应用趋势 - 通用类Agent深度整合工具使用，完成场景多样的深度研究类任务，交付内容更加丰富，成为2025上半年应用亮点 [1][9] - 以视觉操作为核心的Computer Use Agent (CUA)开始推向市场，代表通用类Agent的另一条路径，正在与基于文本的深度研究类Agent融合 [1][9] - 垂类应用场景开始Agent化，自然语言操控功能正在成为垂类工作流的一部分，覆盖旅行、设计、创作、时尚等领域 [11][12] - AI编程成为当前最核心的垂类应用领域，正在从源头改变软件生产方式，头部编程应用收入增长速度创纪录，获得市场有效验证 [13][14] - 模型上下文协议MCP加速大模型应用普及，赋能模型获取大量外部信息、操控现有软件应用，打开更大应用空间，但尚未达到规模化生产级水平 [1][15][16] 模型趋势 - 模型推理能力在思维链范式下持续提升，数理类、代码类问题提升尤其显著，AIME 25准确率提升7%，GPQA Diamond准确率提升23%，Codeforce代码竞赛排名提升43% [18] - 模型开始走向Agentic，对工具使用进行端到端训练集成，工具使用能力相比原本的思维链推理有重大提升，可完成更复杂困难的任务 [1][19][20] - 大模型开始端到端融合视觉和文本走向多模态推理，以语言为中枢逐步解锁多模态推理的系统2慢思考 [22][23] - 模型图像生成能力全方位增强，语言理解能力升级和审美提升，普通用户可以仅通过自然语言进行完整创作 [24] - 视频生成模型整合原生配音，可控性和编辑灵活度增加，生成视频的物体一致性和物理规律协调性增强，AI视频商业化和普及度进展积极 [26] - 模型智能密度持续提升，模型厂商积极推出小模型实现极致性价比，降低模型部署硬性门槛，加速模型应用普及 [26] - 模型评估加速演化，传统评估榜单快速饱和，可以动态更新，能在真实世界产生使用价值任务成为重要评估方向 [27] 技术趋势 - 训练资源向后训练和强化学习倾斜，预训练仍然有充足的优化空间，二者最终共同决定模型能力 [29] - 强化学习的重要性继续提升，算力消耗在未来会超过以自监督学习为核心的预训练，未来会从数学、代码等奖励清晰的领域向其他领域泛化 [28][30] - 多智能体系统可能成为继思维链推理模型之后的下一个前沿范式，继续提高智能上限 [31][32] - 在线学习有希望成为下一代模型学习方式，正在成为核心突破，可使模型摆脱对人类数据的依赖，提高智能上限 [33][34] - Transformer模型架构正在快速迭代，优化主要集中在注意力机制和前馈神经网络等层面，在工业界有多个落地案例 [35] - Transformer混合架构正在涌现，以RNN变体为主，已经出现在工业界大规模应用 [35] - 由于生成和验证难度的不对称性，代码验证成为目前AI编程自动化水平提升的前沿方向，可进一步加速软件生产自动化 [36][37] - 系统提示词正在成为决定模型用户体验的关键技术要素，相比更新大模型更加轻量化、敏捷化 [38][40] 行业趋势 - xAI发布Grok 4在多个领域达到SOTA水平，跻身全球大模型第一梯队，改变模型层竞争格局 [43][44] - 算力是AI竞赛中的关键竞争要素，强化学习对算力的需求超过预训练，头部大模型玩家的计算集群已达到数十万卡规模，并在持续扩张中 [47][48] - OpenAI技术领先优势明显弱化，海外头部玩家水平趋同，xAI上半年迎头赶上，模型在多个领域达到SOTA水准 [49] - 中美通用大模型技术差距缩小，中国模型公司在通用大模型之外的多模态领域达到SOTA水平，尤其多模态领域表现出色 [51] - AI编程领域成为模型厂商必争之地，海外和国内头部玩家在AI编程的模型和产品领域密集布局 [52][53] - 国内大模型创业公司路线开始分化，部分厂商积极发布前沿模型产品追求智能上限，其他厂商专注垂类领域和商业化落地，放缓通用模型投入 [54]

公司合作与产品应用 - D2L被University of the People选中，为其全球超过150,000名学生提供更高质量、更具吸引力的学习体验 [1] - D2L Brightspace将取代现有学习管理系统，帮助提升教育公平性和可及性，支持随时随地学习 [2] - D2L Brightspace提供强大的学习工具，包括D2L Lumi（AI工具）、D2L Creator+（内容创作工具）和D2L Performance+（学习分析仪表板） [7] 公司使命与愿景 - D2L致力于改变全球学习方式，帮助学习者实现超越梦想的成就 [6] - D2L Brightspace以人为中心，帮助教师和课程设计者节省时间，同时提供更具个性化和吸引力的学习体验 [2] - D2L与全球客户合作，使命是让学习更具启发性、吸引力和人性化 [6] 教育机构背景 - University of the People是全球首个非营利、免学费的美国认证在线大学，拥有来自200多个国家的152,000名学生 [5] - 该大学提供商业管理、计算机科学和健康科学的学位课程，以及MBA、MSIT和MEd项目 [3][5] - 超过18,000名学习者为难民，4,000名为阿富汗女性，她们在家中安全地远程学习 [3] 公司高管观点 - D2L总裁兼CEO John Baker表示，公司相信每个人都应获得高质量学习体验，无论能力、地点或境遇 [3] - University of the People校长Shai Reshef强调，与D2L的合作是推动教育包容性和可扩展性的重要一步 [4] 公司产品与技术 - D2L Lumi通过AI提升学习可扩展性和效率，帮助教学设计师和教师 [7] - D2L Creator+支持创建更具吸引力的学习内容，整合多种交互式内容类型 [7] - D2L Performance+通过学习分析仪表板提供学生成功和保留率的洞察，帮助教育者优化结果 [7] 公司全球布局 - D2L集团包括D2L Inc、D2L Corporation、D2L Ltd等多家子公司，覆盖北美、欧洲、亚洲、南美等地区 [8]

公司概况 - 公司名称为American Public University System (APUS)，旗下包括American Military University (AMU)和American Public University (APU) [1][4] - 公司提供经济实惠、高质量且与劳动力市场相关的高等教育，拥有34年历史，校友超过15.5万人，覆盖80多个国家 [4] - 公司在在线教育领域具有创新性，获得在线学习联盟的Gomory奖和五次有效实践奖 [6] - 公司被认证为Great Place to Work®，并获得高等教育委员会(HLC)的认证 [5] 教育质量与投资回报 - 公司在全美4,396所高校中，学生教育投资回报率排名前22%（基于乔治城大学教育与劳动力中心2025年数据） [4] - 数据基于2021-2022年入学学生的20年收入中位数 [6] 学生成就 - 公司发布2025年第二季度校长名单，表彰学术成绩优异的学生 [1][2] - 校长Nuno Fernandes称赞这些学生体现了学术卓越和决心 [2] - 学生事务主任Amy Everson强调这些学生不仅达到学术标准，还激励他人追求更高目标 [2] 公司结构 - 公司是American Public Education, Inc. (纳斯达克代码: APEI)的全资子公司 [5]

培训机构选择 - 线下班优势在于有人监督学习 适合自制力差的人群 [3] - 线下班存在通勤时间长 问题反馈延迟 学费高昂等缺点 学费达两三万 [3] - 线上课程节省通勤时间 可反复观看录播 同等师资价格低30%-50% [3] - 线上机构提供简历包装指导 某班级30多人毕业三个月就业率达80% [3] 课程内容要求 - 课程需紧跟技术潮流 企业需求聚焦Vue/React实战而非jQuery [3] - 师资需具备大厂项目经验 能讲解实际开发中的难点 [3] - 教学设备需保障性能 避免因硬件问题影响学习效率 [3] 学习效果案例 - 纯文科生通过6个月线上Java培训 从零基础到获得12K月薪offer [3] - 线上学习支持直播与录播回放 灵活适应在职人员时间安排 [3] - 全国范围选择名师 突破地域限制接触北上广优质师资 [3] 行业就业现状 - 前端行业重视作品集积累 实际编码能力比培训机构选择更重要 [3] - 技术岗位薪资显著高于传统职业 存在职业转换吸引力 [3]

公司荣誉与认证 - 美国公立大学系统(APUS)正式获得Great Place to Work®认证 该认证基于员工对工作场所信任度、自豪感和团队精神的高度积极评价[1] - 该认证是全球职场文化、员工体验和领导行为的权威标准 被证明能带来市场领先的收入、员工保留率和创新提升[2] - 获得该认证需要对公司整体员工体验持续且专注的投入 全球每年有超过10,000家公司申请认证[5] 企业文化与员工体验 - 公司致力于构建充满活力、目标驱动的文化 使顶尖人才能够茁壮成长 员工和学生都能追求非凡成功[2] - 人力资源副总裁表示 创造让员工感到受重视和被倾听的工作环境是首要任务 提供灵活远程工作选择和多种职业发展机会[3] - 根据研究 在认证公司找到优秀上司的可能性高出4.5倍 93%认证公司员工更期待上班[3] 公司背景与成就 - 公司提供经济实惠、高质量且与劳动力相关的高等教育 拥有33年历史 校友超过155,000名 来自80多个国家[6] - 包括美国军事大学(AMU)和美国公立大学(APU) 获得高等教育委员会(HLC)认证 是美国公立教育公司全资子公司[7] - 曾获在线学习联盟Gomory在线教育质量奖 五次获得该联盟有效实践奖[8]

人事任命 - 美国公立大学系统(APUS)任命Nicholas Wernicki博士为艺术、人文与教育学院院长，5月22日生效[1][2] - Wernicki博士拥有丰富的学术领导力和劳动力发展经验，将加入学术高级领导团队[1] - 该任命获得教务长Elizabeth Johnson博士高度评价，认为其学术运营与学术事务双重经验能更好培养学生应对未来挑战[3] 新任院长背景 - 过去十年在三所文理学院担任领导与教学职务，包括圣达菲社区学院继续教育与劳动力发展副院长近两年[3] - 曾协助创办学院附属的非营利劳动力发展机构[3] - 此前曾任奥尔布赖特学院院长兼哲学副教授，以及特拉华县社区学院院长[3] 教育体系架构 - APUS下设四大学院：商学院、健康科学学院、STEM学院、安全与全球研究学院，Wernicki博士成为第四位院长[4] - 接替临时院长Michelle Newman博士的职位[4] 大学系统概况 - 提供经济实惠、高质量、与劳动力市场相关的高等教育，拥有33年历史[6] - 在线学习社区覆盖80多个国家超过15.5万名校友[6] - 在教育投资回报率方面位列全美4,396所院校前22%（乔治城大学2025年数据）[6][8] - 包含美国军事大学(AMU)和美国公立大学(APU)，获得高等教育委员会(HLC)认证[7] 学术荣誉 - 获得在线学习联盟Gomory优质在线教育奖[8] - 五次获得该联盟有效实践奖[8]

毕业典礼规模与毕业生构成 - 美国公立大学系统将于5月9日至10日为其约18,100名毕业生举行毕业典礼，这是其有史以来规模最大的毕业活动之一 [1] - 2025届毕业生是该系统最大的毕业班之一，包括11名博士、超过4,600名硕士、9,600名学士和3,900名副学士学位获得者 [3] - 毕业生年龄跨度大，最年长81岁，最年轻17岁；约10%（近2,000名）毕业生年龄在25岁以下，近3%在55岁或以上 [6] - 毕业生中有1,155名第一代大学生（自报数据），超过4,200名毕业生正在获得其第二个美国公立大学系统的学位或证书 [6] 学生背景与校友网络 - 毕业生中66%为现役军人、国民警卫队或预备役人员，超过19%为退伍军人，4%为军人家属或受抚养人，近11%为非军事背景 [6] - 美国公立大学系统拥有超过33年历史，其活跃的校友社区超过153,000人，来自80多个国家 [9] - 根据乔治城大学教育与劳动力中心的数据，该系统在全国4,396所高等院校中，学生教育投资回报率排名前22% [9] 教育质量与机构认可 - 美国公立大学系统通过美国军事大学和美国公立大学提供在线学位和证书课程 [1] - 该系统获得了高等教育委员会的机构认证，该机构被美国教育部认可 [10] - 该系统曾荣获在线学习联盟的Gomory优质在线教育奖，并五次获得该联盟的有效实践奖 [11] - 系统是美国公共教育公司的全资子公司，在纳斯达克上市 [10]

公司学术成就 - 公司宣布2025年第一季度校长名单，表彰取得4.0累计GPA的杰出学生[1] - 校长名单是大学的最高学术荣誉，旨在表彰学生对学术成功的承诺[1] - 该名单每季度发布一次，公司对所有上榜学生表示祝贺[3] 公司领导层评价 - 公司总裁Nuno Fernandes祝贺上榜学生的重大成就，并表彰他们对学术成长的奉献精神[2] 公司背景与规模 - 公司拥有33年历史，校友社区超过153,000人，来自80多个国家[4] - 公司专注于提供负担得起、高质量、与劳动力市场相关的高等教育，并以创新的在线学习方法而闻名[4] - 公司是美国教育部认可的机构认证机构高等教育委员会认可的[5] 公司行业地位与认证 - 根据乔治城大学教育与劳动力中心的数据，与全美4,396所高校相比，公司在学生教育投资回报率方面排名前22%[4][6] - 公司是American Public Education, Inc.的全资子公司，在纳斯达克上市[5] - 公司曾获得在线学习联盟的Gomory优质在线教育奖，并五次获得该联盟的有效实践奖[6]

文章核心观点 - 2025年第一季度中美AI领域火热，AGI路线图上智能提升是唯一主线，要围绕智能投资和思考，模型公司壁垒在于成为Cloud或OS，未来模型和产品边界将模糊；最大非共识是pre - training空间大，Coding是实现AGI的最好环境，Agentic AI是未来关键，AGI时代组织和文化竞争力仅次于算力 [3] 重新重视Pre - training - pre - training空间大，还会涌现新能力，下一代SOTA模型能显著超过当前模型，只有pre - training能决定模型内在上限，post training和RL不涌现新能力 [5][6] - OpenAI看似不重视pre - training可能是战略选择和组织问题，战略上O系列刷分快、ChatGPT成长快占用精力，组织上pre - training核心团队动荡 [7] - RL能产生合成数据加入pre - training环节，可解决数据瓶颈问题，但training和RL inference融合难，涉及训练框架的Infra问题 [9] - 期待pre - training涌现新能力，如提升模型tool use能力，Manus是Anthropic tool use能力的“ChatGPT时刻” [9][10] - 对两年内实现AGI有信心，Coding是实现AGI最好的环境，是模型的“手”，现实世界多数任务可用Coding表达，Agent可通过操作电脑和手机任务接近AGI [11][12] - Anthropic在Coding上有领先优势，Cursor是热门编程IDE工具，多数开发者选Sonnet，Coding是$1T级机会，模型公司在AI for Science领域突破可达到$1T或$10T [14][15][16] - Coding应作为技术引擎，产品表达形式待定义，期待Cursor在交互表达上有新突破 [17] ChatGPT只是攀登AGI的第一站 - OpenAI和Anthropic在实现AGI路线上发生分化，OpenAI核心bet是O系列和ChatGPT，重视C端市场和自下而上组织文化；Anthropic专注pre - training、Coding和Agentic，重视B端市场和自上而下组织文化 [18] - 路线分化原因可能是Anthropic团队出身pre - training有信心，OpenAI O系列亮眼获更多资源，且pre - training团队变动大 [19] - O系列刷benchmark快，但不确定能否打开智能天花板，其提升的Coding多为竞赛型，Anthropic做实战型Coding更多 [20] - 硅谷对不同路线分歧大，本质是智能和流量哪个重要，更应相信AGI原教旨主义，智能提升是首要目标 [21][22] - 谁能做出显著领先的base model谁可能是赢家，长期来看Anthropic可能比OpenAI更有价值，OpenAI对pre - training重视不够 [23][24] - 国内公司有必要训练自己的闭源模型，智能处于早期阶段，认知差异可能源于想象力局限 [26] - AGI探索主线是智能提升，ChatGPT是第一站，后续还有Coding、Agent、AI for Science等，AI for Science是珠穆朗玛峰，多模态、Online Learning等大概率在主线上 [30][31] - 智能涌现带来Magic moment和流量迁移，当前AGI模型公司和产品无绝对壁垒，应围绕智能主线推动智能提升，应用承接智能红利 [32][33] - DeepSeek放弃Chat Bot流量是因组织文化和智能本质考量，AI Robotics排在AI for Science后面是因数据采集低效、算法架构未达成一致，AI for Science有自动化实验室和垂直领域基础模型等趋势 [33][34][35] Agent & Online Learning - AGI应用爆发少是因Agent产品供给受限，依赖模型能力，模型和云厂商未做好Infra准备，Agent有文本、Coding、通用日常任务等类型 [48] - Agent落地关键能力是Long Context reasoning、Tool use、Instruction following，对应不同Infra能力，Context很重要，存在支付宝级机会 [49][51] - Long Context对Agent完成多步骤任务很重要，但目前未找到有效突破方式，存在数据、成本、架构等难点，long - term memory可能取代Long Context [51][52][53] - 两年内实现AGI确定性高，路径是现有路径，AGI定义是在电脑或数字环境下满足3个90% [54] - 新的范式级路线可能是Online Learning，让模型自主在线探索学习，但存在无清晰reward和目标定义等挑战，可能通过模型微调等实现 [54][55] - 可通过坐标轴评价路线差异，重视数据，未来pre - training叙事和Agentic对算力刺激大，看好算力需求 [58] - 英伟达想成为云厂商，贾扬清的公司被卖符合其战略 [58] 大模型的壁垒到底在哪？ - 应做研究驱动的应用，AI市场有泡沫，Agent泡沫刚开始，AI产品定价偏低 [60][61] - 通用Agent能否出现取决于pre - training和RL及关键能力，Reward Model泛化性微弱 [62][64] - 模型公司壁垒可能是成为Cloud或OS，OpenAI商业模式可能较好，Anthropic专注模型pre - training [65] - 投资人应投研究推动的应用，应用公司构建壁垒需考虑用户数据使用和独立环境构建，长期做大需具备调整模型和做Research的能力 [66] - 用户数据对提升模型能力作用微弱，模型和产品边界将模糊，应用公司和模型公司会相互渗透 [67][68] - Agent可能影响SaaS公司价值，模型训练是人类面向未来的大基建投入，价值链利润将向后迁移 [69][70][71] - AI市场可能出现黑天鹅，如全新架构、新的Agent产品形态等 [72] 全球AI公司的竞争格局 - OpenAI核心bet是O系列和ChatGPT，Anthropic专注pre - training、Coding和Agent，OpenAI领先优势加强，流量集中度提升，与Anthropic拿走市场revenue的80% [73][74] - Anthropic和xAI背后有Amazon和Musk支持，DeepSeek和xAI Grok跟随OpenAI路线，Google多模态强但其他bet不清晰 [75] - GPT - 4.5可能较强，GPT - 5可能是hybird model，预期今年夏天推出，有GPT - 3.5到GPT - 4量级的提升 [76][79][80] - OpenAI支持Anthropic的MCP协议，两家有竞争但路径分化，OpenAI与微软可能因利益冲突产生裂痕，分家对微软有影响 [81][82][83] - OpenAI整体较安全，但存在base model不够领先的风险，xAI Grok写作能力突出，与Twitter合并为了流量 [84][85][86] - AGI是普通本科毕业生操作电脑水平，ASI是爱因斯坦水平，实现ASI需突破，Mira的新公司团队强，可能做打败ChatGPT的产品 [87][88][89] - Manus和Perplexity执行力强，Manus更吃模型能力，ChatGPT的Deep Research后续会集成更多产品，有两个发展方向 [90][91][92] - Devin解决的问题易被模型公司覆盖，Cursor可能是阶段性产品，期待DeepSeek出现范式级创新 [93] - ilya和Noam对AGI推动贡献最大，其次是Dario和Alec等，Sam对业界贡献大但部分行为可能是烟雾弹 [94][95] 如何构建AGI portfolio - 构建AGI portfolio会投25%给Anthropic，25%给Bytedance，10%给OpenAI，10%给Mira的公司，5%给ilya的公司，5%给Cursor，5%给Manus，15%待定，若DeepSeek融资也会投25% [96] - 字节被低估，营收和利润好，可内生投入AGI，Anthropic团队、Roadmap和战略重点更受看好，Mira公司成功概率高 [97][99] - 未来3 - 5年投资最大的bet是AGI带来科学的文艺复兴，会出现多家市值超$10T的公司和下一个Google、Windows等 [101] 组织文化竞争仅次于算力 - 组织和文化竞争力是仅次于算力的核心竞争力，做AGI要有赌性，人才密度比数量重要 [103] - 判断AGI - native组织要看是否AGI first、Research first等，团队成员要年轻聪明、有想象力和执行力 [103][104] - 大概率OpenAI和Anthropic最早实现AGI，中国字节和DeepSeek等也可能实现，开源可突破地缘封锁 [105] - 中美差距快速缩小，中国人才强，字节Infra能力强，有望在AGI领域有突破 [105][106] - 硅谷多0 - 1创新，中国多1 - 100创新，未来中国创新模式可能变化，需资本充裕和冒险精神 [109] - 应把产品和技术做到极致，跨越地缘问题，激进全球化，期待更多中国跨国公司出现 [110][112]