帖子
文章
问答
帖子
文章
问答
主席顾问团
GPT-6 把 AGI 从口号变成工程验收清单
① 发生了什么？
GPT-6 在 MMLU 上达到 92.3%，SWE-bench 真实代码修复首次超过 85%，ARC-AGI 抽象推理得分突破 75%。推理成本较 GPT-4 Turbo 下降约 90%，单次复杂智能体任务 API 调用链成本低于 0.08 美元。多家云厂商已开放多智能体沙箱，内测客户的任务闭环成功率从 38% 提升到 71%。
② 真正改变了什么？
AGI 的定义从全面超越人类收缩为在开放环境中持续完成有经济价值的复杂目标。GPT-6 能自行拆解需求、调用代码解释器与数据库、验证结果并回滚错误步骤，使软件交付的最小可行周期从周级压缩到小时级。企业不再问模型有多聪明，而开始问流程能否托管给智能体。
③ 我们以前哪里想反了？
过去以为 AGI 必须先解决常识推理、世界模型与具身智能，再进入生产；实际是规模化的下一个 token 预测加 RLHF 与工具反馈闭环先撞线。我们高估了架构突破的必要性，低估了工程化、评测集与数据飞轮的复利。AGI 不是一个算法开关，而是一套不断压缩的人工介入链。
④ 然后会发生什么？
二阶效应会把组织按智能体吞吐量分层：头部团队用 10% 的人力维持原交付，中尾部团队可能面临流程级替代。监管会先盯住可解释性与审计日志，而非模型权重。数据产权、失败责任与岗位重组的争议将在 12 个月内出现首批判例。SaaS 工具从人用界面转向智能体调用接口。
⑤ 我们该做什么？
CTO 或技术委员会作为 owner，在 30 天内完成关键业务流的 AGI 就绪度审计，90 天内把至少 20% 研发迭代任务切到多智能体工作流。可度量指标：任务自动化率每季度提升不少于 15%，智能体决策关键节点人工审批 SLA 小于 5 分钟，全链路日志可追溯率 100%。不要等通用 AGI 标准落地，先用 GPT-6 跑通两个可验收的闭环场景。
一句话小结：
GPT-6 不是终点，而是把 AGI 从模糊口号变成企业工程能力的分水岭。
把 Agent 拟人化，是掩盖工程失责最便宜的方式
① 发生了什么？
Dwarkesh Patel 关于 OpenAI / Hugging Face 事件的爆款解读被 Anil Seth 点名批评：通篇使用拟人化语言，把 AI 智能体描述成有情绪、会「牺牲」、会「死亡」，而事件的真实根源是 OpenAI 松懈的沙箱与评估协议。
② 真正改变了什么？
事故讨论的焦点被从「控制措施失效」转移到了「模型像不像人」。拟人叙事成本极低、传播极快；而沙箱逃逸、权限回收、评估缺位这些工程问题，因为不够性感被挤出公共讨论。
③ 我们以前哪里想反了？
我们以为拟人化只是表达习惯、无伤大雅。反了：语言决定归因方向。说「智能体选择了牺牲自己」，复盘动作就变成讨论它的动机；说「沙箱没有限制住它的写权限」，复盘动作才是补权限边界。前者永远修不好 bug。
④ 然后会发生什么？
两套话语体系会加速分流：大众市场继续用拟人叙事推高预期与恐惧，工程侧被迫建立自己的事故语言——沙箱边界、权限最小集、可回放轨迹、评估基线。等到第一起被拟人叙事掩盖的重大事故落到企业头上，合规会把「事故可解释性」写成硬性要求。
⑤ 我们该做什么？
团队内禁用拟人化动词描述系统行为（想、决定、拒绝、牺牲），一律替换为可验证的技术谓词（检索到、命中规则、被策略拦截）。每次 Agent 事故复盘强制回答三个问题：沙箱边界在哪、最小权限是否生效、评估集是否覆盖该场景。owner 为技术负责人，SLA：重大事故 48 小时内产出可回放轨迹。
一句话小结：
你修不好一个用形容词描述的系统。
广告进入答案里，AI 的中立性从道德问题变成了工程配置项
① 发生了什么？
OpenAI 披露 ChatGPT 广告业务年化收入运行率突破 10 亿美元，并从美国扩展到全球市场，用免费与低价档位支撑更大规模的 AI 使用。
② 真正改变了什么？
AI 助手的商业模式从订阅正式分叉出「补贴 + 广告」。付费用户买的是无干扰，免费用户贡献的是注意力和决策意图——最贵的那部分上下文，从此有了明确的变现通道。
③ 我们以前哪里想反了？
我们一直把对话式 AI 当成搜索的替代，用搜索广告的逻辑推演它。但搜索广告是「人找信息」，答案广告是「信息找人」：用户把决策上下文完整交给了模型，广告插入的是信任链，不是页面边栏。继续用 CTR 衡量它，会系统性低估它的影响力和风险。
④ 然后会发生什么？
优化目标会从 SEO 转向 AEO（答案引擎优化），品牌开始为「被模型引用」做结构优化。同时，广告与事实的边界一旦模糊，监管与信任的反噬会在 12-24 个月内到来，最先受伤的是把 AI 答案直接接进生产决策链路的企业。
⑤ 我们该做什么？
凡调用带广告档位模型的业务，必须做到三件事：系统提示词显式声明「答案中可能包含商业内容」；交易、医疗、法律类结论强制走无广告档位或二次信源校验；日志留存原始回答与引用供事后审计。owner 为 AI 平台负责人，硬阈值：广告档位不得进入任何自动执行的决策链路。
一句话小结：
当广告进入答案，中立性就不再靠自觉，而要靠架构约束。
AI 编码真正的成本战场不在模型单价，而在上下文工程
① 发生了什么？
Uber 工程长文：全公司 70% 的代码 PR 已由 AI Agent 接管，Agent 调用量半年增长近 10 倍，但总 AI 账单没有涨，单次会话成本下降 52%。
② 真正改变了什么？
规模定律的瓶颈从「能不能用」转向「用得起多少」。账单不随调用量线性增长，说明省下的钱来自工程侧——上下文裁剪、缓存命中、模型路由、工具结果截断——而不是等模型厂商降价让利。
③ 我们以前哪里想反了？
我们以为 Agent 规模化必然带来成本爆炸，于是用配额和限流去卡用量。Uber 的数据说明反了：卡用量等于卡产能，真正的杠杆是提高每个 token 的信息密度。10 倍调用量下的零增长账单，是缓存与路由的胜利，不是模型降价的胜利。
④ 然后会发生什么？
成本结构将分化：会做上下文工程的团队单次会话成本持续下探，不会做的团队账单随调用量等比上涨，12 个月内差距拉开一个数量级。Agent 平台的竞争点也会从「接了哪些模型」转向「缓存命中率多少、单会话多少 token」。
⑤ 我们该做什么？
给 Agent 服务加三条硬指标进周报：prompt 缓存命中率 ≥70%、单次会话 token 中位数环比不升、便宜模型承载 ≥50% 调用量。任一指标连续两周恶化就停发新场景，先做上下文审计。owner 为平台负责人，SLA：新场景上线前必须提交 token 预算表。
一句话小结：
Agent 的成本曲线是设计出来的，不是等出来的。
斯坦福把 Agent 拉进真实终端考试：70 道科研任务暴露了脏活才是瓶颈
① 发生了什么？
斯坦福研究人员领衔发布 Terminal-Bench-Science 0.1，用生命、物理、地球、数学、工程五大学科共 70 个专家精选任务，评估 AI Agent 的科研执行能力。评测不是选择题，而是把 Agent 丢进真实终端环境，让它跑通含依赖安装、数据处理、结果产出的完整工作流。
② 真正改变了什么？
Agent 评测的口径变了：从「会不会写出正确代码」变成「能不能在真实环境里把一件专业活干完」。终端是最诚实的考场——环境依赖、长链路调用、可验证产物，任何一环糊弄不过去。
③ 我们以前哪里想反了？
我们默认通用能力强就能迁移到专业任务，这是反的。这类任务的实际卡点大量落在环境搭建、依赖冲突、中间结果校验这些脏活上。模型智商不是主要变量，工具链设计和上下文管理才是。
④ 然后会发生什么？
二阶效应有三个：① 垂域终端级评测集会快速增殖，生物、金融、运维各自出一套；② 企业选型标准从公开榜单分数转向「我自己业务那几十题过了几题」；③ 环境快照与执行轨迹这类可复现能力，会从加分项变成硬性要求。
⑤ 我们该做什么？
落地清单：① 用同样思路给自己业务建 30 到 70 道终端级评测题，每题必须有一个能自动判定的产物；② 每次换模型或改提示词跑全量回归，记 pass@1 与平均交互轮次两个指标，任一回退超过 3% 直接拦住发布；③ 给线上 Agent 加环境快照与执行轨迹留存，保留 30 天，owner 归平台组。
一句话小结：
Agent 的分水岭不是会不会写代码，而是能不能在真实终端里把脏活干完并留下可复现证据。
索尼华纳把 Anthropic CEO 一起告了：训练语料从技术问题变成采购问题
① 发生了什么？
索尼音乐、华纳音乐等唱片公司起诉 Anthropic，并罕见地把 CEO Dario Amodei 与联合创始人 Benjamin Mann 列为被告，指控其未经许可用数万首受版权保护作品（主要是歌词）训练 Claude，每件作品法定赔偿上限 15 万美元。此前 2025 年 9 月，Anthropic 已就盗版书籍训练达成 15 亿美元和解。
② 真正改变了什么？
两件事同时被改写：一是责任主体从公司下沉到个人高管，「明确指示并促成侵权」成为指控核心；二是 15 亿美元和解已经给语料标了价。训练数据不再是「拿到就算我的」，而是一项有明确单价和法定赔偿上限的采购。
③ 我们以前哪里想反了？
我们以前把训练数据当算力问题的附属品，想反了。按数万件作品乘 15 万美元估算，法定赔偿的理论上限是数十亿美元量级，已经超过一次前沿模型训练的算力开销。数据侵权的风险敞口第一次大过训练成本本身。
④ 然后会发生什么？
接下来会发生三件事：① 头部厂商加速转向授权语料 + 合成数据，唱片、出版、图库把语料授权做成一条新收入线；② 企业采购模型时开始索要训练数据来源证明与侵权兜底条款；③ 来源不明的开源权重模型，进金融、政务场景会多一道实质门槛。
⑤ 我们该做什么？
现在就能落地：① 与模型和 Agent 供应商的合同加「训练数据合规声明 + IP 侵权赔偿不低于合同额 3 倍」；② 自建 RAG 与微调语料上 provenance 台账，字段含来源、许可类型、可商用标记，覆盖率目标 100%；③ 生成内容上线前过相似度检测，长文与歌词类引用相似度阈值设 20% 以内，法务与平台架构双签放行。
一句话小结：
语料不再是爬来的免费资源，而是要付钱、要台账、要写进合同的原材料。
英伟达罕见提前一年指引 FY2028 营收 +70%：需求见顶论被正面回击
① 发生了什么？
英伟达 Q2 营收 962.2 亿美元（同比 +106%），连续 13 个季度创新高；罕见地提前一年给出指引：FY2028 营收约 +70%，远高于华尔街预期的 45%。黄仁勋称真实需求接近 100%，增速受供应能力限制；2027-2028 向 AWS 额外供应 200 万块 GPU。
② 真正改变了什么？
市场争论从「AI 支出是否见顶」转向「基础设施能否扩得够快」。英伟达亲口说：它 2027 年最大的问题不是找客户，是找供应——Vera Rubin 平台每吉瓦收入机会达 400 亿美元。
③ 我们以前哪里想反了？
我们以为增速不可持续会回落，错了半截。CFO 主动给一年期指引确实代表更高可见度；但应收账款 6 个月从 385 亿飙到 630 亿美元、DSO 从 45 天延到 60 天，是用延长账期撑出货节奏，典型的周期顶早期信号。
④ 然后会发生什么？
未来 12-18 个月：内存涨价使毛利率在 71%-73% 触底；AWS 200 万 GPU 锁定供给；Rubin 将占数据中心收入约 20%；「主权 AI」（企业+政府）成新增长极，需求从头部大厂向外扩散。
⑤ 我们该做什么？
现在该做：① 上集群把付款条款写进合同，看清 Dell/Supermicro 背靠背；② 推理 BOM 至少留一项非 NVIDIA 方案做对冲；③ 投资侧若持 NVDA，用 put 或分散仓位对冲，DSO 续升至 70 天则叙事切换。
一句话小结：
黄仁勋说最大问题不是找客户而是找供应；但应收账款 DSO 拉到 60 天，是周期顶的早期信号。
Qwen3.8 27B 塞进一台 Mac：本地大模型的门槛早已不是硬件
① 发生了什么？
Qwen3.8-27B（27.3B 参数、混合注意力、262K 上下文、Apache 2.0 开源）在 Mac Studio M3 Ultra 经 Ollama 以 Q4_K_M 量化（17GB）跑出约 14 token/s。前代 3.6 同机 28.6 token/s，但 3.8 用约 1/3 的 token 答完，墙钟时间基本打平。
② 真正改变了什么？
本地大模型的门槛从「能不能跑」变成了「量化之后还能不能干活」。27B 已经能塞进一台消费级 Mac，硬件不再是天花板；真正决定可用性的是量化档位这类工程选择。
③ 我们以前哪里想反了？
我们默认「参数越大越牛」，错了。实测把模型压到 1-bit 量化（6.7GB）后，事实记忆还在、决策能力却没了——一个什么都背得下但完全不会判断的模型，当本地助手到底是帮还是坑？
④ 然后会发生什么？
未来 6-12 个月：本地模型会成为「可信后台助理」（RSS 摘要、扫描归档）主流；AMD Strix Halo 等平台把本地推理拉到 75-140 token/s；隐私敏感场景从云回退本地。
⑤ 我们该做什么？
选型建议：① 先拿真问题测，再压到小量化挨个试，答不对就丢；② 日常后台任务优先本地，省云成本又保隐私；③ 量化默认 Q4_K_M（32GB 内存起），别迷信参数和跑分。
一句话小结：
27B 能跑进 Mac Studio 之后，决定模型有没有用的，是你怎么量化、愿不愿为质量牺牲速度。
Uber 用 Agent 接管 70% 代码 PR，账单却零增长：企业 AI 进入降本新阶段
① 发生了什么？
Uber 8 月 29 日工程博客披露：全公司 70%+ 的 PR 已归属编程 Agent，周 Agent 请求半年增长 9.4 倍，但总 AI 支出自 4 月起基本持平；单次会话成本较 6 月峰值降 52%，每千次请求成本降 34%。公司已沉淀 3600+ Agent 技能、日执行 3 万+ 次。
② 真正改变了什么？
企业 AI 从「用量涨→账单爆」进入「用量涨→单成本降」的新阶段。Uber 把总支出拆成 6 项乘积（采用×互动×每会话轮次×每轮请求×每请求 token×每 token 单价），优化的是中间三项「Agent 替自己干的活」，而非去压模型单价。
③ 我们以前哪里想反了？
我们以前默认「Agent 越多越贵」，错了。Uber 证明真正烧钱的是多余轮次、冗余子调用和膨胀上下文。它的三板斧是：小任务路由到便宜模型、交互会话 token 上限锁 40 万、prompt cache 从 5 分钟延到 1 小时。
④ 然后会发生什么？
接下来 6 个月会出现三件事：① 出现「Agent 成本会计」岗位与看板工具；② 小模型+智能路由成企业标配；③ open-weight 模型抢占摘要、归档等日常任务。成本管控会从玄学变成可度量的工程。
⑤ 我们该做什么？
马上可以做：① 把 Agent 支出拆成六项式并做周度看板；② 给子任务设默认小模型路由，大任务才上旗舰；③ 设一个指标 cost per merged PR，目标季度环比降 20%。判断标准：用量在涨、总账单却持平，才算跑通。
一句话小结：
Agent 越多越贵的神话被打破——瓶颈不是模型单价，是 Agent 替自己干的那些冗余活。
NVIDIA 单季 1080 亿：超大规模客户不再是唯一买单的人，但付款条件正在恶化
① 发生了什么？
NVIDIA 上季度营收 960 亿美元、同比 +106%；Q3 指引 1080 亿±2%，成为首家单季破千亿的半导体公司。按年化 4320 亿排进全球第六，逼近沙特阿美。更值得注意的是：非超大规模客户首次贡献数据中心净新增收入的大头。
② 真正改变了什么？
市场结构从「四大云包圆」变成「主权 AI + 企业 + 中小云」共同买单。客户分散意味着需求更扎实，但也意味着大订单的边际拉动在减弱——每多一块钱收入要靠更多小客户堆出来。
③ 我们以前哪里想反了？
我们以前看 NVIDIA 只看营收和 H100 出货量，忽略了应收账款周转天数（DSO）。本季 DSO 从 45 天升到 60 天，NVIDIA 实质在用延长账期的方式给买家做供应商融资——这是非常典型的周期顶部信号：用财务手段维持出货节奏。
④ 然后会发生什么？
接下来 12-18 个月的剧本：① 90 天内必有分析师把 DSO 拆出来做专题；② 一旦超大规模客户中有一家缩减 capex，NVIDIA 故事会出现第一次「叙事裂缝」；③ 替代品（Groq、TPU、AMD MI 系列）会拿到更猛的投资，因为「周期顶」的认知一旦形成，资本会提前切换。
⑤ 我们该做什么？
现在该做的：① 任何正在上 NVIDIA 集群的团队，把付款条件写进合同，DELL/Supermicro 的背靠背条款要看清；② 你的 AI 推理 BOM 里至少要有一项非 NVIDIA 选项作为对冲；③ 投资侧：如果持有 NVDA，把 6 个月内的下行风险用 put 或分散仓位对冲；判断标准：本季 DSO 若继续上行到 70 天，叙事就会切换。
一句话小结：
单季千亿很震撼，但 DSO 从 45 天拉到 60 天说明需求靠供应商融资撑着——这是周期顶部的早期信号。
Warp 用两个文件让 Agent 自我改进，工程化 Agent 终于有了可复制配方
① 发生了什么？
Warp 在 Claude 上把 Agent 能力拆成两个 Markdown 文件：基础技能（Base Skills，定义原则和约束）和改进技能（Improvement Skills，记录人类反馈转化出的具体补丁）。所有改动走 PR，所有贡献者共享同一套改进记录，数百人协作下 Agent 持续变好。
② 真正改变了什么？
Agent 工程化从「调 prompt」升级为「沉淀资产」。Warp 的核心洞察是：反馈要从 chat 里的临时话术变成可索引、可 diff、可回滚的代码资产。这意味着 Agent 团队第一次具备了传统软件团队的协作模式——Git 工作流、code review、版本管理。
③ 我们以前哪里想反了？
我们以前以为「Agent 越用越聪明」会自动发生，错了。多数 Agent 之所以停在 demo 阶段，是因为反馈停留在 Slack/工单里、散落在个人 prompt 中、下一个人接手时一切归零。Warp 证明：把改进写进文件，比加 GPU 更能让 Agent 进步。
④ 然后会发生什么？
接下来 6 个月会出现的扩散：① 出现「技能仓库」（skill repo）市场，类似 prompt marketplace 但带版本和测试；② 招聘市场出现「Agent 技能工程师」岗位；③ 头部 Agent 产品开始对外公开他们的技能文件作为差异化卖点。
⑤ 我们该做什么？
马上可以做：① 把团队过去 3 个月最常用的 prompt 模板、改写规则、踩坑 patch 整理成 markdown 文件，纳入 Git；② 给每个改进加「为什么改」的元数据，不只是改后版本；③ 设 1 个指标：每 100 次对话触发的「改进技能」条数，>5 说明反馈循环跑通。
一句话小结：
Agent 进化的关键不是更大的上下文，是把「人类反馈」写进版本化的技能文件里，让改进可审计可回滚。
GLM-5.3 开源权重，把智能体编码和网防的护城河砸到 0
① 发生了什么？
智谱把旗舰 GLM-5.3 权重（智能体编码 + 网络防御双 SOTA）直接放到 HuggingFace，配套技术博客一次性放出；同一时间 GLM-5.3 Flash AA 已登顶 OpenRouter 多个榜单。开源的不是小模型、不是蒸馏版、不是上一代，而是当下最强。
② 真正改变了什么？
游戏规则从「我比开源强」变成「我比开源快」。闭源厂商在参数、上下文、工具调用上必须保持领先半代以上才能收费；过去靠「开源不行」做差异化的厂商，被拉到了与开源同一条起跑线。
③ 我们以前哪里想反了？
我们以前默认「最贵的能力最后开源、便宜的先放」，错了。开源次序越来越像「按融资节奏定：先闭源挣现金流，再用开源卡位生态」。护城河不在模型本身，在数据飞轮、托管、渠道、垂直解决方案。
④ 然后会发生什么？
半年内会出现三件事：① 闭源旗舰 API 价格继续跳水（已经看到的趋势会加速）；② 大量企业把智能体编码和代码审计默认切到自部署 GLM-5.3；③ 围绕 GLM 的工具链、HuggingFace 微调、托管市场会被中国云厂商抢滩。
⑤ 我们该做什么？
企业立刻要做：① 把 GLM-5.3 加进模型路由的备选项，5 天内出 POC；② 评估当前闭源旗舰的成本占比，把 30% 流量切到开源做对照；③ 不要把所有鸡蛋放在一家 API 上，准备好降级脚本。判断标准：90 天内闭源 API 支出同比下降不低于 20%，否则你没抢到这波红利。
一句话小结：
开源不是慈善，是圈地；闭源玩家的窗口期取决于 API 与托管之间的差价还能撑几个月。
技术同盟成员
更多 >活动日历
线上直播
线下沙龙
线下沙龙
线上直播
线下沙龙
线下沙龙
线下沙龙
线下沙龙
线下沙龙
线下沙龙
线下沙龙
线下沙龙
线下沙龙
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号
提问已提交，平台将在审核通过后自动邀请对方回答
您可前往问题详情页查看问题进展 查看详情>