AI Agent行业市场热度与规模 - 2025年AI Agent从技术概念快步走进产业应用，过去几个月涌现的产品数量超过去年全年总和[1] - 中国企业级AI Agent市场规模在2023-2027年复合增长率将达到120%，至2027年市场规模预计达到655亿元[6] - 超60%央企已构建"大模型+Agent"双引擎，将AI Agent作为新型基础设施[2] - AI Agent在中国SaaS行业渗透率从2025年7月的约30%迅速攀升至9月的40%以上[7] 产业落地与应用场景 - AI Agent已成为推动企业数字化转型的关键力量，在央国企领域展现出深度渗透态势[2] - 截至2025年二季度，发布并投入应用的行业大模型总量已突破百个，深度赋能金融、电信、能源、交通等国民经济命脉领域[2] - 企业级AI Agent应用场景从To C向To B延伸，深度渗透金融、制造、医疗、企业服务等垂直领域，具备高频次、高价值、强刚需属性[6] - 智能客服以超70%的渗透率成为成熟标杆，数据分析场景渗透率达60%紧随其后，研发、营销、知识助手场景孕育下一轮爆发点[7] 市场格局与发展特征 - 市场呈现通用平台型与垂直场景型双路径并行发展，阿里云通义千问、腾讯云智能体开发平台等提供通用平台，垂直型解决方案专注于财务自动化、医疗研发等细分领域[8] - 钉钉、飞书等头部SaaS厂商全面部署AI Agent战略产品，将智能体能力作为核心模块嵌入ERP、CRM、HRM等主力产品[7] - AI Agent本质是技术积累与企业需求沉淀的存量市场集中爆发，正在深刻改变SaaS行业格局[7] 真伪AI Agent的界定与特征 - 真正AI Agent具备环境感知、自主决策与行动执行能力，核心能力架构包含感知能力、规划能力、行动能力、记忆能力四个关键维度[17] - 真伪AI Agent关键分水岭在于是否具备工具调用能力，真AI Agent能主动调用外部工具达成复杂目标，实现从"解答问题"到"解决问题"的跨越[14][21] - 伪AI Agent主要有四类典型伪装形态：模板化问答工具、API换皮包装产品、浅度数据处理工具、功能碎片化工具[13] 技术演进与发展阶段 - AI Agent发展经历三个关键阶段：初级阶段实现部分自动化，中级阶段实现有条件自动化，高级阶段实现完全自动化无需人工干预[22][23] - 2017年谷歌Transformer架构提出成为关键转折点，2023年AutoGPT发布彻底引爆概念，2025年多模态模型和标准化工具协议推动产业爆发[11] - 从初级到高级的跃迁不仅是技术能力升级，更是AI Agent价值逻辑的重塑，从提升旧世界效率到定义新世界规则[24] 行业挑战与未来趋势 - 行业面临供给端技术成本壁垒与需求端组织基础障碍的双重制约，通用化标准化发展倾向与垂直化定制化诉求形成尖锐供需错配[25] - AI Agent正经历从"Copilot"到"Autopilot"的定位之变，从辅助工具进化为能主动思考决策的"新型生产力"[26] - 三大产品形态开辟新蓝海：编码智能体将开发速度提升10倍，计算机使用智能体打破人机交互壁垒，多模态交互智能体重塑交互体验[27] - 通用AI Agent正挑战传统搜索引擎地位，未来互联网流量入口可能向少数通用AI Agent集中，新的流量大战预计在年底拉开帷幕[27]

AI Agent技术发展现状 - OpenAI创始成员、特斯拉前AI总监安德烈·卡帕西认为当前AI Agent技术尚处早期，存在无法持续学习、非真正的多模态、不能自如操作电脑等核心缺陷 [2] - 卡帕西指出AI Agent技术要实现真正的实用化还需要十年左右 [2] 企业AI产品动态与调整 - 支付宝宣布自本周起暂停AI健康管家AQ在支付宝首页的广告投放，暂停投放是基于用户体验的考虑 [2] - 视觉中国披露与字节剪映的合作已有收入确认，该合作是公司在AI应用领域的重要合作 [2] - 视觉中国表示目前正在与国内领先的AIGC内容生成服务商合作，推动AI生成+版权的商业模式落地 [2] 企业战略合作与资本联盟 - 软银集团与日本初创企业JDSC就AI开发达成资本及商业联盟协议，将在AI代理开发方面开展战略合作 [2] - JDSC宣布与软银签署资本及商业联盟协议，但未在声明中透露本次协议的具体财务条款 [2]

行业与公司 * 纪要涉及的行业为人工智能行业 特别是AI Agent和智能驾驶领域 提及的公司包括互联网巨头如华为、小米、苹果、腾讯以及芯片公司如OBM、AMD和博通 [1][3][11][14] 核心观点与论据 AI产业现状与挑战 * 市场对AI投入成本回收存在担忧 尽管大厂发布合作计划但股价表现平平 [2] * AI变现路径与移动互联网不同 移动互联网通过扩大用户数量盈利 AI则需要通过系统化提升任务精度来实现非线性爆发的商业化 [2] * 互联网To C侧巨头将进行全面业务重构和边界划分 引发新一轮竞争和技术资源投资 [2] AI应用货币化的关键驱动因素 * 模型能力达到O3水平是关键 模型能生成COT思考链将复杂问题分解为更小步骤 提高处理复杂任务的准确度 [4] * Agent产品形态的出现是另一关键 Agent通过任务分解和系统协作提升每个步骤的精确度 降低对单一模型理解能力的依赖 [4][6] * O系列模型能像人类一样通过多步骤执行和慢思考过程处理任务 提高结果的精准度和可落地性 更好地融入工作流程 [5] Agent与Copilot的形态差异 * Agent能将复杂任务分解为多个步骤并逐步执行 提高精确度 Copilot则更多依赖单一模型对整个任务的理解 最终完成度较低 [6] * Agent通过系统协作如RAG及小模型协作解决问题 而非完全依赖单一大型模型 因此更高效、准确、可扩展 [6][7] AI应用货币化的三个阶段 * 第一阶段是"落地为王" 供给端变化时谁能最快实现产品落地 当前全球处于此阶段 变现主要依赖模型本身 独立应用变现有限 [8] * 第二阶段是"数据飞轮" 从技术单点突破到全模块打通 实现数据飞轮效应并提升行业门槛 [8] * 第三阶段是"规模经济" 进入运营阶段后谁能率先达到35%-40%的市场占有率临界点成为最终胜出者 [8] 海外与国内AI市场对比 * 海外AI变现快于国内 主要因海外人力成本中枢较高 AI替代人工的效益更大 [3][9] * 海外市场对新技术的接受度较高 企业更愿意投资AI以降低运营成本 [10] * 随着AI供给成本下降 如2025年模型侧token成本下降 国内市场将迎来变现机会 成本是当前AI落地的核心要素 [3][10] 智能驾驶的发展与趋势 * 智能驾驶在中美两国已开始大规模落地 [11] * 辅助驾驶阶段分为可用阶段和好用阶段 可用阶段是单点功能实现 好用阶段则是全流程闭环 行业门槛提升 单车价值从几千元增加到上万元 头部公司如华为开始垄断利润 [11] * 无人驾驶从试点转向大规模替代 催生无人物流等新业态 使下游市场得到二次扩容 [11] AI原生应用发展阶段与投资关注点 * AI原生应用发展分三个阶段 可用、好用以及从辅助转向替代 目前大多数场景仍处于可用阶段 新老玩家共存竞争激烈 [13] * 初期阶段 提供基础设施的"铲子股"最具盈利潜力 [13] * 随着场景全流程贯通 行业向头部公司集中 全流程能力成为决定性因素 新业态出现后竞争转向市占率与成本 [13] 其他重要内容 未来重要应用场景与竞争格局 * ToC互联网巨头将在AI加持下深化产品与服务结合 对传统产品形态进行降维打击 [14] * 高任务复杂度、高容错率的ToB侧领域如教育、医疗若实现全流程覆盖 将成为重要投资方向 [14] * 终局竞争中 占据操作系统主导权或流量入口优势的厂商如小米、苹果、腾讯等有望胜出 [14] 全球市场参照与启示 * 截至2025年 ChatGPT全球月活跃用户达8亿 即使排除中国 全球渗透率仍仅约10% 付费用户数在几百万量级 表明海外市场潜力巨大 [15] * 投资应关注处于可用阶段并能快速实现全流程闭环、具备强数字化基础设施与供应链整合能力的企业 如互联网巨头 并观察教育、医疗等高复杂度场景中的领先企业 [15]

公司管理层变动与内部治理 - 华为云计算业务多位管理层因云业务造假与经济舞弊问题被问责和处分 [1] - 华为云计算BG CEO张平安作为业务负责人被连降三等 工资向下调整至新职级最大值 并予以严重警告 [2] - 华为云服务产品部部长张宇昕 云计算全球marketing与销售服务部总裁石冀琳 云计算全球生态部部长康宁因管理不到位被连降两等 [2] - 公司对造假问题持零容忍态度 此次处罚在内部看来并不意外 [3] - 针对云计算业务问题的问责自上而下 除管理层外还有多人被处罚 [4] 公司业务战略与组织调整 - 华为云CEO张平安于8月22日宣布对云BU下层组织进行大范围撤销与合并 重点围绕产品部 公有云服务部及研发部等核心团队 涉及数十个下层部门与组织 [5] - 此次大规模组织优化调整或波及上千人 [5] - 调整后华为云将聚焦3+2+1业务 包括通算 智算 存储 AI PaaS 数据库以及安全业务 [6] - 华为云回应称通过软硬协同和架构创新为客户打造云服务 同时将更多资源投入到AI产业和算力产业 [6] - 公司在全联接大会上分享了华为云在AI云服务 大模型 具身智能 AI Agent等领域的技术创新与落地实践 [7] 行业竞争格局与市场表现 - 在云服务市场 阿里云处于领先地位 华为云位于第二 但市场份额与阿里云存在不小差距 [8] - 2025年第一季度中国大陆云基础设施服务支出达到116亿美元 同比增长16% [8] - AI相关需求已成为推动企业向云端迁移的主要动力 [8] - 2025年第一季度阿里云市场份额达33% 同比增长15% 其AI相关工作负载已连续七个季度实现三位数增长 [8] - 同期华为云市场份额为18% 营收同比增长达到18% [8]

AI Agent技术当前面临的挑战 - 当前AI Agent在用户体验上与传统task bot相比并无显著提升，甚至更差[1] - Planning阶段耗时巨大，工具增多后模型准确率下降，使用旗舰模型进一步增加延时[2] - Planning质量不高，模型构建的复杂工作流可用率远低于人类水平，简单工作流使用判别式小模型性能更好[2] - Reflection策略容易陷入自我内耗和死循环[3] Planning速度问题的本质与解决方案 - 核心问题是工具发现和参数对齐成本被低估，从编译时确定的工具编排变为运行时动态选择，搜索空间随工具数量指数级膨胀[5] - 解决方案包括工具层缩小范围分层治理，先用意图分类器将请求路由到具体域，每个域只暴露5-10个核心工具[5] - 将串行改为DAG并行执行，LLMCompiler支持将调用计划编译成有向无环图，并行化可使链路耗时缩短20%[6] - 在项目开始节点增加路由策略，简单任务路由给SLM或专用执行器，复杂规划才使用强推理模型[6] Planning质量问题的本质与提升方案 - 本质原因是模型生成的文字描述计划缺乏可执行性和全局约束，传统workflow有明确的分支条件和异常处理[8] - HiPlan方案将计划拆分为里程碑和局部提示两层，高层管战略目标，低层负责战术细节，里程碑可离线积累复用[8] - Routine实践提供结构化计划框架，强制模型输出符合语法的计划，可将企业场景工具调用准确率提升平均20多个百分点[10] - 搜索式规划如LATS引入MCTS，展开多条路径用Verifier评分选最优，HyperTree和Graph-of-Thoughts支持非树形图结构[12] - 基于强化学习的多轮训练可有效提升agent长程任务性能，例如RAGEN、LMRL-Gym等研究实现明显指标提升[14] Reflection死循环问题的根源与修复方法 - 根本原因是缺少细粒度可计算信号和明确停机条件，模型反思仅靠主观判断易强化错误假设[15] - UFO研究使用最简单的一元反馈如Try again进行多轮RL，不需要详细错误诊断即可学会自我改进[17] - Tool-Reflection-Bench将错误修复过程变为明确可控动作，模型学会基于证据诊断错误并提出可执行后续调用[18] - 工程层面可设置max_rounds硬性上限、no-progress-k连续无改进则停、state-hash去重、cost-budget预算终止等机制[20] AI Agent技术发展趋势与价值 - Agent现阶段问题需结合强化学习，构建多轮交互特定环境，让模型学到稳定推理执行能力[20] - 端到端RL将整个Agent视为策略网络，直接从环境反馈学习，涌现规划、工具使用、反思等能力，是未来技术趋势[20] - AI Agent是LLM在现实场景业务落地最有价值的技术方向，Agent能力正逐步内化为模型能力[21] - RL契合Agent在垂直领域现实环境的问题模拟，工具高度封装化和运行环境可迁移性使sim2real难题不再成为掣肘[21] - 通过RL训练的Agent模型具备很高实用价值且价值持续扩大，同时降低了应用下限并提升了能力上限[21]

文章核心观点 - AI产品竞争格局呈现多元化发展，互联网巨头凭借全产品矩阵形成生态优势，而初创公司则深耕细分人群以优化体验[2] - AI产品用户规模和活跃度的增长引擎正从通用头部产品转向长尾高细分产品，新兴赛道和Agent产品表现突出[6] - AI产品形态正从工具向集成化工作台和具备执行能力的桌面端Agent演进，Web端与桌面端定位逐步分化[28][31] APP端AI产品现状 - Web端AI产品总访问量和MAU增长停滞，数据持平在6亿和1.3亿人次，头部产品数据出现轻微下滑[6] - 用户增长引擎转变，长尾高细分产品成为增长主力，AI健康等新兴赛道表现瞩目[6] - 综合化办公Agent和垂直赛道Agent用户增长亮眼，显示Agent产品价值得到验证[6] - 头部集中化态势减弱，中腰部产品下载量和日活提升明显，TOP 5产品市场占有率从超60%降至50%以内[14][15] - 智能助手类产品累计下载超5亿，日活超8100万，在APP端占比约33%和32%，但比重较第二季度下降[16] - AI效率办公类产品累计下载量接近5亿，领先于AI创作（近2.7亿）和AI文娱生活（近2.6亿）赛道[17] - AI健康细分赛道增长迅速，蚂蚁AQ和字节小荷AI医生发布两个月累计下载分别达近1400万和近200万[17] APP端用户规模TOP 10 - 夸克以约2.51亿累计下载量位居第一，豆包以约2.33亿紧随其后[7] - 用户规模数据量级在1000万以上的产品共有23款[7] APP端用户新增TOP 10 - 2025年9月APP端AI产品总新增下载超1.66亿，相比6月的1.3亿上涨超27%[9] - 豆包和夸克是9月唯二新增下载量超两千万的产品，分别达约2700万和约2300万[9][10] - 新增千万级产品共4款，百万级产品共24个，相比6月（16款）增长明显[9][10] APP端用户活跃TOP 10 - 2025年9月平均每天有近3亿人次使用AI APP，数据相比6月增长近50%[12] - WPS以约6100万DAU位居第一，共8款产品DAU超千万[12] - DAU在百万级以上的产品从6月的15个增加至20个，腰部以上产品是活跃用户增长主要贡献者[12][13] Web端AI产品现状 - 9月Web端总访问量超6亿，较6月的5.7亿有所增长；总活跃用户数约1.24亿，与6月基本持平[27] - 头部产品访问量和活跃用户有所下滑，TOP 10访问量门槛从1900万降至1700万，月活TOP 10门槛从370万降至340万[27] - 流量被AI Agent类产品分走，该品类有7款产品入围榜单，对多个效率类细分赛道形成挤压[32][33] Web端使用规模TOP 10 - 访问量千万级的Web端AI产品维持在10款，DeepSeek、豆包和夸克访问量位列前三，在整体中占比达47%[18] - DeepSeek以约1.15亿总访问量位居第一，豆包约8500万，夸克约8200万[18] - 豆包9月访问量比6月增长约2500万，百度AI搜索9月访问量相比6月增长超1800万，涨幅达74%[19][20] Web端用户活跃TOP 10 - MAU百万级产品共有19个，百度AI搜索月活数据连续两月显著增长，稳定在千万级梯队[22] - 夸克以约1900万独立访客数位居第一，豆包Web端月活用户从6月约820万增长至9月突破1000万[22][23] Web端用户粘性TOP 10 - 用户粘性TOP 10被AI办公效率应用和AI智能助手应用垄断，莫高设计以9.5次人均访问次数领先[25] - 人均访问次数在5次以上的产品共有23款[26] AI产品形态演进趋势 - 头部产品从"工具"向沉浸式"工作台"转变，进行系统深度集成[28] - 随着Agent能力植入，桌面端形态更符合国内用户习惯，代表有Kimi的OK Computer模式和阶跃星辰的桌面伙伴小跃[29][30] - 未来桌面端基于Agent侧重执行，Web端则侧重相对简单的信息再处理[31] - Agent产品能够端到端交付成果，不仅挤占Web端头部产品空间，也对多个效率类细分赛道形成挤压[33]

Agent行业趋势与竞争焦点 - 大型科技公司和创业公司均在积极布局Agent产品，加速在企业级场景中落地，渗透金融服务、制造业和教育等行业 [2] - 行业竞争焦点从模型参数转向平台工程能力和企业落地能力，模型层趋于同质化 [4] - 工作流编排、工具集成、性能评估和安全治理等工程环节成为AI生态的关键战场 [4] 企业落地现状与挑战 - 2025年无论大企业还是SMB对Agent的热情高涨，但行业落地尚未完美 [7] - 模型能力与多样化业务场景的任务需求匹配不足，现有模型泛化能力有限 [7] - Agent的多轮调用和工具链执行导致算力开销高昂，企业面临成本与性能的平衡难题 [7] - 系统集成复杂度高，缺乏统一的协议标准与可靠的调用机制，开发成本和维护难度激增 [7] - 安全性与可靠性是企业级落地的关键门槛，需要稳定、可控且合规的基础设施支持 [7] - 企业高层战略认知是最大障碍，许多负责人仅将Agent视为工具自动化，而非业务重构与组织升级的契机 [9] 平台解决方案与能力升级（以百度千帆为例） - 百度千帆将AppBuilder与ModelBuilder融合升级，形成集大模型、工具组件与智能体开发于一体的企业级工具链 [5] - 平台定位从云服务平台扩展为面向企业的大模型与Agent一体化开发平台 [5] - 推出灵活的Agent编排架构，支持自主规划、工作流编排与多智能体协同，全面提升性能、兼容性与稳定性 [12] - 构建开放的工具与MCP生态，上线百度AI搜索、百度百科等自研组件，并引入第三方生态工具 [14] - 平台汇集超过150款SOTA模型，覆盖视觉、视频、语音等多模态场景 [14] - 创新推出主动Cache模式，通过分布式KVCache技术可降低高达80%的推理成本，优化Agent经济可行性 [14] - 提供端到端的可观测性能力，具备多地容灾、秒级故障切换与多层次安全防护机制，确保企业级业务高可用与高安全 [15] 未来发展方向与展望 - 未来Agent将更深融入企业业务流程，基础是模型能力的持续进化，包括多模态理解、思考模型和更强推理能力 [15] - Context Engineering是重要方向，通过精准线索提取与上下文重组，使模型能触达专家经验与业务知识 [16] - Agent的记忆能力将成为新增长点，需平衡记忆范围与成本，服务于业务决策与交互体验 [16] - 未来将出现更多来自不同行业和场景的Agent，形成规模化应用，平台需不断完善工具、接口与生态以支持创新 [16] - 模型能力、平台生态、市场需求与政策环境正逐渐进入成本与效益匹配的平衡点，未来将看到成千上万的垂类Agent深度嵌入各行业 [17]

人事变动与内部管理 - 华为云计算CEO张平安因云业务造假与经济舞弊问题被连降三等 工资向下调整至新职级的最大值 并予以严重警告 [1] - 华为云服务产品部部长张宇昕 云计算全球marketing与销售服务部总裁石冀琳 云计算全球生态部部长康宁因管理不到位被连降两等 [1] - 公司近期严查云业务市场收入与产品竞争力等问题 [4] 公司业务与战略调整 - 2024年华为云计算业务实现收入38523亿元 同比增长85% [5] - 2024年8月华为云对产品部 公有云服务部及研发部等核心部门进行大范围撤销与合并 涉及数十个下层组织 或波及上千人 [4] - 调整后华为云将聚焦"3+2+1"业务 "3"为通算 智算 存储 "2"为AIPaaS 数据库 "1"为安全 [4] 行业竞争与市场表现 - 2024年中国AI公有云服务市场规模1959亿元 百度智能云与阿里云市场份额并列第一 均为246% 其次是腾讯云和华为云 [5] - 华为云通过软硬协同 架构创新 持续投入AI和算力产业 [5]

文章核心观点 - 跨境电商生态服务商在2025年成为资本密集押注的新宠，其角色类似于历史上淘金热中的“卖水人”，为出海企业提供运营、营销、物流、支付及客服等支持 [1] - 2025年前三季度全球跨境电商生态服务领域发生至少33起融资事件，数量同比大增74% [1] - 资本市场对跨境电商生态服务领域保持高涨投资热情，AI技术驱动的新型服务商和传统业务类型的老牌服务商均获得资金支持 [1] 融资活动总体情况 - 2025年前三季度共发生至少33起投融资活动，涉及32家出海企业及两次IPO事件 [2] - 融资时间分布：第一季度7起、第二季度9起、第三季度17起，整体呈波动上升趋势，8月为高峰单月发生7起融资事件 [8] - 融资规模以百万/千万级和亿级为主，其中千万级融资14起，亿级融资11起，头部企业聚拢大量资金 [10] - 非IPO融资项目中规模前十的企业融资额均突破1亿元人民币，最大单笔融资为空中云汇F轮3亿美元 [10] 融资轮次分布 - 成长期企业是获得融资的主要群体，Pre-A轮至C轮融资事件占比超50% [12] - 具体轮次分布：种子轮/天使轮5起、Pre-A轮/A轮/A+轮10起、B轮/B+轮4起、C轮/C+轮3起、更高轮次4起、战略融资4起、IPO流程中1起、IPO成功上市2起 [12] - 初创期企业获投较少仅5家，代表企业为AI Agent服务商斗兽场（Lynx AI） [14] - 栢藤（Pattern）作为极少数登陆美股的跨境电商生态服务商，在美国纳斯达克完成上市 [15] 细分赛道资本偏好 - 营销服务商融资11起领跑各赛道，早期轮次（A轮以下）占比接近半数 [16][18] - 物流服务商融资10起，数量仅次于营销服务商 [16][20] - 运营与金融支付服务商构成第二梯队，金融支付领域七家企业斩获融资并吸纳超26亿元资金 [16][24] - 客服、研发及平台类企业相对遇冷 [16] 营销服务商分析 - 营销服务商崛起与生成式AI技术革新关系紧密，业务内核与AI技术高度契合 [18] - 主要分为两大类型：自动化广告营销系统（极睿科技、Instant、Sandwich Lab）和类SaaS平台（栢藤、船长BI） [18] - AI数字人服务商（硅基智能）和跨境直播综合解决方案服务方（渡河之众）也在融资阵营中占据一席之地 [19] 物流服务商分析 - 获投的十家物流企业遍及履约链条各环节，业务类型高度多元化 [22] - 包括直发物流（顺友物流）、端到端配送（Maple Supply Chain）、第三方海外仓（泛鼎国际）、中程/尾程物流（Warp、Oway、UniUni）及仓储自动化（极智嘉） [22] - 关税战加剧全球商贸物流动荡，为具备业务韧性和技术实力的物流服务商创造发展窗口 [21] 金融支付服务商分析 - 空中云汇（Airwallex）年化收入超7.2亿美元同比暴增90%，全球年化交易支付额破1300亿美元 [25] - 增长动能来自AI技术在风控、运营环节的深度融合及从服务中国出海企业到赋能全球本土企业的战略转型 [25] - 新兴服务商包括提供嵌入式跨境支付解决方案的Send Payments、稳定币B2B支付服务的鲲KUN、跨境加密支付的ApexPay等 [25] 行业新兴趋势与技术 - AI Agent成为热门关键词，多家服务商以其为核心定位，业务集中于内容营销与市场洞察 [26] - 数里行间（Shulex）通过AI Agent提供自动化客服和VOC洞察服务，Sandwich Lab的“Lexi”可全流程托管Facebook等平台广告投放 [26] - 物流领域出现“灵活履约”范式，代表企业Oway、Warp、UniUni、ShipBob具备资源高度流动化、决策高度即时化及能力高度可变性特征 [27] - 稳定币支付在跨境领域热度飙升，鲲KUN、ApexPay、Obita等开始构建适用于电商场景的稳定币支付系统 [29][31] - Shopify与Newegg已支持稳定币支付，亚马逊和沃尔玛正在研究发行自己的稳定币 [30]

文章核心观点 - 文章探讨了大模型领域从业者面临的职业发展选择问题 即继续深造读博还是参与AI Agent创业潮 [1] - 决策需基于个人是否具备扎实的大模型基础以及是否适合扮演“开拓者”的研究角色 [1][2] - 大模型之心Tech知识星球被定位为一个综合性的学习与交流平台 旨在为不同阶段的从业者提供系统化支持 [2][4] 大模型行业现状与人才需求 - 大模型技术范围广泛 涉及生成、多模态、微调、强化学习、基准测试及多个下游应用领域 [1] - 通用大模型研发存在高壁垒 主要由顶级公司主导 [1] - 行业存在导师半路出家、学生基础不扎实的现象 凸显了系统性学习的重要性 [1][2] 大模型之心Tech知识星球资源 - 社区形式为视频、图文、学习路线、问答与求职交流的综合体 [2] - 已邀请40余位来自国内外顶尖高校（如清华、北大、上交、港科大等）和头部公司（如阿里、百度、字节、月之暗面等）的嘉宾 [4][66] - 提供大模型全栈学习路线图 覆盖RAG、AI Agent、多模态大模型等核心方向 [4] 技术路线覆盖详情 - RAG技术路线细分为Graph RAG、Knowledge RAG、多模态RAG、Reasoning RAG等8个子领域 [9][10][16][18][20][22][24][25] - AI Agent技术路线包括前沿综述、评测、强化学习、多模态Agent、通讯协议等7个细分方向 [26][27][29][31][33][35][36][38][40][42] - 多模态大模型训练涵盖MLLM、VLM、微调、RLHF、MoE等9个技术模块 [44][47][49][51][53][54][55][56][58] - 大模型量化、部署及推理被列为独立的技术板块 [60][61][62][63] 社区附加价值 - 提供大模型学术进展与工业应用的最新信息 [7] - 具备工作岗位推荐功能 可第一时间对接企业需求 [7][68] - 计划通过行业大佬直播分享和独家岗位招聘信息进一步赋能社区成员 [64][65][67][68]