当作爱好或消遣的人。它能帮你在如今累积到不可思议规模的信息里找到方向。作为一部通览世界典籍杰作(既包括知识性的,也包括文艺性的)的全局性参考书,它相当出色。本书出自一位中国研究者之手,这自然也在内容上留下了它的印记。

当然,也有来自俄语读者的批评,指责我太强调认知科学了;以及我写得太推销中国作家与儒家了。

5

而最令我感动的,是一位读者的长评,全文翻译如下:


不是嚼纸,而是啜饮文字的艺术

我们习惯把书当成头脑的健身房。这儿是一份「必读」经典书单——练你的智力。那儿是一堆讲效率的非虚构——让神经连接长得更密。我们吞下字母,只为在阅读挑战里打个勾,然后带着骄傲(和一丝吃撑了的轻微反胃)望着那摞读完的书。

中国随笔作家阳志平在《聪明的阅读者》(俄译名直译为「做一个读者的艺术」)中提议彻底换一副眼镜。他礼貌地收走我们手里的哑铃和蛋白粉,让我们坐进一张深深的扶手椅,在小几上放好一只瓷杯。他说,阅读不是举重,是茶道。

别在这里找速读法,也别找一小时记住五百页的技巧。阳志平写的是远为细微的东西:如何按当下的心境挑一本书,而不是因为周围人都在谈论它;如何及时合上一本无聊的小说,而不必对着它伟大的作者受良心的煎熬;如何把熟悉的句子重读成初见。

作者的核心观点,在这个人人都要「成事」的时代听来近乎异端:读书要读出双重愉悦——安静的智性快乐,和实实在在的人生用处。二者缺一,要么空洞,要么疲惫。

他温和地解剖我们在读书上的种种「罪」:为读不完《尤利西斯》那块砖头而愧疚,对轻文学的势利眼,出于原则把明摆着的烂书读到底的习惯。他用好奇心取代责任感。书应当像手套一样合你的手——否则何必把你唯一一次、不可重来的时间花在它身上?

阳志平的文字本身就把人调到该有的调子上。它不急不缓,疏朗有致,可触可感。读他的思考时,你能实实在在闻到旧纸的气味,看见斜斜一道落在木地板上的、有尘埃浮动的光,听见图书馆的寂静。

于是这本书自己变成了一本实践手册:作者教你慢慢读,细品段落,在章节之间停一停,让念头慢慢泡开。你会忽然发现,哪怕在沉重的一天工作之后,自己的呼吸也变得平匀了。

读完《聪明的阅读者》,你会想立刻去一趟书店。但走进去的将是另一个人。不是那个从架上乱抓一气、把时髦书脊塞满袋子的劫掠者,而是一位懂得味道、香气与回甘的美食家。

阳志平把最重要的一项权利还给了我们——为自己而读的权利。他也提醒我们:一本书最好的用处,是一个人刚刚在最好的陪伴中度过两小时之后,那份幸福的平静。


在 AI 的帮助下,我读懂了这位来自远方读者的评论。看到在异国他乡,不同语言、不同文化下,自己的书如何被阅读,这种感受太美妙啦。

6

真是一次有趣的人生经历。期待未来我的这类对外思想输出越来越多,能令更多文化背景的读者受益。

俄方保留下来的,不只是第十一章与「人类文明十三经」。翻过目录便是这本书最私人的一页,也就是献词,他们也一字未删地译了过去。

中文版原文是:

世界何窄,方册何宽。
愿你一生,好书常伴,心流常在。
谨以此书献给我的爱女。

俄语版是:

Даже малая книга скрывает весь мир!
Пусть хорошие книги сопровождают
тебя всю жизнь и радуют сердце.
Посвящаю свой труд любимой дочери

再直译回中文,则成了:

即使是一本小书,也藏着整个世界!
愿好书伴你一生,令你心中欢喜。
谨以此书献给我心爱的女儿

世界何窄,方册何宽。即使是一本小书,也藏着整个世界!愿你,享受阅读的欢喜。

阳志平
2026-08-20

相关阅读:

跳转微信打开

AI专栏 | 让Agent学会“不贰过”:从一次纠偏,到采纳率翻倍的工程实践

2026年8月20日 17:00

原创 Li Yi 2026-08-20 17:00 上海

人工对 AI 的结果做高质量决策

作者简介

Li Yi,携程资深后端开发工程师。关注 AI Agent 进入真实环境后如何继续获得经验,把经验沉淀为可复用的认知,并从用户视角持续拓展它能解决的问题。

团队热招岗位:高级/资深Java开发工程师、AI Agent工程师、AI Infra 研发工程师、大模型算法工程师

导读:Agent 答错后,人补一句正确答案并不难。真正困难的是:下一次遇到相似问题时,它能不能自己用上这次纠正;业务发生变化后,过去有效的做法能不能被重新检查;又怎样证明这次修改真的让 Agent 变得更好,而不是碰巧答对,或者修好这一类却让别的问题变差。

我们为此建立了一条从生产反馈出发的改进链路。系统保留 Agent 回答问题时的完整过程,找出错误从哪一步开始,把专家判断整理成候选知识,在隔离环境中重跑历史问题,经维护者审核后写回。修改后的 Agent 继续处理真实问题,新记录再回到同一条链路中。

这套机制已经用于多个业务 Agent。在与携程酒店技术支持团队的共建中,两类明确接入该流程的 Agent,一线采纳率分别从约 20% 提升到 40% 以上、从约 40% 提升到 60% 左右。这里的“采纳率”,指一线人员认为 Agent 回答可以直接采用的比例。本文从一个具体错误开始,说明一次人工判断怎样变成 Agent 后续会持续使用的能力,以及这条链路为什么仍然需要验证和人工治理。

一、为什么“库存不足”仍不是完整答案

二、怎样让一次纠正影响下一次答案

三、系统怎样判断Agent错在哪里

四、一项修改为什么值得被保留

五、怎样让一条经验帮助更多同类问题

六、人和基础设施各自负责什么

七、怎样判断这套方法是否产生价值

一、为什么“库存不足”仍不是完整答案

一位用户很早创建了一笔需要企业审批的酒店订单。订单创建时尚有房间,但系统不会立即向商户确认订单并锁定房间,而要等审批通过后才真正执行。等审批完成,房间已经被其他订单订走了。

排障 Agent 查到执行时没有库存,于是回答“库存不足”。这句话描述了失败发生时的状态,却没有回答用户真正关心的问题:为什么很早创建的订单,最后仍然没有订到房?

问题出在时间线上。Agent 看到了执行失败时的最终状态,却漏掉了创建与执行之间的审批过程。订单创建时间和房间真正被锁定的时间不同;等待期间发生的状态变化,才把“很早提交”和“最后失败”连成完整的因果链。

图 1:最终状态只能说明失败时发生了什么;完整原因还要包含提交与真正生效之间的过程。

这类问题并不只存在于酒店业务。申请提交后等待审核、任务创建后等待调度、支付发起后等待清算,都存在“已经提交”和“真正生效”之间的间隔。如果 Agent 只看最后一刻的状态,就容易把结果当成原因。

传统做法通常有两种:业务人员直接改对当前答案,或者补一条“遇到某类订单就检查审批”的规则。前一种做法只关闭了这次问题;后一种做法依赖具体名称和触发词。用户换一种说法,或者同样的机制出现在另一个场景,Agent 仍可能重复犯错。

真正值得留下的不是这次答案,而是一条可以迁移的业务知识:请求提交不等于操作真正生效;存在中间流程时,解释最终失败前要先检查等待期间发生了什么。

二、怎样让一次纠正影响下一次回答

要让这条知识影响下一次问题,系统不能只保存问题和最终答案,还要保留 Agent 当时怎样得到答案:调用了哪些工具、传入什么参数、拿到哪些结果,又依据这些信息作出什么判断。

改进系统随后检查这条执行过程,找出错误从哪里开始:是缺少必要信息,已经拿到字段却理解错了,还是信息足够但没有完成推理。专家提供的判断会先被整理成候选知识,去掉订单号、活动名和一次性返回值,保留适用条件和判断原则。

候选知识不会直接进入生产。系统先把它写入测试版本,在历史问题上重新运行,确认它确实被 Agent 使用、结果变化能够解释,而且没有让原本能正确处理的问题变差。通过验证并经维护者审核后,它才会写入 Agent 下一次运行时加载的工具说明、业务规则或提示词。

图 2:改对当前答案只能关闭一个问题;只有候选知识经过验证、审核和写回,才影响下一次回答。

本文把这条持续链路称为受人工治理的 Agent 自进化。业务 Agent 仍然负责回答用户问题;另一套改进系统读取它留下的执行记录,分析错误、提出修改并回放历史案例。维护者决定哪些修改能够进入生产,新版 Agent 则继续运行并产生下一轮反馈。

一次变化要构成这样的自进化,需要同时满足四个条件:反馈来自 Agent 自己的真实运行;系统能根据反馈修改 Agent 后续仍会使用的内容;修改经过验证和人工选择;修改后的 Agent 继续产生新反馈。少了其中任何一环,都更接近一次普通优化,而不是持续循环。

三、系统怎样判断 Agent 错在哪里

生产记录和标准评测集不同。它通常没有一份稳定、干净的标准答案:失败问题原来的结论可能就是错的;成功回答也可能只是碰巧命中,实际推理并不成立;同一种知识缺失,在不同执行记录中还可能表现为调错工具、传错参数、漏看字段或最终判断错误。

因此,系统不能只把问题文本和最终答案攒起来做分类。它需要读取从问题输入、工具调用、中间结果到最终回答的完整过程,逐步检查 Agent 还缺什么信息、哪个字段被误解,以及哪项已经取得的信息没有进入最终判断。

常见错误大致有三类:

信息已经足够,但推理没有走完。前面的订单案例就属于这一类:Agent 已经查到执行时没有库存,却没有把审批和时间差加入因果链。

字段已经拿到,但不知道它在业务上意味着什么。例如某项优惠无法使用,真正的判断依据可能是请求来源。这个字段早已存在于工具返回中,Agent 却不知道它与使用资格有关。此时不需要增加数据源,只需要把字段含义写清楚。

现有工具确实拿不到必要信息。系统会先确认已有工具是否能够补足证据;仍然缺失时,再提出需要增加什么查询,并在只能读取、不能修改生产数据的隔离环境中验证。未经维护者审核,新的查询能力不会进入生产。如果根因属于业务系统缺陷,或者所需信息根本不存在,系统会停止继续尝试,把已经排除的方向和最接近的线索交给人。

人工反馈也要按可信程度分别使用。专家有时给出明确结论,有时只提供排查方向,也可能暂时没有答案。

仍以前面的订单为例。假设专家已经判断“审批造成的时间差才是真因”,如果分析模型一开始就拿到完整结论,它可能沿着答案拼出一条看似合理的解释,即使执行记录里没有足够证据。因此,分析阶段只得到“检查审批流程”这样的方向,并先从执行记录中寻找依据;完成分析后,另一道评估再检查分析结果是否与专家判断一致,以及记录中的证据能否支撑这一结论。

这一阶段的产物不是“这条订单应该回答什么”,而是换一个订单、换一种表达仍然成立的候选知识。只有当它说明了适用条件和判断原则,并通过后续验证,才值得被长期保留。

四、一项修改为什么值得被保留

自动提出修改并不等于已经学会。答案发生变化,可能是新知识真的起作用了,也可能只是下游数据已经不同,或者 Agent 偶然走到了另一条路径。

判断一项修改能否保留,需要同时回答三个彼此独立的问题。它们不是依次发生的三步,而是并列的三个条件。

生效性:修改真的被 Agent 使用了吗?

知识已经写入测试版本,不代表它一定进入了执行。系统需要从执行记录确认新版内容已经加载,并真正影响了工具调用或判断。如果改了但没有用上,就不能继续把答案变化归因于这项修改。

可归因性:答案变化来自修改,还是外部数据变化?

历史问题发生后,库存、订单和审批状态仍会变化。如果回放时重新查询今天的数据,修改后的运行与原始记录面对的就不是同一组事实。例如,事后有人取消订单,今天查到的库存可能已经恢复;这时答案发生变化,未必是因为 Agent 学会了新的知识。反过来,如果禁止 Agent 发起历史记录中没有出现过的新查询,它又无法尝试新的排查路径,例如补查审批完成时间。

因此,历史记录中已经出现过的同名、同参数调用,回放时优先返回当时保存的结果。修改前后的 Agent 先面对同一份基础事实,判断差异才可能来自新加入的知识。

如果修改后的 Agent 开始查询审批时间,而历史记录没有保存这次调用,系统可以让它在只读环境中发起一次实时查询,并明确标记结果来自今天。这类查询验证的是:Agent 是否学会了主动查询这项信息,以及当前接口是否可用。它不用于还原几个月前的业务现场,也不能据此判断当时查询会得到什么。

如果只想比较新旧 Agent 的判断方式,系统会关闭所有新增查询,让两者完全基于当时保存的数据重新回答。我们把这种方式称为完全冻结回放。

安全性:修好当前问题,有没有伤害其他问题?

验证不能只盯住当前错误,还要重跑一批原本能正确处理的历史问题。即使当前问题变好,只要新知识让其他问题变差,也不能进入生产。

图 3:生效性、可归因性和安全性是三个并列判断;缺少任何一项,都不足以把候选修改带回生产。

证据是否充分、执行路径是否改变、最终结论是否改善,也由不同角色分别判断,而不是让同一个模型先下结论,再为自己的判断寻找理由。在内部评估中,由单一模型同时分析和裁判时,无效修改被误判为有效的比例曾在三成左右;拆分职责并增加“修改必须实际生效”的条件后,这一比例下降到个位数百分比。

自动检查完成后,候选修改只有三种出口:证据充分则提交维护者采纳;信息不足则返回继续分析;无效或伤害其他问题则拒绝。系统负责提出候选并整理证据,维护者负责决定哪些变化值得被长期保留。

五、怎样让一条经验帮助更多同类问题

一条执行记录已经足以发现新的业务知识,这对低频、长尾问题尤其重要。但当同一种错误反复出现时,每次都从头分析并不经济。随着经过验证的问题逐渐积累,系统会进一步对照同类问题的成功和失败过程,寻找能够复用的共同做法。

它不会简单汇总每条问题的最终答案。答案相同,不代表推理过程正确;问题文本相似,也不代表错误原因相同。

假设后来又积累了十条“很早提交却最终失败”的问题。Agent 回答正确的记录通常都会检查提交时间、审批完成时间和房间状态变化;回答错误的记录往往只检查最后的库存。两组记录一对照,系统就能发现:失败最常发生在没有检查中间流程这一步。

“存在延迟生效流程时,要检查等待期间的状态变化”由此成为一条候选通用做法。系统还会过滤活动名、渠道名、订单号等只属于个案的信息,避免把一次特殊处理误写成共享规则。候选做法随后要在这批问题上共同回放,确认它确实帮助了同类问题,也没有伤害其他场景。

图 4:单条记录用于发现新事实,同类记录用于提炼共同做法;两种结果都要经过验证和人工审核。

通过审核的内容会进入可信经验库,并保存它来自哪些生产记录、经过什么验证、适用于什么条件以及属于哪个版本。未经验证的结论不会入库,已经入库的经验也不是无需检查的标准答案,每次仍要结合当前证据使用。

目前,经验库主要由改进系统使用:当下一条错误记录进入分析时,系统会先查找过去有没有类似经验,以减少重复排查。

尚未完全打通的是业务 Agent 的前置使用。当用户刚提出一个新问题时,业务 Agent 还不能稳定地在回答前自动找到并采用已有经验。因此,系统已经能够加快“错误发生后的改进”,但还不能保证在错误再次发生前就阻止它。

六、人和基础设施各自负责什么

“自进化”容易让人联想到系统不再需要人。生产环境中的实际情况恰好相反:机器适合承担可以重复、可以批量验证的工作,人则保留对业务真因和生产发布的责任。

业务专家最有价值的输入,通常不是重新写一整份规则文档,而是指出真正原因的一句话。例如:“创建时有房,不代表审批完成时仍有房。”过去,这句话可能只用于关闭当前问题;现在,系统可以据此查找相关执行记录、提出候选修改、批量回放历史问题并整理证据。专家不必亲自完成每一步,但仍要判断证据是否成立、适用范围是否过宽,以及修改能否进入生产。

人的位置因此发生了变化:从逐条搜索和手工改写,转向提供准确的判断和排查方向、审核证据,并治理生产变化。一次经过验证的判断,可以影响后续一类问题,而不只影响当前一条记录。

权限也要随着任务阶段分开。分析系统只读取历史记录的副本,因此不需要修改生产;需要重新调用工具时,任务进入只能查询、不能写入生产数据的隔离环境;只有修改通过验证和人工审核后,专门的发布流程才取得写入权限,并记录修改人、版本和回滚点。这样,即使分析系统提出了错误建议,也不能绕过审核直接改变生产 Agent。

并不是所有 Agent 都能直接接入这套机制。至少要满足三件事:

看得见。系统除了最终答案,还要能看到 Agent 调用了哪些工具、传入什么参数、拿到什么结果,以及怎样作出判断。否则只能知道它答错了,不知道错误从哪一步开始。

改得动。Agent 后续使用的工具说明、业务规则和提示词需要能够单独更新、比较版本和回滚。否则即使找到了问题,也没有一个安全的位置承接修改。

有人负责。必须明确由谁审核、谁批准发布,以及出现问题后谁负责回滚。系统可以提出修改并提供验证结果,最终是否进入生产,仍由对应 Agent 的维护团队决定。

七、怎样判断这套方法是否产生价值

接入了多少 Agent、生成了多少候选、采纳了多少修改,只能说明系统在运行。真正需要回答的是:一线是否愿意采用新版 Agent 的回答,处理问题是否更快,最终用户是否感受到改善。

酒店技术支持团队提供了一个较完整的观察样本。这个团队每月处理上万条问题,其中大量场景低频、信息不完整,固定规则很难持续覆盖。

在两类 Agent 上,接入前后的变化最为直接。负责排查房价、库存和售卖状态的 Agent,采纳率从约 20% 提升到 40% 以上;负责促销问题的 Agent,采纳率从约 40% 提升到 60% 左右。前者每周覆盖一百余条问题,后者每周覆盖两百余条问题,并非少量孤立样本。

把范围扩大到整个协作体系,总采纳率由 25.9% 提升到 51.7%。2026 年 6 月,AI 有效覆盖率达到 48.08%。这个指标的含义是:在技术支持团队经手的全部问题中,由系统自动转移且没有回流、由系统自动解决,或者 Agent 诊断结论被一线采纳的三类问题,合计占 48.08%。

对于 Agent 确实提供有效帮助的问题,相比纯人工处理,解决时长中位数缩短约 40%;在业务量和处理人力基本相当的情况下,及时解决率同比提升约 4.9 个百分点。

这些整体结果不能全部归因于自进化系统。同期还进行了工具与业务知识整理、已有 Agent 复用、问题自动分流和部分场景自动处理。更准确的结论是:自进化补上了“从真实错误中持续发现 Agent 不会的地方,并形成经过验证的修改”这一环;最终业务结果来自工具、Agent、平台和一线团队共同形成的协作链路。

系统内部还要单独判断每次修改的净收益:有多少原本答错的问题在修改后真正答对,又有多少原本答对的问题被新知识带坏。前者增加而后者接近零,才说明这次变化值得保留。业务指标用于判断这条方向是否值得继续投入;历史回放则用于确保每次具体修改不会以伤害其他问题为代价。

还有两项能力需要继续完善。其一,历史问题集需要覆盖更多类别,避免验证只围绕当前问题;其二,业务事实会变化,系统仍需要更完整地识别哪些经验已经过时,并重新验证。明确这些边界,比把一次阶段性提升误认为永久能力更重要。

结语

Agent 自进化不是让系统在没有约束的情况下随意修改自己。它是一套具体的工程过程:从真实运行中取得完整反馈,找出错误从哪一步开始,把专家判断整理成候选知识,通过历史回放和人工审核决定是否保留,再让新版 Agent 回到生产继续接受新反馈。

模型会继续变强,业务事实也会继续变化,低频问题不会因为一次升级而消失。真正困难的不是让 Agent 把当前答案再说一遍,而是让一次错误留下可以复用、可以验证,也可以在过期后重新检查的知识。

过去,专家的一次判断往往只关闭一个问题;在这条链路中,一次经过验证的业务判断,有机会改变 Agent 之后处理一类问题的方式。被持续放大的不是某一句答案,而是人对真实业务的理解。人原来逐条救火,现在只在真需要判断的地方出手。在这个体系中,人工要做的不再是逐条看工单的体力活,而是要对 AI 的结果做高质量决策。

【推荐阅读】

 “携程技术”公众号

  分享,交流,成长

跳转微信打开

MiniMax Design:从操作像素,到操作语义和表达意图

2026年8月20日 08:36

原创 MiniMax 2026-08-20 08:36 上海

今天,我们向大家介绍 MiniMax Design。

MiniMax Design 是一款把多模态模型能力变成真实可用的生产力的 Harness。用户提出创作需求后,它能够理解目标、拆解任务、调用相应的模型与 Skills,完成从素材处理、生成和编辑到最终交付的完整过程。

MiniMax 原生多模态视频模型 H3 为 MiniMax Design 提供了新的能力基础,它已经验证了 MiniMax 在多模态理解、视频生成、视频编辑、参考控制等方面的模型能力,尤其适合 Video Editing 等对理解、控制与修改要求更高的场景。

我们希望通过 MiniMax Design 进一步释放 H3 的生产力,把这些能力进一步组织进真实的商业内容生产流程。

对多模态生产力的两点思考

对于多模态生产力的未来,我们有两个思考。

第一个思考是,未来的创作与修改不会停留在传统意义上的 Editing,而是语义层面的创作与修改。用户不必精确告诉系统每个像素和时间点如何变化,只需要表达高层意图,模型理解“想要什么”,再完成生成、修改、重组和编辑。

长期来看,我们相信自然语言会成为人与多模态内容交互的核心接口。用户负责表达意图,系统负责理解意图,并完成具体的生成、修改和组织。

第二个思考是,多模态模型的下一步进展将来自对更复杂 Context 的理解和使用。

H3 这一代已经初步具备了理解多模态上下文的能力:用户可以同时提供几张图片、几段视频和一些指令,由模型理解不同内容之间的关系。

未来,模型需要理解的 Context 会从一次输入扩展到整个 Project。它将包括整个项目的历史和多轮对话,所有图片、视频、音频与剧本,人物、场景、道具和品牌资产,不同版本及其修改记录,以及用户长期形成的风格和偏好。

这和语言模型的发展类似:Context 长度不是唯一变化,真正的变化是模型能否有效理解并利用复杂 Context。

从单次生成走向 Agent 驱动

的完整工作流

基于我们的技术判断和 H3 开源后在社区中看到的真实需求,我们推出 MiniMax Design。

围绕 H3 原生构建

MiniMax Design 围绕 H3 原生构建,把对 H3 能力边界、输入方式和使用方法的理解沉淀在 Agent 与 Skills 中。面对一项具体任务,系统会判断需要提供哪些文字、图片、视频和音频,哪些内容应该作为参考,哪些部分需要保留、增强或修改,再将创作需求转化为适合 H3 执行的素材、指令和能力组合。

例如,在制作 PV 或 MV 时,MiniMax Design 会根据内容主题、音乐节奏和参考素材确定视觉风格与分镜,再准备人物、场景和动作参考,将不同镜头整理成适合 H3 执行的素材和提示词。制作电影片头或特效包装时,MiniMax Design 则会进一步拆解文字、图形、镜头运动和转场效果,明确需要保留、增强和修改的内容,再组合使用 H3 的生成、参考控制和视频编辑能力。

擅长商业内容任务

MiniMax Design 擅长处理目标明确、涉及多个制作环节,并且需要持续生成和修改的商业内容任务,我们介绍几种常见的使用场景:

当品牌需要快速测试创意、批量迭代投放素材时,可以把商品信息、目标人群和传播需求交给 MiniMax Design。在 KOC、UGC、种草或品牌短片中,Agent 会围绕不同卖点、受众和内容平台规划脚本与镜头,继续完成素材生成、剪辑和字幕,让一套商品素材更快变成多个可用版本。

运动鞋电商广告

外卖品牌创意短片

如果用户希望把教案、课件,知识点或传统故事制作成视频,也可以直接把现有材料交给 MiniMax Design。Agent 会先梳理内容结构和讲解顺序,再组织配音、画面和动画表达,把文字材料逐步制作成完整的知识视频或 MG 动画。

皮影戏版故事插画

英语教学短视频

当企业或创作者需要制作 PV、MV、电影片头、特效包装、角色宣传片等创意短片时,任务往往对视觉风格、镜头连续性和后期修改有更高要求。MiniMax Design 可以发挥 H3 在生成、参考控制和视频编辑方面的能力,由 Agent 规划整体创意与镜头,Skills 完成具体制作环节,减少创作者在多个专业工具之间来回切换的成本。

PV 制作

MV 制作

这些列举的 Case 是商业内容生产中几类常见的任务。对于目标明确、过程可拆解,并且需要连续调用多种能力的内容需求,MiniMax Design 都可以从理解目标开始,持续推进生成、编辑和修改,直到形成可以交付的内容。

补全从分镜到成片的创作流程

一条可以交付的视频,除了生成镜头,还需要在生成前确定构图、人物关系和镜头运动,在生成后完成剪辑、字幕和整体装配。

3D 导演台:

对于画面调度要求较高的内容,MiniMax Design 提供了 Agent 3D 导演台。用户描述场景、人物动作和镜头要求后,MiniMax Design 可以在 3D 空间中摆放角色、调整姿态与机位,并从不同视角检查画面。用户也可以随时手动调整,确认构图和人物关系后,系统再将结果作为 H3 生成视频的参考,把一部分试错提前到分镜阶段,减少无效生成,提高画面的可控性。

镜头完成之后,MiniMax Design 还可以继续完成自动剪辑和字幕添加,将生成的素材组织成完整视频。

接入开源生态:

H3 模型开源后,社区不断涌现出新玩法,越来越多的创作者和开发者加入了 H3 生态,我们精选了部分 H3 工作流并集合在 MiniMax Design 中,也邀请更多创作者加入到开源生态中探索。

对于已经使用 ComfyUI 的专业创作者,原有的本地部署方式和成熟工作流也可以接入 MiniMax Design。选择云端或本地运行方式,在 MiniMax Design 中打开你的工作流,还可以让 Agent 根据对话协助调整,包括编辑工作流节点,以及调整生成参数等精细化设置,实现更佳精确和高质量的效果。

下载地址:design.minimaxi.com

Intelligence with Everyone.

跳转微信打开

墨奇智能黄青虬:做智驾五年,我知道具身创业该避开哪些噪音

2026年8月19日 20:32

晚点团队 2026-08-19 20:32 北京

墨奇明年将实现千台级机器人交付。

文丨李安琪

2025 年底创业前,黄青虬花了几个月调研具身智能。他发现,机器人做家务的实际成功率远低于公开视频;看起来成熟的硬件,响应速度和一致性仍有问题;算法模型名词不断更新,但机器人稳定工作的能力进展有限。

他的结论是:自己用半年到一年,有机会赶上同行过去两三年的进度。

这个判断面对的是一个迅速拥挤的市场。到今年,一批更早成立的具身智能公司估值已经突破 200 亿元,人才、资金和产业资源也在加速向头部聚集。后发公司不仅要追技术进度,还要证明自己还有哪些机会。

黄青虬的自信很大程度来自过去五年的智能驾驶经历。2020 年,黄青虬以 “天才少年” 身份加入华为,先后参与 ADS 1.0 到 ADS 4.0 的开发,做过激光雷达感知、BEV 融合,也参与搭建数据闭环。离职前,他担任 AI 模型开发部部长,管理 200 多人,是华为智驾最年轻的技术管理者之一。

在华为的五年,他经历了智驾从模块化、规则系统,到 AI 驱动、端到端模型的多次切换。具体技术会变,但技术审美、快速验证和迭代的能力可以留下。

他想把这部分经验带进机器人行业。十多年前,黄青虬在清华大学自动化专业就读期间,参加机器人足球比赛。那时,一台身高 1.6 米的机器人只要站在场上不倒,就有可能进入比赛前八;如果能走起来,有机会进入前四。

今天机器人已经开始尝试收拾酒店房间、操作柔性物体和连续工作。任务复杂了,真实世界暴露的问题也从一个单点技术,变成了模型、数据、软件和硬件之间的相互牵制。

2025 年底,黄青虬与高文礼共同成立墨奇智能。半年里,公司获得超过 10 亿元融资,团队扩张至 150 多人,同时投入模型、数据、软件和硬件。

今年 7 月,我们在深圳见到黄青虬。他说话很快但温和,偶尔流露出少年气。他说,墨奇的目标是做一台真正进入家庭、能够干活的通用机器人,但在实现路径上,公司没有把自己限定在热门的 VLA 或世界模型,也没有把双足和灵巧手放在第一优先级,而是先训练原生具身模型,准备明年千台级轮式机器人交付。

黄青虬 ,墨奇智能联合创始人、CTO。

对一家晚两年入场的公司来说,机会不在于把先发者走过的路重新走一遍,而在于行业答案仍未定型时,少走弯路、跑得更快。

“VLA 和世界模型不矛盾,也不完整、都是积木”

当下,VLA(视觉-语言-动作)和世界模型是具身智能最绕不开的两个技术方向。

美国公司 Physical Intelligence、Figure 等更偏 VLA 路线;斯坦福教授李飞飞联合创立的 World Labs 则更强调世界模型和空间智能。不同公司的技术重点不同,但行业至今还没有形成公认的技术架构。

VLA 的起点很好理解:以经过大规模预训练的视觉语言模型为底座,再加入动作输出,使模型能够根据图像和语言指令控制机器人。对创业公司来说,这是一条相对容易启动的路径——具身模型不用从零开始认识世界。

黄青虬认可语言对机器人的价值,但不认为大语言模型的成功可以原样复制到具身。他把两者概括成一组相反的关系:大语言模型是 “小数据、大模型”,具身更接近 “大数据、小模型”。

端侧算力是主要原因之一。“具身算法比大语言模型更难,因为它需要在端侧跑。” 他说。目前机器人端侧能部署的模型大约在 3B 到 7B;大语言模型主要运行在云端,算力约束相对更少。

机器人面对的世界明显更复杂。大语言模型接收文本 token,而机器人面对的是连续视频,还可能同时输入语言、触觉和本体状态。对于具身模型来说,一个训练样本的大小可能是大语言模型的数千倍。

在黄青虬看来,具身模型其实只做两件事:信息压缩和模态转换。机器人实时感知周围环境、理解人的指令,再把信息转换成具体动作。过程中可能有上千万维度的感知输入,最终却只有十几个维度的动作输出。

VLA 和世界模型提供了不同的能力来源和训练信号。VLA 引入语言和语言推理,世界模型更多通过预测视频、未来状态等方式,让模型理解物理世界如何变化。

但黄青虬认为,这些能力都只解决了具身模型的一部分问题。机器人最终还要把视觉、语言、触觉等大量信息转换成动作,仅靠动作本身提供的训练反馈又相对有限。因此,VLA 和世界模型并不矛盾,也都不完整,只是答案的一部分。

墨奇的办法是,给模型增加更多 “老师”。

动作是老师,语言推理也是,视频预测、深度估计、语义分割同样可以成为训练信号,都是训练原生具身模型可以使用的积木。“有点像语文、数学、英语和体育老师,教的东西不同,但最后都是为了让学生变聪明。”

比起追捧某个技术名词,黄青虬更在意它究竟解决什么问题。这也是他从华为智驾带出来的一种习惯:拨开噪声,不被行业热词牵着走。遇到自己判断值得投入、但还没有形成行业共识的方向,他过去常用的办法是:“资源在手里,可以先干了,干完再说。”

黄青虬想训练一个原生的具身模型。他把具身模型训练大致分成三个层次:从开源预训练模型出发,做任务后训练;进一步介入模型预训练;最终摆脱对开源模型的依赖,训练原生具身模型。目前公司正在推进后两者。

但越往后走,训练的挑战也越明显。

训练时,希望模型什么都学,语言推理、视频预测、深度估计、语义分割等能力全部都有;但实际部署到机器人侧时,参数量过大又会增加端侧推理负担,因而模型又要尽可能小巧、轻盈。

墨奇选择把两个环节拆开:训练阶段,模型同时学习动作、视频、语言推理、深度估计和语义分割等多种信号,让有限规模的模型尽可能充分地吸收信息;部署时,再只留下执行动作需要的部分。公司把它称为 “训练推理分离”,尽量不让端侧算力的上限,变成模型学习能力的上限。

黄青虬也仍在思考,最终的具身模型应该长什么样。他相信 “简单即是美”,但走向简单答案的过程并不简单:原生模型架构、初始化方法、训练超参数和数据配比都更敏感,也更考验技术负责人的 taste;更小的模型要吸收更大规模的数据,对架构和训练能力提出更高要求。

墨奇并不是唯一尝试增加训练信号的公司。Physical Intelligence 已在模型训练中混合机器人图像、语言、高层语义任务和动作等多类数据;World Labs 也在尝试把世界模型、仿真和真实世界学习放进同一体系。

不同之处在于,Physical Intelligence 是沿着 VLA 路线延伸,World Labs 更从世界模型和空间智能出发;墨奇不把其中任何一种当作最终架构,而是把不同训练信号作为 “积木”,服务于自己的原生具身模型。

对一家成立只有半年的创业公司来说,这是一个风险选项。直接介入预训练、甚至训练自己的原生模型,意味着更高的算力、数据和人才投入,也意味着要承担路线判断错误的风险。

但黄青虬认为,如果最终目标是原生具身模型,仅仅停留在开源模型的后训练阶段,很难真正建立自己的模型能力。

他没有回避这条路线的不确定性,他说,AI 本质上是一门实验科学,试错不可避免。“现在整个 AI 领域的技术迭代非常快,没有人能保证每一次押注都是对的。哪怕今天非常厉害的头部具身公司,也不是每一次都赌对。赌错了怎么办?那就快点改呗。”

后发两年,为什么未必落后两年?

在华为推动端到端时,黄青虬经历过一次近乎 “推倒重来” 的技术切换。

特斯拉引领的端到端方案靠 AI 驱动,展示出更高能力上限,但初期效果不如打磨已久的基于规则的旧智驾系统;路线切换也意味着此前积累的一部分工作要放弃。他需要不断向团队解释,为什么一个眼下更差的方案仍值得继续投入。

但也是这段经历让黄青虬意识到,模型可能反复变化,甚至推倒重来,但围绕 AI 模型建立的数据、训练和评测能力,不会随某一条技术路线变化而清零。

这也是黄青虬有信心能在半年内追赶具身同行的重要原因。成立晚两年,不一定意味着落后两年。

在他看来,后发公司的追赶速度取决于两件事:一是核心团队能否筛掉大量无效方向,二是发现问题后,能否更快完成数据回流、训练和验证。前者靠关键人物的 taste,后者取决于基础设施建设。

他把模型训练时的数据配比和训练方法称为 recipe(配方),类似炒菜时的 “加盐少许”。“这个 ‘少许’ 到底是多少?没有答案可以直接抄。” 这背后可能是上百种改进思路,技术负责人要先筛掉 90% 不靠谱的 idea,再把剩下的方案放进实验。

黄青虬举过一个乡村小道的智驾例子:车辆与行人、其他车辆交互的数据加得太多,模型可能变得保守;加得太少,又可能无法处理极端情况。所谓技术负责人的 taste,最后会落到这些具体取舍上。

墨奇想把这套在智驾里形成的方法,搬进机器人。

跟智驾数据闭环的逻辑类似:机器人执行任务失败后,团队找出失败片段,从数据池中检索相似场景,判断问题来自数据覆盖、轨迹质量、模型还是硬件。如果缺少相应数据,酒店场景的保洁人员会佩戴轻量化采集设备,在日常工作中补充真实操作轨迹。

新数据经过筛选、分类和自动标注,与原有数据重新配比,再进入训练。训练完成还不算结束,新模型还要经过离线评测、真机泛化测试和任务回归测试,确认目标问题得到改善、其他能力没有明显退化,才会重新部署到机器人上。

一次机器人失败,会变成下一轮训练的起点。“如果你转一轮是一天,别人转一轮是五天,你就有别人五倍的迭代效率。” 黄青虬说。

墨奇从成立第一天起就在搭建这条链路。目前,部分数据质检、检索和标注已经可以自动完成,但问题定义、训练策略和模型发布仍需要工程师判断。

按照公司的说法,如果问题主要通过调整数据就能解决,目前完成一轮迭代约需一周,未来希望缩短至一天;涉及模型结构或硬件修改时,则需要一周到一个月。

但闭环转得快,只解决了效率问题;进入闭环的数据质量同样重要。

当下,具身公司们也想尽办法扩大数据规模。有公司尝试从人类视频中迁移操作能力,也有公司通过仿真和生成环境批量制造训练样本。而墨奇现阶段更看重真实工作产生的数据,而不是单纯追求数据小时数。

黄青虬给数据定了三个条件:真实的人、真实的场景、干真实的活。

以擦桌子为例,在专门的数采场地里,数采员的目标往往是完成一条规定动作轨迹;但保洁人员的目标则是把桌子擦干净,会观察污渍,根据实际情况调整方向、力度和次数,没擦干净还会再来一次。

如果一万小时数据大多在同一张桌子上重复相似动作,增加的时长未必能给模型带来更多变化。遇到遮挡和密集接触时,采集设备还可能发生漂移,使模型学到的参考轨迹出现偏差。

墨奇称,目前积累的约 3 万小时数据已经过质检,可以进入模型训练,年内计划增加到 15 万至 20 万小时;同时投入规模算力资源,年内使用超 2000 张训练卡,加速数据训练闭环。

机器人进入酒店,先闭环,再通用

墨奇最终希望机器人进入家庭。“一个通用机器人,最终既需要会走路,也需要会干活,手要强,腿也要强。”

但黄青虬认为,家庭并不是一个适合早期产品验证和数据采集的场景。不同家庭的空间、物品和生活习惯差异很大,摄像头和传感器采集的数据又涉及隐私,很难持续回流到公司用于模型训练。

酒店提供了一个相对可控的起点。房间里的工作接近家务,同样需要处理生活用品、柔性物体和清洁工具;与工业上下料和物流分拣相比,环境和任务的变化更多。客人退房后,机器人可以在空房间里工作,数据也更容易获得授权并回传。

墨奇没有选择一开始就挑战最通用、也最难的场景,而是先在真实商业环境里,让产品的真实使用、数据回流和模型迭代形成闭环。

但真实的商业场景往往有更多意料之外的挑战。

墨奇的机器人早期进入酒店测试时,还没开始收拾房间,先可能被一道三五厘米高的门槛拦住。进了房间,又可能因为没有取电、光线太暗而看不清物品。机器人得先插房卡,或者走到窗边拉开窗帘,后面的工作才能开始。

现阶段,墨奇团队把酒店工作拆成 160 多个子任务,按难度和模型能力逐步推进。第一阶段主要是抓、拿、放,比如收走垃圾、把矿泉水放进冰箱、替换毛巾等,约占客房清洁工作量的 30%。

这些动作看起来基础,真实环境里的状态却并不固定。矿泉水可能在桌上,也可能落在床边;毛巾有时叠放整齐,有时揉成一团;机器人还要区分未开封的矿泉水和客人喝过的瓶子。

下一阶段是处理床单、枕套和衣物等柔性物体。它们在抓取过程中会不断改变形状,很难像杯子、瓶子一样用相对固定的方式识别和操作。

再往后,机器人需要把多个单点动作串成长程任务。清理桌面,不只是识别和抓取,还要使用工具,在任务结束后检查结果。任务再从桌面延伸到房间、一层楼甚至整栋楼。

“先闭环、再通用” 的思路,也决定了墨奇对硬件的取舍:不追求一步到位,而是先解决真正阻碍产品和模型迭代的瓶颈。

长期来看,黄青虬认同,双足人形机器人更通用,也更适合按照人体尺度设计的家庭环境。但 “一步到位” 意味着初创公司要同时解决更多软硬件问题。

墨奇的第一代产品因此采用轮式底盘,先绕开复杂的双足行走,把精力集中在双臂操作上。该款机器人将在 8 月中旬亮相。目前,墨奇原型机已经进入真实客户场景进行 POC 验证。公司称,明年将实现千台级机器人交付。

灵巧手的自研优先级也被暂时排在后面。墨奇团队测试发现,人戴上与机器人相似的夹爪,在酒店和商住公寓里尝试工作,能完成约 70% 的任务;但机器人自主执行能够完成的可能只有 3% 至 5%。

这意味着今天限制机器人工作范围的首要问题,仍然是模型,而不是手不够灵活。“我们可以先基于稳定的夹爪执行器,把模型能力往上提。等到有一天手成为瓶颈时,我们再上灵巧手。”

黄青虬给墨奇划了一条硬件自研的边界:只有当某个硬件已经开始阻碍模型迭代,而供应商又无法及时解决时,公司才考虑自己做。

机器人关节属于这一类问题。墨奇算法团队曾让数台机器人执行同一条指令,机械臂最后却可能停在不同的位置。同一个模型在一台机器人上成功,换到另一台上就有可能失败。硬件的不一致,会让研发人员难以判断,失败来自模型,还是关节精度、通信时延和装配误差。

墨奇选择从肩关节开始自研,希望解决机器人执行动作偏慢的问题,提升不同机器之间的一致性。

创业前,黄青虬长期从事算法和软件研发,已经习惯按天甚至按小时迭代。但硬件设计一旦出错,零件需要重新加工,还要等待供应商排期,回来后再组装和测试,周期往往以周甚至月计算。刚开始接触这种节奏时,他经常催问:“硬件怎么这么慢?怎么还不来?”

现在,等待机器恢复、催硬件同事修机器,也成了算法和软件团队日常工作的一部分。对具身公司来说,管理这种节奏差本身就是产品能力的一部分:模型、算法需要高密度人才快速探索,硬件则依赖更严格的流程和制造管控。

进入真实场景后,具身智能的竞争正在从单点能力走向系统能力。模型、数据、软件、硬件任何一个环节,都可能成为新的瓶颈。

这也是黄青虬把墨奇定义为 “系统派” 的原因:不只做机器人的 “大脑”,也不只做本体,而是把原生具身模型、真实数据回流、训练系统、软件和硬件放进同一套迭代体系。

具身行业还远没有形成稳定的技术和商业答案,后发公司的机会窗口也还没关闭。

题图来源:墨奇智能

- FIN -

跳转微信打开

AI 网关可观测体系:让大模型调用看得见、查得到、审得清

2026年8月19日 10:00

AI 网关 2026-08-19 10:00 陕西

Token 花在哪、慢在哪、出错怎么查 - 大模型上线后的三道"看不见"难题,都要在网关层一次解决。

企业把大模型接入生产后, “能调通” 解决了可用性, “能兜住” 解决了连续性,但紧接着就是第三道难题—— 看不见 。Token 花在哪了、慢在哪了、出了问题怎么查,这三个问题在大模型场景下没有现成答案。AI 网关把监控、日志、追踪三大支柱沉到网关层统一采集,业务方不需要改一行代码,就能获得 Token 级的用量洞察、请求级的延迟拆解、以及全链路的调用追踪。

一、用户场景:大模型调用 “看不见” 的三种痛

延续金融场景——AI 平台团队把混元、DeepSeek、Claude 多家模型统一接入 AI 网关后,智能路由和业务连续性已经跑起来了,但 运营阶段的新问题接踵而至 。

AI 网关可观测能力的 “使用者” 通常不是单一职能,而是 运维、安全、财务、业务、技术 多个角色使用。大家关注点各不相同,但都指向同一个问题: 大模型上线后能不能像传统应用一样被 “看见、查清、追透” 。

角色

核心关注

典型问题

对应可观测能力

AI 网关实现

CTO / 技术决策者

平台稳定性和风险可控

“大模型出了故障能多快恢复?会不会影响业务?”

Fallback 触发率 · 错误码分布

LLM 监控大盘 + 自动降级

运维负责人

排障效率和值班压力

“凌晨告警我能不能远程 10 分钟定位,而不是到机房翻日志?”

TraceId 串联 · CLS 检索

全链路追踪 + 结构化日志

财务 / 成本管控

Token 花费透明可追溯

“这个月 Token 花了 50 万,到底是谁花的、花在哪了?”

按消费者/模型/时间段拆分

多维用量统计 + 成本单价

安全合规

审计留痕和追溯

“等保测评时能不能拉出每一次模型调用的完整记录?”

请求/响应/Fallback 路径

审计日志 + 合规留存

业务方

AI 服务体验稳定

“为什么我的智能客服今天特别慢?能告诉我原因吗?”

TTFT / TPOT 延迟

Token 级延迟指标

无论是哪个角色,本质诉求一致—— 让大模型调用从 “黑盒” 变成 “白盒” 。AI 网关可观测把 Metrics、Logs、Traces 三大支柱沉到网关层统一采集,让每一笔 Token 消耗、每一秒延迟、每一次调用链路,都必须可观测、可查询、可审计。

二、产品功能:监控 + 日志 + 追踪三位一体

AI 网关可观测体系基于 Metrics / Logs / Traces 三支柱架构 ,针对大模型场景做了深度定制—— 不只看 HTTP 层的 QPS 和延迟,而是下沉到 Token 级、模型级、消费者级 。核心功能包括:

  • 监控大盘 :全局概览 + LLM 模型监控 + MCP 工具监控,支持按模型服务、消费者、时间段等多维度下钻。

  • CLS 结构化日志 :使用 CLS 日志,遵循 OpenTelemetry 语义约定, 一条 CLS 查询即可定位慢请求、错误请求、Fallback 链路 。

  • 全链路追踪 :每个请求进入网关时生成或继承 W3C 标准 TraceId,贯穿日志与监控维度,支持按 TraceId 在 CLS 中精确关联路由命中、模型响应、工具调用和 Fallback 记录。

  • 审计日志 :完整记录调用者、时间、模型/路由、请求体、响应体、Fallback 触发原因与切换路径,支持配置留存周期, 满足金融/政务合规要求 。

三、实战案例:一次从 “账单异常” 到 “链路审计” 的端到端排查

真实运维中,成本、性能、链路三类问题很少孤立出现,往往在同一次故障中交织叠加。下面用一次完整案例展示三件套如何协同闭环。

故障现象: 周三早上同时收到两个告警—— 本周 Token 消耗比上周增长 60%,客服 Agent 响应时间从 3 秒飙到 8 秒以上 。

排查闭环:

步骤

工具

动作

结果

① 定位异常范围

LLM 监控大盘

按消费者维度查看 Token 消耗 + TPOT + Fallback 趋势

客服团队 Token 从 2 万飙到 8 万;DeepSeek TPOT 从 50ms 飙到 180ms;Fallback 每天上千次

② 下钻定位根因

CLS 日志查询

按消费者 + 模型 + Fallback 过滤,统计错误类型和延迟

DeepSeek 返回 429 占 78%(供应商配额打满);Fallback 到的备用模型平均延迟 12 秒

③ 串联审计

TraceId 追踪

按 TraceId 检索完整链路

完整还原每条调用链:路由 → 模型 → Fallback 切换 → 协议转换 → 响应,导出审计报告

④ 修复验证

监控大盘

调整 Fallback 链(备用模型换成内网混元)+ 提升 DeepSeek 配额

TPOT 恢复 55ms,Fallback 下降 90%,Token 日耗回落 2.5 万

从告警到根因、从根因到审计、再到修复验证——整个闭环快速完成 ,这正是三件套协同的价值。

(端到端排查闭环示意图)

四、技术实现

AI 网关 天然处在所有模型和 MCP 流量的必经之路 ,可以在一次请求的不同阶段完成数据采集:请求进入时建立 Trace 上下文;路由转发时记录模型、消费者与策略信息;响应完成时统计 Token、延迟和结果;最后在 Log 阶段生成结构化记录,通过独立采集组件上报。

(可观测体系架构图)

技术难点不是 “多打一行日志” ,而是 同时满足四个要求 :不改业务代码、尽量不增加请求延迟、不同模型使用同一套数据口径、观测链路异常时不能影响正常调用。下面分别介绍四条采集链路,以及两个关键工程设计。

4.1 四条采集链路

  • 指标链路(Metrics) :请求结束后更新 Prometheus 时间序列(请求数、Token、模型耗时、Fallback 次数、MCP 调用等),使用独立的 ai_llm_* 和 mcp_* 指标族,带有模型、消费者、路由等标签。conf-agent 定时拉取并上报云监控,用户也可接入自建 Prometheus。 指标侧只保留适合聚合的有限维度,高基数内容进入日志链路。

  • 日志链路(Logs) :日志插件在请求结束后汇总路由、代理、响应各阶段上下文,交由 OTel Adapter 做语义转换。LLM 与 MCP 日志按场景隔离,各自拥有独立队列和日志主题。 格式转换失败时生成最简骨架日志并保留原始信息,绝不丢弃。

  • Trace 链路(Traces) :请求进入网关时解析 W3C 标准 traceparent( 00-{TraceId}-{SpanId}-{Flags} ),继承上游 TraceId 或生成新的,写入日志和监控维度,并通过 traceId 返回调用方。

  • 基础设施链路 :在 AI 指标之外建设基础设施监控,采集底层网络流量、带宽和容器系统指标,按容器标识分片采集。 排查时可逐层收敛 :端到端延迟 → 模型侧耗时 / TPOT → 网关代理耗时 / CLB 带宽 / 节点负载。

(请求链路数据流图)

4.2 性能与资源控制:可观测不能成为新的瓶颈

严格来说,任何观测能力都会产生开销,工程目标不是宣称 “零开销” ,而是 让它不进入模型转发的阻塞路径 ,并把 CPU、内存、磁盘和指标基数控制在明确边界内。

第一层:请求路径只做轻量计算,不做同步网络上报

日志处理发生在底层网关的 Log 阶段。此时上游响应处理已经结束,同步部分只完成上下文读取、OTel 字段映射、JSON 编码和内存入队, 不会在这里进行数据上传,也不会逐条同步写磁盘 。日志处理的逻辑限制只提取请求、响应、延迟以及 LLM、MCP 等必要字段,避免为指标生成一份完整访问日志。高频计数优先通过共享内存中的原子自增完成,再由定时器批量汇总。部分聚合使用 “当前周期写入、上一周期读取” 的 epoch 双缓冲 :请求与刷盘操作使用不同的 Key 空间,既减少锁竞争,也避免边读取边删除造成数据丢失。

第二层:磁盘写入异步化,并为异常设置止损线

日志进入底层网关的异步批量处理队列后,按批次合并写入文件,以减少频繁系统调用。 LLM、MCP 等场景拥有独立的队列和磁盘慢写状态,某一类日志拥塞不会直接阻塞其他场景。 队列本身有容量上限,避免流量高峰无限占用内存。当一次磁盘写入超过慢写阈值——默认 50ms——对应场景会进入默认 10 秒的冷却期,冷却期间快速跳过落盘;打开或写入文件失败时则交由队列按策略重试。这里的取舍非常明确: 当日志完整性与网关可用性发生冲突时,优先保护业务请求 ,并通过错误日志暴露丢弃和磁盘异常。

第三层:让不再活跃的 Prometheus 指标自动退出内存

模型、路由和消费者会持续变化。如果一个模型已经删除,它对应的 Label 组合仍长期留在网关共享内存中,时间一长就会形成大量 “僵尸指标序列” 。因此 AI 网关为动态指标增加了 TTL(Time To Live,生存时间)生命周期管理 ,通过预设时间参数来自动清理、删除或失效过期数据。

每次指标更新时,系统会同步刷新一个上次访问的时间戳。清理定时器只在一个工作线程中运行,找到过期项后不会立即删除,而是先等待一次同步周期,再重新检查访问时间。 如果这段时间有新请求让指标重新活跃,就取消删除 ,从而避免清理任务与请求更新发生竞态。内部状态 Key 使用 __ 前缀,与真实指标隔离:它们既不会被误暴露成 Prometheus 指标,也不会被 TTL 当成业务 Series 清理。需要特别说明, TTL 清理的是网关本地共享内存中长期不活跃的指标序列,不是删除 Prometheus 或云监控已经保存的历史数据 。历史曲线仍按监控系统自身的留存策略保存。

第四层:在源头限制指标基数

TTL 解决 “旧指标何时退出” ,但无法阻止短时间内产生海量新 Label。为此,MCP Server 等动态维度还设置了单节点基数上限; 当前实现最多保留 1000 个真实 Server 维度,超过上限后统一回落到 mcp_server_name="*" 聚合 。已有的细粒度指标序列会在停止活跃后由 TTL 自然清理。这种 “基数上限 + 通配聚合 + TTL 回收” 的组合,牺牲了极端场景下少量维度精度,却能防止 Prometheus Shared Dict、抓取响应和 Barad 上报批次同时膨胀。对网关这类基础设施而言, 这是比无边界记录更可靠的工程选择。

(性能控制四层防护示意图)

4.3 异常请求兜底:模型没有返回 usage,Token 数据也不 “断档”

正常情况下,模型服务会在响应中返回 usage,其中包含输入和输出 Token 数。但在真实生产环境中, 这个字段并不总是可靠 :有的兼容接口没有实现 usage;有的流式接口只有最后一个数据块才返回 usage;如果客户端提前断开、上游异常,或最后一个数据块在传输中丢失,网关可能已经转发了大量内容,却拿不到最终统计。 如果简单地把缺失值记为 0,成本、配额和容量趋势都会被系统性低估。 为此,网关采用 “尽量获取、分片累计、最后补偿” 的三级策略:

优先级

数据来源

处理方式

1

模型服务实报

优先采用响应中的原始 usage

2

流式分片可恢复数据

对已经收到的 usage 做幂等累计

3

本地估算

输入侧使用 tokenizer,输出侧按已接收文本做近似估算

第一步 是尽量让上游返回准确数据。对于支持该能力的 OpenAI 兼容流式接口,网关会自动补充 stream_options.include_usage=true 。收到分片后也不会机械相加,而是采用 “最大值胜出” 的方式更新 Token 数:这既兼容 “每个分片返回累计值” 的供应商,也兼容 “只在最后一个分片返回总值” 的供应商,还能避免同一分片被重复处理时造成重复计数。

第二步 是在请求侧提前建立独立的输入 Token 估算。网关会根据请求类型提取真正参与推理的文本,并使用本地 tiktoken 兼容编码器计算 Token 数。 编码器按 Worker 延迟加载,计数时只返回数量,不生成完整 Token ID 数组 ,以减少 CPU 和临时内存开销。该结果写入独立的 estimated_input_tokens 字段,不会覆盖模型实报的 input_tokens ;即使分词器加载或解析失败,也只记录失败原因并放行请求, 不会让观测逻辑阻断模型调用 。

第三步 处理最棘手的情况:流式内容已经返回,但最终 usage 完全缺失。对于非多模态响应,网关会根据实际接收到的文本长度,以 “字符数 ÷ 4” 计算一个保守的输出 Token 近似值,并将 usage_source 明确标记为 estimated 。多模态内容可能包含 Base64 或 URL,按字符估算容易产生数量级偏差,因此这类请求不会强行补偿。

(Token 三级补偿策略示意图)

与此同时,日志还会记录 complete 、 client_disconnected 、 provider_error 或 incomplete 等流状态。这样,即使一次请求因客户端断开而只留下部分数据,使用者仍能判断 “这是供应商精确值、分片累计值、还是网关估算值” ,而不会把不同精度的数据混为一谈。例如,一次流式调用已经向客户端输出正文,却在最后一个 usage 分片到达前发生连接中断。传统日志可能只留下 output_tokens=0 ;网关则会保留本地输入估算、根据已接收正文补偿输出 Token,并同时标记 usage_source=estimated 和实际流状态。这样既避免监控曲线突然归零,也为后续审计保留了数据精度边界。

需要强调的是, 估算值用于异常场景下的趋势分析、容量判断和问题排查,不能替代供应商账单 。模型实报值始终优先,估算结果也始终带有来源标记—— “有数据” 与 “知道数据有多可信” 必须同时成立 。

从工程角度看,这套体系的核心不是某一个指标或插件,而是 五个设计原则 : 请求上下文统一、指标与明细分流、同步处理与异步投递解耦、观测失败不影响业务主链路、异常数据可补偿且来源可追溯 。正是这些底层设计,让 AI 网关不仅能转发模型请求,也能成为 企业统一治理 AI 流量的数据入口 。

五、总结

监控让大模型调用 “看得见” ——Token 消耗、请求延迟、Fallback 触发,每一个指标都按模型、按消费者、按时间段可下钻。 日志让问题 “查得到” ——OpenTelemetry 标准的结构化日志,一条 CLS 查询语句就能定位慢请求、错误请求、Fallback 链路。 追踪让链路 “审得清” ——TraceId 贯穿完整调用链,审计日志满足金融合规。

三者统一在 AI 网关一个入口里采集,业务方 不需要改一行代码,不需要自建监控体系 。当大模型成为基础设施,这层 “可观测屏障” 就是运营的基石 —— 没有可观测,就没有精细化运营。

如果您正在推进企业 AI 应用建设,欢迎在评论区告诉我们你正在面对的 AI 落地挑战。前往产品页面了解详情:https://cloud.tencent.com/product/cngw

AI 网关能力全景

点击 👇 视频查看 「AI 网关接入演示」



阅读原文

跳转微信打开

我不认为几亿人会用豆包「办公」,但 Agent 豆包也必须要做

2026年8月19日 09:52

原创 刘飞Lufy 2026-08-19 09:52 浙江

生产力更准确的意思,是一个人把自己的意图变成结果的能力。

1

豆包工作任务的底部多了一个切换,本地电脑和云电脑,两个不同的模式。

简单来说,本地模式是让豆包在自己的电脑上干活。授权之后,它可以读取指定范围内的文件,操作已经安装的软件和浏览器,把结果直接保存在本地。这里更准确的说法是「执行环境在本机」,模型推理和数据部分会经过云端。

云电脑则相当于一台运行在云端的远程电脑。任务开始之后,即使自己的电脑关掉,它也可以继续工作。换成手机,还能继续查看进度,中途追加要求,或者把生成的结果取回来。

看起来只是多了一个不起眼的切换,但它其实补上了 AI Agent 最关键的两种工作条件。

这也让豆包的产品定位发生了变化。

过去的豆包对我来说,更多是一个生活小能手。我会用它查天气,走在路上随手拍一下某棵树,问问是什么品种;看到院子里飞来一只鸟,也可以直接拍给它看。配合豆包输入法,日常生活里那些随时冒出来、懒得专门去搜索的小问题,基本都能很快解决。

像这样:

但一旦涉及生产力场景,我过去想到豆包的次数就比较少。原因倒不完全是模型能力,而是一个更实际的问题:AI 接触不到我真正工作的环境。

所以过去在本地,我更多使用 Codex;需要云端长期运行的任务,则更多交给扣子或者自己养的龙虾。

而豆包现在相当于把自己的能力继续泛化,可以快速覆盖更多的场景了。

类似的能力,在此前的 AI 产品里并不算第一次出现。但由豆包来做,意义显然不太一样。因为它不是一款只在程序员、AI 从业者和效率工具爱好者中流行的产品,而是一个已经进入普通人手机的国民级应用。

2

先聊一聊这两个模式的价值,跟单纯在聊天框里对话的区别。

计算机的发展史,本来就是本地和云端不断来回摆动的历史。大型机时代,算力集中在机房里,使用者坐在终端前,机器并不真正属于个人。个人电脑把算力搬到了每个人的桌上,一台机器服务一个人,这是 PC 革命的核心。后来云计算又把大量算力搬回机房,大家不再购买每一台真实的服务器,而是根据需要租用计算资源。

到了手机时代,本地和云端更是长期并存。拍照发生在本地,图像识别可能在云上完成,相册既保存在手机里,也会同步到云端。到底把哪一步放在哪里,主要取决于几个问题:哪边更快,哪边更便宜,数据离哪边更近,以及任务是否需要持续运行。

AI 一旦进入生产力场景,就绕不开私人数据。它需要读的逐字稿在个人硬盘上,需要处理的表格放在某个文件夹里,需要操作的软件已经安装在自己的机器上。这样的任务,必须具备本地执行的能力。另外一些任务可能要跑几个小时,甚至每天定时执行,不可能为了它一直开着电脑,所以又需要云端的支持。

对于本地模式来说,我的感受尤其明显。

我的播客逐字稿、剪辑工程文件、报税用的表格、这几年公众号的存稿,都存在自己的电脑里。过去如果要让 AI 使用这些资料,需要先在几百个文件里找到相关内容,再一个个上传。

本地 Agent 的逻辑不一样。可以直接把一个经过筛选的文件夹授权给它,让它自己搜索、判断和建立上下文。我们不必精确记得某句话写在哪篇文章里,只要大概说出印象,它就可以在过去的文稿里查找。很多时候,它还能找出一些我自己已经完全不记得的资料。

本地模式里,我当然也还在使用 Codex。豆包的差异化价值,更多体现在中文环境和大众化产品体验上。比如寻找中文资料时,豆包通常更快,对中文网站、中文表达和国内信息环境的触达也更好。

现在我就在用豆包工作任务的 Turbo 模式,完成半拿铁周刊的选题脚本。它需要同时搜索多个中文信息源,读取我过去的选题偏好,再把候选新闻整理成适合播客讨论的角度。这种任务不只是「搜索新闻」,而是需要反复检索、筛选、比较,再交付一个可以继续编辑的文件。中间可能涉及到不同渠道的获取方式,有的还需要登录。我可以人工帮它解决中间的卡点。而它遇到任何的卡点,都可以自己想另外的办法,或者寻求我的帮助。

云电脑解决的是另一个问题。

云端运行的并不是一个抽象的聊天窗口,而是一套可以持续工作的远程环境。Agent 可以在里面打开浏览器、翻页面、填写内容、处理文件,再把结果交回来。对于深度调研、批量整理、定时监控、长时间生成这样的任务,本地电脑没必要一直开着,人也不用守在旁边。

我之前养龙虾,为了让 Agent 不断线,专门买了一台 Mac Mini 常年开着。从能力上说,这当然也是一种自己的「云电脑」。但配置环境、维护服务、处理断线和报错的技术门槛,已经把绝大多数用户挡在了外面。大家真正需要的不是证明「这件事技术上可以做到」,是打开就用、开袋即食。

而真正可用的云电脑模式,对于多数用户来说才是有价值的。这也是我之前聊龙虾时做过的判断:商业化、普通人可用的云端 Agent,一定会很快落地。现在豆包的云电脑,正是在把发烧友自己搭建的能力,封装成普通用户可以直接使用的产品。

比如我可以让它定时查看某段行程的机票价格,记录每天的变化,符合条件时再提醒我,而不用每天自己打开几个平台搜索查看。

云电脑还有一个非常现实的价值:今天大量软件和网页,都是为人类设计的,并没有对外开放完整接口。过去的自动化工具必须等平台提供 API,或者针对页面单独写脚本。Agent 可以直接理解人类界面,于是凡是在授权范围内、能够通过浏览器正常查看和操作的内容,理论上都有机会被纳入任务流程。

当然,这不意味着 Agent 可以绕过登录、验证码、权限和平台规则,更不意味着它对所有网站都能稳定操作。但边界确实被大幅拓宽了。API 决定的是平台愿意主动开放什么,而对界面的理解和操作能力,让 Agent 有机会使用已经存在的绝大多数数字工具。

3

过去大部分 AI 产品仍然是会话式的。问一句,做一件事;做完之后,这一轮就结束了。这种形态本质上还是一个长了手脚的 Chatbot。

真正的任务托管需要另外几样东西:能够找到相关资料,能够进入实际环境,能够持续运行,还要能够在不同设备之间保持同一个任务状态。

出门前,我可以在电脑上启动一个任务;路上在手机里查看进度,想起需要调整的地方,直接补充一句;等回到桌前打开电脑,结果已经生成好了。如果是本地任务,手机还可以连接同一账号下处于在线状态的电脑,远程调用文件和软件。豆包新版本更新的手机远程操控电脑功能,已经开始把这个场景做成现实。

这里发生的变化,不只是从 PC 端走到手机端,而是任务第一次不再依附于某一块屏幕。屏幕只是查看和干预任务的入口,任务本身可以在另一台机器、另一个时间段继续运行。

过去不乏纯云端的 Agent,也不乏纯本地的 Agent。豆包这次比较有意义的地方,是把两种模式放在了同一个产品、同一个账号和同一套任务体验里。用户不需要先理解技术架构,只需要判断:这项任务要不要使用本地文件?如果电脑关掉,它还要不要继续?

更有意义的地方在于,豆包是一个国民级别的应用。

根据 QuestMobile 2026 年 AI 应用市场发展半年报,2026 年 6 月,豆包月活跃用户达到3.82亿,千问和 DeepSeek 分别为1.67亿和1.29亿。至少从用户规模来看,豆包已经是国内使用人数最多的独立 AI 应用。

我身边从中学生到退休的长辈,都有人在用豆包。其他很多 AI 产品也很好,但用户往往集中在程序员、大学生、内容创作者或者大公司的知识工作者之中,很难形成这么宽的年龄跨度。

这个覆盖面跟模型参数没有直接关系,更重要的是入口足够低。不会打字可以说话,不知道怎么描述可以拍照,不理解 Prompt 也可以直接用最自然的语言提问。对于普通人来说,产品首先要解决的从来不是「模型够不够先进」,而是「该怎么开始」。

AI 产品要真正普及,需要连续降低四道门槛:表达的门槛、获取资料的门槛、执行操作的门槛,以及持续运行的门槛。豆包过去通过语音、拍照和自然对话,已经把表达门槛降得很低;现在本地电脑和云电脑,又开始补上资料、执行和持续运行这几层能力。

虽说 AI 行业经常给人一种「天上一天,地下一年」的感觉,但对于大部分普通人来说,对 AI 的理解仍然停留在聊天、搜索和生成内容。豆包现在做的,是把 Agent 从少数人折腾的高级工具,快速推到数亿普通用户面前。

这件事的意义,可能比又提升了多少模型参数更大。

4

从字节最近的一系列动作看,方向已经很清楚了:豆包要继续进入生产力场景,也要建立更清晰的商业模式。最近围绕豆包、飞书和火山引擎进行的组织调整,也是同一个信号。豆包负责面向用户理解和组织任务,飞书提供企业里的文档、表格、会议和协作环境,火山引擎则提供模型、算力和企业服务。三者开始从独立产品,变成一条完整的 AI 生产力链条。

这也是国内 AI 产品正在共同进入的阶段。阿里整合产品推出千问办公,钉钉调整管理层,腾讯集中资源发展 WorkBuddy,背后的方向都差不多:AI 不能永远停留在聊天框里,必须走进真实的文件、软件、组织和业务流程,才有机会形成长期价值。

不过对于豆包来说,关键未必是让几亿人突然开始「用豆包办公」。办公只是生产力的一部分,甚至是比较狭窄的一部分。

生产力更准确的意思,是一个人把自己的意图变成结果的能力。填写一张复杂的表格,整理一次旅行计划,给全家设计一周的营养搭配,把几百张照片分类,比较几款家电,查找过去几年散落的票据,替孩子整理学习资料,或者每天监控一种商品的价格,这些都不是传统意义上的办公,却都是普通人真实存在的生产力需求。

过去这类需求经常卡在一个尴尬的位置:它们很具体,也很个性化,但又没有重要到值得专门购买一套软件、学习一种工具,或者请一个专业人士来做。于是大部分时候,人只能自己凑合解决,或者干脆不解决。

Agent 最适合填补的,恰恰就是这一大片过去没有被软件工业覆盖的需求。它不是替所有人完成同一种标准化工作,而是让每个人都可以临时获得一套只服务于自己的工具和流程。

所以我现在觉得,豆包最值得关注的优势,不只是用户数量多,而是它开始同时具备两个看起来互相矛盾的特点:门槛足够低,能力的天花板又在不断提高。

一个中学生可以拍下一道题,让它解释自己卡在哪里;一个不习惯打字的长辈,可以直接用语音问路、识别植物、理解手机里的某个页面;一个普通上班族可以让它整理表格、准备材料;而像我这样的内容创作者,可以让它读取本地资料,持续搜索中文信息源,完成一个运行很久的选题任务。

这些人使用的不是四款不同的垂直产品,而是同一个豆包。区别只在于,每个人调用的能力深度不同。

真正的全民工具,不是把所有功能都做得很浅,也不是要求所有人都变成专业用户,而是让不同年龄、不同职业、不同数字化程度的人,都能从自己最熟悉的方式进入,再在需要的时候逐渐调用更复杂的能力。微信当年能够跨年龄段普及,不是因为所有人用微信做同一件事,而是有人只发语音和视频,有人用它工作、支付、经营生意。一个入口之下,可以存在完全不同的使用深度。

豆包现在也开始出现这种特征。

当然,现在的 Agent 仍然不够稳定。它会误解要求,会在网页里迷路,长任务可能中途失败。它还没有到可以把所有事情放心交出去的阶段。

但产品普及从来不是等技术彻底成熟之后才突然发生的。真正的拐点,往往出现在能力已经越过基本可用线,同时使用门槛又足够低的时候。

所以眼下如果让我只推荐一款 AI 应用,装给家里的不同年龄段使用,我大概率会选择豆包。

AI 真正进入大众生活的标志,可能不是它终于解出了一道多难的数学题,也不是它又在某个排行榜上超过了谁,而是同一个家庭里的孩子、父母和老人,开始用同一个 AI,解决各自完全不同的问题。


ChatGPT、Claude 亦有帮助。

题图由 Midjourney 绘制。

跳转微信打开

为什么我对 Vibe Coding 软件毫无兴趣

2026年8月19日 09:15

原创 纯银uncle 2026-08-19 09:15 北京

如果我觉得是大便,这事就做不下去了。

微博和公众号总有人跟我说:“纯银纯银,你为什么不用 AI 写独立产品呢?” 我被问烦了,反问:

  1. 你最近一年听到过和下载过的独立产品有哪些?

  2. 到目前为止,你用过并相当满意的,OPC 用 AI 写的独立产品有哪些?

原因是可解释的。

一、

传统软件开发的协作岗是:产品经理、视觉设计师、研发、运营、增长。

对我来说——

视觉设计师的价值在于,我内心有一些复杂的视觉意象,无法清晰地表达出来,只能基于复杂意象讲一些模糊的需求。专业的视觉设计师可以将模糊需求精确地翻译出来:“对对对,那就是我想要的样子”。但由于我无法清晰地表达视觉需求,所以无法驾驭 AI 来实现这些视觉需求。

如果是偏前端的产品,因为我的 PRD 写得很好,我是可以 Vibe Coding 实现的。但像犬岛这样后端需求复杂的产品(尤其是用户匹配算法),那就非得专业程序员 AI Coding 实现了。

运营方面,我自己就是一流的内容运营,但一个人运营内容太孤独了。犬岛的问题也好,心生一计的模板和专题也好,都很依赖和调性默契的同伴反复讨论,启发灵感。这方面跟 AI 讨论也不是不行,我也试过,结果就是屎里淘金。因为我的调性相当独特,严重偏离最大公约数,也没有足够的语料可学习。AI 对我的需求理解都对,一开口不停地喷出土味金句,得捏着鼻子从土味金句里随机淘点什么出来。

至于最后的增长环节,AI 的帮助可以忽略不计。工程都对,结果全错。

以及最重要的一件事情是,跟以上各个工种的伙伴协作的时候,如果从一开始就选定了默契的伙伴,积极的想法碰撞对于提高产品质量会有很大帮助。众人拾柴火焰高。我来定义产品的价值和调性,大家一起建造和加强价值和调性,往往还能提前帮我排雷。

OPC 让你具备了一个人也能做软件的能力,但不附带任何质量保障,更无法提供传播赋能。

对我个人来说,因为对视觉表达的阈值太高,在 AI 帮助我达到 “我心目中的 70 分视觉水平” 之前,我不打算玩 Vibe Coding(软件)。

对别人来说,实现碎片化的需求不难,同时具备产品、视觉、运营的专业能力,三者都能在 AI 赋能下做出 “我心目中的 70 分水平”,概率太低。Vibe Coding 仅仅赋能你将产品构思转换成可运行的代码,产品/视觉/运营质量取决于你原本的水平。几乎所有人做出来的东西更像是捏一些自娱自乐的玩具,而我目前并没有什么玩具构思。

如果你产品不专业,Vibe Coding 很难具备有一定普适性的用户价值。

如果你视觉不专业(比如我),Vibe Coding 的界面在我看来可以用 “丑得惊人” 来形容。

如果你运营不专业,和图文相关的部分透着一股子土味。

这样就能解释,到目前为止,没有一款 AI 赋能的 OPC 作品是我觉得高品质的。如果满足不了我的高阈值,我对于做产品毫无兴趣。

二、

我在有知有行的产品拍档有一些编程能力,在 App Store 上架了自己的独立应用(主题记账)。去年开始用 crusor 重写 2.0 版本,今年混合多款 Agent 重构,终于写完了代码。我看了一眼,叹了口气,知道在这个技术阶段我是不可能手搓软件的。

因为 AI 生成的 UI 达不到我的质量底线。

拍档是一个交互 85 分,UI 65 分的产品经理。这次用 AI 重构的主题记账 2.0 版本,UI 40 分,远不如他之前用古法 figma 出设计稿。

而我能接受的 UI 底线是 60 分。

如果他这个强交互,强工具的产品经理都只能做到粗糙的 UI 水平,那我是不愿意吃自己拉的大便的。

作为老产品经理,我对 UI、交互、功能、运营,都有着复杂的内心意象。

  • 对功能的意象复杂而具体,所以我能写很好的 PRD。

  • 对运营的意象同样复杂而具体,我自己就是很好的运营。

  • 对 UI 和交互的意象复杂而模糊,这时需要很好的设计师,把我的模糊表达还原为符合复杂意象的设计。心生一计的伙伴就是这样的视觉设计师与交互设计师。

    • AI 听不懂我的模糊表达,还原出来是一坨屎。

如果是专业的 UI 设计师,他有能力用精确的表达和专业的判断来驾驭 AI,产出漂亮的作品。我没有这个能力,而 AI 也没有把我的模糊表达翻译为精确表达的能力。

这对于其他人可能并不构成障碍,一方面其他人的标准低,凑合着也能用;另一方其他人对于视觉表达大概率没有复杂的内心意象,人类提出模糊需求,AI 模糊匹配这个需求,也行。

但我的视觉需求是复杂而确定的,我只是 “讲不出来”,得借助外力翻译成我想要的样子,翻译不好我是不认的。并且我对视觉的标准很高,如果我觉得是大便,这事就做不下去了。

三、

本周在微博回复一条评论时说:我已经不想做产品了。

我做产品有两个诉求,第一是把我的品味与人格放进去,让它成为我的魂器;第二是帮助别人。

关于品味与人格,前面说过,AI 生成 UI 达不到我的标准,或者说我驾驭 AI 生成的 UI 达不到我的标准。做出来的不是我的作品,而是我会感到羞耻和厌恶的一坨。

还有一点比高阈值更重要……我喜欢帮助别人。

在我的人格中,利他性是很重要的一部分,所以如此重视「用户价值」。我做的产品能帮到别人,是产品经理职业给我带来的极强的正反馈之一。

这份正反馈现在几乎不存在了。

不是因为 “最大公约数” 的需求规模不断缩小,也不是因为市场不存在需求缺口,而是在当前环境下,需求缺口与需求满足的匹配率极低。

  • 需求缺口的个性强,共性弱

  • 用户对新软件普遍缺乏好奇心,甚至感到厌倦

  • 流量渠道没有按需分发软件的能力

在这个背景下,小型产品很难找到对自己有需求的用户。

新的市场趋势是按需生成,需求规模再小也无所谓,大多数情况下用户规模只有个位数,自己搓给自己。事实宣告独立产品的窗口已关闭,进入按需生成的软件新时代。

然后,当我意识到自己做的产品只有极少数用户时,我对物质收益完全不感兴趣,但只能帮助到极少数人……这我就意兴阑珊了。

慢鸽是个小玩意儿,两年多匹配了 1 万对笔友,我在微博代发 100 多封慢鸽征婚帖(成了十几二十几对)。对我来说这就是 “价值底线”。慢鸽的收入一共 3 万多,支付运维费用后全都分给了同伴,我一分钱没要,还倒贴近万元——这没关系,能帮到别人我很快乐。

如果预期低于慢鸽,我就不想玩了。

所以今年,我和别人一样专注于满足自己的需求,完全没有 Vibe Coding 一款软件给别人用的兴致。对许多人来说,Vibe Coding 是他们人生中第一次创造软件,而我创造的软件已经够多了,我只在乎「品质」和「利他」。

以及我虽然不想创造产品了,不代表不想创造,今年的创造欲望转移去捏各式各样(独特)的 HTML,兴致勃勃,甚至可以说是上头。


内容来自“用思考交换思考”的古典产品论坛「犬校」。©2017-2026

点击【阅读原文】,可见犬校最近一年的好帖索引。

加入犬校:【犬校 2026 年加入方式】国家不幸诗家幸,行业不兴话痨兴

图片

阅读原文

跳转微信打开

GLM-5.3上线:拓展智能上界的可及边界

2026年8月19日 09:03

智谱 2026-08-19 09:03 北京

跻身开源模型SOTA

GLM-5.3 API即日起正式上线。模型擅长复杂编码、防御性网络安全以及长程任务。

GLM-5.3在全球权威的Artificial Analysis Intelligence Index(AA综合智能指数)中取得60分,进入全球前沿模型能力区间,与Claude Fable 5、GPT-5.6 Sol等闭源旗舰模型处于同一水平,并与Kimi K3并列开源模型第一。

AA指数覆盖知识、推理、编码、智能体等多项评测,衡量模型在真实复杂任务中的综合能力

在达到同档智能水平的同时,GLM-5.3以更小的参数规模与更低的调用成本,显著降低了前沿模型能力的使用门槛。

图中,纵轴为Artificial Analysis智能指数,横轴为完成单个任务的平均成本。GLM-5.3以前沿旗舰模型中最低的单任务成本,处于高智能、低成本的最具吸引力区间,同时将前沿模型“智能—成本”的帕累托前沿大幅推进。

GLM-5.3追求的不只是智能上限,也致力于提升单位成本所能获得的智能。随着API正式开放,前沿智能将进入更多开发者、企业和知识工作者的真实工作场景。

GLM-5.3与上一代GLM-5.2沿用同一基础模型,性能提升主要来自后训练。后训练技术细节见GLM-5.3技术Blog: https://z.ai/blog/glm-5.3。

目前,GLM-5.3已接入ZCode等编码平台,并纳入GLM Coding Plan。API已开放调用,定价与GLM-5.2保持不变。模型权重将于下周五开源。

1. 官方 API 接入

2. 在线体验

3. Agent

4. Blog

阅读原文

跳转微信打开

Codex凉了,凉得理所当然

2026年8月19日 09:00

前端充电宝 2026-08-19 09:00 浙江

离谱。。。

去年你可能从同事那里听到一句话:“想做AI,先学Python。”什么LangChain、PyTorch、Transformers,听着都挺唬人。可真等你花一两个月啃完Python基础,回头一看——AI还是没能真正落地到你的项目里。

原因很简单:你的生产环境是JavaScript / TypeScript,AI能力最终得回归到前端技术栈才能发挥作用。

所以现在很多大厂的思路变了:不换语言,直接用Claude Code。这是Anthropic专门为开发者打造的AI编程工具,能读懂你的代码库、自动写代码、帮忙调试,甚至在终端里直接跑工程级别的任务。前端工程师用自己最熟悉的方式,就能把AI能力嵌入到项目中。

比起走Python那条路,Claude Code对前端开发者明显更友好:不需要换IDE、不需要改工程结构、也不用重新学一套语言体系。你只要打开 VS Code或WebStorm,继续用React/Vue、npm/yarn、Webpack/Vite,AI就在你写代码的那条流水线上实时协作。

这也是为什么到了2026年,招聘网站上写着“能用Claude Code做前端工程化”的职位越来越多,薪资也跟着水涨船高。企业要的不是能写个Python Demo的人,而是能把AI真正接到生产级前端系统里的人。

为了帮助大家踩上这次风口,拿到高薪offer。我们联合多位互联网头部大厂在职的技术专家、CTO,将自己面试官的视角和企业真实用人需求,全部融进了一套【AI算法保薪就业课程】里。通过“前沿技术、企业级项目、真实工作内推、就业保薪协议”三环保障,为你精准锁定高薪Offer。

扫码添加老师,免费获得转型规划

👇👇👇

添加后耐心等待,按顺序通过

这门课程承诺:若结业后未能成功就业、或offer薪资低于28W则全额退款(在职人员薪资涨幅40%以上)。以最终offer薪资为导向,拒绝“画饼式”无效交付。据大佬的统计,目前有93%以上的学员通过内推成功就业,上一期学员薪资最高拿到了78k!

如果你也在职业瓶颈、焦虑未来或者已经遇到降薪裁员,不妨尝试进入AI新兴赛道,这或许是你成本最低、回报最高的上岸机会。

一、课程框架&体系

独特的闭环体系

构建了“理论+实战+保障”三位一体的教学闭环:

  • 专业知识强化从Python-数学基础-机器学习-深度学习框架,到NLP八大任务-大模型-多模态-Agent,一步步夯实基础并过渡到核心前沿技术;
  • 真实项目实战不是Demo!一线大厂导师带你做企业级项目,覆盖:医疗RAG智能问答、金融风控、MCP智能客服、企业级数据自助分析平台、个性化新闻资讯推荐等热门场景;
  • 保薪协议保障签署就业协议,未达28W年薪或在职学员薪资涨幅低于40%可退款,真正对结果负责。

感兴趣的同学,可以直接扫码咨询

👇👇👇

了解一下不吃亏,说不定就上岸了

二、企业级项目介绍

企业级项目实训交付:

项目 1:企业级多场景大模型API调用与能力测试平台

项目 2:医疗领域RAG智能问答系统

项目3:Transformer机器翻译模型

项目4:大模型+RAG新闻多标签体系构建

项目5:金融知识图谱推理式问答系统

项目6:MCP智能客服多工具协同系统

项目7:大模型SQL生成与数据检索融合

最新项目加入:

项目1:大模型小样本情感分类效能对决

项目2:企业级AI知识中台与智能决策中枢

项目亮点&分项目内容展示

课程体系包含了Ai领域前沿技术、核心项目,覆盖非常全面,适用于所有行业的算法岗位,整个课程更注重带领学生项目实操和落地,授人以鱼不如授人以渔,学完后还会具备举一反三的能力,无论进入什么行业,算法岗位和项目均能胜任。

三、就业保障体系

  • 保薪协议:课程结业后未拿到28万offer,在职人员薪资涨幅低于40%,承诺全额退款(薪资保障根据学员实际情况估算,无上限!)

  • 内推资源:合作企业覆盖BAT大厂、中小厂、金融、电商、生物医药等行业公司的280+企业;

  • 就业指导:大厂在职导师1v1规划+简历指导+面试模拟+薪资谈判支持。

    我们郑重承诺,所有承诺的保障均落实在合同中,白字黑字,双方认证盖章签字具备法律效应!不玩任何套路文字游戏,大家可以放心咨询,先免费了解一下,合适即学,不合适也无妨,多了解一些行业信息总归没有坏处,也给自己一个接触新赛道的机会,说不定下一个把握住机会上岸的就是你!

感兴趣的朋友,可以直接扫码咨询

👇👇👇

先加上了解,万一哪天能用到

四、课程就业案例

01|从事网络安全工作8年,基础一般、履历一般能转型吗?@常同学

常同学转型前做网络安全8年,基础一般,也担心没有AI经验,那时即将被裁员,经过多番了解,常同学也明白AI对于想要转型的人员来说是机会更多的方向,最终得到家人的支持加入学习,结果也并没有让他失望,在成都收获26k15薪的offer!

02| 双非本科金融专业热爱AI技术,能否成功入行? @ 张同学

张同学是金融专业的大三学生,并且是普通本科,因为自己对计算机行业比较热爱,加上AI是趋势,不管来自任何行业、任何专业,都有一试的机会,张同学通过系统学习,最终用能力证明非科班也能上岸,拿到年薪29W的offer!!

03|工作14年,开发架构师,如何突破职业瓶颈期? @王大哥

王大哥咨询课程时工作14年,已是开发架构师,薪资也已经拿到48K,但由于在一个赛道久了,也早已遇到瓶颈,王大哥也不甘于此,了解到AI上限高、薪资高、机会更多,经过身边专业的朋友认可后果断加入学习,后面经过某手多轮面试最终拿下大模型架构,K4a级别,年包百万!

04 |学历一般也有机会拿高薪offer? @ 刘同学

刘同学大专毕业,做了5年软件开发。考虑到当下开发岗位很卷,而且自己的学历和工作经验都不占优势,所以想通过AI技术能力加持跳槽实现涨薪。在系统性学习后斩获23k、28k两个offer!

我们所有的就业数据均真实可查,以上专门选几位学历一般、薪资一般、简历一般、年龄较大的学员,也是想向大家说明:凭借着当下行业对AI人才的海量需求,只要具备AI相关技术能力,就业是自然而然的事情!踩着风口跟着国家规划走肯定不会错。

总之

AI人工智能正处于快速上升期,尤其是大模型、多模态、自然语言处理等领域,落地应用越来越多、就业缺口持续扩大,薪资也在不断水涨船高。

当企业高薪争抢AI相关人才,还在其他技术岗位拼搏的你是否也曾暗自焦虑:下一个被优化掉的,会是我吗?与其届时被动学习,不如现在掌握主动权!

时代的风口的门票,从不发给毫无准备的看客

扫码咨询锁定免费内推名额

👇👇👇

AI时代已经来临,主动出击才能把握机会

再次强调:若结业后未能成功就业、或者offer薪资低于28万/涨幅低于40%、

再或者没有提供内推,则全额退款!这不仅是承诺,更是底气,让大家学得放心。

跳转微信打开

规模化应用 AI 的最大绊脚石,其实不是技术?

2026年8月18日 19:00

Thoughtworks 2026-08-18 19:00 北京

核心导读93% 的企业领导者渴望引入 AI 智能体,却仅有 5% 的企业具备驱动它们的数据基础。

核心导读

93% 的企业领导者渴望引入 AI 智能体,却仅有 5% 的企业具备驱动它们的数据基础。员工和客户正在悄悄弃用现有 AI 工具——根源不是技术,而是“数据信任鸿沟”。

在这场规模化部署 AI 的竞速赛中,真正拖慢企业脚步的往往不是技术瓶颈,而是底层数据的可靠性。

危机正在悄然发生

由于输出质量不达标和缺乏可信度,员工和客户正在悄悄弃用现有的 AI 工具。

如果不加以重视,新兴的“智能体项目”也将面临同样的命运。更为致命的是,对于高度自主化的智能系统而言,不可靠的数据会成倍放大这些风险,让高投入的AI创新项目加速沦为“概念验证的坟墓”。

如何填补AI时代的“数据信任鸿沟”?

在最新一期的 Thoughtworks Perspectives 专栏中,专家 Amy Raygada 与 Jade Forsberg 深度剖析了阻碍企业应用 AI 的那些“意想不到的绊脚石”。他们指出:想要真正让 AI 智能体落地创造价值,企业必须“回归基础”,直面并修复数据信任问题。

探寻破局之道

点击左下角「阅读原文」,深入阅读全文


阅读原文

跳转微信打开

❌