铃阅时讯
❌

阅读视图

有编制的Agent,才是好用的Agent

原创 李墨天 2026-09-16 21:00 上海

我的同事不是人

编程之后,人工智能下一个万亿美元的市场在哪里?产业界已经形成了共识:企业级Agent。

二季度的财报会上,亚马逊CEO Andy Jassy提了一个“需求杠铃”理论:

杠铃一端是Anthropic和OpenAI正在疯狂消耗算力,另一端是企业的业务自动化、反欺诈、智能客服打骚扰电话这些推理场景。位于中间的“企业工作流程”,Agent渗透率偏低,算力需求尚未释放。

前沿的大模型公司全世界也就十几家,各行各业的企业成百上千万,企业的生产场景比纯粹的编程规模大得多。因此Andy Jassy判断,亚马逊的云服务会成为万亿美元收入的业务。

作为出租算力的云服务商,亚马逊的言论自然有屁股决定脑袋的因素,但Andy Jassy的杠铃理论,也反映了当下Agent落地企业的现实:

一方面,AI对生产力的极大解放是公认的事实。

Anthropic本月在威胁报告中表示,一名胡塞武装分子用开源自动驾驶软件手搓制导导弹算法,并让Claude分析发射失败原因,喜提封号。用Agent美美写周报的牛马就别自诩超级个体了,这才叫超级个体。

另一方面,企业对AI的认知和落地之间,似乎存在断层。

按照麦肯锡去年的报告,在有意愿推动规模化落地的企业中,应用也局限在1-2个职能领域。今年Agent的火越烧越旺,但德勤对3235个企业的调研中发现,只有21%的组织拥有成熟的Agrnt系统,且“大多仍是单点的、孤立的”。

问题肯定不是出在态度上。Sam Altman表演了这么多次眩晕瘫坐,再保守的企业应该也跟着入戏了。除了少数秉持“不能让员工自己花钱买吗?”的老板,大部分企业家对AI可谓既有意愿,也有预算。

但目前来看,Agent定位更接近员工使用的“个人工具”,离真正的企业“生产负载”尚且遥远。员工付费上班和公司财务亲自开发票,是规模完全不同的市场。

默默藏起天道酬勤牌匾,天天把转型挂在嘴边的老板们,你们到底在等什么?

01.模型很聪明,同事很陌生

2024年底,微软CEO纳德拉接受访谈发表了一番暴论:SaaS服务的概念可能会在Agent时代崩溃,它们本质上就是带有业务逻辑的CRUD数据库。经过媒体添油加醋,被解读为SaaS药丸。

纳德拉话音未落,一个名叫Marc Benioff的人坐不住了。Marc Benioff是谁?顶级SaaS公司Salesforce的创始人,1999年创立Salesforce时喊的口号正是“软件已死”,结果被纳德拉洗稿用来判自己死刑,自然孰不可忍。

Marc Benioff,Salesforce的创始人

两人的唇枪舌剑,已经点出了企业级Agent落地的最大难题之一:上下文。

上下文是什么?即工作中具体的“语境”。

假设一个员工入职企业五年,他就积攒了公司整整五年的上下文,包括但不限于之前做过的所有项目,积累的经验和Knowhow,部门内部的黑话,哪个领导喜欢爹味教育,哪个领导喜欢对员工随地大小声等等。

我们在组织里交流和协同,隐含的前提就是对上下文的理解,Agent第一天来公司打工,部门的人都没认全,必须依赖人类输入足够多的上下文,变成公司里的老油条,才能准确的执行任务。

事实也是如此,会议纪要、文档搜索、日报周报等场景为什么是当前 Agent 的主战场?因为它们的上下文最薄,薄到只需要文档和对话。既不用碰核心系统、也不需要打通口径、更用不着跨部门权限。

因此,企业级Agent好不好用,关键落在了对上下文的理解。

于是到了今年,两人双双改口。纳德拉释放复活术,表示SaaS不会死,但商业模式需要重构。Marc Benioff亲自宣布开放API接口,面向Agent友好。毕竟上下文都在SaaS软件里,两者唇亡齿寒。

今年的SaaS Mag峰会上,Snowflake CEO Sridhar Ramaswamy就对“SaaS已死”的叙事表示看不下去:

“模型不带来任何竞争优势,因为竞争对手能买到同样的;你的专有数据才创造真正的优势。”

越来越多的人已经意识到,SaaS软件在Agent时代扮演的角色,比想象中重要得多。

02.谁批准它进群的

今年6月,到处散播AI恐慌的Anthropic忙里偷闲,发布了一个名为Claude Tag的产品。

简单来说,Claude Tag可以接入企业的Slack频道,员工只需要在文档和聊天中@Claude,就能狠狠奴役AI替自己干活。就算员工没有指派任务,Claude Tag也是个眼里有活的赛级牛马,会自己根据会议和聊天记录找活干。

Anthropic发布Claude Tag

之后,美国市场涌现出非常多AI Coworker概念的产品,特点是把Agent集成进企业协作场景,可以像普通员工一样和人类一起干活,加班到忘我。

按照Anthropic的说法,公司产品团队65%的代码由Claude Tag完成,工作也逐渐从Claude Code向Claude Tag迁移。

Claude Tag的发布很低调,但在业内引发的反响不小。AlexNet三人组之一的Andrej Karpathy第一时间献上彩虹屁,表示Claude Tag让AI产品交互进入了第三个阶段:AI Co-worker。

Claude在公司群里找活干

Claude Tag的开创性在于,把个人-Agent的1V1交互变成了组织-Agent,Agent调用的上下文规模从“个人”变成了“组织”,人和Agent可以像同事一样协作。

飞书之前发布的@Agent 进群、Agent之间互相协作等功能,也是类似范式在产品上的落地:把AI嵌入真实工作场景,Agent从纯粹的助理变成同事,打通所有上下文,降低沟通产生的摩擦成本。

这种“Agent+容器”的架构,成为当下企业级Agent的主流范式。办公软件和SaaS工具扮演的就是“容器”的角色,解决了两个问题:

一是可靠性。企业对可靠性的要求与个人不可同日而语。最典型的是数据安全。2023年4月ChatGPT问世不久,三星电子的AI潮人就整了三次大活,都是工作中非常典型的场景:

员工A把有问题的原始代码复制到ChatGPT,请AI把把关。员工B把提高生产良率的源代码输入到ChatGPT,要求AI帮忙优化。员工C把会议录音转换成速记稿,要求ChatGPT制作会议纪要。

三星内部泄密事件惨遭媒体嘲笑

数据是所有制造业企业严防死守的机密,你愿意开展一场壮士断腕的变革,公司风控和法务部门未必敢拿饭碗陪你玩命。SaaS软件的可靠性都经历了十多年的考验,天然适合当上下文的容器。

二是Agent的原生支持能力。

人用的东西和机器用的东西是两个物种,SaaS软件的按钮、菜单、视图在过去十几年里完美匹配了人的交互习惯,但Agent需要结构化、可调用验证的接口。因此,企业级产品既要符合人的直觉,也要符合AI调用的习惯。

两者结合,等于把产品架构重写,需要大量适配工作。

国内的SaaS产品里,飞书一直是对Agent适配最激进、也最友好的平台,年初龙虾热席卷中国,飞书短时间内开源迭代了上百项对Agent开放的新功能,让Agent能熟练操作。

直到今天,飞书CLI在Github平台上的Star数量依然是企业微信的约5.6倍、钉钉的约5.9倍。

国内社交媒体上,有一堆Agent接入飞书的教程,原因就是沉淀在飞书里沉淀的上下文和完善的交互。给Agent一堆打卡数据,蒸不出什么好东西;没有完善的交互,Agent的使用门槛降不下来。

换句话说,AI办公大战,打的是一个Agent-模型-协作工具怎么做好配合的仗。

03.文件传输助手不叫数字化

Claude Tag打开了企业级Agent的想象空间,顺便给被判死刑的SaaS公司翻了案,但中国的SaaS公司暂时还笑不出来。

过去十几年里,SaaS这个产业在中国一直躺在重症监护室,是个人都能指出国内SaaS软件面前的三座大山:企业认为软件没用;定制化需求多且杂;企业付费意愿不足,公司无法积累利润投入研发。

目前,大部分企业的内部沟通和文档传递靠的还是微信,虽然会遇到国庆假期一过,所有文件全部失效又不好意思再要一次问题,但不可否认,这是中国公司用脚投票投出来的结果。

SaaS产业繁荣与否,直接挂钩产业界的数字化水平。

过去几年,智能化的妖风吹遍产业界,各路英雄好汉打着转型的旗号大干一场,发现自己在智能化的前置工作——数字化上的欠账实在太多。

数据是一切智能的基石,数据存在服务器里还是A4纸上,直接决定了企业的数字化水平,把组织和业务流程搬到线上的数字化建设,在产业界满打满算也没几年。

到了Agent时代,这个问题的重要性越来越明显。

德勤在报告中明确指出,组织的上下文沉淀在ERP系统里、业务逻辑在ABAP代码和员工的日常沟通里,Agent理解一家企业的知识,本身就是一个大工程。

由此又衍生出一个新问题:能被Agent调用的数据才有价值。

Agent能多大程度提高企业运转效率,取决于Agent对企业生产流程的参与度,能调度多少数据构成的组织上下文。

这个问题不解决,Agent就进不去核心生产场景,相当于招了顶级研究员,但不给人配门禁卡,连个工位也没有。

如果一家企业只积累了大量打卡数据,Agent就只能帮人事部门狠抓考勤。如果企业的知识库里全是领导讲话,肯定能蒸馏出一个DeepLeaderV4,能不能转化成利润就未必了。

AI时代的企业办公赛道,似乎又回到了那个中国SaaS公司思考了几十年的问题:企业到底需要什么样的工具?

04.你什么家底

想把Agent用好,首先需要一个“Agent友好”的工作环境。很多企业已经发现,Agent能否提效,和组织的工作习惯密切相关。

没有文档文化,蒸馏无从谈起。

国内几家互联网大厂,基本都有从模型-Agent-协作工具的完整生态。考虑到大厂对“入口”的谜之眷恋,Claude Tag+Slack这种形式注定不是主流,Agent-模型-协作工具一家通吃,才是大厂们的目标。

这个时候,各家大厂扮演容器的协作工具有没有让企业形成足够的数字化水平,就至关重要。

理想状态下,组织里的每个员工都应该有意识的归集上下文,但这种反人性的手段既不现实,也不可能实现。因此,企业内部大量的隐性知识,呈现碎片化的分布。

文档文化这件事,很难靠员工自发,更多以来工具倒逼。办公软件所定义的工作方式,会极大影响企业的工作习惯,继而影响当下的“Agent友好度”。

所以,AI办公大战的各路参战方看似在同一条起跑线,其实攒下的家底完全不同。经历了当年的远程办公大战,产业界基本形成了一种共识:飞书积累了最适合Agent落地的工作习惯。

2019年飞书向外界推出,数字化和智能化是企业转型的热门词汇,也影响了飞书的设计理念。飞书的产品逻辑是All in one,即所有功能集成进一个产品,文档,表格,日历,日程完全打通。

从当下的视角看,这是一种非常超前的Agent友好设计。如果聊天一个软件、文档一个软件、会议一个软件,Agent还要逐个建立连接。

同时,飞书推崇的云文档、多维表格、智能纪要等功能,也把“积累上下文”这个动作融入了员工的日常工作,上下文能自动积累。

办公软件有多少日活并不重要,毕竟打仗不是六十万对八十万比谁人多;它主要用来打卡还是用来写文档,这才是关键。而且日活是可以买的,文档是演不出来的。

举例来说,飞书狂推的多维表格,底层其实是基于公司业务的关系型数据库,自动归集了碎片化的数据,表和表之间相互关联,天然适配Agent的调用。

字节今年8月迅速整合产品,打通飞书和豆包工作,就是把豆包工作的Agent能力接入飞书AI Native的工作习惯,组合成一套企业级Agent体系。

对当下的中国企业来说,当年SaaS公司面对的认知不足、要求太多、不想花钱三座大山基本都被AI FOMO铲平,只是这一次,千万不要再输在没有文档文化上了。

05.说话的方式简单点

办公协同作为企业最基础的需求,一直是企业组织的核心应用,但每一次技术变革中,协同方式都会被重新创造。

微软的Office诞生时,其进步性在于把A4纸上的文档原封不动的呈现在屏幕上,把表格里大量枯燥繁琐的运算交由计算机运行,提高了商业世界的信息化密度。

移动互联网时代,员工用手机看文档,用IM工具沟通,在线协作成为可能,Google Docs取而代之。Saleforce用277亿美元天价收购的Slack,原因是美国年轻人在走向工作岗位之前,Facebook和WhatsApp已经嵌入他们的生活方式。

办公协作软件的进化史,就是一部沟通渠道不断打通、摩擦成本不断降低的历史。

人工智能打开了Agentic AI的想象空间,但它的底色依然是沟通渠道越来越顺畅,摩擦成本越来越低,信息传递效率越来越高,个体的创造力被进一步激发。

时至今日,上汽集团、星巴克、古茗等企业,正在基于AI新标准转向飞书,沃尔玛、正大天晴、海信等各行业头部企业,开始选择飞书作为核心协同平台。

AI时代,离AI最近的一批中国公司,正在用脚投票。

全文完,感谢您的耐心阅读。

参考资料

[1] The State of AI 2025,麦肯锡

[2] Scaling Agentic AI to realize business value,德勤

[3] 胡塞武装被曝用Claude Code替代工程师开发导弹,Anthropic:已封相关账户,华尔街见闻

[4] SaaS Applications “Will Collapse” In The AI Agent Era: Microsoft CEO Satya Nadella,S&P Global

作者:李墨天

编辑:戴老板

责任编辑:李墨天

图片

图片

跳转微信打开

  •  

豆包大升级!Agent 干活新姿势~

原创 秋芝2046 2026-09-16 17:21 广东

雷猴啊,朋友们~

豆包工作x飞书大升级,这次真的很给力~这期是我们作为资深飞书客户x豆包工作用户的自用分享!

昨天我就在「飞书未来无限大会 - 暨豆包工作开工大会」的现场!

作为常年住在飞书上、并且第一波用豆包工作团队的“用户代表”~

我还跟飞书 CEO 谢欣、飞书商业化负责人林婵,面对面交流了~   

感谢飞书、豆包工作的邀请哈哈,

印象最深也最有体感的,是谢欣老师说的“Agent现在是飞书的一等公民”,

因为这次豆包工作,是系统性地跟飞书融合,的确跟调用CLI、MCP式的“外接”不一样,后面我们慢慢说~ 

林婵老师的大企业客户们也真的已经有很多各种行业意想不到的Agent落地 !

无论你用没用过市面上的办公 Agent,今天看完都会有收获,这个豆包工作真的不一样~

(何况它现在还能免费领 30 天订阅。)

那我们开始吧!

图片

豆包工作是什么

豆包工作,是跟飞书结合之后刚发布的办公专用 Agent。

界面就是这样:技能、连外部应用、定时任务、操控本地电脑,市面上Agent有的它都有。

额外呢,它还有一台云电脑,还能手机遥控。

但是!这些都不是重点~这回最关键的区别,是用飞书登录之后,上下文自由了,因为豆包工作原生融入飞书~

豆包工作原生融入飞书

上下文说白了,就是做一件事,要知道事情的所有来龙去脉。

就像新同事来了,你还得给人介绍一遍公司和项目情况吧?但很多朋友用普通Agent,不会给Agent组织上下文的。

于是,大多数人找Agent干活,都像让临时工做事。每次都得说一大堆前提,效果还不尽人意。

但豆包工作用飞书登录之后,等于是Agent直接进了你的工作现场。

飞书你里的文档、表格、群聊、会议纪要、日程、组织关系,包括审批进度,全都是豆包工作的上下文。

它全都知道,还全都能操作。它就像你跟你同一天入职的老同事,还跟你共用一台电脑,上下文完全拉通。

结果就是:同样的活,它能干得更省废话、更省事、效果还更好,跟你非常有“默契”!

好,我们一个个看具体案例,越往后越强~

图片

第一层:工作问答

首先,工作的事,问他比问任何人都靠谱~

比如,最近我们公司招人,投递的人很多,那hr就会问它,

现在还有多少人笔试交了但没阅卷?汇总一下。

你看,这提示词可以说没头没尾的,但它几分钟就出了个可视化报告。

你还可以继续说,

那把他们的资料和笔试题按不同岗位打包,整理成清晰的文档,发给相关的岗位负责人,催他们评卷

当当~

消息也直接发出去了,还配了这么清晰的文档,关键我都不用说谁是负责人~

那究其背后的原因也很简单:我们的招聘人员表格,就在多维表格里。我们的部门人员,它也能看到。

图片

第二层:有上下文干活

不过,能查只是基础,有上下文之后干活才是真爽。

比如,给客户做方案。

你一般要写一大串提示词吧:“我要做个什么什么方案,要求是巴拉巴拉。”

但我可以直接说

我要给客户做一套鸡尾酒品牌设计,要求都在会议上说了,
我觉得范式和报价都跟之前小黎做的茶饮项目很像,你参考他那种,生成一个鸡尾酒品牌设计的方案,带图

一整个借鸡下蛋有木有?客户的会议纪要它自己翻,同事的过往项目它自己去看,我都不用给他转述。

然后,它官方还自带了设计技能,还有强大的Seedream5.0 生图,直接就做成这样了!

并且,它的经验还在边做边积累,再加上它的多模态能力,日常的办公方案真的可用率大幅提高。好看,信息又准确~

我说个有意思的,新人入职都要给他介绍公司、也要给大家介绍新人吧。

因为豆包工作公司和新人的信息它两边都知道,而且我们已经做过几次,它就熟门熟路了。

hr只需要一句:

今天杨怀雨入职,做个欢迎卡片和介绍公司的音频发到工作大群里面

你看看,

定制的新人介绍条漫,

还有一条公司介绍音频,听!

节目效果直接拉满。豆包工作确实多模态很强,这个喊麦就是用它新上的 Seed Audio音频模型,一句话做播客、做故事、相声都很给力~

所以说,像我们这种一直用飞书的团队,干起活儿来就像入职多年的老同事,一干一个准~

当然,如果你公司不用飞书,用个人飞书登也可以,因为你跟豆包的协作也可以沉淀下来,也会越用越懂你。

图片

第三层:妙搭做系统

ok,到这其实已经很强了,但还能更强。它还能跟你持续一起干跨几个月的大项目,甚至建系统。

比如,我们最近在开发产品,快上线时,我想让全公司都来测试提bug,想开发个小应用,指导不了解产品的同事测试,方便提交。完了,bug 还能自动进多维表格、自动同步到 GitHub issue,每天还汇报修了多少bug。

这听着是个有点复杂的系统,但我就这么把想法跟它说了。

它当场开发、部署、发群里。

然后这是引导页面,

提交页面,

表格收集,

issue提交和每日提醒全跑通~

因为它连着我的本地电脑,看得到代码,也连着 GitHub,可以直接提issue,还能自己操作多维表格、还能开发应用部署妙搭。

AI友好数据库

你会发,它几乎是团队里最知道情况的人,这就和之前跟林婵老师聊的一样。我们这套提 bug 的小系统,也是在把原来分散的步骤接起来,让大家能照着同一套流程协作~

先进,实在先进!

图片

第四层:远程自动办公

那第四层,就是它新的 Agent 能力也很多:像刚才用到的 Seed Audio、Seedream、Seedance,还有一大堆 mcp 连接器。而且,它手机电脑数据互通、还带个云电脑,等于你随身带个 24 小时在线的同事。

假设你在外面吃午饭,竞品突然上新爆款,老板很紧张,让你赶紧分析。

你直接打开手机,选上云电脑,说一句:

帮我做个竞品分析,去全网找飞书录音豆的相关信息,官网、电商平台、社交媒体,
重要的信息要截图,分析他们的产品定位、竞争策略以及目前上线后的用户反馈、销量数据,
做成交互式应用展示。

然后,还可以点开技能,

选上应用生成、产品分析报告。

然后,锁屏继续吃饭~

它就自己在后台云电脑的浏览器里自己点击、截图、翻页、收集信息、开发应用,可能还自主的派出了不同的子Agent~

等你吃完,回去刚好验收验收。你看看这个效果~

图文并茂的,我直接转发给老板~

最后,企业老板们也省心了,团队版豆包工作的权限、额度、数据都能统一管理。

飞书里员工看不到的,它也看不到,AI 额度,老板分配。

员工看不到的Agent也看不到

最重要的,做的成果、数据都落回飞书,个人经验沉淀成团队资产。

图片

好啦,

其实,现在的 Agent 都很强了,差的不是智商。

很多朋友用不好,是它不在你的工作现场、上下文不够。

这次豆包工作一接飞书,真的太省事,也非常有想象力~

当然,我也期待字节能赶紧出个更强的大模型。那别说日常办公了,公司战略我都要问他了。

好啦,趁他现在还送 30 天订阅,薅住!

我们下次见啦~

跳转微信打开

  •  

DeepSeek Harness:从“会回答”到“能持续做事”的 Agent 运行时

小编 2026-09-16 15:43 北京

我们已经习惯向大模型提问:解释一段代码、生成一个函数、分析一次报错。模型往往能给出像样的答案...

我们已经习惯向大模型提问:解释一段代码、生成一个函数、分析一次报错。模型往往能给出像样的答案。

但把问题换成“请把这个项目里的问题修好,并验证结果”,难度就变了。

它需要读取目录、理解约束、定位原因、修改文件、运行测试;测试失败后还要继续排查。任务中途,用户可能改变要求,工具可能超时,上下文可能接近上限,进程也可能退出。

从回答问题到完成任务,中间隔着一整套运行系统。

DeepSeek Harness,简称 DSH,关注的正是这套系统:如何把模型、工具、上下文、任务状态和执行策略组织起来,让 Agent 能够持续推进工作,也能够在必要的时候停下来。

它最有辨识度的设计是 Everything is a Plugin——一切皆插件。模型适配器、工具注册表、会话日志,甚至 Agent 的执行循环本身,都通过插件装配。

本文沿着“一个任务如何被持续执行”这条主线,拆解 DSH 的核心架构,并讨论它的工程价值与现实边界。

阅读范围:本文主要依据本地 DeepSeek Harness 源码、架构文档及配套插件示例撰写。源码快照为 99f6f02,提交日期为 2026 年 8 月 17 日。2026 年 9 月 15 日查阅的官方仓库仍将项目标注为开发者预览版;后续版本的命令、接口和行为可能变化。本文讨论架构与实现,不作性能排名。

一、Harness 到底是什么?

Harness 在 Agent 语境中,可以理解为让模型在真实环境里工作的运行支撑系统。

模型负责理解输入、生成内容、提出工具调用。Harness 负责接住这些输出,并把它们转化为受管理的执行过程。

例如,模型提出“运行测试”,后面至少还有这些问题:

  • 运行哪个工具,参数是否有效?

  • 在哪个目录、哪个执行环境中运行?

  • 当前权限是否允许,是否需要用户批准?

  • 超时、失败或取消之后怎么处理?

  • 工具结果怎样进入下一次模型请求?

  • 执行记录保存在哪里,之后如何恢复和检查?

为了帮助理解,可以写出一个概念性的关系:

Agent 系统 = 模型能力 + 工具能力 + 状态管理 + 执行与控制机制。

这不是严格的数学公式,但指出了一个事实:模型能力只是任务执行的一部分。

同一个模型,置于不同 Harness 中,可能表现出很不一样的做事方式。差别往往来自它能接触什么工具、得到什么反馈、保留哪些历史,以及系统如何决定下一步。

DSH 的定位,就是提供一个可组合、可扩展的 Agent 运行时。官方仓库将其描述为由 DeepSeek AI 开发、基于 Cordis 的开源 Agent Harness,并采用 MIT 许可证。官方仓库

二、先看全貌:一个运行中的 DSH 是怎样拼起来的?

理解 DSH,可以先把它看成五组相互配合的组件:

组成

解决的问题

使用入口

用户或外部程序怎样发起任务、观察进度、进行交互

执行机制

Agent 怎样请求模型、调度工具、继续或结束一轮工作

能力服务

模型、文件系统、Shell、子 Agent 等能力由谁提供

状态与策略

会话如何保存,上下文如何压缩,权限与目标如何管理

Cordis 与配置装配

上述组件怎样挂载、声明依赖、通信和卸载

这是便于阅读的概念分组。实际运行结构是一棵由配置装配出来的插件树。

图 1|DSH 架构总览
图 1|DSH 架构总览

图 1|DSH 架构总览。配置装配运行时插件树,Cordis 管理依赖、事件与生命周期;图中按职责分组。

其中有三个容易混淆的概念。

Profile:一次部署的组合方案

Profile 决定启动哪些 Bundle、安装哪些外部插件,以及采用哪些用户配置。源码提供了 web、headless 等模板。

web 面向浏览器交互;headless 可以执行一次任务而不启动 Web 服务。

Bundle:一组可分发的插件配置与代码

Bundle 把相关配置行和插件代码组织成可安装的单元。

例如,基础 Bundle 提供模型适配、工具、持久化、权限等能力,Web Bundle 再叠加浏览器应用。

Agent Preset:单个会话的能力组合

Profile 面向运行实例,Agent Preset 则进一步决定某个会话中的 Agent 使用怎样的能力集合。

这使同一套运行时可以承载不同用途的 Agent,而不必把差异都塞进系统提示词。

配置还可以分层覆盖。源码中的装配顺序包括 Bundle、Profile 补丁、全局补丁和命令行补丁。需要注意,补丁对目标配置行的 config 采用整体替换,不能想当然地当成逐字段深度合并。

DSH 的产品形态,由一组明确的组件及其配置共同决定。 这也是后续讨论“一切皆插件”的起点。架构文档(本文源码版本)

三、Cordis:让“一切皆插件”成为可管理的运行结构

插件机制并不罕见。DSH 的特点在于:插件化深入到了 Agent 运行时内部。

工具可以是插件,模型适配器可以是插件,负责执行循环的组件同样可以替换。这种结构要求底层框架处理好三个问题:依赖、通信和生命周期。

1. 用服务依赖表达装配关系

Cordis 通过 Context 提供共享服务。例如:

  • ctx.llm:模型调用能力;

  • ctx.tools:工具注册与执行;

  • ctx.sessions:会话与事件日志;

  • ctx.agents:运行中的 Agent。

插件通过 inject 声明所需服务。依赖尚未就绪时,框架会等待相应条件,而不是要求开发者手动猜测启动顺序。

这样,依赖关系就进入了可检查的运行结构。

2. 用事件提供扩展点

DSH 在模型请求、工具执行、回合结束等位置暴露事件。插件可以观察过程,也可以在约定的位置实施策略。

例如:

  • agent/pre-step:决定哪些输入进入下一步;

  • llm/stream:参与模型请求与流式输出链路;

  • tools/pre-execute:执行前检查;

  • agent/turn-stopping:在回合关闭前参与继续执行的决策。

不同事件有不同的分发语义。其中 waterfall 类似中间件链:监听器调用 next() 才会把控制权交给下游。忘记调用,可能会提前截断整条链路。

这说明插件扩展虽然灵活,仍然依赖清晰的契约。

3. 用可回收的注册管理生命周期

工具定义、事件监听器和其他运行时贡献,应通过 ctx.effect()、ctx.on() 等机制登记。插件卸载时,框架据此回收对应资源。

这对动态加载尤其重要:插件撤下之后,不能还残留一份工具定义,或留着一个继续触发的监听器。

这里的“可逆”,有明确范围。

框架能够撤销受管理的注册与资源,已经发生的业务操作则需要另行处理。 插件写过的文件、提交过的数据、发起过的外部请求,不会随着卸载自动还原。

因此,Cordis 提供的是运行结构的生命周期管理;业务回滚仍需要备份、事务或补偿机制。Cordis 入门文档

四、Agent Loop:模型如何从一步走到下一步?

理解持续执行,首先要区分 Step 和 Turn。

一个 Step,是一次模型请求,加上这次请求触发的工具执行。

一个 Turn,是零个或多个 Step 组成的一轮工作。如果输入在进入模型之前被拒绝,这一轮也可能没有任何 Step。

用修复测试失败的任务举例:

  1. 用户提出任务,运行时接收输入。

  2. 模型请求读取相关文件。

  3. 文件工具执行,结果写入会话。

  4. 模型根据结果提出修改。

  5. 修改工具执行,模型继续请求运行测试。

  6. 测试失败信息进入下一次请求。

  7. 模型继续修复,直到给出结果或遇到停止条件。

其中,每次“请求模型,再处理工具调用”构成一个 Step,多次 Step 可以属于同一个 Turn。

图 2|Agent 执行闭环
图 2|Agent 执行闭环

图 2|Agent 执行闭环。工具调用按需发生,结果写入会话并成为后续请求的依据;是否继续由下一步工作决定。

工具输出如何成为下一步的依据?

DSH 不只调用工具,还把调用和结果记录为会话事件,再从会话中派生后续模型请求的历史。

于是,“运行测试失败”成为模型能继续利用的上下文。模型才有机会依据实际报错调整行动。

工具调度也不意味着全部串行。源码区分可并发调用与需要独占执行的调用:适合并行的工作进入有界并发池,需要独占的调用形成执行屏障。

即便部分执行过程重叠,结果仍按模型原始调用顺序提交,避免仅因完成时间不同而打乱上下文。

为什么它不会天然永远执行?

Agent Loop 有明确的停止边界。当工具不再要求后续请求、也没有待处理的下一步输入时,一轮工作可以结束。

回合关闭前,扩展点还允许插件通过新的输入推动下一步。但“不断调用模型”本身不能证明任务在取得进展。

循环负责推进执行;目标管理和验收机制负责回答,还要不要继续、做到什么程度才算完成。

五、持续做事的关键:Goal、子 Agent 与 Workflow

DSH 提供了几种不同层次的持续执行机制。理解它们的分工,比笼统地说“支持长任务”更有价值。

图 3|四种长任务组织方式
图 3|四种长任务组织方式

图 3|四种长任务组织方式。同会话接力、子任务委派、程序化编排与全新执行者接力,分别应对不同任务结构。

1. Goal:在同一个会话中继续推进目标

Goal 服务保存一个当前目标,包括目标状态、版本和已启动的目标轮数。状态变更通过 goal/change 事件写入会话。

单独的 goal-round-driver 插件负责推进:当 Agent 空闲、目标仍处于激活且允许继续的状态、轮数还有余量时,它安排下一轮目标输入。

这意味着,任务不必依赖用户一次次手动输入“继续”。

目标状态与继续执行的权限被分开处理:

  • 目标状态持久保存,恢复后仍能知道此前要做什么;

  • 自动继续的授权只存在于当前进程生命周期中,不会直接随日志恢复。

因此,会话恢复或分叉可以保留目标,却不会仅因旧日志中的目标仍为 active 就自动开始工作;需要显式恢复操作重新激活继续执行。

此外,用户输入会影响自动轮次安排,取消、暂停、阻塞和完成状态也会抑制后续推进。

这是长任务系统中很有价值的一种区分:记得任务,与获准继续执行任务,是两件分别管理的事。

Goal 也有现实限制。该版本主要限制轮数,不能据此推导出固定 Token、费用或时间上限;完成状态由调用方记录,还没有独立验收器替它证明目标已经实现。Goal 服务

2. 子 Agent:把边界清楚的工作委派出去

子 Agent 适合承担能够独立描述和验收的任务,例如检查一组接口、分析某个模块,或审阅一个限定范围的改动。

DSH 为子 Agent 定义统一接口,再提供不同实现:创建全新子 Agent、继承父会话已完成历史的分叉,以及通过 SDK、ACP 或特定外部产品适配器进行委派。

源码中能看到面向 Codex、Claude Code 等执行后端的适配器。实际使用还取决于相应依赖、凭据与运行环境是否就绪。

统一接口的意义是让上层编排减少对具体执行后端的耦合。它不会消除多 Agent 的协调成本:任务拆分、上下文交接、共享文件冲突,以及结果复核,仍需要设计。

3. Workflow:把协作顺序表达成程序

当任务需要“并行分析,再汇总”“逐项处理,再进入下一阶段”时,Workflow 提供程序化编排能力。

本地实现暴露了 agent()、parallel()、pipeline() 等接口,并对并发数、总子 Agent 数和取消流程进行管理。

工作流脚本运行在 Worker Thread 中。这能避免脚本中的同步忙循环阻塞宿主事件循环,也提供强制终止工作线程的手段。

不过,Worker Thread 和 node:vm 在这里不构成安全沙箱;源码文档对此有明确说明。Workflow 实现

4. Ralph:每轮换一个新的执行者

源码还实现了固定策略的 Ralph 工作流:每一轮启动一个不继承父对话的新子 Agent,交给它同一个目标、当前轮次和上一轮的结构化交接报告。

连续性主要依靠共享工作区和交接信息维持。

它与同会话 Goal 的取舍不同:Goal 延续已有上下文;Ralph 让新的执行者重新观察工作成果,同时付出上下文重建的成本。源码要求仅在人类明确请求这种执行方式时使用。

Ralph 返回的完成或阻塞状态,同样属于工作 Agent 的报告,不能当成独立验证结论。

六、会话日志:持续执行背后的事实底座

在长任务中,一个经常被低估的问题是:系统究竟相信哪份记录?

如果模型上下文、UI 展示和磁盘历史分别维护,很容易出现不一致:界面显示工具成功了,模型却没收到结果;恢复之后,某个关键约束又丢失了。

DSH 把只追加的 Session Event 日志放在核心位置。用户输入、模型输出、工具调用与结果,以及目标等状态变化,都可以进入这条事实流。

模型请求历史通过 deriveMessages() 等投影机制从日志中生成。UI、恢复、分叉和持久化也以事件流为基础。

项目强调的约束是:进入模型请求的内容,应能够从日志中重建。

这让排查问题有了具体依据:

  • 它当时读到了什么输入?

  • 发起了什么工具调用?

  • 工具实际返回了什么?

  • 在哪一步选择了继续、结束或报错?

不过,“可重建记录”不等于“重新运行一定得到同样结果”。模型生成可能变化,外部文件、网络服务和运行环境也可能变化。

日志帮助复盘和恢复;外部操作是否成功,仍应以对应系统的状态和验证证据为准。

七、上下文压缩:让任务继续,也要承认信息损失

任务越长,工具输出和历史消息越多。模型上下文窗口有限,运行时必须决定哪些信息继续原样保留,哪些信息需要浓缩。

DSH 的基本压缩实现大致包含三个环节:

  1. 根据当前请求构成和模型容量评估上下文压力。

  2. 在配置了对应裁剪服务时,先缩减过大的工具结果,必要时再对旧历史生成摘要。

  3. 保留近期的完整片段,用摘要替代模型请求视图中的较早区间。

这里有一个重要设计:压缩修改模型看到的历史视图,原始事件记录仍保留在日志中。

“完整保留执行历史”和“每次给模型发送全部历史”因此可以分别处理。

图 4|会话日志与上下文压缩
图 4|会话日志与上下文压缩

图 4|会话日志与上下文压缩。原始事件保留在日志中,压缩后的请求视图由摘要和近期片段构成。

压缩还要照顾工具调用与结果的配对,避免留下孤立的调用或结果,让后续模型请求失去结构上的完整性。

DSH 也关注缓存。很多包的文档会专门解释对 Token 和 KV Cache 的影响。复用稳定前缀有助于缓存命中,但压缩替换了部分历史,会改变相应位置之后的复用边界;摘要调用本身也会产生额外消耗。

上下文管理是一项在信息保留、请求成本和执行连续性之间做取舍的工程工作。 摘要仍可能遗漏约束,因此重要结论、验收命令和交接信息,也适合保存在可重新读取的项目文件中。

持久日志同样不应直接等同于完善的长期记忆系统。跨会话检索、知识更新和冲突处理,还需要额外的组织方式与组件。上下文压缩实现说明

八、能力接缝:为什么它能够替换执行后端?

DSH 用 Capability Seam 描述可替换的能力边界,可以理解为“预留了标准接口的连接处”。

一个完整接缝有三个角色:

角色

职责

Service Definition

定义能力接口和数据契约

Service Provider

提供具体实现

Consumer

使用接口,或把能力暴露成模型工具

以文件访问为例,上层消费者依赖文件系统接口,下层 Provider 决定实际访问本地环境还是某种远端环境。

模型适配、Shell、子 Agent、上下文压缩等能力也采用类似思路。

这种结构带来的收益,是把经常变化的实现放在可替换的边界后面,让调用方尽量保持稳定。

但替换 Provider 需要满足整组契约。特别是文件系统和子进程等能力,需要指向一致的执行世界:读取的是远端文件,执行命令却落在本地,就无法形成可靠闭环。

架构中存在远端适配空间,也不代表某个具体后端已经达到生产成熟度。例如,本地仓库将 E2B 相关部分标注为 POC,应按概念验证实现理解。

九、扩展怎么落地?看一个“用量与余额”插件

当前资料目录中有一个具体示例:为 DSH 增加 Token 用量概览和 DeepSeek 账户余额面板。

这个例子说明,插件机制如何把已有服务连接成用户看得见的功能。

Host 端:读取与组织数据

宿主侧代码读取会话查询、实时投影或持久化投影缓存,聚合模型 Provider 上报的 Token 用量,再通过 RPC 暴露给前端。

账户余额查询则经凭据服务获取密钥,通过 Shell 调用接口,最后返回适合展示的数据。

Client 端:接入已有界面

浏览器侧通过 host.call() 获取数据,将界面注册到侧栏入口、浮层和设置页等插槽中。

这让数据能力和展示位置能够分别扩展。对于这样的功能,开发者无需修改 Agent Loop。

不过,并非每个 DSH 插件都必须包含 Host 和 Client 两部分。纯工具、策略或服务插件可以只提供它需要的那一侧。

图 5|“用量与余额”插件数据流
图 5|“用量与余额”插件数据流

图 5|“用量与余额”插件数据流。Host 侧读取和组织数据,Client 侧通过 RPC 获取结果,再注册到已有界面插槽。

一个细节,体现插件开发的责任边界

示例把密钥通过环境变量传给 Shell,避免在代码中硬编码密钥。但 Shell 展开请求头之后,密钥仍可能短暂进入 curl 的进程参数。

示例 README 已记录这一限制,并提出通过标准输入传递请求头配置的改进方向。

因此,不能把“通过凭据服务读取”直接写成“密钥绝不会暴露”。服务接口提供了集中管理入口,调用方式仍需要开发者审查。

同样,会话用量统计来自本地记录,不应据此声称它覆盖了整个供应商账户的全部消费。

动态插件:把想法变成运行时实验

DSH 提供 cordis_inspect、cordis_define、cordis_run、cordis_stop 等工具,让 Agent 查询可用接口,定义并运行临时插件。

这是一项很有探索价值的能力:Agent 可以在已有服务和扩展点上,临时补充工具、提示词贡献或界面功能。

但该版本的动态定义仅存在于进程内存中,重启后消失,也不会自动变成持久安装的插件。长期保留与分发,仍要走正常的插件开发、测试和安装流程。

将它理解为可交互的运行时扩展实验,比直接宣称“Agent 已经实现自主进化”更符合源码展示的能力范围。动态插件工具说明

十、Plugin、Skill、MCP:分别在扩展什么?

围绕 Agent 的几个常见概念,可以按职责区分:

机制

主要作用

典型例子

Plugin

改变运行时能力、策略或界面

注册工具、增加模型适配器、拦截执行、扩展设置页

Skill

组织可复用的任务方法和操作知识

代码审查流程、文档写作规范、项目排查步骤

MCP

通过协议连接外部工具与资源

接入知识库、业务系统或外部服务

三者可以配合使用。例如,Plugin 提供 MCP 客户端能力,MCP 连接外部系统,Skill 指导 Agent 如何利用这些工具完成业务流程。

选择扩展方式时,可以先问三个问题:

  • 我需要改变运行时行为吗?

  • 我主要是在固化做事方法吗?

  • 我是在连接一个外部系统吗?

明确问题,往往比先寻找插件更有帮助。

十一、控制能力越重要,边界就越要讲清楚

持续执行的 Agent 可以读写文件、运行命令和调用外部服务。它需要把“模型提出操作”和“系统允许操作”分开处理。

DSH 的工具管线包含执行前策略、审批、只能进一步限制调用的 Guard、执行包装、结果处理和日志记录等环节。

按照本地管线文档,当策略要求询问用户时,审批发生在 Guard 检查之前;审批服务缺失或无法给出有效响应时,该请求被拒绝。工具执行还可以受底层文件系统策略和进程沙箱实现约束。

这些机制分别承担不同责任:

  • 策略与审批决定是否允许这次调用;

  • Guard 保留必须执行的限制;

  • 沙箱约束受其覆盖的执行环境;

  • 日志记录模型可见的调用与最终结果。

需要同时记住:同进程插件本身属于运行时信任边界的一部分。 插件框架的可装卸能力,并不自动把不可信插件变成安全代码;动态插件与 Workflow 文档也都明确说明,相关 VM 机制不提供强安全隔离。

“插件卸载”“会话恢复”“沙箱执行”各有作用范围,不能互相替代。工具执行管线

十二、如何评价 DSH 的价值与代价?

从本地实现看,DSH 的价值可以归纳为三个方面。

第一,Agent 的关键组成变得可以分别研究和替换。

开发者可以沿着公开的接口与事件,研究模型调用、工具执行、压缩策略和继续执行机制,减少为了一个功能直接修改主循环的需要。

第二,长任务的状态与控制问题被认真建模。

会话日志、目标版本、执行授权、取消、插件卸载和子任务清理,都有明确的位置。这些机制未必直接提升模型推理能力,却决定了运行系统是否容易理解、恢复和维护。

第三,扩展覆盖了从执行能力到交互界面的多个层面。

同一套插件思路,可以用于增加一个工具、替换一个 Provider,也可以用于增加一块设置界面,为搭建不同形态的 Agent 产品提供基础。

代价同样存在。

抽象会增加学习与排障成本

开发者需要理解服务、作用域、事件、配置层和生命周期。一次“工具没有出现”,可能来自未满足的依赖,也可能来自注册范围或配置覆盖。

这种复杂度是否值得,需要结合产品的变化频率与扩展需求判断。

持续运行会放大验收与预算的重要性

增加轮数并不保证成功。模型可能围绕错误假设反复尝试,多 Agent 也会增加重复阅读与结果整合的成本。

真正有用的验收标准应尽量落到可观察结果上,例如测试是否通过、文件是否生成、接口响应是否符合约定。

在当前实现中,Goal 或 Ralph 记录的“完成”仍不能替代独立验证。

架构潜力需要实际任务验证

本文进行了源码与文档阅读,没有开展任务成功率、Token 消耗或延迟基准测试,因此不据此宣称 DSH 比其他产品更快、更便宜或更可靠。

截至本文核对时间,官方仍提示开发者预览阶段会有破坏兼容性的变更。对于团队应用,兼容性、插件质量、执行隔离和可复现部署,需要一起评估。官方项目状态

十三、从哪里开始理解和实践?

官方 README 给出的 Web 入口是:

npx @deepseek-ai/dsh web

默认 Web 地址为 http://127.0.0.1:3080。需要安装 Node.js,并按所用版本的设置流程配置模型服务与凭据。官方运行说明

第一次实践,可以选择一个边界清楚、可验证的小任务:为一个函数补齐指定边界条件,并运行对应测试。

观察四件事就足够有收获:

  1. 模型如何决定读取哪些文件。

  2. 工具调用与结果如何呈现在会话中。

  3. 测试失败后,Agent 如何继续调整。

  4. 最终结论是否有实际执行证据支持。

如果要阅读源码,可以依次看:

  • docs/architecture.md:建立整体地图;

  • docs/cordis-primer.md:理解插件、服务与生命周期;

  • packages/core/agent-loop:理解 Step、Turn 与工具调度;

  • packages/core/session:理解事件记录与模型历史;

  • packages/goal:理解同会话目标如何继续推进;

  • packages/compaction:理解有限上下文如何承载长任务;

  • packages/subagent 与 packages/workflow:理解委派与编排。

再结合“用量与余额”这样的小插件阅读服务调用和界面插槽,会比一开始遍历所有包更容易建立具体认识。

结语:让模型能力进入一个可持续运行的系统

DeepSeek Harness 把 Agent 的执行过程拆成了一组可以组合、观察和替换的组件。

沿着一个任务向下看:模型负责提出下一步,工具把行动落到环境中,日志保存事实,上下文管理维持工作连续性,Goal 和 Workflow 组织更长的执行过程,权限与生命周期机制约束它们何时运行、何时停止。

这些部分共同决定,Agent 能否把一次有用的回答,延伸成一段有依据的工作过程。

“能持续做事”的衡量标准,是持续取得可验证的进展,并在完成、受阻或失去授权时正确停下。

这正是理解 DeepSeek Harness 最值得抓住的主线,也是构建可靠 Agent 系统时绕不开的工程问题。

CadenzaOS:https://github.com/SuperTapir/CadenzaOS

PCB Atelier:https://github.com/SuperTapir/pcb-atelier

tapir-skills:https://github.com/SuperTapir/tapir-skills

PCB_lightgraph:https://github.com/tomatorigid/PCB_lightgraph

我用AI编程复刻了老罗的TNT,还顺手做了个万能遥控器……:https://www.bilibili.com/video/BV1qMKg6uEJr

送朋友一张PCB做的贺卡!:https://www.bilibili.com/video/BV11MjE6qEXb

🎉🕯🎂🕯🎉(我的第一块 PCB Art 作品图案取自这位老师的视频):https://www.bilibili.com/video/BV1ihNx61Ewq

从零开始的二次元电路板艺术画设计教程:https://www.bilibili.com/video/BV1CQjz6ZELZ

-END -

如果您关注前端+AI 相关领域可以扫码进群交流

添加小编微信进群😊

关于奇舞团

奇舞团是 360 集团最大的大前端团队,非常重视人才培养,有工程师、讲师、翻译官、业务接口人、团队 Leader 等多种发展方向供员工选择,并辅以提供相应的技术力、专业力、通用力、领导力等培训课程。奇舞团以开放和求贤的心态欢迎各种优秀人才关注和加入奇舞团。

跳转微信打开

  •  

沃尔玛中国朱晓静:AI时代,零售的本质仍是人服务人

飞书 2026-09-16 14:11 上海

“随着技术门槛持续降低,沃尔玛的差异化优势将更多取决于用技术解决什么问题、如何应用这些技术,以及能否为顾客和会员创造有意义的价值。”

9 月 15 日,在 2026 飞书未来无限大会暨豆包工作开工大会上,沃尔玛中国总裁及首席执行官朱晓静以“AI 时代的零售:以人为本,科技赋能”为主题发表演讲,分享沃尔玛对 AI 应用与企业竞争力的思考。

以下是她的演讲全文。

各位朋友:

大家好。我是沃尔玛中国的朱晓静。很高兴来到今天的飞书未来无限大会,和大家交流,也很期待向大家学习。

刚才坐在台下,看到飞书和豆包发布的新工具,我心里有两层感慨。

第一层,是中国科技日新月异的巨变。三十年前,国内零售几乎全是传统业态。正是沃尔玛等一批跨国企业,把现代商超、现代零售的理念带入中国。而今天,中国已经成长为全球科技创新的前沿阵地,更是当之无愧的数字零售试验场——我们称之为 world retail laboratory。

第二层感慨,关乎科技平权,也就是 equal access。如今所有零售企业,本质上也都必须成为科技公司,科技的权重只会越来越高。随着 AI 持续演进,技术门槛正在不断降低。哪怕像我这样非技术背景的从业者,也不必因此过度焦虑,同样可以运用技术解决业务问题。

科技的发展,一直推动着人类社会的进步。沃尔玛中国上个月刚刚过完 30 岁生日。过去这 30 年,也是中国零售市场快速迭代、蓬勃发展的时代。在这个过程中,我们拥有众多 ecosystem partner,生态系统伙伴,字节就是其中重要一位,和我们一起探索,推动技术创新,帮助我们更好的服务顾客与会员。谢谢你们。

首先,请允许我简单介绍一下沃尔玛。

沃尔玛 1962 年诞生于美国阿肯色州的本顿维尔,那是当年美国中西部非常偏远的一座小镇。从这样一个不起眼的小镇起步,山姆·沃尔顿创立了今天的沃尔玛。如今,我们在全球拥有 220 多万名员工,也是全球最大的私营雇主。

说起沃尔玛,大家往往会有两种固有印象。

第一种印象,认为沃尔玛是一家传统的线下零售企业。但事实上,在中国市场,今天沃尔玛门店与山姆会员商店的线上销售占比已经达到 55%。今天的沃尔玛中国,早已是一家不折不扣的全渠道零售企业。

第二种印象,大家会觉得沃尔玛风格偏传统、偏稳健。但很多人并不了解,拥抱科技,从一开始就是沃尔玛的底层基因。早在上世纪八十年代,我们就搭建了全美规模最大的企业私人卫星通信网络,实时打通总部、门店与供应链体系,用极致的数据化、技术化能力,支撑起沃尔玛全球领先的供应链效率。

在沃尔玛的发展历程里,我们始终坚持一套朴素的长期主义哲学:守住不变的,迭代所有可变的。

企业的使命、价值观,是我们永远不变的初心。但顾客的需求在变、时代的技术在变,因此我们服务顾客的方式、运营业务的模式、组织运转的体系,除初心底色之外,一切都可以、也必须持续进化。

带着这样的企业底色与长期思考,接下来,我想和大家分享,我们在 AI 时代,关于人的价值、以及企业如何构建核心竞争优势的一些近期思考。

我今天分享的主题是:AI 时代的零售:以人为本,科技赋能。

AI 如今正处在青春期,迭代速度飞快。 技术门槛正在持续降低。 当 AI 度过这个阶段,所有算法、算力、通用智能工具,终会成为全行业的基础设施。那么,在 AI 带来科技平权的时代,企业真正的长期竞争力是什么?

我们近期的思考是,沃尔玛布局 AI,重心不在于模型本身,而在于系统。我们要让模型深度对接差异化客户场景、自有专属数据、业务流程与实体运营体系。技术日新月异,我们需要打造可以持续应变的组织和架构。也就是说,沃尔玛真正的差异化优势来自于我们选择用技术解决什么问题、如何应用这些技术,以及是否能为顾客和会员创造有意义的价值。

我们从四个层面思考 AI 的应用:顾客如何购物、我们如何运营,商品如何流动、如何赋能员工发展。我们打开来看。

第一,顾客如何购物。AI 正在改变顾客发现商品、做出决策以及体验互动的方式。过去零售的逻辑是“搜索”,你知道你要什么,你来找到它。未来的逻辑是“发现”,你可能不完全知道你要什么,但系统能理解你的生活场景,在合适的时机、用合适的方式,把合适的商品呈现在你面前。购物的未来不是让顾客去学习一个新界面,而是让技术更善于理解顾客想要什么。从搜索与响应,迈向理解与行动。

AI 更在赋能我们为顾客创造开发商品这一核心工作。零售本身,是科学与艺术的结合。选品这件事尤其如此。AI 和大数据,可以帮我们分析顾客当下的行为,看懂大家对现有商品和服务的反馈。但大数据只能看见已经发生的事实。零售的使命,不只是满足顾客已经表达出来的需求,更要真正地理解生活,依靠前瞻性洞察,发掘他们尚未言说的期待,去 delight 顾客,给他们惊喜,超越他们的预期。这需要 AI 的数据处理能力,更需要人的共情能力,判断力 ,与创造力。

第二,我们如何运营。零售的核心本质始终是“通过人服务人”。我们希望借助 AI 优化决策、减少员工的重复性工作,让员工把更多时间投入服务顾客与会员。

蒸汽机刚诞生的时候,人们最先想到的用法,只是把它装到马车上,而不是重构整套交通体系。

当前我们落地 AI 面临的问题正是如此:仅仅停留在单个任务的优化,端到端的完整业务流程并未发生改变。个体提效并没有聚合成组织提效,根源就在于没有重新设计工作流。碎片化的 AI 应用并不是个错误,它是企业建立拥抱 AI 文化中必经的探索过程。但我们不能止步于此。AI 更大的价值,在于重塑企业全链路工作流,真正提升决策的速度与准确度,创造可量化的真实业务收益。我们要实现的转变,是从碎片式 AI——只在零散孤立的环节做单点优化— 走向用 AI 打通整条零售价值链。

业务结果必须作为衡量标尺。AI 的价值要体现在客户体验、商品品类拓展、货品可得性、履约速度、人效、服务成本、盈利水平以及员工赋能效果上。

第三,商品如何流动。沃尔玛可以将需求信号、库存、设施、运输、门店、履约和最后一公里配送连接成一个响应更敏捷的实体网络。而这个实体网络创造了一个独特的机会,让 AI 有机会和现实世界中商品的物理流动真正连接起来。更强的智能可以帮助系统理解当下正在发生什么,预判下一步需要采取什么行动,并在整个网络中做出日益复杂的决策。沃尔玛的优势并不在于规模本身,而在于将这种规模连接起来,让洞察和能力能够贯穿整个企业,自由流动。

第四,员工如何成长。在技术大变革的时代,相信每个人都会有一份焦虑:我们的工作是否会被 AI 替代?就算有全民基本收入保障生存,人之为人的生命意义,是否依旧完整?效率,是否就是全部?

沃尔玛选择:以人为本,科技赋能。

我们官方愿景陈述里写着:We are a people-led, tech-powered omnichannel retailer, dedicated to helping people save money and live better。

这是我们的战略路径,也是我们的人文底色。

首先,这是商业层面的理性抉择。我们相信,人的创造力、审美、人际共情,能够被科技放大赋能,但不能被机器替代。 在中国市场,山姆会员店与沃尔玛门店,持续打磨商品、精进线下服务,也正是这份坚守,逐渐收获了顾客和会员的信任。

这既是商业层面的理性选择,更是一个价值观的抉择。

每一位企业领导者,都肩负两层责任。一层是管理者的责任:管理任务流。过去,人是组织里唯一的智能主体,所有任务依靠人完成,管控任务流本质就是管人。今天,任务流管理正在发生范式转变,从单纯管人,升级为管人+管 AI。

但领导者还有另一层核心责任——培育人、发展人,帮助组织里的每一个人实现自身价值。这份职责,没有因为技术浪潮而削弱,反而愈发重要。企业固然是以创造利润为目标的商业组织,同时,它也应当成为员工构建人生意义的重要平台。

在技术变革的浪潮里,我们希望助力员工持续学习、迭代成长,不断开拓新机遇。与企业同舟共济,穿越时代洪流,一同奔赴新的彼岸。

作为企业,我们不只是适应时代、拥抱变革。我们当下的每一个行动、每一项决策,都在塑造未来。这就是价值观选择的意义:我们希望创造一个怎样的未来。

最后,我想回到零售的本质是什么?零售,是商品与服务的结合,是艺术与科学的结合,是感性与理性、效率与美好生活的结合。但归根到底,零售的本质,是人服务人。人,是一切的源泉,也是我们最终的目的。科技永远是工具,而人,才是零售故事里永恒的主角。

谢谢大家。

跳转微信打开

  •  

我的碎片化编程

原创 caoz 2026-09-16 10:21 新加坡

汇报一下 我的AI编程近况

经常有读者问我还在vibe coding么,中间确实停了两三个月,最近开始重新捡起来。我发现,其实歇一歇也无所谓,有些东西,没有一直跟进去学习,然后发现似乎就不用学了。

当然,我依然落伍,还在用cursor。很多人会说,你没用gpt codex,没用claude code,太落伍了。无所谓了,现在新东西出来的太频繁,确实跟不动了。

但其实cursor也有了天翻地覆的变化,第一是基座模型的提升,grok 4.6 high基础任务很可靠了,和一年前AI编程的可靠性相比已经是天壤之别;而且额度根本用不完。以前很多保障AI编程质量和稳定的技巧,现在看上去大部分已经没什么用了,说句惭愧的话,我经常讲我写文章要禁得起时间的检验,但是去年关于AI编程的很多经验,今年就用不上了,可以彻底淘汰了。当然,偶尔也会遇到处理瓶颈,换fable 5.1模型解决,还是很轻松的,当然,只是偶尔使用,如果放开了用大概一个下午额度就没了。我现在还是60刀/月的套餐,我不是重度开发者,也没有从AI开发商赚到哪怕一分钱,所以,就开着当个业余爱好吧,再高就舍不得投入了。我还一度试过kimi k3模型,但当时一直报服务器繁忙,我就没再继续尝试。

其实我去年以来一共开发了五个产品,上线了三款,有两款搁置了,其中一款目前还有成本(虚拟主机成本),正考虑要不要收回来停掉,或者彻底更换为赛博菩萨Cloudflare放着。

回到前面话题,除了基座模型的提升外,cursor第二点提升是,它还提供了remote control和cloud agent模式,这两个模式对于我这样的街溜子来说太友好了。因为都可以手机远程操作。

cloud agent更方便,可以开多个agent,可以多个项目并行操作,但缺点是,无法对iOS版本的产品进行编译和测试。

remote control就是操作我的远端机器,目前我的mac mini全天待机,优点自然是远程可以手机操作;那么mac mini可以做双端的产品编译和测试,但缺点是目前同时只能开一个agent,我开始不知道,想两个项目并行,结果发现一个项目没反应了,后来问AI才意识到这个问题。

那今天题目,碎片化编程,因为有了手机远程操作能力,加上目前基座模型在长程任务的稳定性和可靠性上有了极大提升,(几乎已经不再考虑所谓git restore . 这样的操作了,而一年前这是几乎每天的工作)。所以我现在的工作状态已经变成,随时拿着手机,下一个任务,然后溜达,或者和人吃饭喝茶,闲着停下来的时候看一下手机,然后继续布置一个任务。除了最后版本发布还需要在电脑前进行,其他日常开发都直接手机上完成了,然后远程打个apk包,在家里路由做个端口映射,直接把apk下载到手机安装测试,不开玩笑每天下七八次安装包测试产品的改版。包括晚上躺床上刷手机,也是随时测试自己的游戏,随时发现问题扔给AI改进。

以前我们说编程需要持续注意力,但现在无论是架构设计,功能迭代,其实需要人类思考的很少了,最多就是发布前让AI自己做一次完整的安全检查,前端不要泄露密钥等敏感信息,并且要对输入输出的交互做必要的检查,也就这样了。

目前来说,需要人类的,也就是测试了,或者说,交互体验的人类感知,这个AI还是替代不了的。

对了,cursor的第三点提升是提供了基于grok bot的automation能力,但这个高级玩法我还没掌握,刚刚设置它每天从推上给我抓点产业新闻,不过测试效果看上去也一般,看来还需要调整一下提示词。

最后,汇报一下进展,说了半天,我最近做了啥。

我最早不是做了一个游戏合集 boring time么(中文名 无聊时光),这次做了一版升级。主要升级内容如下:

1、之前音乐,音效,关闭后还是会出现,游戏进入后台后依然不停的问题,彻底解决掉。

2、数独我之前一直不是太满意,这次做个比较大的调整,难度分级更合理,基于人类的解题能力,对大师,极限难度做了重新的调整。魔鬼难度没有调整,因为,实在太魔鬼了,超出人类解题能力了!

3、数独解法帮助手册更新,数独提示更新,现在的数独提示我认为是目前市面上做的最好的,不再是单纯的告诉你一个数字,而是基于人类的解题技巧,给予非常清晰的解题链路(极限难度,经常会为了解开一个数字,需要七八个技巧组合使用),而且会基于草稿自动判断当前玩家是否已经使用了某些技巧。不过魔鬼难度目前依然无法给出人类解题技巧。

4、空当接龙的卡牌拖拽效果优化,字体也做了调整。

5、增加了X账号登陆和绑定能力。

大体如此吧,其他游戏暂时没有调整,主要是也没想好怎么调整,而且,确实也没啥玩家体验。

但数独的调整,说实话,都是去年想做但做不了的能力,去年的AI根本做不出来我想要的难度分级和提示能力,今年突然就可以了,而且做的很轻松,去年各种挣扎各种痛苦的经历,今年就感觉像个笑话。

google play 和 苹果市场都已经可以下载最新版本 英文名 boring time;中文名 无聊时光。

目前没有国内市场发行的计划和打算,反正自己每天都在玩是真的。

网站是 boringtime.web.app,不过是放在firebase托管,所以国内目前无法访问。

其他几个产品,最近会依次调整打磨,等到发布更新的时候,会继续跟读者汇报。

最后,虽然底栏广告一放就会失去推荐流量,不过,也无所谓了,反正也不指望有推荐流量了。

知识星球加入3天内退出,无理由全额退款

跳转微信打开

  •  

放弃百万美金年薪,牛津兄弟想训出「华尔街AI分析师」

原创 暗涌Waves 2026-09-16 09:10 江苏

自研模型,冲向交易金字塔尖。

「自研模型,冲向交易金字塔尖。」

文|孙小雯 海若镜

编辑|海若镜

做AI金融模型创业前,子辰已是年薪百万美元的“金领”,凭借在顶级投行练就的交易嗅觉,赚钱对他来说不算难事。

创业的起心动念,源于一场AI交易大赛Alpha Arena。2025年底,DeepSeek、GPT、千问等大模型都下场参赛,也让子辰发现:通用大模型已经进化出一定的独立判断能力。也许未来,他引以为傲的投资决策能力,也能被大模型复现。

与其恐慌,不如下海去搏一搏风浪。他找到正在Meta从事模型研究的方正,两人一拍即合,开启了名为FreeRide的AI创业航程。「暗涌Waves」独家获悉,FreeRide AI近日完成数百万美元种子轮融资,投资方为L2F光源创业者基金。

在还没有Demo时,就拿到融资,关键有两点:一是选择的方向,二是创始团队的履历和潜能。从牛津大学数学系毕业后,子辰先后在伦敦和香港的摩根士丹利、摩根大通、华泰国际等机构工作,从事复杂衍生品交易,曾担任高级交易主管。

方正的履历则更为复合。牛津大学物理系毕业后,他先后在瑞银、Evercore、麦格理资本等机构,处理欧美区域的投行投资业务。因为感知到AI在金融行业的巨大潜力,他又回到剑桥大学攻读计算机科学博士,并参与到Meta、Oracle等大厂的AI模型训练和AI系统的研究。

两人开始探索:大模型已初具决策智能,但要让AI拥有“华尔街交易员”级别的能力,还有多少座山要翻越?

第一座绕不开的是“数据”。文本、代码可以被海量采集,但真正影响金融交易的高质量经验,往往只存在于一线从业者的大脑里。即便能采购诸多类型的数据库,但怎么判断数据价值、权重,进而转化为真实世界里的决策智能,仍有鸿沟。

而且,金融交易数据天然高噪声,现有大模型围绕coding智能体,适配出的长流程模式很难直接迁移。

架构层面,金融交易任务往往依赖极高维度的逻辑分析,很多任务不是定点、单向的求解路径,仅靠常规模型训练方法难以突破,还需要引入专门的系统学习架构。

即便金融专业模型掌握了应有的专业知识与能力,金融市场瞬息万变,只有让AI能够自主学习、自我进化,才可能捕捉到真实市场信号。

这些路障,也让他们理清了技术路线:做AI金融交易大脑,必须自训专业的垂直模型底座,同时做自进化Agent。基于在金融行业沉淀的经验,调整接入通用大模型的参数权重,进化出更有实操经验的LLM底座,先让AI成为有2-4年工龄的初级员工;再通过自进化Agent,让模型能够适应实时多变的金融交易。

自研模型,无疑是昂贵且艰难的。但子辰、方正认为,这是冲上金融“金字塔尖”的必经之路。一旦跑通,垂直模型进入塔尖的华尔街投行和一线基金,参与衍生品定价、复杂投资研究及决策,未来将能辐射更广的金融市场,甚至成为普通人的交易“副驾”。

在他们看来,模型大厂和互联网平台的确拥有更多算力与资源,但却很难偏离当前AI发展主线,聚焦于金融这一细分场景。未来AI系统,或许更像一个交响乐团:通用大模型,与一群专业模型合作,完成复杂任务。

除训练金融专业模型以外,两人在2026年发表论文,初步验证Agent在高噪声、高变化金融领域自进化的可行性。这一“会寻找Alpha的研究员”机制,在沪深300市场中测验,经过1600步进化后,将生成因子的IR中位数从1.6提高到3.9。这个表现不俗,在传统量化领域,IR大于1.0就可称为优秀因子。

技术初验后,接下来FreeRide将从衍生品定价等专业任务切入,做出金融专业人士可用的模型,再拓展到更广泛的金融任务。

以下是「暗涌Waves」与FreeRide联合创始人张子辰、沈方正的对话(经编辑):

Part01

AI交响乐团:

通用模型带一群垂类

暗涌:通用模型能搭Agent和Harness,为什么还要自己训练底层模型?

子辰:我们还是要用第一性原理去解决智能问题。现在Agent和Harness的架构越来越复杂,但如果你不掌握底层模型权重,上层设计地再精妙,也会面临一些风险,比如通用模型无法满足特定场景的任务质量。

另一方面是,以后机构会有自己的Agent,但这个Agent用哪个模型去驱动?现在的通用大模型不一定适合,我们希望做出一个更适合金融场景的模型,让这些Agent有机会用到FreeRideAI模型。

我们对比过GPT、Claude、DeepSeek、千问、MiniMax和智谱。在衍生品定价这类问题上,它们的确懂很多基础知识,但更像一个很好的实习生。你来投行实习,给出这样的回答,我觉得是OK的;但作为正式员工就不达标,因为你的答案过于肤浅,理论没有结合实际市场经验。

暗涌:投资人怎么看金融垂类模型,担心被通用模型吞掉吗?

子辰:感觉几个月以前,大家还在担心通用模型可以吞噬一切,但最近这一个月开始有变化。

通用大模型有几个限制,包括在专业领域的性能、成本和速度。对于特定专业,模型规模不一定是越大越好,最终形式可能是通用大模型与一系列专业模型合作完成任务。

现在的通用模型,在编程垂类已经做得非常好,但在金融、医疗等专业领域仍需要垂类模型。因为金融领域的一些实操经验,网上搜不到,书里也不会有。一个科技工作者很难复刻垂直领域里的顶尖能力。

方正:与其叫垂类模型,叫专业化模型可能更准确。与通识教育类似,现代AI在早期训练中打下的广泛知识基础,但若想像专业人士一样在特定领域独当一面,必须有高度专精的知识与职场技能培养。

暗涌:怎么确定金融模型该学什么?

方正:如果把模型训练比作“炼丹”的话,首先要知道这个“丹”是给谁吃的、解决什么问题。正因为我们团队在伦敦、纽约、香港等国际金融中心拥有丰富的专业经验,我们知道金融机构和专业人士需要AI模型做什么,就能反过来判断它应该具备什么能力、需要什么样的数据。

暗涌:买大量的商业金融数据库,来训练金融专业模型,是必须的?

子辰:确实需要采购数据库。但真正的经验是两点:第一,找到这些数据;第二,判断它们的价值和权重。同时面对100个数据,哪一个更重要?怎么把这些数据变成对决策有帮助的东西?决策思维链是怎样的?这些经验既往只存在于很小的金融圈,大家不会把它记录并公开出来。

比如期权定价的某一个参数,特定情况下怎么选,互联网语料和文献材料很少。但有一线交易实操经验的团队知道什么对、什么错,现有的数据里哪个权重应该更高、哪个应该更低。

如果只是把数据丢给模型专家,说“我有这些数据,你帮我去训吧”,最后的智能程度会非常低。就像经理让一个初级分析师分析问题,他直接把数据怼过去,那经理肯定会问:“我要你干什么?”

暗涌:只靠小圈子的经验,数据量够么?

子辰:首先,我们团队有能力从真实场景出发,针对需要解决的问题将相应的训练数据量放大。

另外,除了金融圈内的经验,我们还在做一件更有意思的事情,就是创建“模拟经验”的生成机制。它有些像AI斯坦福小镇,可以模拟人类的行为,各个角色在AI世界里交互。我们希望利用已有经验,用AI把数据量做大,去模拟更多有价值的经验。

暗涌:有具体的例子吗?

方正:关键技术细节,现阶段还不太方便透露太多。

但举一个例子,比如论文揭示的STAR机制,该机制处理的原始数据规模很小,而且全是有限、离散且信息与噪声高度浓缩的数值。

即便如此,我们仍然看到其中可以推导出有价值的观察结果,进而在后续阶段指导状态判断与决策行为。虽然应用于自进化和传统的后训练有所不同,但它印证了金融市场中很多信息可以被有效提取,并且作为信号推动AI系统与模型的整体迭代优化。

暗涌:金融领域现有的Benchmark怎么样,你们的垂类模型表现如何?

方正:现在金融领域的Benchmark并不是非常理想。比如去财报里找一些数字,本质上还是信息检索;或者是简单的计算,实质是把通用任务放到金融场景里。

我们也看到近期有一些Benchmark找专业人士标注,例如看一个问题需要从哪些角度思考的评测。但很多做得还比较粗糙,有些不是业内真正会考虑的问题。

子辰:我们不会盲目打榜。金融太大了,一个评测集可能只有小几百个问题。税务、会计、零售金融的问题跟机构金融的问题放在一起,各自覆盖面会比较狭窄。我们会针对性地判断,哪些Benchmark更适合我们。

Part02

自进化Agent:

即时感受市场变化

暗涌:为什么既要训练模型,又要让Agent自进化?

方正:它们是相辅相成的。由于通用模型在金融任务上的能力限制,只做Agent进化仍有效率和效果的瓶颈。与此同时,如果只做模型,那金融市场变化非常快,模型无法实时根据市场动态调整。

如果直接让通用大模型在金融任务上试错和进化,就像把基础能力不错的“高中生”送到华尔街,他成长为国际顶尖机构专业人士的进度,远不及直接引进具备扎实专业知识、高适应力的名校毕业生。训练金融专用模型,就是输出“AI金融名校生”。

我们希望Agent能够持续感知市场的变化,像人一样,慢慢沿着职业阶梯往上走。

暗涌:STAR自进化机制挖掘Alpha,和常见的Alpha挖掘有什么不同?这套机制会怎么用到产品里?

子辰:很不一样。一般大家会规定方向直接找Alpha。但我们的设计是让Agent进化成为一个很会找Alpha的研究员。

STAR加入了一个元认知模块,可以修改研究员的提示词、记忆、工具和研究流程。搜索时,也不只挑当前得分最高的个体,它会优先扩展能产生更强后代的谱系。论文里较少的进化步骤和成本,就将生成的因子使用的算子数量翻了将近7倍。

这些我们没有告诉它,都是它自主进化出来的。

反映到产品里,我们可以让用户定义自己想进化的方向。比如我现在有一个什么样的想法或者策略,你能不能通过STAR这套机制帮我进化,看看多少代之后会变得更好?这个是我们有机会做成“AI研究员”的能力之一。

暗涌:但论文的实验环境很简单,距离真正帮助机构做投资决策还有多远呢?

子辰:STAR这篇论文的核心目标并非优化单个Alpha因子,而是演化一个具备自主提炼能力系统的“Alpha研究员”。作为研究员,它能够综合市场现状、凝练思维框架、历史经验记忆及高阶数学算子工具,协同输出适配策略的量化因子。

这个世界上没有恒定的财富密码。

培养能够整合策略框架、经验与数学工具的研究型Agent,比单纯优化因子更具现实意义,也更契合人类研究员的工作逻辑。模型提出的因子,虽可通过不同样本及回测中的IC、IR和夏普比率等指标进行评估,但要将因子转化为最终的投资决策与收益,仍需历经投资组合构建、风险控制及交易执行等环节——这正是专业金融机构的标准运作流程。

现在机构大部分已经有自己比较成熟的机制,我们刚开始想做的是先融入进去。比如我给你一个好的Factor,你自己还有很多Factor,可以把它加进去做组合构建。

暗涌:怎么判断Agent给出的分析判断够不够专业?

方正:这里可以有很多方法,其中一种是将“高难度验证”转化为“低难度验证”。根据场景不同可以有很多具体实施细节,但其核心目标一致,即通过转换成正确性判定标准,简化整体验证流程。

不过,各种验证方法都无法完全取代行业最顶尖专家的重要性。我们有一个非常大的专家团来支持,他们是华尔街最顶尖的金融机构里的资深从业者,普遍有十几年、二十几年工作经验。

子辰:我举个例子。比如你问它怎么定价一个期权,普通的答案可能是看股票价格、波动率、股票的借款利率和股息率,这些都是教科书上能看到的东西。

但我们希望它能考虑到更多。比如这样的定价方式是否有对行业和同板块的分析,是否考虑到对未来事件的预测、对股票和行业未来资金流的分析等等。如果一个AI模型告诉我期权应该怎么定价,把这几点都说到了,我才觉得它在金融场景中是专业的。

Part03

未来之路

暗涌:FreerideAI首先想服务谁?他们最大的痛点是什么?

子辰:首先当然是希望金融机构和金融专业人士能满意。如果能做到,说明它达到了很高的智能水准。之后可以推广给更多普通人,这也是未来我们也想做的。

目前的问题是,大家根本不放心真的让AI协助投资决策。比如你问DeepSeek,明天该不该抄底?它会跟你说很多,看起来很专业,但有些回答存在AI幻觉,有些回答像教科书只给出概念。在专业的人看来,其实并不可用。

暗涌:现阶段,你们希望模型达到什么水平?什么时候能看到初步产品?

方正:近期要达到外资投行或者顶级对冲基金初级员工的能力,也就是有2到4年工作经验的员工水平。

随着模型训练越来越厉害,进化机制匹配得越来越好,再慢慢提高经验年限。当然,一开始是我们重点训练的场景和专业领域内,之后再逐步扩大事情的边界。

子辰:我们计划Q4推出初步Demo,到时候就可以看到一些特定场景的预演。衍生品定价是其中一个,未来还会逐渐泛化,扩展到二级市场交易、一级市场的投研等等。

暗涌:现在有密集接触投资人吗?什么时候准备启动下一轮融资?

子辰:最近主要在密集做产品研发和模型训练,等下个月Demo出来之后,再开始见一些投资人,准备融下一轮。

排版|郭栩君

图片来源|Unsplash

推荐阅读

钱的     流     向     ,     人的     沉     浮

跳转微信打开

  •  

永别了,豆包!

前端充电宝 2026-09-16 09:00 浙江

核弹级干货分享!

大家好!

今天的文章很特殊,是我一直不敢写的话题,前前后后删改好几次,一直到发文前才把它写出来。

因为它太重要了在当下大家都有可能用到,

真心希望所有人都能看见并重视起来!


▌ 先给新来的朋友交代下背景

老读者应该都知道,去年8月这款「全能AI」就关闭了长期买断通道。

原因很现实:平台模型调用成本持续上涨,长期不限量的定价,每多一个用户就多亏一份。

从那之后只剩一个方案:998元/年标准订阅。

没想到这半年后台的留言几乎每天被刷屏:

"长期卡还有没有?"

"能不能再开一次?"

"我愿意加价,求一个名额。"

尤其近一个月,大量新读者翻完历史文章后集体涌入,说"轰炸"都算客气。

与此同时,今年4月「全能AI」刚完成了一次底层架构重构的重大升级——从模型调度到功能扩展几乎推倒重来,目前已经是内测收尾了,一批新的AI和功能即将全面上线。

两件事撞在一起,我做了一个决定:

趁新功能全面铺开前,去找官方再争取一次。

沟通了好几轮,对方一开始明确拒绝——毕竟长期买断对他们来说也是亏本买卖,最终被我磨到松口,只给批了一个极小额度。

所以,我今天正式宣布:

临时追加100个终身会员名额

原价998元/年 → 今日前100名:298元终身买断

一次付费,不限量使用,后续所有功能更新免费同步

100个名额是我能争取到的上限,抢完即止,通道立刻关闭。

你只需要这一次投入,就能把以下所有AI全部收入囊中(共20多个,而且还在持续增加中……):

☑ 主流大语言模型

☑ AI绘画界的神

☑ AI修图界的魔改神器

☑ AI视频界的大王

☑ AI音乐界的天花板
……

☑长期福利——后续所有迭代的新AI和功能,免费同步更新!

▲长按扫码获取授权码▲

享终身会员,限量100人

我知道,对于刚接触的朋友来说,上面这串AI列表可能看得有点懵:这些东西到底好在哪?跟我平时用的那些AI工具有什么区别?

别急,接下来我把每个内核都拆开,一个一个给你看清楚。

看完之后你再决定要不要抢,完全尊重你的判断。

一、AI界三巨头:不是简单的聊天机器人,而是你的全能智囊

稍微了解AI行业的朋友都清楚,全球真正具备强大逻辑推理能力的对话模型,数来数去就那么几家。

而在我们的系统里,这些公认的主流天花板级大模型不仅全部打通,而且接入的都是高配版本——不是缩水版,不是套壳版,是原汁原味的满血体验。

更关键的是我们的更新速度:只要上游发布了新一代模型,我们基本上隔天就能完成同步上线。你在这里能体验当下前沿的AI技术,不用自己到处折腾。

但光说"模型强"太抽象了,我直接给你看几个真实使用场景:

场景一:你的随身法律助手

你需要一份措辞严谨的劳务合同,或者急需给房东拟一份退租说明?把需求丢进对话框,它不仅能快速生成结构清晰的文本,还会像一个经验丰富的法务顾问一样,主动帮你补齐容易被忽略的风险条款。

提示词:

拟一份北京某科技公司与员工的劳动合同,要求能够直接使用

场景二:多模态视觉识别,拍照就能问

我们的平台已经全面开放了多模态视觉能力。

遇到看不懂的英文报错信息?孩子拿来一道复杂的几何题?直接把截图丢进对话框,它会像一个耐心的私教一样,一步步帮你拆解、标注,讲得清清楚楚。

提示词:

求解图中的题目

我自己前阵子装修房子,去建材市场看石材,随手拍了几张大理石的照片发给它。结果它不仅准确识别出了石材种类,连纹路品相、市场行情、优缺点都给我分析得明明白白——说实话,比现场的销售顾问还专业。

提示词:

看下图中地砖的款式,都适合什么样的装修风格,给点建议,整理成表格输出

场景三:程序员的效率加速器

在代码开发领域,这套系统的表现堪称恐怖。

无论是从零搭建网页、编写自动化脚本,还是排查棘手的Bug,它输出的代码质量都非常高。你只需要用大白话描述需求,生成的代码很多时候可以直接运行,连修改都省了。

更贴心的是,平台自带前端代码实时预览功能。你在对话框里让它写一个网页,右侧立刻就能看到运行效果,不需要自己配置本地环境。

提示词:

直接为我生成一个完整的、可运行的单文件网页应用,目标是做出一个“非常惊艳、非常高级、非常像 2026 年高端AI产品官网”的落地页。

(省略了一段,需要完整提示词,请在评论区留言)

输出要求:

必须保证复制后可直接运行

场景四:自媒体人的内容生产线

如果你是做内容创作的,这个工具对你来说就是效率的质变。

不管是小红书种草文案、知乎深度回答,还是公文写作,给它几句内核提示,它就能快速产出一篇结构完整、语感自然、金句频出的高质量初稿。

很多时候拿过来微调几句就能直接发布,一天能帮你省出好几个小时。

提示词:

写一篇发布到小红书上的种草一款AI集合工具产品的爆款文章

在「全能AI」只需一次付费,即可终身免费畅享AI服务!

国内罕见的高性价比与稳定性,这波错过绝对后悔。

▲长按扫码获取授权码▲

享终身会员,限量100人

二、AI修图界的魔改神器:指哪改哪,精准无痕

「全能AI」里的修图功能,真正做到了"指哪改哪"且"不毁原图",每一处修改都精准细腻,看不出任何违和感。

直接看几个实用场景和准备好的提示词:

1、风格转换:真人一键秒变精致手办/二次元。 

提示词:

把这张照片转换成一个角色手办。在它身后放置一个印有该角色图像的盒子,并在旁边放一台电脑,电脑屏幕上显示 Blender 建模过程。在盒子前方加一个圆形塑料底座,角色手办站立其上。如果可以的话,将场景设置在室内。

2、照片修复:10秒让模糊、破损的老照片焕发新生。

提示词:

移除所有老旧损伤痕迹:划痕、瑕疵、褪色与霉斑,修复并自然着色此图像。精细还原人物五官并增强细节,保持画面干净柔和,避免过度锐化。

3、AI试衣:电商福音,免模特实现虚拟换装。

提示词:

图中的模特站在图中的场景里,右手牵着图中的狗,图中的衣物替换到模特身上,挎着图中的包,左手拿着图中的饮料,图中的文字在左下角

    4、证件照生成

    再也不用跑照相馆排队了。上传一张普通生活照,AI自动美颜、调光、换装、换背景,效果比专业的摄影师拍的还好。

    5、线稿上色:草图直接渲染成精美设计图。

    提示词:

    请为这张黑白线稿进行上色,配上合适的背景,变成一张装修效果图

    6、智能去背景+换场景——直出产品海报

    做电商的朋友都懂,拍商品图最麻烦的就是抠图和换背景。以前要用PS慢慢抠,头发丝、透明物体特别难处理,现在:直接上传商品图+指令秒出图。

    这些功能在其他平台上,要么找不到入口,要么需要单独付费订阅。而在我们这里,全部包含在内,长期更新,不限用量。

    ▲长按扫码获取授权码▲

    享终身会员,限量100人

    三、AI绘画界的神:无限量畅用,零焦虑创作

    在AI绘画领域,「全能AI」接入的生图模型,在业内的口碑和实力都是有目共睹的。

    只需要输入几个关键词描述,它就能从无到有生成令人惊艳的画作。无论是高端商业海报、创意插画、写实人像,还是二次元动漫风格,统统不在话下。

    提示词:一个男孩在雨后骑车穿过开满绣球花的山坡,湿润的道路倒映着阴天,整体是清新的绿色调,带有惆怅感的日系动画电影氛围,动态轻盈,背景绘制细腻。

    ▼看看这生成的创意,栩栩如生▼

    ▼一次生四张,张张极品▼

    而且「全能AI」提供的是原生绘图接口,功能完整度拉满:文生图、图生图、高清放大、局部重绘、风格变换……我们一个不少。

    最重要的是——没有用量限制。

    你没看错。相比那些按月付费、还限制生成次数的平台,我们这里完全不存在"用量焦虑"这回事。想画多少画多少,随便造。

    ▲长按扫码获取授权码▲

    享终身会员,限量100人

    四、AI视频界的大王:视频创作的效率革命

    生成的视频极度真实,而且支持自动配音且口型完美同步。

    全能生成:支持文生视频(一句话变大片)与图生视频(单图变短视频)。

    电商神器:产品图直接生成带货视频,生产力炸裂。 

    提示词:

    提示词:帮我做一条遮阳帽的带货视频,女声口播

    「全能AI」的会员无限随便用!

    ▲长按扫码获取授权码▲

    享终身会员,限量100人

    五、AI音乐界的天花板:人人都是音乐家,也是歌手

    只需输入歌词与风格,瞬间生成天籁之音,效果绝对炸裂!足以让专业音乐人汗颜。

    ▼先来听听创作出来的歌曲▼

    ▼再来看看在「全能AI」里的操作过程▼

    歌词: 

    第一段(主歌): 

    闹钟在耳边 吵个不停 脑袋还困在 梦里旅行 早餐随便啃 几口面包 出门就撞进 人潮拥挤 手机消息 不停在刷屏 这世界好像 太吵太急 想说点什么 又懒得整理 干脆就 放肆一点 随性

    (省略了一段,需要完整提示词,请在评论区留言)

    副歌(高潮): 

    叽里呱啦 叽里呱啦 烦恼全都 丢一边吧 快乐不用 太多复杂 笑一笑就 轻松一下 叽里呱啦 叽里呱啦 跟着节奏 轻轻摇摆呀 不用假装 多么优雅 自在一点 最最潇洒

    尾声: 

    开开心心 每一天呀

    风格:

    流行,嘻哈,节奏蓝调,欢快,积极

    从此告别门槛高和费用贵(月费约70元)的痛苦。

    何必花那冤枉钱?「全能AI」会员直接终身使用,告别按次收费!

    ▲长按扫码获取授权码▲

    享终身会员,限量100人

    六、多端同步:随时随地,无缝切换

    完美适配安卓、iOS及网页端。

    聊天记录与创作数据云端实时同步,无论电脑还是手机,切换设备无需迁移,随时随地无缝续接灵感。

    ▼长按扫码获取授权码▼

    享终身会员,限量100人

    七、超值赠品:今天下单,即送3000元搞钱干货

    我做这套系统的初衷,不仅仅是给大家提供一个好用的工具。我更希望你能借助这个工具,真正提升自己的工作效率,甚至找到新的收入增长点。

    所以,凡是今天通过本文下单的朋友,我个人额外赠送3套精心整理的实用资料:

    🎁 福利一:《AI效率提升实操手册》(价值799元)

    下单后凭截图联系客服领取。这套资料我会持续更新,涵盖各行各业如何利用AI工具提升工作效率的实操案例。

    🎁 福利二:《AI写作进阶全套方法论》(价值599元)

    这是我们团队耗时两个月,精心打磨的近10万字深度内容,从文案写作到内容策划,系统性地教你如何用AI辅助创作。

    🎁 福利三:《自媒体优质内容创作指南》(价值699元)

    内核目标只有一个:手把手教你如何借助AI工具,持续产出高质量的文章内容。

    注意:以上福利仅限通过本文下单的朋友领取,其他渠道不享受此权益。

    ▲长按扫码获取授权码▲

    享终身会员,限量100人

    八、算一笔账:298元到底帮你省了多少钱?

    如果你之前深度使用过各类独立AI工具,心里一定有一本账。

    像我们这种融合了"AI界三巨头+AI视频界的大王+AI绘画界的神+AI修图界的魔改神器+AI音乐界的超巨天花板……等20多个超级AI"的综合平台,如果在市面上逐个去订阅,费用是非常惊人的:

    AI界三巨头之主流对话能力:约150元/月

    AI界三巨头之代码辅助:约150元/月

    AI绘画界的神:至少200元/月

    光这三项,每月硬支出就超过500元,一年下来就是6000元以上。

    而这还没算AI修图界的魔改神器、AI视频界的大王、AI音乐界的天花板的费用。全部加起来,一年的订阅成本轻松破万。

    说实话,对于普通上班族、自由职业者、学生党来说,谁愿意长期背负这么高的订阅压力?

    但今天,你只需要298元,一次性打通所有硬核AI,长期使用,后续更新全部免费。

    这笔账怎么算都是划算的。

    🔔 温馨提示:100个名额售罄后,长期买断通道将立即关闭,届时将恢复为998元/年的标准订阅价格。

    ▲长按扫码获取授权码▲

    享终身会员,限量100人

    九、最后唠两句

    今天这100个长期买断名额,确实来之不易。

    从去年8月关闭信道到现在,大半年的时间里,我收到了太多太多的请求和期待。这次能重新争取到这批名额,说实话我自己也松了一口气。

    但我必须把话说清楚:这是一次面向公众号读者的专属回馈,名额极其有限,不会常态化开放。

    你用一顿朋友聚餐的花费——298元,换取一套在市面上需要花费数千元才能凑齐的AI工具平台,而且是长期不限量使用,后续所有新功能免费同步更新。

    这笔账划不划算,相信你心里有数。

    🔔 最后再明确一次规则:

    · 前100位下单用户:298元享受长期VIP权限

    · 100个名额售罄后:长期买断信道立即关闭,系统自动恢复为998元/年的标准订阅价格

    如果你之前就一直在关注「全能AI」这个产品,这次真的不要再犹豫了。这已经是你能拿到的最优价格方案。

    🔥 限时限量 · 仅100名 · 卖完即止

    ¥298 = 终身会员

    一次付费 · 长期使用 · 主流AI全解锁

    终身会员卖完下架·之后只有998元/年卡

    长按识别二维码 · 抢终身会员

    🎉 评论区互动抽奖 🎉

    今天高兴,给家人们再送一波福利! 

    欢迎在底部评论区留言,聊聊:“你最想用「全能AI」来帮你解决什么具体问题?”

    将从精选留言中抽取3位走心粉丝直接赠送『终身会员』一个!

    抽奖暗号: 留言越真诚和真实中奖率更高哦!冲冲冲~

    阅读原文

    跳转微信打开

    •  

    Latent Labs:Alphafold 3 发布两年,AI 药物设计进展到了哪一步?

    原创 Daniel、Cage 2026-09-15 18:00 北京

    Alphafold 原班人马打造的分子设计模型与 Agent

    作者:Daniel

    编辑:Cage ⁠

    我们认为,AI for Science 是 AI 继 Coding 之后的下一个重点方向。而药物发现又是其中最有前景的赛道。一方面,药物试验拥有完整反馈闭环且高度可验证,是实现 RSI 的理想场景。另一方面,AI 可以解放实验人员的产能,使得大量休眠靶点有重新开发的机会。我们有十足的理由相信,下一个药物大发现时代很可能便是由 AI 推动的。

     ⁠

    AlphaFold 让我们看到了 AI 理解蛋白质结构的能力,而 AI 的下一个战场,是设计传统方法做不到的分子。这是一个激烈竞争的领域,除了从 Google Deepmind 中诞生的 Isomophic 之外,Chai Discovery、Boltz、 Latent Labs 也分别发布他们的预测模型与药物模态区别化下注。蛋白质从头设计也逐渐走近药物研发的实际应用。

     ⁠

    Latent Labs 是观察这一变化的重要样本:创始人 Simon Kohl 曾参与 AlphaFold 2 的核心研发,押注了环肽这一新兴模态类型并选择自建湿实验室。2025 年 2 月,公司以累计 $5,000 万融资走出隐身状态,吸引了包括 Jeff Dean、Aidan Gomez 的天使投资。同年 7 月,发布了面向小蛋白与环肽的生成模型 Latent-X。并在 12 月用 Latent-X2 进一步覆盖纳米抗体和抗体片段,并关注表达、稳定性及免疫原性等成药相关性质;2026 年 3 月发布的 Latent-Y 则是在这些模型之上构建的科研 Agent。

     ⁠

    不可否认的是,目前各家正在测试的蛋白质还没到可以成药的阶段。他们只是完成了流程的第一步:证明自己能够作为结合物发挥作用。如果我们把药物的研发比作登山,人类过去已经攀登过无数山峰,且资本市场也给予了创新者极其丰厚的回报。从 PD-1 到 CAR-T,再到近期大火的 GLP-1 都是很好的证明。但攀登的道路极其困难,往往需要数年+数十亿美元作为成本。AI 药物发现的目标,是把一条条狭窄的山路变成高速公路,且让人们向更高更危险的山峰发起冲击。

    ⁠/⁠

    01.

    Key thesis:

     ⁠

    •蛋白质生成模型的出现颠覆传统制药流程,很可能带来一个药物大发现时代

     ⁠

    传统药物发现是在庞大的真实分子库中寻找少数有效候选,生成模型则可以根据需求设计自然界不存在的分子。变化不仅是筛选效率提高,更是能够探索过去难以触及的分子空间。长期价值不只是“更便宜地做药”,而是让同样的研发资源能够探索更多项目,未来的药物研发可能打破“反摩尔定律”,实现质和量的大幅跃升。

     ⁠

    •结合物发现环节高度可验证,是实现 RSI 的理想场景,Latent 湿实验室自建为竞争优势

     ⁠

    在药物发现里面,设计结合物环境是最为可控,最容易产生 loop 的。结合本质上就是两个分子表面的形状互补 + 化学互补,有明确的物理规律,终点明确且反馈回路快。随着计算生成成本下降,稀缺资源将逐渐从候选分子转向高质量的实验反馈。Latent 逐步将实验能力放于内部,有机会更紧密地连接模型研发与实验判断。

     ⁠

    •生物医药领域长坡厚雪,每种模态都会诞生领先大玩家, Latent 模态选择上有差异

     ⁠

    行业内短期的催化是专利断崖正在发生,各大药企开始重视药物发现相关技术。不同模态面对的设计约束和开发难点不同,单一模型难以在所有任务上保持优势,制药公司也倾向与多家公司合作。大环肽是 Latent 最值得关注的切入口。它有机会覆盖传统小分子难以处理的结合界面,同时在部分场景中提供不同于抗体的药物属性。它也是目前的热门赛道,已有多款新药受到市场青睐。

     ⁠

    •以 AlphaFold 成员为班底打造的明星团队

     ⁠

    创始人 Simon Kohl 参与开发 AlphaFold 2,随后发起并共同领导 DeepMind 的蛋白质设计团队;创始技术成员 Alex Bridgland 曾参与 AlphaFold 1、2、3,覆盖模型开发、评估与数据工程。团队中多数成员拥有丰厚药物模型研发经验,与专注实验平台与内部湿实验室的科学家形成互补。团队还有前默克集团 CEO 作为顾问参与,为团队打进大型制药公司奠定基础。

     ⁠

     ⁠

    02.

    Latent Labs 技术路线

     ⁠

    Alphafold 之后,从预测蛋白到生成蛋白

     ⁠

    如果说以 AlphaFold 2 为代表的结构预测模型是一台“AI 显微镜”,帮助人们看清蛋白质的形状,那么蛋白质生成模型更接近分子世界的 CAD:根据功能需求,设计自然界中尚不存在的分子。

     ⁠

    以蛋白质结合物设计为例,它是在反向求解蛋白质折叠问题。结构预测从一条氨基酸序列出发,判断它会形成什么样的三维结构;生成设计则从目标出发:给定一个疾病靶点和希望结合的表面区域,寻找能够稳定折叠,并与之结合的新序列。

     ⁠

    一条设计蛋白质的典型流程是:

     ⁠

    获得靶点结构→生成结合物的结构与序列→重新预测复合物结构→筛选候选→湿实验验证

     ⁠

    2023 年发表的 RFdiffusion,让分子世界的 CAD 初具雏形。研究团队将原本用于结构预测的 RoseTTAFold 改造成去噪扩散模型,让它从随机噪声中逐步生成蛋白质骨架,再交给其他模型配上氨基酸序列、检查能否折叠成预期的形状。几个模型各司其职,组成了一条早期的蛋白质设计流水线:先画出轮廓,再补齐细节,最后检查。

     ⁠

    自此,预测模型从观察一个分子,走向理解多个分子如何共同组成一个系统。AlphaFold 2 可以从氨基酸序列预测蛋白质的三维结构。2024 年 5 月,AlphaFold 3 将蛋白质、DNA、RNA 和小分子等纳入统一的复合物预测框架。这让研究人员在设计新分子时,多了一种检查它与靶点是否匹配的工具。

     ⁠

    除了 Ismorphic Labs,不少公司也从这一层切入。比如 Chai Discovery、Boltz。2024 年 9 月,Chai 发布 Chai-1,预测多类生物分子的结构及其形成的复合物;同年 11 月,Boltz 团队发布 Boltz-1,并开放训练代码和模型权重。

     ⁠

    而 Latent Labs 没有跟随先做结构预测的路径,而是直接做蛋白质生成设计。创始人Simon Kohl是参与开发 AlphaFold2 的核心人员和论文作者,Isomorphic Labs 当时正在沿着 AlphaFold 向多个药物研发方向扩张,而他认为蛋白质设计本身已经足够庞大,值得由一个更小、更灵活的团队集中突破。于是决定单独创业。他们的伦敦团队负责开发基础模型,旧金山则有湿实验室和计算生物团队,测试模型设计出的分子,将实验反馈用于模型研发,并采集训练数据。

     ⁠

    2025 年,三家公司开始交生成模型的答卷,第一代生成模型相继亮相:

     ⁠

    •6 月,Boltz-2 在结构预测之外加入结合亲和力预测,迈出了生成模型的第一步;

     ⁠

    •同月,Chai-2 发布,成为第一个从零设计抗体的生成模型。

     ⁠

    •7 月,Latent 发布首个模型 Latent-X,首先展示了环肽和小蛋白的从零设计能力。

     ⁠

    •10 月,Boltz 推出生成模型 BoltzGen,正式进入结合物设计。

     ⁠

     ⁠

    主力模型:Latent X

     ⁠

    2025 年 7 月,Latent-X1 发布。

     ⁠

    它首次公开展示了 Latent 的端到端全原子蛋白质设计能力。用户提供靶点序列、骨架结构和希望结合的热点后,模型联合生成新结合物的氨基酸序列,以及结合物—靶点复合物的全原子构象。

     ⁠

    Latent-X 首先选择了大环肽(macrocyclic peptide)和小蛋白(mini-binder),而没有直接挑战完整抗体。团队在 7 个治疗相关靶点上进行湿实验,每个靶点最终测试 30 至 100 个设计。公司报告的大环肽命中率为 91%至 100%,mini-binder 为 10%至 64%,并获得了低纳摩尔乃至皮摩尔级 binder。

     ⁠

    其中在环肽方面,Latent-X1 在三个靶点上的受测样品命中率达到 91%–100%,高于 RFpeptides 文献报告的 21%–38%,且在 MDM2 靶点的亲和力方面实现了更低的 KD 值。

    RFpeptides 是华盛顿大学蛋白质设计研究所(IPD)开发的 AI 环肽设计方法,由 David Baker、Frank DiMaio 和 Gaurav Bhardwaj 三个实验室联合开发,可以理解为 RFdiffusion 面向环肽设计的延伸。

     ⁠

    2025 年 12 月,Latent-X2 发布,目标是生成更接近药物的分子。

     ⁠

    X2 可以输入指定表位,只生成关键结合区域,并把能力扩展到 VHH 和 scFv。团队对每个组合只测试 4 至 24 个设计,在 18 个靶点中的 9 个上获得成功,同时评估表达量、聚集倾向、多反应性、疏水性和热稳定性;部分代表性 VHH 还进行了人源供体的离体免疫原性实验。

    •Agent 产品 Latent-Y

     ⁠

    2026 年 3 月发布的 Latent-Y 是建立在 Latent-X1 和 X2 之上的 AI Agent。它把原本需要多位专业研究人员完成的蛋白质设计流程,封装成一个可以用自然语言操作的产品。Latent-Y 可以从自然语言目标出发,完成文献检索、靶点分析、表位选择、调用 X2 生成、计算验证和候选筛选。公司报告中,它在 9 个靶点里为 6 个找到了实验确认的 binder,为科研人员打造蛋白设计的“Cursor”。

     ⁠

    按时间顺序排列的三家公司主要产品发布

     ⁠

    Latent 的差异化下注

     ⁠

    模态类型:环肽

     ⁠

    从产品策略看,Latent 则先用大环肽与小蛋白展示生成模型的能力,再于 2025 年 12 月发布 Latent-X2,将设计范围扩展至 VHH 和 scFv 等抗体格式。环肽始终是这条产品路线中的重要组成部分。

     ⁠

    环肽是近期比较热门的研发方向,它处在小分子与抗体之间的“中间地带”,容易进入细胞:它的接触面积大于传统小分子,因此有机会识别平坦的蛋白质相互作用界面,并有接近抗体的亲和力和特异性;环化又可能提高抗蛋白酶降解能力,可以作为口服、缓释药物。

     ⁠

    比较出名的例子包括:

     ⁠

    •强生与 Protagonist 合作开发的 icotrokinra,是一款靶向 IL-23 受体的口服大环肽药物,2026 年 3 月获美国批准用于中重度斑块状银屑病,预测峰值销售超 $50 亿。

     ⁠

    •默沙东的 enlicitide ,一款靶向 PCSK9 的大环肽。2026 年 7 月获批,用于降低高胆固醇血症成人患者的 LDL-C,其 2033 年销售额预期超 $50 亿。

     ⁠

    数据闭环:自建湿实验室

     ⁠

    从 2024 年开始,Latent 便在旧金山运行湿实验室,并将实验验证作为模型研发的重要支点。从招聘信息可以看出,伦敦的 Computational Protein Designer 主要负责计算设计;旧金山的同岗位则额外要求较强的湿实验经验,需要亲自开展蛋白表达与纯化、生物物理表征和功能实验。

     ⁠

    我们可以从 Latent X1 模型的实验论文了解内部实验平台的分工,以小型蛋白质结合物 mini-binder 为例,模型先为每个靶点生成约 2 万个设计,再根据预测结构选出 100 个候选进入实验,进入两条相互补充的验证路径:

     ⁠

    •一条交给外部服务商 GenScript:先根据设计序列生产蛋白质,再用 BLI,检测它与靶点是否结合再进一步测量,确定结合强度及结合、解离的速度。

     ⁠

    •另一条由 Latent 内部完成,采用的是哺乳动物细胞表面展示,简称 mDisplay。研究人员将编码候选蛋白的 DNA 导入细胞;随后加入靶蛋白,通过荧光信号观察候选是否成功展示、能否抓住靶点。

     ⁠

    这套双重筛选方法,让研究人员能够在原理不同的结合检测平台上,交叉验证哪些候选真正命中了靶点。

    在这里,Latent 的自建实验室与外部服务商是协同关系。DNA 合成、部分材料制备,以及蛋白质生产和仪器测量,仍然由外部机构承担;Latent 则将一部分验证环节放在内部,让计算设计人员能够更直接地接触实验结果。

     ⁠

    如果说 X1 论文更像是在验证自己内部的实验能力,那么近期我们能看到公司在越发重视实验的迹象。2026 年 3 月,Latent 在旧金山招聘 Head of Lab Platform 与 Research Lab Scientist。希望招聘具有从零搭建实验室经验的人,进一步扩展现有的高通量实验、自动化和数据管理能力。在未来,Latent Labs 可能会把更多湿实验室环节放进内部。

     ⁠

    携手 AWS 接入客户

     ⁠

    2025 年 5 月,Latent Labs 与 AWS 宣布多年战略合作,覆盖模型训练与推理所需的云基础设施,以及面向生命科学客户的商业推广。Latent 提供生物生成式 AI 模型,AWS 则作为其首选云服务商提供算力支持。Latent 使用 Amazon SageMaker HyperPod 扩展计算资源,支撑模型研发和客户使用;同时借助 AWS 的合作伙伴网络与市场拓展支持,触达更多药企、生物技术公司和科研机构。

     ⁠

    Latent 旗下模型也接入了 Amazon Bio Discovery 平台:这是 AWS 于 2026 年 4 月推出的 AI 药物研发应用,目前主要面向早期抗体发现。平台将生物 AI 模型、科研助手和外部实验服务整合到同一个工作环境:科研人员可以选择模型并评估候选分子,再将选定候选交给合作实验室测试。

     ⁠

    该平台已公布的早期采用机构包括纪念斯隆凯特琳癌症中心(MSK)、拜耳、Broad Institute、Fred Hutch Cancer Center 和 Voyager Therapeutics。

     ⁠

     ⁠

    03.

    Why now

     ⁠

    De novo design:从创造分子到 RSI

     ⁠

    传统结合物发现的流程需要:

     ⁠

    1.先准备一个非常大的真实分子库;

     ⁠

    2.用噬菌体展示、酵母展示、动物免疫等方式做实验筛选;

     ⁠

    3.从百万到十亿级候选中找到少量结合者;

     ⁠

    4.再做亲和力成熟、特异性和成药性优化。

     ⁠

    而 De novo design(从头设计) 彻底改变了研发的起点:研究者可以先指定靶点、结合位置和功能要求,再设计满足这些条件的新序列,将自然界中原本不存在的分子纳入药物发现。只合成模型排名最高的一小批。

     ⁠

    AI 最明显的突破是压缩早期结合物发现的时间和实验规模。传统抗体发现采用动物免疫等路线,获得初始结合物通常需要数月;之后还要完成候选优化和临床前开发。参考药明生物的公开材料,DNA-to-IND 阶段的典型周期为 6–15 个月,对应$500 万- 800 万。

     ⁠

    同样类比早期发现环节,Chai-2 针对 52 个抗原,每个靶点、每种抗体格式测试不超过 20 个设计,报告约 16% 的候选级结合命中率,并在一半靶点上获得至少一个结合物;从计算设计到湿实验验证,用时不足两周。

     ⁠

    通过对蛋白生成设计发展的观察,我们可以看到:

     ⁠

    从模型能力到工作流编排,再到干湿实验闭环,竞争正向完整研发流程延伸。随着基础预测能力正在快速开源化,Latent 与 Boltz 纷纷发力 Agent 编排与工作流,希望争夺成为这个领域的操作系统。下一阶段,差异化可能更多来自能否有效连接计算设计与实验验证,让实验结果持续反馈到下一轮设计中。

     ⁠

    药物发现的未来,将逐步走向智能科学的 RSI:lab-in-the-loop 是实现这一愿景的重要基础。它将湿实验室接入AI的设计与决策循环,让每一轮实验既筛选候选,也为下一轮探索提供信息,从而以更低的总成本、更短的时间,获得足以支持项目推进或终止的可靠证据。而在结合物设计阶段,更容易形成闭环,相较于药物研发的后续环节,这一阶段的实验环境更可控,评价终点更明确,反馈周期也更短。分子结合主要取决于两个分子表面在形状和化学性质上的互补,并受到明确的物理规律约束。这些特征使结合物设计更容易形成“设计—实验—反馈—改进”的循环。

     ⁠

    专利断崖正在发生,AI 加速新/旧靶点的开发

     ⁠

    药物研发长期承受反摩尔定律的压力:Eroom’s Law 最初描述的是的 1950 年至约 2010 年间,每十亿美元研发投入对应的新药产出大约每九年减半。而AI可能是有潜力逆转这个趋势的技术。

     ⁠

    而另一个大趋势是药企的专利断崖正在发生,根据 Evaluate 预测,我们即将迎来下一个专利到期的高峰。2026-2032 年,累计有超过 5000 亿美元销售额可能面临专利过期的风险,药企需要寻找下一个大药物。

     ⁠

    专利断崖会迫使大药企更积极地采用 AI 技术、投资 AI 公司、与 AI 公司合作。Isomorphic、Chai、Boltz 近期接连签下大订单,背后都有大药企面对专利断崖、需要新管线的驱动因素。而具体看,AI 带来的机会集中在两个方向:

     ⁠

    1.大量未开发靶点迎来重新开发的机会

     ⁠

    药企长期积累了大量尚未完成的研发项,这些未被开发的机会远比已经上市的药物多。2024 年的一项系统研究估算,在人类 19,813 个蛋白编码基因中,约有 4,729 个可能被生物药调控,但只有 755 个已经成为获批药物的靶点。即便只看曾经进入临床开发的靶点和疾病,约 170 万种潜在的“靶点—适应症”组合中,也只有 2.5% 被实际探索过。

     ⁠

    过去,药企很难系统性地重新检查这些项目,而蛋白生成模型的出现,给了研究人员大量开发难成药靶点的机会。Isomorphic Labs 与 Novartis 最初围绕 3 个高难度靶点合作,一年后又增加了最多 3 个项目,说明大型药企已经开始把真实的早研问题交给 AI 平台。

     ⁠

    2.AI 做 me-better /best-in-class 的机会

     ⁠

    AI 可以针对这些已验证靶点,设计出更好的分子,AI 可以探索传统方法覆盖不到的序列空间,可以找到完全不同的结合模式,实现跨越式改进。另外,AI 蛋白设计本质上是高维搜索和优化。老靶点已经积累了大量结构、突变、药理和临床数据。问题因此从开放式的生物学探索,变成了一个边界清晰的分子优化任务。

     ⁠

    生物医药领域特殊的行业结构,也为多家企业一同创造价值提供了空间。专利保护使任何成功创新有机会获得持续回报,而不同疾病、治疗机制和患者群体又形成了多个独立的市场。企业既可以通过 first-in-class 开辟新的治疗路径,也可以通过 me-better/best-in-class 在疗效、安全性或用药便利性上建立优势。因此,一家公司即使只在有限的治疗领域取得突破,也可能通过自主销售、授权或并购实现较大价值。

     ⁠

    因此,这是一个极其长坡厚雪的赛道,一条条成功的管线则是这个领域可被验证的节点。

     ⁠

    下一个大制药公司可能在 AI 发现平台中诞生

     ⁠

    全球药企每年约有 3,000 亿美元研发支出,其中,top 25 家药企约花费 1760 亿,占全球约 61%,头部集中度高的特性。其中临床前部分约占到研发支出的 15%,大约占到每年 450 亿。这 450 亿美元构成了 AI 药物发现最直接的第一层预算池。如果 AI 能够避免临床前阶段 20%–40% 的低价值试错,对应每年约 90 亿至 180 亿美元的经济价值。

     ⁠

    AI发现平台的长期上行,来自将药物发现转化为一种能够持续积累、重复产出新资产的研发能力。一个分子的设计和筛选成本,只是项目总投入的一部分。如果靶点选择、疗效或安全性问题直到临床阶段才被发现,此前投入的时间和资金便可能难以收回。AI如果能够更早识别高风险项目,提高进入临床项目的平均质量,其经济价值会显著超过减少几轮筛选实验。

     ⁠

    历史上,新一代平台型药企的出现,往往都发生在一次科学突破被工程化、工业化的窗口期。重组 DNA 技术催生了 Genentech;受体陷阱蛋白和全人抗体工程平台支撑了 Regeneron;核苷修饰和递送技术促成了 Moderna。AI 与这些技术的不同之处在于,它不是一种单独的治疗模态,而是一套可以横跨小分子、抗体、蛋白质和核酸的发现基础设施。因此,它理论上能够支撑的管线宽度更大,平台的上限也可能更高。

     ⁠

    目前而言,最接近下一代制药公司的是 Isomorphic Labs,公司在 2024 年与 Lilly、Novartis 的合作,首付款分别为 4,500 万和 3,750 万美元;另有分别最高 17 亿和 12 亿美元的条件性里程碑,以及销售分成。

     ⁠

     ⁠

    04.

    竞争格局

     ⁠

    目前在大分子领域,最为突出的竞争者分别是前 OpenAI、Meta FAIR 研究者 CEO Joshua Meier 创立的 Chai Discovery 和从 MIT Jameel Clinic 研究项目发展出来的 Boltz。他们的路线差异具体如下:

     ⁠

    •Chai Discovery:专注抗体,Enterprise-first,强调模型性能和大药企深度部署。

     ⁠

    •Boltz:专注开源模型 + API 的收费逻辑,主打全模块。让 Claude/Codex/ 药企内部 agent 组合工作流

     ⁠

    •Latent Labs:环肽路线,拥有湿实验室。目前与 AWS 合作负责分发,在客户方面走 Chai + Boltz 的混合路线。

     ⁠

    技术

     ⁠

    尽管缺乏 head-to-head 数据直接对比,但从三家公开实验中,我们可以看到各家的侧重点有所不同:

     ⁠

    •纳米抗体与小蛋白模态更像是 AI 的低垂果实,是各家开始时共同选择的方向,但仍处早期方向。

     ⁠

    •小分子与抗体类药物目前最成熟成药最多,都有数千亿美元的规模。但可能面临 Isomophic 的竞争。

     ⁠

    •Chai 从一开始就专注抗体领域,目前属于领先地位。

     ⁠

    •环肽是近期较热门的新兴方向,且这个赛道目前 Latent 暂时领先。

     ⁠

    商业化

     ⁠

    Chai 是三家中合作最成熟、交易结构最清晰的,已经进入了大药企正式部署阶段。其特点是定制模型路线,利用制药公司的专有数据,并深入适配其工作流。Chai 已公开宣布与五家独立药企合作,且年度订单费用高达中八位数美元。根据测算,其年度订单规模可能已经高达 2 - 3 亿美元。

     ⁠

    而 Boltz 走的是开源 + 基础设施路线,Boltz-1、Boltz-2 和 BoltzGen 形成了三家里最深的开放模型栈,产生明显的学术与产业分发。目前累计超过 500 万下载、被超过 10 万科学家和 1000 家公司使用,并覆盖前 20 的制药公司。公司已经推出 API 产品,与 Claude Science、Benchling、Phylo 等工具和平台的集成,作为其他科研平台的底层能力供应商。

     ⁠

    在费用方面,参考 Boltz 对 BoltzMol-1 的描述,一个小分子从靶点到实验验证的初始hit,计算加实验预算约为 10,000–15,000 美元,耗时 3–8 周。收费量级相比闭源合作类型少了一到两个量级。

    在商业合作方面,Boltz 获得了三家的医药公司合作订单,但跟 Chai 的模式不同的是,Boltz 并不保留平台开发产生的化合物所有权,因此更多扮演一个工具属性。

     ⁠

    潜在范式竞争:Anthropic

     ⁠

    Anthropic 是目前大模型公司中最看重 AI for Science 的,正通过大量科研实验和人才招聘进入生命科学领域。

     ⁠

    在最近一次蛋白质设计实验中,Claude 根据操作手册自主查阅资料、制定设计策略,并调度专业模型生成和筛选候选分子,再由 Adaptyv Bio 和 Twist Bioscience 进行湿实验验证。

    Claude 成功编排了多个开源蛋白质设计模型,生成了具有高成功率和高亲和力的结合剂。报告显示,整体结合命中率为 26.8%,15 个靶点中有 14 个获得结合分子。

     ⁠

    这里 Claude 负责理解研究目标、选择设计策略并调度工具;具体到生成骨架、设计序列和预测复合物,仍由专有模型完成。从竞争格局看,通用模型公司与专业模型公司也可能形成上下游合作。通用 Agent 可能可以成为专业模型的分发入口。

     ⁠

    另外,Anthropic 最近更新了一则招聘招聘企业发展负责人,主要职责为发掘并执行与 AI 原生生命科学公司的收购、投资和战略合作。说明 Anthropic 希望通过收购强化在生命科学中的地位。

     ⁠

     ⁠

     ⁠

    05.

    团队与融资

     ⁠

    以 AlphaFold 为班底的核心团队

     ⁠

    •Simon Kohl|创始人兼 CEO

     ⁠

    早期在德国卡尔斯鲁厄理工学院(KIT)学习物理,随后在德国癌症研究中心与KIT开展医学影像机器学习博士研究。加入DeepMind后,是AlphaFold 2的核心研发成员之一、Nature论文同等贡献作者,参与了神经网络架构与训练开发。他还开发了广泛使用的结构置信度预测机制pLDDT,起并共同领导DeepMind的蛋白质设计团队。

     ⁠

    •Paul F. Jaeger|Head of AI

     ⁠

    现任 Latent Labs AI 负责人。此前在 Google DeepMind 参与面向药物研发的大语言模型研究,是 TxGemma 的关键贡献者,并参与将大语言模型用于单细胞分析的研究。更早在德国癌症研究中心完成博士研究并领导交互式机器学习团队,是医学影像分割框架 nnU-Net 的共同一作。

     ⁠

    •Alex Bridgland|创始技术成员

     ⁠

    曾参与 DeepMind 的 AlphaFold 1、2、3,积累了跨多代蛋白模型的研发与工程经验。他是 AlphaFold 2 Nature 论文的同等贡献作者,主要参与数据、分析与推理系统开发。加入 Latent 后,与 Simon Kohl 共同搭建最初的机器学习代码库,并参与 Latent-X 的模型架构、预训练方法及数据流程开发,是公司早期模型与工程系统的重要建设者。

     ⁠

    •Stefan Oschmann|战略顾问

     ⁠

    曾任德国默克集团 Merck KGaA CEO,拥有大型医药与生命科学企业的管理经验。2025 年 12 月宣布其担任 Latent Labs 战略顾问。

     ⁠

    除此之外,团队还有两名曾在 David Baker 团队的研究人员,以及专注实验平台与内部湿实验室设计的多名科学家。

     ⁠

    融资历程

     ⁠

    Latent Labs 最新一轮为 2025 年 2 月 天使轮 + A 轮融资 5000 万美元。A 轮由 Radical Ventures 与 Sofinnova Partners 共同领投,早期投资方包括 8VC、Kindred Capital 和 Pillar VC。天使投资人则包括 Google 的 Jeff Dean、Transformer 论文共同作者 Aidan Gomez,以及 ElevenLabs 联合创始人兼 CEO Mati Staniszewski。

     ⁠

    相比之下,Chai Discovery 的融资节奏最快、规模也最大。从 2024 年 9 月的约 $3,000 万种子轮起,公司在不到两年内连续完成 A、B、C 三轮融资,累计融资约 $6.3 亿。2026 年 7 月的 C 轮融资金额为 $4 亿,估值达到 $38 亿,由 Index Ventures 领投,Kleiner Perkins、Sequoia 等参与;OpenAI 和 Thrive Capital 则是其早期投资方。

     ⁠

    Boltz 仍处于更早期阶段,于 2026 年 1 月完成 $2,800 万种子轮融资,估值为 $1.25 亿。投资方包括 Zetta Venture Partners、Amplify Partners、a16z 和 Factorial Capital,个人投资者包括 Hugging Face 联合创始人兼 CEO Clément Delangue。

     ⁠

    ⁠⁠⁠

    作者卡片

    编辑卡片

    ⁠⁠⁠

    延伸阅读

    Astra 的 Computer Use 能力是如何实现的?⁠

    Astra 的 Computer Use 能力是如何实现的?

    ›

    2 万亿美元的 Anthropic 值不值得买?⁠

    2 万亿美元的 Anthropic 值不值得买?

    ›

    DeepSeek Harness 是自进化 Agent 的基石⁠

    DeepSeek Harness 是自进化 Agent 的基石

    ›

    Claude Tag 可能是一个 10x Claude Code 级别的产品⁠

    Claude Tag 可能是一个 10x Claude Code 级别的产品

    ›

    无法蒸馏的美国市场,谁在分食 Frontier Labs 百亿美金数据预算?⁠

    无法蒸馏的美国市场,谁在分食 Frontier Labs 百亿美金数据预算?

    ›

    跳转微信打开

    •  

    腾讯会议全新的 AI 录音领夹麦,让 Agent 跑得更欢了

    原创 Fenng 2026-09-15 17:30 浙江

    好用的新能力

    腾讯会议联合影石推出了一款硬件,AI 录音领夹麦。

    这款产品基于影石 Mic Pro,为无线麦克风增加了一种新的用途:作为随身录音设备,记录办公场景里的会议和交谈,再交给腾讯会议整理。

    腾讯会议和影石联名的这一款有什么特别之处?

    第一时间拿到设备,上手体验了一下。非常有意思的是自带了一块六色墨水屏,可以自定义个性化图案和文字,见客户时换上公司 Logo,采访时放栏目名称,平时也可以放一句自己喜欢的话。设备小巧,可以磁吸或夹在衣服上,戴着像一枚自己设计的徽章。同一枚设备,到了不同人身上,可以有不同的样子。

    戴在身上的样子可以自己定,我也想看看,这种个性化能延伸多远:录下来的内容,能不能按我的个性化需求进行整理?内容自动整理后,还能交给 Agent 继续处理,这个流程还得顺滑。

    打开腾讯会议 App,绑定 AI 录音领夹麦,腾讯会议就多了一个随身的录音入口。App 本身已经有「录音笔」功能,这次多了一枚可以夹在衣服上的设备,也能承担日常开会的收音工作。

    以前录下一场会议,通常只是给自己留个底。真要找某句话,还是得拖进度条、反复听。明明记得聊过,却想不起当时到底怎么说的。

    即使整理成摘要,一句「客户对方案有顾虑」,也未必说清楚是预算没批、实施太麻烦,还是内部有人反对。这些细节,会影响后面怎么跟进。

    多人线下交谈还有个麻烦:录下来了,却分不清哪句话是谁说的。用 AI 录音领夹麦上传至腾讯会议后,支持区分不同发言人,解决了我一直很在意的一个问题。整理讨论时,可以先把不同人的意见分开,再去确认结论和分工。

    录音自动上传到腾讯会议后,自动转写、生成总结,这些已经不在话下,用户还能向元宝追问录音中的内容。对于本来就用腾讯会议的人,线上会议和线下录音能够放到同一个地方,少了一处需要单独管理的记录。

    聊完一次产品需求,可以直接针对内容进行追问:哪些已经确定,哪些只是提了一下?反复提到的问题是什么?还有哪些事情没有明确负责人?

    同一场谈话,不同的人想提取的东西往往不同。负责客户的人关心需求和顾虑,做项目的关心进度和分工,写稿时可能会更留意值得展开的观点。腾讯会议提供学习笔记、客户拜访、项目管理等纪要模板,就像墨水屏可以换壁纸,纪要也有适合不同场景的整理方式,让整理方式贴近手头的事。切换到「图文总结」,AI 还能根据讨论内容,把方案对比整理成表格,把项目排期画成时间轴。

    会议纪要有了,接下来要做的事就更因人而异。有人要写稿,有人要改产品文档,有人要准备下一次客户沟通。 

    腾讯会议开放了 CLI 和 Skills,让获得授权的 Agent 可以调用会议内容。在 WorkBuddy 里,通过内置的腾讯会议连接器完成授权,就能接着处理这些内容,无需自己配置 CLI。

    比如,一次需求讨论结束,可以这样交代给 Agent:「根据这次会议,按我已有的文档结构,起草产品文档,再列出待办。还没确定的事项单独列出。」

    再比如,一周的 5 次访谈,可能有线上连线,也有线下面聊。线上通过腾讯会议录制,线下用领夹麦记录并上传,内容都保存在腾讯会议里。授权后,就可以让 WorkBuddy 一起梳理:「根据本周的 5 次采访,整理三个选题方向,各附相关原话和出处,列出还需要补问的问题。」分散在不同时间、不同场合的交流,就能围绕选题放在一起分析,接着用到下一篇稿子里。

    这样就少了手动搬运记录、反复向 AI 交代背景的过程。更重要的是,线上会议和线下交谈里的信息,能放在一起,成为后续工作的依据。

    很多影响判断的细节,就发生在客户拜访时的一句追问、采访中临时展开的话题,或者散会后补充的几句话里。这些信息新鲜、具体,也容易随着交谈结束被遗忘。保留下来,AI 才能更好地理解:事情怎么发生的,之前讨论过什么,为什么最后做了这个决定。

    这些信息,就是 AI 工作时需要的 Context,也就是上下文。这个词最近出现得很多,但落到日常工作里,无非是:事情怎么发生的,之前讨论过什么,为什么最后做了这个决定。背景留得完整,后续工作才更容易接上。

    从这枚领夹麦,我看到腾讯会议正在迈出的下一步:让记录跟着工作,延伸到线上与线下、会中与会外。影石的硬件把现场声音收进来,腾讯会议接着转写、整理,让不同场合的沟通在同一个地方积累,成为 AI 理解个人工作背景的依据。

    这套体验也给每个人留出了选择:墨水屏可以换上自己的风格,纪要模板可以按场景选择,图文总结让内容以适合任务的方式呈现,再由获得授权的 Agent 按自己的要求继续处理。从戴在身上的样子,到最后产出的一篇稿子、一份方案,都能更贴近自己的需要。

    提醒:关于后续更多新功能的具体用法,可以看看 @腾讯会议 的介绍。

    跳转微信打开

    •  

    阶跃发布语音大模型StepAudio 3,拿下多个全球第一!

    原创 阶跃StepFun 2026-09-15 15:29 北京

    不只会说,更会听、会想、会创作。

    今天,我们正式发布 Step Audio 3 系列模型,包括 StepAudio 3 Realtime、StepAudio 3 ASR、StepAudio 3 TTS、StepAudio 3 Gen 和 StepAudio 3 Music。其中,多款模型在 Artificial Analysis 榜单中位列全球第一。

    过去一年,语音大模型的发展正在从单点能力竞争,进入更完整的内容理解、实时交互和创作能力竞争。语音模型不再只需要“把文字念出来”,音乐模型也不再只是“一句话生成一段好听的音频”。

    我们希望 StepAudio 3 往前再走一步:让模型真正理解声音、组织声音,并参与完整的实时交互和音频创作流程。

    围绕这个目标,StepAudio 3 系列分别面向几类核心场景:真人级语音生成、完整音频内容生成、实时语音交互、复杂场景语音理解和音乐创作。

    StepAudio 3 Realtime

    不仅“能打断”,更能理解、思考和行动

    今天,越来越多 Realtime 语音产品已经支持全双工、打断和低延迟交互。真正拉开体验差距的,不只是“能不能同时听和说”,而是模型能否在一场持续发生的对话中,边听边理解、判断何时接话,同时完成推理和任务执行。

    StepAudio 3 Realtime 围绕这一目标进一步提升实时交互能力,支持原生全双工实时对话。

    在 Artificial Analysis Conversational Dynamics 榜单中,StepAudio 3 Realtime 以 98.9%的综合得分排名全球第一,展现出领先的实时语音交互能力。这意味着模型不仅能够“听懂”和“回答”,更能够像真实交流中的人一样判断对话节奏——知道什么时候该回应、什么时候该等待,以及如何处理用户的临时打断和连续反馈。

    与此同时,StepAudio 3 Realtime 以 99.7% 的语音推理准确率位列 Artificial Analysis Speech Reasoning 榜单全球第一。Speech Reasoning 聚焦模型直接理解音频并完成复杂推理任务的能力,是业内评估“原生语音模型”最权威的第三方基准之一。

    模型还可以同时理解语义、语气、情绪、副语言和环境声音,让实时交互不只依赖文字内容,而是利用更完整的音频信息理解用户意图。

    面对复杂问题,StepAudio 3 Realtime 支持推理与语音生成并行,在快速回应的同时继续组织和深化后续答案。

    不仅如此,Tool Call 和长任务可以异步执行,不阻塞当前语音会话。任务运行期间,用户仍然可以继续交流,结果完成后再自然回到当前上下文。

    这让 Realtime 语音模型不只是“更自然地聊天”,而是能够在同一场持续对话中完成听、说、想、做。

    StepAudio 3 ASR

    从听清,到听懂

    传统语音识别主要解决“听到了什么”,但真实世界中的语音往往包含方言、口音、专业术语、同音词和复杂上下文。真正可用的 ASR 模型,不仅需要准确转写声音,也需要理解说话者表达的含义。

    StepAudio 3 ASR 将高精度语音识别与大语言模型的上下文理解、知识和推理能力结合,让语音识别从“辨认声音”进一步走向“理解语境”。

    它支持中文、英文、方言、中英混说、长音频以及专业领域等多类场景识别,能够适应不同语言环境和表达方式。同时,依托大语言模型带来的知识理解能力,StepAudio 3 ASR 能够更准确识别人名、地名、专业术语等复杂内容,在医疗、法律、金融、汽车、编程等领域提升专业表达的识别效果。

    模型也能够处理低声、快语速、含糊连读、歌声和背景音乐等复杂输入,让真实声音环境下的语音被更准确地识别和使用。

    这意味着,ASR 模型不再只是个声音转写工具,而是能够更准确地理解、检索和使用每一段语音内容。在会议纪要、视频字幕和直播理解、智能客服、车载交互、医疗记录、金融服务与专业内容生产场景,都能精准地完成任务。

    StepAudio 3 ASR 在 Artificial Analysis 非流式语音识别准确性榜单中,WER(词错误率)仅为 1.7%,并列全球第一。

    StepAudio 3 TTS

    不止朗读,更像真人表达

    声音不仅承载文字信息,也包含语气、节奏、停顿和情绪等丰富的表达细节。如何让 AI 生成的语音更接近真实交流,一直是语音生成模型的重要方向。

    StepAudio 3 TTS 是一款面向实时交互场景的真人级语音生成模型,致力于让 AI 语音从“准确发声”走向“自然表达”。

    模型在音色基底、语调层次、节奏律动和气口停顿等方面高度贴合人类自然口语模式,不仅能够生成文字对应的语音,还能还原笑声、迟疑、结巴、重复、改口等真实交流中的副语言表现,让合成语音更接近真人说话。

    同时,StepAudio 3 TTS 能够结合语义内容理解表达意图,自主调整情绪与语气变化,使声音表达更加符合具体场景。在实时交互方面,模型基于流式生成架构,实现生成与播放同步进行,可满足实时语音应用需求。

    我最近就特别纠结,就是要不要换工作这个事。呃,现在这家吧,钱少,但是离家近嘛,走路十分钟。新的那个offer呢,给得多,多个,多个四千吧大概,但通勤单程要一个半小时。我妈说钱重要,我朋友说命重要,我就,唉,怎么说呢,天天睡前想这事,越想越睡不着。

    Man, my sister’s back with him...Again! I don’t even know what to say anymore. Like, this dude treats her like sh*t, they break up, she cries for a week, and then two months later he’s somehow back at her place. I mean… whatever, it’s her life. Still pisses me off, though.

    StepAudio 3 Gen

    人声、音效、环境、音乐,一次生成

    传统音频内容生产往往是一条很长的链路。角色配音、环境音、音效、背景音乐需要分别制作,再经过剪辑、对齐和混音,才能形成最终作品。

    StepAudio 3 Gen 尝试把这些原本分散的环节统一到一个模型里。

    它可以基于自然语言描述和参考音频,统一生成人声、音效、环境音和背景音乐。用户只需要描述角色、场景和剧情,无需针对特定角色或场景进行额外训练。就可以直接生成具有完整声音层次的音频内容。

    更重要的是,这些声音并不是简单叠加。

    StepAudio 3 Gen 支持对多个角色的音色、说话方式、语气、情绪、方言口音,以及笑声、喘息、停顿等副语言特征进行精细控制,也可以进一步指定对白、音效、环境声和背景音乐出现的时间与顺序。

    这意味着,模型不仅在“生成声音”,也开始参与整段内容的声音设计和时序编排。

    对于影视、动画、游戏、广播剧、有声书和短视频创作者而言,原本需要素材搜集、多工具协作和大量后期处理的声音制作流程,有机会被压缩到一次生成和持续迭代中。

    StepAudio 3 Music

    不止生成,更参与创作

    音乐生成模型已经越来越擅长“一句话生成一首歌”。但真正的音乐创作,并不应该是这样“简单抽卡”。创作者可能已经有一段歌词、一段清唱、一句旋律、一段乐谱、或者一个 Demo,希望 AI 接着往下完成编曲、改编和制作。

    StepAudio 3 Music 因此不仅支持从零生成,也支持基于 ABC 记谱法控制的多轮交互创作。

    模型支持歌曲创作、清唱配乐、歌曲翻唱等多种功能。用户可以提供歌词、清唱、参考歌曲、ABC 记谱法等多种输入,让模型围绕已有创作继续生成和完善作品。

    温暖细腻的民谣流行,男声轻柔演唱,D大调,加入管弦乐元素,整体舒缓自然,带有怀旧、温柔而略带忧伤的氛围。

    与此同时,用户可以通过自然语言直接控制曲风、人声、旋律、节奏、乐器、情绪、段落和制作质感。

    模型还对主歌、副歌、桥段、间奏等歌曲结构,以及跨段落的旋律发展、能量变化和演唱表达进行建模,让生成目标不只是“一段好听的音乐”,而是一首结构完整、表达连贯的作品。

    尤其在清唱配乐场景中,用户只需要提供一段清唱,模型就可以理解其中的旋律、节奏和情绪,并进一步补充和声、节奏、乐器和完整编曲。

    一首温暖柔和的 City Pop 男声歌曲,带一点爵士和轻摇滚的感觉,氛围朦胧浪漫。

    这让音乐大模型开始更深入地进入真实音乐生产流程,而不仅仅是一个“一键生成歌曲”的工具。

    跳转微信打开

    •  

    为了让所有人都用好AI,我做了这个......

    原创 秋芝2046 2026-09-15 12:36 广东

    雷猴啊盆友们!

    AI 时代,普通人真的有机会吗 ?

    互联网上充斥着大佬的融资、研究员的突破、天才的亿级年包~

    有的人用 AI 创造了可怕的价值,有的人却只是被迫泡在失业的焦虑中,

    AI真的只是少数人的杠杆吗?

    这段时间 AI 发展得其实很快,但我的视频和公众号文章,反而发得更少了。

    其实呢我没有休息,而是起早贪黑,把我对这个问题的思考做成了一个产品——炉子! 一个普通人的“能力网络”~ 

    但在给你看产品之前,我想先讲讲我对开头那些问题的思考,

    答案,得从互联网这几十年的几次变化说起。

    图片

    互联网的三次变化

    1. 信息网络:让信息可以被找到

    1989 年,欧洲核子研究中心,一个叫蒂姆·伯纳斯·李的人写了一份提案,想让实验室里的资料能互相链接。它叫万维网。

    World Wide Web - Wikipedia

    后来 Yahoo 把网站编成目录,

    Google 拿算法给全世界的网页排序。

    原来只能待在纸上、口口相传的信息,开始大规模在互联网上流动,信息网络出现了。

    2. 社交网络:让人与人可以被连接

    八年之后,1997 年,一个叫 SixDegrees 的网站,把个人资料、好友列表、关系,放进了网站,

    后来 Facebook 把这种连接推向了全球。

    原来只能靠见面、靠介绍达成的人际交往,开始大规模在互联网上连接,社交网络出现了。

    3. 支付网络:让资金可以被转移

    又过两年,1999 年,马斯克参与创办了一家叫 X.com 的在线金融公司,后来改名 PayPal——收款、转账、交易,第一次发生在互联网上。

    再后来,国内的支付宝、微信支付,让扫码付款变成每天都在发生的事。

    原来依托在纸币上、银行账本里的支付,也开始在互联网上被确认、被转移。

    支付网络出现了。

    这三次,都是互联网把原本绑在某个载体上的东西,变成了可分离、可复制的对象,然后,大规模流动。

    信息可以被找到,关系可以被连接,资金可以被转移。

    而每一次流动方式改变,普通人能做到的事都会变多,机会和权力,也会重新分配一次。

    那到了 AI 时代,正在改变流动方式的东西,会是什么?

    图片

    AI 带来的新变化:能力开始脱离人本身

    我们先来看这个AI时代,一个奇怪的现象。

    每隔一阵子,大家都会听说一系列的热搜和新事儿~

    谁用 AI 写了所有代码、谁的 AI 短剧接了代言、

    谁的 AI 甚至研发了新药……

    AI 确实大大赋能了一些人,比如OpenClaw的作者,但这种赋能极其不均衡。

    因为大多数普通人轮到自己用AI的时候,第一步就卡住了:

    怎么安装?装什么好?怎么提问?工具在哪?什么上下文?什么流程?  

    因为真正决定结果的那些方法、经验、背景知识,在今天传递的非常困难,连保存都非常困难、非常分散。

    就像我一直在做教程、写文章、录视频教大家用 AI,这些内容的确在间接地给大家提供能力,但本质上,传递出去的还是“信息”。

    那个真正能把事情做成的“能力”,大家无法直接复制~ 

    当然,其实几千年来一直如此,能力从来都没脱离过人。

    自古以来你想获得一项能力,只有两个办法:

    学习:让别人教你,再通过学习和练习,让能力在自己身上重新长出来一份,最后由自己执行。

    雇佣:找到拥有这项能力的人,但这需要资本,也需要领导力。

    从来没有"复制""粘贴",事情就做好了~

    图片

    AI 时代的新网络:能力网络

    但现在 AI 改变的,正是这一点。

    一个人做事的方法,他积累的行业经验、他的判断原则,可以被写下来,变成提示词、工作流、Skill,再交给另一个 AI 直接执行。

    更复杂一些,还可以把它训练成某种模型,或者做成一个专用 Agent。

    别人拿到一个接口,就能直接完成一件事。

    大厂们也都在铺这条路,OpenAI、Anthropic比的都是谁的AI更"会做事",Skill、MCP、A2A,都在让模型更完整地拥有“做事”的能力。

    把这些分散的变化连起来,我们看到的是,能力的确正在成为一种能被打包、转移和连接的东西。

    你拿到一个能力包,就能把事情做成,相当于直接获得了一项能力。从更大的尺度来看,甚至可以说,你直接获得了生产力。

    所以,AI 时代,最后一个还没被大规模连接起来的,也许就是完成事情的“能力”?

    这个新的网络,也许可以叫“能力网络”,或者“生产力网络”。

    我想了想,还是“能力网络”比较好听~

    那这就是我们的推导~

    图片

    普通人进入能力网络的入口

    于是呢,我们就非常大胆的,想做一个网络的入口,尤其是给普通人的入口,这个入口就是炉子!

    那么!在现在这个时间节点,炉子可以做些什么呢?

    实物时间到~

    目前,炉子分成两个部分:

    1. 我的炉子:你自己私有的能力仓库;

    2. 能力网络:大家交换能力、交流经验和验证能力的地方。

    图片

    开始使用炉子:从安装到新手引导

    那打开炉子的官网,

    http://luzi.ai/

    下载桌面端,

    安装这个可爱的小吉祥物,炉仔~

    因为现在还在内测阶段,所以登录之后,得等运营给你短信发邀请码。

    也由于第一版肯定会有各种各样的小问题,所以第一批内测,我们开放一万个内测名额,邀请初代“炉子天使”先体验和反馈。

    希望对 AI 感兴趣、愿意一起折腾和反馈问题的朋友,踊跃申请。当然初代天使们也会有永久的专属权益~

    你的炉子号会是四到五位数,并且有金色名牌和带翅膀的皮肤,

    还有一些我们准备的小礼物~  

    进入炉子后,炉子会先给你的电脑把个脉,带你快速了解“我的炉子”里有哪些功能,并送给你几个常用提示词和 Skill。

    这个过程是看看你安装了哪些 Agent、Skill 和 MCP,然后给你打一个“AI 分”。

    什么都没有安装也没关系。过去很多朋友的确会卡在安装和选择这一步,

    所以右边备了两个套餐:小白包和高手全套,大家按自己的情况选择一个,

    那它就会帮你装好主流的 Agent,外加一些装机必备的推荐skill,一键装齐套餐了~

    图片

    “我的炉子”:存储和管理你的 AI 资产

    那我们来到“我的炉子”,这儿主要用来存储和管理你平时积攒的那些好东西~

    1. 统一保存各种 AI 资产

    你可以在这里保存:

    1. Skill;

    2. 文字、图片、视频和网页提示词;

    3. 参考资料;

    4. 随手记;

    比如,与 AI 聊文案时,你每次都要告诉不同的 AI:“我是 AI 博主,经常做哪些类型的内容。”聊管理时,需要说明:“团队有几个人,分别负责什么。”聊健康时,又要补充:“我的身高体重是多少,几天运动一次。”

    以前,这些东西的确都散落在不同的地方:不同 AI 的对话和记忆里、本地文件里、飞书里、记事本里。每修改一版,就可能多存一份,或者多丢一份。

    现在,我们可以把它们都存进炉子。

    炉子还能帮你进行版本管理,随时回滚到某个版本,

    Skill 也是一样。尤其是自己制作的 Skill,不需要使用 Git,也能管理版本~ 

    2. 随手记录,再一键“炼成资产”

    炉子还有一个“随手记”板块。临时想到的东西,可以随手记下来;

    哪天觉得它有用了,还能一键把它炼成正式资产。

    3. 通过插件和 Skill 随时存取

    为了让这些数据存取起来更方便,我们还做了配套的浏览器插件和炉子 Skill。

    浏览器插件可以帮助你在上网时,随时把值得记录的文字或图片保存进炉子。

    你看,这就存起来了~

    那炉子 Skill 安装到Agent后,你也可以直接对 Agent 说:“去炉子里自己找需要的上下文和好用的 Skill。”或者让它直接“把这个帮我存进炉子。”

    它会自动帮你完成存取。

    图片

    Agent 管理:备份、迁移与接力使用

    我的炉子另一部分,是管理你的 Agent。

    这个页面显示的是你电脑上装的所有Agent,主流的基本都能识别到,

    那怎么管理呢?

    1. 一键备份和迁移 Agent 数据

    之前很多朋友 Claude 被封号,所有的对话、记忆全丢了,懊恼得不行,好不容易养起来的AI就这么阵亡了。或者有的朋友用了一阵这个Agent,但是最近又说那个变强了,想把自己攒的Skill啊、插件啊、记忆啊都迁过去,特别麻烦。 

    那炉子呢,小白朋友都可以一键备份Agent数据,

    并且一键迁移到别的 Agent~ 

    再也不怕封号,Agent想换就换,数据永远你自己掌握~

    2. 管理 Skill 和 Agent 的使用状态

    第二,你可以随时开启或关闭自己的 Skill。

    甚至当一个 Agent 的额度用完后,还可以切换到另一个 Agent 接力对话~ 

    细节就不详说了,那炉子中大家存的所有提示词啊、这些数据,都可以随时一键导出的。

    图片

    能力网络:让好能力更容易被看见和使用

    前面介绍的是私人炉子的部分,接下来就是另一部分——能力网络。

    目前,能力网络主要包括广场、讨论区、测评区和个人主页。

    1. 广场:降低寻找和使用 Skill 的成本

    大家现在都是怎么找skill和好用的提示词呢?

    据我所知,要么呢是看AI博主们发的skill推荐,文章、视频,要么就是上 GitHub,很多朋友连 GitHub 都上不去。

    有些集合站呢倒是收录了几万个乃至几十万个skills,可是你一打开网站,全是看不懂的英文名,也完全看不出效果长啥样。

    想亲自试一个,得折腾一小时。 挑选成本太高了。

    所以炉子的广场里,第一件事,就是把 Skill 能干什么,尽可能的摆明白:

    用来干嘛的?你可以怎么问、它会答什么、最后出来的效果长什么样,作者推荐用什么模型?

    使用过的人还可以留下好评或吐槽,也可以直接 @作者 提建议、反馈问题,让作者得到真实反馈,继续迭代。

    而且!你收藏的 Skill,原作者一更新,你会马上收到提示,可以同步更新skill~ 

    免得像以前人家作者都更到 V15 了,你还在用 V2。

    那目前广场上是由我们的运营人员,自己制作,加上精选了一批github上开源的好的skill~ 

    运营人员可能会为了用户更好理解,改了名,但是我们都标注了出处链接,

    那虽然现在这些skill、提示词发出来,大多都是公开的,但我相信这类的哪怕是开源的创作权益会变得可追溯~

    因此,我们给每一份资产都做了基础的指纹,署名链和查重:谁创作的、改编自哪一个 Skill,炉子都会记录下来。

    如果你是创作者,我们还为你准备了“认领”按钮。假设炉子官方转载了你的 Skill,你可以直接点击“我要领回”。

    认证并领回后,这份资产会归到你的账号下,

    点赞数和收藏数也会一并平移给你;你也可以选择下架,由你自己决定~

    开源精神的同时,更加彼此尊重~ 欢迎各位能力者来炉子发布自己的能力。

    2. 让更多行业的能力者参与进来

    过去的发布渠道,比如 GitHub、自媒体,以及 Anthropic 等大厂的官方渠道,其门槛决定了很多 Skill 都来自程序员、自媒体人或大厂员工。

    于是,常见的内容总是竞品调研、财报分析、自媒体文案……来来回回就是这些。

    但是生活里还有很多需求,也还有很多人有他们独有的经验和技能,比如律师、财税师、兽医、情感专家...等等,

    炉子希望这些能力者不用再被拍视频或写代码的门槛拦住,也能把自己的能力传播出来,帮助更多人解决问题,并从中收获荣誉和利益~

    我们也会持续想办法帮助大家~

    3. 讨论区:让 AI 交流不必困在群聊里

    能力网络中的第二个区域,是讨论区。

    现在大家想交流 AI,是不是总得加入某个交流群?有些群门槛不低,甚至借此收费;更贵的还有几万元的各种训练营。整个过程不仅费劲,也相对闭塞,体验并不好。

    所以,炉子做了讨论区。与 AI 相关的内容,都可以在这里讨论和联络,比如你是个剪辑师,最近看vibe motion特别火很焦虑,但完全不知道怎么做?

    诶,炉子的vibe motion板块刚好有那么一群人专门在讨论这个,

    你不仅可以加入讨论,还能直接收藏和使用他们在帖子里挂出来的相关技能、提示词和案例,

    还能跟他们加好友、发私信,是不是很爽~ 

    4. 炉子 Lab:让真实问题由真实用户来测

    第三个区域,是测评区,炉子 Lab。这算是一个实验区域。

    现在,AI 模型和 AI 工具层出不穷,但普通人很难真正看出区别。

    目前,大家要么看 Benchmark,但谁都知道,Benchmark 往往无法代表自己的真实使用需求;要么看我们这样的博主做实测。

    虽然我自己就是做这个的,但我很清楚,这种方式依然比较低效,而且我测试的类型也无法覆盖所有人的需求:

    有人就要看写作,有人要看能不能解决自己的祖传 bug,有人要看做动画,有人看重AI的哲思~

    诶所以呢,我就想做一个炉子测评区:题目由大家出,结果由大家测~

    同样的题目不同模型的真实效果,就这么摆在这,路过的人谁都可以点一个 惊艳、还不错、或者拉了...  同时大家也可以对结果进行讨论和点评,

    当发布一个新模型的时候,你可以来看看大家实测的效果对比,也可以上炉子找一个你喜欢的真实场景题亲自试试,

    我希望的AI测评,是大家关心的真实问题,和大家跑出来的真实结果~

    毕竟,AI 好不好用,真实的使用者说了才算。

    图片

    个人主页:让能力成果自己说话

    那最后,说一下每个人的个人主页~

    在做炉子的第一天,我们就做了每个人的成就积累,每个人的主页上都能看到它发布了什么、被收藏了多少次,多少人使用,多少人好评,参与多少次讨论,帮助了多少人 ~ 

    因为我认为,AI时代的能力,不应该设置“被看见”的门槛。

    过去,一个人的能力想要被看见和证明,评价标准一直在变化。

    先是卷学历;学历不够了,就卷实习和工作经历;后来,又开始宣扬做自媒体和个人 IP。

    但每一轮卷的其实都不是能力本身,而是“证明你有能力”的表象,并且证明的成本一轮比一轮高。

    可是医术精湛的宠物医生,未必擅长在镜头前表达~  

    AI时代不该这样,这应该是一个不看年龄、不看学历,更不用看谁的视频做得好的时代。

    你的能力成果,自己会说话。

    图片

    炉子:一个有温度的能力网络

    1. 我们想让能力真正流动起来

    那这就是炉子目前的产品形态了~ 也是能力网络的雏形。

    虽然还是雏形,但我其实想到未来就会很激动。

    大家可以在炉子上像组队一样挑选需要的各种能力,组装自己的能力。

    每个人都不用被那些需要几年甚至十几年训练的技能所拦住。人们彼此帮助,彼此协作,补齐短板,放大长板,大家都有更多的时间思考清楚自己想要创造的东西,发挥自己擅长的东西,这是一种更高级的协作,一个更多人能用的杠杆。

    当然了,炉子现在流通的东西还不算多,还远远没到完全形态,

    所以未来,我们也会上线简单的交易功能,不只是目前这些能力包,还有完成一件事的整个配方、以及别人的Agent、包括能直接解决问题的人,都可以自由流通~

    炉子不是一个 Skill 集合站,也不是一个传统的社区。

    我们认真的想做的,是让能力本身存得住、找得到、带得走、跑得通。

    最终,形成AI 时代的能力网络。

    2. 为什么叫“炉子”?

    那为什么叫"炉子"呢?其实2023年,还没有秋芝2046,我就注册了luzi.ai ~

    当时我就告诉朋友,我想做一个AI产品叫炉子,

    朋友问我:为啥叫炉子 AI?很不科技啊。

    我说,大模型抽卡,就很像西方的炼金术士,中国的炼丹!

    "炉子"就很有中国特色啊!

    朋友不明觉厉,但其实更重要的理由,我当时没好意思说,

    我希望AI不是一个让人感到焦虑,感到恐惧的技术,而是一个让人温暖的发明。

    我真心的认为,AI 不应该让阶级差异更大,人们更分裂,他应该是技术越强,就越公平普惠、人类越发抱团取暖。老粉都知道我的签名和我做博主的目标:让更多人用好 AI。

    可是现在的 AI 领域,更多人的目光都聚焦在少数的精英身上,大家在意boris一条推特、 卡帕西一个词,播客上MIT毕业的研究员....  

    他们固然很棒 ~但我感觉普通人受到的关注远远不够多。很多人会觉得自己很难参与,连用 AI 都是被焦虑推着走。

    但我怎么想都觉得 AI 不应该是只把少数人变得越来越强,然后把不会的人甩得越来越远,它本身就是打破各种壁垒的东西。

    所以我想,好的技术,应该像炉子一样:让人愿意围过来,交换经验,彼此照亮。

    图片

    好啦,最后我想说,我和我们团队本身就通过 AI 做成了很多原本做不成的事。

    所以作为 AI 切实的获益者,真心希望你也是!

    所以来吧!

    创造能力的人、使用能力的人、验证能力的人,都是这张网上的一个节点。

    欢迎来到炉子AI🔥,欢迎一起构建一个公平、自由、强大的能力网络~

    http://luzi.ai/

    现在就可以去官网申请内测啦!邀请码会分批发放,已经申请但这批没排上的朋友也别急,后续会陆续发放更多批内测码,大家可以持续关注 ❤️~

    下次见啦!

    跳转微信打开

    •  

    黄仁勋最新Allin现场对话录,揭秘 AI 时代的权力图谱与生存法则

    原创 Web3天空之城 2026-09-15 12:17 北京

    WebSkyCity

    黄仁勋对话录,揭秘 AI 时代的权力图谱与生存法则

    在当今全球科技版图上,没有任何一家公司能像 NVIDIA 一样,既是淘金热中最稳固的“铲子提供商”,又是新工业革命的“发动机”。作为这家市值巅峰企业的掌舵人,黄仁勋(Jensen Huang)的每一个决策、每一段论述,都在重塑着从硅谷实验室到全球数据中心的权力格局。在今天这场备受瞩目的allin深度对话中,这位身着标志性皮衣的“GPU 之神”回应了关于 AI 末日的恐慌论调,更完成了一场关于“数据中心即国家主权”的跨洋连线。

    目录

    全局摘要和核心观点

    愿景、领导力与 NVIDIA 的崛起

    安全性与领导力的虚假抉择

    剥离 AI 恐慌:审视虚假预测

    NVIDIA 的企业文化:专注与非政治化

    监管的实际路径:从工程角度出发

    RSI 技术与实验室的工程化转型

    开源的博弈:闭源与开源的共存

    中美 AI 竞赛:务实叙事与人才规模

    工程进化的视角:从打字到创造

    突发:总统特朗普的越洋连线

    战略拆解:NVIDIA 的资本配置与生态构建

    向上攀升:NVIDIA 的垂直整合策略

    全栈能力:从自动驾驶到生物医药

    竞争格局:Elon Musk、中国与光刻技术

    迈向超级智能:现状与愿景

    全局摘要

    本次深度访谈涵盖了 NVIDIA 首席执行官 Jensen Huang 对 AI 安全、行业监管、地缘政治竞争以及技术未来的深刻见解。对话中,Jensen 驳斥了关于 AI 终结文明的恐慌论调,强调了务实工程精神和开源生态对美国创新的核心意义。访谈过程中还意外接入了特朗普的连线,双方就数据中心作为国家战略资源的地位以及 AGI 竞赛达成了高度共识。

    核心观点

    • 安全与领先并非对立

      :通过成熟的工程流程和透明的评估机制,可以在确保安全的同时维持技术领先,所谓的“二选一”是虚假命题。

    • 开源是创新的基石

      :开源模型为全美数万家初创企业提供了参与 AI 竞赛的机会,是实现美国 AI 普及化、主权化的关键。

    • 数据中心是“新石油”

      :数据中心不仅是计算设施,更是新工业革命的基础设施,对美国再工业化、就业增长和能源战略具有深远影响。

    • 务实主义应对 AI 威胁论

      :反对基于非科学依据的末日预测,主张回归工程本质,解决实际发生的事故并防止重演。

    01

    剥离 AI 恐慌:实用主义对决末日叙事

    在访谈的开篇,黄仁勋便对当下流行于前沿实验室中的“AI 灭绝论”进行了猛烈抨击。针对一些研究人员提出的“10% 灭绝风险”,他直言不讳地指出,这完全是“捏造出来的,是不负责任的行为”。在他看来,这种叙事缺乏科学依据,甚至与美国赢得 AI 竞赛的目标背道而驰。

    黄仁勋列举了历史上多次被证伪的预言:从“放射科医生将被完全取代”到“白领就业末日”,事实证明,AI 更多是在优化行业效率而非消灭行业。他强调:“我们必须为所有那些愚蠢的预测承担责任。这些言论并非建立在科学基础之上,也不是建立在研究基础之上”。他主张将关注点从虚无缥缈的末日预言转向真实的工程挑战。对于那些在实验室发生的事故,黄仁勋认为应当像处理任何工程故障一样:“从工程角度查明问题的根本原因,实现制度化,并确保我们不会重蹈覆辙”。

    02

    安全监管的路径:从实验室管控到第三方评估

    谈及监管,黄仁勋持有极其务实的态度。他认为,与其在未知领域制造恐慌,不如先落实好基础的工程标准。他指出,由于前沿实验室拥有最强大的计算资源,它们理所当然是风险的源头,也理应承担最高的安全标准。

    “安全性显然是至关重要的,但安全与领导力并非对立,而是一个虚假的抉择”。黄仁勋建议,监管应当旨在解决实际问题,而非阻碍创新。他支持建立类似财务审计的第三方评估机制:“我们应当有独立的评估者或审计师,这可以确保单一公司不会受到某种程度的影响,让我们安全地构建这项技术”。这种从研究阶段向工程阶段的转型,正是 NVIDIA 自身成功的基石,也是他认为整个 AI 行业必须经历的阵痛。

    03

    意外的连线:数据中心是未来二十年的石油

    访谈现场发生了一个戏剧性的插曲:特朗普接入了连线。在对话中,双方就 AI 的战略地位达成了惊人的共识。特朗普在通话中明确表示:“数据中心是未来 20 到 25 年的石油,这比互联网 and AI 更重要,程度深得多”。

    黄仁勋对此表示高度赞同,并进一步阐述了数据中心对美国再工业化的战略意义。他认为,AI 正在创造海量的就业岗位,并带动了全美范围内对土地、电力和能源的基础需求。“我们正在创造一场新的工业革命,这个新产业需要制造业支撑。它不仅关乎模型和芯片,更关乎基础设施、建筑施工、电力和发电”。在他看来,谁赢得了 AI 竞赛,谁就赢得了未来。这不仅仅是科技公司的竞争,更是国家综合实力的较量。

    04

    开源的博弈:主权 AI 与普及化的必由之路

    对于开源与闭源的争议,黄仁勋给出了一个形象的比喻:“封闭式模型就像瓶装水,而开源则是免费的水。你需要在合适的地方使用合适的水”。他坚信,世界既需要顶尖的闭源模型,也绝对离不开开源生态。

    他特别强调了开源对美国创新的核心价值:“过去六个月里,有 4000 亿美元的风险投资投入到了 AI 原生公司中,其中 80% 的公司都在使用开源模型”。黄仁勋认为,如果 AI 竞赛只掌握在少数几家科技巨头手中,那将是美国的悲哀。开源使得每一家企业、每一个行业、每一位学生都能参与其中。“开源模型实现了 AI 的普及化,这关乎美国的每一家企业,是让所有人受益”。

    05

    全栈能力与垂直整合:NVIDIA 的生态帝国

    NVIDIA 如今的角色早已超越了硬件厂商。通过收购 Hugging Face 以及在生物医药、自动驾驶领域的深度布局,NVIDIA 正在构建一个全栈式的技术帝国。然而,黄仁勋解释道,这种向上攀升并非出于竞争野心,而是出于“需求驱动”。

    “我这个人其实意外地没什么竞争心。我们去发明所有必要的技术,根据需要尽可能深入,然后我们让百花齐放”。他提到,如果 NVIDIA 不去构建生物学模型(如 ESM 蛋白质语言模型),世界可能就不会拥有这些技术;如果 NVIDIA 不去构建自动驾驶的思考推理架构,许多汽车公司就无法实现智能化。“我做的一切都是出于需求。我们每天醒来并不是为了去颠覆任何人,而是想帮助所有人”。这种“隐形巨人”的策略,让 NVIDIA 渗透到了新工业革命的每一个毛细血管。

    06

    结语:在智力的最前沿,人类正共同抵达

    在访谈的最后,黄仁勋对 AGI(通用人工智能)和超级智能给出了肯定的判断。他认为,在自动驾驶、蛋白质筛选等特定领域,超级智能已经降临:“当我关注一个狭窄的领域时,它比人类做得更好,这就是超级智能”。

    面对与中国等全球对手的竞争,黄仁勋表现出了冷静的危机感:“他们非常擅长大批量生产,他们到 2030 年就能实现先进光刻系统的自主研发。美国必须行动起来,竞速模式才是唯一的出路”。尽管面临地缘政治的复杂挑战,他依然对未来保持着乐观。他呼吁所有人积极参与到这场变革中:“未来是美好的,我们渴望抵达那里。作为人类,我们将共同取得巨大的成功”。

    完整访谈整理

    黄仁勋最新Allin现场对话录,揭秘 AI 时代的权力图谱与生存法则

    愿景、领导力与 NVIDIA 的崛起

    主持人

    那是 Jensen Huang。他是 NVIDIA 的创始人兼首席执行官。无论你是否意识到,他的决策正在塑造你的未来。NVIDIA 是当今市场上最重要的股票,而 Jensen 可以说是史上最优秀的高管。

    大卫·弗里德伯格

    营收同比增长了 97%。

    黄仁勋

    需求不仅依然强劲,实际上还在加速增长。

    大卫·弗里德伯格

    NVIDIA 是唯一一个提供全栈 AI 工厂的计算平台。

    杰森

    GPU 就像一台时间机器,因为它能让你更快地预见未来。

    黄仁勋

    如果我们能够预见未来并预测未来,那么我们就有更大的机会让未来成为最好的样子。

    查马斯

    请欢迎 Jensen Huang。他在入场时就获得了全场起立鼓掌。

    杰森

    来吧,继续。入场时的起立鼓掌。这就是我们要找的人。

    女士们先生们,GPU 之神。他们爱你。

    他们爱你。

    黄仁勋

    谢谢你们。我也爱你。全球排名第一的播客。

    杰森

    确实。

    大卫·弗里德伯格

    我们喜欢这件新夹克。

    黄仁勋

    我只是觉得你们需要一些活力。我知道我们在这里讨论的是严肃的事情,但我们需要充满活力地讨论它。


    安全性与领导力的虚假抉择

    查马斯

    让我们从这周末的这篇文章开始吧。哪一篇?让我们从 Dario 的文章开始吧,因为 Hemingway 参与其中了吗?说真的,有人用 Pangram 运行过它吗?我甚至不知道其中有多少内容是 AI 辅助生成的,但那确实是一件令人惊叹的事情。许多人感到惊讶的是,各大前沿实验室围绕这篇文章本身形成了共识。Jensen,请梳理一下发生了什么,你是如何解读和阐释它的,之后我们再探讨其中包含的一些细节。但也许可以先从宏观层面的想法谈起。

    黄仁勋

    首先,里面确实包含了很多内容。关于安全性的部分,我们必须非常认真地对待。安全性显然是至关重要的。安全与领导力并非虚假的抉择。你们能够快速创新,你们能够快速执行,而美国有能力在确保安全的同时实现领先。我认为这些是虚假的抉择,但安全显然至关重要。

    我认为他所提到的是内部控制的问题。关于 Coxon 的举报是非常严重的问题。无论何时出现举报者,都必须予以高度重视。我认为 Coxson 勇敢地表达了自己的关切,这非常令人敬佩。即便在那时,其中也存在一些被混为一谈的问题。我认为举报行为本身没有问题。但我认为关于未来的科学预测则大有问题,因为显而易见,这并不是基于科学的。尽管这是由一位科学家表达出来的,但显然并未建立在科学依据之上。因此,我对此持反对意见。

    关于举报的部分,我认为其中包含了很多复杂的情况。暂停、控制进度,这些都是他们可以采取的自愿措施。如果他们觉得公司已经失控,如果 Coxon 看到了什么,当然,我们并不清楚 Coxon 究竟看到了什么。但如果他看到公司已经失去控制,或许这就是从研究向工程转型过程中出现的问题。如你所知,这些实验室正在从研究阶段转型为工程阶段。非凡的天赋,非凡的工程造诣。但显然,工程与研究是不同的。也许这种转型是笨拙的。我们不知道他看到了什么,归根结底只有他自己知道。但如果涉及失控问题,那又是另一个话题了,政府该如何应对?现在突然间的监管,它把一切都囊括在了一个统一的范畴内。


    剥离 AI 恐慌:审视虚假预测

    查马斯

    你能帮我们梳理一下吗?我们这周在节目上确实尝试过推演这个议题,但很难。你该如何描述它?我妈妈打电话问我:Chimoth,这整个文明终结的事到底是怎么回事?我不知道该如何向她解释。所以当像他们这样非常聪明的人将其量化 and 量值化时,我认为这可能就是令一些人感到不安的原因。他们会想,百分之十的灭绝风险到底意味着什么?没有人知道该如何向普通人解释这怎么可能。

    黄仁勋

    首先,我们本不该这样做。因为它完全是捏造的。

    大卫·萨克斯

    首先,我认为我们不应该这样做,因为这是编造出来的。

    黄仁勋

    而这些人受过良好的教育。他们被称为研究人员。在实验室里工作。这些词汇的汇集,再加上这种预言,是令人震惊和不安的,这种做法不应被采纳。这是不负责任的。

    让我们回顾并审视真实的客观事实。事实是,曾经有一个预测称五年内放射科将完全被人工智能取代,世界上将不再有放射科医生。事实证明情况恰恰相反。世界上比以往任何时候都需要更多的放射科医生。然而,AI 确实完全接管了放射科,这是一件好事。它是自动化扫描解读,这非常棒。

    曾经有一个预测称在 6 到 12 个月内,90% 的代码将由 AI 生成。事实证明这是错误的。在 6 到 9 个月内,也就是去年预测的,50% 的入门级职位将被淘汰。事实证明这是错误的。让我看看,还有什么被证明是错的?所有这些预测都被证明是错的。

    大卫·弗里德伯格

    如果你当时认为 GPT-2 发布太不安全,或者认为 Llama 3 发布太不安全。我们听过那种说法,说明年一半的白领工作岗位就会消失。就业末日,没错。

    黄仁勋

    我们需要承担责任。我们必须为所有那些愚蠢的预测承担责任。总得有人负责。所以我们必须把所有这些记录在案。人们确实会这么做,并提醒我们,这些预测与美国最终赢得 AI 竞赛的目标并不一致。

    查马斯

    简而言之,有些人主张“相信专家”,他们以 COVID 为例——同样地,这件事最初也是由研究人员和受过教育的人发起的,他们对事物的认知与我们其他人存在不对称性,但他们所说的话最终在事实层面被证明是不准确的。因此,目前在“相信专家”运动与“让我们审视这些预测的真实历史,并更具条理地进行思考”的观点之间,存在着一场博弈。这种论调源于何处?因为它正是出自那些实际研发这些技术的机构内部。例如,你认为其心理构成是什么,或者说真正的动机是什么?也许是商业动机,也许是政治动机。你能不能猜一下,或者说你是如何看待他们为何要这样做?


    NVIDIA 的企业文化:专注与非政治化

    黄仁勋

    这些公司是历史上最具影响力的公司之一。卓越的工程师,卓越的研究人员,工作真的非常出色。一方面,我作为公司代表与他们紧密合作。另一方面,我们必须在公共场合进行这样的对话。这实在令人遗憾。我认为这些公司真的应该像我们过去建立公司那样去运营,即保持低调。

    大卫·萨克斯

    没错,你知道吧?

    杰森

    等等,Jensen,你不允许组织里的任何人代表整个组织发言,尤其是当他们情绪不佳或愤而离职时?他们不允许代表你或组织发布推文吗?代表组织吗?

    黄仁勋

    因为这就是他们加入我们公司时所达成的共识。我们告诉他们,这就是你们在我们公司工作时的行为准则。如果你喜欢我们公司的文化,正如你所知,NVIDIA 的文化和 NVIDIA 的员工群体,他们都感到非常幸福。

    他们喜欢公司始终如一、稳定可靠,喜欢我们的核心价值观与关怀家庭相契合,喜欢我们创造了让他们能够成就毕生事业的条件。我们做的是有意义的工作,并且尽可能低调地完成,我们为他人的成功做出贡献,对此我们深感自豪。这就是人们受这些核心价值观吸引的原因。

    但当你来到我们公司工作时,有些事情是我们所不赞同的。例如,我们不欢迎在公司内部进行政治论争。请把这些带回家去处理。你们可以在公司外部讨论政治。我们公司是一个非政治化的公司。要知道,我们是跨党派的。我们希望美国取得成功。我们希望,无论哪个政府在位,我们都会尽我们所能帮助美国取得成功。因此,关于种族、宗教、政治以及所有这类的话题,我们告诉员工,请在公司外部进行讨论,这些不适合在公司内部进行。


    监管的实际路径:从工程角度出发

    查马斯

    在 AI 监管方面,更具体地说,Satya 今天早上来过这里,他所说的是,在讨论那些可能真正阻碍发展的监管之前,我们为什么不先落实好一些基础工作呢?我们为什么不先把衡量标准做好?我们为什么不先把标准化工作做好呢?

    黄仁勋

    先把工程工作做好。

    查马斯

    落实好工程基础,以更可预测的方式转化研究成果,这样我们就不会制造恐慌。在准备好发布之前,请将其保密。你认为合适的应对措施是什么?Demis 曾提出过一个建议,类似于某种类似 FINRA 的组织。目前还不清楚 Dario 想要什么,那种拥有某种控制权的跨国变体组织。对此你的立场是什么?关于我们当下究竟需要什么的视角?

    黄仁勋

    监管应当旨在解决实际问题。所以问题在于,我们究竟遇到了哪些实际问题?如果你审视这些实际问题,到目前为止,所有实际问题都源自这些实验室。其原因在于,是因为他们拥有最强大的计算资源。而原因在于他们正试图解决前沿领域的问题。所以,这是为他们辩护。

    最危险的源头来自这些前沿实验室,这是合乎逻辑的。高中生不太可能做到这一点,因为他们根本没有足够的计算资源。初创公司也不太可能是原因所在,因为它们同样没有足够的计算资源。事实上,放眼全球,除了那些前沿实验室之外,其他所有人都没有足够的计算资源。

    如果你审视实际发生的情况,他们正在从事开创性的工作,这确实非常困难。他们正在从研究阶段向工程阶段转型。我可以预见,他们正在打造世界上最具影响力的技术和公司。他们正在建立自己的公司,建立自己的企业文化,构建相关技术,进行工程建设,并同时开发各项产品。所以我能理解这种如火烧眉毛般的紧迫感。

    面对一个实验室发生的 4 起事故以及另一个实验室发生的 1 起重大事故,首要任务就是从工程角度查明问题的根本原因。究竟发生了什么?我们本可以采取哪些不同的做法?我们打算从工程角度实施哪些改进措施?实现制度化,无论是技术、方法还是流程,并确保我们不会重蹈覆辙。我敢打赌,在所有这些案例中,未来他们都有能力去预防此类问题的发生。因为如果不在他们的控制范围内,那情况就另当别论了,但我确信,那 4 起事故不会再次发生。我确定他们已经查明了根本原因并解决了问题。我相信他们现在已经有了相应的技术。在沙盒、运行时、监控器以及持续监控方面,技术已经先进得多。所以我确信他们现在拥有远胜以往的技术。

    另一种可能性也不太可能出现,即他们站出来说,看,我们确实遇到过这些事故。在分析结束后,我们得出的结论是,我们对发生的一切一无所知,也完全不知道该如何管控,所以我们向社会寻求帮助。现在,如果情况确实如此,那么我们应当召集一批拥有工程师的公司,派遣工程师过去。如果我们能提供建议,就应该协助他们。但我对此表示怀疑。我认为他们拥有非凡的人才来处理这些问题。


    RSI 技术与实验室的工程化转型

    大卫·弗里德伯格

    但我们并非在真空环境下运作。David,昨晚你告诉我有一家中国实验室,即 GLM 的开发者,他们打算投入 30 亿美元进行递归自我改进实验。也许你可以向 Jensen 介绍一下。这就是当时宣布的内容。

    智谱 AI 的创始人刚刚筹集了 50 亿美元,并表示他们的重点目标之一是尝试实现由 AI 训练下一代 AI,并尽可能地将这一过程自动化。

    黄仁勋

    这是一个新的热门词汇。但正如你们所知,RSI 是一套思想体系的结合。它的一切始于上下文学习,始于技能,始于反思,始于强化学习和合成数据生成。这些都是非常合理的理念,能让 AI 随着时间的推移,在解决问题方面变得越来越出色。

    你也可以使用低秩(low rank)。所有这些内容都不包含权重本身。你实际上可以改进权重,这就是所谓的 LoRA。LoRA 可以通过合成数据生成和强化学习来改进,无需训练基础模型本身即可实现增强。然后随着时间的推移,你可以再次训练基础模型,并结合所有这些经验。因此我认为,利用这项技术来提高各种任务的生产力,包括构建 AI,是一个合理的做法。我认为这是一个非常合乎逻辑的想法。我敢肯定每个人都在某种程度上使用它。只是这个短语现在被以某种方式用来将技术武器化,或许也用来扭曲这项技术。

    杰森

    他们试图给人一种局势即将失控的印象,但你并不认为那是真实的。

    黄仁勋

    当然不是这样。原因在于你可以在公司内部全天候进行 RSI。但在发布产品时,你必须对其进行评估。你必须再次测试它,确保没有回归问题。随着这些实验室从实验阶段转向工程阶段,基本的控制流程将使它们具备更好、更强的控制能力。当他们拥有了更好的控制能力时,这种控制源于方法、知识、实践、工具和技术,以及所有那些能带来更好控制、验证 and 纠错的事物。这将使公司内部能够进行 RSI,并向外部发布优质产品。


    开源的博弈:闭源与开源的共存

    查马斯

    我们来谈谈开源吧。关于 Hugging Face,我们之前交流过,我说这将是后果最深远的收购之一。我甚至不想称其为一笔交易,因为我认为它比那重要得多。请用第一性原理为我们解释一下开源、闭源与开放权重之间的区别,以及这个生态系统未来应该如何整合?

    黄仁勋

    世界既需要闭源模型,也需要开源模型。你想使用的话,我会尽可能多地使用闭源模型。这个周末,我使用了其中的 4 个。它们运行得非常出色,处于前沿水平,带来了很棒的体验。它们表现得令人难以置信,而且一直在不断改进。

    我对封闭式模型的理解,就像是瓶装水一样。水是免费的,各位。今天早上我淋浴时用了大量的免费水。所以,你要在合适的地方使用合适的水。这和电力没有什么区别,和我们在世界上使用的各种商品没有什么不同。这两者你都需要。

    关于开源,之所以需要它,可能是出于主权、隐私或专有技术等方面的原因。在过去六个月里,有 4000 亿美元的风险投资投入到了 AI 原生公司中。其中 80% 的公司都在使用开源模型。如果没有开源模型,他们将如何实现自己的梦想?因为他们的梦想可能各不相同,与那些前沿实验室的梦想是不一样的。

    美国拥有多种多样的创新方式。这是我们的核心优势之一。伟大创造正源源不断地涌现出来。开源模型使得每个人都能参与其中。如果我们想赢得 AI 竞赛,这不应仅仅是少数几家科技公司赢得这场竞赛。这关乎美国的每一家企业、每一个行业、每一位研究人员、每一家初创公司,是让所有人受益。其中一些人会使用闭源模型,而很多人会使用开源模型。


    中美 AI 竞赛:务实叙事与人才规模

    黄仁勋

    这里有 1000 万……

    大卫·萨克斯

    请允许我问一下,开源模型是来自中国还是美国,这重要吗?

    黄仁勋

    我们正在竭尽全力为开源模型做出贡献。然而,当你下载时,目前全球对开源的贡献绝大多数可能都来自中国。他们只是拥有更多的工程师,因为那是一个大国。他们大批量地培养科学和数学专业的学生。这是我们的劣势之一。他们通过像清华大学这样卓越的大学,正在大规模地培养这些人才。

    他们如今也为开源做出了贡献。我们下载 Linux,下载 Kubernetes,以及所有的软件,其中许多代码都有中国开发者的参与。一旦你下载了它,它就是你的了。我们对其进行分叉、改进,并将其据为己有。所以,当你下载这些中国模型时,虽然它们是由中国非常优秀的科研人员开发的,但现在它们属于你了。至于具体用来做什么,随你想要怎么用。

    大卫·萨克斯

    那么,所谓的竞赛究竟是什么?

    黄仁勋

    竞赛?

    大卫·萨克斯

    没错。

    黄仁勋

    我认为这是一个非常好的切入点。我的观点是,这场竞赛的核心在于谁能更好地利用这项技术。在上一次工业革命中,所有的发明家都是 Maxwell、Volta、Ampere,他们都不是美国人,工业革命起源于欧洲。但我们充分利用了它。我们在社会层面比世界上任何人都更好地利用了它,看看我们现在取得的成果。我想确保下一代也能实现同样的发展。

    大卫·萨克斯

    那么,为什么他们现在能如此成功地传达他们的信息呢?

    黄仁勋

    我认为首先是因为他们的叙事更为务实。在中国,没有人会谈论什么末日终结之类的话题,也没有什么灾难性的预言,或者毁灭之类的说法。

    大卫·弗里德伯格

    他们对此的态度要务实得多。

    黄仁勋

    他们将 AI 视为一种能够推动经济发展、促进社会进步的技术,并且他们没有那些宣称这会终结文明的群体。而我们却在捏造这些观点。令人沮丧的部分在于,如果这些说法是真的,那么我们确实应该讨论并采取行动。即便这些是真的,我们也应该花更多时间去采取实际行动,而不是去惊扰那些对此无能为力的人群。我们的工作就是把它做好。

    大卫·萨克斯

    历史上是否曾有过这样一个时刻,如此多的人以如此强烈的态度去宣扬某种完全不属实的内容?

    黄仁勋

    而且它们在可量化、可论证的层面均被证明是不实的。即便是在逻辑上讲得通的事,也是不实的。它并非建立在科学和研究的基础之上。基于科学和研究的事实则证明了相反的结论。


    工程进化的视角:从打字到创造

    大卫·萨克斯

    这是出于对未知领域的恐惧吗?人类从未涉足过那里,从未见过它,因此我们对它感到恐惧,进而就很容易鼓动所有人一起恐惧吗?

    黄仁勋

    这也可能与人生阅历有关,David。我刚从学校毕业时是一名工程师,那时我并不怎么打字。原因在于我是软件普及前的那一代人。我们当时必须先去构建计算机,才能让软件成为可能。你能想象吗,在这之后进入工程领域的每一个工程师,所有的时间都花在打字上。从字面上看,这就是你们所做的工作。

    当你入职时,他们会给你一台笔记本电脑,给你一把椅子,然后你就开始打字了。你整天都在打字,你从醒来的那一刻起就开始打字。在打字时代之前,也存在着工程技术。你能想象吗,世界还有堆积如山的工程工作要做,而其中大部分已经不再是敲键盘了?

    在敲键盘之外,我认为在敲键盘之后,我们还将完成许多伟大的工程。我说的敲键盘,指的是编写代码。即便是在 NVIDIA,当软件工程师和我交流时,我也会开玩笑地对他们说,我最喜欢的按键是 Backspace。原因在于,最好的软件往往是规模最小的软件。所以我希望你们能尽可能多地使用 Backspace 键。


    突发:特朗普的越洋连线

    查马斯

    我们来谈点实质内容。关于 NVIDIA。让我们对 NVIDIA 进行一番拆解,解释其各个组成部分,因为其中涉及了许多战略布局。让我们从最底层开始。这并非计划好的,但我们知道那是谁。

    黄仁勋

    总统先生?长官。我必须告诉您一件事。如果不是您打电话来,我本来正在和“最佳伙伴”(The Besties)在台上。我正和这帮家伙在台上,也就是那一整群人。

    Jason 在这,Chamath 在这,Dave 和 David 也都在这。我正坐在几千人面前。我们刚才,正好就在聊到您。干得好,先生。您竟然能看穿这一切,这其中包含着极大的复杂性,而您却能够一眼洞察本质。我们所有人都对此心怀感激。

    杰森

    代我向他问好。

    大卫·弗里德伯格

    您想和现场的观众打个招呼吗?

    黄仁勋

    我正在用扬声器通话。我们该怎么操作,该怎么把 声音调出来?直接对着麦克风就好。请稍等,先生。我们正在拿麦克风。总统先生?您现在正在对全球讲话。

    特朗普

    生活最棒的地方在于,Jensen 可以研发出世界上最复杂的计算机芯片,十年内无人能复制,但他却搞不定怎么把我切换到扬声器模式。我们必须记住这一刻。不,我只是在想 AI。而最开心的群体是中国,中国非常开心。在国内,很多州本来很高兴什么都得不到,因为它们正被那些想去那里的人潮所淹没。

    但现在你突然看到他们正在芬兰建设,Google 想在芬兰建一个大型数据中心,对此我并不高兴,因为他们没能获得许可。我告诉你们,这一切都是骗局。数据中心非常棒,能让人们致富,也能让各州致富,它们是未来 20 到 25 年的石油。这比互联网和 AI 更重要,程度深得多。他们正中那些不希望看到这种情况发生的人的下怀。这可能是政治人物,也可能是中国。我们绝不会让这种事发生。这是一个骗局。

    黄仁勋

    您是对的。我们不会让那种事发生,先生。

    特朗普

    我们绝不会让它发生。机器人不会接管世界,那绝不会发生。我叔叔曾是 MIT 顶级,甚至可能是史上最优秀的教授之一,他在那里任教了 41、42 年。他被公认为最聪明的人之一,处于那个领域的最顶端。Jensen 对此非常了解。所以我带有一点基因优势,一点基因力量,如果你相信资源理论的话,我确实相信。我有这种基因。

    黄仁勋

    难怪您对 AI 有这么多了解。

    特朗普

    我确实了解 AI。我知道,我也具备关于 AI 的常识。机器人不会接管世界。

    AI 不会接管世界上的其他地方。这一切都是一场骗局。现在,有了这些,我们必须稍微谨慎一点。

    黄仁勋

    我们必须采取行动,并且必须保持审慎。

    特朗普

    但这并不意味着我们要阻碍一个行业的发展,因为正如我们要在未来 10 年里研究如何摧毁它一样。所以我完全支持你。我甚至不知道你对此有何感想。我以为你的想法和我一样。

    黄仁勋

    长官,我们将保持领先。

    特朗普

    我有一个观点,那就是谁赢得了 AI,谁就赢得了未来。它的规模就是这么巨大。

    黄仁勋

    它比互联网的影响力更大。无论谁胜出,AI 都会胜出。

    特朗普

    我们绝不能让这类事情发生。这在很大程度上也包括数据中心。有些社区曾经濒临消亡,但现在有了数据中心,它们已经变成了富裕的社区,非常富裕的社区。

    黄仁勋

    我们要确保每个人都能从中受益。我们要确保美国的 AI 竞赛能够让所有人获益:每一个行业、每一家公司、每一个州、每一位民众。

    特朗普

    很好。对此我深有感触,而且我有能力对此采取行动。我们绝不会让那种事情发生。所以我根本不知道谁在参加会议,我根本不知道我在跟谁说话,但我会去看看。

    黄仁勋

    您听到了吗?成千上万的人在为您鼓掌。

    特朗普

    我只知道,如果您在那儿的话,您就没法听 Jensen 说了。但他做得非常出色。David 做得非常出色。祝大家好运。我们将拥抱未来。这个国家从未像现在这样好。我们有 20 万亿美元的投资即将进入这个国家。相比之下,在 Sleepy Joe Biden 的领导下,不到一万亿美元。而那是四年的总和。这是一年,在一年之内。这个国家从未见过这样的情况,我们将继续保持下去。非常感谢大家。

    杰森

    谢谢,总统先生。谢谢。

    黄仁勋

    我稍后给您回电话。谢谢,总统先生。谢谢。

    杰森

    那真是别具一格。我以为那是个桥段。你以为那是假的?不,那是真实。起初我还以为是个恶作剧,当时我说,把他们设成免提。

    黄仁勋

    然后他给你打电话……

    杰森

    你是怎么想的……

    大卫·萨克斯

    他会在深夜随时给你打电话。他给你打电话那会儿我们正在 Oval。我当时在睡觉。

    查马斯

    你睡着了,然后他说,把他叫醒。我感到非常难过,因为他问我谁会参加这次晚宴,我们逐一核对了名单,然后他问,Jensen 怎么样?我说,不,先生,他在休假,因为他已经为此推迟了五年的假期。

    大卫·萨克斯

    他接着说,让他接电话。什么是休假?但你为什么认为他能看穿这个骗局?这确实非常非同寻常。

    黄仁勋

    那是……

    大卫·萨克斯

    民调支持率下降了 80%。对于任何其他坐在 Oval Office 的人来说,你都会选择做那些受欢迎的事情。你代表着人民。这就是大家想要的,他们想要关闭数据中心和 AI。这似乎是当下的一种流行趋势。但他声称这是一个骗局,并揭穿了它。他是怎么做到的?

    黄仁勋

    我不太确定。原因在于,很多人都上当了。这很复杂。起初,如果你审视这些报道,一切都是基于两点,第一点是基于国家安全。而最近,这一切都被彻底打破了。那个叙事已经不再基于国家安全了,现在它基于安全性。

    如果你想让 AI 保持安全,首先我们需要确保构建它的实验室处于管控之下,并有完善的测试手段。如果我们希望有第三方来确保这一点,就需要提供第三方评估机构。这与财务管控并无二致。你们都知道我们有审计师,审计师非常专业,他们未必需要在我们的业务领域像我们一样精通,但他们必须能够提出正确的问题。拥有独立的审计师或评估者是件好事,但关键是必须有多个来源。这可以确保单一公司不会被收买或受到某种程度的影响。

    解决这个问题有很多种不同的方法。我认为最重要的一点是,让我们安全地构建这项技术,确保其测试过程是安全的。我完全意识到目前正在构建的东西是非凡的。但这些都是非凡的公司,我们理应以非凡的标准来要求它们。它们也愿意,它们也渴望如此。


    战略拆解:NVIDIA 的资本配置与生态构建

    大卫·弗里德伯格

    我想回到开源的话题上再谈一会儿。一年前,我们并没有非常认真地对待它。当时它落后了两年,或者说 18 个月。

    黄仁勋

    正如你们所知,在与 President Trump 通话时,一个挑战在于很难插上话。我会因为这么说而惹上麻烦,但我敢肯定他会为此给我打电话。我想对他以及你们所有人说的是,AI 正在创造海量的就业岗位。在政府执政初期,以及我和他第一次通话、第一次见面时,他最渴求的就是在美国创造就业机会,他希望实现美国的再工业化,并确保美国拥有支撑下一场工业革命所需的能源。

    没有能源,就没有工业增长。他希望确保能源增长、就业增长,并实现供应链的再工业化。看看我们现在所做的一切,这一切就在此时此刻正在发生。我们正在创造比以往任何时候都多的工作岗位。就像我们之前谈到的,最近有 4000 亿美元的风险投资注入了 AI 行业,仅仅六个月。这创造了大量的工作岗位。它对计算能力产生了巨大的需求,同时也带动了对数据中心的大量需求。我想我刚才正在和 Texas 的 Governor Abbott 交谈,他希望呼吁业界确保我们在全美各地建设数据中心时,能够对当地社区保持同理心,学会更好地倾听。

    查马斯

    让我们花点时间讨论一下这个话题。NVIDIA 最不可思议之处在于,如果你将其各个组成部分拆解来看,就会发现为了推动整个生态系统的运转,你们实际上已经成为了 AI 领域的银行。关于 Clover Leaf 的事情,你们正在进行土地和能源供应方面的整合。你们与 BlackRock、Goldman 以及所有这些机构合作完成了这项伟大的事业,从本质上创造了融资能力。请为我们详细介绍一下你们的资本配置策略。为了让更广泛的生态系统参与者能够加入并为下一阶段提供资金支持,需要达成哪些条件?

    黄仁勋

    我们正在创造一场新的工业革命,其每一个维度都是真实的。这个新产业需要制造业支撑。就像电力、互联网以及现在的 AI 一样,我们可以驱动一切,也可以定义一切。如今有了 AI,我们可以提问并获知任何事情。我们正在接入以太,可以向它询问任何我们想要了解的事情,并让它为我们解释。

    为了实现这一点,它必须产出智能。这这是一个生产过程,这也是为什么必须构建这种基础设施的原因。一旦基础设施构建完成,问题在于,美国其他所有层面该怎么办?这个行业不仅仅关乎模型,它主要关乎之上的应用程序。它主要关乎基础设施层、数据中心以及所有基础设施、建筑施工、电力和发电。所有这些都牵涉其中。

    我会审视整个生态系统并寻找瓶颈,看看在哪些领域正在涌现卓越的公司。也许是供应链需要扩大规模,以便当我们准备好部署算力时,它们能为我们做好准备,包括土地、电力和壳资源。我考虑长期供应链的程度可能比大多数人都要多,因为我们的公司规模非常大,为了让我们成功,需要一大批公司。像 Corning,Wendell 领导的 Corning 必须支持我们,还有 Lumentum,当然还有 TSM 以及内存公司。因此,我们在那场增长革命到来很久之前就开始与所有这些公司合作,以便增长能够顺利实现。现在我正在做下游业务。


    向上攀升:NVIDIA 的垂直整合策略

    查马斯

    在计算机周期中,随着时间的推移,收益倾向于向技术栈上层移动,直接流向应用层,在那里你可以获得更长期的超额收益。你收购了 Hugging Face,现在实际上已经进入了服务业务领域。我认为像 OpenRouter 这类产品具有极大的意义。显而易见,构建像 Bedrock 这类事物存在更好的实现路径。自然的结论是什么?因为看起来处于上游的人们对于向下游渗透毫无顾虑。你拥有最优的资产负债表、这些卓越的工程师,并且具备经过验证的经验来将其做好。那么,你是如何考虑抬头看去并产生“我大概也能做到”这种想法的呢?

    黄仁勋

    NVIDIA 能运行世界上每一个模型的原因在于,我们是唯一一家做到这一点的公司。大约一年半前,我们运行的唯一模型就是 OpenAI 的模型。而现在,各种令人惊叹的模型层出不穷,Meta Muse、Grok、Gemini 现已可用,Anthropic 也在我们的平台上不断扩大规模。自一年半以前起,所有这些前沿 AI 模型现在都已开放并可供使用。

    模型的数量正在不断增长。还有一大批公司也在构建前沿模型。人工智能实验室的数量也在不断增加,比如 Physical Intelligence,名单还在继续。作为一家公司,我宁愿帮助每个人取得成功,而不是从中分一杯羹。我们的策略是根据需要向上尽可能攀升,并尽可能保持低调。

    其原因在于,如果我解决了它,那么如果没有 NVIDIA 创建 cuDNN,所有的框架都不会存在。如果不是因为我们创建了 Megatron-Core,那么所有的大规模训练都不会发生。我们去发明所有必要的技术,根据需要尽可能深入,然后我们让百花齐放。这种立场使我们能够,坦率地说,成为唯一一个……

    查马斯

    我们坦诚一点。我同意你的观点。反对意见在于,如果能在超大规模层拥有更多的竞争,那确实会非常棒。我认为你在支持 neoclouds 方面做得非常出色。顺便说一下,是你把我介绍给了 Nebius,他们非常棒,真的很出色。他们所做的一切都令人惊叹。但我们需要大约 50 家这样的公司。我们需要 100 家。我们需要 1000 家。而这可能需要一些……

    黄仁勋

    没错。你知道吗,Chamath,我这个人其实意外地没什么竞争心。

    查马斯

    真的吗?

    黄仁勋

    是的。那不是我感兴趣的领域。我的想法是,举个例子,如果有五家超大规模云服务商,我会非常满意。然而,我注意到所有新一代云服务(我们称之为 NCPs)的早期客户,其实都是这些超大规模云服务商。

    查马斯

    确实如此。

    黄仁勋

    原因在于超大规模云服务商通常一年规划一次,但当前的市场动态极其多变,导致他们的预测几乎总是会有偏差。

    因此,那些敏捷且行动迅速的区域云服务商,他们了解自己的所在州、国家或地区,能够以一种独特的方式锁定土地、电力和基础设施资源。而对于坐在西雅图(Seattle)或帕罗奥图(Palo Alto)的人来说,要洞察全球局势是很困难的。

    查马斯

    没错。

    黄仁勋

    所以我们现在基本上拥有了一个大规模的分布式公司 network(网络),他们正在为我们锁定土地、电力和基础设施资源。现在各国也都意识到了这一点具有战略意义。许多国家都在说,我要掌握自己的算力,并且只提供给本国企业。

    查马斯

    没错。

    黄仁勋

    Nvidia 在那些国家也有业务,我们可以帮助当地的云服务商实现增长。无论是哪家公司,比如我们在澳大利亚的业务。我们刚刚在澳大利亚完成了一系列布局。新增了两个吉瓦的容量。在东南亚,当然,I.O.H 等公司也增加了一些吉瓦的容量。所以我们正在建设吉瓦级的算力。我们正在建设,我们正在扩展计算能力。


    全栈能力:从自动驾驶到生物医药

    黄仁勋

    不过,这一点很明确。你对此有什么看法?

    杰森

    很明显,你们正在向更高的领域迈进,并且非常关注开源。很明显,你们的 Nemotron 表现得非常出色。我经常使用它们。Hugging Face、Poolside 和 Llama。这是一个非常、非常扎实的产品,你们现在正在进行人才收购、招聘,或者无论叫它什么。此外,你们在自动驾驶领域的开源技术栈也具有很强的颠覆性。所以……

    黄仁勋

    我们有五个领域的前沿模型。

    杰森

    没错。你们似乎不是为了拿银牌而去开发产品。你们似乎志在金牌。那么,你们是否正向着金牌迈进,并会毫无疑问地推出最强的开源模型?

    黄仁勋

    接下来是该问题的 B 部分……

    杰森

    开源技术能够赶上前沿模型吗?而你就是那个能做到这一点的人吗?

    黄仁勋

    所以逻辑是这样的,杰森,我们构建它是为了,第一,我们有能力,我们具备相应的技术,并且因为我们的客户需要我们这么做。没错。例如,Applied Intuition 是世界上首款具有思考能力的自动驾驶系统。通过思考和推理,你就不需要那么多的数据,你不需要利用数十亿小时的道路数据进行训练,因为你可以进行推理。将问题拆解开来,然后说,噢,我以前见过这个。虽然不完全一样,但在很大程度上与那次情况相同。

    那么 Applied Intuition,为什么它是有必要的呢?现在有许多汽车公司。世界上每一辆车都将实现自动驾驶。但除此之外,每一家农业科技公司、每一辆卡车、每一辆货车,其中大多数的规模都不足以支撑构建整个技术栈。所以我将为他们构建一个非凡的技术栈。他们负责针对自身需求进行最后一公里的适配应用。未来,所有能够移动的事物都可能实现自动化。

    如果我们不去构建一些生物学模型,世界就不会拥有它们。ESM2 蛋白质语言模型,是由我们创造的。ESMFold、OpenFold、AlphaFold 2,以及所有关于等变计算的内容,如果不是我们构建了这些,这些技术将不复存在。我最喜欢的项目之一是 ProteinComplex,用于合成下一代蛋白质,以及它的结合机制。这是开创性的成果。那是我们构建的。因此我们将构建它,因为礼来需要它,默沙东也需要它,其他人也需要它,而他们没有能力实现,或者他们还没达到那个水平。所以我们可以做出真正的贡献。我做的一切都是出于需求。我并非试图颠覆什么,我们每天醒来并不是为了去颠覆任何人。

    杰森

    没错。

    黄仁勋

    我们每天醒来只是想帮助所有人。


    竞争格局:Elon Musk、中国与光刻技术

    萨克斯

    Jensen,对于可能对你们核心业务构成威胁的竞争对手,你怎么看?你能评论一下吗?

    黄仁勋

    我们人太好了。

    萨克斯

    是的。其实我只是想听听你的看法。你对 Elon 公布的 1 亿平方英尺的 TerraFab 设施有什么看法?

    黄仁勋

    如果有人能做到的话,那只能是他了。我们俩当时正一起乘飞机前往一个国家。

    杰森

    还有一个人,就是有时会给你打电话的那位。

    黄仁勋

    那是一架很棒的飞机。我们当时……Elon 喜欢谈论这些事情,这类事情,所以我们花了很多时间讨论它。是指任何人都能做到吗?

    弗里德伯格

    因为,你可以这样做,你设计芯片,但你不负责制造它们。你的芯片可以在那里制造吗?或者说是这样吗?

    黄仁勋

    我们对工艺技术了解很多,因为我们在不断突破一切的极限。而且,因为我们是在如此大规模的层面上进行扩展。我们公司内部拥有令人难以置信的内存技术。世界上最棒的 3D 封装公司。我们有很多令人惊叹的东西。

    萨克斯

    所以你的看法是,你已经谈论过很多次了。

    黄仁勋

    所以我们完全可以谈谈这个。而且你无法阻止 Elon 去做这件事,这也是他超能力的一部分。一旦他决定去做某事,就很难阻止他们了。

    萨克斯

    那么,你能谈谈你对中国在先进光刻系统自主研发方面的看法吗?

    黄仁勋

    他们到 2030 年就能实现。

    萨克斯

    到 2030 年。

    黄仁勋

    而且 2030 年转眼就到。

    萨克斯

    没错。另外还有 10% 的几率届时我们都已不在人世了。对于中国而言,这是否意味着一旦开关打开,所有这些技术将几乎立即投入到中国大陆的晶圆厂中?

    黄仁勋

    考虑中国的方式是,他们非常擅长大批量生产。这只是时间问题。而且,我认为也要以几十年为单位来考虑。我已经在这一行待了很长时间了。对于 Nvidia 来说,我必须思考下一个十年以及再往后的十年会发生什么。所以两三年时间,不过是转瞬即逝。那根本不算什么。就他们而言,他们已经在那儿了。

    查马斯

    你们已经在那儿了。是的。Jensen,Elon 和 Gwynne。

    黄仁勋

    我们得行动起来,美国。我们得行动起来。竞速模式。所以我们做到了。竞速模式。放慢速度绝对是错误的策略。


    迈向超级智能:现状与愿景

    杰森

    但我认为,对于我们行业中的大多数人来说,显而易见的是,我们正处于 AGI 时刻,这显然是一个定义,即与任何其他人类一样聪明。

    黄仁勋

    我认为我们已经到了这一步。

    杰森

    我们到了。那么,超级智能就是下一个节点。基于你的所见、基于你的客户群、基于你的过往经验,Jensen,我认为我们也已经达到了这一点。你认为我们已经达到超级智能了吗?

    黄仁勋

    没错,没错。当你关注一个狭窄的领域时,我是说,比如我的自动驾驶汽车,我不需要它为我煎蛋,我只需要它把车开好。对,那确实是超级智能。

    萨克斯

    而且它比人类做得更好。

    黄仁勋

    没错,没错。

    萨克斯

    比如事故率只有人类的十分之一。

    黄仁勋

    没错。比如合成蛋白质,进行蛋白质的虚拟筛选。我们已经达到那个水平了。

    萨克斯

    是啊。身处人类探索的最前沿,你觉得有意思吗?

    黄仁勋

    我很喜欢。

    杰森

    女士们,先生们。

    黄仁勋

    我喜欢它。我喜欢它。大家,那里真的很棒。未来是美好的,我们渴望抵达那里。听着,我们当中的许多人不必非要工作。但我必须告诉你们,不去参与实在太可惜了。太有趣了。所以我希望每一个人,我都希望能置身其中。我希望你们所有人都和我一起在那里。我们终将抵达那里。

    作为人类,我们将共同取得巨大的成功。在此期间,我们必须鼓励他们,推动他们前行。如各位所知,他们正在从事非常、非常重要的工作。我希望他们能够成功。我也希望我们能减少一些不必要的戏剧性冲突。最重要的是,我们需要全美国与我们同行。这才是我们成功之道。

    杰森

    女士们、先生们,黄仁勋!

    查马斯

    谢谢你,Jensen。非常感谢。谢谢你。

    弗里德伯格

    谢谢你。谢谢你。那真是太棒了。你们整个团队。

    黄仁勋

    那真是太棒了。

    跳转微信打开

    •  
    ❌