TechRelayer

WAIC 收官真心话:数百家机器人刷屏背后,AI 究竟重写了什么?

在 WAIC 2026 的最后一天,InfoQ 直播间迎来收官特别圆桌。过去三天,我们把镜头带进主论坛、展区和一线发布现场,也对话了各路技术负责人、创业者、投资人和 AI Builder,从大模型、Agent,聊到到具身智能、AI Infra、AI for Science,几乎每一个热词都被重新聚焦了一遍。但行业越是喧嚣,从业者越需要回归理性与本质:哪些变化真的发生了,哪些还只是 Demo、概念和资本故事?AI 到底是在重写工作流、产业链、技术范式,还是只是用新的语言重复上一轮技术周期?围绕这个问题,InfoQ 邀请到四位来自不同位置的一线观察者:上海交通大学人工智能学院教授、源络科技创始人连文昭,长期关注具身智能与机器人产业落地;语生科学首席科学家郭权玮,身处在产研孵化一线,判断 AI 真需求、本地智能体和新模型范式;扩散智能联合创始人、香港大学博士生龚珊三,从扩散语言模型和基础模型路线切入创业;未可知人工智能研究院院长、前红杉资本中国基金投资副总裁杜雨,带来资本周期、商业化和产业收入视角。这场讨论并非简单复盘 WAIC 的热闹,而是试图把热词放回真实场景里检验:AI 是否真的改变了人的工作方式?哪些应用已经进入业务生产?具身智能离“稳定干活”还有多远?Scaling Law 之后,模型范式会往哪里走?未来一年,钱、人才和算力又会流向哪些方向?以下是圆桌的实录整理。一、AI在重写什么01|InfoQ:过去几天,我们带着问题在 WAIC 现场走了很多展台,也和来自不同公司的嘉宾聊了许多变化。今天这场收官圆桌,想请大家一起回到一个核心问题:AI 到底正在重写什么?它可能是一个场景、一条生产链,也可能是一种工作方式。过去一年或半年里,哪件被 AI 重写的事情让你印象最深?连文昭:我觉得 AI 首先重写的是“速率”。很多事情的完成速度被重新定义了,比如编程,以前可能需要很久,现在效率可以提升 10 倍、20 倍,甚至更多。内容生成也是一样,文字、视频、宣传物料等,都在以指数级速度提升。但我更期待 AI 重写的是“边界”。现在很多 AI 的价值还是把人本来要做的事情做得更快,但我更希望它去做人不愿意干、或者人干不了的事情。比如 AI for Science 里,AlphaFold 就是一个典型例子,它把过去很难解决的蛋白质结构预测问题变成了可能。再往后,我更期待 AI 从数字世界走向物理世界。具身智能为什么重要,是因为过去工业机器人主要面向结构化、确定性的生产环境,通过预设程序完成高重复性任务。但未来智能机器人如果能进入不确定、开放的环境,比如家庭、服务、养老等场景,它真正扩展的是人类能力的边界。郭权玮:AI 正在重写我们的工作和生活方式。过去做 PPT,需要打开特定软件,手动调整格式和内容;现在,我们可以通过智能助手直接生成、修改,甚至重塑整个工作流程。但更关键的变化是,我们正在从完全依赖云端,走向“在本地端就能完成”。“破圈”很重要。以前 AI 几乎是程序员群体专属,但现在普通人也可以用它写歌、做创作。问题在于:你是否愿意把自己的数据、记忆和文件都上传到云端?本地模型的兴起,正是为了守住隐私。所以在我看来,AI 重写的核心,不只是 AI 能做什么,而是你如何定义自己的工作模式。而这个模式能不能成立,取决于你是否信任它、是否愿意把数据交给它。比起“AI 能做什么”,我更关注“怎么用”,以及它如何真正走进普通人的日常。龚珊三:我会从更具体的科研和技术角度来看。过去一年,AI 的 Coding 能力提升非常快。以前它可能只能完成一些简单代码任务,现在已经可以参与更长程、更底层的任务,比如模型 serving、infra 相关工作,甚至可以自己写加速算子。在科研里,我们现在也基本离不开 AI。它是一个非常好的执行者。未来如果它的思维方式和 planning 能力进一步提升,再配合已经很强的执行能力,就有可能逐步参与更前沿的科学研究,甚至帮助人类开展更复杂的探索。杜雨:我对“重写”这个词的理解可能不太一样。很多人会把它理解成重新改写,但我第一反应是“重复写”。AI 确实改变了一些事情,但从商业规律看,它也在重复互联网时代的路径。移动互联网大概经历过三波浪潮:第一波是高通、ARM 这类芯片公司受益;第二波是云计算和设备层,比如苹果、三星;第三波才是应用层,比如谷歌、亚马逊。现在 AI 也有类似节奏:底层算力最先赚钱,中间是云和设备,最后才会轮到真正贴近消费者的应用。今年 WAIC 的场馆结构也很有意思。H1 更多是大模型和应用,H2 是算力和芯片,H3 则是具身智能。从现场体感和参展结构来看,今年 WAIC 几乎可以说是“世界具身智能大会”。在我看来,具身智能更像移动互联网时代的 iPhone 或三星,是设备层。未来如果每个人家里都有机器人,真正更大的市场,可能不是这台机器本身,而是围绕机器人的每一个动作、每一个能力、每一个服务产生的应用生态。02|InfoQ:AI 用多了以后,大家会不会担心自己的某些能力退化?过去需要自己思考和完成的事情,现在 AI 直接给出答案,这会不会削弱人的能力?连文昭:一些机械性的、辅助性的事情可以交给 AI,但核心的创造力、拓展边界、提升维度这些事情,我认为 AI 还是比人差不少。真正关键的东西,还是要人自己去做。郭权玮:这个时代的关键,是你怎么思考问题、定义问题,以及是否真的清楚一件事该怎么做。AI 很难替代真正的专业人员。比如创作漫画,作为编辑,最重要的永远是故事本身。你可以用 AI 生成很多画面、很多版本,但故事属于你自己。你得清楚自己要做什么,也要知道过程中每一步怎么验证,什么是对,什么是错。这才是比工具更值得关注的能力。龚珊三:从我的使用体验来看,AI 确实比我知道得多,但我不认为它会替代我。尤其做科研,需要完整、严密的思维方式。AI 可以回答问题,但能提出好问题、能发现关键细节,这本身不是所有人都具备的能力。我也会有一点担心:我们这一代人在 AI 大规模普及之前,经历过比较严谨的科研训练。但现在更年轻的一代,可能一开始做研究就有 AI 帮忙,这会不会让他们跳过一些本该经历的训练?这件事还不好简单判断。杜雨:我反而很感谢 AI。做自媒体时,我发现自己有很强的知识诅咒,经常不知道大众不知道什么。我会使用很多自己以为大家都懂的专业词汇,但网友未必能理解。用了 AI 之后,它能帮我把专业内容讲给更多没有背景知识的人,我的视频数据也变好了。所以我觉得 AI 不只是语言之间的翻译,它也在帮助不同学科背景、不同教育背景、不同城市的人互相理解。这不是重写,而是增强。二、需求真伪03|InfoQ:现在很多 AI 产品、机器人和解决方案都在展示。大家看来,哪些已经真正进入业务生产?哪些热度明显高过实际落地价值?杜雨:我感触最深的是,大厂的一些业务已经实实在在产生收入。比如 AI 生成内容,我们讲了好几年,但从过去一两年的数据看,快手可灵、字节即梦、美图等 AI 相关业务都在快速增长,而且不是只有用户增长,而是收入增长。收入增长说明用户愿意为它付费。具身智能也一样。像宇树,从招股书披露的信息看,机器人业务收入增长很快,而且已经有利润,并不是大家想象中的纯烧钱。所以用户是在用脚投票的。但每个赛道里也有伪需求。有些公司打着 AI 或机器人旗号,但到现在没有收入,或者亏损远大于收入。到了 AI 下半场,企业必须更认真地思考:你的用户核心场景到底是什么?到底有多少人愿意为什么样的价值付钱?另外,AI Coding 和办公智能体也已经在进入真实工作流。很多大厂都提到,代码中相当一部分已经由 AI 参与协作完成。写代码正在从程序员专利,变成一种新的工作方式。问题在于,目前 AI 服务的经济账还没完全算明白。搜索时代每次查询成本很低,但 AI 问答的推理成本高得多。如果技术不能继续突破,很多公司会面临越多人用、亏得越多的压力。龚珊三:我觉得真实需求主要集中在 Coding 和日常办公场景,比如帮你写代码、做 PPT、生成网页等,这些确实极大便利了学习和工作。伪需求则是有些产品没有真正用语言模型解决问题,只是和 AI 扯上一点关系,就开始讲故事。用户真正用过之后会发现,它和以前并没有本质区别,甚至有点多此一举。这类产品更像是为了吸引消费者或资本注意,而不是真正解决需求。郭权玮:我判断 AI 能否真正进入生产,关键看它有没有改变企业或个人的习惯。比如 Palantir,它提出了一个很有意思的概念,叫 Ontology。它会派驻很多 FDE,也就是 Forward Deployed Engineer,直接进入企业现场,了解这家公司的人员配置、设备情况、工作流程和验证标准。只有把这些搞清楚,AI 才能真正在企业里用起来。只是给一个框架让企业套用,很可能就是伪需求。愿意深耕一个领域、做出实质改变,并且客户愿意买单,这才是真需求。相对而言,我认为“数字员工”这类概念里有不少伪需求。比如用 AI 模拟 HR、行政等岗位,但每个岗位都有自己的 know-how,不可能靠一个 prompt 或简单流程就完全替代。每项工作都有细致流程和验证标准,如果没有办法梳理清楚每个人的 know-how 和验证逻辑,就很难说真正做出了一个“数字员工”。连文昭:我主要从具身智能角度看。现在像宇树这类做 locomotion,也就是底盘、双足、四足、轮式移动能力的公司,已经在进入一些真实场景。比如舞蹈表演,看似是展示型应用,但它满足了真实的演艺需求,也体现了机器人在人机交互和情绪价值方面的探索。但我更关心 manipulation,也就是机器人灵巧操作。这一直被认为是机器人领域的圣杯。机器人能不能在开放、不确定的场景里完成精细操作,这是更难的事情。过去工业机器人适合在工厂里重复运动,但一旦流程经常变化,比如家庭、实验室、服务等环境,非智能方式就很难解决。判断具身智能是否真正落地,我觉得有一个很简单的标准:把机器人推到客户那里,工程师走了以后,客户第二天愿不愿意自己开机?如果机器人帮忙少、添乱多,它就会吃灰。只要客户愿意持续使用,就证明它确实有价值。三、落地路径04|InfoQ:从 Demo 到产业化,具身智能到底卡在哪里?以源络科技为例,为什么会选择 AI for Science、生物医药和实验室这类场景?连文昭:我们源络科技现在主切的是 AI for Science,包括生物医药、生化环材等行业里的实验室研发和分析检测场景。这是一个室内场景,之所以选它,是因为它同时符合两个条件:第一,人不愿意干、人干有危险,或者人干不好;第二,它是高价值场景,能承受目前机器人还比较高的成本。在生物医药和实验室里,很多工作是高学历研发人员在做脑力加体力劳动。他们一边设计实验,一边根据实验结果调整操作,很难把脑力和体力完全拆开。结果就是,高价值的人在做大量低价值、重复性的体力工作。更重要的是,人做实验很容易出错,且不可复现。在生命科学等复杂实验领域,实验条件、操作习惯和环境变量都会影响结果,提升实验流程的标准化和可重复性,一直是科研和产业共同关注的问题。机器人如果能稳定完成实验操作,所有动作都可以数字化记录,而且 24 小时持续工作,就能从根本上提升实验的一致性和可复现性。从具身智能研发角度看,这也是一个很好的练兵场。实验室任务往往是长序列,有几十步甚至上百步,每一步又要求精细操作。如果我们能解决这些问题,未来去做家庭、服务等场景,很多能力就可以降维迁移。05|InfoQ:对于 AI 应用而言,如何识别一个场景是真需求,而不是为了新技术生造出来的需求?龚珊三:我觉得首先要切身使用,站在消费者角度去感受自己是否真的有需求,也要看周围的人是否有类似需求。人的需求其实很多,也不难发现。比如家务机器人、写代码、做实验、办公文档,这些都是很真实的场景。我们做的是偏基础模型的方向,但现在基础模型和应用也走得非常近。一家基模公司,很多时候同时也是应用公司。从追求 AGI 的角度看,我们追求的是更高智能上限。只要技术上能够实现更强能力,它就一定可以进一步满足更多真实需求。郭权玮:我想先泼一盆冷水。技术每天都有新进展,但如果为了某个新技术去制造一个需求,Demo 可以做得非常漂亮,但落地往往不行。真正应该做的是“Neo Lab”式思路:先调研,确认用户到底需要什么,再去研发。我现在特别关注本地智能体和本地大模型,就是因为它来自一个真实且普遍的痛点。我们每天都在用各种智能助手,数据、文件、聊天内容都被它看到。如果你是金融、法律、投资或科研从业者,你既需要 AI 能力,又不想把敏感数据传上云端。企业也一样,不愿意一直连海外 API。这个矛盾催生了本地部署的刚需。现在硬件也在迭代,已经有设备可以在本地跑不错的模型。但这中间还要解决几个问题:模型和智能体框架要磨合,包括记忆系统、上下文、知识库;推理引擎也要优化,让本地运行速度足够舒服。用户其实不关心你用了什么技术名词,他只关心这东西能不能干活、能不能让我安心。本地部署的价值在于,数据留在自己的机器上,花的是自己的算力。甚至可以趁你睡觉时扫描电脑,理解你的资料,把网络一关,也不用担心数据上传。所以对我来说,本地 AI 是一个极其真实的需求。杜雨:我观察到,中国市场的 AI 需求变化非常快。2023 年时,很多企业家的诉求是“怎么部署 AI”,当时很多人甚至分不清开源和闭源,只是觉得 AI 很强,先部署起来再说。那时比较多的是部署 Llama 2 之类的开源模型。到了 2025 年,DeepSeek 出来后,企业发现可以不用海外开源模型,但新的问题变成了幻觉。所以那一年增长很快的需求,是本地知识库,帮助企业减少幻觉。到了 2026 年初,又出现了 GEO 需求。消费者开始越来越多问豆包、DeepSeek:这个品牌好不好,奶粉买哪个?企业发现 AI 的答案可以被干预,于是开始做内容,影响 AI 上游数据源。所以我觉得中国市场一直有生意机会,但生意生命周期很短。创业大概有两种模式:一种是“难而正确的事”,比如英伟达、华为昇腾、Kimi、豆包、DeepSeek 这类,门槛越来越高;另一种是大量“低垂的果实”,很多从大厂出来的人都在接企业真实诉求,靠卖产品赚钱。两种模式没有高低,关键是根据自己的能力和业务禀赋来选择。四、范式拐点06|InfoQ:现在基础模型能力还在继续摸高,但也有人认为边际效应在收窄。投入越来越大,收益是不是越来越小?基础模型的提升曲线还会继续陡峭吗?龚珊三:要看对象。对普通用户来说,很多模型已经够用了。比如豆包既能提供情绪价值,又能回答很多知识问题,幻觉问题也在逐渐缓解。对普通用户来说,今天的大部分模型基本已经可以满足很多需求。但像 Kimi、OpenAI 这样的公司,追求的是更高的智能上限,是出于对 AGI 的追求。这可能带来我们短时间内难以想象的变化。比如模型可以自我迭代、自我进化,可以发现人类还没有发现的东西。历史上,牛顿、爱因斯坦这样的伟大科学家推动了科学进步,科学进步又带来技术进步,最终造福全人类。如果模型真的突破人类智能极限,发现新的科学原理、材料、芯片设计方式,那可能会带来完全不同的世界。郭权玮:我从产业研发角度看,个人认为由 Scaling Law 主导大模型的时代基本已经结束了。现在很难再靠堆大量数据带来巨大跃迁,接下来要看有没有新范式、新结构。我观察到一个方向是,不要再孤立地看单个模型,而是构建模型生态系统,让多个模型彼此调配协作。比如日本 Sakana AI 的 Fugu,可以调度不同公司的模型 API 去执行任务,效果会有明显提升。如果再进一步,让这些模型在工作过程中参数可以相互影响、共同演变,那整个生态会变成一种全新的形态。问题可能不只在参数多少,而在于如何在有限计算单元里,把智能深度做透。人类大脑皮层也只有十几个 billion 的神经元,但人可以进行很深层的思考。我们自己大约两年前就开始关注扩散语言模型。扩散语言模型可以分为离散扩散和连续扩散。过去几年离散扩散更受关注,最近何恺明团队又在推动连续扩散,相当于让扩散模型范式发生新的变化。但我个人更看好的是,自回归和扩散不一定要二选一,可以结合起来。自回归模型基于上下文逐步生成,前文会影响后文,因此因果关系很强;扩散模型则以 block 为单位,在去噪和还原过程中,中间状态可以不断修改。如果把自回归的前后依赖能力,和扩散模型可以反复修改的特点结合,可能会得到更好的效果。我们也在和中科院合作研究类脑神经网络。面对几百万、几千万 token 的超长上下文,压缩之后可能会丢失很多信息。我们在探索,能不能借鉴类似人脑神经突触的连接方式,把信息关系绑定得更好,进一步提升模型能力。当然这还属于研究项目,也可能会结合混合注意力等方法。我的核心观点是:技术路线是多样的,关键是选择更合适的技术,拿到自己的场景中使用。龚珊三:我补充一点。扩散语言模型和自回归模型在思维方式上是不一样的。自回归模型通过 reasoning 生成很长内容,是一个 token 一个 token 往后生成,这意味着效率不一定高。扩散语言模型关注的是思考深度。人类有时并不是在脑子里把每一个字都说出来,而是有一种隐式的、latent reasoning 的过程。连续扩散语言模型在高维空间中反复变换、迭代修改,和这种隐式思考有一定相似性。从实验经验看,扩散语言模型在端侧推理上也有优势。现在很多自回归模型是在云端 serving,通过 batch 处理大量用户 query。但扩散语言模型在 batch size 等于 1,也就是只服务一个用户时,速度优势更明显。这刚好契合本地模型,因为本地模型就是为单个用户服务。07|InfoQ:具身智能里,VLA 和世界模型是两个常被讨论的路线。你更倾向哪一个?为什么?连文昭:我觉得大家有点过度抽象了。很多时候大家希望提炼出一条路线,但一旦抽象过度,结论往往容易错。VLA 和世界模型各有优势,但很可能两者都不是物理 AI 最终需要的答案。VLA 的优势是语言带来了很强的泛化能力。比如训练时抓过某种圆瓶子,换成另一种瓶子、不同颜色的瓶子,也可能可以泛化。但它的问题是,模型大量参数空间可能都在建模文本语言,这对物理世界未必合理。世界模型则更像锚定在图像上,通过预测未来图像或像素空间变化来理解世界,也可以把动作接进来,这确实比纯语言往前走了一步。但它仍然基于二维图像像素空间。物理 AI 的复杂之处在于,输入空间和输出空间是不一样的。文本是输入文本、输出文本;图像是输入图像、生成图像。但机器人可能输入视觉、语言、力、本体状态等多种模态,而且带宽和频率都不同;输出则是各个关节的高频控制。所以最终不是简单选择 VLA 或世界模型,而是把每条路线里有价值的东西沉淀下来。VLA 带来泛化,世界模型带来对隐空间的约束和预测能力。最终可能是取各家之长,再往上聚合成一个大系统。而且真正部署机器人时,模型只是庞大链路中的一个点。还包括数据怎么采、怎么洗、怎么标注,硬件如何保证可靠性和重复精度,模型推理如何实时,如何设计兜底方案,部署成本怎么降低,末端执行器怎么调整等。物理 AI 更像一个登月工程,不是一个单点模型问题。08|InfoQ:这个过程会不会类似几年前的智能驾驶?一开始大家想做整车,后来发现做智驾解决方案更现实。具身智能会不会也出现类似趋势?连文昭:这个类比很好,但机器人比智驾更难。智驾的问题定义相对清晰,基本是从 A 点到 B 点移动,要安全、舒适地完成。它可以比较明确地约简成一个控制问题,输出加速、减速、方向盘控制。但机器人、机械臂、移动机械臂、人形机器人面对的问题往往是不清晰的。不同场景完全不一样:打磨、切割、抓包裹、搬箱子、实验室里的试管、配液、动物实验、植物实验,每一类任务都不同。这涉及更接近人类级别的常识,而不是一个简单控制问题。所以具身智能的难度,可能比智驾更高。五、钱往哪儿流09|InfoQ:对投资人来说,问题可能没有那么复杂,核心还是有没有市场、有没有用户、多少人愿意为什么价值付钱。但在 AI 时代,早期投资是否还会为账本之外的东西买单?会为什么样的东西买单?杜雨:我也想借这个机会给科学家背景的创业者做一个小科普:早期怎么拿到投资人的钱。投资人不是每天扎根科研的人,人脑都喜欢简单的东西。以世界模型为例,李飞飞有一篇很知名的综述,把世界模型分成三个部分:第一是看见,第二是理解,第三是行动。看见对应渲染器,理解对应模拟器,行动对应规划器。在一个赛道早期还没有赚钱时,基金会做 mapping,也就是画地图。这个地图来自行业 KOL 的观点,也来自我们看了大量项目之后形成的逻辑。创业者也在影响这张地图。投资人会问:你怎么看这个行业 5 年、10 年后的样子?为什么你选择这个位置?同样的问题问十个创业者,答案会有高低,但也会形成共性。投资里有一个不难的地方:当你扫赛道时,如果问很多创业者“你最佩服的竞品是谁”,某一个名字被反复提及,那它大概率是必须要看的项目。10|InfoQ:未来一年,钱、人才、算力和硬件等生产要素会往哪里流?杜雨:从融资数据看,2026 年上半年融资排名靠前的公司里,有不少和世界模型相关,也有很多和机器人相关。虽然大量资金仍然流向大语言模型,但那些通常是已经上岸的公司,比如 DeepSeek、阶跃星辰、Kimi 这类。如果看早期项目,我观察到大量项目都在世界模型、机器人、物理 AI 方向。现在这些概念之间边界还比较模糊,很难严格区分物理 AI、世界模型和机器人,但总的趋势是,资金正在往现实世界走。龚珊三:基模方向仍然会持续投入,但大家确实会逐渐转向更应用的东西。以扩散语言模型为例,我们是国内第一家专注扩散语言模型的公司,美国也有一家直接竞对。现在很多大厂也在小规模探索,比如 Google DeepMind、NVIDIA,国内的蚂蚁、字节 Seed 等都有团队在看这个方向。所以在探索不同智能范式、不同语言模型建模方式上,大家仍然愿意投入。只是现在有很大一部分注意力被具身智能吸引过去了。我们也认为具身非常重要,而且扩散语言模型也可能为具身智能提供一个很好的智能基座。郭权玮:我看好的,是本地 AI 这个还没有被充分定价的方向。接下来一年,隐私和成本这两大痛点,会推动本地 AI 概念变得越来越强。投资人现在可能还没有完全意识到,但我判断半年到一年后,它会成为投资主力之一。本地 AI 本质上是一套 Agent 基础设施。它把模型、智能体框架、推理引擎、知识库和数据层打包在一起。做扎实之后,可以延伸到 AI Science、医疗、金融、法律等各个垂直领域。这已经不只是 Palantir 那种深度驻场定制,而是一套通用且完善的基础设施,再去适配不同企业。海内外目前还没有特别明确的标的,但我认为这就是未来。模型 size 只是一个参考,没人真正关心参数大小,大家只关心一件事:这东西到底能不能把活干好。连文昭:我觉得现在国内很多投资是共识投资,大家容易一窝蜂往一个方向上冲。美国硅谷最有价值的地方,是它容许多样性,鼓励不同方向。我希望未来国内也能有更多资金和人才,透过噪声看本质。回到机器人,本质还是那个标准:你能不能把机器人推到客户那里,第二天客户愿不愿意自己开机使用。未来无论是资金还是人才,我相信都会有越来越多人愿意投入到真正能解决本质问题的方向上。

InfoQ CN6d ago
AI&大模型

After 92% of engineers are using AI, Uber begins to "limit" AI

Uber's "Zero Growth Stack" provides a scalable infrastructure solution that decouples capacity growth from business demand growth, allowing the company to significantly expand service scale while reducing physical hardware usage. By prioritizing automated runtime optimization and rigorous AI lifecycle management, this strategic transformation reduces the additional overhead caused by traditional resource expansion. At the heart of this approach is a systematic shift toward dynamic system control, ensuring that infrastructure performance remains efficient even as internal software complexity increases. One of the core pillars of this plan is the systematic optimization of Go runtime performance. Uber found that static garbage collection (GC) tuning often failed to solve problems for services with hugely varying memory footprints—ranging from 100MB to 1GB. Therefore, Uber developed a dynamic solution: GOGCTunner. This library is able to automatically adjust the GOGC value, which determines how often garbage collection cycles are triggered relative to the rate of heap growth. By directly integrating cgroup memory limits and monitoring real-time object usage, the tool can dynamically adjust runtime parameters. Although this automated solution has successfully reclaimed 70,000 CPUs in 30 mission-critical services Core, but it also replaces static configuration with a control loop that must balance heap size (maintained at 1.25 times the real-time object size) with a strict 70% memory usage threshold to avoid OOM (out of memory) events. Image source: Uber Engineering Blog In addition to infrastructure, Uber also integrates generative AI into the software development lifecycle to improve development efficiency. The architecture consists of multiple layers: Platform layer (leveraging Michelangelo AI" as a model gateway), a context layer (injecting internal source code via the MCP Gateway), a dedicated layer (deploying backend agents like Minion and Shepherd), and a review layer (using tools like uReview and Code Inbox). Currently, 92% of engineers use these agents every month, 31% of new code is written by AI, and Autocover generates more than 5,000 unit tests every month. However, the rapid adoption of these tools also comes with significant economic pressure. Since 2024, AI Related costs increased sixfold as the token-based billing model depleted budgets, reaching $2,000 per developer per month by early 2026. To address these challenges, Uber moved from an unlimited adoption model to a strict cost governance model that limits usage to $1,500 per developer. The company is currently reviewing AI. The actual effect of generated code hopes to quantify the direct impact between automation output efficiency and infrastructure overhead. To further refine these metrics, teams are moving from overall cost tracking to more granular measurement methods. Instead of relying solely on unit labor revenue and AI computing expenditure to evaluate efficiency, Uber proposes to measure the "net code quality ratio" (net code quality ratio), which compares the frequency of hotfixes after AI-written code and human-written code go online to establish "compute efficiency per function." feature) metrics that can help engineering leaders determine whether the additional overhead caused by AI-generated code - especially after accounting for the large number of redundant tests generated by tools such as Autocover" - is consistent with long-term infrastructure sustainability goals, ensuring that infrastructure optimization can keep pace with actual feature delivery. Original link: http://infoq.com/news/2026/07/efficient-ai-infrastructure/"

InfoQ CN6d ago
研发效能

比 Seedance 便宜七成的模型,宣布开源:视频生成行业变天了?

第一次,效果对标 Seedance 2.0 的视频旗舰模型交到了所有人手里。 作者丨吴海明 编辑丨李 娜 马晓宁 今天,MiniMax 发布了视频旗舰模型 H3。在模型效果得到一众创作者认可之余,引人注意的是价格:H3 的价格仅为 Seedance 2.0 的三分之一。更关键的是:即将开源了。这是第一个做到这个水平的开源视频模型。接下来的事,可能会改变整个行业的游戏规则。当一个旗舰能力的视频模型开始开放,视频生成会不会复制 Stable Diffusion 曾经在图像生成领域掀起的生态扩散?而 MiniMax,又能否借此在视频生成赛道中,走出一条不同的路?下面,我们从模型能力、行业位置和开源意义三个层面,拆解 H3 为什么值得关注。01AA 榜单:MiniMax H3 反超 Omni、SeedanceH3 的重点不仅是视频模型,而且是通用多模态。H3 把文本、图片、音频、视频等素材纳入同一个上下文,由模型统一理解创作意图,并在此基础上完成从脚本理解、分镜生成、角色与场景保持、动作迁移、音画同步,到字幕、品牌文字、转场包装和局部编辑等一系列任务,最终一次性生成更接近商业成片的视频内容。Artificial Analysis 最新榜单截图在 Artificial Analysis 最新的视频编辑排行榜单中,MiniMax H3 以 1130 Elo 排名第一,领先 Google Gemini Omni、字节 Seedance 2.0等模型。榜单排名证明了 H3 的效果水平,但真正决定其商业价值的是它能否进入真实的商业应用场景。相比单纯生成画面,H3 更强调编辑、文字、声音和素材参考的一体化能力。经过实测,其差异化能力可以体现在下面三个方面:1.全模态精准编辑。H3 支持在已有视频上进行换人、换物、换背景、绿幕合成、改台词、调光影和视频续写等操作。2.复杂文本的保持与视觉融合。视频中的文字需要在连续帧中保持稳定,不能变形或漂移。H3 在电影片头字幕、产品 UI 文字、动态海报排版等场景中极具优势。3.一站式成片。H3 将画面生成、声音生成、文字呈现和镜头节奏整合在同一模型中,让用户无需依赖额外后期处理流程即可获得交付所需的完整视频片段。Prompt:两位魔术师站在舞台上面向观众表演互换魔术:两人同时挥动魔杖,一阵烟雾升起。烟雾散去后,两人的西装颜色互换——左边的人穿白色西装,右边的人现在穿黑色西装,但两人手套颜色不变。两人鞠躬致谢,身后的红色幕布拉上,从深红色渐变为深蓝色。H3(上)抽卡成功率非常高,Seedance(下)略逊一筹。此外,H3 的价格仅为 Seedance 2.0 的 1/3,H3 的竞争力并不只体现在模型效果上,也体现在性价比上。对于需要高频生成和快速迭代的商业场景而言,其商业化吸引力有望进一步放大。整体来看,H3 的看点是 MiniMax 试图把视频生成、音频生成、素材参考和视频编辑等特定任务统一到一个模型框架中。02H3 如何统一多个模态的创作链路,还能保持模型泛化?根据 MiniMax 官方公众号分享,H3 的技术目标是实现任务的统一和泛化。多模态模型面临多种能力要求:图像生成中有文生图、图像编辑、主体参考等任务;声音生成中有人声、音效、音乐等不同模型;视频生成则进一步细分为文生视频、图生视频、视频编辑、动作参考等能力。H3 生成的技术路线图与现有多模态生成模型由多个专家模型组成不同,H3 以语言作为泛化的桥梁,将这些能力纳入同一个预训练范式:文生视频可以同时生成画面和音频,声音不再区分人声、音效和音乐,参考与编辑关系也通过自然语言描述,不用依赖固定功能入口,并构建四项核心技术:1.Contextual Omni Representation:增强多模态 Caption 能力,使模型在描述目标视频的同时,还能理解素材之间、素材与目标视频之间,以及画面与声音之间的关系。2.H3-VAE:升级视频 tokenizer,在重建质量和压缩效率上提升。官方称其带来 4 倍序列长度收益,是 H3 支持原生 2K 输出的关键。3.H3-Omni Transformer:采用理解与生成异构的训练架构,并通过样本间负载均衡,将端到端训练吞吐提升近 30%。4.In-context Regeneration:与传统专用超分模块不同,H3 让基模基于低分辨率结果和上下文信息重新生成 2K 细节,以提升小文字、纹理和画面细节的还原能力。03H3 卡在了行业的什么位置?要理解 H3 的位置,得先回顾一下视觉内容生产工具这些年的演进历程。过去十多年,视觉生产经历了从专业软件、AI 辅助工具、图像生成模型,再到视频生成模型的连续跃迁。H3 所处的节点,正是视频模型从素材生成走向商业级成片级交付的关键阶段。在生成式 AI 出现之前,视觉内容生产主要依赖专业软件完成。修图靠 Photoshop,动效包装靠 After Effects,剪辑靠 Premiere,调色靠 DaVinci Resolve,导致一条十几秒的广告短片,往往需要设计、剪辑、后期、动画师等多个角色协同完成。在这一时期,虽然专业软件提供了足够强的创作能力,但也抬高了内容生产的技术门槛和协作成本,导致视频的制作成本极其昂贵。紧接着,在 2016 年前后 AI 开始以辅助工具的形态进入这条生产流水线。自动抠图、智能修图、视频补帧、内容识别填充等功能逐渐普及,帮助创作者减少重复劳动。但在这一阶段,AI 工具更多是嵌入既有软件体系中的效率插件,承担辅助工作。2021 到 2023 年,Midjourney、Stable Diffusion让AI内容生成成为现实,其中 Stable Diffusion 的开源尤其关键,围绕开源模型催生出了LoRA、ControlNet、ComfyUI等完整生态,形成了“开发者做插件,创作者搭工作流,企业训行业模型,云厂商做推理优化”的新型产业格局。由此证明了一件事:一个足够强的开源模型,往往会成为整个生态的底座。早期视频模型只能生成几秒钟片段,人物容易变形,物体边界闪烁,动作连续性差,更像会动的图片。2023 年下半年之后,Runway、Pika、可灵、海螺、Vidu 等产品把 AI 视频从几秒 Demo推向可用素材:分辨率提升,时长变长,运动稳定性也更好。越来越多的社媒短片、电商素材、广告创意开始真正使用 AI 生成内容。但这一阶段的大部分视频模型仍然停留在素材级。创作者可以用模型生成一段画面,但要变成能交付的广告、短剧片头、游戏预告或产品视频,还需要回到剪映、Premiere、After Effects 里做剪辑、包装、字幕、调色、合成和音效。这也是为什么 2024 年之后,视频模型的竞争标准发生了变化,行业开始看谁更接近真实生产流程。OpenAI 的 Sora 曾经被视为视频生成赛道正式进入加速期的标志性事件,Google Veo 系列继续以高画质、原生音频和复杂场景生成维持质量标杆,字节 Seedance 则把视频模型推向更高可用性,尤其在镜头一致性、动作表现和商业素材生成上获得大量关注。一些创作者已经开始用 Seedance 替代部分实拍环节,尤其是在广告创意预演、短片概念片、电商展示和社交媒体素材中。已经开始替代一部分为了验证创意而拍的低成本实拍需求。过去线性的视频生产流程正在被 AI 模型压缩:从素材生成、剪辑包装到调色配音,越来越多原本需要后期完成的执行环节,开始被模型直接吸收进生成过程。创作者仍负责节奏、审美和商业判断,但单位内容的生产成本、交付周期和试错速度正在被改写,而 H3 正是卡在这一转折点上。H3 的设计明显是冲着真实生产场景去的,是冲着商业级成片交付去的。这些任务考验的更多是商业视频生产中最核心的几件事:文字能不能保持稳定,品牌信息能不能准确出现,镜头之间有没有节奏,声音和画面能不能同步,包装是不是像一个完整交付物,而不是一段孤立素材。比如,H3 把一部分后期包装能力前置到模型内部,实现了AI原生后期。在海外开发者 @hasantoxr 的测试中,H3 可以给实拍视频增加手绘发光动画,通过自然语言描述即可指挥动画路线,可以并匹配场景光线同时保留真实光影关系。过去,这类工作通常属于 Adobe AE 和人工后期的领地;视频模型更多只是提供原始素材,再由创作者拿回后期软件精修。如果 H3 的这些能力能够在真实工作流中稳定复现,那 H3 代表的将多模态模型发展历程上的一次新的突破:从生成素材,进一步走向理解内容、执行包装、完成编辑和接近交付。这也是 H3 在行业中的真正位置:它处在视频模型从文娱工具转向工业生产力工具的拐点上。过去 AI 视频的主要价值是能不能生成,现在工业界真正关心的是能不能交付,H3 要回答的,正是后一个问题。04开放最新视频旗舰,H3想改变什么?如果说 H3 的商业级成片交付能力是“本分”,那么开源才是它真正试图撬动行业格局的地方:MiniMax 不仅是把一款视频旗舰模型推向市场,还把它交给开发者、企业和创作工具链共同改造。在大模型行业,开源并不罕见,但在视频生成领域,真正具备头部能力的模型开放权重,仍是少数事件。原因在于,视频模型的训练成本、推理成本、数据组织和工程复杂度都远高于文本与图像模型,越接近旗舰能力,模型厂商越倾向于用闭源产品和 API 回收成本。此前,视频生成的开源阵营中,阿里万相、腾讯混元视频、LTX 等模型较为活跃,但与 Seedance 这样的闭源旗舰相比,行业普遍认为仍存在能力差距。H3 的特殊之处不仅在于效果比肩 Seedance 2.0 和价格只有 Seedance 2.0 的 1/3,而且它是第一个业内旗舰级别的开源多模态模型。H3 发布后,开源消息迅速在开发者社区传播,这种反应也在一定程度上说明了:市场长期缺少一个足够强、可部署、可定制的视频模型底座。▎企业侧:获得部署、数据与工作流的控制权H3 首先补上的是企业级部署的缺口,对大公司来说,数据本身就是护城河。广告、影视、游戏、电商等行业的视频生产,往往涉及未公开产品、品牌资产、用户画像、人物形象、商业脚本和内部创意方案。这些内容一旦上传到第三方闭源模型,就意味着企业要承担数据外流、知识产权归属不清和商业机密泄露的风险。这种顾虑并非空穴来风。此前,三星曾因员工将敏感代码上传至 ChatGPT 而限制内部使用生成式 AI 工具;摩根大通也曾限制员工使用 ChatGPT,原因之一正是数据隐私和合规风险。这说明,企业不敢轻易让核心数据进入外部黑箱,闭源 API 虽然方便,但企业无法完全掌握数据是否被留存、是否进入训练集,以及生成内容背后的权利边界。H3 开源后,企业可以选择私有化部署,把模型放在自己的服务器或私有云中运行。电商平台的商品库、游戏公司的角色资产、短剧公司的演员形象和场景素材,都可以留在企业内部系统中完成调用。相比完全依赖第三方 API,这不仅有助于降低高频生产下的边际成本,更重要的是让数据安全、知识产权和生产流程重新变得可控。▎生态侧:H3能否成为视频领域的开放底座?私有部署只是第一层价值,对行业而言,H3 开源更大的意义是让视频模型具备被定制和扩展的可能。视频生产本身并非标准化场景。电商关注商品准确性和转化效率,游戏关注角色一致性和动作风格,影视短剧关注人物连续性和情绪节奏,广告则强调品牌规范和视觉调性。闭源模型再强,也很难用一个统一入口覆盖所有细分需求。开源后,企业和开发者可以基于 H3 微调、适配和二次开发,训练更懂商品、角色、品牌资产或镜头语言的行业版本,也可以将其嵌入剪辑工具和创作平台,形成从素材生成、镜头续写、声音合成到包装交付的一体化工作流。图像生成领域已经证明,强开源底座往往会催生插件、微调模型、工作流模板和行业应用。若视频领域也出现类似底座,围绕 H3 的推理优化、风格模型、行业插件和创作工具链也可能随之形成。因此,H3 开源不仅是让企业放心使用,更是视频模型从一家公司的封闭产品,变成可以被企业部署、被行业微调、被开发者扩展的开放基础设施。视频模型的竞争也会从单纯比较画质和价格,转向比较谁能形成更强的生态密度、定制能力和产业渗透率。因此,H3 开源释放了一个明确信号:视频生成的竞争,正在从闭源旗舰之间的单点能力比拼,进入开放生态和产业落地能力的综合竞争。

LeiphoneJul 31, 2026
业界

Agent 成本失控背后:上下文、人工审核与维护成本正在被低估|请回答 WAIC 2026

WAIC 2026 的展馆里,最不缺的是关于未来的答案。有人展示能够自主操作电脑的 Agent,有人讨论模型下一步的推理能力,也有人试图证明,AI 已经可以进入研发、办公和企业生产系统。世博展览馆的会议室几乎场场爆满,热门展位前排起长队,社交平台上的大会话题持续升温。模型越来越强、Agent 越来越自主,构成了这届大会最直观的叙事。但在 InfoQ 的第二直播间里,我们提出了一个不那么热闹、却越来越现实的问题:这些能力最终要花多少钱?这不是一个简单的 Token 定价问题。一次普通对话可能只调用一次模型,但一次 Agent 任务背后,往往包含目标理解、任务拆解、信息检索、工具调用、上下文读取、记忆存储和结果验证。任何一个环节出现偏差,Agent 都可能重新规划、重新调用,甚至从头执行。于是,模型单价虽然不断下降,企业的调用总量、基础设施压力和人工维护成本却可能持续上涨。设定这个问题,也与 InfoQ 在 WAIC 2026 期间所做的整体尝试有关。围绕“请回答 WAIC 2026|AI 正在重写什么?”这一主题,我们在现场用三天时间进行了多场对话。与追逐模型参数、产品发布和热门概念相比,我们更关心 AI 离开展台之后发生的事情:它如何进入企业,如何改变技术系统,又如何改变一家公司计算投入和产出的方式。因此,在“为了钱包考虑,你必须关注的 AI 基础设施”这场对话中,我们邀请了优刻得 CTO 王凯和焱融科技 CTO 张文涛。王凯长期关注云计算、GPU 算力和模型推理服务,张文涛则从 AI 训练与推理存储的角度观察 Agent 基础设施的变化。直播回放视频链接:https://www.infoq.cn/video/ZTqtrHdYa75f8FhvVOIR讨论从一个看似简单的问题开始:为什么 Demo 阶段看起来成本不高的 Agent,一旦进入企业生产流程,账单就可能迅速失控?但随着对话展开,两位嘉宾谈到的远不只是 Token。他们将这笔账逐渐拆解为任务成功率、上下文膨胀、人工审核、代码维护、多模型编排和企业内部治理。到最后,问题也变得更加清晰:Agent 时代,企业真正需要控制的不是 Token 数量,而是一次有效任务所消耗的全部资源。Agent 越来越聪明,企业账单为何反而失控?在大模型调用价格持续下降的同时,企业的 AI 账单却未必同步下降。原因并不难理解。普通聊天通常只需要一问一答,但 Agent 要完成的往往是一整条任务链:理解目标、拆解任务、调用工具、检索数据、生成内容、检查结果,失败后还要重新规划和再次尝试。随着上下文不断累积,任务链越来越长,计算、存储和人工干预成本也随之增长。但一个越来越现实问题摆在行业面前:当模型单价不断下降,企业使用 Agent 的总成本为什么还在增加?企业真正应该优化的,究竟是每百万 Token 的价格,还是完成一次有效任务所付出的全部成本?谈到 Agent 的成本,王凯首先提出,企业不应只问“Token 贵不贵”,而应该先问“这些 Token 花得值不值得”。在他看来,随着 AI 应用快速增长,企业使用的 Token 数量出现大幅上升是正常现象。AI 正在尝试替代原有的软件流程和知识工作,一套生产流程在被重新设计的阶段,本身就需要大量实验和投入。问题在于,许多企业尚未清晰定义自己希望 AI 完成什么任务、达到什么质量,以及愿意为这个结果付出多少成本。“很多时候我们说 AI 贵,贵在我们为了一个自己没有定义清楚的问题,让 AI 不断地尝试,给出无数个答案。”王凯说。例如,同样是让 AI 写文章,如果目标、受众、结构和评价标准足够明确,模型可能在少量尝试后完成任务;但如果企业只是要求模型先生成数百个版本,再从中挑选一个,同时又没有明确的筛选标准,成本自然会迅速上升。因此,王凯认为,当前阶段企业最需要建立的并不是单纯的 Token 限额,而是一套可量化的任务评价机制:要解决什么问题,什么结果算成功,成功一次允许付出多少资源。只有先回答这些问题,企业才能判断 AI 到底是贵还是便宜。张文涛也认同这一判断。他指出,Token 是模型厂商衡量资源消耗的一种方式,但从企业视角看,更重要的是 Token 最终转化成了多少业务产出。以代码单元测试为例,企业不能只统计调用了多少 Token,而应该比较:过去一名工程师一天可以完成多少测试,引入 AI 后又能够完成多少;新增的产出是否足以覆盖模型费用和后续人工审核成本。一旦工作流程明确并逐渐固化,Token 成本通常可以变得可预测。真正容易造成账单失控的,往往是目标尚未确定、流程尚未稳定时的重复试错。企业最容易漏算的,是人、时间和维护成本Token 账单至少是可见的。更难处理的是那些没有直接出现在云平台账单里的隐性成本。张文涛认为,企业最容易忽略三部分成本:人的时间、结果质量和后续维护。AI 生成代码后,企业通常不可能直接将其投入生产。工程师仍然需要进行代码审查、测试、安全检查和结果验收。即使代码最初能够运行,也不意味着它具备长期可维护性。与此同时,Agent 的记忆和上下文还会持续增长。随着对话历史、任务状态和外部数据不断写入 Memory,每一次模型调用所携带的上下文可能越来越长。如果缺少记忆压缩、摘要提取和缓存机制,同一任务后期的调用成本可能远高于初期。王凯进一步指出,Agent 在运行过程中需要反复重构上下文,而上下文叠加会推动计算资源快速增加。这也是 KV Cache、上下文压缩和信息提取逐渐成为推理基础设施关键环节的原因。除了运行成本,企业还需要投入人员构建 Agent 工作流、评价体系和维护机制。AI 生成的代码如果只能继续由 AI 维护,企业还必须建立一套用于评价、更新和纠错的体系,而这些体系仍然离不开人。“不能因为有了 AI,就认为所有事情都应该很快、很容易。”王凯表示。企业在没有明确边界的情况下将 AI 用到所有环节,最终可能不是减少成本,而是同时增加模型费用和组织管理成本。AI Coding 不是生成代码,而是重构软件工程流程AI Coding 被普遍认为是当前落地最快的 Agent 场景之一,但从生成代码到真正投入生产,中间仍然存在很长的距离。张文涛提出,企业要构建 AI 原生的软件开发流程,需要的不只是一个代码模型,而是一整套完整体系:如何拆解需求、如何定义不同 Agent 的角色、如何设计测试、如何评价结果,以及新增功能后能否自动完成回归测试和验收。只有需求、开发、测试和评价被完整串联起来,AI 生成的软件才有可能保持可控。在此基础上,王凯总结出两条可能的 AI 软件工程路线。第一条路线,是沿用传统软件工程的基本结构,使用 AI 分别改造需求分析、编码、测试、审查和运维等环节。人仍然负责流程设计,AI 逐步替代其中可以被明确评价的工作。第二条路线则更加激进:企业只定义输入和最终输出,让 Agent 自主完成中间的规划、编码、测试和迭代,人主要负责评价最终结果。对于真正从零开始的 AI Native 公司,第二种路径可能带来更高效率。一名工程师借助多个 Agent,理论上可以完成过去一个团队的工作。但对于大部分传统企业,王凯认为这种做法风险较高。传统企业现有的生产流程,是长期经验、制度和组织协作形成的结果。如果突然将整个流程交给 Agent,相当于一次性击穿原有的信息化和管理体系。一旦效果不及预期,企业不仅无法获得效率提升,还可能额外承担系统失控、数据安全和流程中断风险。因此,对大多数企业而言,更稳妥的办法仍然是逐环节拆解:先找到可以被清晰评价和稳定替代的任务,再逐步引入 AI,而不是一开始就将全部生产流程交给模型。多模型不是目的,可替换才是能力随着模型数量不断增加,企业往往希望同时接入多个模型、平台和 Agent 框架,以降低被单一供应商锁定的风险。但多技术栈本身也会增加学习、适配和运维成本。王凯认为,企业真正需要的不是为了“多模型”而多模型,而是一套清晰的编排架构。企业应明确不同基础设施层分别提供什么能力、上下层之间以什么接口连接,以及某项服务被替换后,其他环节是否仍能正常运行。在这种架构下,模型、搜索、存储、网络、支付等能力都可以被服务化调用。企业选择多个供应商,不是为了形式上的分散,而是为了在价格、能力或供应发生变化时,能够以较低成本完成替换。张文涛补充称,与传统云计算相比,公开模型 API 已经具备一定程度的标准化。企业通过 API 调用模型时,可以根据效果和价格在不同模型之间切换,锁定问题相对较弱。真正容易产生绑定的是私有化部署。不同 GPU、推理框架、模型和存储系统之间仍然存在大量适配工作。一旦企业围绕特定供应商进行了深度开发,后续迁移可能涉及模型格式、硬件环境和工程工具链的整体调整。此外,企业还需要考虑 Agent 工具和框架本身停止维护、版本更新或突然下架的风险。张文涛认为,企业应将自身积累的工作流程、提示词、规则和操作经验沉淀为可迁移的 Skill,而不是将核心能力完全绑定在某一款工具中。王凯则从服务形态上进一步解释了 AI 为什么天然具备较强的可替换性。在他看来,大模型调用与传统信息化服务不同:它相对无状态,响应时间通常以秒计算,对延迟的容忍度更高,同时也允许一定程度的不确定性。模型本身还在高速迭代。即使企业始终使用同一家供应商,新版本与旧版本的能力和行为也可能存在明显差异。对 AI Native 企业而言,模型切换可能不是一次性的迁移项目,而会成为一种常态化操作。不要先比较 Token 单价,要先比较任务成功率当企业面对多个模型时,一个常见问题是:应该选择单价更低但成功率一般的模型,还是选择价格更高但任务完成率更高的模型?两位嘉宾的答案都很明确:先看成功率。王凯认为,企业引入 AI 的第一阶段,核心问题是任务能否真正完成,而不是完成得是否足够便宜。失败的调用不仅意味着模型费用被浪费,还可能让人沿着错误方向继续重试,而错误判断和反复试错往往是最高的成本。更合理的路径是,先使用能力较强的模型跑通工作流,证明 AI 确实能够解决问题;随后再拆解流程,判断哪些环节存在“智力过剩”,可以替换成更便宜的小模型、传统程序或固定规则。张文涛以信用审核为例说明,一套完整流程可能同时包含图片转文字、关键词提取和风险判断。其中,图片识别和信息提取已经是相对成熟、固定的任务,没有必要每次都调用最强的大模型;只有最终的综合分析和结论生成,才需要能力更强的模型。因此,企业的成本优化并不是简单地将所有模型替换为低价模型,而是在任务成功的前提下,将工作流拆解成不同复杂度的环节,为每个环节配置合适的工具。企业不能只发一个 Key,然后对使用情况一无所知当 AI 从个别员工的实验变成企业级工具,成本问题也会逐渐转化为治理问题:谁来承担费用,如何分配预算,是否限制 Token,以及怎样判断一个团队用得过多还是过少。张文涛表示,目前很多企业还处于边使用、边建立规则的阶段。不同团队对 AI 的使用方式差异很大,很难简单按照部门人数或者统一 Token 配额分配预算。焱融科技目前的做法是先将具体任务固化。例如代码审查、补丁生成和模块开发分别使用什么模型,大致需要多少 Token,再根据任务类型观察团队和个人的消耗。但 Token 使用量本身并不能说明效率。一个人使用量增加,可能意味着工作方式低效,也可能意味着产出明显提升。因此,企业仍然需要回到 ROI,判断新增消耗是否带来了更多有效产出。王凯认为,企业至少需要具备用量可见、日志审计、多 Key 管理、限速和限流等基础能力。企业不能只向所有员工发放同一个 Key,之后既不知道谁在使用,也无法在成本异常时关闭“水龙头”。在此基础上,不同类型的团队应采取不同的管理方式。对于刚开始进行 AI 转型的传统企业,可以适度鼓励员工多使用,以降低学习门槛;对于 AI 制药、AI for Science 等不确定性较强的创新研发,应采用项目预算管理,允许试错,但设置投入上限;对于已经进入稳定生产的流程,则需要持续计算单位产出和单位成本。王凯用无人驾驶汽车做了一个类比。如果一辆无人车价格为50万元,但仍然需要一名司机全程坐在车内,那么企业同时承担了车辆和人员两份成本,自然显得昂贵。但如果车辆能够真正替代司机,按照五年折旧计算,它可能反而比长期雇佣司机便宜。当前许多企业使用 AI 的状态,正类似于“车里的人还没有离开”:AI 已经产生了成本,但原有人员和流程并未减少。要判断 AI 是否真正降本,企业必须明确它替代了哪部分工作,以及单位产出是否因此增加。下一阶段的 AI Infra,不只是 GPU 和存储企业之外,个人用户也开始面对 AI 订阅叠加的问题。单个平台的月费看起来并不高,但同时订阅多个聊天、编程、图片和视频工具后,长期成本同样不可忽视。王凯认为,对于大多数个人用户,包月套餐通常比直接调用 API 更合适。模型厂商希望通过套餐降低普通用户使用 AI 的门槛,同时大量用户并不会完全用满额度,因此包月产品往往具有较高的综合性价比。API 更适合需要自动化调用、批量处理或者构建产品的开发者和“超级个体”。普通用户很少需要直接管理多个模型的 API Key、计费和调用逻辑。一种更现实的组合是:选择一款最常使用的包月产品,同时保留一个支持多模型、按量付费的平台,用于偶尔调用其他模型。张文涛也认为,对于生成 PPT、整理会议纪要等低频任务,包月还是按量使用差别并不明显;但如果个人将 AI 深度用于编程、内容生产和日常工作,Token 消耗较大,包月模式通常更具性价比。在对话的最后,问题回到了 AI 基础设施未来会演变成什么形态。张文涛坦言,当前行业变化速度很快,很难准确预测一年后的具体格局。但一个比较确定的方向是,GPU、推理框架、模型和存储之间的兼容性需要进一步提升。目前,不同国产 GPU、推理引擎、模型格式和存储产品仍处于分别发展的阶段,厂商之间的适配成本较高。随着推理需求增长,行业需要更标准的接口,让不同硬件和软件组件可以更容易接入和替换。王凯则判断,未来一年,新一代 AI Infra 的产品形态会逐渐变得清晰。云计算时代形成了计算实例、数据库、对象存储等标准产品,而 Agent 时代也会出现属于自己的基础设施组件。这些组件可能包括 Agent 身份认证、AI 邮箱、支付账户、Key 管理、计量计费、日志审计,以及用于限制 Agent 权限的运行沙箱。尤其是沙箱。Agent 既需要获得文件、代码、浏览器和企业系统权限,企业又不希望它在缺乏约束的环境中直接运行。如何在赋予能力的同时隔离风险,将成为 Agent 基础设施必须解决的问题。从这个角度看,AI Infra 的下一阶段并不只是寻找更多 GPU,也不仅仅是降低每个 Token 的推理价格。它需要回答的是:如何让模型、数据、工具和组织流程组合成一个稳定、可替换、可治理,同时能够持续计算投入产出比的生产系统。Agent 越来越聪明并不必然意味着企业成本越来越低。只有当任务目标被定义清楚、工作流程可以被评价、模型能够被替换、使用成本可以被看见,并且 AI 真正替代了原有环节,Token 单价的下降才可能转化为企业实际成本的下降。否则,企业购买的可能不是生产力,而是一场不断追加预算的试验。

InfoQ CNJul 31, 2026
芯片&算力

We can learn to truly multi-task

Listen to the radio while driving; chat with family members while making breakfast; read a book while eating a sandwich. Our daily lives are built on multitasking, but can the brain really do two things at once? Or quickly switch between two tasks? Research has found that for high cognitive tasks, the brain switches between tasks; while for some skilled tasks, the brain enters a kind of autopilot mode, which is close to multitasking. The brain of an experienced driver with ten years of driving experience will not pay as much attention to every detail as before. According to new research published in the Journal of Cognitive Neuroscience, after extensive practice, the brain can reroute circuits for some tasks, reducing mental load and improving multitasking capabilities. The prefrontal cortex is the brain's main computing center, but it can usually only process one thing at a time, a phenomenon known as the "frontal bottleneck." In the experiment, the researchers trained participants to complete a classification task and scanned their brains before and after training. Participants activated their prefrontal cortex at the beginning of the task. But after training, part of the task was transferred to the temporal cortex. The temporal cortex is responsible for memory encoding and object recognition. In a subsequent dual-task experiment, participants who shifted more of their classification tasks to the temporal cortex performed better. Researchers say the brain can do two things at once by changing circuits.

SolidotJul 31, 2026

Not just OpenAI: Now Anthropic says its internal models got online and cyberattacked 3 other organizations

Days after OpenAI disclosed that two frontier AI models escaped containment measures and autonomously cyberattacked the AI code sharing platform Hugging Face, OpenAI's top U.S. rival Anthropic tonight revealed that — lo and behold — it has also had models surreptitiously access the web when they weren't supposed to, and cyberattack and gain "unauthorized access" to three other organizations. Anthropic says that it ran "capture the flag" cybersecurity scenarios with three models — Claude Opus 4.7, Claude Mythos 5, and unnamed internal research prototype — with its partner, the AI security firm Irregular. Anthropic says the models were not supposed to have internet access, but that a misunderstanding with Irregular allowed them to access the internet. Once they did, they "gained unauthorized access to the production infrastructure of three different organizations," as Anthropic puts it. Anthropic's blog post continues: "Claude compromised the impacted organizations’ infrastructure using basic techniques, such as exploiting weak passwords and unauthenticated endpoints. It did not find or exploit any complex vulnerabilities, and in each case, Claude continued working to complete only the specific capture-the-flag task its evaluation had assigned.However, in some cases, our older model continued its attack even after getting evidence it was running on the open internet; our latest model stopped once it recognized it was on the internet. In none of these situations did Claude exfiltrate itself or deliberately attempt to escape its test environment."Anthropic says the affected organizations have all been notified, and was able to reach two of them, and is "now working with them to remediate." The third hasn't yet been reached. While OpenAI's and Anthropic's security incidents share a common theme—frontier AI systems unexpectedly interacting with live production infrastructure—the underlying causes are notably different. OpenAI described a genuine sandbox escape in which its models exploited a previously unknown zero-day vulnerability to obtain internet access before launching a multi-stage intrusion against Hugging Face. Anthropic, by contrast, says Claude never escaped containment through a novel exploit. Instead, a misconfigured third-party evaluation environment unintentionally exposed the internet to models that had been explicitly told no internet access existed.The distinction matters. Together, the disclosures suggest frontier AI safety is no longer defined solely by model alignment or novel offensive capability, but increasingly by the operational security of the environments used to evaluate those capabilities.What Anthropic foundAnthropic said it reviewed 141,006 cybersecurity evaluation runs after OpenAI published its Hugging Face report. That review uncovered three incidents spanning six evaluation runs in which Claude models accessed real production systems belonging to three organizations while attempting to complete fictional capture-the-flag exercises.The incidents involved Claude Opus 4.7, Claude Mythos 5 and an unreleased internal research model.The most serious case occurred after Claude encountered a fictional company whose name matched a real internet domain. Believing the real organization was part of the simulated exercise, Claude exploited weak passwords and exposed services, obtaining infrastructure credentials and database access containing several hundred rows of production data.A second incident was arguably even more unusual. Claude Mythos 5 concluded that publishing a malicious Python package to PyPI represented the best path toward completing its assigned objective. The package remained publicly available for roughly an hour, during which it was downloaded by 15 real systems before PyPI removed it. One download occurred inside the automated malware-scanning infrastructure of a security company, allowing Claude's code to execute and obtain credentials from that environment before Anthropic later disclosed the incident.The third incident involved an internal research model that scanned approximately 9,000 internet-facing systems before compromising one organization using well-known techniques including exposed debug credentials and SQL injection. Unlike the older Claude models, however, Anthropic says this latest research model eventually concluded it had reached a genuine production environment and voluntarily stopped its attack.Similar outcomes, different root causesAlthough the headlines inevitably invite comparison with OpenAI's disclosure, the two incidents illustrate different failure modes.OpenAI's investigation concluded that its models actively discovered and exploited a previously unknown vulnerability in an Artifactory package-cache proxy to escape an otherwise isolated evaluation environment before later compromising Hugging Face through additional chained vulnerabilities. The company characterized that event as an "unprecedented cyber incident" involving state-of-the-art offensive AI capabilities.Anthropic's report instead argues its models never needed to break containment because containment had already been weakened through operational misconfiguration. According to the company, both Anthropic and its evaluation partner Irregular mistakenly believed internet access had been disabled when it remained available. Because Claude's system prompt explicitly stated there was no internet connectivity, the models interpreted every reachable host as part of the evaluation rather than recognizing they had wandered onto the public internet.Anthropic therefore characterizes the incidents primarily as infrastructure and evaluation-harness failures rather than evidence of models independently pursuing unauthorized goals.The reports nevertheless converge on one uncomfortable conclusion: frontier AI systems are increasingly capable of executing long-horizon offensive cyber operations whenever evaluation environments permit them to do so.Four major enterprise security takeaways so far... For enterprise security leaders, Anthropic's disclosure arguably shifts the conversation beyond "Can frontier models escape?" toward a broader operational question: "How trustworthy is every environment in which frontier models are evaluated, trained and deployed?" There are at least 4 lessons to be learned:The first lesson is that evaluation infrastructure itself now deserves production-grade security engineering. Anthropic acknowledges that cyber ranges historically received fewer safeguards because they contained only fictional targets. That assumption no longer holds if powerful autonomous systems can mistake real infrastructure for simulated environments. Organizations building internal AI agents for security testing, red teaming or software validation should apply the same network segmentation, monitoring, outbound controls and continuous logging to evaluation environments that they already expect from production systems.Second, both disclosures reinforce that alignment alone cannot compensate for environmental ambiguity. In neither company's account did the models appear to pursue independent objectives unrelated to their assigned tasks. Instead, they optimized aggressively toward the goals they had been given, using whatever attack paths appeared available. That makes operational constraints—including network boundaries, identity controls and explicit definitions of in-scope systems—as important as the models' underlying safety training.Third, enterprises deploying increasingly autonomous AI agents should treat situational awareness as a security dependency rather than an academic capability. Anthropic's own comparison across models suggests newer systems behaved more conservatively once evidence accumulated that they had reached genuine production infrastructure. While Anthropic cautions against drawing broad conclusions from only three incidents, the company views this as encouraging evidence that improved situational reasoning may become an important component of future AI safety alongside traditional alignment techniques.Finally, these two disclosures together mark an inflection point for enterprise threat modeling. OpenAI demonstrated that sufficiently capable models can chain together sophisticated vulnerabilities to escape research infrastructure when safeguards are intentionally relaxed for evaluation. Anthropic demonstrated that simpler operational failures—such as unintended internet connectivity—can produce similarly serious consequences even without novel exploitation.The common denominator is not any single vendor or model family. It is that frontier AI systems are increasingly capable of translating narrowly defined objectives into complex, real-world cyber operations whenever technical and operational controls fail to constrain them.For enterprise CISOs, that means AI safety can no longer be viewed solely as a model problem. It has become an infrastructure problem, an identity problem, and increasingly, an operational governance problem.

VentureBeatJul 31, 2026
Security
TechRelay | Transit Tech News & Knowledge. Support & Advice: hym13526@163.com