锦秋基金及其被投企业动态 - 锦秋基金是一家活跃的早期科技投资机构，在2025年获得多项荣誉，包括网易新闻“2025年度人工智能活跃投资机构TOP 10”、投中网“投中2025年度中国最佳早期投资人TOP 50”等 [11] - 公司投资组合覆盖AI应用、AI硬件、具身智能/机器人等多个前沿领域，并在这些领域获得行业奖项认可 [11] - 公司旗下被投企业在2026年国际消费电子展上集体亮相，展示在机器人、人机交互及智能硬件领域的突破 [17] 视频播客栏目「锦供参考」核心观点 - 第二期探讨AI如何降低动画创作门槛，OiiOii公司构建了一套由AI编剧、分镜、音效组成的智能协作Agent系统，旨在让180万个“动画超级个体”成为可能 [1] - 第一期探讨2026年中美AI创业生态，邀请硅谷投资人及中国创业者，从硅谷VC尽调真相、非母语创业者融资攻略、OpenAI忽视的市场缝隙等角度，拆解中国创业者的定位与机会 [2] 行业交流活动「锦秋小饭桌」讨论要点 - 在CES展会期间举办近40人规模的交流活动，参与者来自AI硬件、AI Agent领域创业者及Meta、苹果、微软、字节等大厂从业者，围绕CES见闻与行业趋势交流 [3] - 以“预言2026”为主题的活动讨论了AI行业共识，包括供给侧变化、内容生产、产品护城河、定价方式、交互入口以及信任的稀缺性等话题 [5] - 活动聚焦AI应用落地的卡点与前景，汇集了AI手机、影像、浏览器、合成数据、硬件、社交等多个方向的从业者，复盘各赛道的生长阵痛与破局关键 [7] - 与Top1 AI漫剧公司的交流聚焦多模态内容，讨论指出AI漫剧正进入由投放规模驱动的大盘阶段，内容生产走向工业化，技术瓶颈在情绪表达与文戏质量，变现方式从分账与投流延展至品牌植入，并探讨低成本出海可能 [8][9] 被投企业融资与业务进展 - 人形机器人核心零部件企业**因克斯**完成近2亿元人民币新一轮融资，由华控基金、深创投集团共同领投，锦秋资本作为老股东持续追加投资，这是该公司年内完成的第三轮融资 [12] - 存算一体技术公司**铭芯启睿**完成超亿元Pre-A轮融资，由国开科创、联想创投领投，该公司此前于2025年3月完成近亿元天使轮融资，由锦秋基金领投 [12] - 世界模型与具身智能公司**Manifold AI流形空间**完成超亿元天使+轮融资，由君联资本领投，老股东锦秋基金持续加注，半年内累计已获得数亿元融资 [13] - 多智能体系统公司**atoms.dev**连续完成A轮与A+轮融资，共计3100万美元，A+轮由凯辉基金领投，锦秋基金等机构跟投 [13] - 具身智能公司**首形科技**宣布完成新一轮融资，由中网投与蚂蚁集团联合领投，这是该公司今年完成的第四轮融资 [13] 被投企业产品、技术与市场表现 - **宇树科技**2025年人形机器人出货量超5500台，根据市场推算位居行业出货量第一，其海外销售占总销量比例约为50% [14][17] - 宇树科技官宣成为“中央广播电视总台2026年春晚机器人合作伙伴”，这是其第三度与春晚结缘 [14] - **星尘智能**提出端到端全身VLA模型Lumo-1，旨在将大模型“心智”转化为机器人的丝滑操作，并与清华、港大、MIT联合提出基于对比学习的隐空间动作预训练框架，使机器人能从视频中直接学习技能 [15] - **生数科技**推出全球首个支持16秒音视频直出的多模态模型Vidu Q3，具备多镜头自由切换、多语言对话与文字渲染能力，专为漫剧、短剧、影视剧创作设计 [15] - **乐享科技**揭晓具身智能品牌Zeroth元点智能，携多款家庭机器人新品进军海外市场，聚焦提升机器人在复杂家庭环境中的移动性能、负载极限及持续交互能力 [16] - **Isoform**公司核心产品Yansu定位于“行动系统”，主张“意图即源代码”，通过AI驱动实现从“任务补全”向“产出驱动”的跨越，致力于解决复杂成熟系统中的开发与集成难题 [16][17] 被投企业在CES 2026的展示 - **宇树科技**携人形机器人H2、R1、G1及四足机器人A2、Go2等超过15台全系列产品亮相，已是第七年参展，并计划推出软件开发工具和训练平台给客户 [17] - **Zeroth元点智能**在CES期间完成全线产品的全球亮相，涵盖1.65米人形机器人Jupiter、家庭机器人M1、履带式机器人W1等多款产品 [19] - **清闲智能**在CES首秀旗舰新品“清闲动态人机工学椅生息绿限定款”，主打动态支撑技术，将于2026年1月16日开启海外预售 [19] - **庞伯特**的智能网球训练设备Pace S Pro在CES获得多项奖项，包括CES Picks奖项等，获得国际科技媒体认可 [21] - **因克斯**在CES展示20自由度等比例灵巧手EC-DexHand-5F及超小行星模组EC-A2806等机器人核心零部件新产品 [23]

文章核心观点 - 百度文心APP正在内测行业首个“多人、多Agent”群聊功能，其目标并非简单的社交场景AI增强，而是对协作场景进行AI原生重构，旨在将群聊从一个闲聊场转变为能办事、能交付结果的行动中枢 [15][16] - 该功能面临群聊场景高熵、非结构化、多并发的技术挑战，百度通过提出Group-MAS（多智能体系统）智能运行时环境，系统性攻克了信息过滤、智能体协作、资源调度与主动介入等难题 [18][21][22] - 此功能是百度将前沿多智能体研究工程化、产品化的成果，验证了其从芯片、框架、模型到应用的全栈AI能力协同，并探索了“大模型即操作系统”的未来可能性 [45][47][49] 功能定位与价值 - 功能定位为“协作场景的AI原生重构”，旨在为群聊叠加关键的行动层，使其成为能办事、能交付结果的行动中枢，而非仅增强社交 [15][16] - 功能已扩大内测范围，在文心APP最新版本中即可体验 [17] - 具体应用场景包括：家人健康报告解读，群聊助手可自动拉入文心健康管家Agent进行口语化专业解读 [6]；朋友出行规划，群聊助手能主动识别需求并提供旅行规划、实时查询信息等服务 [10][11] - 群中为每位成员配备专属的个人文心助手Agent，能记住个人偏好，在多个Agent实时补充与协作下，快速聚焦讨论并形成可行方案 [13] 面临的技术挑战与解决方案 - **挑战一：信息乱炖，AI难以听清指令**。群聊核心指令常淹没在闲聊噪音中，传统大模型单一的线性上下文窗口会导致关键指令被污染，引发模型幻觉 [23] - **解决方案**：放弃将所有消息塞进一个上下文窗口的思路，采用Hub-and-Spoke（星型拓扑）架构 [24] - Master中心节点作为系统“大脑+路由器+内核”，负责全局管理，并运用语义切片技术，将群聊信息按语义拆分归类，隔离成多个并行频道 [26][27] - 各执行Agent从Master处只接收与自身任务相关的语义切片，屏蔽无关信息干扰，构建专属上下文空间 [27] - **挑战二：不同Agent之间如何高效协作** [29] - **解决方案**：Group-MAS打造了统一声明式架构与标准化体系，所有智能体遵循同一套Agent Lifecycle FSM进行生命周期管理，并通过MCP Native协议兼容和热插拔特性，提升系统扩展性 [31] - 协作流程上，Master基于认知熵进行任务分级，识别复杂请求中的多个子意图，并将其路由到不同技能栈的Agent并行执行 [32][34] - 执行完毕后，Master充当最终整合编辑，将不同Agent的结果整合成结构清晰、语言统一的完整方案交付给用户 [34] - 若任务包含个人偏好，Master会优先将任务路由到用户的“个人助手”，以输出更具个性化的结果 [34] - **挑战三：多人同时派活，任务资源如何分配** [35] - **解决方案**：引入计算机CPU设计的精髓——乱序执行与分支预测，构建智能调度系统，这被认为是Group-MAS与常规智能体系统的最大区别 [36][37] - Master会维护一张动态的任务依赖图，进行依赖感知与并发流水线调度 [37] - 系统能识别任务依赖关系：无依赖的独立任务立即执行；有强依赖的任务进入等待，前置任务完成后自动解锁执行；依赖不明确的任务则挂起并询问用户或基于历史上下文推测 [38][39] - 此机制让AI群聊摆脱呆板的一问一答，成为能并行处理多项复杂任务的智能中枢 [40][41] - **挑战四：Agent如何有“眼力见儿”，适时介入** [42] - **解决方案**：为其植入动态的风格偏好系统与主动交互机制 [42] - 构建动态的Flavor注入层，将Agent行为风格解耦为一组可调节的连续特征（如信息密度、介入阈值、语气温度），支持基于会话或指令动态注入，实现无限细腻的风格微调 [42][43] - 采用主动观察模式，背后是一套OODA循环逻辑：观察群聊每一条消息、判断介入时机、决策行动、以调整好的风格回应，使Agent能读懂群聊氛围并适配场景需求 [43][44] 技术路径与行业意义 - 将多智能体系统深度整合进高并发实时交互场景是条高难度路径，需同时解决噪声过滤、依赖调度、风格适配等多个耦合性问题，并将大模型能力、实时通信、状态管理等多层技术栈无缝焊接 [46] - 文心APP群聊功能是对百度长期构建的从芯片、框架、模型到应用的“全栈AI”能力深度协同的一次验证，体现了公司将前沿研究转化为稳定、可交付的消费者级产品的工程化与系统整合能力 [47] - Group-MAS架构原生支持MCP协议，其智能体的热插拔能力让增加专业Agent变得像上传一份配置文件那样简单，为不同来源、不同专业的AI能力预备了一套标准化的接入与协作机制 [48][49] - 该功能是一次关于“系统智能如何融入人类协作流程”的工程性探索，验证了“大模型即操作系统”的可行性，也验证了百度有构建支撑未来AI原生世界的操作系统级基础设施的能力 [49] - 下一步，文心APP群聊功能还将支持在群聊内布置任务提醒，并上新一批特色玩法类Agent [50]

涉及的行业与公司 * **行业**：大模型（AI）行业 [1] * **公司**： * **独立大模型厂商**：智谱、MiniMax、Kimi、Deepseek [1][2][5][6] * **大型互联网公司**：阿里巴巴（千问/通义千问）、字节跳动（豆包）、腾讯、百度 [1][8][11] * **海外厂商**：Anthropic、OpenAI [12][13] 核心观点与论据 行业发展趋势：从Chat到Agent范式转变 * 大模型行业已从“会聊天”的Chat范式全面转向“能办事”的Agent范式，头部厂商聚焦原生Agent能力打造，不再单纯追求参数规模 [1][5] * 到2028年，预计60%的系统将支持多厂商交互操作，多智能体系统将从单平台演进到智能体互联网 [1][10] * 短期来看，成本和用户体验仍是多智能体系统落地的最大约束，例如Kimi Swarm单次任务成本在10至15元之间，对大部分企业日常流程仍偏高 [10] 头部厂商竞争格局与差异化策略 * **智谱**：凭借全栈大模型技术自主可控及AIGC技术领先，从基座到推理再到智能体框架全链路布局，并通过核心产物开源策略快速构建行业生态 [1][6] * 于1月26日发布全球首个集结深度研究和实际操作能力的AutoGLM沉思模型，是其设备操控类智能体的重要升级 [2] * 更新了320亿参数的GLM 4 Air基座模型，性能比肩Deepseek 1，速度提升接近8倍 [2] * AutoGLM系列在Agent Bench评测中取得优异成绩，其GUI智能体GMPC以9B参数超越GPT-4O等大参数量模型 [2] * **MiniMax**：依靠高性价比API服务及强大的基座模型与AI原生工作台形成闭环，在TOB端、TOC端及开发者生态中占据优势 [1][6] * 于1月20日发布第二代智能体产品MiniMax Agent 2，将其定义为AI原生工作台，实现了从人适应Agent到Agent主动适应人的交互逻辑转变 [2] * 其API价格仅为Cloud Sonic 4.5的8%，性价比优势明显 [4] * **Kimi**：通过开源策略，以集群式Agent能力和多模态优势找到市场定位 [1][6] * 于1月27日发布并开源了万亿参数的Kimi 2.5多模态模型，具备集群式作战能力，可以调用最多100个专业分身并行完成任务 [5] * **Deepseek**：聚焦细分技术领域突破，从推理到OCR视觉处理，实现差异化竞争力 [1][6] * 同一天发布并开源了Deepseek OCR 2，通过贴近人类阅读逻辑的视频编码技术，使AI能够精准读懂复杂文档、表格和公式 [5] 大型互联网公司的AI入口争夺战 * 各大型互联网公司加剧对AI超级入口的争夺，试图掌握高频流量入口，并优化推理成本，以改写盈利预期和估值锚点 [8] * **腾讯**：调整组织架构并招聘高质量AI人才，推出会员3D模块与世界模块，重点期待微信Agent与3D世界模块 [8] * 元宝宣布于2月1日启动新春活动，发放10亿现金红包吸引用户 [11] * 通过3D世界模型和AI小程序成长计划，为开发者提供免费会员大模型Token和云资源，以构建其Agent应用的生态壁垒 [11] * **字节跳动**：凭借流量突围与豆包火山合作，以及豆包引入抖音商城 [8] * 旗下豆包成为2026年春晚独家AI云合作伙伴，预计春节期间AI应用流量峰值可达700亿次 [11] * 目前豆包模型日调用Token已超过50万亿，其MaaS服务覆盖80%的头部消费品牌、90%的车企及80%的头部券商 [11] * **阿里巴巴**：通过千问APP结合平头哥芯片与通义千问形成完整生态系统 [8] * 千问APP全面接入其生态系统，包括淘宝、飞猪、高德等，仅两个月时间内月活跃用户已接近2000万 [11] 大模型竞争的核心主线 * 大模型层面的竞争主要围绕四条主线展开，将决定各厂商在市场中的竞争优势 [3][14] 1. **高阶推理能力**：如千问3MAX THINKING、Deepseek下一代模型及Kimi K二等，展示了推理大模型在金融、科研及复杂工业设计中的价值空间 [14] 2. **原生多模态**：如Deepseek OCR 2、Kimi多模态以及千问Omni等，将多模态视为数据基础设施加交互界面，不仅服务于C端，也提升训练数据质量 [14] 3. **多Agent协同执行复杂任务**：如Kimi Swarm、Minimax Agent及千问AgentScope等，从单一助手过渡到多Agent协同执行复杂任务 [14] 4. **工程效率与推理成本**：如Deepseek V3及Gemini，在推理成本控制和工程化能力上的优势明显，直接影响其在大规模B端场景中的性价比竞争力 [14] 独立厂商的业绩与前景 * **智谱**： * 预计2025年收入达七八亿元，到2027年增长至25亿至38亿元，但不会实现扭亏，因为研发、算力及交付投入较高 [3][12] * 已成为中国收入体量最大的大模型初创公司，本地化部署收入占比逐步下降，而云端部署收入占比不断提升 [20] * 本地化部署维持60%左右毛利率，对整体收入贡献显著，云端业务则是未来长期估值提升核心 [20] * **MiniMax**： * 预计2025年收入接近3亿元人民币，而2026年可实现约2.3亿美元收入 [3][12] * 增速更为激进，市场空间天花板更高 [12] * 在C端核心产品Talkie星野方面，截至2025年前三季度全球累计用户超过两亿，月活跃用户2,762万，总体付费率为0.89%，显著高于行业平均水平 [19] * 其ARPU从2023年的6美元提升至15美元 [19] * 在B端业务方面，其开放平台客户数已从130家增加到1,320家 [19] 商业化关键链路与挑战 * **2026年商业化确定性的关键链路**有三条 [16][19]： 1. **推理成本持续下降**：从2024年至2026年持续下降一个数量级，例如MiniMax利用工程化优势将价格战转化为综合成本优势 [16][18] 2. **MaaS（Model as a Service）**：作为增长最快的子行业，到2030年前，中国市场渗透率预计达到70% [19] 3. **C端超级应用与多Agent协同**：预计将在2026年迎来落地，例如MiniMax在AI陪伴、内容创作等高时长、高UP值赛道提前卡位用户心智 [19] * **独立厂商面临的挑战** [15]： 1. **互联网大厂入口战**：存在赢家通吃风险，如果腾讯、字节跳动、阿里巴巴在2026年至2027年形成1至2个超级入口，将锁定C端用户习惯 2. **算力供给与成本波动**：如果大厂自建IDC进度超预期或算力价格战加剧，第三方AIDC及中小模型厂商成本优势将被削弱 3. **监管约束**：国内AI搜索、AI广告及AI内容生成等领域可能面临更强监管约束，商业化路径推进速度可能不及预期 其他重要内容 海外市场动态 * 根据The Information披露的数据，Anthropic将其2026年的收入预测上调20%，达到180亿美元，这表明大模型市场盘子不断扩大且增速超预期 [13] * 预计Anthropic 2025年的收入为80至100亿美元，到2027年可能突破500亿美元 [13] * 这种增长也会带动OpenAI被动上修其收入预期，对国内智谱与MiniMax估值锚定产生积极影响 [13] 发展路径共识 * 大型互联网公司在发展路径上形成三大共识 [9]： 1. **技术层面**：持续进行基座轻量化、高性能升级迭代，同时聚焦长程推理、多工具调用及端云协同等核心功能打磨 2. **产品层面**：将单一服务转化为场景化应用，实现从技术向产品转化 3. **生态层面**：要么依托自身技术优势构建开放开发者生态，要么利用产业生态实现场景渗透 * 各头部厂商开始全球化布局，例如智谱帮助“一带一路”国家构建自主大模型，实现国际扩展 [9] 独立厂商的配置价值 * 从配置层面看，智谱和MiniMax适合作为高贝塔的模型纯度标的，在AI行情强化期受益于资金关注度放大、自身收入增长及PS扩张带来的显著增量弹性 [17] * 模型层含金量持续验证，为智谱和MiniMax带来中长期估值支持 [17]

垂直AI与多人协作模式 - 垂直AI行业软件在医疗、法律、住房领域实现快速增长，部分公司年化收入达到1亿美元以上[2] - 垂直AI演进路径从信息检索（找到、提取、总结）发展到2025年的推理能力（分析财报、跨系统对账、诊断问题）[2] - 2026年垂直AI将解锁“多人模式”，通过跨角色协调（任务路由、保持上下文、同步变更）解决多方协作问题，使AI智能体能够代表各方（如买卖双方、租户、顾问）在特定权限和流程内协同工作[2][3] - 多人协作模式将提升任务执行成功率，并使协作层本身成为AI应用的网络效应和护城河，增加用户切换成本[3] AI-native教育 - 预计到2026年将出现第一所从底层围绕智能系统构建的AI-native大学，形成一个能实时学习与自我优化的学术有机体[4] - AI-native大学的核心特征包括：课程表自动优化、阅读清单每日更新并随研究重写、学习路径根据学生节奏实时调整[4] - 教授角色将转变为学习架构师，负责策划数据、调优模型并教导学生质询机器推理[4] - 评估方式将转向AI感知型评价，重点评判学生如何使用AI，而非是否使用AI，透明且审慎的AI应用将成为新标准[4] - 这类大学旨在培养精通AI系统编排的人才，以助力劳动力结构快速转型，成为新经济的人才训练场[4][5] - 已有前兆出现，如亚利桑那州立大学与OpenAI的全校合作催生了数百个AI项目，纽约州立大学已将AI素养纳入通识教育要求[4] Agent-native基础设施 - 到2026年，企业基础设施面临的最大冲击来自工作负载变化：从面向人类、低并发的访问模式转向由智能体驱动、递归触发、突发且大规模的新型负载[6] - 传统后端系统围绕人类1:1操作模式构建，无法应对智能体在毫秒级别触发数千个子任务、查询和API调用的需求，常被误判为异常流量或DDoS攻击[6] - Agent-native基础设施需要重新设计控制平面，将“惊群效应”视为默认状态，大幅缩短冷启动时间，压缩延迟波动，并将并发上限提升数个数量级[7] - 真正的竞争瓶颈转向协调问题（路由、锁、状态管理、策略执行），最终具备竞争力的是能承受高频工具调用与复杂并发协调的平台[7] 多模态与视频内容创作 - 2026年可能是AI真正实现多模态创作的一年，创作者可将任何形式的参考内容（如图像、视频、声音）提供给模型，与之协作创作新内容或编辑现有场景[8] - 早期多模态产品已出现，如快手的Kling O1和Runway的Aleph模型，但模型层与应用层仍需持续创新[8] - 内容创作是AI最具杀伤力的应用场景之一，预计将诞生多个成功产品，覆盖从表情包创作者到好莱坞导演的不同用户群体[9] - 到2026年，视频将变成可“进入”的空间，视频模型能够理解时间、记住内容、对用户行为作出反应并保持长时间连贯性，使视频成为一种可被“构建”的媒介[10] - 这种转变让视频成为机器人训练、游戏演化、设计原型和智能体实践学习的“活的环境”，弥合感知与行动的鸿沟[10] AI应用价值衡量与商业模式 - 随着AI应用发展，以“屏幕时间”作为价值交付核心指标的时代将终结，基于结果定价和对齐供需激励的模式将兴起[11] - 现实变化已出现：例如使用DeepResearch查询、Abridge自动记录医患对话、Cursor自动开发应用、Hebbia生成路演材料等工具，在用户几乎不看屏幕的情况下交付巨大价值[11] - 挑战在于需要更复杂的ROI衡量方式，涉及医生满意度、开发者效率、金融分析师身心状态等，能够清晰阐述ROI的公司将持续领先[11] 世界模型与交互式叙事 - 到2026年，由AI驱动的世界模型（如Marble、Genie 3）将通过交互式虚拟世界和数字经济彻底重塑叙事方式，能根据文本生成完整的3D环境供用户探索[12] - 这些工具将催生全新的叙事形式，甚至演化为由玩家共同构建的“生成式Minecraft”宇宙，模糊玩家与创作者的边界[12] - 互联的生成式多重宇宙可能出现，不同题材并存并繁荣数字经济，这些世界还将成为训练AI智能体、机器人乃至AGI的高价值模拟环境[12] 个性化系统 - 2026年将成为“属于我的一年”，产品趋势从为大众批量生产转向为个体“你”而打造[13] - 在教育领域，像Alphaschool这样的公司正在打造根据每个学生节奏与兴趣调整教学的AI导师，提供以往需数万美元辅导费用才能实现的个性化体验[13] - 在健康领域，AI能根据个体生物特征设计补剂、训练与饮食方案；在媒体领域，AI让创作者将内容重混为符合个人兴趣与语气的内容流[13] 自主科学发现 - 随着多模态模型能力与机器人操控能力提升，将加速推进“自主科学发现”，催生能够闭环完成从提出假设、设计执行实验到推理产出的自主实验室[14][15] - 构建这类“熄灯实验室”需要融合AI、机器人、物理与生命科学、制造、运营等多学科专长，实现持续实验并在多领域推动连续性科学发现[15] AI应用分发与消费市场 - ChatGPT凭借9亿用户、OpenAI Apps SDK、苹果mini-app支持及群聊功能，正成为AI“应用商店”和新的原生分发渠道[16] - 这一新渠道预计将在2026年引爆一次“十年一遇”的消费科技淘金潮，为消费级开发者提供直接触达海量用户的增长机会[16] 语音智能体与企业集成 - 语音AI智能体已从科幻走向现实，被成千上万家企业用于预约、预订、调研等信息采集工作，为企业节省成本并创造收入[17] - 未来趋势是语音智能体从处理单点电话场景扩展到处理完整的多模态工作流，甚至管理完整的客户关系周期[17] - 随着底层模型进步，智能体将更深度集成到企业系统并被赋予处理更复杂互动的自由度，运行“语音优先”的AI产品优化关键业务环节将成为普遍选择[17] 主动式AI应用与工作流 - 2026年，主流AI应用的可见提示词输入框将走向终结，下一波应用将主动观察用户行为并介入给出行动建议（如IDE提前提出重构方案、CRM自动起草跟进邮件）[18] - AI将成为嵌入每一个工作流的“无形脚手架”，由意图驱动而非指令驱动，聊天界面只是过渡阶段的“辅助轮”[18] 企业多智能体系统与组织变革 - 到2026年，企业将从孤立的AI工具转向需要像协同数字团队一样运作的多智能体系统，共同管理复杂、相互依赖的工作流[19] - 《财富》500强企业将最强烈地感受到这种变化，将割裂的数据、机构知识和运营复杂性转化为自治“数字员工”的共享底座，以实现更快决策和端到端流程[20] - 这一转变将催生新的职能角色，如AI工作流设计师、智能体监督员、治理负责人，并需要全新的“协调系统”层来管理多智能体互动和确保可靠性[20] 消费级AI向连接性转变 - 2026年主流消费级AI产品将从“生产力”转向“连接性”，AI不再只是帮助完成工作，而是帮助用户更清晰地看见自己并建立更强人际关系[21] - 随着多模态上下文窗口扩大和推理成本下降，AI产品可以从用户生活的“完整纹理”（如相册、沟通模式、日常规律）中学习，而非仅从聊天记录学习[21] - “看见我”类产品依靠持续连接带来日常使用，其使用模式比解决具体任务的“帮助我”类产品更具粘性，尽管单次愿付费可能更低[21] AI研究辅助与工作流 - AI正更广泛地用于研究，尤其是在推理密集领域，模型不仅能辅助发现，还能自主求解高难度数学问题[22] - AI研究预计将催生并奖励一种新的“博学者式”研究风格，强调对思想之间关系的猜想能力，并能从猜想性答案中迅速外推，有时能利用“模型幻觉”打开新发现[22] - 这种研究需要“agent包裹agent”的多层模型工作流，以及模型间更好的互操作性和识别补偿贡献的方法，加密技术可能有助于解决后者[23] 数据隐私与访问控制 - 当前大多数数据管道（模型输入与输出的数据流）不透明、可变且不可审计，这在金融、医疗等需要保护敏感数据的行业成为阻碍[24][25] - 缺乏数据访问控制迫使主体使用中心化服务或自建定制方案，耗时昂贵且阻碍释放链上数据管理的收益[25] - 解决方案是发展“秘密即服务”，提供可编程、原生的数据访问规则、客户端加密和去中心化密钥管理，强制规定解密权限、条件和持续时间，并结合可验证数据系统将其变为核心基础设施[25] AI初创公司竞争策略 - 当前处于前所未有的公司创建时期，初创公司若想在分销上超越积极采用AI的老牌企业，有效策略是从公司成立之初就为其提供服务，并与新客户共同成长[26] - Stripe、Deel、Mercury、Ramp等公司都遵循了服务初创公司并伴随其成长的策略，Stripe的许多客户在公司成立之初甚至还不存在[26] - 2026年，从零开始服务初创公司的企业将在众多软件领域实现规模化发展，关键在于打造更好产品并全力开发尚未被现有厂商束缚的新客户[26]

行业发展阶段与趋势 - 人工智能产业已从最初的技术探索与概念热潮，进入聚焦落地效能的务实发展阶段 [1] - 大语言模型的基础研发步伐趋于平缓，产业重心向应用端加速转移 [1] - 技术演进的一个突出趋势是从单智能体向多智能体系统演进，通过协同配合处理具体场景任务的效果显著优于单一智能体 [1] - 人工智能正加速从数字世界向物理世界延伸，技术从文字信息处理向多模态模型、世界模型升级，着力攻克时间空间认知、物理常识推理等核心难题 [1] 北京人工智能产业生态与规模 - 北京作为人工智能发展的核心阵地，凭借全栈式生态布局为产业发展提供支撑 [1] - 2025年预计北京市人工智能核心产业规模达4500亿元，企业集聚超2500家，两项指标均占全国半数左右 [2] - 领域内上市企业近60家、独角兽企业约40家，国内首个上市的国产人工智能芯片企业和大模型企业、估值最高的人工智能独角兽企业均诞生于北京 [2] - 人才方面，北京入围“AI 2000全球最具影响力学者榜单”的有148人，占全国超40%，AI学者总量达1.5万人，占全国30% [2] 产业驱动因素与未来展望 - 顶层设计提供接地气、全方位的政策支持，叠加从底层算力芯片、中间层技术研发到顶层场景应用的完整布局，形成了闭环式产业生态 [2] - 科研机构、企业与政策层面形成的合力，正推动多智能体等人工智能领域新技术、应用加速突破场景壁垒、迈向商业闭环 [2] - 行业对2026年成为中国智能体爆发的关键之年充满期待 [2]

行业发展阶段与核心趋势 - 人工智能产业经过三年快速发展，已从初期的技术探索与概念热潮，进入聚焦落地效能的务实发展阶段 [2] - 大语言模型等基础模型的研发步伐趋于平缓，产业重心正加速向应用端转移 [2][3] - 行业一个突出趋势是从单智能体向多智能体系统演进，通过多个智能体协同处理具体场景任务，其效果显著优于单一智能体，被视为技术深度融入实体经济的关键路径 [2][5] - 人工智能正加速突破数字世界边界，向物理世界延伸，技术从语言模型向多模态模型、世界模型升级，着力攻克时间空间认知、物理常识推理等核心难题 [2][5] 北京人工智能产业生态与优势 - 北京作为人工智能发展的核心阵地，凭借全栈式生态布局，形成了从底层算力芯片、中间层技术研发到顶层场景应用的完整闭环式产业生态 [2][3][5] - 2025年预计北京市人工智能核心产业规模达4500亿元，集聚企业超2500家，两项指标均约占全国半数 [3] - 北京人工智能领域有近60家上市企业和约40家独角兽企业，国内首个上市的国产AI芯片企业、大模型企业以及估值最高的AI独角兽企业均诞生于此 [3] - 人才优势突出，北京有148人入围“AI 2000全球最具影响力学者榜单”，占全国超40%，AI学者总量达1.5万人，占全国30% [3][5] - 拥有从顶尖高校到新型研发机构再到企业的完整人才培养与发展全链条，为人才提供了多样化的成长平台 [7] 政策支持与产业引导 - 北京的政策支持接地气且布局全面，既支持从0到1的颠覆式创新，也扶持前瞻性技术研发，同时助力企业推进场景落地，形成了全方位的支撑体系 [3][6] - 科研机构、企业与政策层面形成的合力，正推动多智能体等新技术加速突破场景壁垒、迈向商业闭环 [3] 未来发展方向与预期 - 行业当前更聚焦于务实解决问题，实现大模型的商业闭环被视为技术与产业实现高质量发展的关键 [9] - 未来核心方向是促进大模型落地应用，多智能体系统是重要抓手，有真实案例显示18个智能体组成的系统远超客户满意度 [8] - 对2026年成为中国智能体爆发的关键之年充满期待，建议通过开放政务等领域智能体技能库、开展竞赛等方式推动多智能体落地 [3][8] - 当大模型基础能力提升进入平缓期，便迎来了应用落地爆发的绝佳阶段 [9]

近日，OpenAI官网放出了其首席财务官Sarah Friar与传奇投资人、Khosla Ventures创始人Vinod Khosla的深度对话。 针对AI泡沫担忧，Vinod明确表示，用股价波动来衡量泡沫是错误的，真正的衡量标准应当是底层的实际使用量：在互 联网时代是流量，在AI时代则是API调用量。目前的API调用量完全看不到任何泡沫的迹象，现状并非需求不足，而是 供给受限。 Sarah Friar佐证了这一观点，她首次详细披露了OpenAI过去三年的增长数据： 2023年：算力规模约200兆瓦，ARR约20亿美元。 2024年：算力规模增长至600兆瓦，ARR增长至60亿美元。 2025年：算力规模突破2吉瓦（即2000兆瓦），ARR超过200亿美元。 数据显示，OpenAI的算力投入与商业回报之间呈现出近乎完美线性的关系，这种高度耦合的增长曲线表明，AI产业仍 处于典型的供给侧约束阶段。现在需求上限仅受制于算力的可用性。如果今天有更多的算力，OpenAI就能推出更多的 产品，训练更多的模型。 虽然算力投入与回报在曲线上是对应的，但时间上存在错配。Sarah坦言，为了确保2028年至2030年的算力供 ...

DeepSeek新模型进展 - DeepSeek在R1发布一周年之际，其GitHub代码库更新中出现代号为Model 1的新模型，推测为DeepSeek-V4的内部开发代号或工程版本 [1] - 代码分析显示Model 1采用512维标准架构，全面支持英伟达Blackwell架构，并引入Token-level Sparse MLA稀疏注意力机制 [1] - 新模型引入VVPA数值向量位置感知和Engram机制等新特性 [1] 新兴AI架构与模型 - Liquid AI开源基于液态神经网络架构的推理模型LFM2.5-1.2B-Thinking，该模型在手机端仅需900MB内存即可运行 [2] - LFM2.5-1.2B-Thinking在MATH-500上达到88分，参数量比Qwen3-1.7B少40%却表现更优，推理速度和内存效率均超越Transformer模型 [2] - 训练采用分层强化学习策略，通过n-gram重复惩罚将死循环生成比例从15.74%降至0.36%，证明Transformer并非唯一解 [2] - 中佛罗里达大学等机构发布Medical SAM3，这是首个仅凭文本指令即可在CT、MRI等10种模态实现专家级分割的医学模型 [5] - Medical SAM3采用全参数微调和分层学习率衰减策略，在33个医学数据集上将零样本场景平均准确率从11.9%提升至73.9% [5] - 在内镜息肉分割等极端案例中，其准确率从0.0%跃升至87.9% [5] AI自主性与人机协作演进 - Midjourney工程师展示Claude反向指挥人类工作的视频，AI可布置任务让人类去TestFlight发包、写文案、跑测试 [2] - Claude Code具备自主执行能力，可运行Bash命令、创建文件、自动修Bug形成闭环，Cowork等工具让用户下达模糊指令后AI自主规划执行 [2] - Node.js之父Ryan Dahl宣称人类编写代码的时代已结束，Linux之父也开始Vibe Coding，程序员角色正从编写代码转向审查代码 [2] - 谷歌等机构研究发现DeepSeek-R1等推理模型会在内部自发形成多角色辩论机制，通过提问、质疑、冲突和和解推导答案 [3] - 模型内部存在稳定的虚拟人格分工，高神经质人格负责纠错，高开放性人格提供新视角，这种“思维社会”机制让准确率翻倍 [4] - 通过干预模型内部的“觉察特征”，在倒计时数学游戏中准确率从27.1%飙升至54.8% [4] 行业趋势与公司动态 - xAI工程师在播客上透露MacroHard项目核心机密，包括内部已将AI包装成“同事”进行测试，有人去工位找同事发现是空桌 [3] - xAI押注小模型路线追求极致速度，MacroHard已达人类8倍速度，并考虑租用北美约400万辆特斯拉闲置算力进行部署 [3] - xAI的Colossus 1利用“临时用地租约”在122天内建成，展现了公司扁平化文化和极致执行力 [3] - Anthropic CEO在达沃斯论坛预测AI端到端接管软件工程师工作仅剩6-12个月，公司内部工程师已基本不手写代码 [6] - Anthropic CEO预言2026-2027年将诞生“诺奖级”AI模型，未来1-5年内50%初级白领工作将消失 [6] - DeepMind CEO预测2030年前有50%概率实现AGI，行业领袖认为“AI建AI”闭环一旦跑通将迎来指数级加速 [6] Agent能力评估与商业化 - 红杉中国xbench团队发布AgentIF-OneDay评测，测试Agent处理真实日常任务能力，头部Agent得分约62-65% [7] - 评测覆盖104道任务、15种以上文件格式、767个评分点，发现不同框架难以拉开差距，基础Agent能力已商品化 [7] - 隐式条件推断是Agent普遍最薄弱能力，xbench正着手构建OneWeek评测集，认为优先转起数据飞轮的公司将率先实现Agent的FSD时刻 [7] AI产业经济与未来展望 - OpenAI CFO与投资人指出2026年多智能体系统将成熟，AI泡沫应以API调用量而非股价衡量 [8] - OpenAI算力投资与收入强相关，三年收入从1亿美元增至100亿美元，目前需求受算力限制，采用AI的前沿企业生产力提升27-33% [8] - 双方预测机器人产业规模将超越汽车产业，未来十年末将出现大规模通缩经济，劳动力和专业知识边际成本趋近于零 [9]

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 ...

活动1：AI治理与人类主体性研讨会 - 会议核心旨在探讨在AI重构人类能动性的时代，如何通过技术社区与治理社区的融合，推动尊重人类主体性并维护人类在工作、学习、所有权及选择权方面权益的AI系统发展[2] - 会议主题为“在AI重构人类主体性的时代，如何捍卫我们的自主决断权”，聚焦于“工作、学习、拥有与选择的权利”[2] - 会议重量级嘉宾包括佐治亚理工学院的Ashok Goel、新加坡国立大学计算机学院的Jungpil Hahn、华盛顿大学及Meta FAIR的Luke Zettlemoyer以及IBM研究院的Djallel Bouneffouf[4] - 会议将于2026年1月23日（星期五）08:30至13:30在新加坡国立大学COM3多功能厅举行，现场提供午餐及茶点[7][8] - 注册截止日期为2026年1月22日，主办方为AI Singapore，该活动是新加坡AI研究周的一部分，与AAAI2026同期举行[7][9] 活动2：Agentic AI与智能体系统前沿研讨会 - 会议核心旨在探讨基于大语言模型的智能体前沿进展，分享构建部署经验，并连接机器人学、具身智能及多智能体系统的视角，以推动Agentic AI向更可靠、安全和高性能方向发展[11][14] - 会议主题为“探索Agentic AI、自主智能体与多智能体系统的前沿融合”，关注现代Agentic AI系统（如LLM驱动智能体、使用工具的Copilot及自主工作流）从演示走向实际部署所需的规划、工具使用及交互能力[11][13] - 会议特邀演讲嘉宾包括麻省理工学院的Leslie Kaelbling、伊利诺伊大学香槟分校的Bo Li、华盛顿大学及Ai2的Pang Wei Koh以及瑞典于默奥大学的Frank Dignum[17] - 会议将于2026年1月21日（星期三）13:00至18:00在新加坡国立大学COM3多功能厅举行，现场提供茶点[19][22] - 会议由新加坡国立大学人工智能研究所、DSO国家实验室与亚马逊云科技联合举办，该活动是新加坡AI研究周的一部分，与AAAI2026同期举行[11][21]