AgentKit，可构建和管理多智能体系统的开发框架； 十月的旧金山，阳光刺眼。 OpenAI开发者日现场，奥特曼语气平静，却抛出四个可能摧毁也将重构当今社会与商业秩序的新物种： Apps SDK，能让任何人用自然语言创建和使用应用软件； Codex，让任何人能读懂代码并自动编写、修复和测试代码； Sora 2，用一句话生成视频的新一代模型和短视频社交应用。 这标志着OpenAI不再只是一个模型公司，而成为一个"用自然语言驱动生产力"的智能体（Agent）平台。 人类与动物之间的最本质区别在于能够制造和使用工具。这句质朴的话，道出了人类文明跳跃的根源。 农业社会，工具是锄头，加强的是"双手"；工业时代，工具是机器，放大的是"体力"；信息时代，工具是互联网，加速的是"信息传播"。 回顾历史，互联网提供的信息工具属性，让每个人有机会成为"自媒体"。2000年代的博客，2010年代的微博与公众号、朋友圈，再到短视频时代的抖音与 快手，我们经历了"人人皆媒体"的时代。由此催生了直播带货、表达爆发，以及文化形态重组。 这些影响已经渗透到每一个行业、每一个毛孔，哪怕是任何一个微小的赛道，都能在社交平台上找到大量的内容创作 ...

智通财经（www.thepaper.cn）记者注意到，龙旗科技也是智元机器人股东之一。在智元机器人今年3月 完成的由腾讯领投的B轮融资中，龙旗科技也是参与方之一。天眼查显示，龙旗科技目前持有智元机器 人0.7394%的股权。 今年下半年以来，国内具身智能机器人领域亿元级订单的落地节奏加快。 10月9日，智元机器人宣布与全球智能产品ODM头部企业上海龙旗科技股份有限公司（下称"龙旗科 技"，603341.SH）就工业场景的具身智能机器人应用开展深度战略合作，龙旗科技下达数亿元金额的智 元精灵G2机器人框架订单。 智元机器人称，此次合作共将部署近千台机器人，是目前国内工业具身智能机器人领域最大订单之一。 对于拿下此份大单，智元称G2"凭借其灵活复用，快速换型，规模化复制等柔性核心优势"。 据介绍，智元精灵G2前期重点应用于平板产线，实现具身智能机器人在消费电子组装制造场景批量落 地。精灵G2将在柔性抓取、多工位协同、产线数据联动等环节发挥强大的AI交互和协同功能，以高品 质，稳定的智造能力，推动产线运营效率跨越式提升。 从产业视角来看，双方认为此次合作不仅以近千台的订单印证了具身机器人的商业价值，更是率先破 题" ...

核心观点 - Anthropic首席执行官驳斥英伟达CEO关于AI安全控制的批评 强调公司推动"向上竞赛"的使命 通过透明政策和创新研究引领行业发展[1][3] - Anthropic营收从2023年1亿美元飙升至2024年前7个月45亿美元 按此增速两年后或达千亿美元[1][5][9] - 公司认为AI发展遵循指数增长规律 模型能力与经济价值将持续快速提升 编程用例成为战略重点[8][9][11][16] - 强调使命认同感是留住人才的核心 Meta高薪策略长期效果存疑 公司已筹集近200亿美元资金 资本效率优于竞争对手[5][13][14][15] 驳斥黄仁勋"AI安全控制论" - 明确否认试图通过AI安全议题控制行业 强调Anthropic通过发布负责任的扩展政策、可解释性研究等透明措施促进行业整体进步[3] - 指出黄仁勋的批评是对立场的曲解 公司目标是树立标杆鼓励其他公司效仿而非技术垄断[3] - 随着AI能力提升 公司认为有必要更公开地表达观点 包括警示潜在风险与强调积极应用[3][4][7] AI指数增长与技术突破 - 坚信AI发展遵循指数增长规律 模型能力每6个月翻倍 未发现阻碍扩展的根本障碍[8][9] - 编程能力显著提升 模型在SWE-Bench测试得分从18个月前3%提升至当前72%-80% 内部大部分代码由AI协助完成[11] - 持续学习问题可通过规模法则解决 上下文窗口已扩展至数百万单词 接近人类一生信息接收量[11] - 否认忽视新技术开发 每款Claude模型均伴随架构、数据和训练方法创新 人才密度保障技术持续进步[12] 资源竞争与商业模式 - 已筹集近200亿美元资金 数据中心规模与行业领军者相当 受能源和资本化限制而非资金短缺[13] - API是主要收入来源(占比60%-75%) 企业用例被视为更具潜力 模型能力提升对商业客户价值显著[16] - 编程成为战略重点 因其商业价值突出且能反哺模型开发 定价逻辑基于创造价值而非单纯成本[16][17] - 预计今年亏损30亿美元 因持续投资新模型训练 现有模型本身已盈利但整体因研发投入未盈利[19] 行业竞争与人才策略 - Meta高薪挖角策略遭质疑 公司通过系统化薪资制度和使命认同保持低流失率[5][13][14] - 强调资本效率优势 以1亿美元实现其他公司10亿美元效果 收入增速证明竞争力[15] - 开源模型威胁被夸大 竞争核心在于性能而非开源 云端微调服务可弥补开源优势[20] 公司创立背景与价值观 - 离开OpenAI因认为其领导层动机不够真诚 另立门户追求"真诚的影响力"[22][23] - 批评OpenAI CEO行为极端不道德 强调组织决策对AI安全的关键作用[24] - 平衡AI潜力与风险 主张渐进式监管 若技术失控将呼吁全球暂停开发[25]

规模法则在自动驾驶中的应用 - 小鹏汽车在CVPR 2025论文中验证规模法则（Scaling Laws）在自动驾驶领域持续生效，核心发现是模型性能与参数规模、数据规模、计算量之间存在幂律关系 [4] - 在10亿（1B）、30亿、70亿直至720亿（72B）参数的VLA模型上验证了"参数规模越大模型能力越强"的规律 [6] - 确立了"海量高质量数据+大模型驱动"的自动驾驶能力跃升路径，VLA模型在VLM基础上增加了决策和行动能力 [6] 自动驾驶算力需求分级 - 从L2到L3级别算力需求呈指数级增长，L2级需80-300TOPS，L3级跃升至千TOPS级别 [8] - L3级需处理复杂城市道路场景，包括多样化交通参与者、动态环境条件等，需大规模神经网络实时推理 [8] - 小鹏提出2000TOPS+VLA+VLM作为L3级自动驾驶算力新标准 [6][8] VLA+VLM架构技术细节 - VLA架构以大语言模型为骨干，集成视觉理解、链式推理和动作生成能力 [10] - 视觉处理模块需数百TOPS算力处理多传感器数据融合 [10] - 语言理解模块在复杂交通场景语义理解时消耗大量计算资源 [10] - 动作规划模块涉及路径规划、行为预测等计算密集型任务 [10] 车载算力与数据中心算力对比 - 车载算力注重实时性与功耗平衡，需在有限空间和功耗下实现高效计算 [12] - 数据中心算力用于离线训练，能力是车载系统的数十至数百倍，可处理海量历史数据 [15] - 车载芯片如NVIDIA Orin、华为昇腾追求高能效比（TOPS/Watt） [12] 行业竞争格局与技术趋势 - 华为昇腾芯片系统算力达400TOPS，蔚来ET7搭载英伟达Orin平台（254TOPS） [17] - 英伟达下一代Thor芯片采用4nm工艺，基础版1000TOPS，增强版2000TOPS [20] - 小鹏G7采用三片自研图灵AI芯片，等效9颗英伟达Orin-X芯片 [20] - ADAS芯片市场份额：英伟达36%（年出货150万片）、特斯拉28%、华为11%、Mobileye 9%、地平线8% [20]