Agent化的OS：拼的不是AI，是底盘

marsbitPublicado a 2026-05-27Actualizado a 2026-05-27

Resumen

本文探讨了操作系统（OS）进入“Agent化”时代的核心竞争要素，指出竞争焦点并非表面AI功能，而在于支撑其可靠运行的底层技术“底盘”。 文章以Google、Microsoft、Apple、华为等主流OS厂商的动向为例，说明端侧OS集成主动式AI能力（Agent）已成为明确趋势。然而，发布会展示的功能背后，真正的较量在于三层核心能力底座： 1. **系统级AI Runtime**：作为调度中枢，它将端侧模型的推理能力变为OS层共享服务，统一调度算力与内存，是Agent能跨App执行系统级操作的基础。例如Google的AICore、Apple的Foundation Models框架。 2. **可控芯片**：自研或深度可控的芯片（如Apple Silicon、Google Tensor、华为麒麟）是实现深度软硬协同优化的关键，决定了端侧Agent的响应速度、功耗和体验上限。 3. **端云模型矩阵**：云端模型处理复杂任务，端侧模型（如Gemini Nano、Phi Silica、盘古端侧模型）保障日常任务的低延迟、隐私和稳定性。端侧模型需与OS和NPU深度耦合，自研是主流选择。 这三层能力自下而上紧密耦合：芯片决定模型效率，模型决定Runtime能力，Runtime决定Agent的可靠性。协同越深，OS厂商在响应延迟、隐私保护、系统级上下文理解、服务可靠性等方面的产品差异化就越明显，护城河也越厚。 此外，文章指出，OS Agent的长期竞争力还受制于与App厂商的博弈（通过API深度集成还是屏幕识别交互）、隐私保护体系的构建等关键变量。这场竞争已超越手机和PC，正随着多设备生态向汽车、XR眼镜等IoT领域扩展。 最终，OS Agent化的成功非一朝一夕，依赖于芯片、模型与Runtime在长期迭代中的深度融合与打磨。

文 | 云涌AI ,作者 | 黄云皓

一. Google I/O 2026之后:四大端侧OS步入Agent时代

2026年5月12日,Google举办了Android Show|I/O Edition发布会,这是5月19日I/O大会之前的Android专场。Android生态总裁Sameer Samat给这场发布会定调:Android要从操作系统转化成一套智能系统。承接这条主线的,就是Gemini Intelligence——Android系统层的一套主动式AI能力。

2026年Android Show|I/O Edition发布会海报
来源:Android Heaadlines

与去年Gemini Nano+AICore的组合相比,这次Google让Agent跨App与上下文的能力进一步嵌入OS层:跨App任务自动化(订餐、采购、下单)、表单自动填充、网页摘要、自定义小组件,依次写进系统级能力清单。Google同时把用户显性控制(explicit user control)、全面数据保护(comprehensive data protection)、运营透明(operational transparency)列为产品三原则。

一周后的5月19日I/O主题演讲上,Google CEO Sundar Pichai沿这条主线开场:

Welcome to the agentic Gemini era(欢迎进入Agent化的Gemini时代)

投身端侧OS Agent化浪潮,Google算不上起跑早。

Microsoft在2024年5月的Build 2024上推出Copilot+PC(搭载40+ TOPS NPU的新一代Windows 11机型品类),基于端侧小模型Phi Silica、屏幕Agent能力Click to Do、系统级活动记忆Recall三项能力将Agent能力嵌入OS系统。

2024年6月的WWDC24上,Apple就已正式公布“Apple Intelligence”,Apple当时给它的定位就是“personal intelligence system”(个人智能系统),后续陆续上线了一些AI辅助功能,只不过由于自家大模型难产、Siri“弱智”等问题,Apple Intelligence的核心Agent能力一直未能面世。

华为则在2025年6月HDC 2025上发布HarmonyOS 6与鸿蒙智能体框架(HMAF),随后小艺智能体广场上线了80多个智能体。

端侧OS Agent化的大趋势已经同时出现在Android、iOS、HarmonyOS、Windows等主流操作系统上。

发布会展示的只是功能,OS厂商真正要拼的,是支撑OS Agent可靠运行、实际解决问题的三层能力底:系统级AI Runtime、可控芯片、端云模型矩阵。

二. 发布会之下:撑起OS Agent的三层底盘

系统级AI Runtime:端侧智能的调度中枢

Runtime是端侧模型在操作系统里运行的推理引擎与系统服务。往下,它直接对接NPU与系统资源调度;往上,它以稳定API把推理能力暴露给所有App。它把端侧模型变成了“OS层的共享智能”:跨App共享模型权重、统一调度算力与内存、承载Agent所需的工具调用、引导生成、上下文与权限对接。它决定了OS Agent究竟是App里的一个聊天按钮,还是操作系统上能执行系统级操作的常驻服务。

Android体系内最完整的样本是Google AICore。2023年12月,AICore作为Android 14的系统服务(system service)上线;2025年8月,Gemini Nano通过ML Kit GenAI APIs对开发者开放。从系统服务底座到面向App的稳定API,AICore走了近两年,不断打磨。

其他OS厂商走的是同一条路,节奏不同。Apple在WWDC25把Foundation Models框架开放给开发者,框架自带@Generable装饰器、工具调用、引导生成(guided generation)与有状态会话(stateful session),背后接的是约3B参数的端侧基础模型,加上私密云端计算提供云端支持。Microsoft把端侧AI框架Foundry on Windows与Phi Silica装进Windows 11,以Windows ML作为底层推理后端。华为在HDC 2025发布Agent Framework Kit(鸿蒙智能体框架,HMAF),把意图体系与Agent协作协议一起开放。

Android AICore 作为系统服务,调度 Gemini Nano 在硬件加速器上推理
来源:Android Developers

可控芯片:软硬协同的支点

Google在Android Show|I/O Edition上为Gemini Intelligence设置明确的硬件门槛:完整功能集首发仅面向Pixel 10系列与Galaxy S26系列等少数最新旗舰,去年的机型均不在列。这指向一个简单事实:AI模型还在快速演进,软件对硬件持续提出新要求。可控芯片是承接这些要求的底盘,可控程度决定OS厂商为端侧OS Agent做软硬适配的空间。

Apple是软硬一体路线的典范。iOS与macOS从一开始就与A系列、M系列芯片同代演进,Core ML则把CPU、GPU、ANE的调度统一封装到框架层。这条路线在LLM时代继续延伸。Apple Machine Learning Research给出过一组实测:按Core ML的优化路径把Llama 3.1 8B Instruct部署到M1 Max上,本地解码速度可达约33 tokens/s。《Apple Intelligence Foundation Language Models》技术报告也披露,Apple为自家芯片做了KV cache共享与2-bit量化感知训练等架构级优化,才得以成功把约3B的端侧基础模型通过Foundation Models框架开放给开发者。这种深度,只有把芯片握在自己手里才做得出——这正是可控芯片之于OS厂商的价值:它决定了软硬协同的深度,也提高了端侧OS Agent的体验上限。

进入AI时代,Google也在做同一件事——从Pixel 6起走自研Tensor SoC路线,最新的Tensor G5把TPU性能最高提升60%、CPU平均提升34%,作为首款完整运行最新一代Gemini Nano的SoC在Pixel 10落地。当然,Tensor G5也有短板:Android Central实测显示其内存配置(RAM容量)仍是AI性能瓶颈、Geekbench AI跑分输给骁龙8 Elite;Macworld的Geekbench 6实测中,G5的单核与多核分数都低于A18 Pro。Google还在追赶,但自研Tensor加端侧Gemini的协同路线已经成形。

华为麒麟搭配达芬奇NPU与盘古端侧模型,是另一条与Apple、Google并行的可控芯片路径。小米落地了玄戒O1,是朝可控芯片方向走出的新进者。

端云模型矩阵:Agent的智力源泉

端云模型矩阵是终端设备的“智力”源泉:云端模型撑起复杂任务的能力天花板,端侧模型托起日常运行的下限——延迟、续航、隐私、稳定性都压在端侧这一头。两端缺一不可,差别在与OS的耦合深度。端侧模型要嵌入每一台终端设备的OS、与本机NPU深度耦合,在OS里承担双重身份:往下,它是Runtime的本地推理后端;往上,它通过Runtime的框架与SDK作为系统级API向App开放。

自研在云端、端侧都有意义,只是端侧的回报更显性。云端模型外采也能撑起能力天花板,自研的优势则主要体现在路由控制权、商业条款、模型迭代节奏。端侧不同。端侧模型嵌入到每一台设备的OS与NPU之中,自研的回报直接体现在产品性能上:KV cache共享、为某代芯片专门设计的2-bit量化感知训练、Per-Layer Embedding(源自Gemma 3n,按层从快速存储增量加载嵌入参数)等等,这些都得是模型与硬件同步设计才方便实现;与此同时,协同节奏也不可再受第三方硬件厂商制约。

Tensor G5的TPU算力较上一代G4最高提升60%,但Gemini Nano在G5上的提升远不止于此——据Google官方与Jon Peddie Research整理,本地处理速度达上一代的2.6倍、能耗降至原先的一半、token窗口从12,000扩到32,000(相当于一次性消化约百张截图)。这些显著超出的性能表现,源自Gemini Nano v3采用的Matryoshka Transformer弹性推理架构,叠加与Tensor G5 TPU的协同优化。

Gemini Nano on Tensor G5较上一代的性能跃迁
来源:Google/Jon Peddie Research,云涌AI制图

端侧模型这一层,各主流OS厂商手里握着的都是自家牌:Google的Gemini Nano、Apple约3B参数的端侧基础模型、Microsoft的Phi Silica、华为的盘古端侧模型。自研,是这一层的默认选项。

三. 三层之间:协同越深,差异化空间越大

三层能力底盘自下而上耦合:可控芯片→端侧/云端模型→Runtime→Agent。可控芯片决定端侧模型可达到的推理效率与功耗,端侧模型决定Runtime可调度的本地智能,Runtime决定Agent作为系统服务跨App执行的可靠性。三者协同越深,OS厂商在端侧Agent上的产品体验差异化越大,护城河也越厚。

三层在同一套软硬件中咬合得越深,OS Agent 的产品能力也越会涌现出单层做不到的差异。

  • 响应延迟与功耗。Gemini Nano在Tensor G5上拿到的2.6倍处理速度与能耗减半,依靠的是模型架构、芯片设计、Runtime调度三层在同代软硬设计里相互适配,这种量级的改善才会涌现。
  • 隐私与可信。涉及隐私数据的常用任务由端侧模型就地完成,复杂请求再交给云端——这是现阶段OS Agent对待用户数据的合理默认姿态。三层耦合决定这种“端侧优先、云端兜底”能否真正落地:NPU与端侧模型深度适配,是仍处于发展期的端侧模型肩负起日常高频推理的关键路径;模型为NPU做量化压缩与KV cache共享;Runtime按任务复杂度在端侧与云端之间路由。三层任一不到位,“端侧优先”就只能是营销话术。
  • 系统级上下文。OS厂商把跨App和OS层用户数据(语义索引、屏幕感知、长期记忆)重组成系统级个人语境提供给Agent,是Agent真正“理解用户”的前提,也是OS Agent不同于单一应用级Agent的核心特征。落地依赖三层咬合:Runtime持有跨App索引与权限,端侧模型常驻负责理解推理,NPU提供本地高效算力。Apple的Core Spotlight在终端建立语义索引,App通过App Intents把动作与数据接入系统,Agent将通过Personal Context获取语境(Apple已宣布该能力将随未来软件更新上线);Android侧AppFunctions走的是同一条路径。
  • 作为系统服务的可靠性。OS Agent要被当作系统级服务调用,就得在不联网、低电量、热降频等现实场景下保持可用。端侧模型常驻设备,让Agent离开网络也能工作;高度软硬优化的NPU承担低功耗推理;Runtime在设备资源紧张时按可用性回退调度(切到更轻量的模型,或把请求路由到云端)。三层任一缺位,OS Agent就撑不起系统服务的形态,只能退回App级聊天按钮。

Apple Intelligence呈现了完整的协同范式:Apple Silicon、约3B端侧基础模型、Foundation Models 框架自下而上咬合,端侧处理常用场景,复杂请求转入私密云端计算。Google是另一种形态。Tensor G5作为首款完整运行最新一代Gemini Nano的SoC在Pixel 10落地,由AICore统一调度,让Magic Cue、Pixel Screenshots等系统级Agent功能可以不依赖云端默认开启。华为是国内构筑三层协同的典范:麒麟、达芬奇 NPU、盘古端侧、HMAF 四件全部自有,自下而上耦合成完整的三层底盘。

端侧OS Agent三层底盘咬合机制
来源:云涌AI


四. 底盘之上:长期护城河的其他关键变量

三层协同筑起护城河的核心。底盘之上还有众多变量影响OS Agent时代的产品竞争力,包括Agent与App的交互能力、隐私保护等。

OS Agent与App的交互,处于OS厂商和App厂商博弈的最前线。眼下两条路径并行。一条是识屏与自动化,包括Gemini Live屏幕共享、Apple Visual Intelligence、Circle to Search等。OS Agent靠读屏幕、点按钮介入App,单次任务可行,但每次调用都缺乏结构化信息,多步动作难以稳定搭建工作流。另一条是API深度集成,包括Google AppFunctions、Apple App Intents、华为Intents Kit等。App把核心动作以结构化接口暴露给系统,Agent调用稳定,也能搭建多步工作流。API路径能否铺开,关键不在OS厂商,而在App厂商。把核心功能交给Agent调用,意味着用户可能不再直接打开App,品牌曝光、广告位、行为数据、付费入口都有被OS截走的风险。这将是用户侧终端流量分配权的核心争夺点。

隐私保护,是端侧系统的关键价值和底线。OS厂商在端侧握有最深的系统级权限和最敏感的用户数据,隐私既是本职立场,也是前两件事长期推进的前置条件。Apple通过端侧Secure Enclave独立安全芯片与私有云计算PCC节点共享的同一套硬件级安全设计,构建了基于终端的隐私保护体系,这一产品策略让“Privacy. That’s Apple.”成为Apple在全球高端市场的核心品牌标签,进而赢得用户信任。

Apple的“Privacy. That’s Apple.”标签
来源:Apple官网

三层协同立起护城河的核心,底盘之上的这些长期变量则影响它能加固到多深。

五. 不只是重做OS

端侧OS Agent化趋势下,系统级AI Runtime、可控芯片、端云模型矩阵这三层底盘越扎实,OS厂商在这场仗里的产品下限就越高、差异化空间也越大。把握住这一趋势的OS厂商,才有机会推动端侧入口流量分配权的重置,拿到更强的竞争位置。

这一趋势不止于手机和PC。OS Agent的底层能力沿着各家已搭建的多设备生态向更多终端外溢,尤以IoT为盛。可控芯片向汽车SoC等场景下沉,华为已布局车规级麒麟芯片、小米澎湃OS走进自家车型;端侧模型向眼镜等新形态硬件轻量化迁移,Google与Samsung、Gentle Monster、Warby Parker联合开发的Android XR智能眼镜将在2026年秋季上市;Runtime与Agent的协同则借由各家已铺设的“超级终端/分布式”框架扩展到设备群,例如华为的1+8+N与鸿蒙分布式软总线、小米的“人车家全生态”与HyperConnect、Apple的Continuity、Google的Cross device SDK与跨设备服务。OS Agent这场仗,远不限于手机和PC的胜负。

AICore打磨了近两年;Apple的OS与Apple silicon系列芯片磨合了十几年;Tensor一路改到G5,Pixel 10方能肩负Gemini Nano v3的重担。这场仗的高下,从来不在发布会上的一两个小时,而在一代代的芯片、模型与Runtime中磨出来的。

参考资料:

  • Gemini Intelligence brings proactive AI to Android|Google Blog
  • I/O 2026: Welcome to the agentic Gemini era|Google Blog
  • Phi Silica, small but mighty on-device SLM|Windows Experience Blog
  • Apple Delays Siri Upgrade Indefinitely|Bloomberg
  • HarmonyOS 6 开发者 Beta 启动新闻稿(HDC 2025)|华为
  • The latest Gemini Nano with on-device ML Kit GenAI APIs|Android Developers Blog
  • Foundation Models framework documentation|Apple Developer
  • 鸿蒙智能体框架白皮书|华为开发者
  • On-Device Llama 3.1 with Core ML|Apple Machine Learning Research
  • Apple Intelligence Foundation Language Models Tech Report 2025|Apple Machine Learning Research
  • Google Tensor G5: Benchmarks and everything you need to know|Android Central
  • Google’s new M5 SoC(Tensor G5 详解·Matryoshka Transformer)|Jon Peddie Research
  • Private Cloud Compute: A new frontier for AI privacy in the cloud|Apple Security Engineering
  • Overview of AppFunctions|Android Developers
  • App Intents|Apple Developer
  • Intents Kit 简介(HarmonyOS)|华为开发者
  • The Google Pixel 10 Pro’s Tensor G5 chip is impressive—if you compare it to an iPhone 14|Macworld
  • Gemma 3n model overview|Google AI for Developers

Preguntas relacionadas

Q文章中提到的四大端侧OS（Android、iOS、HarmonyOS、Windows）进入Agent时代的主要表现是什么？

AAndroid通过Gemini Intelligence将主动式AI能力嵌入系统层；Apple推出Apple Intelligence作为个人智能系统；华为发布HarmonyOS 6与鸿蒙智能体框架；Microsoft推出Copilot+PC，在Windows 11中嵌入Agent能力。它们共同的特点是让AI从操作系统层面提供跨应用、系统级的智能服务。

Q支撑OS Agent可靠运行的“三层能力底”具体指什么？

A三层能力底是指：1）系统级AI Runtime，作为端侧智能的调度中枢，负责模型推理和系统服务；2）可控芯片，如Google的Tensor、Apple的A/M系列、华为的麒麟，实现软硬深度协同；3）端云模型矩阵，云端模型处理复杂任务，端侧模型（如Gemini Nano、Phi Silica）保障日常低延迟、高隐私的本地推理。这三层自下而上紧密耦合，共同决定OS Agent的体验上限。

Q为什么文章认为“可控芯片”对于OS Agent的体验至关重要？

A可控芯片（如Apple Silicon、Google Tensor、华为麒麟）允许操作系统厂商深度优化软硬协同。例如，Apple能为自家芯片做KV cache共享、2-bit量化等架构级优化，从而高效运行端侧基础模型；Google的Tensor G5与Gemini Nano v3协同，实现了处理速度2.6倍提升和能耗减半。这种深度优化只有掌握芯片设计权才能实现，它直接决定了端侧Agent的响应速度、功耗和功能上限。

QOS Agent与普通App内的AI助手（聊天按钮）的核心区别是什么？

A核心区别在于OS Agent是操作系统级的常驻服务，而非依附于单个App。它依托系统级AI Runtime，能跨应用调用数据和服务（如通过App Intents/AppFunctions）、访问系统级个人上下文（如语义索引、屏幕感知）、并在端侧模型和可控芯片支持下实现低延迟、高隐私的本地推理。这使其能执行复杂的多步工作流，并在离线、低电量等场景下保持可靠，而非仅是一个简单的聊天交互界面。

Q除了技术底盘，文章还指出哪些因素会影响OS Agent时代的长期竞争力？

A除了技术底盘，长期竞争力还受制于：1）与App的交互深度：依赖于App厂商是否愿意通过API（如App Intents、AppFunctions）开放核心功能给Agent调用，这涉及流量和数据权的博弈；2）隐私保护能力：如Apple通过Secure Enclave和私有云计算构建的隐私体系，已成为其核心品牌资产和信任基础；3）生态扩展能力：将Agent底层能力向汽车、XR眼镜等IoT设备延伸，通过多设备协同框架（如华为分布式软总线、小米HyperConnect）抢占更广阔的入口。

Lecturas Relacionadas

Actualización de expectativas de valoración de Marvell tras el respaldo de Jensen Huang: Guía de negocios de interconexión ajustada al alza en más del 70%, ingresos estimados para 2028 en 16.500 millones de dólares

Marvell ha actualizado su previsión de ingresos para 2027 a unos 115.000 millones de dólares, elevando la tasa de crecimiento de su negocio de interconexión a más del 70%. El crecimiento actual se basa principalmente en líneas de productos maduras como módulos ópticos desmontables (plugables) y DSPs PAM. Sin embargo, el mayor potencial reside en tecnologías emergentes como la Óptica en Co-Embalaje (CPO), cuyo despliegue a gran escala está previsto para 2027-2028. La adquisición de Celestial AI busca fortalecer la hoja de ruta de Marvell en CPO, con el objetivo de alcanzar unos 500 millones de dólares de ingresos anuales para finales de 2028. Aunque la empresa cuenta con el respaldo de pedidos reales de IA y una alianza con NVIDIA, la ejecución exitosa de la CPO sigue siendo la variable crítica para mantener el crecimiento a largo plazo y justificar su alta valoración actual. La competencia con Broadcom y la capacidad de Marvell para escalar la producción y validar la tecnología con los clientes serán factores clave a seguir de cerca en los próximos años.

marsbitHace 1 hora(s)

Actualización de expectativas de valoración de Marvell tras el respaldo de Jensen Huang: Guía de negocios de interconexión ajustada al alza en más del 70%, ingresos estimados para 2028 en 16.500 millones de dólares

marsbitHace 1 hora(s)

Desde el IDE hasta la terminal: Un manual práctico de ingeniería de agentes

De la interfaz a la terminal: Un manual práctico de ingeniería de agentes Matt Van Horn desató un debate en marzo de 2026 al afirmar que desarrollaba sin abrir un IDE gráfico, usando solo la terminal y un archivo `plan.md`. Su método, recopilado luego por Meng Shao, se basa en un ciclo de "Research → Plan → Work" y 22 técnicas prácticas. Este flujo de trabajo reemplaza la edición manual y la retroalimentación visual del IDE (resaltado, depuración) por un modelo de "delegación por lotes". La persona se centra en definir la dirección y revisar planes, mientras los agentes ejecutan. El archivo `plan.md` es clave: no es documentación para humanos, sino un "contrato" externo y persistente para guiar y restringir a los agentes, evitando la "corrupción del contexto" en conversaciones largas. La fase de **Research** usa herramientas como `last30days-skill` para que el agente analice información comunitaria antes de actuar. En la fase de **Plan**, se genera y revisa minuciosamente el `plan.md` con `ce:plan`, inyectando conocimiento experto. La fase de **Work**, con `ce:work`, delega la ejecución a sub-agentes paralelos. Se enfatiza dedicar el 80% del tiempo a planificar/revisar y solo el 20% a ejecutar. Se destacan seis técnicas: generar planes inmediatamente sin pre-pensar en exceso; hacer que el agente resuma los planes largos; usar múltiples terminales en paralelo; usar entrada por voz para diseños complejos; activar tareas asíncronas por correo; y cargar "skills" comunitarios para ampliar capacidades. Las críticas señalan que este flujo requiere experiencia en diseño de sistemas y prompt engineering, y no es apto para aprendices que dependen de la retroalimentación visual del IDE. Concentra el riesgo en la fase de revisión del plan: un error allí se amplifica. Además, existe el riesgo de "psicosis de IA", donde optimizar el flujo de trabajo se convierte en un fin en sí mismo. En resumen, este enfoque es un amplificador de eficacia para quienes ya saben lo que necesitan construir, no una herramienta de aprendizaje. Sus componentes principales (CLIs, plugins como Compound Engineering, skills) evolucionan rápidamente, definiendo una ventana temprana para la experimentación.

marsbitHace 1 hora(s)

Desde el IDE hasta la terminal: Un manual práctico de ingeniería de agentes

marsbitHace 1 hora(s)

"Xiaomei" y Yuanbao se interconectan, ¿están preparando el camino para los Agentes Inteligentes de WeChat?

El CEO de Meituan, Wang Xing, anunció tras los resultados del primer trimestre de 2026 que su asistente de IA "Xiaomei" se integrará con "Yuanbao" de Tencent. Esta colaboración permitirá a los usuarios solicitar servicios de vida local en Yuanbao y desencadenar automáticamente una comunicación entre agentes para acceder a pedidos de comida a domicilio y otros servicios de Meituan. El artículo analiza este movimiento como una respuesta estratégica de Meituan frente a la creciente competencia. Mientras plataformas como Doubao (ByteDance) y Qianwen (Alibaba) están construyendo ecosistemas cerrados ("jardines amurallados") integrando sus asistentes de IA con sus propios servicios comerciales, Meituan carece de un gran portal de IA independiente. La alianza con Yuanbao le permite a Meituan utilizar un punto de entrada conversacional de IA a cambio de proporcionar su infraestructura de servicios y datos de vida local, una relación vista como complementaria. Sin embargo, la colaboración enfrenta desafíos: la limitada experiencia del usuario debido a la arquitectura "Agente a Agente", la compleja distribución de beneficios comerciales y la necesidad de una integración fluida entre dos empresas diferentes. El artículo sitúa esta asociación en un contexto más amplio, vinculándola con los informes sobre el desarrollo de un "Agente de IA" nativo en WeChat. La cooperación entre Meituan y Yuanbao se interpreta como una prueba piloto o un modelo para futuras integraciones de alto nivel ("Agente a Agente") dentro del ecosistema de WeChat. Su éxito podría sentar un precedente crucial para atraer a otras grandes plataformas a la futura red de agentes de inteligencia artificial de Tencent, determinando en última instancia el alcance de dicho ecosistema.

marsbitHace 3 hora(s)

"Xiaomei" y Yuanbao se interconectan, ¿están preparando el camino para los Agentes Inteligentes de WeChat?

marsbitHace 3 hora(s)

Morningstar valora SpaceX en sólo 780.000 millones, menos de la mitad del objetivo de la OPI, ¿la OPI más grande de la historia está sobrevalorada?

La firma de investigación Morningstar ha emitido un informe sobre la valoración de SpaceX antes de su salida a bolsa, estableciendo su valor justo en 780 mil millones de dólares, un 45% del objetivo de 1.75 billones que persigue la empresa. La valoración de Morningstar separa su negocio central de lanzamientos y Starlink (611 mil millones) de las operaciones de IA, como xAI, que reciben una valoración ponderada de solo 170 mil millones. A pesar de esta crítica, la analista reconoce que factores como la baja oferta inicial de acciones, la fuerte demanda por empresas de infraestructura de IA y la posible inclusión rápida en el índice Nasdaq 100 podrían impulsar el precio a corto plazo tras la OPV. No obstante, advierte sobre presiones de venta a medio plazo debido a un calendario escalonado de desbloqueo de acciones para empleados e inversores internos. Elon Musk respondió a las dudas sobre la valoración sugiriendo que el mercado juzgará, en referencia al éxito de Tesla. Morningstar también destaca riesgos como la refinanciación de un préstamo puente de 200 mil millones de dólares y cuestiones de gobierno corporativo, incluida la estructura de control de voto de Musk y la adquisición reciente de xAI. La OPV, la más grande de la historia, está prevista para la segunda semana de junio.

marsbitHace 3 hora(s)

Morningstar valora SpaceX en sólo 780.000 millones, menos de la mitad del objetivo de la OPI, ¿la OPI más grande de la historia está sobrevalorada?

marsbitHace 3 hora(s)

a16z: Por qué los mercados de predicción serán la infraestructura de las "probabilidades futuras"

Los mercados de predicción, al convertir eventos futuros en contratos comercializables, permiten a los participantes expresar juicios con dinero real y agregar información dispersa en tiempo real, generando una probabilidad aproximada a través del precio. A diferencia de encuestas o predicciones de expertos, su ventaja radica en el incentivo económico para que participen quienes poseen información relevante. Estos mercados no son máquinas de profecía, sino una aplicación directa de la capacidad de los mercados para agregar información. Permiten abordar cuestiones específicas, desde geopolítica hasta el rendimiento de modelos de IA, que los activos financieros tradicionales no pueden expresar. Sin embargo, su eficacia no es automática. Depende de quién comercia, del diseño de los contratos, de la determinación de resultados y de la resistencia a la manipulación por parte de actores internos o interesados. Sin una participación informada, los precios son ruido; con información privilegiada, se pierde equidad. Por tanto, el siguiente paso no es solo escalar, sino construir una infraestructura más confiable: reglas de participación transparentes, diseño de contratos claro, mecanismos de liquidación auditables y restricciones contra la manipulación. Su verdadero valor reside en proporcionar una nueva señal de probabilidad pública en entornos de alta incertidumbre.

marsbitHace 3 hora(s)

a16z: Por qué los mercados de predicción serán la infraestructura de las "probabilidades futuras"

marsbitHace 3 hora(s)

Trading

Spot
Futuros

Artículos destacados

Qué es GROK AI

Grok AI: Revolucionando la Tecnología Conversacional en la Era Web3 Introducción En el paisaje de la inteligencia artificial en rápida evolución, Grok AI se destaca como un proyecto notable que une los dominios de la tecnología avanzada y la interacción con el usuario. Desarrollado por xAI, una empresa liderada por el renombrado emprendedor Elon Musk, Grok AI busca redefinir cómo interactuamos con la inteligencia artificial. A medida que el movimiento Web3 continúa floreciendo, Grok AI tiene como objetivo aprovechar el poder de la IA conversacional para responder a consultas complejas, proporcionando a los usuarios una experiencia que no solo es informativa, sino también entretenida. ¿Qué es Grok AI? Grok AI es un sofisticado chatbot de IA conversacional diseñado para interactuar con los usuarios de manera dinámica. A diferencia de muchos sistemas de IA tradicionales, Grok AI abraza una gama más amplia de consultas, incluidas aquellas que normalmente se consideran inapropiadas o fuera de las respuestas estándar. Los objetivos centrales del proyecto incluyen: Razonamiento Fiable: Grok AI enfatiza el razonamiento de sentido común para proporcionar respuestas lógicas basadas en la comprensión contextual. Supervisión Escalable: La integración de asistencia de herramientas asegura que las interacciones de los usuarios sean tanto monitoreadas como optimizadas para la calidad. Verificación Formal: La seguridad es primordial; Grok AI incorpora métodos de verificación formal para mejorar la fiabilidad de sus resultados. Comprensión de Largo Contexto: El modelo de IA sobresale en retener y recordar un extenso historial de conversaciones, facilitando discusiones significativas y contextualizadas. Robustez Adversarial: Al centrarse en mejorar sus defensas contra entradas manipuladas o maliciosas, Grok AI busca mantener la integridad de las interacciones de los usuarios. En esencia, Grok AI no es solo un dispositivo de recuperación de información; es un compañero conversacional inmersivo que fomenta un diálogo dinámico. Creador de Grok AI La mente detrás de Grok AI no es otra que Elon Musk, una persona sinónimo de innovación en varios campos, incluidos el automotriz, los viajes espaciales y la tecnología. Bajo el paraguas de xAI, una empresa centrada en avanzar la tecnología de IA de maneras beneficiosas, la visión de Musk busca remodelar la comprensión de las interacciones de IA. El liderazgo y la ética fundacional están profundamente influenciados por el compromiso de Musk de empujar los límites tecnológicos. Inversores de Grok AI Si bien los detalles específicos sobre los inversores que respaldan Grok AI son limitados, se reconoce públicamente que xAI, el incubador del proyecto, está fundado y apoyado principalmente por el propio Elon Musk. Las empresas y participaciones anteriores de Musk proporcionan un respaldo robusto, reforzando aún más la credibilidad y el potencial de crecimiento de Grok AI. Sin embargo, hasta ahora, la información sobre fundaciones de inversión adicionales u organizaciones que apoyan a Grok AI no está fácilmente accesible, marcando un área para una posible exploración futura. ¿Cómo Funciona Grok AI? La mecánica operativa de Grok AI es tan innovadora como su marco conceptual. El proyecto integra varias tecnologías de vanguardia que facilitan sus funcionalidades únicas: Infraestructura Robusta: Grok AI está construido utilizando Kubernetes para la orquestación de contenedores, Rust para rendimiento y seguridad, y JAX para computación numérica de alto rendimiento. Este trío asegura que el chatbot opere de manera eficiente, escale efectivamente y sirva a los usuarios de manera oportuna. Acceso a Conocimiento en Tiempo Real: Una de las características distintivas de Grok AI es su capacidad para acceder a datos en tiempo real a través de la plataforma X—anteriormente conocida como Twitter. Esta capacidad otorga a la IA acceso a la información más reciente, permitiéndole proporcionar respuestas y recomendaciones oportunas que otros modelos de IA podrían pasar por alto. Dos Modos de Interacción: Grok AI ofrece a los usuarios la opción entre “Modo Divertido” y “Modo Regular”. El Modo Divertido permite un estilo de interacción más lúdico y humorístico, mientras que el Modo Regular se centra en ofrecer respuestas precisas y exactas. Esta versatilidad asegura una experiencia personalizada que se adapta a diversas preferencias de los usuarios. En esencia, Grok AI une rendimiento con compromiso, creando una experiencia que es tanto enriquecedora como entretenida. Cronología de Grok AI El viaje de Grok AI está marcado por hitos clave que reflejan sus etapas de desarrollo y despliegue: Desarrollo Inicial: La fase fundamental de Grok AI tuvo lugar durante aproximadamente dos meses, durante los cuales se llevó a cabo el entrenamiento y ajuste inicial del modelo. Lanzamiento Beta de Grok-2: En un avance significativo, se anunció la beta de Grok-2. Este lanzamiento introdujo dos versiones del chatbot—Grok-2 y Grok-2 mini—cada una equipada con capacidades para chatear, programar y razonar. Acceso Público: Tras su desarrollo beta, Grok AI se volvió disponible para los usuarios de la plataforma X. Aquellos con cuentas verificadas por un número de teléfono y activas durante al menos siete días pueden acceder a una versión limitada, haciendo la tecnología disponible para una audiencia más amplia. Esta cronología encapsula el crecimiento sistemático de Grok AI desde su inicio hasta el compromiso público, enfatizando su compromiso con la mejora continua y la interacción con los usuarios. Características Clave de Grok AI Grok AI abarca varias características clave que contribuyen a su identidad innovadora: Integración de Conocimiento en Tiempo Real: El acceso a información actual y relevante diferencia a Grok AI de muchos modelos estáticos, permitiendo una experiencia de usuario atractiva y precisa. Estilos de Interacción Versátiles: Al ofrecer modos de interacción distintos, Grok AI se adapta a diversas preferencias de los usuarios, invitando a la creatividad y la personalización en la conversación con la IA. Avanzada Infraestructura Tecnológica: La utilización de Kubernetes, Rust y JAX proporciona al proyecto un marco sólido para garantizar fiabilidad y rendimiento óptimo. Consideración de Discurso Ético: La inclusión de una función generadora de imágenes muestra el espíritu innovador del proyecto. Sin embargo, también plantea consideraciones éticas en torno a los derechos de autor y la representación respetuosa de figuras reconocibles—una discusión en curso dentro de la comunidad de IA. Conclusión Como una entidad pionera en el ámbito de la IA conversacional, Grok AI encapsula el potencial para experiencias transformadoras de usuario en la era digital. Desarrollado por xAI y guiado por el enfoque visionario de Elon Musk, Grok AI integra conocimiento en tiempo real con capacidades avanzadas de interacción. Se esfuerza por empujar los límites de lo que la inteligencia artificial puede lograr mientras mantiene un enfoque en consideraciones éticas y la seguridad del usuario. Grok AI no solo encarna el avance tecnológico, sino que también representa un nuevo paradigma de conversaciones en el paisaje Web3, prometiendo involucrar a los usuarios con tanto conocimiento hábil como interacción lúdica. A medida que el proyecto continúa evolucionando, se erige como un testimonio de lo que la intersección de la tecnología, la creatividad y la interacción similar a la humana puede lograr.

537 Vistas totalesPublicado en 2024.12.26Actualizado en 2024.12.26

Qué es GROK AI

Qué es ERC AI

Euruka Tech: Una Visión General de $erc ai y sus Ambiciones en Web3 Introducción En el panorama en rápida evolución de la tecnología blockchain y las aplicaciones descentralizadas, nuevos proyectos emergen con frecuencia, cada uno con objetivos y metodologías únicas. Uno de estos proyectos es Euruka Tech, que opera en el amplio dominio de las criptomonedas y Web3. El enfoque principal de Euruka Tech, particularmente su token $erc ai, es presentar soluciones innovadoras diseñadas para aprovechar las crecientes capacidades de la tecnología descentralizada. Este artículo tiene como objetivo proporcionar una visión general completa de Euruka Tech, una exploración de sus objetivos, funcionalidad, la identidad de su creador, posibles inversores y su importancia dentro del contexto más amplio de Web3. ¿Qué es Euruka Tech, $erc ai? Euruka Tech se caracteriza como un proyecto que aprovecha las herramientas y funcionalidades ofrecidas por el entorno Web3, centrándose en integrar la inteligencia artificial dentro de sus operaciones. Aunque los detalles específicos sobre el marco del proyecto son algo elusivos, está diseñado para mejorar la participación del usuario y automatizar procesos en el espacio cripto. El proyecto tiene como objetivo crear un ecosistema descentralizado que no solo facilite transacciones, sino que también incorpore funcionalidades predictivas a través de la inteligencia artificial, de ahí la designación de su token, $erc ai. La meta es proporcionar una plataforma intuitiva que facilite interacciones más inteligentes y un procesamiento de transacciones eficiente dentro de la creciente esfera de Web3. ¿Quién es el Creador de Euruka Tech, $erc ai? En la actualidad, la información sobre el creador o el equipo fundador detrás de Euruka Tech sigue sin especificarse y es algo opaca. Esta ausencia de datos genera preocupaciones, ya que el conocimiento del trasfondo del equipo es a menudo esencial para establecer credibilidad dentro del sector blockchain. Por lo tanto, hemos categorizado esta información como desconocida hasta que se disponga de detalles concretos en el dominio público. ¿Quiénes son los Inversores de Euruka Tech, $erc ai? De manera similar, la identificación de inversores u organizaciones de respaldo para el proyecto Euruka Tech no se proporciona fácilmente a través de la investigación disponible. Un aspecto crucial para los posibles interesados o usuarios que consideren involucrarse con Euruka Tech es la garantía que proviene de asociaciones financieras establecidas o respaldo de firmas de inversión reputadas. Sin divulgaciones sobre afiliaciones de inversión, es difícil llegar a conclusiones completas sobre la seguridad financiera o la longevidad del proyecto. De acuerdo con la información encontrada, esta sección también se encuentra en estado de desconocido. ¿Cómo Funciona Euruka Tech, $erc ai? A pesar de la falta de especificaciones técnicas detalladas para Euruka Tech, es esencial considerar sus ambiciones innovadoras. El proyecto busca aprovechar la potencia computacional de la inteligencia artificial para automatizar y mejorar la experiencia del usuario dentro del entorno de las criptomonedas. Al integrar la IA con la tecnología blockchain, Euruka Tech aspira a proporcionar características como operaciones automatizadas, evaluaciones de riesgos e interfaces de usuario personalizadas. La esencia innovadora de Euruka Tech radica en su objetivo de crear una conexión fluida entre los usuarios y las vastas posibilidades que presentan las redes descentralizadas. A través de la utilización de algoritmos de aprendizaje automático e IA, busca minimizar los desafíos que enfrentan los usuarios primerizos y agilizar las experiencias transaccionales dentro del marco de Web3. Esta simbiosis entre IA y blockchain subraya la importancia del token $erc ai, que actúa como un puente entre las interfaces de usuario tradicionales y las capacidades avanzadas de las tecnologías descentralizadas. Cronología de Euruka Tech, $erc ai Desafortunadamente, como resultado de la información limitada disponible sobre Euruka Tech, no podemos presentar una cronología detallada de los principales desarrollos o hitos en el viaje del proyecto. Esta cronología, que suele ser invaluable para trazar la evolución de un proyecto y comprender su trayectoria de crecimiento, no está actualmente disponible. A medida que la información sobre eventos notables, asociaciones o adiciones funcionales se haga evidente, las actualizaciones seguramente mejorarán la visibilidad de Euruka Tech en la esfera cripto. Aclaración sobre Otros Proyectos “Eureka” Es importante señalar que múltiples proyectos y empresas comparten una nomenclatura similar con “Eureka”. La investigación ha identificado iniciativas como un agente de IA de NVIDIA Research, que se centra en enseñar a los robots tareas complejas utilizando métodos generativos, así como Eureka Labs y Eureka AI, que mejoran la experiencia del usuario en educación y análisis de servicio al cliente, respectivamente. Sin embargo, estos proyectos son distintos de Euruka Tech y no deben confundirse con sus objetivos o funcionalidades. Conclusión Euruka Tech, junto con su token $erc ai, representa un jugador prometedor pero actualmente oscuro dentro del paisaje de Web3. Si bien los detalles sobre su creador e inversores siguen sin revelarse, la ambición central de combinar inteligencia artificial con tecnología blockchain se erige como un punto focal de interés. Los enfoques únicos del proyecto para fomentar la participación del usuario a través de la automatización avanzada podrían distinguirlo a medida que el ecosistema Web3 progresa. A medida que el mercado de criptomonedas continúa evolucionando, los interesados deben mantener un ojo atento a los avances en torno a Euruka Tech, ya que el desarrollo de innovaciones documentadas, asociaciones o una hoja de ruta definida podría presentar oportunidades significativas en el futuro cercano. Tal como están las cosas, esperamos más información sustancial que podría desvelar el potencial de Euruka Tech y su posición en el competitivo paisaje cripto.

572 Vistas totalesPublicado en 2025.01.02Actualizado en 2025.01.02

Qué es ERC AI

Qué es DUOLINGO AI

DUOLINGO AI: Integrando el Aprendizaje de Idiomas con la Innovación de Web3 y AI En una era donde la tecnología remodela la educación, la integración de la inteligencia artificial (IA) y las redes blockchain anuncia una nueva frontera para el aprendizaje de idiomas. Presentamos DUOLINGO AI y su criptomoneda asociada, $DUOLINGO AI. Este proyecto aspira a fusionar la capacidad educativa de las principales plataformas de aprendizaje de idiomas con los beneficios de la tecnología descentralizada Web3. Este artículo profundiza en los aspectos clave de DUOLINGO AI, explorando sus objetivos, marco tecnológico, desarrollo histórico y potencial futuro, manteniendo la claridad entre el recurso educativo original y esta iniciativa independiente de criptomoneda. Visión General de DUOLINGO AI En su esencia, DUOLINGO AI busca establecer un entorno descentralizado donde los aprendices puedan ganar recompensas criptográficas por alcanzar hitos educativos en la competencia lingüística. Al aplicar contratos inteligentes, el proyecto pretende automatizar los procesos de verificación de habilidades y asignación de tokens, adhiriéndose a los principios de Web3 que enfatizan la transparencia y la propiedad del usuario. El modelo se aparta de los enfoques tradicionales para la adquisición de idiomas al apoyarse en una estructura de gobernanza impulsada por la comunidad, permitiendo a los poseedores de tokens sugerir mejoras al contenido del curso y a la distribución de recompensas. Algunos de los objetivos notables de DUOLINGO AI incluyen: Aprendizaje Gamificado: El proyecto integra logros en blockchain y tokens no fungibles (NFTs) para representar niveles de competencia lingüística, fomentando la motivación a través de recompensas digitales atractivas. Creación de Contenido Descentralizada: Abre caminos para que educadores y entusiastas de los idiomas contribuyan con sus cursos, facilitando un modelo de reparto de ingresos que beneficia a todos los contribuyentes. Personalización Potenciada por IA: Al emplear modelos avanzados de aprendizaje automático, DUOLINGO AI personaliza las lecciones para adaptarse al progreso de aprendizaje individual, similar a las características adaptativas encontradas en plataformas establecidas. Creadores del Proyecto y Gobernanza A partir de abril de 2025, el equipo detrás de $DUOLINGO AI permanece seudónimo, una práctica frecuente en el paisaje descentralizado de criptomonedas. Esta anonimidad está destinada a promover el crecimiento colectivo y la participación de las partes interesadas en lugar de centrarse en desarrolladores individuales. El contrato inteligente desplegado en la blockchain de Solana señala la dirección de la billetera del desarrollador, lo que significa el compromiso con la transparencia en las transacciones a pesar de que la identidad de los creadores sea desconocida. Según su hoja de ruta, DUOLINGO AI tiene como objetivo evolucionar hacia una Organización Autónoma Descentralizada (DAO). Esta estructura de gobernanza permite a los poseedores de tokens votar sobre cuestiones críticas como implementaciones de características y asignaciones de tesorería. Este modelo se alinea con la ética de empoderamiento comunitario que se encuentra en varias aplicaciones descentralizadas, enfatizando la importancia de la toma de decisiones colectiva. Inversores y Alianzas Estratégicas Actualmente, no hay inversores institucionales o capitalistas de riesgo identificables públicamente vinculados a $DUOLINGO AI. En cambio, la liquidez del proyecto proviene principalmente de intercambios descentralizados (DEXs), marcando un contraste marcado con las estrategias de financiación de las empresas tradicionales de tecnología educativa. Este modelo de base indica un enfoque impulsado por la comunidad, reflejando el compromiso del proyecto con la descentralización. En su libro blanco, DUOLINGO AI menciona la formación de colaboraciones con “plataformas de educación blockchain” no especificadas, destinadas a enriquecer su oferta de cursos. Aunque aún no se han divulgado asociaciones específicas, estos esfuerzos colaborativos sugieren una estrategia para combinar la innovación blockchain con iniciativas educativas, ampliando el acceso y la participación de los usuarios en diversas vías de aprendizaje. Arquitectura Tecnológica Integración de IA DUOLINGO AI incorpora dos componentes principales impulsados por IA para mejorar su oferta educativa: Motor de Aprendizaje Adaptativo: Este sofisticado motor aprende de las interacciones del usuario, similar a los modelos propietarios de las principales plataformas educativas. Ajusta dinámicamente la dificultad de las lecciones para abordar desafíos específicos del aprendiz, reforzando áreas débiles a través de ejercicios específicos. Agentes Conversacionales: Al emplear chatbots impulsados por GPT-4, DUOLINGO AI proporciona una plataforma para que los usuarios participen en conversaciones simuladas, fomentando una experiencia de aprendizaje de idiomas más interactiva y práctica. Infraestructura Blockchain Construido sobre la blockchain de Solana, $DUOLINGO AI utiliza un marco tecnológico integral que incluye: Contratos Inteligentes de Verificación de Habilidades: Esta característica otorga automáticamente tokens a los usuarios que superan con éxito las pruebas de competencia, reforzando la estructura de incentivos para resultados de aprendizaje genuinos. Insignias NFT: Estos tokens digitales significan varios hitos que los aprendices logran, como completar una sección de su curso o dominar habilidades específicas, permitiéndoles intercambiar o exhibir sus logros digitalmente. Gobernanza DAO: Los miembros de la comunidad que poseen tokens pueden participar en la gobernanza votando sobre propuestas clave, facilitando una cultura participativa que fomenta la innovación en la oferta de cursos y características de la plataforma. Línea de Tiempo Histórica 2022–2023: Conceptualización Los cimientos de DUOLINGO AI comienzan con la creación de un libro blanco, destacando la sinergia entre los avances de IA en el aprendizaje de idiomas y el potencial descentralizado de la tecnología blockchain. 2024: Lanzamiento Beta Un lanzamiento beta limitado introduce ofertas en idiomas populares, recompensando a los primeros usuarios con incentivos en tokens como parte de la estrategia de participación comunitaria del proyecto. 2025: Transición a DAO En abril, se produce un lanzamiento completo de la mainnet con la circulación de tokens, lo que provoca discusiones comunitarias sobre posibles expansiones a idiomas asiáticos y otros desarrollos de cursos. Desafíos y Direcciones Futuras Obstáculos Técnicos A pesar de sus ambiciosos objetivos, DUOLINGO AI enfrenta desafíos significativos. La escalabilidad sigue siendo una preocupación constante, particularmente en el equilibrio de los costos asociados con el procesamiento de IA y el mantenimiento de una red descentralizada y receptiva. Además, garantizar la creación y moderación de contenido de calidad en medio de una oferta descentralizada plantea complejidades en el mantenimiento de estándares educativos. Oportunidades Estratégicas Mirando hacia adelante, DUOLINGO AI tiene el potencial de aprovechar asociaciones de micro-certificación con instituciones académicas, proporcionando validaciones de habilidades lingüísticas verificadas por blockchain. Además, la expansión entre cadenas podría permitir al proyecto acceder a bases de usuarios más amplias y a ecosistemas blockchain adicionales, mejorando su interoperabilidad y alcance. Conclusión DUOLINGO AI representa una fusión innovadora de inteligencia artificial y tecnología blockchain, presentando una alternativa centrada en la comunidad a los sistemas tradicionales de aprendizaje de idiomas. Aunque su desarrollo seudónimo y su modelo económico emergente traen ciertos riesgos, el compromiso del proyecto con el aprendizaje gamificado, la educación personalizada y la gobernanza descentralizada ilumina un camino hacia adelante para la tecnología educativa en el ámbito de Web3. A medida que la IA continúa avanzando y el ecosistema blockchain evoluciona, iniciativas como DUOLINGO AI podrían redefinir cómo los usuarios se relacionan con la educación lingüística, empoderando a las comunidades y recompensando la participación a través de mecanismos de aprendizaje innovadores.

559 Vistas totalesPublicado en 2025.04.11Actualizado en 2025.04.11

Qué es DUOLINGO AI

Discusiones

Bienvenido a la comunidad de HTX. Aquí puedes mantenerte informado sobre los últimos desarrollos de la plataforma y acceder a análisis profesionales del mercado. A continuación se presentan las opiniones de los usuarios sobre el precio de AI (AI).

活动图片

Categorías popularesright-arrow

Etiquetas Popularesright-arrow