Stanford 423-Page AI Report: US-China Gap Only 2.7%, Tsinghua DeepSeek Breaks into Global Top Ten

marsbitXuất bản vào 2026-04-15Cập nhật gần nhất vào 2026-04-15

Tóm tắt

The 2026 AI Index Report from Stanford HAI reveals a rapidly closing gap between the U.S. and China in AI model performance, now at just 2.7%. Chinese models like DeepSeek and Tsinghua have entered the global top ten. Over 90% of cutting-edge AI models now come from industry, not academia. AI capabilities are advancing unprecedentedly—models now outperform humans in tasks like coding (SWE-bench), mathematics (IMO), and multimodal reasoning. However, "jagged frontiers" persist, with models excelling in complex tasks but struggling with basics like reading analog clocks (50.1% accuracy). Global corporate AI investment reached $581.7 billion in 2025, doubling year-over-year, with the U.S. leading. Yet, AI researcher immigration to the U.S. has plummeted 89% since 2017. AI adoption is high globally (58% workplace usage), especially in China (over 80%). Concerns include rising AI-related incidents (362 in 2025) and significant job displacement for young developers (20% decline in employment among 22-25-year-olds). The report highlights a disconnect between rapid AI progress and slower adaptation in regulation, education, and public trust.

Author: Xinzhiyuan

Editors: Haokun, Taozi

[Xinzhiyuan Insight] Stanford's "2026 AI Index Report" is out! This 432-page report is extremely valuable: the US-China AI showdown has nearly leveled, with the gap shrinking to just 2.7%. The world's top AI models, 95 in total, are mostly concentrated in big tech. Most critically, employment for developers aged 22-25 has been cut by 20%.

Today, Stanford HAI重磅 released the "2026 AI Index Report"!

This 423-page annual report comprehensively reveals the latest power dynamics of the global AI industry.

It presents a core conclusion: AI's capabilities are growing rapidly; but humanity's ability to measure and manage it hasn't kept pace.

Among the most shocking conclusions—

The performance gap between US and Chinese AI models has essentially disappeared, with the lead frequently changing hands in this peak showdown; currently, Anthropic's leading advantage is only 2.7%.

The US invests more money in AI than anyone else, but it's increasingly struggling to attract top talent.

The report also points out that AI evolution has not hit a so-called "bottleneck"; instead, it's advancing at an unprecedented pace.

Over the past year, over 90% of the world's top models have matched or surpassed human performance on doctoral-level scientific questions, multimodal reasoning, and competition mathematics.

Especially in coding ability, SWE-bench scores surged from 60% to nearly 100% in one year.

However, AI's "uneven proficiency" is extremely severe, presenting a distorted reality:

LLMs can win IMO gold medals but can't read analog clocks correctly, with an accuracy rate of only 50.1%.

Meanwhile, AI taking jobs has moved from prediction to reality, and the first to suffer are today's young "workers".

Here are the highlights: the 12 most hardcore trends from the "2026 AI Index Report".

Other quick highlights:

  • Global AI computing power increased 30-fold in 3 years, NVIDIA独占 60%, almost all chips come from one company, TSMC

  • Global corporate AI investment in 2025 was $581.7 billion, doubling year-over-year, the US alone accounted for nearly half

  • AI researchers entering the US fell 89% over 7 years, dropping 80% in the past year alone

  • Employment for software developers aged 22-25 has fallen 20% since 2024, entry-level positions precisely cut

  • China has cumulatively built 85 public AI supercomputers, more than double North America's, ranking first globally

  • AI usage rate in Chinese workplaces exceeds 80%, far surpassing the global average of 58%

  • The strongest models are becoming black boxes, 80 out of 95 representative models did not公开 training code

US-China Face-to-Face Gap Only 2.7% Left

Stanford plotted the US #1 and China #1 from the Arena leaderboard since May 2023 on the same coordinate system.

In May 2023, gpt-4-0314 led with 1320 points, China was still chatglm-6b, a gap of over 300 points.

In February 2025, DeepSeek-R1 briefly tied with the US top model for the first time.

In March 2026, the US's Claude Opus 4.6 scored 1503 points, China's dola-seed-2.0-preview scored 1464 points.

The gap between US and Chinese AI is now only 39 points. Converted to a percentage, 2.7%.

More noteworthy is the frequency of lead changes over the past year. Since early 2025, the top models of the two countries have swapped positions on the Arena several times.

The numbers are also close to fifty-fifty.

In 2025, the US released 50 "significant models", China closely followed with 30 top-tier large models.

In the first tier, OpenAI, Google, Alibaba, Anthropic, xAI stand together, a fifty-fifty split of the global TOP 5.

Looking further down to TOP 10, Chinese institutions and companies occupy four spots: Alibaba, DeepSeek, Tsinghua, ByteDance.

The重心 of the open-source ecosystem has also明显东移 this year.

DeepSeek, Qwen, GLM, MiniMax, Kimi have been pushing the capability curve of open-source weights forward.

Add in论文发表量, citation counts, patent output, industrial robot installations, China ranks first globally in all.

<极速发展的AI：能力飞升，其他一切都在脱节" alt="">

Pricing is another battlefront.

Overseas developers calculated on X that the output price of Seed 2.0 Pro is about one-tenth that of Claude Opus 4.6.

Performance is face-to-face, price is one-tenth. The ripple effects of this are just beginning.

90% of Frontier Models Come from Industry, Deification Speed Unprecedented

Of the 95 most representative models released last year, over ninety percent came from industry, not academic institutions or government labs.

The release speed is also变态 accelerating.

In February 2026 alone, eight or nine flagship models entered the arena同月: Gemini 3.1 Pro, Claude Opus 4.6, GPT-5.3 Codex, Grok 4.20, Qwen 3.5, Seed 2.0 Pro, MiniMax M2.5, GLM-5.

The deification cycle has changed from "years" to "months".

The most猛 curve is programming.

SWE-bench Verified, a benchmark for real bug fixing, went from 60% to nearly 100% in one year.

Not a few points increase, but basically capped.

Terminal-Bench tests Agent's ability to handle real terminal tasks, rising from 20% last year to 77.3%.

The success rate of cybersecurity Agents solving problems increased from 15% to 93%.

Gemini Deep Think won a gold medal at the International Mathematical Olympiad.

PhD-level scientific问答(GPQA Diamond), competition mathematics (AIME), multimodal reasoning (MMMU)—these were once considered "insurmountable by humans"—have all been conquered by frontier models.

最能说明问题的是Humanity's Last Exam.

This is a test specifically designed to "stump AI, favor human experts", with questions provided by top experts in various fields.

Last year OpenAI's o1 scored 8.8%; frontier models pushed the score up another 30 percentage points in a year; currently Claude Opus 4.6 and Gemini 3.1 Pro have both passed 50%.

Jagged Frontier: Can Win IMO Gold But Can't Read a Clock

But the same index presents another set of numbers.

The strongest model's accuracy rate on the task of "reading an analog clock" is 50.1%.

The success rate of robots operating in lab simulation environments (RLBench) has reached 89.4%. But when moved to real household scenarios to complete chores like washing dishes or folding clothes, the success rate immediately drops to 12%.

Between the lab and the kitchen, there's a gap of 77 percentage points.

Researchers have named this phenomenon the "jagged frontier". The distribution of AI capabilities is uneven; it can win a math olympiad gold medal but can't reliably tell you what time it is.

AI can win math olympiad gold medals, but only has a fifty percent chance of reading an analog clock. AI is accelerating, but not in the same direction.

Also, in agent tasks, in the OSWorld test, frontier AI strength (66.3%) is approaching the human baseline.

However, in the PaperArena test专门评估科研逻辑, the strongest AI-powered Agent scored only 39%, half the capability of a PhD student.

But this unevenness doesn't stop companies from integrating AI into production lines.

Another number from the AI Index is that the global enterprise AI adoption rate has reached 88%. Ninety percent of companies have integrated AI into some workflow.

The cost is rising simultaneously. Recorded AI-related incidents increased from 233 in 2024 to 362.

Money is Accelerating: $581.7 Billion Poured into AI

Global corporate AI investment in 2025 reached $581.7 billion, a year-on-year increase of 130%.其中, private investment was $344.7 billion, up 127.5% year-on-year.

Both curves almost doubled.

By country, the US is in a league of its own. US private AI investment in 2025 was $285.9 billion. And it added 1,953 AI startups in one year, also more than 10 times the number of the second-ranked country.

Money is accelerating into the US. But another core US resource is moving in the opposite direction.

People are Flowing Out: AI Researchers Entering the US Fell 89%

There's a set of numbers that makes one pause.

From 2017 to now, the number of AI researchers and developers entering the US has fallen by 89%.

More critically, this decline is accelerating. In the past year alone, the drop was 80%.

The US still has the highest density of AI researchers globally, but the inflow tap is tightening.

The curves of money and people are starting to反向. This is a situation not seen in the past decade.

Computing Power Rose 30-Fold in 3 Years, Lifelines in One Company's Hands

The AI capability curve is accelerating, but the computing power curve behind it is running even faster.

From 2021 to now, global AI computing power has increased 30-fold. Over the past three years, it has tripled every year.

This curve is supported by a few companies.

NVIDIA's GPUs alone account for over 60% of the world's AI computing power. Amazon and Google rank second and third with their own chips, but combined they are far behind NVIDIA.

And almost all these chips come from one foundry, TSMC. The steeper the computing power curve, the narrower the lifeline.

Meanwhile, the cost is also increasing.

The total power of global AI data centers has reached 29.6 GW, equivalent to New York State's entire peak electricity demand. The estimated carbon emission for one training run of xAI Grok 4 is 72,816 tons of CO2 equivalent, equal to the tailpipe emissions of 17,000 cars driving for a year.

Where data centers are built, where electricity comes from, where chips are produced—these three questions have become the most headache-inducing issues on every AI company CEO's desk this year.

Generative AI Penetrated 53% in Three Years, Chinese Workplace Usage Exceeds 80%

Generative AI reached a global population penetration rate of 53% within three years.

This speed is faster than personal computers, faster than the internet.

But penetration speed is highly correlated with country. Singapore 61%, UAE 54%, both ahead of the US. The US ranks only 24th among the surveyed countries, with a penetration rate of 28.3%.

If we change the dimension from consumers to the workplace, the contrast is greater.

Another set of data in the report shows that in 2025, 58% of employees globally had already started using AI regularly at work. But in five countries—China, India, Nigeria, UAE, Saudi Arabia—this proportion exceeded 80%.

China's workplace AI penetration rate is already more than 20 percentage points higher than the global average.

Even more interesting is consumer value.

AI Index estimates that by early 2026, generative AI tools create $172 billion in value annually for US consumers. From 2025 to 2026, the median value per user tripled.

The vast majority of users are still using the free version.

Entry-Level Positions Sharply Reduced, 22-25 Year-Old Dev Jobs Slashed 20%

The part of the entire AI Index that might be most沉默 for Chinese readers is probably the section on youth employment.

The number of employed software developers aged 22 to 25 has fallen by about 20% since 2024.

During the same period, older peer groups actually grew.

Not just development roles. Other high-AI-exposure industries like customer service are also showing the same pattern.

More worrying are the results of corporate surveys. Respondent executives generally expect future layoffs to be larger than in the past few months.

This isn't about the macro unemployment rate; it's about entry-level positions being precisely cut off.

If the first job is gone, the entire career ladder loses a rung. The long-term impact of this is something no one can calculate yet.

AI is Rewriting the Way Science is Done

If the employment section is cold, the science section is hot.

AI-related papers in natural sciences, physical sciences, and life sciences grew by 26% to 28% year-on-year in 2025.

Specifically in application, this year for the first time an AI completely ran an end-to-end weather forecasting process. From raw meteorological observation data directly outputting final forecasts for temperature, wind speed, humidity, with no traditional numerical models介入.

AI is moving from "helping you write papers" "helping you calculate numbers" to "making discoveries itself".

It's the same in hospitals. In 2025, many hospitals began deploying AI tools that can automatically generate clinical records from consultation dialogues. Doctors in multiple hospital systems reported that time spent writing medical records was reduced by up to 83%, with significant decreases in burnout.

But the same index pours cold water on medical AI. A review of over 500 clinical AI studies found that nearly half relied on exam-style datasets, and only 5% used real clinical data.

AI can reduce doctors' typing time, that's certain. AI's clinical value on real patients currently has many question marks.

Self-Learning Wave Explodes Globally, Formal Education Has Fallen Behind

Formal education can't keep up with AI.

4/5 of US high school and college students now use AI to complete school assignments. But only half of secondary schools have AI usage policies, and only 6% of teachers think these policies are clear.

Students are running ahead, teachers are still in place, rules haven't appeared yet.

While formal education falls behind, the self-learning wave is exploding globally. It says the three countries with the fastest growth in learning AI engineering skills are the UAE, Chile, and South Africa.

Not the US, not Europe.

The steepest part of the skill curve is growing in places no one is looking.

Strongest Models Become the Most Opaque, Experts and Public are分裂

The strongest models are becoming the most opaque models.

The Foundation Model Transparency Index's average score fell from 58 last year to 40 this year. The AI Index directly点名, Google, Anthropic, OpenAI have all stopped公开 the training data scale and training duration of their latest models.

Of the 95 most representative models released last year, 80 did not公开 training code.

Public sentiment has also become more complex.

Globally, the proportion believing AI's benefits outweigh the risks rose from 52% to 59%. But during the same period, the proportion feeling nervous about AI rose from 50% to 52%.

Both directions are growing simultaneously.

The most分裂 is the US. Only 33% of Americans think AI will make their jobs better, the global average is 40%. Americans' trust in their own government to regulate AI is the lowest among surveyed countries, 31%.

Singaporeans' trust in their government to regulate AI is 81%.

After the recent incident at Sam Altman's house was袭击, Silicon Valley insiders were "surprised to find" that ordinary people in the Instagram comments were not sympathetic, some even felt "it should be more intense".

They didn't realize things had gotten this bad.

The Pew and Ipsos data cited in the report show that the perception gap between experts and the public on the impact of AI on employment, healthcare, economy, etc.,普遍 exceeds 30 percentage points, with the largest gap reaching 50 percentage points.

On one side, the curves in the lab are soaring; on the other, ordinary people's unease is accumulating.

There is no bridge in between.

In Conclusion

The 423-page report has hundreds of charts, but it really only draws one picture.

The horizontal axis is time, the vertical axis is capability.

The model capability curve is flying, the computing power curve is flying, the investment curve is flying, the adoption rate curve is flying. Everything else is stagnating or moving downward.

This is the entire content of the 2026 AI Index.

AI is accelerating. Everything else is decoupling.

If you are in this industry, the question to ask now is not "what will the future be like", but "which curve are you standing on".

Câu hỏi Liên quan

QWhat is the performance gap between the top AI models of the US and China according to the Stanford AI Index Report 2026?

AThe performance gap between the top AI models of the US and China has narrowed to just 2.7%.

QWhich Chinese institutions or companies are ranked in the global top 10 for AI models?

AAlibaba, DeepSeek, Tsinghua University, and ByteDance are the Chinese institutions and companies ranked in the global top 10.

QWhat percentage of the world's top AI models in the past year came from industry rather than academia?

AOver 90% of the world's top AI models in the past year came from industry, not academia or government labs.

QWhat significant negative impact on employment is highlighted in the report, particularly for a specific age group?

AEmployment for software developers aged 22-25 has decreased by approximately 20% since 2024, as entry-level positions are being disproportionately affected.

QWhat is the term used in the report to describe the uneven and inconsistent development of AI capabilities?

AThe term used to describe the uneven development of AI capabilities is 'jagged frontier' (锯齿前沿).

Nội dung Liên quan

Ai muốn phòng ngừa rủi ro thì mua vàng/dầu, ai muốn tăng trưởng bùng nổ thì mua AI, Bitcoin “lỗi thời” bước vào thị trường gấu

Tác giả: Wall Street News Bitcoin tiếp tục giảm mạnh, có lúc chạm mức thấp nhất trong hai tháng là 66.123 USD. Nhiều lý do được đưa ra như dòng tiền ETF rút ra, căng thẳng địa chính trị, hay việc Strategy bán bớt cổ phần. Tuy nhiên, phân tích cho thấy những điều này chỉ là biểu hiện bề mặt. Vấn đề cốt lõi là Bitcoin đang thua trong một cuộc cạnh tranh tài sản. Thị trường đã thay đổi. Bitcoin hiện rơi vào một "vùng lưỡng nan" khó xử, bị tấn công từ ba phía: 1. **Vai trò phòng ngừa lạm phát:** Vàng đang chiến thắng. Các nhà đầu tư lo ngại lạm phát hiện nay ưa chuộng vàng, cổ phiếu năng lượng và các nhà sản xuất hàng hóa hơn là Bitcoin, vì chúng có tài sản hữu hình hỗ trợ và logic rõ ràng hơn. 2. **Vai trò tăng trưởng:** AI đang chiến thắng. Những nhà đầu tư muốn tăng trưởng cao có thể chọn các công ty AI có doanh thu và lợi nhuận thực tế. Bitcoin không tạo ra dòng tiền nên không có lợi thế trên sân chơi này. 3. **Vai trò trong lĩnh vực tiền mã hóa:** Stablecoin và cơ sở hạ tầng đang chiến thắng. Ngay cả các nhà đầu tư muốn tiếp xúc với tiền mã hóa cũng không nhất thiết phải mua Bitcoin. Họ có thể chọn các sàn giao dịch, stablecoin, mạng thanh toán - những tài sản có hiệu suất gắn trực tiếp với tỷ lệ ứng dụng thực tế của ngành. Tóm lại, Bitcoin không còn là tài sản phòng ngừa rủi ro tốt nhất, cũng không phải là tài sản tăng trưởng tốt nhất, và cũng không còn là tài sản mã hóa duy nhất. Một ví dụ rõ ràng: cảnh báo gần đây của Chủ tịch Fed Cleveland về rủi ro lạm phát dai dẳng trước đây có thể là tin tốt cho Bitcoin, nhưng lần này thị trường không phản ứng theo cách đó. Cách ứng phó với lạm phát của nhà đầu tư đã thay đổi. Việc ETF rút vốn và Strategy bán bớt cổ phần phản ánh một thực tế cơ bản: vốn giờ đây có nhiều nơi để đầu tư hơn, và các nhà đầu tư cũng đòi hỏi khắt khe hơn đối với Bitcoin. Họ muốn biết Bitcoin mang lại lợi nhuận gì và tại sao phải chọn nó thay vì các tài sản khác. Logic thị trường gấu mới cho Bitcoin không còn là "nó là lừa đảo" hay "công nghệ thất bại", mà là: bản thân tính khan hiếm giờ đây đã không còn đủ sức thuyết phục.

marsbit13 phút trước

Ai muốn phòng ngừa rủi ro thì mua vàng/dầu, ai muốn tăng trưởng bùng nổ thì mua AI, Bitcoin “lỗi thời” bước vào thị trường gấu

marsbit13 phút trước

SaaS Cuộc Đào Tẩu Sinh Tử: Những Người Chiến Thắng Sống Sót Có Một Điểm Chung

Bài viết phân tích tác động của AI đối với ngành SaaS, so sánh sự biến động cổ phiếu gần đây. Các công ty như Snowflake và Datadog tăng mạnh nhờ mô hình tính phí theo mức sử dụng (consumption-based), được AI thúc đẩy nhu cầu xử lý dữ liệu và giám sát. Ngược lại, những công ty dựa trên phí theo chỗ ngồi (per-seat) hoặc theo nhiệm vụ như Intuit và Adobe chịu áp lực khi AI có thể thay thế lao động thủ công. Bài viết phân loại các công ty SaaS thành bốn nhóm: nền tảng tiêu thụ (Snowflake, Datadog), lớp kênh phân phối/nền tảng (Microsoft, Palantir), công ty quy trình làm việc đang chuyển đổi (Salesforce, ServiceNow) và công ty chịu áp lực trực tiếp (Intuit, Workday). Salesforce, dù có doanh thu AI tăng trưởng, vẫn bị ảnh hưởng bởi mô hình cũ, cho thấy quá trình chuyển đổi sang tính phí theo giá trị cần thời gian. Các tín hiệu từ Microsoft Build 2026 cho thấy AI đang trở thành một phần của hệ điều hành và Microsoft đang giảm phụ thuộc vào OpenAI. Thị trường hiện đang trong giai đoạn phân biệt công ty nào được AI hỗ trợ và công ty nào bị ảnh hưởng. Cần theo dõi sự lan rộng của đợt phục hồi, tốc độ chuyển đổi của Salesforce và dữ liệu áp dụng Copilot doanh nghiệp sau sự kiện Build.

marsbit28 phút trước

SaaS Cuộc Đào Tẩu Sinh Tử: Những Người Chiến Thắng Sống Sót Có Một Điểm Chung

marsbit28 phút trước

XRP Tụt Hậu Trước Đối Thủ XLM: Tại Sao Nhà Đầu Tư Nhỏ Lẻ Đang Bán Một Đồng Tiền Để Mua Đồng Kia

Mối cạnh tranh giữa XRP và Stellar (XLM) lại nổi lên, với báo cáo cho thấy các nhà giao dịch bán lẻ ở Hàn Quốc đang chuyển từ XRP sang XLM. Trên sàn Upbit lớn nhất Hàn Quốc, khối lượng giao dịch 24 giờ của XLM đạt khoảng 252,3 triệu USD, gấp đôi so với XRP (125,7 triệu USD), đánh dấu lần đầu tiên XLM vượt XRP về khối lượng tại đây. Sự dịch chuyển này được thúc đẩy bởi sự quan tâm đến vai trò của Stellar trong lĩnh vực tài chính mã hóa, đặc biệt sau thông tin về kế hoạch liên kết mạng lưới này với các nỗ lực mã hóa tài sản liên quan đến DTCC. Trong tuần qua, giá XLM đã tăng hơn 55%. Trong khi đó, XRP gặp khó khăn, giảm xuống dưới 1,3 USD. Một nhà phân tích khác, CW, dự báo XRP có thể là 'người chiến thắng' tiếp theo sau đợt tăng của XLM, cho rằng XRP đang ở vị trí tương tự trước khi bứt phá và nhắm mục tiêu giá cao kỷ lục mới gần 56 USD, dù đây là dự báo đầy tham vọng.

bitcoinist30 phút trước

XRP Tụt Hậu Trước Đối Thủ XLM: Tại Sao Nhà Đầu Tư Nhỏ Lẻ Đang Bán Một Đồng Tiền Để Mua Đồng Kia

bitcoinist30 phút trước

Xu hướng thị trường chứng khoán Mỹ: Một câu nói của Jensen Huang tạo nên 47 tỷ USD, Google lần đầu tiên trong 20 năm 'bán thân' gọi vốn

Thị trường Mỹ ngày 2/6 cho thấy hai mặt của cuộc đua trí tuệ nhân tạo. Một bên, Marvell Technology (MRVL) tăng vọt 32.5% sau nhận xét của CEO Jensen Huang, đưa vốn hóa thêm 470 tỷ USD. Hewlett Packard Enterprise (HPE) cũng tăng 25% nhờ báo cáo kinh doanh mạnh mẽ. Mặt khác, Alphabet (GOOGL) công bố kế hoạch huy động 80 tỷ USD bằng cổ phiếu, lần đầu tiên sau 20 năm, cho thấy gánh nặng chi phí đầu tư hạ tầng AI khổng lồ, khiến cổ phiếu giảm 4%. Chỉ số chính đều lập kỷ lục mới, với S&P 500 lần đầu vượt 7.600 điểm. Lĩnh vực bán dẫn tỏa sáng, trong khi lĩnh vực dịch vụ truyền thông bị kéo tụt bởi Alphabet. Mặc dù chỉ số sợ hãi VIX ở mức thấp, các chuyên gia cảnh báo về sự phụ thuộc quá mức vào một số ít cổ phiếu AI và những rủi ro địa chính trị. Thị trường đang chờ đợi báo cáo việc làm phi nông nghiệp vào cuối tuần để có thêm định hướng.

marsbit1 giờ trước

Xu hướng thị trường chứng khoán Mỹ: Một câu nói của Jensen Huang tạo nên 47 tỷ USD, Google lần đầu tiên trong 20 năm 'bán thân' gọi vốn

marsbit1 giờ trước

DeepSeek Có Thể Giúp Trung Quốc Tiết Kiệm 1 Nghìn Tỷ Đô La Mỹ?

Vào nửa cuối năm 2026, Nvidia sẽ giao nền tảng AI mạnh nhất từ trước đến nay: Vera Rubin VR200 NVL72, với chi phí vật tư khoảng 7,8 triệu USD, trong đó bộ nhớ (HBM4 và LPDDR5X) chiếm tới 2 triệu USD. Bài viết phân tích cách DeepSeek, thông qua các công nghệ như nén bộ nhớ ngữ cảnh dài (MLA), mô hình hỗn hợp chuyên gia (MoE) và tái sử dụng bộ nhớ cache, có thể tăng hiệu suất xử lý token lên gấp 4 lần trên cùng phần cứng, giảm đáng kể sự phụ thuộc vào phần cứng đắt đỏ như GPU và HBM. Khi nhu cầu token AI của Trung Quốc dự kiến đạt hàng nghìn tỷ mỗi ngày, việc tăng hiệu quả này có khả năng tiết kiệm một lượng lớn đầu tư cơ sở hạ tầng. Ước tính, với mức tăng hiệu suất 4 lần, có thể tiết kiệm số tiền tương đương việc xây dựng ít đi hàng chục nghìn trung tâm điện toán AI, tổng giá trị lên tới khoảng 1 nghìn tỷ USD trong tương lai. Chiến lược của DeepSeek không phải là thay thế phần cứng tính toán mà là tối ưu hóa việc sử dụng nó, dịch chuyển giá trị sang các khâu như kiến trúc mô hình, hệ thống suy luận và quản lý bộ nhớ - những lĩnh vực mà chuỗi cung ứng trong nước có lợi thế hơn. Điều này làm giảm sự phụ thuộc vào các linh kiện công nghệ cao bị hạn chế và giúp phổ biến AI với chi phí thấp hơn cho các ngành công nghiệp Trung Quốc.

marsbit1 giờ trước

DeepSeek Có Thể Giúp Trung Quốc Tiết Kiệm 1 Nghìn Tỷ Đô La Mỹ?

marsbit1 giờ trước

Giao dịch

Giao ngay
Hợp đồng Tương lai

Bài viết Nổi bật

AGENT S là gì

Agent S: Tương Lai của Tương Tác Tự Động trong Web3 Giới thiệu Trong bối cảnh không ngừng phát triển của Web3 và tiền điện tử, các đổi mới đang liên tục định nghĩa lại cách mà cá nhân tương tác với các nền tảng kỹ thuật số. Một dự án tiên phong như vậy, Agent S, hứa hẹn sẽ cách mạng hóa tương tác giữa con người và máy tính thông qua khung tác nhân mở của nó. Bằng cách mở đường cho các tương tác tự động, Agent S nhằm đơn giản hóa các nhiệm vụ phức tạp, cung cấp các ứng dụng chuyển đổi trong trí tuệ nhân tạo (AI). Cuộc khám phá chi tiết này sẽ đi sâu vào những phức tạp của dự án, các tính năng độc đáo của nó và những tác động đối với lĩnh vực tiền điện tử. Agent S là gì? Agent S đứng vững như một khung tác nhân mở đột phá, được thiết kế đặc biệt để giải quyết ba thách thức cơ bản trong việc tự động hóa các nhiệm vụ máy tính: Thu thập Kiến thức Cụ thể theo Miền: Khung này học một cách thông minh từ nhiều nguồn kiến thức bên ngoài và kinh nghiệm nội bộ. Cách tiếp cận kép này giúp nó xây dựng một kho lưu trữ phong phú về kiến thức cụ thể theo miền, nâng cao hiệu suất của nó trong việc thực hiện nhiệm vụ. Lập Kế Hoạch Qua Các Tầm Nhìn Nhiệm Vụ Dài Hạn: Agent S sử dụng lập kế hoạch phân cấp tăng cường kinh nghiệm, một cách tiếp cận chiến lược giúp phân chia và thực hiện các nhiệm vụ phức tạp một cách hiệu quả. Tính năng này nâng cao đáng kể khả năng quản lý nhiều nhiệm vụ con một cách hiệu quả và hiệu suất. Xử Lý Các Giao Diện Động, Không Đều: Dự án giới thiệu Giao Diện Tác Nhân-Máy Tính (ACI), một giải pháp đổi mới giúp nâng cao tương tác giữa các tác nhân và người dùng. Sử dụng các Mô Hình Ngôn Ngữ Lớn Đa Phương Thức (MLLMs), Agent S có thể điều hướng và thao tác các giao diện người dùng đồ họa đa dạng một cách liền mạch. Thông qua những tính năng tiên phong này, Agent S cung cấp một khung vững chắc giải quyết các phức tạp liên quan đến việc tự động hóa tương tác giữa con người với máy móc, mở ra nhiều ứng dụng trong AI và hơn thế nữa. Ai là Người Tạo ra Agent S? Mặc dù khái niệm về Agent S là hoàn toàn đổi mới, thông tin cụ thể về người sáng lập vẫn còn mơ hồ. Người sáng lập hiện vẫn chưa được biết đến, điều này làm nổi bật giai đoạn sơ khai của dự án hoặc sự lựa chọn chiến lược để giữ kín các thành viên sáng lập. Bất chấp sự ẩn danh, sự chú ý vẫn tập trung vào khả năng và tiềm năng của khung này. Ai là Các Nhà Đầu Tư của Agent S? Vì Agent S còn tương đối mới trong hệ sinh thái mã hóa, thông tin chi tiết về các nhà đầu tư và những người tài trợ tài chính của nó không được ghi chép rõ ràng. Sự thiếu vắng thông tin công khai về các nền tảng đầu tư hoặc tổ chức hỗ trợ dự án dấy lên câu hỏi về cấu trúc tài trợ và lộ trình phát triển của nó. Hiểu biết về sự hỗ trợ là rất quan trọng để đánh giá tính bền vững và tác động tiềm năng của dự án. Agent S Hoạt Động Như Thế Nào? Tại cốt lõi của Agent S là công nghệ tiên tiến cho phép nó hoạt động hiệu quả trong nhiều bối cảnh khác nhau. Mô hình hoạt động của nó được xây dựng xung quanh một số tính năng chính: Tương Tác Giống Như Con Người: Khung này cung cấp lập kế hoạch AI tiên tiến, cố gắng làm cho các tương tác với máy tính trở nên trực quan hơn. Bằng cách bắt chước hành vi của con người trong việc thực hiện nhiệm vụ, nó hứa hẹn nâng cao trải nghiệm người dùng. Ký Ức Tường Thuật: Được sử dụng để tận dụng các trải nghiệm cấp cao, Agent S sử dụng ký ức tường thuật để theo dõi lịch sử nhiệm vụ, từ đó nâng cao quy trình ra quyết định của nó. Ký Ức Tình Huống: Tính năng này cung cấp cho người dùng hướng dẫn từng bước, cho phép khung này cung cấp hỗ trợ theo ngữ cảnh khi các nhiệm vụ diễn ra. Hỗ Trợ OpenACI: Với khả năng chạy cục bộ, Agent S cho phép người dùng duy trì quyền kiểm soát đối với các tương tác và quy trình làm việc của họ, phù hợp với tinh thần phi tập trung của Web3. Tích Hợp Dễ Dàng với Các API Bên Ngoài: Tính linh hoạt và khả năng tương thích với nhiều nền tảng AI khác nhau đảm bảo rằng Agent S có thể hòa nhập liền mạch vào các hệ sinh thái công nghệ hiện có, làm cho nó trở thành lựa chọn hấp dẫn cho các nhà phát triển và tổ chức. Những chức năng này cùng nhau góp phần vào vị trí độc đáo của Agent S trong không gian tiền điện tử, khi nó tự động hóa các nhiệm vụ phức tạp, nhiều bước với sự can thiệp tối thiểu của con người. Khi dự án phát triển, các ứng dụng tiềm năng của nó trong Web3 có thể định nghĩa lại cách mà các tương tác kỹ thuật số diễn ra. Thời Gian Phát Triển của Agent S Sự phát triển và các cột mốc của Agent S có thể được tóm tắt trong một dòng thời gian nêu bật các sự kiện quan trọng của nó: 27 tháng 9, 2024: Khái niệm về Agent S được ra mắt trong một bài nghiên cứu toàn diện mang tên “Một Khung Tác Nhân Mở Sử Dụng Máy Tính Như Một Con Người,” trình bày nền tảng cho dự án. 10 tháng 10, 2024: Bài nghiên cứu được công bố công khai trên arXiv, cung cấp một cái nhìn sâu sắc về khung và đánh giá hiệu suất của nó dựa trên tiêu chuẩn OSWorld. 12 tháng 10, 2024: Một video trình bày được phát hành, cung cấp cái nhìn trực quan về khả năng và tính năng của Agent S, thu hút thêm sự quan tâm từ người dùng và nhà đầu tư tiềm năng. Những dấu mốc trong dòng thời gian không chỉ minh họa sự tiến bộ của Agent S mà còn chỉ ra cam kết của nó đối với sự minh bạch và sự tham gia của cộng đồng. Những Điểm Chính Về Agent S Khi khung Agent S tiếp tục phát triển, một số thuộc tính chính nổi bật, nhấn mạnh tính đổi mới và tiềm năng của nó: Khung Đổi Mới: Được thiết kế để cung cấp cách sử dụng máy tính trực quan giống như tương tác của con người, Agent S mang đến một cách tiếp cận mới cho việc tự động hóa nhiệm vụ. Tương Tác Tự Động: Khả năng tương tác tự động với máy tính thông qua GUI đánh dấu một bước tiến tới các giải pháp tính toán thông minh và hiệu quả hơn. Tự Động Hóa Nhiệm Vụ Phức Tạp: Với phương pháp mạnh mẽ của nó, nó có thể tự động hóa các nhiệm vụ phức tạp, nhiều bước, làm cho các quy trình nhanh hơn và ít sai sót hơn. Cải Tiến Liên Tục: Các cơ chế học tập cho phép Agent S cải thiện từ các trải nghiệm trước đó, liên tục nâng cao hiệu suất và hiệu quả của nó. Tính Linh Hoạt: Khả năng thích ứng của nó trên các môi trường hoạt động khác nhau như OSWorld và WindowsAgentArena đảm bảo rằng nó có thể phục vụ một loạt các ứng dụng rộng rãi. Khi Agent S định vị mình trong bối cảnh Web3 và tiền điện tử, tiềm năng của nó để nâng cao khả năng tương tác và tự động hóa quy trình đánh dấu một bước tiến quan trọng trong công nghệ AI. Thông qua khung đổi mới của mình, Agent S minh họa cho tương lai của các tương tác kỹ thuật số, hứa hẹn một trải nghiệm liền mạch và hiệu quả hơn cho người dùng trên nhiều ngành công nghiệp khác nhau. Kết luận Agent S đại diện cho một bước nhảy vọt táo bạo trong sự kết hợp giữa AI và Web3, với khả năng định nghĩa lại cách chúng ta tương tác với công nghệ. Mặc dù vẫn còn ở giai đoạn đầu, những khả năng cho ứng dụng của nó là rộng lớn và hấp dẫn. Thông qua khung toàn diện của mình giải quyết các thách thức quan trọng, Agent S nhằm đưa các tương tác tự động lên hàng đầu trong trải nghiệm kỹ thuật số. Khi chúng ta tiến sâu hơn vào các lĩnh vực tiền điện tử và phi tập trung, các dự án như Agent S chắc chắn sẽ đóng một vai trò quan trọng trong việc định hình tương lai của công nghệ và sự hợp tác giữa con người với máy tính.

Tổng lượt xem 844Xuất bản vào 2025.01.14Cập nhật vào 2025.01.14

AGENT S là gì

Làm thế nào để Mua S

Chào mừng bạn đến với HTX.com! Chúng tôi đã làm cho mua Sonic (S) trở nên đơn giản và thuận tiện. Làm theo hướng dẫn từng bước của chúng tôi để bắt đầu hành trình tiền kỹ thuật số của bạn.Bước 1: Tạo Tài khoản HTX của BạnSử dụng email hoặc số điện thoại của bạn để đăng ký tài khoản miễn phí trên HTX. Trải nghiệm hành trình đăng ký không rắc rối và mở khóa tất cả tính năng. Nhận Tài khoản của tôiBước 2: Truy cập Mua Crypto và Chọn Phương thức Thanh toán của BạnThẻ Tín dụng/Ghi nợ: Sử dụng Visa hoặc Mastercard của bạn để mua Sonic (S) ngay lập tức.Số dư: Sử dụng tiền từ số dư tài khoản HTX của bạn để giao dịch liền mạch.Bên thứ ba: Chúng tôi đã thêm những phương thức thanh toán phổ biến như Google Pay và Apple Pay để nâng cao sự tiện lợi.P2P: Giao dịch trực tiếp với người dùng khác trên HTX.Thị trường mua bán phi tập trung (OTC): Chúng tôi cung cấp những dịch vụ được thiết kế riêng và tỷ giá hối đoái cạnh tranh cho nhà giao dịch.Bước 3: Lưu trữ Sonic (S) của BạnSau khi mua Sonic (S), lưu trữ trong tài khoản HTX của bạn. Ngoài ra, bạn có thể gửi đi nơi khác qua chuyển khoản blockchain hoặc sử dụng để giao dịch những tiền kỹ thuật số khác.Bước 4: Giao dịch Sonic (S)Giao dịch Sonic (S) dễ dàng trên thị trường giao ngay của HTX. Chỉ cần truy cập vào tài khoản của bạn, chọn cặp giao dịch, thực hiện giao dịch và theo dõi trong thời gian thực. Chúng tôi cung cấp trải nghiệm thân thiện với người dùng cho cả người mới bắt đầu và người giao dịch dày dạn kinh nghiệm.

Tổng lượt xem 1.5kXuất bản vào 2025.01.15Cập nhật vào 2026.06.02

Làm thế nào để Mua S

Thảo luận

Chào mừng đến với Cộng đồng HTX. Tại đây, bạn có thể được thông báo về những phát triển nền tảng mới nhất và có quyền truy cập vào thông tin chuyên sâu về thị trường. Ý kiến ​​của người dùng về giá của S (S) được trình bày dưới đây.

活动图片

Danh mục Phổ biếnright-arrow

Thẻ Nổi bậtright-arrow