从发布会舞台上的"黑科技演示"到工厂流水线的常态化作业，从实验室里的"参数竞赛"到千家万户的日 常依赖，人工智能正完成一场深刻的价值蜕变。在政策引导与市场需求的双重驱动下，曾经以"酷炫概 念"吸睛的AI技术，如今正以终端、智能体等多样形式悄然融入生产生活的方方面面，成为解决实际问 题的实用工具。 打开手机，相册的"AIGC消除"功能可智能识别并移除路人、电线等冗余元素；通话界面的"智能摘 要"能快速生成多语种重点；扫描文档即可解析复杂内容，助力高效获取知识。这些功能背后，是人工 智能褪去"炫技"外衣的生动体现——相较于早期手机AI仅能实现"语音唤醒""天气查询"等基础交互，如 今的终端智能已深度嵌入用户的高频需求场景。 戴上AI眼镜，超广角镜头配合AI算法，既能同步呈现高清视野，又能分析食物成分、热量及营养并给 出健康建议；在博物馆可精准识别展品并提供专业讲解，在景区能推荐美食、指引路线，甚至"看一 眼"就能完成支付。这种从"AR游戏演示"到"生活服务助手"的转变，让曾经的"极客玩具"成为大众可感 知的实用工具。 7月31日，国务院常务会议审议通过《关于深入实施"人工智能+"行动的意见》，要求大力推进人工智能 ...

以下文章来源于快鲤鱼 ，作者巴里 快鲤鱼 . 创业邦旗下AGI矩阵号，寻找海内外创新性的AGI高成长公司，记录AGI商业领袖的成长轨迹。 全球AI产业周报 为你精选过去一周（8.16-8.22）最值得关注的AI新闻和 国内外热门AI投融资事件 ，帮助大家及时了解全球AI市场动向。 本周AI热点资讯 国内大事 DeepSeek V3.1发布：更强的Agent能力，更贵的API 8月21日，DeepSeek 正式发布新模型V3.1，被官方称为「迈向智能体时代的第一步」。虽然未见期待已久的R2模型，但本次迭代重点在于更强的Agent 能力、混合思考模式与更高思考效率。 V3.1采用混合推理架构，用户可在「思考模式」与「非思考模式」间自由切换：复杂任务可调用深度推理，简单任务则快速响应，避免性能浪费。官方测 试显示，V3.1-Think在输出token数减少20%-50%的情况下，表现与此前R1-0528持平甚至更快。 此外，新模型在工具调用和智能体任务中的表现明显提升，编程与搜索Agent测评均优于前代。基础模型在V3的基础上新增8400亿tokens训练，并已在 Huggingface与魔搭开源。DeepSeek ...

姚班、伯克利、OpenAI、清华……年仅 30 多岁的吴翼身上已经聚集了众多亮眼的标签。 从小到大，似乎无论在哪个阶段、哪个领域，吴翼都可以交出一份不错的答卷：他是 ACM 世界奖牌得主，也是带队冲击 IOI 的教练；他亲历了 Facebook 2012 的崛起、字节跳动 2016–2018 的飞速成长，以及 OpenAI 爆火前的关键时期；他也自己参与了创业、全力做着开源项目。 吴翼创立的边塞科技在 2024 年被蚂蚁收购，团队积累 4 年的规模化强化学习成果如今都积累到了开源项目 AReaL 中，这是一个专为大型推理模型设 计的完全异步的强化学习训练框架。目前在在 Github 上已收获 2.4k stars。AReaL 完全围绕 Agent 打造。谈及定位，吴翼直言："按照这个定位我们没 有竞品"。 在 10 月 23 日 -25 日的 QCon 上海站，吴翼将分享主题为《智能体时代的强化学习：AReaL 框架与 Agent 最佳实践》的演讲。在此之前，我们对吴翼 进行了一次采访，他详细阐述了自己求学、OpenAI 工作和创业的经历和感受。主要观点如下： 在 OpenAI，我学会了 编辑 | Tina、 ...

近日，DeepSeek发布DeepSeek-V3.1，并称其为"迈向Agent时代的第一步"。据介绍，新模型相较之前版 本能在更短时间内给出答案，在工具使用与智能体任务中的表现有较大提升。 中国证券报记者注意到，不少业内人士将2025年视作"智能体元年"。东莞证券表示，随着大模型能力的 提升以及调用成本的下降，智能体今年以来持续在医疗健康、金融智能化、电商数字人等垂类领域应 用。多家上市公司在智能体垂直领域积极布局，相关产品已经实现落地。 ● 本报记者 孟培嘉 上市公司布局 "2025年将是智能体元年。"360集团创始人周鸿祎近日表示。在他看来，与单纯的大模型相比，智能体 是更高级的进化形态：大模型相当于"大脑"，负责推理与决策；智能体则在此基础上增加了"手脚"，具 备自主规划任务、分解流程、调用工具的能力，解决了大模型"只会思考、不会干活"的核心痛点。 远光软件则表示，公司紧跟人工智能技术发展趋势，发布了知识智能问答、表单智能填报、业务智能审 核、报告智能生成、数据智能分析等企业级通用智能体，研发商旅行程规划、资金智能排程等专业型智 能应用，实现核心应用的"对话即操作、指令即办理"的全新交互体验和智能化升级 ...

大模型能力不断提升 上市公司积极布局智能体 ...

在业内广泛提及的智能体元年，智谱交出了一份亮眼的成绩单。不少自媒体实测之后感慨，电 影中的管家"贾维斯"真的来了。AI不仅能聊天，还能完成现实任务，帮忙点外卖、买机票、对 比价格，便捷的未来似乎正在快速逼近。 记者丨 王俊 实习记者蔡欣佁 编辑丨肖潇 在点一份外卖的过程中，AI智能体在毫秒间额外加购了一张"神抢手"券，使得这笔订单多了 7.9元。手动付完款后，用户突然在订单中看到一张奶茶的抵扣券，这时才意识到，原来是 AutoGLM2.0的"顺手"操作。 这是在8月20日，智谱推出最新智能体AutoGLM2.0后，21世纪经济报道记者的首次实测体 验。 但在这些理念攻占用户心智之前，更直接的人机信任问题必须要解决。尤其是智能体可能 在未经同意的情况下做出决定时，AI代劳和越界的界线应该划在哪里？ 智谱对此回应21世纪经济报道记者：模型目前能力还在持续优化迭代，已经将此问题反馈到算 法，针对额外添加商品券识别的准确性，会持续提升性能。并且，AutoGLM2.0通过工程策略 和权限边界来防止"超指令"行为，支付、发布等高风险步骤默认不自动执行。 从与手机厂商合作，到自造一台"云手机" 在全球范围内，智能体已成为2 ...

还记得三年前那个靠199元AI课程狂赚上亿的清华博士李一舟吗？这位曾经的AI教父最终因课程注水、虚假宣传等丑闻跌落神坛。而就在大众以为这场闹 剧即将收场时，AI卖课却像打不死的小强，换上新马甲卷土重来。 如今，短视频平台上"AI智能体月入过万""数字人躺赚美金"的暴富神话层出不穷。一批新晋AI导师正用更隐蔽的话术，将智能体包装一本万利的生意。他 们不再贩卖不学AI就被淘汰的焦虑，转而兜售低成本暴富的美梦。 然而，这场持续三年的AI教育狂欢，为何总能找到新的韭菜地？在这些诱人话术背后，又暗藏着哪些不为人知的陷阱？我们一起来看看。 AI卖课的新噱头 李一舟的变形记是AI卖课行业野蛮生长的缩影。监管介入后，旧的营销故事逐渐失效，新的变种迅速填补空缺。如今的AI卖课不再强调替代焦虑，而是 转向更诱人的躺平赚钱叙事，通过精密设计演变成一套环环相扣的商业闭环。 与ChatGPT初期授课不同，现在的智能体卖课有哪些新花样？ 营销话术从失业焦虑转到暴富神话。当下的AI卖课市场已经形成了一套完整的痛点制造体系。课程销售深谙大众心理，不再用"AI将取代80%工作"预言制 造恐慌，而是用精心包装的学员案例提供虚幻的希望。短视频平台 ...

Core Viewpoint - The article emphasizes that small language models are the future of Agentic AI, as they are more efficient and cost-effective compared to large models, which often waste resources on simple tasks [3][4][40]. Summary by Sections Performance Comparison - Small models can outperform large models in specific tasks, as evidenced by a 6.7 billion parameter Toolformer surpassing the performance of the 175 billion parameter GPT-3 [6]. - A 7 billion parameter DeepSeek-R1-Distill model has also shown better performance than Claude3.5 and GPT-4o [7]. Resource Optimization - Small models optimize hardware resources and task design, allowing for more efficient execution of Agent tasks [9]. - They can efficiently share GPU resources, maintain performance isolation, and reduce memory usage, enhancing concurrent capabilities [11][12]. - Flexible GPU resource allocation allows for better overall throughput and cost control by prioritizing low-latency requests from small models [14]. Task-Specific Deployment - Traditional Agent tasks often do not require a single large model; instead, specialized small models can be used for specific sub-tasks, reducing resource waste and inference costs [20][23]. - Running a 7 billion parameter small model is 10-30 times cheaper than using a 700-1750 billion parameter large model [24]. Challenges and Counterarguments - Some researchers argue that large models have superior general understanding capabilities, even in specialized tasks [26]. - However, NVIDIA counters that small models can achieve the required reliability through easy fine-tuning and that advanced systems can break down complex problems into simpler sub-tasks, diminishing the importance of large models' generalization [27][28]. Economic Considerations - While small models have lower per-inference costs, large models may benefit from economies of scale in large deployments [30]. - NVIDIA acknowledges this but points out that advancements in inference scheduling and modular systems are improving the flexibility and reducing infrastructure costs for small models [31]. Transitioning from Large to Small Models - NVIDIA outlines a method for transitioning from large to small models, including adapting infrastructure, increasing market awareness, and establishing evaluation standards [33]. - The process involves data collection, workload clustering, model selection, fine-tuning, and creating a feedback loop for continuous improvement [36][39]. Community Discussion - The article highlights community discussions around the practicality of small models versus large models, with some users finding small models more cost-effective for simple tasks [41]. - However, concerns about the robustness of small models in unpredictable scenarios are also raised, suggesting a need for careful consideration of the trade-offs between functionality and complexity [43][46].

智谱在Agent方面的迭代从去年10月持续至今，初级版本可微信点赞、淘宝购物、携程订票。11月升级后新增会议总结、文档处理、网页搜索与总结等功 能。彼时智谱CEO张鹏对记者表示，智谱对智能体的理解更偏底层技术。 今年3月升级的AutoGLM沉思可以完成在小红书14天养号接商单任务，但沉思主要是本地化运行，暂无虚拟机设备，通过可视化交互图形界面 （GUI）而非 API调用的运作。此次2.0版本除了云端属性，也将可操作应用增至美团、京东、小红书、抖音等几十个高频应用。 关于底层技术路线的变化，采访中智谱AutoGLM 技术负责人刘潇对记者表示，与其他Agent不同的是，智谱相信"模型即Agent"，即Agent相当大一部分能力 正直接被模型通过端到端强化学习的方式吸纳。去年智谱Agent方案更多依赖于对人类专家轨迹的学习，虽然当时产品可以点外卖，但只要是没有见过的任 务类型，就无法完成。这推动团队在沉思产品上实现Deep Research（深度研究）与Browser-use Agent（网页智能体）的融合，因为如果不使用Browser-use的 方式，便无法阅读大量数据，也没有办法充分发挥个人所拥有的生产资料和数 ...

继3月份发布AutoGLM沉思之后，8月20日，智谱发布AutoGLM2.0，这是全球首个手机通用智能体，由 纯国产基座模型驱动。 智谱方面表示，具备通用完整的多模态和思维能力的模型是通向AGI（通用人工智能）的一个里程碑， AutoGLM2.0是其对AGI的又一阶段性探索成果。 《证券日报》记者亲身体验了AutoGLM2.0的执行能力：在发出"用美团在附近奶茶店下单20杯并用优惠 券"的指令后，系统自动在云端完成操作，包括识别跳过广告、选择品类、连续点击数量键、智能使 用"8元红包"等，仅支付环节需用户确认。整个过程后台并行，不干扰当前设备使用。 除了生活服务，AutoGLM2.0同样胜任复杂办公任务。它可完成信息检索、内容生成乃至社媒发布全流 程，并支持多模态内容创作。例如，记者尝试令其制作产品介绍视频、PPT、网页并发布至社交平台。 除了最终的发布操作需经记者确认之外，其余环节均实现全自动执行。 记者注意到，AutoGLM2.0既能通过同一App内多轮对话连续执行指令，也可跨多个App完成长链路复杂 操作，自主打通应用壁垒。例如，在"差旅场景"中，它可以先在票务App先后买好机票、火车票，接着 去酒店A ...