文章核心观点 - AI应用市场面临的核心问题不是技术匮乏，而是技术与商业需求之间的连接不畅，存在巨大的“繁荣悖论”：技术侧繁荣但商业落地成功率低[4][8][9] - 模力工场通过构建“AI应用的大众点评”模式，旨在成为连接技术与商业化的关键桥梁，解决AI应用落地的三大障碍：需求不清晰、方案不可见、对接不顺畅[4][13][15][18] - 随着AI基础设施的成熟，当前正处在AI应用落地的黄金窗口期，模力工场的平台生态设计旨在构建开发者、体验官、推荐人等多方共赢的“飞轮效应”[10][11][59][60][61] AI行业现状与挑战 - 技术侧呈现繁荣态势：GitHub上AI相关项目数量从2020年的不足70万激增至2023年的181万，2023年AI项目星标数量达到1221万，是前一年的3倍[8] - 商业侧表现冷酷：仅25%的企业认为成功落地了AI项目，仅10%的公司正在大规模落地人工智能，仅15%的公司认为使用AI后企业收入真正增加[8] - 国内生成式AI采用率快速提升，从2024年的8%飙升至2025年的43%，显示底层技术基础设施已成熟[10] - 中国企业虽对AI态度积极（53.7%的企业已积极落地AI），但仍有46.3%的企业在观望，主要原因是找不到合适的解决方案[53] 模力工场平台解决方案 - 平台定位为“AI应用的大众点评”，专注于为千行百业找到好用的、合适的AI应用实践[4] - 在云栖大会承办“AI超级交易所”，其流程设计针对性地解决了AI应用落地的三大障碍[11][15][17][18] - 提供流量曝光、用户反馈、技术生态协同和商业化路径等一整套加速服务，帮助开发者跨越从技术到商业化的鸿沟[44][46][48][49][51][54] 展示的AI应用案例与行业痛点 - **云运维自动化**：针对全球工业AI市场规模436亿美元中运维自动化需求占比超30%的痛点，解决方案可将复杂的命令行操作简化为对话，帮助企业从“救火”转向“预防”[21][22][24] - **招投标效率**：针对中国年规模超20万亿元的招投标市场，解决方案可将标书编制时间从3-5天缩短至15分钟，并将废标风险降低80%以上[27][28] - **人力资源数字化**：针对中国人力资源服务市场规模2.5万亿元的痛点，解决方案可将招聘周期缩短60%，人才匹配精度提升至75%[31] - **内容创作**：针对中国新媒体市场规模1.2万亿元的痛点，解决方案可将图文创作时间从2-4小时缩短至30分钟内[34] - **自动化办公**：针对知识工作者60%时间花在重复性任务上的痛点，提供无需编程即可完成合同审核、报表生成等任务的自动化工具[37][38][40] 模力工场的生态构建与价值主张 - 通过“秋季赛”等活动，构建了开发者、体验官、推荐人三方共赢的生态循环，形成自增强的“飞轮效应”[55][59][60] - 为开发者提供与各大模型厂商的深度合作、技术栈整合和成本优化，并帮助进行需求匹配、商业模式指导和投资人对接[57][58] - 平台通过顶级大会展示、媒体矩阵推广和周榜排名系统，为优质应用提供持续曝光，突破“酒香也怕巷子深”的困境[45][48]

微软与Anthropic的合作整合 - 微软深化与OpenAI主要竞争对手Anthropic的合作，自9月25日起将Anthropic的AI模型整合到其AI助手Copilot中 [2] - 此次整合是微软与OpenAI“逐步解绑”的重要举措，此前微软已宣布将Anthropic的AI技术应用于Office 365系列应用（如Word、Excel和Outlook） [2] - Copilot的商业用户在处理复杂调研、定制化AI工具开发、企业级智能体构建等特定任务时，可在OpenAI的深度推理模型和Anthropic的Claude Opus 4.1与Claude Sonnet 4模型间自主选择 [2] Anthropic的Claude模型特性 - Claude Opus 4.1模型主打复杂推理、代码编写及深度架构规划能力 [3] - Claude Sonnet 4模型更适用于常规开发任务、大规模数据处理及内容生成场景 [3] 行业影响与用户反馈 - 用户反馈显示，在实际工作中会切换使用Claude和ChatGPT，Claude用于研究，GPT用于快速回答，将两者集成在一个企业平台中被认为意义重大 [3] - 行业观点认为，微软整合Claude不仅是为用户提供多一个选择，更是对单一最优模型论调的直接挑战，标志着AI领域真正博弈的开始 [3]

京东AI战略布局 - 公司通过AI技术整合生态服务与内容社区 推出智能入口"他她它"App 迈向超级应用新赛道 [2][3] - 该应用自5月开启公测 正式版集成数字人助手、AI社交圈子和智能硬件互联功能 并展示零帧起手数字人小程序 [3][4] 超级应用功能特性 - 万能博士智能体实现医疗健康咨询 自动衔接京东健康线上问诊与线下挂号服务 并具备对话记忆能力 [5][7] - 点餐助手基于位置推荐餐厅 说明价格距离理由 自动领取优惠券 体现京东生态整合优势 [9] - AI圈子提供社交功能 支持创建专属智能体 具备二次元/真人聊天角色 灵魂匹配1V1互动及AI克隆仓数字分身创建 [10] 技术架构与生态扩展 - 应用依托Joy AI大模型 在Rbench0924评测中推理能力国内第一 涵盖3B到750B全尺寸模型 包含语音大模型JoyAI LiveTTS和数字人大模型JoyAI LiveHuman [13] - 未来可能开放外部Agent接入 已实现线下硬件互联互通 可操控机器人/AI玩具等具身智能设备 形成双向数据共享 [13] - 公司计划通过该应用三年带动形成万亿规模人工智能生态 [17] 数字人技术实践 - 零帧起手数字人小程序支持上传图片生成数字人 输入100字以内文本 可匹配口型与台词 保持角色形象一致性 [16] - 技术实现物理规律模拟 如头发衣服摆动 手部动作还原 早期版本音色选项待丰富但满足日常创作需求 [16]

文章核心观点 - 生成式AI的幻觉问题已成为其深入企业级核心应用的主要障碍，尤其在医疗、金融等高风险领域，模型可能生成虚假信息，引发业务风险[2][6][8] - 业界采用检索增强生成（RAG）方案来约束大模型输出，其性能瓶颈集中在检索环节，检索的准确性、速度和稳定性直接决定AI应用的成败[9][11] - 向量数据库作为RAG架构的核心组件，通过高效的非结构化数据语义检索，为AI应用提供可信的知识基石，是解决幻觉问题的关键基础设施[12][14] - 清华团队发布的VexDB向量数据库在精度、规模、响应速度和动态更新等维度实现突破，并在医疗、通信等行业实践中显著提升效率与可靠性[4][15][17][19][20] 大模型幻觉问题与企业级应用风险 - 大模型幻觉源于其基于统计概率的生成机制，缺乏真正的逻辑推理和事实核查能力，例如在HHEM测试中，DeepSeek-R1模型的幻觉率高达14.3%，即每7次摘要就有1次产生幻觉[6] - 企业级应用中，模型幻觉从技术问题升级为致命业务风险：医疗领域可能误导诊断并引发医患纠纷；金融领域基于虚假信息的风险评估会导致巨额资金损失[8] - 解决幻觉问题是AI技术融入企业核心业务流程的准入资格，构建可信的AI基础设施是部署关键场景的前提[8] RAG解决方案的价值与挑战 - RAG通过引入外部知识源，将大模型的生成过程约束在可控、可信范围内，而非修改模型底层算法[9] - 典型工作流程包括将企业私域知识切片、向量化并存入检索库，系统实时检索相关片段以引导模型生成可靠结果[10] - RAG性能瓶颈集中在数据处理、检索和结果整合三大环节，性能问题直接影响业务落地，例如电商智能客服检索响应超过2秒会导致用户咨询流失率上升30%[11] - 检索能力决定RAG系统天花板，某金融RAG项目通过数据去重与分层，检索效率提升40%，召回准确率从72%提升至89%[11] 向量数据库的技术必要性与发展趋势 - 传统关系型数据库在处理非结构化数据的语义搜索时力不从心，向量数据库专为高维向量相似性搜索设计，能通过计算向量距离度量语义相似性[12] - 全球向量数据库市场规模2024年为22亿美元，预计2025-2034年复合年增长率达21.9%，2034年将达151亿美元，反映企业对可靠AI基础设施的迫切需求[14] - Gartner预测到2026年，使用具有基础模型的向量数据库的公司比例将从2022年的2%升至30%[16] - 向量数据库正从RAG工具向AI数据基础设施平台演进，承担知识资产管理器、多模态语义连接器、Agent中枢引擎等复杂角色[20] VexDB向量数据库的技术突破与应用实践 - VexDB支持百亿千维向量数据毫秒级查询，召回准确度高达99%以上，并在DABSTEP非结构化数据分析测试中以领先第二名超10个百分点的成绩夺冠[4] - 关键技术突破包括高精度多路召回机制，支持稠密向量、稀疏向量检索和标量过滤，通过SQL层实现多路召回；结合HNSW与DiskANN的GraphIndex结构支持百亿规模毫秒响应[15] - 在医疗领域应用端到端RAG诊疗辅助系统，将病历生成时间从20多分钟缩短至8分钟内，效率提升超60%[17] - 在通信行业赋能营销导购与云盘服务，使客户转化率提升30%，方案产出耗时减少60%，云盘检索体验满意度超90%[19] - 支持动态更新与高可用架构，满足高并发场景下的数据一致性与业务连续性需求[20]

代码世界模型技术突破 - Meta FAIR CodeGen研究团队发布全球首个代码世界模型，该模型拥有320亿参数，是密集解码器自回归开放权重大语言模型[4] - 与传统模型依赖静态代码训练不同，CWM在中期训练阶段引入Python解释器和代理Docker环境的大量"观察—动作"轨迹数据，通过动态交互提升代码理解和推理能力[7] - 模型采用多任务强化学习技术，在可验证编码、数学和多轮软件工程等场景中强化推理和规划水平，使其能模拟代码逐步执行过程[7] - CWM支持最高131k token的上下文输入，为复杂编程和推理任务提供更强语境理解能力[10] - 训练数据涵盖预训练、中期训练和后期训练阶段，特别通过Python执行轨迹和ForagerAgent两项大规模数据收集工作增强世界建模能力[10] 模型性能表现 - 在SWE-bench Verified任务中取得65.8%的分数，领先所有开源同规模模型，接近GPT-4水平[8] - 在LiveCodeBench上达到68.6%的得分，在Math-500上高达96.6%，在AIME 2024上取得76.0%的优异成绩[8] 行业技术演进 - 传统代码生成模型主要通过海量代码语料库学习统计模式预测标记，但存在合理但错误的代码、缺乏状态意识和多步骤任务困难三大陷阱[12][14][15] - CWM创新性地学习"代码是如何运行的"而不仅是"代码是如何编写的"，通过代码执行轨迹和交互历史作为核心训练数据实现突破[14] - 模型训练采用标准三阶段流程：在8192上下文长度上预训练包含8T token，在131072上下文长度上中期训练包含5T token，最后通过监督微调和强化学习进行后训练[15][16] 公司战略调整 - 此次发布是Meta AI业务重组后首款模型，团队由博士生和经验丰富的资深员工组成[5][18] - Meta在6个月内进行第四次AI业务组织架构改革，将新成立的AI部门超级智能实验室分成四个小组：TBD实验室、FAIR实验室、PAR团队和MSL Infra基础设施团队[23][24] - 架构调整中首席AI科学家Yann LeCun的头衔未提及，被外界解读为边缘化或降级，象征基础研究在公司AI战略中地位相对弱化[24][25] - TBD实验室内部讨论下一代AI模型可能不再开源，意味着公司从"全面开源"转向"选择性闭源"战略重心出现重大转折[25] - CWM作为重组后首款开源模型表明Meta并未彻底放弃开源，仍在代码生成等关键领域通过开源维持学术界与开发者社区联系[26]

2025年云栖大会概况 - 大会设置110多场聚合话题和近900个精彩议题 吸引2000多位全球演讲人 围绕构建AI驱动的技术基座 开拓AI应用场景以及重塑AI时代的生产力与协作三大主题方向 [2] - 全方位呈现云和AI如何驱动业务增长和产业升级 [2] AI超级交易所板块 - AI超级交易所作为最具前瞻性的重磅板块首次亮相 定位为产业级供需革新 是一个如股票交易所般高效运转的AI产品交易中枢 [2] - 旨在深入探讨AI应用需求与实际应用之间的距离 助力AI应用方与需求方实现高效配对 每个人都可以是需求的发起者 想法以动态弹幕形式实时滚动呈现 [3] - 模力工场作为AI应用领域的原生力量 携多款上榜热门应用强势登陆该交易所 [2] 模力工场参与细节 - 模力工场在AI超级交易所的活动时间为9月25日上午10:00至12:00 地点为杭州云栖小镇3号馆 [3] - 活动内容包括最前沿的AI应用现场创作演示 最新奇的创意思路与技术分享以及最生动有趣的AI开发者面对面交流 [2] - 展台位于云栖大会3号馆AI超级交易所右手边效率工具区域的3-15-7展台 现场参与互动可领取神秘限定好礼 [13] 活动议程与参与者 - 活动议程包括主持人采访需求方 AI应用需求分享 AI应用开发者分享以及最终达成合作与合影等环节 [8] - 参与分享的嘉宾及公司包括极客邦科技CEO 模力工场创始人 智能投标助手开发者 Castrel AI 云智慧智能体产品部总监 Aipy 知道创宇AI业务部王利伟 DeepPath时踪开发者 Seede AI联合创始人及COO 粤才猫AI人力联合创始人及CTO等 [5][6][7][9][10][11] - 活动最终以扫二维码入群和达成合作合影结束 [12]

整理 | 褚杏娟 近日，Dario 和 Anthropic 另一位联合创始人 Jack Clark 在参加活动时透露了公司目前的情况：在 Anthropic 内部，工程师们已经不写代码了，而是通过管理大量的 AI Agent 系统来写代码，并且在这 种模式下，每个人完成的工作量是以前的 2-3 倍。 他们否认了员工为此而失业，原因是公司还在飞速发展。Dario 还提议政府向 AI 公司多征税，表示 这并不会影响 Anthropic 的发展。 就在 Anthropic 高管们为公司全 AI 代码而开心的时候，开发者们却对这种情况充满质疑。 有人犀利发问：AI 写代码这么厉害，为什么 Claude 桌面客户端经常 UI 卡？还有人嘲讽道：所以这 就是 Claude 所谓"bug"被社区反映了一个多月才被发现的原因？ "怀疑他们有没有写过代码、用没用 AI 干过一件生产类的工作。一个人用几个 Agent 写代码很扯， 严重破坏心流，而且 AI 无法窥探产品全局和核心价值点，一般设计的架构和代码可能会完全偏离产 品方向。不是说 AI 不好，而是还没有到能革命的地步，最起码没有想的那么美。"还有开发者说道。 有过 AI ...

作者 | 刘古月课题组 在大规模智能计算和未来网络快速演进的背景下，业界迫切需要更高带宽、更低成本、更智能化和更安全的网络基础设施，以支撑大语言模型训练、生 产网络运维与数据中心安全等多样化场景。 围绕这些需求，北京大学计算机学院网络与高能效计算研究所刘古月助理教授课题组长期聚焦于智能计算时代的网络体系结构、运维智能化和安全防护 研究，并从不同层面呼应行业痛点，形成互补合力，来推动新一代智能网络系统发展。 在今年的 ACM SIGCOMM 2025 上，该课题组共有 5 篇高水平论文（4 篇长文 +1 篇短文）入选，成为本年度 SIGCOMM 全球发文数量最多的高校课 题组 。据悉，SIGCOMM 作为计算机网络系统领域历史最悠久、最具权威性的学术会议，以严苛的录用标准著称。今年共有 461 篇投稿，录用仅 74 篇，录取率仅为 16.1%。这五篇论文的研究内容大概如下： 基于光交换收发器的大语言模型数据中心规模高带宽域架构 大语言模型（LLM）的训练依赖多维并行，其中高带宽域（High-Bandwidth Domain，HBD）是支撑张量并行等通信密集型并行方式的关键。 然而，现有 HBD 架构在可扩展性、 ...

编译 | 核子可乐、Tina "糟糕的规划、设置和测试！Meta 的 CTO 赚的钱太高了，这和他的技能、管理能力完全不符。"有网友这样评论。也有人讽刺道："这个演示成功地表明了这项技术尚未成熟。这可不是蓝屏死机。" 就在上周的 Meta Connect 开发者大会上，Meta 发布了三款全新智能眼镜，但本该展示"未来体验"的现场演示却屡屡翻车。 扎克伯格在舞台上没能接通 CTO Andrew Bosworth 的 WhatsApp 视频通话，只能尴尬地放弃演示。另一场演示中，美食博主 Jack Mancuso 戴着 Ray-Ban Meta 眼镜反复追问"我首先该做什么？"，AI 却始终给不出正确的食谱答案，最终演示被迫中止。最后扎克伯格只能苦 笑着说："讽刺的是，你花了几年研发技术，结果当天却栽在 Wi-Fi 上。" 不过，Bosworth 随后在 Instagram 上火速澄清，否认了小扎的说法。他坦言，这不是 Wi-Fi 的问题，也不是场地的原因，而是 Meta 自己的设置和失误。 小扎："我不知道发生了什么" 今年夏天，Meta 首席执行官马克·扎克伯格对智能眼镜的未来做出了雄心勃勃的宣言，他表示， ...

整理 | 华卫 "数十名学生俯身对着平板电脑屏幕，全神贯注地学习英语、数学和物理课程。算法会追踪他们的每一次按键操作，以及思考 每个问题所花费的时间。两名助教在一旁安静待命，仅在必要时才介入。" 对于 47 岁的中国教育科技公司松鼠 Ai（Squirrel AI）创始人栗浩洋（Derek Li）而言，这便是教育的未来：由人工智能驱动的 智适应软件，能够精准定位知识漏洞、评估学习进度，并实时调整课程内容。他将这种模式比作自动驾驶 —— 在极少的人工 监督下，由计算机主导完成核心任务。 据外媒报道，栗浩洋将他的儿子们从学校接出，改用人工智能为他们授课。如今，他正押注美国已准备好迎接 AI 主导的学习 模式。 几天前，在个人社交账号上，栗浩洋公开称，自己今年已经让两个儿子初中辍学，全职在家用 AI 系统学习。据称，他的两个 儿子从二年级起就开始试用松鼠 Ai 的产品，三年级时就学完了八年级的物理，"已经远超初中毕业的水平了"。 "为每一位学生提供 AI 导师"，俞敏洪最先投了 2018 年春天，在一场创新论坛上，栗浩洋站在演讲台上，台下坐满了教育工作者、科技从业者与投资者。他对观众说道，"我 们的梦想，是为每一位学 ...