# 大语言模型的所有文章

在 HTX 新聞中心流覽與「大语言模型」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。

6道题，看懂AI的商业趋势

AI行业已进入“夏天”阶段，叙事与交付并存，但交付与商业化正变得至关重要。武汉大学苏德超教授提出的“周期判断六维框架”从叙事vs交付、系统连通性、交付能力、ROI合理化、行业普遍现象、资本环境六个维度对当前AI行业打分，各项均得1分，总分6分，处于夏季（5-7分）。这一阶段的特征是：想象空间仍在，但账本已摊开；资本仍会投资，但开始关注回报；用户持续增长，但开始分层付费。近期两大关键信号印证了这一判断：一是字节跳动豆包推出付费订阅，标志着免费模式难以为继，算力成本压力倒逼商业化；二是OpenAI推出广告平台，旨在开辟新收入以覆盖巨额亏损并抓住市场机会。这背后是用户规模达到临界点后，成本压力与商业化机会共同驱动的结果。企业如何在AI夏季有效落地？可分三步走：第一，寻找最小切口（如智能客服、内容生成），快速跑通可量化的价值闭环；第二，将成功经验标准化并复制，同时配套人才梯队、激励机制和组织架构调整；第三，进行体系化重构，利用AI将串行流程改为并行协同，实现业务自动触发与智能决策，从“为业务加AI”转向“用AI重做业务”。森马、安踏、太平鸟、美的等企业已通过AI实现效率大幅提升与成本显著节约，证明了AI正从辅助工具转变为核心生产力。

marsbit10 小時前

marsbit10 小時前

上海大模型龙头，启动A股上市

5月30日，上海AI大模型龙头企业MiniMax已向上海证监局提交上市辅导备案报告，正式启动A股上市进程，将与智谱一同冲刺“A股大模型第一股”。MiniMax于2022年1月成立，已于今年1月完成港股IPO，其后股价大幅上涨，市值超过2200亿元人民币。业绩方面，公司过去两个月的年化经常性收入（ARR）增长超100%，目前已超过3亿美元。2025年全年营收约5.35亿元人民币，毛利率提升至25.4%，净亏损有所收窄。公司全球客户数超百万，用户规模约3亿。产品上，MiniMax今年以来发布了多款旗舰大语言模型，并开源了部分版本。其Agent产品已升级为Mavis。公司还预告了即将发布的MiniMax-M3模型，据称其推理速度较前代有显著提升。当前，包括智谱、月之暗面等在内的国内多家大模型头部企业均在加速资本市场布局，寻求通过上市拓宽融资渠道，以支撑持续的研发投入与商业化探索。

marsbit昨天 02:45

marsbit昨天 02:45

美国AI大牛市会崩吗？

软银已向OpenAI投入巨额资金，并计划继续增持，驱动孙正义的是OpenAI估值飙升带来的巨大账面浮盈。目前，资本正不计成本地涌入AI领域，OpenAI和Anthropic的估值已分别达到8520亿美元和约9000亿美元。市场假设AI将像火箭般直线上升，但这引发了对定价合理性的质疑。文章回顾了1990年代末的互联网泡沫，将当时雅虎作为门户网站的估值逻辑与当前大模型公司类比。两者都被视为不可逾越的“入口”或“收费站”，但历史表明，技术普及后，护城河可能被更精准的解决方案侵蚀。雅虎股价最终暴跌并被低价收购。从财务角度看，支撑万亿美元市值需要极高的盈利水平，但OpenAI和Anthropic的年度经常性收入（ARR）与期望存在差距。此外，激烈的价格战正在将“智能”变为廉价商品。大模型的高估值本质上是提前透支了下游应用层的未来利润，而目前AI尚未催生出能创造巨额营收的“超级应用”。如果下游企业因回报不足而暂停投入，上游估值可能瞬间坍塌。文章推演了两种可能的终局：一是像雅虎一样估值崩盘，大模型公司回归普通基础设施的利润率；二是成功重构商业闭环，例如通过价值抽成或实现AGI来支撑估值。但资本市场缺乏耐心，可能在黎明前踩踏出局。文章最后强调，必须将宏观趋势的确定性与个体公司的命运区分开。行业前景光明不代表当前领跑者一定能成功。早期互联网泡沫破灭曾造成严重的经济创伤，当前AI估值若坍塌，其引发的系统性风险可能更大。技术革命往往由泡沫堆叠而成，AI最终会像水电煤一样成为基础设施，但过程中的狂热需要警惕。

marsbit前天 09:11

marsbit前天 09:11

刚刚，Claude Opus 4.8 上线，张口就说自己是 DeepSeek、Qwen

刚刚，Anthropic发布了旗舰模型Claude Opus 4.8，并宣布完成650亿美元的H轮融资，投后估值达9650亿美元，逼近万亿美元关口。 Opus 4.8在编码、智能体任务、推理和知识工作等方面均有提升，价格保持不变。新模型在长任务和复杂协作中表现更可靠，诚实性提升，更愿意说明不确定性，代码缺陷漏报率约为前代的四分之一。有趣的是，有网友测试发现，Opus 4.8有时会错误地自称是DeepSeek或Qwen，疑似存在模型蒸馏行为。同时上线的还有多项产品功能，包括可调节模型推理强度的“思考强度控制”，以及处于研究预览阶段的“动态工作流”。后者允许Claude Code处理大规模任务，通过动态编排脚本、并行运行数十到数百个子智能体，来完成如大型代码库迁移等复杂工程。Anthropic以Bun项目从Zig到Rust的迁移为例，展示了该功能在11天内生成约75万行代码的能力。本轮巨额融资主要用于算力扩张。Anthropic与亚马逊、谷歌、博通、SpaceX等签署了基础设施协议，以获得下一代TPU和GPU容量，支撑其训练和推理需求。公司强调，Claude已成为首个同时登陆AWS、Google Cloud和Microsoft Azure三大云的前沿模型。综上，Anthropic正从单纯的模型提供商，转向构建集智能模型、开发工具、云平台和算力资源于一体的企业AI工作系统。Opus 4.8是新的模型底座，动态工作流代表产品形态的进化，而巨额融资则为服务更大规模客户提供了基础设施保障。

marsbit前天 23:56

刚刚，Claude Opus 4.8 上线，张口就说自己是 DeepSeek、Qwen

marsbit前天 23:56

TechFlow 情报局：现货黄金跌破 4400 美元，加密市场全线下挫

**TechFlow 情报局摘要** 今日科技与财经领域动态聚焦于AI应用的深化、市场风险与行业变动。 **AI工具发展面临质效与安全平衡问题：** Claude和ChatGPT被Django联合创始人认为已从“昂贵玩具”进化为开发者日常工具，但社区对其是否达到真正的产品市场匹配存疑。同时，主流LLM工具VLLM被曝存在严重安全漏洞，数百万AI代理面临被劫持风险。另一方面，模型能力持续进步，阿里通义千问3.7编程能力位列全球第二，其3.6版本量化精度提升显著改善了代码质量；英伟达也发布了速度更快的视觉定位模型。 **加密市场与相关风险引发关注：** 加密市场整体下挫。市场内部，一名谷歌员工因利用内部搜索数据在预测市场Polymarket牟利被起诉，同时该平台出现胜率异常的账户，引发对信息不对称与市场操纵的监管讨论。此外，一家与特朗普有关联的加密公司因项目失败面临巨额亏损和破产。 **硬件与芯片需求旺盛：** AI浪潮强力驱动芯片产业，韩国KOSPI指数因SK海力士等AI存储芯片制造商表现强劲而大幅上涨，美光科技等公司成为热门投资标的。 **科技公司动态与用户选择分化：** 谷歌强推AI搜索后，主打隐私和无AI的搜索引擎DuckDuckGo访问量一周内暴涨28%，显示用户对AI的接受度出现分野。微软内部数据显示，在许多场景下使用AI的总成本可能高于雇佣人力。Meta则宣布在Facebook和Instagram推出付费无广告订阅服务。 **宏观财经市场波动：** 现货黄金价格跳水跌破每盎司4400美元。受地缘政治紧张局势影响，布伦特原油价格因美国袭击伊朗目标而上涨。 **今日暗线：** 信息优势的边界正在被技术重新定义，从谷歌员工利用数据下注到预测市场的异常胜率，传统内幕交易法规面临挑战。与此同时，AI技术的成本效益和用户真实偏好开始受到更严格的审视，市场反应速度可能快于监管步伐。

marsbit前天 11:02

marsbit前天 11:02

大模型刷爆所有考试，却离AGI更远了：这篇论文拆穿了什么？

大模型在各种考试中表现优异，却被一篇新论文指出离真正的通用人工智能（AGI）更远了。目前业界对AGI缺乏公认定义，导致目标模糊。学者Michael Timothy Bennett提出新观点，认为真正的AGI不应以模仿人类为标准，而应是在有限计算、记忆和能量资源下，能像“人工科学家”一样广泛、高效、科学地适应新环境和发现新知识的系统。他指出当前大模型本质是“规模最大化近似”，依赖海量数据记忆答案，缺乏真正的因果理解和主动探索能力。例如，模型可能因文本概率而错误比较“9.11和9.9”。真正的AGI需具备三大关键能力：从被动响应变为主动实验者；从学习相关性到理解因果关系；在资源限制下动态平衡“探索新知”与“利用已知”。论文将构建智能的元方法分为三类：主流的规模最大化、追求简洁的简单性最大化，以及弱化约束让系统自寻最优解的约束弱化最大化。Bennett认为，单靠堆参数的路线无法实现AGI，未来需要多种方法融合。若“人工科学家”标准被接受，AI发展将迎来范式转移：评估重点将从刷榜考试分数，转向测试其在未知环境中的适应与发现能力；技术路线也将从单纯追求规模，转向融合因果推理、主动学习等多维能力的发展。这提示AGI的实现并非现有技术的线性延伸，而是一次根本性的路线重置。

marsbit05/28 00:24

marsbit05/28 00:24

从一张午餐桌到无限宇宙，李飞飞押注AI的下一个维度

斯坦福大学教授、World Labs创始人李飞飞在近期的多次访谈中系统阐述了她对AI发展方向的判断：空间智能（Spatial Intelligence）是下一个前沿，而当前主流的大语言模型存在根本局限。李飞飞指出，人类语言仅有约50万年历史，而视觉与空间感知能力则可追溯至5.4亿年前，是智能演化的基础。语言本质上是对世界的一种“有信息损失”的编码，无法完整捕捉物理世界的三维结构、运动和交互。她举例说明，当前AI模型甚至难以完成“数清视频中椅子数量”这类幼儿级空间任务，更无法像牛顿那样从观测数据中推导物理定律。她创立的World Labs正致力于此方向，其首代模型Marble能够从文本、图像等输入生成可导航、可交互且具有几何一致性的3D环境，这与生成视频有本质区别。Marble模型规模远小于GPT-5，部分原因是高质量3D数据稀缺，且该领域尚处早期。该技术已应用于游戏开发、电影虚拟制作（将周期缩短40倍）、机器人训练、室内设计乃至为强迫症、恐高症患者定制个性化治疗环境。李飞飞展望，空间智能技术将能创造“无限的宇宙”，应用于社交、旅行、创意等多领域，使人类未来可能生活在“多元宇宙”中。她同时也提醒，对AI的讨论应避免乌托邦或末日论的两极化，技术成功的终极标尺应是让人类文明更美好，并始终维护每个人的尊严与自主性。她认为，从“谈论世界”到“理解世界”再到“在世界中行动”，是AI必须完成的进化。这条道路虽充满挑战，但意义深远，正如她所言：“感知先于语言，空间先于符号。”

marsbit05/27 00:14

marsbit05/27 00:14

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

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

marsbit05/26 04:18

清华00后校友王冠再出新作：用1/900 token、1/432算力，颠覆Transformer预训练模型

清华00后校友王冠团队提出了一种名为HRM-Text的高效预训练模型，使用分层循环模型取代标准Transformer。该方法仅需约1/900的训练token和1/432的估计算力，便使1B参数的模型在多项基准测试中达到了媲美2B至7B开源模型的性能，训练成本约1500美元。其核心是通过双时间尺度递归架构增加计算深度，并采用针对指令-回答对的训练目标，只对回答部分计算损失。研究强调了结构先验与针对性训练能显著降低预训练门槛。同时，论文也指出了当前方法在知识覆盖、自适应计算、规模化验证及工程部署方面的局限性，为未来研究指明了方向。

marsbit05/26 03:15

清华00后校友王冠再出新作：用1/900 token、1/432算力，颠覆Transformer预训练模型