刚刚，创下日本估值新高的AI初创公司诞生了！ 它就是Sakana AI，由Transformer论文八子之一创办，老黄的英伟达也投了。 而且它的投资方阵容也堪称豪华——除英伟达（参与A轮）之外，还有一众美国顶级风投（如Khosla Ventures、NEA）和日本产业与金融巨头（如三菱日 联、四国电力）等。 所以，Sakana AI为什么能获得如此高估值？ Transformer八子之一创办、要做基于自然启发的AI模型 Sakana AI成立于2023年7月，至今不过短短两年。 之所以一开始就受到巨大关注，毫无疑问离不开它的两位明星创始人。 联创兼CTO Llion Jones，大名鼎鼎的Transformer论文8位作者之一。 帮大家快速回忆一下，这家公司其实就是史上首位"AI科学家"背后的出品方—— 当时他们发布的The AI Scientist，一登场就一口气生成了十篇完整学术论文，而且每篇成本才15美元左右（约107.62元），一时吸引大量关注。 根据Sakana AI公告，最新B轮融资筹集了200亿日元（约合1.35亿美元、9亿多人民币），总估值来到约4000亿日元（约合26.35亿美元、184亿人 ...

中美AI工程师薪酬对比 - 中美AI工程师薪酬差距缩小至约2倍，显著低于普通程序员约7倍的薪酬差距以及人民币兑美元7:1的汇率差 [1] - 中国科技巨头如华为、字节跳动及AI头部企业MiniMax为AI工程师提供最高年薪达140万元人民币的岗位 [1] 中国AI人才市场需求 - 2025年9月中国AI相关新发岗位数量同比激增超过11倍 [1] - 超过1000家AI公司在招聘平台上发布超过7.2万个AI岗位，企业高管亲自参与招聘，人力资源部门活跃度极高 [1] 中美AI从业者工作强度 - 美国硅谷顶尖AI实验室的研究员和高管周工作时长常态为80至100小时 [5] - 约三分之二的中国AI从业者周工作时长在60小时以内 [1][5]

我们正处在一个与AI日常对话的时代，但这些强大的模型似乎总是患有"健忘症"。每一次新的对话，我 们都不得不重复描述任务、背景和我们的需求。我们期待一个能真正记住"我是谁"，理解"我在干嘛"， 甚至感知我们情绪与处境的AI。当AI能做到这一点，它将不再是冷冰冰的工具，而是我们真正的数字 伙伴。 正是在这个背景下，连续创业者、马卡龙AI创始人陈锴杰，正在探索这个问题的答案。他创立的马卡 龙AI，并非又一个聊天机器人，而是一个致力于成为"Personal Agent"（个人智能体）的全新物种。 技术背景的转变是这一切的起点。陈锴杰指出，AI行业正从单纯依靠增加参数和数据的"规模定 律"（Scaling Law）时代，迈向"经验时代"（Era of Experience）。当互联网上的高质量数据被消耗殆 尽，模型的智能提升遇到了瓶颈。未来，智能系统的竞争力将不再由规模参数决定，而是取决于其从真 实用户经验中持续学习和进化的能力。 这一理念的核心是强化学习（RL）。陈锴杰用一个生动的比喻解释了其本质：看十小时网球视频，远 不如亲自拿起球拍挥动一次学得快。每一次真实的互动，都为模型提供了蕴含因果关系的高质量数据， 让它知 ...

Money keeps flowing into artificial intelligence companies but out of AI stocks.In what looks like — once again — a scenario of the left hand scratching the right, Microsoft and Nvidia will be investing a combined $15 billion into Anthropic, while the OpenAI competitor has committed to buying compute power from its two newest stakeholders. At this point, it seems as if a big proportion of AI news can be summarized as: "Company X invests in Company Y, and Company Y will buy things from Company X."Okay, that' ...

钛媒体App 11月19日消息，脉脉企业号发布的一组数据显示，中美薪资差距约为2倍，已小于汇率差。 同时，美国AI创业企业加班情况严重，每周工作80–100小时成为常态，而约2/3的中国AI从业者每周工 时低于60小时。2025年9月，中国AI相关新发岗位比去年同期激增超11倍，部分岗位年薪最高达140万 元。（广角观察） ...

大会概况 - 大会以“共生无界，智启未来”为主题，关注AI技术穿透产业、学科与场景边界，成为社会演进核心动能 [3] - 大会将聚焦强化学习、多模态、芯片算力、AI+行业、AI出海等前沿技术与产业落地进展 [4] - 内容涵盖学术前沿与商业落地碰撞，以及来自基础设施、模型、产品产业的领先技术成果 [5] 核心发布 - 大会将权威发布人工智能年度榜单，从公司、产品、人物三大维度评选五类奖项 [60] - 大会将重磅发布年度AI趋势报告，提名并深入分析2025年度十大AI趋势 [61] 嘉宾阵容（首波） - 张亚勤：清华大学智能产业研究院院长，中国工程院院士，数字视频和AI领域世界级科学家，曾任百度总裁、微软全球资深副总裁 [12][13] - 孙茂松：清华大学人工智能研究院常务副院长，欧洲人文和自然科学院外籍院士，主持国家973项目等20余项科研项目 [17] - 王仲远：北京智源人工智能研究院院长，研究兴趣包括大模型、多模态、搜索推荐等，发表论文100余篇 [21][22][23] - 赵俊博：浙江大学百人计划研究员，蚂蚁集团资深技术专家，聚焦大模型、世界模型和合成数据技术，首创数据库大模型TableGPT [27] - 方汉：昆仑万维董事长兼CEO，拥有31年互联网从业经验，是中文Linux奠基人之一 [30] - 尤洋：潞晨科技创始人兼董事长，新加坡国立大学校长青年教授，曾获福布斯30岁以下精英榜等荣誉 [35][36] - Daniel Povey：小米集团首席语音科学家，IEEE Fellow，著名开源语音识别工具Kaldi的提出者和主要维护者 [40] - 朱宁：上海交通大学上海高级金融学院金融学教授，研究涵盖行为金融学、中国宏观经济等领域 [44][45] - 刘凡平：RockAI CEO，主导并实现国内首个非Transformer架构大模型，首倡“群体智能”理念 [48][49] - 喻友平：中关村科金总裁，提出“平台+应用+服务”大模型落地三级引擎战略，推动垂类大模型应用 [53][54] - 乔梁：太初元碁联合创始人兼首席运营官，深耕高性能计算领域，获评2024年度“算力中国·青年先锋人物” [57][58] 大会影响力 - 每年吸引上千名科技从业者参与，百万观众线上围观，近百家合作媒体联合曝光 [64] - 已成为智能科技行业的年度风向标 [64]

帮大家快速回忆一下，这家公司其实就是 史上首位"AI科学家" 背后的出品方—— 当时他们发布的The AI Scientist，一登场就一口气生成了十篇完整学术论文，而且每篇成本才15美元左右 （约107.62元） ，一时吸引大量 关注。 根据Sakana AI公告，最新B轮融资筹集了200亿日元 （约合1.35亿美元、9亿多人民币） ，总估值来到约4000亿日元 （约合26.35亿美 元、184亿人民币） ，创下日本非上市初创企业的估值纪录。 而且它的投资方阵容也堪称豪华——除英伟达 （参与A轮） 之外，还有一众美国顶级风投 （如Khosla Ventures、NEA） 和日本产业与金融 巨头 （如三菱日联、四国电力） 等。 一水 发自 凹非寺 量子位 | 公众号 QbitAI 刚刚，创下日本估值新高的AI初创公司诞生了！ 它就是 Sakana AI ，由Transformer论文八子之一创办，老黄的英伟达也投了。 所以，Sakana AI为什么能获得如此高估值？ Transformer八子之一创办、要做基于自然启发的AI模型 Sakana AI成立于2023年7月，至今不过短短两年。 之所以一开始就受到巨 ...

经济观察网谷歌DeepMind当地时间11月19日宣布，将在新加坡新设研究实验室，以推进亚太地区人工 智能发展。新实验室将与亚太区的政府、企业、社团，以及学术机构合作，以满足区域需求，并进一步 提升全球用户的使用体验，将最新技术与产品更好地服务于云端客户。 ...

核心观点 - 公司开源了名为AgentEvolver的智能体自进化系统，该系统通过自我提问、自我导航、自我归因三大模块，使智能体能在开放环境中自主演化行为能力 [2] - 该系统在14B模型上将任务平均完成率从29.8%大幅提升至57.6%，性能近乎翻倍，并展现出卓越的跨域泛化能力和高效学习特性 [2][4] 性能表现 - 在14B模型上，AgentEvolver将基准模型的任务平均完成率（avg@8）从29.8%提升至57.6%，最佳尝试（best@8）指标达到76.7% [4] - 在7B模型上，平均完成率从15.8%跃升至45.2%，证明该框架对不同规模模型具有普适性增强能力 [5] - 强化后的14B模型在特定任务上表现已超越未优化的32B乃至更大参数模型，实现越级挑战 [5] - 学习效率极速收敛，达到基线模型90%性能水平时，训练步数在AppWorld任务中减少55.6%，在BFCL任务中减少66.7% [7][8] 技术架构与机制 - 系统本质是利用大语言模型自身理解力，构建数据-探索-反馈的自动化流程，由Master节点统一调度任务生成、轨迹采样、经验总结和模型优化四个阶段 [13][15] - 采用服务化解耦设计，将环境服务、模型服务和执行层拆分为独立服务以支持大规模训练 [16] - 引入上下文管理器应对长程任务挑战，支持基础因果、推理增强、滑动窗口及自主上下文管理四种范式 [18] - 通过自我提问机制主动合成候选任务构建训练课程，打破对外部数据的依赖 [21][23] - 通过自我导航机制将历史探索轨迹抽象为结构化文本经验，使智能体具备举一反三能力，提高探索成功率 [24][25][26][28] - 通过自我归因机制引入基于大语言模型的过程奖励模型，对每个动作步骤进行细粒度因果分析和打分，提升策略优化样本效率 [30][31][33] 泛化能力 - 仅使用合成数据训练的模型迁移到全新领域时性能衰减微乎其微，例如在AppWorld上训练的模型直接用于解决BFCL任务时表现良好 [9][10] - 跨域泛化性极强，表明系统真正掌握了通用的工具使用与推理逻辑能力，而非记忆特定环境题库 [11]

Investors include Nvidia and the Kuwait Investment Authority. ...