# 代理的所有文章

在 HTX 新聞中心流覽與「代理」相關的最新資訊與深度分析。潘蓋市場趨勢、專案動態、技術進展及監管政策，提供權威的加密行業洞察。

Agent化的OS：拼的不是AI，是底盘

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。

marsbit05/27 10:18

Agent化的OS：拼的不是AI，是底盘

marsbit05/27 10:18

Bitroot公链受邀出席腾讯云新加坡AI大会，与Solana同台共话未来

5月19日，腾讯云在新加坡举办AI主题活动，聚焦AI基础设施、企业落地、Web3可验证计算等议题。Bitroot公链作为新兴Layer 1项目受邀出席，与Solana、金融科技等代表同台探讨AI与Web3融合。 活动反映出AI竞争正从模型能力转向复合型基础设施。随着AI Agent需处理支付、结算等任务，区块链的可验证性与自动化能力成为补充传统系统的关键。Bitroot虽未上线主网，但其定位为高性能、EVM兼容的AI原生公链，契合了AI Agent对低成本、高吞吐执行环境的需求。 Bitroot CEO Juan Jose指出，未来AI的护城河在于数据、场景与信任机制。AI Agent要走向企业级自治，需可靠、可审计的基础设施支持。Bitroot通过并行EVM等技术优化性能，测试网数据显示其峰值TPS达50,000+，旨在为AI应用提供高效链上环境。 行业观察认为，新一代公链需平衡性能、安全与去中心化，以承载AI与Web3融合的复杂场景。Bitroot以“并行EVM+AI原生计算”架构切入赛道，其发展值得关注。

marsbit05/27 08:13

Bitroot公链受邀出席腾讯云新加坡AI大会，与Solana同台共话未来

marsbit05/27 08:13

刚刚，中国AI闯入全球编程前二，前面只剩Claude

Code Arena最新榜单显示，阿里通义千问Qwen3.7-Max以1541分位列全球第四，成为唯一进入该榜单前列的中国模型，排名仅次于Claude Opus系列模型。 在具体任务测试中，Qwen3.7-Max表现突出。例如，在编写可自我训练的俄罗斯方块AI任务中，其成本仅为1.32美元，性能却超越其他模型56%。在构建3D宇宙模型和生成3D像素风宝塔模型等任务中，其输出速度与质量也全面胜出。 一项硬核的3D赛车游戏生成挑战进一步验证了其能力。Qwen3.7-Max首轮生成即基本可玩，并独特地添加了开始界面和音效，细节处理优于其他对比模型（如Gemini 3.5 Flash、Claude Opus 4.6和GPT-5.5），后者大多需要多轮调试。 Qwen3.7-Max被定位为“Agent基座模型”，专为长时间自主执行复杂任务设计。内测数据显示，它能连续运行35小时，执行超千次工具调用，在长程任务中保持稳定推理，无上下文退化或指令漂移。 其技术核心在于训练方法的升级：一是“环境扩展”，让模型在不同执行框架和验证方式中学习通用解题策略；二是“长程自主执行”训练，使模型能在动态环境中进行超千步连续决策与策略调整。 此次Qwen3.7-Max在Code Arena榜单的突破，标志着中国AI模型已在全球编程竞技场中成为重要的竞争者。

marsbit05/27 00:17

刚刚，中国AI闯入全球编程前二，前面只剩Claude

marsbit05/27 00:17

CoinQuant 推出面向智能体经济的交易基础设施

CoinQuant发布面向智能体经济的基础设施。随着AI智能体越来越多地直接执行交易和交互，现有金融基础设施发展滞后。CoinQuant将其无代码交易平台扩展为统一交易智能架构，服务于人类交易者和自主AI智能体。 该平台在交易意图和实盘资金部署之间引入了结构化信任层。所有策略，无论是人工创建还是AI生成，都必须经过系统性的回测、风险分析和参数优化才能上线。其核心是一个统一智能系统，整合了机构级回测、来自Kaiko等的数据、AI优化及专有领域专家系统。人类用户可通过自然语言交互，而AI智能体可通过API集成进行策略验证和数据访问。 平台拥有超过1.5万用户，其业务模式基于同一智能引擎服务两个增长方向：人类用户验证产品市场契合度并生成策略情报，而AI智能体接口则通过高容量程序化验证放大价值。所有策略数据汇聚成一个匿名的聚合情报层。 CoinQuant即将在HyperLiquid上推出自动策略执行层作为第二收入来源。公司目前正在筹集300万美元种子轮资金，用于产品开发和扩展，并正在开发用于高级研究的多智能体架构HYDRA。其目标是成为智能体驱动金融时代算法交易的智能骨干。

TheNewsCrypto05/26 05:57

CoinQuant 推出面向智能体经济的交易基础设施

TheNewsCrypto05/26 05:57

从电力基础设施到 Token 经济：AI 产业链的「七层蛋糕」

本文提出，AI产业正从以模型训练为核心的“上半场”，进入以海量推理需求驱动的“Token工业时代”。未来消耗算力最多的将是遍布全球的AI Agent的每一次交互与任务执行。 文章借鉴并扩展了黄仁勋的“蛋糕”架构，将AI经济产业链描绘为围绕Token运转的“七层蛋糕”： 1. **电力**：AI时代的能源基础。 2. **AIDC（AI数据中心）**：集中GPU形成Token生产能力的“工厂”，趋势向轻量化、模块化的区域节点发展。 3. **GPU**：Token的核心生产设备，需求从训练向推理倾斜。 4. **LLM（大语言模型）**：Token的生产引擎，竞争焦点转向推理成本与效率。 5. **Token分发**：像电网一样分配算力的云平台与租赁服务。 6. **Token优化与智能调度**：根据任务复杂度、隐私要求等，动态调度算力与模型的关键“大脑”。 7. **AI Agent**：Token的最终消费者与价值实现层。 当前产业链各层之间存在割裂与效率瓶颈（如算力与能源不匹配、缺乏智能调度等）。只有当这七层基础设施被打通并高效协同时，AI产业才能从“工具时代”迈向真正的“大规模采用时代”。未来的竞争关键，可能不在于拥有最大的模型，而在于能否有效连接能源、算力、网络与Token流动，构建起支持数十亿AI Agent持续协作的智能基础设施网络。

marsbit05/26 05:43

从电力基础设施到 Token 经济：AI 产业链的「七层蛋糕」

marsbit05/26 05:43

Grok最新模型吃上Cursor「加餐」，马斯克：Coding实现巨大改进

马斯克宣布，xAI的新一代Grok基础模型V9-Medium（1.5T参数）已完成训练，预计2-3周内发布。该模型编程能力获得大幅提升，关键原因是在补充训练中加入了大量来自Cursor的真实开发者工作流数据，以增强其处理实际工程任务的能力。马斯克表示，今年年底还将开源0.5T的旧版模型。 同时，xAI的AI编程代理工具Grok Build已进入早期Beta测试阶段。这是一款类似Claude Code的CLI工具，支持在终端中通过交互式界面或后台模式使用，具备任务规划、多子代理并行、插件扩展等功能，旨在直接切入AI编程工具市场。 这些进展与xAI近期以600亿美元收购Cursor密切相关。Cursor的两位核心工程师已加入xAI，帮助重构Grok的编码能力。收购后，Cursor的数据和经验正快速融入Grok的产品线，标志着马斯克正积极进军开发者工具领域。

marsbit05/26 04:18

Grok最新模型吃上Cursor「加餐」，马斯克：Coding实现巨大改进

marsbit05/26 04:18

Agentic Design Patterns：一本让我重新理解"Agent 到底是什么"的书

《Agentic Design Patterns》一书由Google工程总监Antonio Gullí撰写，系统性地将AI Agent开发拆解为21种设计模式。文章作者阅读后，对Agent的本质有了更深刻的理解。 书中将Agent划分为四个等级：Level 0仅为裸LLM，不具备行动能力，并非真正的Agent；Level 1能自主调用工具完成任务；Level 2具备战略规划与上下文工程能力，能对信息进行裁剪和降噪，并进行自我反思；Level 3则是多智能体协作，像团队一样分工合作。 文章重点阐述了几个核心概念： 1. **上下文工程**：超越提示词工程，系统地为Agent构建包括系统指令、外部数据、隐式信息和反馈回路在内的四层上下文环境，以提升其准确性和效率。 2. **反思模式**：采用“生产者-批评者”双智能体模式，让一个智能体负责创作，另一个负责审查和提出修改意见，通过迭代循环显著提升输出质量，但需设置合理的迭代次数以控制成本。 3. **多智能体协作**：并非越复杂越好，应根据任务复杂度选择合适的通信拓扑结构（如独立执行、对等网络、中心调度等）。通常，一个达到Level 2的单智能体加上反思机制已能应对大多数场景。 4. **记忆三层模型**：分为会话层（临时对话上下文）、状态层（任务进行中的临时数据）和持久层（跨会话的长期记忆），需要设计相应的存储与检索策略。 书末还提出了对未来Agent发展的五个假设，其中最颠覆的是“变形多智能体”：系统能根据最终目标自动创建、调整、重组智能体团队，实现完全自主的任务规划与执行。 作者建议读者可立即实践三点：为现有智能体增加一个“批评者”角色以进行审查；开始实践系统的上下文工程而非仅关注提示词；优先将单智能体能力提升至Level 2，而非盲目追求多智能体系统。 这本书的价值在于，它将许多开发者在实践中摸索的经验系统化、模式化，为AI Agent开发提供了一份清晰的“地图”。

链捕手05/25 04:42

Agentic Design Patterns：一本让我重新理解"Agent 到底是什么"的书

链捕手05/25 04:42

自动化的悖论：AI越强，人类越忙

本文探讨了AI自动化发展中的一个核心悖论：尽管AI能力快速提升，但人类的工作量并未减少，反而可能增加。文章以作者所在公司Every为例，说明AI工具已深度嵌入编码、写作、客服等流程，但并未导致裁员，而是重组了工作形态。人类从重复执行者转变为框架设计者、系统维护者和质量判断者。 AI擅长将过去已沉淀的能力（如代码、文案、客服回复）商品化，使其变得廉价且人人可用。这导致市场出现大量同质化的“默认输出”。然而，真正稀缺的是面对具体当下问题时的判断力、差异化创造和意义定义能力。因此，自动化并未消灭专家，反而创造了更多需要专家介入的场景，例如工程师需要审查AI生成的代码，编辑需要打磨AI起草的文稿。 文章进一步指出，基准测试（如高级工程师编码测试）衡量的只是模型在特定人类设定的“框架”内的表现。模型可以快速攻克一个框架，但人类会不断将问题推进到更复杂的新框架中。AI可以高效执行目标，但缺乏真正的主体性——它回应人类设定的问题，而非自主产生目标。知识工作的未来在于人类持续扮演“框定者”的角色。 因此，AI让“执行”变便宜，却让“判断什么值得做、为何做、做到何种程度”变得更为珍贵。自动化没有消除人类工作的价值，而是使其变得更前沿、更依赖人类的独特判断。

marsbit05/24 07:06

自动化的悖论：AI越强，人类越忙

marsbit05/24 07:06

微软在AI竞争中迷失方向，Copilot还能带它重回正轨吗？

微软曾是生成式AI浪潮的早期赢家，凭借对OpenAI的投资与合作，一度被视为AI时代的领跑者。然而，两年后形势变得复杂：OpenAI成为直接竞争对手，其他模型快速追赶，AI Agent的兴起冲击了其SaaS商业模式。微软股价下跌，Copilot付费用户增长不及预期，编程助手也被竞争对手超越。 面对挑战，微软调整战略，转向“模型无关”的企业AI平台定位。CEO纳德拉亲自参与产品开发，整合消费者与企业Copilot团队，并投资Anthropic以降低对OpenAI的依赖。公司旨在成为连接模型、数据、安全与工作流的基础层，通过其软件生态和云服务留住企业客户。 新战略需要巨额投入，预计2026年资本开支将达约1900亿美元，用于数据中心和芯片。微软既要快速创新，又要保持企业市场的可靠性。尽管面临模型商品化与AI原生公司的竞争，微软希望凭借深厚的企业关系、安全声誉和系统集成能力守住核心入口。纳德拉将此视为微软在AI时代的“第二次创业”，公司正努力在快速变化的竞争中重新找到方向。

marsbit05/23 04:37

微软在AI竞争中迷失方向，Copilot还能带它重回正轨吗？

marsbit05/23 04:37

General Tensor与Talisman强强联合，为去中心化AI构建金融基础设施

General Tensor与Talisman Wallet宣布建立重要合作伙伴关系，旨在简化用户和机构与Bittensor交互的方式，并共同构建一个“面向智能体”的金融基础设施层。 此次合作将Talisman的钱包和多签技术与General Tensor的验证器运营、挖矿基础设施、子网活动及交易平台生态相结合。这反映出行业日益认识到，去中心化AI网络需要与传统加密市场类似的成熟金融基础设施来支持其规模扩展。 Talisman专注于构建去中心化AI生态的协调层，其钱包架构内置硬件签名支持、原生多签功能及委托权限等安全特性，目前保障着约20亿美元跨链资产，其中约一半与Bittensor生态相关。其机构级产品Signet已成为该网络内少数可投入生产的多签解决方案之一。 General Tensor则通过验证器运营、挖矿设施、子网参与以及收购活跃交易平台Backprop Finance，在Bittensor生态内进行垂直整合。与Talisman的合作旨在弥合钱包层面的用户意图与网络层面执行之间的关键缺口，为用户创建托管、交易、质押、子网发现和自动执行的流畅路径，并为未来自主交互的AI智能体奠定基础。 该合作也标志着机构对去中心化AI的兴趣正变得更为成熟和深入，从早期的代币投机转向对基础设施和实际运营的关注。General Tensor近期已获得包括Digital Currency Group、Lvna Capital及高盛支持的Good Morning Holdings在内的投资者融资。

TheNewsCrypto05/22 13:07

General Tensor与Talisman强强联合，为去中心化AI构建金融基础设施

TheNewsCrypto05/22 13:07

活动图片

熱門分類right-arrow

熱門標籤right-arrow

其他right-arrow

比特币right-arrow