为什么 Agentic 叙事下 infra 是确定性最高的机会？过去 Agent 开发大多依赖开发者手动使用传统 Infra 搭建，开发工程量大、流程复杂，如何缩小 Agnet 的开 发难度和周期是一个确定性需求。随着 Agent 开发需求彻底爆发，更多人才和资源投入到新工具搭建中，Agent 开发范式的重构和收敛已经在发生。 另一个视角则是： 如果我们把 Agent 看做互联网使用者和开发者的增量，这些"新用户"的爆发式涌入又会带来什么样的需求？ 本文来自 Agent Infra 创业者 Hang Huang 的投稿，他以自己过去一年通过 AI 辅助进行产品开发的实践经验出发，为我们分享了第二个视角下 Agent Infra 的 在这篇文章中，他提了一个很有意思的观点" AI 的终极目标，不是帮人写代码，而是获得对整个软件生命周期的控制权 ：从构思到上线，再到持续运维"， 随着 AI 对工具利用深度和主动程度不断变化， AI-native Infra 也在相应进化，Hang Huang 把 AI-native 的 Infra 划分为了 5 个阶段，L0-L5，"在L5 阶段的 Agent-Native OS ...

作者：haina 保险业是全球最大的行业之一，年保费超 7.4 万亿美元，美国市场以 2.5 万亿美元的体量位居首位， 行业占总 GDP 比例达 11.3%。但与其庞大规模形成鲜明对比的是其极低的运营效率，超过 60%的流 程仍依赖人工判断与数据录入，人工成本占总运营支出的 40%-60%。漫长的索赔周期（平均 7-15 天）和低下的客户满意度（NPS 仅 31 分）是行业常态。分销费用高昂、人工理赔成本巨大、欺诈损 失严重（美国每年约 1200 亿美元）以及普遍存在的信息孤岛，构成了这个人力驱动的"信息搬运工 行业"的结构性浪费。 过去两年，LLMs 在理解和操作复杂文本、合同、邮件等非结构化信息方面的巨大进展为 AI 接管保 险业核心流程（如核保、报价、索赔、合规、客户支持）提供了前所未有的可能性。 AI Agent 不仅 能作为效率工具优化现有流程，更可能催生出商业模式和成本结构上完全不同的"AI-native 保险公 司"。 本文系统梳理了 AI Agent 在保险行业的产业结构和应用图景。Voice AI 与 Agent 正在革新获客与客 户服务方式。Strada 正在为保险经纪人自动化销售外呼，F ...

编译：haozhen 编辑：Siqi 海外独角兽原创编译 转载请注明 Anthropic 在上周五发布了 Claude 4，这是目前最前沿的 Coding 模型，也是最强的 Agentic 模型，可 以连续编程 7 个小时。本文是对 Anthropic 两位核心研究员 Sholto Douglas 和 Trenton Bricken 最新访 谈的编译，其中，Sholto 专注于 RL scaling，Trenton 则在做机制可解释性的研究： • 2025 年在模型训练上，最大的变化是 RL 终于有效，只要有合适的反馈机制，模型就能达到专家级 人类的表现和可靠性； • 今年年底会出现可以替代初级程序员的 Agent，到明年这个时候软件工程类的 Agent 将会在实际任 务中创造价值； • 可验证奖励强化学习 RLVR 的范式已在编程和数学领域得到证明，因为这些领域很容易获得此类清 晰的信号； • 模型自我意识的发展关键在于 reward。因为模型会以某种方式追求 reward，而这种追求会深刻地影 响模型的"人格"和个性，最终带来自我意识； • 让 AI 获得诺贝尔奖比获普利策小说奖更容易，因为要让模型具备像 ...

• 产品、软件工程师和设计这三个角色会因为 AI 的出现越来越融合，最新推出的国际象棋课程就是 由两位没有 coding 经验的团队成员在 AI 工具的帮助下推动项目在 9 个月内上线； • Duolingo 内部很鼓励员工使用各种 AI 产品来提升效率，Severin 还专门提到了 Cursor 、 Decagon 这 两款产品； • 出于产品效率和用户体验，Duolingo 最终选择围绕"学习"场景构建出一个 Super App，而不是 App 矩阵； 编译：yuhao 编辑：Siqi 海外独角兽原创编译 转载请注明 本篇内容是「AGIX 投什么」系列的第 7 篇。 AGIX 指数 从全球上千家科技上市公司中精选出的 40 家左右最能把握 AGI 价值整理的公司，AGIX 指数组合即是定位 AGI 进程的坐标，也能够为投资者 捕捉 AI-alpha 提供价值工具。在「AGIX 投什么」板块，我们会对 AGIX Index 的组合公司进行深度 分析，输出全面的 AI 投资参考。 作为 AGIX 覆盖公司，多邻国一直是 AGIX 重要 增长动力贡献之一 ，在"AGIX 潜力模型"中评分极 高。前不久，多邻国 ...

作者：Lai、bryan、haozhen 编辑：penny 我们之前已经研究了 Browserbase 、 E2B 等公司，本文是我们对于 Agent Infra 领域图景更全面的 Mapping。我们划分出了 Environment、Context、Tools、Agent Security 这四大赛道，逐步分析每个环 节的价值和值得关注的初创公司： • Environment 的作用是给 Agent 执行任务提供容器，是一个 Agent-native computer； • Context 层是在 Agent 工作中赋予记忆 Memory 和领域知识的重要中间层； • Tools 由于 MCP 协议的统一而百花齐放，同时目前 Tools 的核心用户还是开发者，普通用户的使用 门槛太高； 2025 年以来，Agent 开发量和使用量都有明显提高。Agent 的爆发带来了 Agent Infra 需求的爆发。在 过去 1-2 年，Agent 开发大多依赖开发者手动使用传统 Infra 搭建，开发工程量大、流程复杂，但随 着越来越多 Agent-native Infra 涌现，Agent 开发的难度和周期都在缩小 ...

Something New ： 为了更好地沉淀 AI 时代的投资 insights，我们上线了 「AGI 投资手册」知识库（ 点击文末阅读原文链接查看 ），欢迎留下建议与 ideas，共建 AGI 时代的投资指南。也可以评论区留 言你认为最值得关注的 AI 股票，我们会为留言的朋友送出最新「 AGI 投资报告」 PDF。 关税博弈告一段落，AGIX 在过去 3 天内共上涨 9.19% ，最新的 YTD 为 3.66%，跑赢 Nasdaq100 （+1.46%）、S&P500（+0.19%），以及 Dow&Jones（-1.16%）在内的所有大盘指数。 在这次市场调整中，AGIX 表现出了明显的"高弹性"：最大回撤为 -31.48%，但在宏观情绪基本出尽 后快速止跌，过去一个月中增长了 23.15%，5 月至今更是已经实现了 14.94% 的增长，是 Nasdaq 100 （QQQ ETF 追踪指数）的 1.64 倍： • "前沿科技落地和快速应用是时代不确定性中的最大确定性"，如果要对本轮震荡做一个总结的话， 我们认为这句话是最大的 take away： 这次止跌到上涨的过程中，DUOL、PLTR、SAP 、 ...

编译：haozhen 编辑：Siqi 海外独角兽原创编译 转载请注明 Multi agent 系统正成为新的突破方向的过程中，agent infra 也成为落地关键。在 computer use 带来范式创新的趋势下，virtual machine 将成为潜在创业机会， E2B 就是这个领域的新兴参与者。 E2B 之所以受到市场关注很大程度上是因为 Manus，Manus agent 完成任务过程中的 virtual computer 支持正是来自于 E2B。E2B 成立于 2023 年，作为一个开 源基础设施，允许用户在云端的安全隔离沙盒中运行 AI 生成的代码。E2B 本质上是一个可以快速启动（~150 毫秒）的 microVM，它的底层类似于 AWS Firecracker 这个代表性的 MicroVM，在此基础上， AI Agents 可以在 E2B 中运行代码语言、使用浏览器、调用各种操作系统中的工具。 随着 Agent 生态的繁荣，E2B 的 沙盒月创建量一年内从 4 万增长到 1500 万，一年内增长了 375 倍。 为什么 AI agents 需要专属的"电脑"？ 为了更好地理解这个问题，我们 ...

在 上一篇研究图谱 中，我们指出医疗领域很可能是 Vertical Agent 最先落地的领域，其中最有代表性 的公司之一是 OpenEvidence，一款专为医生设计的 AI 专业诊断 Copilot。面对医学知识的爆炸式增 长和临床信息的严重过载，OpenEvidence 致力于用类似垂直领域 Deep Research 的产品形态，帮助医 生提高诊断效率与决策质量。 创始人 Daniel Nadler 是 AI 领域的连续创业者，他在采访中提到，OpenEvidence 在美国医生群体中迅 速普及，目前已有超过 10 万名医生每月使用他们的产品。2025 年 2 月，OpenEvidence 完成了由 Sequoia Capital 独家投资的 A 轮融资，融资规模 7500 万美元，投后估值突破 10 亿美元。 有别于传统医疗软件依赖医院系统的复杂采购流程，OpenEvidence 采用直接面向用户的增长策略： 直接向医生个人提供服务，省去了冗长的审批与集采环节。凭借精准契合日常临床需求的功能设 计，以及医生间的口碑传播，产品实现了病毒式增长。其商业模式则通过与制药企业、医疗器械厂 商合作，嵌入精准广 ...

Healthcare 是美国最大的行业之一，支出占 GDP 的 17%，雇佣 1/10 的美国劳动力。它也极其低效，美国每年 4.5 万亿美元的医疗支出中，有高达 25%，也 就是 1.1 万亿美元被视为无效或可避免的浪费。在某些情况下，healthcare 从业者用于保险账单处理的时间成本可能占账单收入的 1/7。碎片化的系统、低 效的运营流程和人力密集的环节，是 AI Agent 的天然切入点。如果 AI 能切掉哪怕一小部分，就可能创造几千亿级别的新市场空间。 过去一年，GenAI 在医疗行业的渗透加速了。本文我们系统梳理了 Healthcare AI 的产业结构，重点聚焦了在哪些环节 AI 能够真正创造价值、并且拥有明 确预算，识别了值得优先关注和投资的细分方向和公司。 医疗行业的独特性决定了 AI 的扩散路径和传统软件或消费级应用并不同。目前 Healthcare AI 的高价值切入口，集中在 高频刚需、非临床环节 ，一方面是 前台任务 ，如提升医生效率的 Patient Copilot ( Case Study 包括 Abridge、Ambience、OpenEvidence )；另一方面是 后台基 ...

作者：cage, haozhen 我们在 2025 年 Q1 的大模型季报 中提到，在 AGI 路线图上，只有智能提升是唯一主线，因此我们持 续关注头部 AI Lab 的模型发布。上周 OpenAI 密集发布了 o 系列最新的两个模型 o3 和 o4-mini，开 源了 Codex CLI，还推出了在 API 中使用的 GPT 4.1。本文将着重对这些新发布进行解读，尤其是 o3 agentic 和多模态 CoT 新能力。 我们认为 OpenAI 在数次平淡的更新后，终于拿出了有惊艳表现的 o3。融合了 tool use 能力后，模型 表现已经覆盖了 agent 产品常用的 use case。Agent 产品开始分化出两类路线：一类是像 o3 那样把 和 o3 的发布模式一样， OpenAI 的 reasoning model 都是先训练出一个 mini reasoning 版本，再 scale 到 一个 long inference time、full tool use 能力的模型上。 而之前 GPT 模型总是先训练出最大的模型，再蒸 馏到小模型上。这个策略值得探讨其原因，我们的猜测是 RL 算法比较脆弱， ...