# AI代理的所有文章

在 HTX 新聞中心流覽與「AI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。

黄仁勋 2026 GTC Taipei 演讲：AI 代理人时代来临，计算就是收入

在2026年GTC台北大会上，英伟达CEO黄仁勋宣布AI已进入“代理人”时代，AI从生成内容转变为能实际工作的利润与GDP创造者。其核心观点包括： 1. **AI代理人时代到来**：AI的计算模式发生根本改变，以“大语言模型+代理人框架”为核心的全新系统能理解、推理、规划并使用工具完成实际任务，每家公司都将成为运行代理人的公司。 2. **计算即收入**：在此模式下，AI生成的Token（计算单元）直接转化为收入和利润。AI工厂的经济核心是最大化每瓦电力产生的Token（收入），因此基础设施的吞吐量和能效至关重要。 3. **发布Vera Rubin系统**：英伟达推出史上最雄心勃勃的工程——Vera Rubin。它并非单一芯片，而是为运行代理人而设计的端到端完整系统，标志着英伟达从GPU公司、系统公司进一步转型为AI基础设施公司。 4. **推出Vera CPU**：首款专为AI代理人设计的CPU。代理人要求极低延迟和极高响应速度，Vera CPU强调顶级的单线程性能、每时钟指令数（IPC）和系统带宽，以满足代理人“没有耐心”的计算需求。 5. **与微软重新定义PC**：英伟达与微软合作推出新一代Windows PC产品线（桌面、笔记本、工作站），将代理式计算模式延伸至个人设备。新的PC操作系统将是传统系统与大语言模型的结合，应用程序将被“代理人运行时”取代。 6. **布局物理AI**：宣布了用于物理AI和机器人基础模型的Cosmos 3、用于自动驾驶的开放模型Alpamayo 2，以及完整的人形机器人技术栈与参考平台Isaac GR00T。这些系统遵循与云端代理人相同的“模型-框架-工具-运行时”模式。 **总结**：黄仁勋指出，过去六个月计算机行业因“有用AI”的实现而被彻底改变。未来十年，这种代理式计算模式将统一应用于云端、企业、PC、机器人及各类边缘设备。英伟达通过提供从芯片、系统到完整基础设施的全栈解决方案，旨在帮助客户建设高利润的AI工厂。对台湾供应链而言，AI工厂的交付效率、功耗控制及全栈协同能力将成为关键增长动力。

marsbit11 小時前

黄仁勋 2026 GTC Taipei 演讲：AI 代理人时代来临，计算就是收入

marsbit11 小時前

被AI吓崩的软件股，怎么突然成了美股最靓的仔？

近日，软件股在美股市场强势反弹，成为最亮眼板块。以Snowflake和Datadog为代表的公司股价大幅上涨，单月涨幅惊人。这标志着市场情绪发生了显著逆转——仅仅半年前，华尔街还普遍担忧人工智能（尤其是AI Agent）会颠覆传统软件公司，导致该板块遭到低配。 反弹的核心逻辑有二：首先，最新财报数据证伪了“AI冲击软件”的恐慌。例如，Snowflake不仅上调了业绩指引，还签署了巨额AI相关合作协议，表明AI工作流反而增加了对软件平台的需求。其他软件公司的业绩也普遍超预期，显示行业盈利增长依然强劲。 其次，机构此前对软件股的配置处于历史低位，业绩向好触发了大规模空头回补和资金涌入，推动了暴涨行情。市场观点也随之转变，有分析指出AI的利润重心正从硬件向软件转移。 文章进一步探讨了AI与软件的关系，指出AI Agent非但不会取代软件，反而会成为软件的新用户，增加对身份管理、数据调用和工作流协调等服务的需求，从而扩大了软件的市场空间。同时，企业级应用场景复杂，涉及经验积累、成本控制和合规治理，通用AI模型与具体业务结果之间仍有距离，而这正是软件公司的价值所在——将智能转化为稳定、可靠、可信任的业务流程。 最终结论是，AI不会杀死软件，而是会重新定义软件。能够成功将AI能力融入并增强自身产品、解决企业实际痛点的软件公司，将在新周期中胜出。

marsbit12 小時前

被AI吓崩的软件股，怎么突然成了美股最靓的仔？

marsbit12 小時前

推翻主流治幻觉思路：元认知，才是大模型破幻觉的全新解法

谷歌研究院与特拉维夫大学联合发表论文，提出对抗大模型“幻觉”问题的新思路：与其追求让AI全知全能或过度拒答，不如培养其“元认知”能力，即让模型能够感知并诚实表达自身对每个答案的确信程度。 论文指出，当前主流方法存在局限：一味增加知识覆盖无法穷尽所有事实；而通过大幅拒答来降低错误率则会征收沉重的“实用性税”，牺牲大量本可正确回答的问题。核心原因在于模型缺乏“判别力”，难以精准区分具体问题的对错，导致校准良好但实用性低下。 论文重新定义了“幻觉”：问题不在于AI输出错误信息，而在于其“没有资格确定却以确定的语气给出错误信息”。因此，解决路径应是实现“忠实不确定性”——让AI语言表达的确信度与其内部状态的真实确信度对齐。这比消灭所有错误更可行，是一个依赖内部信号的闭环问题。 在AI代理（Agent）时代，元认知更为关键。没有它，Agent在调用外部工具（如搜索）时将陷入“盲飞”，无法智能决策何时需要搜索、如何评估信息可信度。 实现元认知面临几大挑战：“自举悖论”涉及用静态数据训练动态能力的困难；“对齐破坏信号”指RLHF等训练可能磨灭模型原有的内部不确定性信号；“因果性评估”则需区分真正的元认知与对其的表演。 论文建议，评估反幻觉方法应超越单一准确率指标，转而分析完整的“实用性-错误率权衡曲线”，并关注其在其他任务上的“附带损伤”。最终目标是让AI学会诚实地沟通其认知状态，从而在保留实用性的同时，将错误信息的危害降至最低，建立可靠信任。

marsbit14 小時前

推翻主流治幻觉思路：元认知，才是大模型破幻觉的全新解法

marsbit14 小時前

Claude刷爆5亿，一夜涨60倍，你的Token账单还撑得住？

近日，科技圈曝出多起因AI使用不当导致天价账单的案例。一家企业因未设置使用上限，一个月内在Claude上消耗高达5亿美元；另有谷歌云用户因API密钥泄露，一夜收到1.8万美元账单；OpenAI内部实验也曾单月烧掉130万美元。这些事件共同揭示：在智能体时代，失控的密钥、无休的AI任务或疏于管理的账户，都可能导致Token账单瞬间“爆仓”。 背后原因是计费模式的转变。OpenAI、GitHub等平台正从包月制转向按Token用量计费，以应对智能体任务带来的成本差异——重度用户与轻度用户的消耗可能相差数个量级。新计费方式引发部分用户不满，有开发者晒出账单显示费用从几十美元飙升至数千美元，但亦有观点认为这能遏制滥用，促使资源合理分配。 企业内部也存在“为用AI而用AI”的浪费现象。例如亚马逊员工曾为冲上内部AI使用排行榜，刻意刷高Token消耗。这种将使用量等同于绩效的误区，加剧了成本失控。 面对高昂账单，市场开始出现优化方案。例如通过工具为AI提供精准上下文以减少冗余请求，或采用模型路由将任务智能分配至性价比更高的模型。研究表明，智能体任务的Token消耗可达普通任务的千倍，且更高消耗未必带来更好效果，成本预测往往偏低。 当前，AI成本在一些企业中已逼近甚至超过人力成本，迫使管理者重新审视ROI。随着免费畅用的窗口期关闭，如何让每个Token发挥最大价值，成为开发者与企业必须精打细算的课题。未来胜出的，将是那些最先学会算好“Token账”的玩家。

marsbit前天 11:17

Claude刷爆5亿，一夜涨60倍，你的Token账单还撑得住？

marsbit前天 11:17

AI PC来了，本地硬刚120B大模型！英伟达用RTX Spark重新定义“个人AI电脑”底座

英伟达在GTC 2026大会上发布RTX Spark超芯片，将AI PC的算力标准大幅提升至1 petaflop（1000 TOPS），远超当前主流AI PC的NPU算力。该芯片采用Blackwell架构GPU与Arm架构Grace CPU的SoC设计，并配备最高128GB的统一内存，使CPU和GPU可直接共享数据，消除了传统架构中的数据搬运瓶颈。 凭借强大算力与统一内存，RTX Spark支持在本地设备上运行120B参数的大语言模型，并处理百万级token的上下文窗口，同时也能胜任12K视频编辑、大型3D渲染等高负载任务。微软为其升级了Windows安全机制，并引入英伟达的OpenShell沙盒运行时，以保障AI代理操作的安全性。 软件生态方面，Adobe宣布将底层重构Photoshop和Premiere以适配新架构，宣称性能可提升2倍。多家主流OEM厂商如华硕、戴尔、联想等将于今年秋季推出搭载该芯片的轻薄笔记本和台式机。 RTX Spark的出现，标志着PC架构正从以x86 CPU为核心转向以GPU为中心的SoC平台，但其实际性能表现、功耗散热、定价及软件生态适配等仍有待市场验证。

marsbit前天 06:41

AI PC来了，本地硬刚120B大模型！英伟达用RTX Spark重新定义“个人AI电脑”底座

marsbit前天 06:41

黄仁勋：Vera Rubin 全面量产，AI Agent 是重点方向，挑战英特尔剑指下一代 AI PC 入口

6月1日，英伟达CEO黄仁勋在GTC台北2026上发表主题演讲，宣布多项新产品与战略方向。Vera Rubin架构已全面量产，首批客户包括OpenAI、Anthropic和SpaceX。AI Agent被列为重点发展方向，并推出了面向AI智能体的CPU Vera。 英伟达积极进军下一代AI PC市场，将与联发科合作开发RTX SPARK个人电脑芯片，由台积电生产，预计今年秋季面市，目标直指Windows阵营。此举被视为效仿苹果的垂直整合模式，意图向整机厂商提供完整的核心计算平台。 在自动驾驶领域，英伟达透露其DRIVE Hyperion平台已成为全球自动驾驶出租车平台，比亚迪、吉利、极氪、小米及小马智行等中国车企均已采用或正基于该平台开发智驾系统，并推出了Alpamayo 2超级开放推理模型。 人形机器人方面，英伟达宣布将与包括中国宇树科技在内的全球制造商合作，推出了面向学术研究的Isaac GR00T人形机器人参考平台及大型开源智能体工具套件。 此外，英伟达还发布了全新AI模型Nemotron 3 Ultra，以及AI工厂平台DSX，旨在为基础设施构建者提供创建和模拟AI工厂的完整指南。发布会后，英伟达美股夜盘股价上涨2.7%。

marsbit前天 06:13

黄仁勋：Vera Rubin 全面量产，AI Agent 是重点方向，挑战英特尔剑指下一代 AI PC 入口

marsbit前天 06:13

为什么更多AI Agent不等于更高生产力？

当AI Agent变得越来越易得和便宜，启动多个Agent已轻而易举，但这并不意味着生产力会随之线性提升。文章提出了“编排税”的概念：虽然启动Agent成本低廉，但真正昂贵的是后续需要人类投入的串行工作——检查结果、理解架构影响、处理冲突并决定最终代码合并。这些任务无法并行，必须经过开发者有限的认知带宽。 开发者如同AI系统中的“全局解释器锁”（GIL），成为限制整体吞吐量的单线程资源。更多Agent可能只会加长待审查队列，导致频繁的上下文切换和认知疲劳，反而降低效率。因此，关键不是盲目增加Agent，而是围绕人的注意力重新设计工作流。 有效的策略包括：根据review能力而非UI能力限制Agent数量；将任务分类，只将独立任务交给Agent并行处理；采用批量review减少切换成本；让Agent自行验证可自动化部分，节省人类判断力；并保护专注的串行时间用于深度思考。 忙碌感不等于高产，忽视“编排税”可能导致技术债和认知债积累。真正的能力在于像设计并发系统一样，精心管理自己有限的注意力资源，确保AI工具真正提升生产力而非制造假象。

marsbit前天 22:44

为什么更多AI Agent不等于更高生产力？

marsbit前天 22:44

三年之后：回看 2023 年我对 ChatGPT 的判断

2023年3月，在GPT-4发布前，作者王健硕对ChatGPT的未来做出了二十项预测。三年后的2026年，他使用AI agent对这些判断进行回顾验证，评估其准确性。 **主要看对的方面：** 1. **RAG成为主流**：预测通过外部检索而非修改模型来解决知识更新和幻觉问题，这已成为行业标准架构。 2. **LUI（自然语言界面）兴起**：预测自然语言交互将催生巨大新产业，Agent、MCP协议等发展印证了这一点，但LUI是与GUI共存而非取代。 3. **机器人网络与新寻址系统**：预测Agent将自动协作并需要新寻址方式，MCP、A2A等协议正朝此方向发展。 4. **中国能做出可用大模型**：预测中美模型差距会迅速缩小，事实如此，但真正领先的国内厂商与其当初点名不同。 5. **AI无意识与图灵测试本质**：核心判断“AI无意识，图灵测试仅测表象”基本成立，但“绝无意识”的绝对论断被后续研究置于灰区。 **看错或看偏的方面：** 1. **GPT-4参数数量**：所传“100T参数”严重错误，实际约为1.8T。 2. **LLM的数学能力**：诊断“数学差需外挂工具”正确，但“不可能自行学会”的结论被后续“推理模型”在IMO夺金证伪。 3. **价值捕获**：预测价值在应用层，但现实中算力层（如英伟达）捕获了最大利润，模型层反而亏损。 4. **版权问题**：判断“生成物可能无法登记版权”正确，但认为能“规避侵权”则错误，已出现巨额侵权赔偿案例。 5. **信息茧房与世界大同**：机制上AI会将观点向众数平均，但AI正快速走向“千人千面”的个性化，可能制造新茧房而非消解极化。 6. **大模型成本**：预测“局部战争”和玩家涌入正确，但“5-10亿美元封顶”的成本估算与前沿训练实际花费严重不符。 **总结规律：** 1. 判断**方向和机制**比具体数字、程度更可靠。 2. 倾向于**高估短期变化速度，低估长期能力上限**。 3. 容易忽略**问题内部的分布差异**（如总量正确但部分群体受损）。 4. **留有餘地、分层表述**的判断更经得起时间检验。 5. 一些根本性争论，**三年时间不足以给出最终答案**。 这次回顾表明，在快速变化的领域，把握大方向比追求精确预测更重要，同时需警惕绝对化表述并承认认知的局限性。

链捕手05/31 13:34

三年之后：回看 2023 年我对 ChatGPT 的判断

链捕手05/31 13:34

让 AI Agent 自己调用 API、购买权限与完成支付，ERC-8257 如何实现？

为解决AI Agent在自主调用外部工具时面临的工具发现、权限验证和支付流程分散且非标准化的问题，OpenSea推出了ERC-8257标准草案。该标准旨在建立一个开放的链上工具注册表，允许开发者注册工具信息和访问规则。详细信息以链下JSON文件（Manifest）形式存储，链上仅记录文件链接和哈希值以确保数据一致性。 ERC-8257的核心创新是将访问权限的定义交由独立的智能合约处理，开发者可灵活设置条件（如持有特定NFT、Token、订阅状态等）。AI Agent可通过扫描链上注册表发现工具，读取规则，并在不满足条件时自动获取所需权限（如购买NFT）。支付环节则由x402等现有协议处理，实现互补。 然而，该标准面临挑战：权限规则各异导致技术复杂性；链上哈希校验仅能验证数据一致性，无法保证工具逻辑的可信度、安全性或稳定性；权限若以可交易资产形式存在，可能引发价值波动和投机风险。因此，ERC-8257在工具可信度与规则一致性等方面仍需进一步验证和完善。

marsbit05/29 07:23

让 AI Agent 自己调用 API、购买权限与完成支付，ERC-8257 如何实现？

marsbit05/29 07:23

OpenSea 推出 ERC-8257：AI Agent 的工具商店，买个 NFT 就能解锁 API

OpenSea推出了新的以太坊标准ERC-8257，即“AI Agent工具商店”。该标准旨在为AI智能体（Agent）提供一个去中心化的工具发现与访问控制基础设施。 传统上，AI工具分散在各个平台，缺乏统一的发现和标准化访问机制。ERC-8257通过在链上建立一个工具注册表来解决这一问题。工具开发者可以在此发布工具，并设定访问规则（例如要求持有特定NFT或订阅），这些规则由智能合约（访问谓词）自动执行。 对于AI智能体而言，它们可以自主浏览注册表，查看使用某个工具所需满足的条件（如购买某个NFT），并自动完成购买和支付流程，全程无需人类干预。文章举例说明，一个评估NFT价格的AI智能体在调用专业工具被拒后，可以自动去购买所需的访问凭证（NFT），然后成功获取服务。 这一标准为NFT赋予了新的潜在效用，持有特定NFT可能让用户的AI智能体获得更便宜或独占的API服务。技术栈中，ERC-8257与MCP（工具发现）、ERC-8004（Agent身份）及x402（支付）等协议可组合协同工作。 目前该标准已在以太坊和Base链上线，OpenSea提供了相关的开发工具包（SDK）以供开发者构建工具。项目仍处于草案阶段，鼓励社区参与改进。

marsbit05/27 04:26

OpenSea 推出 ERC-8257：AI Agent 的工具商店，买个 NFT 就能解锁 API

marsbit05/27 04:26

活动图片

熱門分類right-arrow

熱門標籤right-arrow

以太坊

其他