核心事件：xAI联合创始人杨格因健康问题离职 - 文章核心观点：xAI联合创始人杨格因长期高强度工作导致免疫系统出现问题，确诊莱姆病而离职，该事件引发了外界对马斯克旗下公司高强度工作文化的审视，并揭示了xAI乃至马斯克旗下公司高管与核心员工的高流动率现象 [1][2][4][15][34] 离职事件详情 - 离职人员：xAI联合创始人杨格，他是Grok的主要架构师之一，主导了张量程序系列框架 [9] - 离职原因：因长期高强度工作导致免疫系统被透支，确诊莱姆病，症状表现为持续性疲劳、精力下降和身体虚弱 [4][5][6][7] - 个人背景：30多岁，本硕就读于哈佛大学，师从数学家丘成桐，曾由沈向洋推荐在微软工作近6年，离职前在xAI担任联合创始人 [9][10][12][13] xAI的工作文化与管理风格 - 高强度与快节奏：公司强调极致的执行速度，任务被迅速提出并必须迅速完成，几乎没有明确的截止日期 [22][23] - 激励方式极端：马斯克曾与员工打赌，若在24小时内完成一次GPU训练任务，就奖励一辆起售价约7万美元（折合人民币50多万元）的Cybertruck [20][21] - 扁平化管理：组织层级被压缩到极致，仅有三层：个人贡献者、联合创始人以及马斯克本人，这使得核心成员需要长期承受来自创始人的直接压力 [38][39] - 文化争议：有观点认为这种文化将员工逼至极限，并可能导致资源浪费；也有观点认为这能筛选出最强团队，推动快速迭代和增长 [40][42] xAI及马斯克旗下公司的人员流动情况 - xAI高管离职频繁：自公司成立不到三年，已有多位核心成员离职，包括联合创始人Igor Babuschkin（2025年8月）、Christian Szegedy（2025年2月）、创始工程师Kyle Kosic（2024年4月），以及基础设施工程负责人、首席财务官、商业负责人、总法律顾问等 [2][26][27][33] - 高管更迭率数据：马斯克直接下属的高管更迭率为44%，远高于Meta、亚马逊和Netflix的9%；特斯拉的高管更迭率为27%，几乎是行业平均水平的两倍 [34][35][36] - 离职者观点：前联创Igor Babuschkin曾公开表示，许多AI公司未能给工程师足够的时间和心态去做出最好的工作，并称赞早期Google注重卓越、专注和足够休息的文化 [17] 行业与公众反应 - 公众批评：网友将杨格的离职归咎于xAI的过度工作文化，呼吁重新审视员工健康与工作强度的平衡 [15][16] - 文化对比：有观点将马斯克的高强度、高流动率文化与早期Google的典范文化进行对比 [17] - 监管风险：另有观点指出，当新业务或激进策略遭遇监管阻力时，部分高管可能选择离开以规避被追责的风险 [41]

OpenAI董事会罢免事件与微软的深度介入 - 2023年11月，OpenAI董事会无预警罢免首席执行官萨姆·奥特曼，事件在五天内经历了新CEO上任、员工集体施压、奥特曼回归的极限拉扯 [9] - 在奥特曼被正式裁掉前十分钟，OpenAI联合创始人米拉·穆拉蒂紧急致电微软CEO萨蒂亚·纳德拉告知消息，微软最初对此猝不及防 [10][11] - 事件发生后，微软迅速行动，在周六一早由纳德拉联系奥特曼，并于当晚成立了一家名为“微软RAI”的新子公司，法律手续和文件全部到位，计划资本化以吸纳奥特曼及其支持员工 [12][13] - 微软为新公司准备了250亿美元资金，用于支付OpenAI员工的薪酬和未兑现股权，以防止人才流向谷歌或亚马逊等竞争对手 [14][15] - 微软的行动为OpenAI员工集体辞职逼宫董事会提供了底气，近800名员工签署联名信要求董事会辞职并让奥特曼回归，否则将集体离职加入微软，这最终促成了奥特曼的回归 [5][6][20] 微软与OpenAI合作关系的演变与博弈 - 合作初期，微软高层曾对OpenAI的商业化能力充满疑虑，内部邮件质疑其是一场缺乏回报的幻梦 [7] - 2016年11月，微软与OpenAI正式宣布合作，并在随后的十年通过不断追加投资成为其最大投资方之一 [31] - 2018年，微软内部曾反对继续赞助OpenAI，其AI领导者哈里·舒姆直言看不出OpenAI在通用人工智能（AGI）上能取得突破 [35] - 2019年，OpenAI进行重大重组，在非营利组织下设立利润上限实体以筹集资金，微软追加10亿美元投资，换取OpenAI的独家云计算权利和商业使用许可，并占据总投资额的85%，拥有实际否决权 [39] - 为满足微软的持续投资要求，奥特曼在内部定下“一亿美元营收”的死命令并扩张市场团队 [41] - 2022年底ChatGPT的推出验证了微软的投资，微软开始推动OpenAI将产品商业化，纳德拉多次询问付费订阅激活进度和用户增长情况 [42][43] - 2024年底，OpenAI再次修改架构，取消利润上限，彻底转向盈利模式以获取软银等资本融资 [45] - 转型后，OpenAI与微软达成新协议，承诺未来将向微软采购2500亿美元云计算资源，但同时要求可以自由选择其他云服务商，排除了微软的独家性 [46] - 完成转型的OpenAI估值达到5000亿美元，标志着其从科研机构向资本巨兽的蜕变 [47] OpenAI寻求独立性与多方势力的角力 - 奥特曼始终寻求脱离“微软附属”的标签，在2024年重组计划落地仅6天后，便与亚马逊签下一份高达380亿美元的基础设施协议，解除了新工作负载必须优先由微软承接的约束 [48][49] - OpenAI首席财务官莎拉·弗里尔表示，公司正从依赖单一合作伙伴转向分布式算力架构，以防止被任何一家大厂卡住脖子 [62][63] - 埃隆·马斯克对OpenAI发起索赔1340亿美元的诉讼，指控其在2019年转向营利模式并倒向微软是“蓄谋已久的使命欺诈”，违背了公司成立时作为非营利机构的初衷 [52][54][55] - 法庭文件披露，马斯克早在2017年就曾要求获得公司51.2%的股份以拥有绝对话语权，其离场部分原因是权力分配问题，并曾因个人厌恶亚马逊创始人杰夫·贝佐斯而否决了技术上更合适的亚马逊方案 [58] - 除马斯克外，软银（代号Project Sakura）和华尔街金融资本也对OpenAI虎视眈眈，等待分账时机 [60][61] 事件影响与行业动态 - OpenAI董事会罢免事件期间，其客户纷纷联系谷歌云、Anthropic、Cohere等竞争对手 [17] - OpenAI的首席研究员马克·陈证实，公司动荡期员工不断收到来自各大实验室的挖角电话 [16] - 事件最终以奥特曼回归、OpenAI重组董事会告终，微软获得了董事会观察员席位，可以参加会议但没有投票权 [22][24] - 在奥特曼回归前，微软高层已深度参与OpenAI新董事会人选的确定，微软CTO凯文·斯科特、总裁布拉德·史密斯和CEO纳德拉在群聊中积极讨论并给出意见 [20][21]

行业标准与评估框架 - 中国团队在《npj Digital Medicine》（JCR影响因子15.1，中科院医学大类1区Top期刊）上首次发表了用于评估医疗大模型真实临床能力的系统性框架研究[1] - 该框架名为CSEDB（临床安全性与有效性双轨基准），首次基于临床专家共识，将安全性与有效性分开考量，为评估医疗AI真实临床能力建立了标准化基准[4] - CSEDB的评估逻辑核心并非模型“知道多少”，而是关注模型“如果这样判断，会发生什么”，即以医疗后果为中心[21] - 该框架在指标设计中引入了风险权重机制，根据潜在临床风险赋予1到5级权重，涉及误诊、禁忌用药等高风险的指标对总评分影响显著[16][17] - 为支撑评估，专家团队构建了覆盖26个临床专科、包含2069个开放式问答条目的数据集，场景高度贴近一线实际临床病例推演[20] - 该框架从根本上改变了评估目标，兼具专业性和完整性，方法论可复现、可推广，具备部署导向和监管友好性[22] - 行业竞争正从能力展示阶段进入责任定义阶段，CSEDB的发布被视为一个清晰的市场信号[8] 模型评估结果 - 在CSEDB框架下，专家团队评估了包括DeepSeek-R1、OpenAI o3、Gemini-2.5、Qwen3-235B、Claude-3.7在内的全球主流大模型[26] - 评估结果显示，在总体得分、安全性和有效性三个核心维度上，中国未来医生团队推出的MedGPT均位列第一[27] - MedGPT在安全性指标上与其他模型拉开了显著差距，并且是唯一一个在安全性评分上超过有效性的模型[28] 领先模型技术架构 - MedGPT是一个原生为临床使用场景设计的医疗大模型，其核心架构设计了快慢双系统模式[30][31] - “快系统”针对高度常规、路径清晰、风险可控的临床场景，采用轻量化推理结构，在医学知识约束下快速生成结论，响应时间可压缩到百毫秒量级[32][33] - “慢系统”针对高复杂度、高风险场景，会主动拉长推理链，引入多阶段临床演绎路径，并进行交叉校验[36] - 系统会根据问题的风险等级、信息不确定性及潜在后果，动态决定是否从快系统升级到慢系统[36] - 模型引入了专门的风险调和与控制机制“ACC层”来处理两套系统输出之间的冲突，当结论不一致时会优先触发风险约束，必要时拒绝输出并引导转向人工就医[37][38] - 模型通过结构化方式内化了医学知识体系，使推理更接近医学决策的真实路径[39] - 模型在持续使用中进化，每周来自超过一万名医生的两万条诊疗反馈会纳入训练，形成数据飞轮，每月准确率稳定提升1.2%-1.5%[40] 核心工程与竞争壁垒 - MedGPT的核心壁垒体现在医学逻辑被显式建模、临床风险被量化控制以及临床反馈形成的动态闭环三层机制的叠加[46] - 医学逻辑显式建模：将临床决策过程拆解为从病史分析到结论验证的结构化路径，每一步对应明确的医学知识来源和校验规则，形成可追溯的逻辑链条[42][43] - 临床风险量化控制：通过快慢系统分流和ACC层风险调和，将风险前置到推理过程中，在高风险场景下主动提高验证门槛或触发拒答[44][45] - 临床反馈动态闭环：真实诊疗反馈直接作用于慢系统的推理路径修正和风险策略调整，牵引模型的进化方向[46] - 这些工程化能力让产品划清了责任边界，构成了其难以被简单复刻的核心壁垒[45][46] 产品化与商业路径 - 未来医生以通过CSEDB严格验证的MedGPT为核心引擎，构建了精准匹配不同医疗角色与场景的产品矩阵[49][52] - 产品矩阵包括为患者提供7*24小时严肃诊疗服务的“未来医生”，以及深度嵌入医生诊疗决策流程的“未来医生AI工作室”[57] - 在基层医疗场景下，推出了为资源有限机构提供辅助支持的“未来家医”[52] - 技术通过CSEDB验证获得“准生证”，产品矩阵则将其置于真实场景中反复淬炼，二者相互牵引，驱动系统向更可用、更可控的方向持续演进[53] - 公司目标是通过AI新技术实现优质医疗资源的无限复制，改变医疗资源供给不足的困境，最终使高品质的健康与医疗服务变得人人可及[52] - 医疗AI的竞争正从追求榜单上的智能，转向兑现诊疗中的信任，技术、评估、产品三者的协同成为能否深入临床的决定性因素[56]

算法开源事件与背景 - 马斯克旗下社交媒体平台（原Twitter）完整开源了其“For You”信息流的推荐算法系统 [1] - 开源文件表明，该系统是一个几乎完全由AI模型驱动的算法系统，移除了所有人工设计特征和绝大多数启发式规则 [2] - 马斯克本人转发了工程团队原帖，并低调表示该算法“很蠢（dumb）”，需要大幅改进，但强调其透明性，并指出其他社交媒体公司都没有这样做 [3][4][5] - 此举是马斯克自2022年收购该平台前多次批评其过于封闭后，兑现承诺的延续 [6][7] 纯AI驱动推荐系统的运作机制 - 系统基于Grok-1同款Transformer架构打造，通过学习用户的历史互动行为（点赞/回复/转发）来决定内容推荐 [9] - 流程始于用户打开“For You”标签，客户端向服务器发送请求 [10] - 系统首先构建“实时用户画像”，通过收集两类原始用户信息，而非人工构造特征 [12][13] - 行为序列：代表最直接、最强烈的兴趣信号，如最近点赞、回复、转发、点进、停留过什么 [14] - 属性：代表长期属性，如关注列表、声明的兴趣主题、地理位置、使用设备等 [14] - 系统采用“去人工化”和“端到端”方法，将原始数据直接喂给模型，让模型自行学习规律 [15] - 构建用户画像后，系统兵分两路，从海量推文中快速筛选出几千条“可能相关”的推文 [15] - 一路通过“Thunder”模块，抓取用户关注的所有人的最新推文（熟人圈） [16] - 另一路通过“Phoenix Retrieval”核心检索模块，抓取来自未关注账号但用户可能感兴趣的推文（外部） [17] - 两类来源的信息在后续阶段被统一对待 [19] - 系统通过“Hydration”模块补全候选推文ID的详细信息，包括推文全文、作者详情、媒体内容及历史互动数据 [21] - 在正式计算前，通过“Filtering”模块淘汰明显不需要的内容，如重复帖子、用户自己发布的内容、来自拉黑/静音账号的帖子等 [22] 核心排序模型与最终呈现 - 剩余内容被逐条送入基于Transformer的“Phoenix”排序模型进行独立打分 [24] - 模型同时接收用户的行为序列与属性信息，以及单条候选帖子的内容与作者信息 [25][27] - 模型预测用户对某条推文执行各种操作（如点赞、拉黑）的概率，并按预设权重加权组合，形成最终排序分数 [25] - 系统设置了“候选隔离机制”，确保模型在评分时，每条候选帖子“看不见”其他候选帖子，分数一致且可高效缓存复用 [26][34] - 系统会进行少量工程调节，如控制作者多样性，防止单一账号刷屏 [26] - 所有候选帖子按最终得分排序，系统选出Top-K条帖子作为推荐结果 [29] - 返回客户端前，进行最后一轮安全校验，移除已删除、垃圾信息或违规内容 [30] - 经历重重筛选后的信息根据分数高低，依次展示给用户 [31] 系统成功运转的五大关键设计 - 纯数据驱动，拒绝人工规则：由AI模型直接从原始用户数据中学习，摒弃人工定义复杂规则 [33] - 采用候选隔离机制，独立评分：确保每条帖子的分数不会因同批次其他帖子而变化，分数一致且可高效缓存复用 [34] - 哈希嵌入，实现高效检索：检索和排序都使用多个哈希函数进行向量嵌入查找，提高效率 [35] - 预测多元行为，而非单一分数：AI模型对多种用户行为同时进行预测，而非输出模糊的“推荐值” [36] - 模块化流水线，支撑快速迭代：整个推荐系统采用模块化设计，各个组件可以独立开发、测试、替换 [37] 开源反响与未来计划 - 社区对开源行为表示赞赏，认为其透明性在行业中罕见 [2] - 有网友指出算法存在“缺陷”，例如代码显示“被大量用户屏蔽”是强负面信号，但缺乏针对该信号的时间衰减机制，可能导致历史屏蔽记录持续影响账号推荐分数 [39][40][41] - 马斯克本人在相关评论下承认“是的，这算法太烂了” [42] - 公司计划持续保持开源，未来每4周将重复一次开源更新 [44]

公司概况与市场地位 - 公司是一家以追踪AI新进展为核心的内容平台，拥有8年行业积累[1] - 公司在微信公众号拥有超240万订阅用户，全网用户超700万，日均阅读量200万以上[12] - 公司在第三方数据平台（如新榜、清博）是AI及前沿科技行业TOP1新媒体[12] 招聘岗位与方向 - 公司开放三大方向的岗位招聘：AI产业方向、AI财经商业方向、AI产品方向[2][6] - 岗位面向社招和校招，社招覆盖编辑、主笔、主编各个层级，校招接受应届毕业生及实习生[4][6] - 所有岗位工作地点均为北京中关村[2] AI产业方向岗位详情 - 岗位职责包括跟进AI基建层（芯片、AI Infra、云计算）新进展与核心玩家动态[5][6] - 职责还包括对前沿论文、开源社区、技术大会（如Hot Chips、NeurIPS、MLSys）报告进行大众化解读[6] - 需要参与核心采访，对话产业专家、技术大牛，并撰写AI云落地案例[7] - 任职要求包括对芯片、GPU、NPU、服务器、模型训练架构、云计算有基本理解[11] - 要求熟悉AI行业供应链与生态（训练-推理、算力-成本、云-芯片关系），并能将复杂技术内容结构化表达[11] - 有技术背景、理工或CS/EE方向者优先[11] AI财经商业方向岗位详情 - 岗位职责聚焦创投、AI创业公司、上市公司、商业模式及产业链资本动向[11] - 需要产出创投融资、招股书财报解析、公司战略分析等稿件[11] - 需要访谈对话投资人、创业者、产业分析人士[11] - 任职要求对数据敏感，对财报、股权结构、战略规划感兴趣[11] - 要求逻辑结构强，对商业叙事敏感，并热爱对话采访[11] AI产品方向岗位详情 - 岗位职责关注AI在终端的落地，包括软件应用产品和硬件方向[11] - 需要撰写AI应用产品深度评测，并跟踪多终端新品发布（如手机、PC、XR、车机等）[11] - 需要对话访谈AI应用创业者、产品专家、终端技术专家[11] - 任职要求对智能硬件、AI终端趋势敏锐，是重度AI产品体验人士[11] - 要求熟悉各大终端厂商业态和体验方法论，并具备强逻辑、体验表达和结构化能力[11] 加入公司的潜在收益 - 员工可第一时间接触AI领域最新技术和产品，构建完整的AI认知体系[6] - 可将各种AI新技术、新工具应用于工作，提升效率和创造力[6] - 可通过撰写独家原创内容建立个人知名度，成为AI领域意见领袖[6] - 可与AI领域大咖零距离接触，参与重要科技活动，拓展行业人脉[6] - 应届新人可获得主编级编辑的一对一指导[6] - 可加入扁平、简单、开放、多劳多得的活力团队[6] - 可获得行业TOP薪资待遇及五险一金、餐补、绩效、加班补助等福利[6] 应聘方式 - 应聘者需将个人简历发送至指定邮箱，邮件主题需注明应聘方向及姓名[11] - 需随简历附上科技行业代表作品或能展现个人写作水平和风格的作品[11]

具身智能与样本效率挑战 - 具身智能的快速发展面临样本效率瓶颈，制约其从实验室走向复杂开放世界[1] - 具身任务涉及复杂的物理环境感知和高维连续控制，导致巨大的状态-动作搜索空间，学习效率低下且难以收敛[1] - 传统无模型强化学习依赖海量试错，在现实物理世界中面临时间损耗、高昂硬件成本和潜在安全风险，使数亿次交互需求不现实[2] 世界模型强化学习的兴起 - 世界模型强化学习应运而生，旨在应对上述挑战[3] - 其核心范式是通过学习一个能预测环境内在转移规律的模型，使智能体具备在想象空间中进行自我进化的能力[4] - 该机制允许智能体在潜空间进行低成本的大规模轨迹预演与策略优化，显著降低对环境交互的依赖，加速具身智能机器人落地[4] BOOM框架的提出与核心创新 - 清华大学与加州伯克利的研究团队联合提出BOOM框架，旨在结合在线规划与离轨策略学习[6] - 在线规划能让智能体通过模拟未来轨迹优化动作，提升样本效率，但与策略学习结合时存在根本矛盾——角色偏差[6][7] - 角色偏差导致两大痛点：价值学习的分布偏移和不可靠的策略改进[8] - BOOM框架的核心思想是构建一个自举循环，包含两大创新机制[10] - 无似然对齐机制：采用无似然对齐损失，无需知道规划器的具体概率分布，即可实现策略与规划动作的高效对齐，缓解角色偏差[10] - 软Q加权机制：根据Q函数动态调整权重，引导策略优先学习高价值、高回报的优质经验，加速学习并处理历史数据波动[11] BOOM框架的实验性能 - 研究团队在DeepMind Control Suite和Humanoid-Bench上进行了全面评估[12] - 在Humanoid和Dog等14个高维任务中，BOOM的最终表现和训练稳定性均达到了State-of-the-art水平[13] - 在DMC任务中，BOOM平均得分877.7，超过了TD-MPC2的745.6和BMPC的835.8，分别领先17.7%和5.0%[13][14] - 在Humanoid-Bench任务上，BOOM平均得分820.6，比DreamerV3的555.6提升了47.7%，比BMPC的511.7提升了60.5%[13][14] - 在复杂任务如需要滑行或跨障碍的任务中，BOOM展现出极强的控制鲁棒性，部分任务性能提升甚至超过100%[16] BOOM框架的工作机制与意义 - BOOM框架通过自举循环实现规划与学习的双向奔赴：策略网络为规划器提供初始动作方案，规划器则利用世界模型精炼出更高质量的动作反馈给策略网络[15] - 该框架通过巧妙的自举对齐机制，消弥了世界模型规划与离轨策略强化学习之间的鸿沟[17] - 这不仅为高维连续控制任务提供了高效、稳定的解决方案，也为未来具身智能在复杂现实环境中的落地提供了理论与实验支撑[17]

鹭羽 发自 凹非寺 量子位 | 公众号 QbitAI OpenAI最新播客释出—— 首席财务官Sarah Friar&著名投资人Vinod Khosla聚在一起，聊了聊 2026年的AI趋势 。 信息量很大，比如说明年将会是多智能体正式登场的一年、AI行业如何用算力换收入、大模型能力的上限突破，以及对医疗健康和具身智能行 业的变革影响…..应有尽有。 不过u1s1，此时公开这样一份访谈，其中意味不言而喻： 不仅是回应OpenAI近期的舆论，也是为投资者们打下定心剂， "AI不是泡沫，OpenAI值得投资" 。 潜台词就是，在为OpenAI即将到来的 IPO 铺路。而这也将是OpenAI2026年的重中之重。 如果说2025年AI发展围绕着Agent和Vibe Coding，那么2026年将会是多智能体系统走向成熟并产生实际影响的关键节点。 在企业层面，多智能体系统将能够处理一系列完整的复杂任务，比如运行企业资源规划系统 （ERP） 、日常对账和实时跟踪合同执行情况 等。 除去OpenAI的自述，其中对于行业的宏观视角也相当有趣，一些核心观点包括： 2026年将会是真正的智能体之年。 算力与收入之间存在明显的正 ...

文章核心观点 - AI Agent正从割裂的工具进化为深度嵌入工作环境、理解完整职业上下文的“长期合伙人”，其核心在于直接交付最终结果的能力 [1][2][3] - MiniMax推出的AI原生工作台Agent 2.0，通过Desktop App与Expert Agents两大载体，旨在实现这一愿景，将内部已验证的高效工作流产品化并开放给外部用户 [4][40][41] Agent 2.0的核心组件与能力 - **Desktop App：打通云端与本地，具备强大执行力** - 核心逻辑是将云端模型能力连接到本地电脑，能直接读取本地文件与操控网页，介入实际工作流 [5][6][7] - 可主动调取本地资源处理任务，例如处理人才库表格、审核历史合同、调用创作素材，使用户无需手动搬运信息 [7][8] - 通过实际案例验证能力：能独立联网调研20款Micro-SaaS产品，自动检索其盈利模式、流量来源等信息，并将结果填回本地表格 [9][10][11][12] - 执行复杂任务时采用分组搜索的“串并联混合”方式，平衡速度与并发 [15] - 能基于调研数据自动生成图文并茂的深度调研报告，并调用专家模块生成完整的PPT文档 [12][20][22][28] - **Expert Agents：注入私有知识，成为垂直领域专家** - 专注于让AI适应具体任务场景，解决通用模型在处理高度专业化任务时的不足 [24][25] - 用户可将私有知识库（如SEO玩法、量化交易策略）注入Agent，使其产出符合特定标准的高质量结果 [26] Agent作为“长期合伙人”的三大核心能力 - **记忆的连续性**：理想的Agent应像老练的同事，能逐渐理解并记住用户的工作偏好与习惯，而非每次对话都重新开始 [31][32] - **对隐性经验的消化能力**：Agent需能将行业标准与团队内部操作流程内化为本能，直接交付符合团队标准的专业成果 [33][34] - **对业务环境的敏锐嗅觉**：Agent应连通业务系统，主动感知环境变化并实时响应，这是区分演示工具与实战工具的关键 [35] Agent在MiniMax内部的实际应用案例 - **全球商务组**：Agent能快速处理涉及20个不同国家潜在客户的名单，自动进行背景调查并生成20封定制化的破冰邮件 [36] - **设计组**：设计师可通过“Vibe Coding”直接指挥Agent修改代码，例如调整官网字体，无需等待前端排期 [37] - **产品经理**：Agent能像侦探一样介入调查用户投诉（如积分消耗异常），查明原因（用户上传37个超大文件）并主动拟定安抚方案与邮件草稿 [37] - **研发部门**：Agent能通读晦涩的运维手册，在系统报警时自动分析并给出建议；能像技术负责人一样自动拆解需求列表，接管基础代码的编写与测试 [38][39][40]

梦瑶 发自 凹非寺 量子位 | 公众号 QbitAI 前两天听同事说豆包在浦东美术馆接活儿了，不光带人 逛展 ，还包 讲解 的那种。（震惊.jpg） 我一听立马就不困了：AI讲解？还是豆包？有这新鲜事儿，咱高低得到现场围观一下啊！ 于是我火速 翘班 找老板请假，打了趟飞的，直接闪现「AI与艺术」豆包讲解体验日活动现场。 but，进馆没多久我就意识到一个现实问题：我对这些展品的理解，基本为零…（纯·一点艺术细胞都没有） 既然如此，那就不为难自己了，索性直接摇豆包，一个 「视频电话」 打过去，藏品重点、展品背景全讲解得明明白白～ 此外活动现场还有个大彩蛋，浦美当场给豆包颁发了个 AI讲解员证书 ，真·官方权威认证了： 这一下午的展逛下来，脑子是真有点宕机了，我平时也没少用豆包，只是没成想，这AI啥时候都进化成这样了…… 实测"AI讲解员"豆包的业务水平 不知道大家跟我一不一样，对看展逛展这件事本身很感兴趣，可奈何自身没啥《艺术细胞》。 去是去了，但逛一圈下来感觉啥也没看懂……但！这回有「豆包」带着我逛可就不一样了。 这一次，咱势必要把这展看个明！明！白！白！正好看看这位AI讲解员的业务能力到底能不能打～ 这个AI ...

公司概况与市场地位 - 公司是一家以追踪AI新进展为核心的内容平台，拥有8年行业积累[1] - 公司在微信公众号平台拥有超过240万订阅用户，全网用户超过700万，日均阅读量超过200万[12] - 公司在第三方数据平台（如新榜、清博）是AI及前沿科技行业的TOP1新媒体[12] 招聘岗位与方向 - 公司开放三大方向的岗位招聘：AI产业方向、AI财经商业方向、AI产品方向[2][6] - 岗位面向社招和校招，社招覆盖编辑、主笔、主编各个层级，校招面向应届毕业生并接受实习转正[4][6] - 所有岗位工作地点均在北京中关村[2] AI产业方向岗位详情 - 岗位职责包括跟进AI基建层新进展，如芯片、AI Infra、云计算领域动态及核心玩家[6] - 职责还包括对前沿论文、开源社区、技术大会（如Hot Chips、NeurIPS、MLSys）报告进行大众化解读[6] - 需要参与核心采访，对话产业专家、技术大牛，并撰写AI云落地案例[7] - 任职要求包括对芯片、GPU、NPU、服务器、模型训练架构、云计算有基本理解[11] - 要求熟悉AI行业供应链与生态，并能将复杂技术内容结构化表达，有技术背景者优先[11] AI财经商业方向岗位详情 - 岗位职责聚焦于创投、AI创业公司、上市公司、商业模式及产业链资本动向[11] - 需要产出创投融资、招股书财报解析、公司战略分析等稿件[11] - 需要访谈对话投资人、创业者及产业分析人士[11] - 任职要求对数据敏感，对财报、股权结构、战略规划感兴趣[11] - 要求逻辑结构强，对商业叙事敏感，并热爱对话采访[11] AI产品方向岗位详情 - 岗位职责关注AI在终端的落地，包括软件应用产品和硬件方向[11] - 需要撰写AI应用产品深度评测，并跟踪多终端新品发布（如手机、PC、XR、车机等）[11] - 需要对话访谈AI应用创业者、产品专家及终端技术专家[11] - 任职要求对智能硬件、AI终端趋势敏锐，是重度AI产品体验人士[11] - 要求熟悉各大终端厂商业态和体验方法论，并具备强逻辑、体验表达和结构化能力[11] 加入公司的优势 - 员工可以第一时间接触和了解AI领域最新技术和产品，构建完整的AI认知体系[6] - 可以将各种AI新技术、新工具应用于工作，提升效率和创造力[6] - 通过撰写独家原创内容，可以建立个人知名度，成为AI领域的意见领袖[6] - 可以与AI领域大咖零距离接触，参与重要科技活动和发布会，拓展行业视野[6] - 应届新人会由主编级编辑担任mentor，提供一对一指导[6] - 团队氛围扁平、简单、开放，奉行多劳多得、能者上位的原则[6] - 提供行业TOP薪资待遇，以及五险一金、餐补、项目绩效、商务绩效、加班补助等福利[6] 应聘方式 - 应聘者需将个人简历发送至指定邮箱zhaopin@qbitai.com，邮件主题需注明应聘方向及姓名[11] - 需随简历附上科技行业代表作品或能展现个人写作水平和风格的作品[11]