# 代理的所有文章

字节用Arm CPU了，黄仁勋：好难过没买Arm

在2026年台北国际电脑展上，Arm CEO Rene Haas宣布字节跳动和甲骨文已采用其自研的数据中心CPU芯片Arm AGI。该芯片需求强劲，预计未来几年将创造巨额收入。Haas认为，美国难以像限制AI芯片一样阻止AI CPU出口到中国。 英伟达CEO黄仁勋出席演讲并与Haas进行了轻松幽默的对谈，两人对英伟达此前未能成功收购Arm表示遗憾。黄仁勋分享了关于智能体PC设计的见解，他认为未来智能体将改变人机交互方式，推动算力需求爆炸式增长，而操作系统依然至关重要。 Haas介绍了Arm在智能体PC和数据中心CPU领域的进展。在PC侧，Arm与英伟达、联发科等紧密合作；在数据中心侧，其自研的Arm AGI CPU已获得OpenAI、Meta等众多合作伙伴采用，并公布了后续产品路线图。 文章指出，随着智能体应用爆发，推理需求激增，CPU的重要性重新凸显。行业呈现出垂直整合趋势，云厂商自研芯片，芯片企业提供全栈方案，竞争焦点转向能效提升。

marsbit06/04 04:51

Claude Code 推出动态工作流：让AI学会自己组队干活

Claude Code 推出了动态工作流（workflows）功能，使AI能够根据任务动态组建多个智能体（Agent）团队协同工作，从而解决复杂的长周期任务。 该功能的核心价值在于，它改变了Claude Code原有的“单智能体在单一上下文内规划并执行”的模式。通过动态工作流，Claude可以将任务拆解，分派给多个拥有独立上下文的子智能体并行处理、交叉验证甚至彼此竞争，最后综合结果。这有效缓解了单智能体在处理长任务时常见的“智能体惰性”（提前宣布完成）、“自我偏好偏差”（倾向认可自己的结论）和“目标漂移”（逐渐偏离原始目标）等问题。 动态工作流通过执行一个包含特殊函数的JavaScript文件来协调子智能体。它支持多种实用模式，例如：将任务分类后路由给不同智能体；将任务拆分为多个小步骤并行处理再综合（扇出并综合）；生成多个方案后通过锦标赛机制竞争筛选；以及进行对抗式验证等。 其应用场景显著超越了传统的代码任务，扩展至非技术领域。示例包括：代码迁移与重构、深度研究与事实核查、对大量简历或工单进行排序、从历史会话中提炼行为规则、进行事故根因调查、对积压任务进行大规模分诊，以及在命名、设计等需要探索和品味判断的任务中生成并筛选方案。 文章也指出，动态工作流并非万能。它通常会消耗更多token，因此不适合所有常规编程任务。最佳实践仍在形成中，开发者需要根据任务复杂度判断是否使用。用户可以通过详细提示（prompt）设计工作流，并结合 `/goal` 和 `/loop` 等指令，或设置token使用预算来优化效果。创建的工作流可以保存、共享甚至通过技能（skill）进行分发。 总的来说，动态工作流标志着Claude Code从一个代码助手向一个可编排的智能体工作台演进。未来AI工具的竞争力，可能不仅在于单个模型的智能程度，更在于其组织可靠、可复用执行流程的能力。

marsbit06/04 02:15

“ChatGPT以后可能要没了”

OpenAI在“Intelligence at Work”发布会上宣布，将在未来几周内把Codex正式并入ChatGPT应用，标志着其产品战略从“聊天”转向“执行”的关键一步。 此次合并的背景是Codex的快速增长：周活用户已突破500万，其中20%是非程序员的知识工作者，且企业营收贡献显著。OpenAI认为，未来的方向是构建“超级应用”，即用户通过ChatGPT发出指令，由Codex调用各种Agent（智能体）自动执行任务，实现从对话到全场景工作的闭环。为此，OpenAI还发布了三项Codex更新：覆盖六大岗位的Agent插件、可直接在原文上修改的Annotations功能，以及一键生成可交互网页的Sites功能。 文章指出，这次合并本质上是Codex路线对ChatGPT路线的升级。内部组织架构调整显示，Codex负责人已统领核心产品，而内部备忘录也强调建设“统一的agentic平台”。因此，ChatGPT将逐渐成为流量入口和品牌外壳，其内核将转变为以Codex为核心的智能体平台。 Codex的快速发展被认为是对手Anthropic旗下Claude Code竞争压力的结果。虽然Claude Code在代码质量上仍占优，但Codex凭借更实惠的价格和更少的token消耗（特别是搭配高效的GPT-5.5模型）实现了快速追赶。当前AI编程领域呈现双雄争霸，但竞争焦点已转向争夺Agent时代的核心入口。 最后，文章提出，合并后的应用虽然可能保留“ChatGPT”之名，但其本质已变——未来用户打开的或将是一个能直接完成任务的智能体，而“聊天”本身将不再是最核心的功能。这为中国AI玩家在Agent时代争夺本土化入口提供了新的机遇。

marsbit06/03 23:51

CPU，悄悄回到了AI算力的舞台中央

过去三年，AI算力的焦点几乎全在GPU上，CPU长期被视为次要的“配套”角色。然而，2026年起，这一叙事开始出现变化。英特尔推出至强6+处理器，强调其在AI基础设施中作为“控制平面”的角色，负责编排、并发与数据流动，而非仅仅是GPU的辅助。 这种转变源于AI工作负载的变化。早期重心是高度并行的大模型训练，GPU占绝对主导。但随着AI进入推理与智能体时代，工作负载转变为部署已训练模型到实际业务中，涉及大量任务调度、多模型协作、并发请求处理和数据流管理。这类编排任务GPU并不擅长，反而成为了新的系统瓶颈。因此，CPU在处理这些“周边算力需求”上变得至关重要。 至强6+的产品定义反映了这一判断：它采用高密度能效核设计，核心数多达288个，重点追求多任务并发吞吐能力，而非传统意义上的单核峰值性能。这瞄准了智能体AI所需的高密度、高能效工作负载。 然而，CPU的“回归”并非英特尔一家之事，也面临多重挑战：英伟达通过Grace CPU等方案试图整合CPU角色；主要云厂商纷纷自研高能效ARM架构CPU；同时，至强6+所依赖的Intel 18A制程也需在良率、性能上与台积电N2等竞争。 总而言之，随着AI从集中训练迈向大规模智能体部署，负责系统编排和数据流动的CPU价值被重新发现和定义。虽然CPU回归AI算力核心舞台的趋势已现，但最终由哪家厂商主导这场回归，答案仍未可知。

marsbit06/03 10:41

从 IDE 到终端：一份智能体工程实战操作手册

marsbit06/03 07:00

SaaS 大逃杀：活下来的赢家，都有一个共同点

微软Build大会宣告AI进入“员工时代”，与此同时，SaaS行业正经历一场“大逃杀”。市场担忧AI将取代人力，从而冲击按人头收费的传统SaaS模式。近期，部分公司股价强势反弹，揭示了市场的分化逻辑。 **核心分化点在于收费模式：** * **“消耗型”平台成赢家：** Snowflake（按数据处理量收费）、Datadog（按监控用量收费）等公司因AI创造更多工作负载而直接受益，用量驱动收入增长，股价表现亮眼。 * **“席位型”公司承压分化：** 以Salesforce、Intuit为代表，传统按人头/按任务收费的模式面临直接压力。尽管Salesforce积极向“按用量”模式（Flex Credits）转型且AI收入快速增长，但市场仍担忧其传统业务拖累转型速度。Intuit等公司则因产品易被AI替代而面临更大挑战。 **微软Build大会传递关键信号：** AI智能体正深度集成进操作系统（如Office Copilot默认Agent模式），微软也在加强自研AI能力以降低对OpenAI的依赖。同时，其获得的大额政府合同表明，在大型客户中，其平台席位模式依然稳固。 **未来观察重点：** 1. 市场反弹会否从“消耗型”平台扩散至能证明“AI提升单席位价值”的传统SaaS公司。 2. Salesforce的Flex Credits与AI平台Agentforce的增长能否持续加速，这是转型成功与否的关键样本。 3. 微软Copilot等AI智能体在企业中的实际采用数据，将验证其究竟是创造了新收入，还是替代了原有席位。 总结：SaaS行业的恐慌顶点已过，市场进入精细甄别阶段。能否从“按人头收费”成功转向“按AI创造的价值/用量收费”，或本身成为AI workload的承载平台，是决定公司能否在“AI时代”生存并胜出的分界线。

marsbit06/03 02:02

54万行代码之后，Garry Tan发现AI编程的旧游戏结束了

YC总裁Garry Tan通过一个54万行代码的AI编程项目得出结论：传统的软件管理模式在AI时代已过时。过去因模型昂贵，开发者用大量代码和测试来约束AI，如同为智能工人建造“富士康工厂”。但随着模型成本下降、能力提升，重点应从“写更多代码”转向“设计更多能力”。 他提出用Markdown构建“技能包”（skill pack），将可复用的工作流模块化，并由AI自动生成代码和测试。例如，原本需数天的黑客松评审，现在由AI在30分钟内完成。这种“即时生成式软件”模式，使工程师的核心竞争力转向问题定义、判断力与经验沉淀。 未来，优秀的工程师未必是写代码最多的人，而是能通过清晰指令释放AI最大潜能、用最少代码实现最多价值的人。真正的创新在于构建解放AI与人类创造力的系统，而非用代码层层束缚。

marsbit06/02 21:38

Pantera合伙人：智能体时代，区块链是AI的必经答案

Pantera Capital合伙人Paul Veradittakit认为，AI与区块链正围绕支付结算、身份体系、开放系统和资源聚合四大支柱深度融合，二者逻辑互补：AI创造无限供给，区块链锚定稀缺性与权属。当前市场估值出现明显错配，头部AI企业估值溢价，而加密资产价值被低估，但产业底层深度绑定。 文章指出，AI催生的自主智能体将成为新的经济主体，它们需要适配机器的原生金融体系，而现有传统金融体系无法满足其需求。区块链以其低成本、全天候、可编程的特性，成为智能体进行资产持有、价值流转和协同协作的唯一理想底层设施。未来绝大多数智能体驱动的交易预计将发生在链上。 在落地应用方面，OpenFX使用稳定币清算年交易量已超600亿美元；World（原Worldcoin）通过生物识别技术构建全球化去中心化身份网络；Alchemy为AI+加密应用提供核心开发平台。这些案例证明融合已进入实践阶段。 作者总结，AI与区块链的融合并非未来趋势，而是正在发生的现实。行业仍处早期，技术基础完备，市场需求明确，当前是相关领域创业与投资的黄金窗口期。

marsbit06/02 13:12

Chatbot烧钱三年，还是AI时代的“新大陆”吗？

过去几年，AI行业曾将Chatbot视为类似移动互联网超级入口的“新大陆”，但烧钱三年后，其商业化和可持续性面临严峻挑战。 OpenAI的ChatGPT虽拥有庞大用户，却陷入亏损，每收入1美元亏损1.22美元。国内豆包尝试付费也引发用户负面反馈。相比之下，Anthropic以企业服务为主（85%收入来自企业），年化收入已反超OpenAI，显示B端路径更清晰。用户真正需要的是能完成任务的AI助手，而非单纯聊天的对话窗口。 Chatbot的商业模式存在根本矛盾。它形似互联网产品，但底层经济学不同：每次推理都消耗高昂算力，用户越多成本越高，且缺乏网络效应和数据飞轮。其用户迁移成本低，护城河主要依赖模型能力，而随着各模型能力趋同，竞争可能沦为价格战。 变现之路同样艰难。付费订阅率低（ChatGPT付费用户仅占5%），国内付费意愿更弱。广告模式则因Chatbot交互缺乏明确购买意图、答案形式单一、损害用户信任而难以奏效，Perplexity的失败便是例证。注意力经济在Chatbot上似乎失效——供给（算力）昂贵，用户注意力却短暂。 数据表明Chatbot增长放缓，用户日均使用时长远低于主流App。其产品形态将AI能力局限在被动、回合制的“询问”，而未来方向是能多步“执行”的Agent。但若长出这些能力，它就不再是传统Chatbot。更可能的方向是AI不再需要独立App，而是嵌入现有应用（如微信）、操作系统或硬件。 行业逐渐意识到，Chatbot可能只是通往AGI的中间形态。若继续固守“入口+流量”的旧地图，恐难找到真正的新大陆。未来的价值更可能在于AI作为底层能力，与各类产品和场景深度融合。

marsbit06/02 10:35

黄仁勋、Marvell CEO同台对谈：未来AI拼的不是算力是连接，“能用铜就用铜，必须用光才用光”

在2024年台北Computex大会上，Marvell CEO Matt Murphy与特邀嘉宾英伟达CEO黄仁勋同台对谈，揭示了AI基础设施发展的核心趋势：连接（Connectivity）正取代算力与内存，成为定义系统性能的关键瓶颈。 黄仁勋指出，“实用型AI”已经到来，能够盈利的AI工作负载（如智能体Agent）催生了海量需求，使得分布式计算集群中的互联变得至关重要。他高度评价Marvell，称其为“下一个万亿美元公司”。 双方深入探讨了从铜缆向光纤过渡的路线图。黄仁勋提出了明确策略：“能用铜就用铜，必须用光才用光”。由于铜缆存在带宽与距离的物理极限（例如400Gbps时难以覆盖整个机架），而光通信则不受此限，因此未来5-10年将是铜缆与光器件并存的时期。Murphy解释，铜缆的物理瓶颈（“铜墙”）正在移动，这将引爆光通信需求。 为此，Marvell正重注共封装光学（CPO）等前沿技术，以解决密度和功耗问题，并在大会上发布了专为AI数据中心设计的100T以太网交换机。Marvell凭借覆盖从毫米级芯片互联到公里级数据中心互联的完整技术组合，确立了其在连接领域的领导地位。 此外，双方强调了通过NV Link Fusion等技术实现的深度战略合作（英伟达已向Marvell投资20亿美元），旨在构建解耦、异构的数据中心，满足云服务商的定制化需求。Murphy将Marvell定位为AI时代的“瑞士”，与所有计算和存储公司深度合作。 最终，两位领袖展望了全光互连的未来。当距离不再受限，数据中心架构将发生根本性变革，计算、内存等资源可以被池化并动态组合，从而构建出完全由工作负载需求定义、而非由连接限制定义的“无距离数据中心”。

marsbit06/02 09:41