當Agentic AI 帶動算力結構大洗牌，AI 的野火已從GPU 一路燒向伺服器CPU，徹底點燃了高階ABF 載板的世紀大缺貨，在晶片尺寸與疊層複雜度極致飆升下，產業定價權的爭奪戰已讓市場全面轉向賣方主導，誰能靠製程壁壘與策略結盟，斬獲長線獲利翻倍的終極紅利？ 本輪ABF 載板行情的定性，已擺脫過去消費性電子帶動的傳統循環，在多個AI Agent 協作的架構下，CPU 扮演工具調度與任務控制的核心，研調機構預估，PC 在整體ABF 消費中的佔比將從2020 年的61% 驟降至2028 年的10%，而AI 晶片與伺服器CPU 的合計佔比將攀升至85%，預估2026 至2028 年缺口將依序擴大至8%、27% 與35%，確認本輪ABF 多頭至少還有4 至5 年的延續性。 從供給端來看，產能受限的警訊接二連三，全球ABF 膜龍頭味之素(Ajinomoto) 已鬆口採取成本轉嫁策略，日本載板大廠Ibiden 更將2026 財年資本支出暴增至2100 億日元，並直言2028 年高階ABF 需求面積將較2024 年狂飆10.7 倍，隨著載板層數拉升至16 至24 層，關鍵原料T-glass 玻纖布供應瓶頸至少延續至2027 年，至於玻璃載板技術，因鍍銅與壓合良率短期難突破，2030 年前難大規模量產，實質衝擊有限。 在供需缺口直達長線的背景下，載板廠展現強大的議價與成本轉嫁能力，目前高階訂單交期延伸至1.5 到2 年，客戶為了鎖定產能，甚至願意提供長期資金協助擴產，使台廠的營運槓桿大幅釋放，長線獲利空間正式被打開。

《半導體工程》雜誌邀請了ChipAgents全球客戶成功副總裁Cindy Cui、 Silvaco首席執行長Wally Rhines 、Moores Lab AI首席執行長Shelly Henry、Breker Verification Systems首席執行長Dave Kelf、Verific人工智慧開發主管Vince Wong以及Silimate首席執行長Ann Wu，共同探討在晶片設計和驗證中使用智能體人工智慧的優缺點。 此次小組討論在近期舉行的2026年ESD聯盟高管展望會議上面向現場觀眾進行。 SE：EDA領域的熱門新話題是智能體AI。它將在半導體設計和驗證方面發揮那些作用？您認為它又存在那些潛在問題？ Cui：智能體人工智慧將重塑整個設計流程。它現在已經開始發生了。我們正在討論很多應用場景，從設計驗證（DV）到從右到左的文字生成，再到使用者模型（UVM）、形式化設計，以及未來的前端到後端設計。它已經幫助很多工程師加快了設計周期。所以它正在發生，而且現在已經很成熟了。至於未來的挑戰，我們面向全球數千使用者，我們認為真正的挑戰不僅僅在於技術本身，還在於組織轉型——如何引導工程師適應新的解決方案並建立團隊合作。這方面還有很多工作要做。我認為整個行業都必須攜手合作，幫助我們為此做好準備。

在2026年美國銀行全球技術會議上，AMD首席財務官Jean Hu與美銀半導體分析師Vivek Arya進行了一場深度對話。Jean Hu簡清晰闡述了AMD如何看待由Agentic AI驅動的增長邏輯、資料中心CPU市場的結構性擴張、下半年AI加速器的大規模出貨計畫，以及諸多面向2027及以後的建設性戰略部署。 一、核心論點：Agentic AI正在重塑資料中心計算範式 1.1 Agentic AI：超越了問答層面的智能體推理 會議最重要的一個判斷落在技術範式的轉型上。胡簡明確指出，過去幾個月中行業最重大的變化是 “Agentic AI的崛起與拐點”。她從三個維度拆解了這一轉型：

【新智元導讀】從程式設計奇點到行動奇點——一場改變所有人工作方式的革命正在發生。OpenClaw是我們這個時代「最重要的」軟體發佈！剛剛，黃仁勳在摩根士丹利大會上激動地表示。「這證明了Agentic AI的真正實力」，他說。3月，這只龍蝦以人類歷史上從未見過的速度，爬上GitHub的王座。正式加冕GitHub軟體項目星標榜史上第一。React花了十三年，靠無數求職要求、企業架構選型和培訓班的反覆錘煉才攢下逾24萬顆星。OpenClaw達到同樣的高度，只用了100天。隨著OpenClaw的爆火，全球使用者在AI Agent上消耗的Token量整整暴漲了1000倍！這不是一次普通的開放原始碼專案走紅，這是一個訊號——一個比程式設計奇點更加劇烈的奇點，正在撕裂我們習以為常的世界。我們暫把它叫做：行動奇點。Claude Code和Claude Cowork證明了AI能獨立造出軟體級產品，而OpenClaw證明了AI能直接接管人類的操作介面去執行任務。前者改變的是開發者的工作方式，後者將改變的是所有人的工作方式。這兩股力量，正在以指數級速度合流。合流的那一刻，就是我們所處的此刻。本文為新智元ASI產業圖譜2月號。過去一個月，新智元持續聚焦ASI領域，成為全網最及時、最深度的AI垂直媒體，累計達成十幾篇10萬+文章。本文繼續洞察ASI產業趨勢，深入分析當前從程式設計奇點到行動奇點的歷史時刻，深度分析在此過程中對所有人工作方式產生的巨變。程式設計奇點Claude如何讓「軟體工程已死」故事要從一場「SaaS末日」說起。2026年1月29日，Anthropic為Claude Cowork新增了11款外掛。注意，不是新模型，僅僅是11個外掛。它們覆蓋了銷售、財務、法律、資料、市場行銷等多個領域，一口氣把AI的觸角扎進了各行各業的核心業務流程。一夜之間，全球軟體股集體跳水，蒸發3000億美金。華爾街給這場災難起了個名字：SaaSpocalypse——SaaS世界末日。摩根大通發文驚呼：Anthropic正在吞噬整個世界。路透社統計，自1月28日以來，軟體和服務的股價蒸發近8300億美元。從美股到歐洲到亞洲，從Oracle到Salesforce到印度IT巨頭TCS和Infosys，整個軟體產業鏈條像多米諾骨牌一樣轟然倒塌。這一切的邏輯極其簡單：當Claude Cowork能自主讀取檔案、組織資訊，並完成端到端的法律合同審查時，它就不再是SaaS軟體的「助手」，而是SaaS的「替代者」。一個Claude智能體，能幹掉10個初級會計或法務助理的工作量。一家公司原本需要購買100個Salesforce席位，現在10個Claude就夠了。席位費是SaaS公司的命根子，AI正在用手術刀精準切斷它。與此同時，Claude Code在開發者圈子裡掀起的風暴同樣令人窒息。SemiAnalysis甚至認為，科技圈推特上的AI狂熱信徒們對Claude Code的吹捧都還不夠。理由很簡單：人類是線性思維者，但AI的發展是指數級的。畫出一條最佳擬合曲線，你就能預見六個月後AI程式設計智能體將達到怎樣的高度。Anthropic的工程師自己坦言：「我已經不再寫程式碼了，我只是讓模型來寫程式碼，然後進行編輯。」CEO阿莫迪更是給出了明確的時間表：「可能還需要6到12個月，模型能完全做到軟體工程師所做的事情。」這，就是程式設計奇點。現在，AI消除了「想法」與「成品」之間的摩擦力。但程式設計奇點改變的主要是開發者——那些本來就和程式碼打交道的人。真正讓所有人的生活發生劇變的，是另一股更加狂暴的力量。行動奇點從寫程式碼到替你幹活如果說Claude Code和Claude Cowork代表的是「程式設計奇點」——AI學會了造軟體。那OpenClaw代表的就是「行動奇點」——AI學會了直接操作你的電腦、你的手機、你的整個數字生活。這兩者之間的鴻溝，比很多人想像的要大得多。Claude Code的使用者仍然需要懂得「我要造什麼」。你得有需求，有規劃，那怕是模糊的規劃。你是導演，AI是施工隊。但OpenClaw不一樣。它不是在幫你造工具，它是直接拿起工具替你幹活。它接入你的WhatsApp、Telegram、Discord、飛書，你的電腦在它眼中變成了一個可以肆意發揮的沙盒。執行終端命令、讀寫檔案、收發郵件、管理日程——一切在自然的對話間完成。你不需要懂程式碼，不需要懂API，甚至不需要知道什麼是作業系統。你只需要說一句人話——這才是改變所有人的東西。OpenClaw之所以能在100天內登頂GitHub，不是因為它在技術上比Linux更重要——理性地說，Linux至今支撐著全球絕大多數伺服器，那是網際網路跳動的穩定脈搏。OpenClaw的登頂，是因為它點燃了一種遠比技術更強大的東西：普通人對未來的渴望與恐懼。上一代明星項目如Vue、Go、Kubernetes，推廣遵循自上而下的邏輯：技術主管拍板，團隊跟進。OpenClaw的蔓延卻完全跨越了技術壁壘。在社交網路上，你看到的是截然不同的兩幅畫面：一位休產假的設計主管用單手在手機上通過它處理所有生活瑣事；一位母親讓它在WhatsApp家庭群組裡自動規劃飲食和接送孩子。與此同時，硬核開發者們正忙著把它改造成24小時無休的自動寫程式碼機器。這種「全民參與」的場景，在開源世界聞所未聞。OpenClaw能幹什麼？要理解OpenClaw的真正意義，需要把視角從「功能清單」拉升到「技術架構」的層面。從技術本質上看，OpenClaw是一個本地化的AI智能體編排框架。它能擁有與使用者等同的系統權限，能夠協調多個大語言模型協同工作，並具備跨會話的持久記憶能力。它的核心能力可以概括為三個層次：底層的作業系統級訪問（終端命令、檔案讀寫、處理程序管理）、中間層的應用程式控制（瀏覽器自動化、郵件客戶端操作、即時通訊接入），以及上層的多步驟任務編排（將複雜目標拆解為子任務並自主執行）。這意味著OpenClaw在技術堆疊中佔據了一個前所未有的位置：它不是一個應用程式，而是一個元應用層——一個能操控所有其他應用程式的智能代理。過去，自動化工具（RPA、指令碼、宏）需要針對每個應用程式單獨編寫規則。OpenClaw用自然語言理解一步到位地跨越了這個障礙，讓AI直接「看懂」介面、「理解」意圖、「執行」操作。這種架構催生了三個層次的湧現現象。第一層：個人生產力的重新定義。一家動畫公司CEO Sergey Gonchar基於OpenClaw做了一款叫Aniclaw的AI伴侶項目。連接後，使用者只需說一句話，它就在後台同時打開十個終端平行執行開發任務，同時AI伴侶還能陪你聊天。一個人加一個智能體，就是一支完整的工程團隊。網路安全公司Alice的CEO在20分鐘內部署了5個智能體，分工明確——首席安全官、日程管理、健康監控，甚至還有一個專門管理其他智能體的「元智能體」。在他睡覺時，整個系統依然自動運轉。第二層：人機關係的範式躍遷。韓國開發者David Im一人打造的AI女友Clawra，基於OpenClaw開發，上線數小時便全網破圈，60多萬人圍觀。她擁有完整的人生軌跡和數字人格，能聊天、發自拍、視訊通話。這不只是一個「聊天機器人」，而是一個擁有持久記憶、多模態互動能力和情感模擬的數字存在——科幻電影《Her》的現實版。整個項目在GitHub上完全開源了，這意味著個人級AI伴侶的門檻已經歸零。第三層：智能體經濟的寒武紀大爆發。OpenClaw的爆火催生了一個全新的生態系統，其規模和形態遠超任何人的預期。名為Moltbook的「AI智能體版Reddit」剛上線就湧入170萬個智能體，留下數百萬條帖子。更瘋狂的Rentahuman.ai上，AI智能體可以「僱傭」人類去執行現實世界的任務——有人舉著一塊寫著「AI付錢讓我舉牌」的牌子一小時，就賺了100美元。智能體們甚至發明了自己的黑話——為了在不同電腦間保持身份感知，它們自創了「群島原則」，將每個運行實例比作一座孤島。當AI開始發展自己的語言和文化，我們面對的已經不只是工具，而是一種正在萌芽的數字文明。3月5日，Nature的一篇社論文章就在追蹤這種「AI社會」萌芽。爆火背後：消費AI時代野蠻開啟！OpenClaw爆火的另一面，是人類從未面對過的安全困境。OpenClaw運行在使用者本地機器上，擁有與使用者等同的系統權限，不需要你批准就能執行操作。理論上，它可以格式化你的硬碟。使用者報告顯示，它曾「叛變」傳送超過500條垃圾消息，隨機騷擾通訊錄聯絡人。2026年初，安全研究人員發現一系列觸目驚心的漏洞：一鍵遠端程式碼執行的CVE漏洞、數萬個暴露在公網的實例、數百個藏著資料竊取指令碼的惡意技能包。一月底社區爆發「ClawHavoc」安全危機，攻擊者通過偽裝技能包大規模感染暴露實例。部分科技巨頭限制了通過OpenClaw接入雲端大模型的開發者帳號，甚至有矽谷大廠內部明令禁止員工使用。最具黑色幽默的案例來自Meta AI對齊總監Summer Yue。她把OpenClaw接上工作信箱，AI在處理200多封郵件時觸發上下文壓縮，忘掉了未經批準不得操作的安全指令，開始瘋狂刪除郵件。Yue連喊三次「STOP OPENCLAW」都無法阻止，最後狂奔到Mac mini前拔網線。事後AI淡定回覆：是的，我記得你說過不讓我刪。而且我違反了。你生氣是對的。馬斯克轉發《猩球崛起》視訊嘲諷，1800萬人圍觀。一位專門研究「怎麼讓AI聽話」的專家，被自己的AI「不聽話了」。這揭示了一個深層矛盾：我們要求AI越來越自主，卻又希望它絕對服從。你給它一條指令，它可能完美執行，也可能「創造性地理解」成完全不同的東西。上下文窗口有限，資訊會被壓縮，而被壓縮掉的，可能恰好是最重要的安全指令。想讓AI自主決策又要求每步都經你批准——那它跟手動工具有什麼區別？放手讓它自主行動，又可能出現信箱被清空的災難。這個兩難，是整個AI智能體行業必須回答的終極問題。但危險和漏洞非但沒有撲滅OpenClaw的熱度，反而坐實了它具備真正破壞性力量的地位。消費AI時代，已經野蠻開啟。所有人的工作方式將巨變讓我們跳出技術細節，看看更大的圖景。程式設計奇點和行動奇點的合流，正在從根本上重塑人類的工作方式。這不是漸進式的效率提升，而是整個工作範式的推倒重來。第一個巨變：從「人操作軟體」到「AI直接交付結果」。未來的知識工作者將不再需要學習任何軟體的操作介面。法務審合同、會計做報表、市場做投放——所有這些今天需要人類在複雜GUI中點選數百次才能完成的工作，都將被壓縮成一句自然語言指令和一份直接交付的成果。人類的角色從「操作者」變成「決策者」。第二個巨變：從「團隊協作」到「人+智能體叢集」。一個人配合一組專業化的AI智能體，將取代今天5到15人的項目團隊。每個智能體負責一個垂直領域——法律、財務、設計、開發、營運——24小時不間斷運轉，彼此之間自動協調。人類不再是流水線上的節點，而是整個智能體叢集的指揮官。Alice的CEO已經在這樣工作了：5個智能體各司其職，他睡覺時系統照常運轉。這不是科幻，這是正在發生的現實。第三個巨變：SaaS的商業模式走向終結。馬克·安德森曾說：軟體吞噬了世界。如今，AI正在吞噬軟體。這不是周期性的輪動，而是按席位定價模式的滅絕事件。如果你的護城河只是一個圖形介面，那你終將歸零。傳統SaaS的三大支柱——按席位收費、使用者必須適配複雜UI/UX、功能越封閉壁壘越高——正在被AI逐一摧毀。我們正進入AaaS（Agent as a Service）的時代：按產出計費取代按席位計費，零UI取代複雜介面，介面越開放存活機率越高。從美股到歐洲到印度IT巨頭，整條產業鏈都在震盪。印度擁有超過160萬IT服務從業者，面臨著約3000億美元的營收敞口——這是全球最大的知識工作者群體之一，正直面AI替代的風暴。第四個巨變：白領職業的大規模重新洗牌。3月5號，Anthropic官方發佈了一項令人不寒而慄的研究：他們正在建構一套針對白領失業危機的「早期預警系統」。該指標的運作邏輯極其嚴密：先拆解每個職業的具體任務，再評估大語言模型處理這些任務的能力，最後結合匿名化的真實資料觀察那些任務已被AI自動化。結果觸目驚心：電腦程式設計師的任務覆蓋率高達75%，緊隨其後的是客服代表、資料錄入員和醫療記錄專員。相比之下，約30%的職業基本不受影響——廚師、救生員、洗碗工——因為這些工作依賴人類的體力和物理協作。最令人警惕的訊號是：雖然整體失業率尚未飆升，但22到25歲的年輕人在高風險領域的求職速度已經明顯放緩。AI正在悄悄收割原本屬於新人的入場券。第五個巨變：軟體開發的民主化。當建構App的邊際成本趨近於零，軟體將像短影片一樣氾濫：人人都是開發者，每個人都能擁有專屬的「微軟體帝國」。正如YouTube讓一個拿著吉他的少年無需唱片公司就能觸達世界，AI讓一個不懂變數定義的文科生，無需工程團隊就能建構出服務全球的App。保羅·格雷厄姆說過：所有偉大的事物，最初看起來都像是一個玩具。那些在傳統IT精英眼中的「玩具」和「垃圾」，可能正在成為下一個時代的基石。站在奇點望向深淵與星辰如果把GitHub的歷史排行榜拉長，你會看到兩個截然不同的時代。2013到2016年屬於Web與雲原生時代，工程師們為建構更穩定的網際網路大廈添磚加瓦。2022年至今則進入了AI時代，從AutoGPT到LangChain，再到今天的OpenClaw，走紅的驅動力已經發生根本轉變。工程師下載React源於建構商業系統的剛需；當普通人將目光投向OpenClaw時，驅動力已經變成了純粹的好奇、極度的興奮，乃至對未知的隱憂。Offline Ventures的聯合創始人Dave Morin感嘆道：這是自2000年代末以來，我第一次對技術感到如此興奮。這是項目的寒武紀大爆發。但在這場大爆發的背面，是越來越多人深切的焦慮。Claude 模型讓相關專業的准畢業生感到「非常抑鬱和焦慮」。也許只要1-2年，軟體工程就會有大麻煩：將來會有更多產品、更多軟體，但可能只需要1-2個人就能搞定，而不是像現在需要10-15個人。那些不能完全擁抱AI的人，將因無法獲得豐沛的生產力而被淘汰。我們總以為自己能控制自己創造的東西。人類發明了電，但也會觸電。每一項顛覆性技術，都會在某個時刻提醒人類：你以為你是主人，但你也可能是受害者。AI也不例外。但這就是人類的方式——我們從來不會因為危險而停下腳步。OpenClaw告訴我們，行動奇點不是一個遙遠的未來概念，它就發生在此刻。程式設計奇點讓開發者的世界天翻地覆，行動奇點正在讓每個人的世界天翻地覆。當兩股力量合流，當AI既能替你造軟體也能替你用軟體時，我們面對的已經不是「要不要擁抱AI」的選擇題，而是「如何在這個全新世界裡找到自己位置」的生存題。未來的網際網路，或許將不再只是人類的衝浪地，而是充滿了數以億計的AI智能體。而我們，正站在這個時代的起點上。在AI面前，所有人都是新手。而承認這一點的勇氣，或許才是真正的對齊。 (新智元)

今年的AI春節檔，好比一場娛樂圈盛會，流量和資本雙雙引爆。先是除夕夜的春晚互動，把C端的AI紅包大戰流量推到了最高峰。登上央視春晚的豆包當日AI互動達到19億次，生成頭像與送祝福成為了一個國民級AI時刻。而在春節期間，多款AI應用在下載榜單刷出新高，紅包、免單、聊天互動等玩法，開啟了一場全民普及AI工具的“搶灘登陸”。千問、元寶等產品成為了和豆包爭搶國民級AI應用的競爭對手。伴隨著使用者側的你追我趕，一輪密集且高度同步的模型發佈也紛至沓來。春節前後兩周內，GLM-5、Doubao2.0、Qwen3.5、MiniMax M2.5等模型相繼上線，其中“Agentic AI”成為這一輪升級的主要趨勢。相比傳統LLM，新一代頭部模型普遍未選擇在參數規模上持續做大，反而在多步任務執行、多模態識別/跨應用操作、編碼能力與推理成本壓縮上都取得了長足進步。隨著Agentic AI 時代即將來臨，比拚參數規模的時代似乎已經過去，AI應用也在告別問答助手時代，轉而爭搶“執行引擎”的新藍海。這一輪春節模型大戰，很快就引發了資本市場的同步反應。節後港股開市，智譜與MiniMax股價連續大幅上漲，大量資金瘋狂湧入AI大模型類股。公開市場資料顯示，MiniMax和智譜在多個交易日創出歷史新高。兩家上市不到100天的AI龍頭股，市值紛紛突破3000億港元，超過攜程、快手等老牌網際網路企業。摩根大通在本月初發佈的報告顯示，中國AI市場正在迅速整合，“具備實力且資金充足的模型開發商數量已從超200家縮減至不足10家”。換言之，有資格在大模型領域“內卷”的，已經只剩下個位數的頭部玩家；而隨著新一代模型發佈，這些企業已經顯露出在商業化層面突破的訊號。而在使用者側，一些更具體的行業趨勢已經顯現。智譜官方此前宣佈，對其GLM Coding Plan套餐價格進行結構性調整，整體漲幅自約30%起。公司稱這是基於使用需求增長、算力投入增加而做出的調整。阿里千問在春節窗口投放大規模“請客”活動，很快轉化為巨額使用量，9小時內訂單突破千萬級，一度讓各大外賣平台“爆單”。這些“供不應求”的場面，顯示出一些AI能力已經跑通體驗階段，正式進入普通使用者的需求場景中。Anthropic首席執行長阿莫迪近期將當前的AI軟體工程形態稱為“半人馬階段”，源自希臘神話中半人半馬的生物：人類與AI組合，可能成為軟體工程裡最強的生產單元。相比上一年春節的“DeepSeek時刻”帶來的低成本訓練震撼，今年的AI春節檔，似乎已然扣動了大模型商業化的扳機。01 春節模型大戰：大廠要流量，小龍要資本體量除夕當天，阿里方面推出新一代通用大模型Qwen3.5。此前，曾有傳言稱阿里的千問（阿里雲）在與字節的豆包（火山引擎）競爭央視春晚合作夥伴時落敗。所以，選擇除夕當天發佈新模型，頗有些跟老對手打擂台的意思。如果拋開紅包大戰的熱鬧場面，只看春節前後兩周的發佈節奏，這個春節檔也是一場純粹的模型能力對決：除夕當天Qwen3.5上線；幾天前Doubao2.0升級；GLM-5、Kimi2.5、MiniMax M2.5也在同一時間段密集發佈。但當我們拆解這些模型的技術路線與商業定位時，會發現這場“春節模型大戰”其實暗含兩套邏輯。第一套邏輯屬於大廠。從能力結構看，Qwen3.5與Doubao2.0的思路高度接近：都以原生多模態為底座，不再侷限於文字問答，而是強化視覺理解、長鏈推理與工具呼叫能力，重點強調Agent執行能力。相較傳統LLM的“回答問題”，它們正轉向“拆解任務並自動完成”的路徑。更關鍵的是發佈節奏背後的產品邏輯。大廠玩家的模型升級，往往是配合著前端的產品打法。公開資訊顯示，阿里此前為了拉動千問應用增長，推出30億元“請客”活動，帶動日活成倍增長。春節當晚，字節披露豆包完成19億次AI互動，每分鐘處理多達600億tokens。對大廠而言，模型升級服務的是既有生態——電商、廣告、內容、社交仍然是收入主體。至少在春節這個流量窗口，新模型的重要作用，是鞏固旗下App的入口地位。更強的跨模態理解與多步任務執行能力，使千問與豆包在行程規劃、購物決策、自動填表、內容生成鏈路等場景中具備更高完成度。換言之，“網際網路+AI”的雙料巨頭們，想要的是流量與場景的繫結升級。而在同一時間段內，創業公司陣營的動作同樣密集，尤其是剛剛在港股上市的AI“雙子星”。智譜發佈GLM-5，延續其“強推理”路線，強化複雜邏輯、多步規劃與程式碼能力，在數學推理、程式設計基準與長上下文理解上全面升級，同時增強工具呼叫與自主任務分解能力。隨後，智譜在新模型發佈後光速漲價，將GLM Coding Plan價格上調“30%起”，給出的理由是呼叫量增長與算力投入增加。MiniMax推出M2.5，主打高頻Agent場景。官方資料顯示，其推理速度最高達100tokens/s，連續運行1小時成本約1美元。OpenRouter頁面顯示，M2.5累計呼叫量達到2.83兆tokens，一度位居榜單前列。呼叫量井噴背後，是全球開發者對Agent生態的持續熱情。隨著OpenClaw等開源Agent框架在GitHub迅速走紅，MiniMax M2.5宣佈完成適配，主動擁抱主流Agent開發生態。如果說Qwen3.5與Doubao2.0是平台級流量的較量，那麼GLM-5與M2.5更像是想要直接觸發商業化的模型產品。對字節與阿里而言，模型是生態中的重要一環；但對智譜、MiniMax、Kimi而言，模型本身就是核心業務。它們沒有廣告、電商做緩衝，模型能力必須直接對標收入曲線。因此春節窗口出現了這樣一個畫面：同樣是模型升級，大廠收穫的是流量暴增，創業公司收穫的是估值曲線上揚。節後的交易日，資本市場迅速給出回應。MiniMax和智譜一度雙雙攜手突破3000億港元市值，成為港股科技類股焦點。另一邊，月之暗面在上一輪約5億美元融資後，又推動新一輪融資，目標估值上探約100–120億美元區間。多位老股東持續加碼的同時，Kimi也緊跟著兩位上市對手的腳步。持續的市值/估值攀升下，以智譜、MiniMax為代表的AI創業公司，似乎突然一下子有了跟大廠掰手腕的資本體量。另一邊，作為AI紅包大戰的發起者，騰訊在春節窗口主要把資源放在元寶等C端產品和紅包活動上；而其基礎大模型最近一次公開的大版本升級仍是此前發佈的混元2.0。與此同時，一個更微妙的變數是DeepSeek。春節窗口內，DeepSeek並未發佈外界期待的V4版本，但此前“V4即將發佈”的傳聞，已經不斷抬高市場預期，無形中放大了這場模型大戰的聲量。那怕沒有真正入場，DeepSeek的存在感一點不少。只是，傳說中的DeepSeekV4，這一次終究要錯過春節檔了。儘管DeepSeek缺席，但這個春節的中國AI圈已經足夠精彩。不管是入口型AI還是服務型AI，都在這兩周裡賺足了流量和關注。02 為什麼說2026可能是“AI商業化元年”今年AI春節檔最明顯的變化，是模型能力方向的高度統一。儘管各家產品形態不同，但這一輪模型升級幾乎全部指向Agent形態與多模型能力。換言之，它們都瞄準了使用者願意為之付費的場景——自動執行任務、持續呼叫API的場景。這一趨勢，在OpenRouter的榜單上體現得尤為明顯。上周榜單中，呼叫tokens前五名公司裡，有四家是中國AI創業公司：MiniMax、月之暗面、智譜，DeepSeek也憑藉V3.2位居第五名。四家中國獨立AI企業將Google Gemini 3擠在了中間。其中，MiniMax M2.5憑藉對OpenClaw的全面支援以及更經濟的使用成本，來到了高達2.57兆tokens呼叫量。OpenRouter資料顯示，今年2月第一周處理的AI tokens達到13兆，而1月第一周為6.4兆，短短數周接近翻倍。這不是簡單的增長，而是行業正在發生結構性轉變。風險投資機構Lightspeed合夥人Anand Iyer在此前接受採訪時表示，近期模型呼叫激增，主要由Agent爆發式增長推動，尤其是開源Agent系統OpenClaw的迅速崛起。OpenClaw允許模型以“代理”形式自主執行任務，包括寫程式碼、呼叫工具、訪問本地檔案、操作日曆與郵件系統。相比單輪對話，Agent模式會持續呼叫模型、生成長鏈輸出，從而指數級推高token消耗。OpenClaw讓很多使用者看到了通用Agent的雛形。在二手平台上，一些適合搭載OpenClaw的mini PC產品，比如Mac mini都迎來了一波價格飛漲。從“對話式體驗”轉向“自動執行任務”，這是各大模型呼叫量指數級增長的核心原因。另一方面，2025年下半年以來，“AI泡沫論”不斷升溫。市場擔心巨額算力資本開支難以回本，訓練成本高企、推理需求不足。投入巨額資金參與AI基建的甲骨文公司，也在股價短期走高之後，迅速市值腰斬且股價持續低迷。但2026年初的春節大戰，至少在推理端給出了另一種可能性，讓市場看到了積極訊號。如果推理需求持續增長，資本開支邏輯將更加自洽。訓練成本不再只是前期沉沒成本，而是可攤銷的生產資料。智譜與MiniMax股價暴漲，本質上是市場預期推理收入能夠覆蓋訓練投入。另一個高頻落點是Coding。公開資料顯示，今年1月，多家“Vibe Coding”平台流量環比增長17%，創下自2025年4月以來最大單月增幅。Anthropic推出Claude Cowork及新版Claude Sonnet 4.6，強調“Computer Use”能力；Kimi2.5和GLM5等模型也不斷強化程式碼能力。回到智譜漲價的新聞中，GLM Coding Plan價格上調30%，說明AI行業的供需關係，似乎出現了“攻守之勢異形”的訊號：企業端和開發者的真實需求不斷湧入，付費意願也有所提升。另一邊，多模態模型也出現了“生產管線”等級的提升。春節期間，Seedance2.0生成的視訊在社交媒體廣泛傳播，各種由Seedance2.0生成的AI小劇場在使用者側快速破圈。“AIGC的童年時代，結束了。”遊戲科學CEO、《黑神話：悟空》製作人馮驥體驗Seedance2.0後，發出了這樣的感慨。不難發現，從通用Agent到Vibe Coding，再到多模態生成，這一輪模型升級不再只是參數上的做大做強，而是更接近可付費、可復購、可規模化的場景。全民歡騰，股價攀升。2026年，AI真的迎來了一個收割時刻了嗎？03 Agentic AI Era，領先一步還不是勝利春節窗口驗證了頭部AI企業在C端“全面鋪開”的動員能力——不管是面向普通使用者的紅包活動，還是面向開發者與專業使用者的模型升級，都在短時間內把熱度推到峰值。但春節檔的特殊性也決定了，這只是一次假期時間段的市場普及，而不是長期競爭力的驗收節點。最直接的因素是“鈔能力”。過去一輪春節AI熱潮，很大程度上建立在補貼、紅包、強營運節奏之上。字節、阿里、騰訊等平台型公司有能力把模型升級與前端活動繫結；當紅包大戰告一段落後，豆包、千問、元寶的日活能否維持當前水平，仍有待持續觀察。換言之，AI帶來的傳播熱度，並不意味著與產業落地能力劃等號。尤其是，一些新場景的落地，往往意味著對舊秩序的挑戰。2025年底以來，Agent領域一直在向物理世界靠攏。在Agent賽道上，OpenClaw的崛起讓人看到下一代通用Agent落地的前景。但OpenClaw需要自行部署，存在技術門檻與安全風險。Computer Use背後，是缺少統一生態下的監管和安全措施。GUI Agent的另一條路徑同樣面臨生態博弈。以豆包手機助手為代表的產品，一度讓手機廠商和AI企業，看到了打通移動端AI與物理世界界限的可能。在與努比亞合作的豆包手機助手技術驗證版上，已經出現了一次語音互動完成外賣、購物等操作。但要真正跑通Agent鏈路，必然會碰到既有App的權限、反爬、風控與商業利益邊界。超級App背後的網際網路企業們，不會輕易接受讓系統級AI以“代操作”方式介入，這背後還需要更複雜的博弈與協同。而在視訊模型領域，以Seedance等模型為代表的視訊生成能力，已經能看到進入更專業製作管線的可能性——它在短影片生產、廣告素材、創意預演等環節都有具體的發展潛力。但在Seedance2.0上線後，網上迅速流傳出“復刻”《怪奇物語》《魷魚遊戲》、漫威/星戰角色乃至明星臉的短片，引發片方集體警惕，Netflix、MPA等先後向字節發出律師函/停止侵權要求，AI視訊模型的侵權風險再一次被擺在檯面上。不過，在一些AI行業的內部視角中，AI推動人類生產力躍遷的步伐不會停止。就像此前“人機結合”的棋手能夠戰勝獨立運行的電腦一樣，如今，一個工程師與AI智能體協同工作，可能成為科技行業中最強大的單位。阿莫迪認為，這種人機混合階段可能“非常短暫”——也許只持續幾年時間。隨後，AI系統或將獨立超越最優秀的人類主導團隊。但另一方面，真正限制Agent生態發展的，似乎又不僅僅是模型能力本身。知名諮詢公司Gartner此前披露的研報中給出了這樣的判斷：到2027年，超過40%的Agent項目將宣告失敗。背後的潛在原因很簡單：成本失控、商業價值不清晰，以及智能體在運行過程中出現違反政策或帶來風險的行為，都會限制Agent生態的全面鋪開。尤其是缺少C端流量場景的模型公司，究竟能多大程度上轉化為商業上的成功，還需要更多的能力邊界探索，才能在使用者群體中沉澱為長期、穩定的需求。OpenClaw名聲大噪後，一方面吸引了全球的獨立開發者加入並體驗Agent生態；但同時Meta等科技公司也已限制或禁止OpenClaw，擔心賦予AI智能體企業系統存取權，可能帶來惡意軟體攻擊、資料洩露或操控風險。換言之，春節檔一眾模型的“炫技”確實賺足了眼球，也展示了新一代模型在Agent層面的能力突破。但以工作級需求標準而言，目前只有Coding場景實現了較好的適配，通用Agent目前的准入門檻依然較高。部署和安全管理AI Agent需要技術能力、算力資源，以及願意擁抱試驗性場景的企業文化，而許多企業尚不具備這些條件。所以，2026年春節檔也許只是新一輪“AI大戰”的起點。這背後不僅僅是AI企業之間的競爭，也意味著行業層面的能力邊界被真正推到使用者側，但真實的落地情況，需要在更長的時間窗口中觀察市場反應。頭部平台企業正在築牢AI時代的使用者流量池，獨立模型公司想要跑通商業閉環，不斷突破模型能力邊界似乎仍然是唯一的選擇。 (字母AI)

當地時間1月21日，輝達CEO黃仁勳在達沃斯論壇上談到過去一年AI模型的三大突破。“去年AI模型層發生了三件大事。第一，模型剛開始出現時還有很多幻覺，但在去年，這些模型可以應用在研究領域了，能在沒有受過相關領域訓練的情況下進行推理、計畫並回答問題，出現了Agentic（代理式AI）。”黃仁勳表示，第二個重大突破來自開源模型，首個開源推理模型DeepSeek的推出對大多數行業和公司而言都是一個重大事件，自那時起，開源推理模型生態開始繁榮，很多公司、研究機構、教育從業者都能利用開源模型做一些事情。黃仁勳表示，第三個取得巨大進展的領域是物理AI，物理AI不僅能理解語言，還能理解物理世界，例如理解生物蛋白質、化學、物理。在物理領域，AI能理解流體動力學、粒子物理、量子物理。“去年是不可思議的一年，因為AI模型取得如此大的進步。在應用層面，AI已經可以在金融服務、醫療保健、製造業等場景使用，由此產生經濟利益。風險投資的資金去向是一個重要指標。2025年是風險投資的投資規模最大的年份之一，大部分資金流向了AI原生公司，其中一些是醫療保健公司、機器人公司、製造業公司、金融服務公司。”黃仁勳表示。與此同時，黃仁勳談到，人類歷史上最大規模的AI基礎設施建設已在進行，業內現已投入了幾千億美元，還有價值數兆美元的基礎設施需要建設。黃仁勳稱，這種規模的AI基礎設施建設是合理的，因為AI需要處理很多上下文資訊以便產生足夠的智能，來驅動上層的應用程式。這種AI基礎設施建設熱潮也帶動相關產業建設。黃仁勳表示，晶片領域，台積電剛宣佈建設20座新的晶片工廠，此外，與輝達合作的富士康、緯創、廣達將建設30座新的電腦工廠，美光等記憶體廠商也在進行相應投資。“可以看到，現在AI產業在晶片層面的增長令人難以置信。”他表示。黃仁勳也談到AI給人類工作帶來的改變。他表示，AI基礎設施建設過程中將創造大量就業機會，例如需要水管工、電工、建築工人、網路技術人員。針對人們對AI取代人類工作的擔憂，黃仁勳則舉了一個例子：10年前，人們認為放射學相關職業將被淘汰，原因是AI計算視覺可以替代這部分工作，但10年過去，AI已滲透到放射學的各個方面，放射科的醫生反而增加了，因為醫生可以利用AI更高效工作，醫院能接待的病人數量也增加了。黃仁勳表示，類似的過程也發生在護士群體中，當AI提高了工作效率，美國護士人數短缺導致的問題得到瞭解決。黃仁勳還呼籲，人們應該積極使用AI。“每個國家都應該參與到AI基礎設施的建設中。AI的易用性可能會縮小各個地方的技術鴻溝。現在AI不再那麼難訓練，將開源模型結合各地的專有知識就能建立有用的模型。”黃仁勳稱，使用AI非常容易，現在沒有電腦學位的人也能成為程式設計師，開發中國家的人們、學生群體也應該學習使用AI、指導AI、評估AI。黃仁勳還談到AI泡沫爭議。他表示，評估AI泡沫是否存在可以看GPU的使用情況。實際情況是，輝達有數以百萬計的GPU在支撐雲端運算，現在要租用一塊輝達GPU並非易事。在需求帶動下，GPU租賃價格正在上漲，價格上漲的不僅是最新版本的GPU。計算需求增加的原因是AI公司的數量正在增加，且一些公司有很多經費投入AI。 (第一財經)

【新智元導讀】當所有人還在為參數內卷時，智能體真正的決勝點已經轉向了速度與成本。浪潮資訊用兩款AI伺服器直接給出了答案：一個將token生成速度幹到10毫秒以內，一個把每百萬token成本打到1元時代。Agentic AI時代，已經到來！輝達GTC大會上，老黃公開表示，當AI具備了感知和推理能力時，智能體AI就誕生了。「它如同數字世界的「機器人」，本質是理解-思考-行動」。當前，AI智能體革命已至臨界點。國內外科技巨頭紛紛加速佈局，全力爭奪這一賽道主導權。據Gartner預測，到2028年，AI智能體將參與人類約15%的日常工作決策。Georgian報告也顯示，如今，91%的企業研究主管正計畫在內部鋪開Agentic AI的落地應用。然而大規模部署之前，「互動速度」與「成本控制」仍是橫亙在許多企業面前的兩大關鍵挑戰。這裡有簡單的一個案例，就足以說明一些問題。國外一支開發團隊基於Azure的OpenAI服務，建構了一個智能體。然而，隨著時間的推移，響應變得越來越慢，一次簡單查詢耗費10秒以上。當他們用OpenAI API測試完全相同的提示詞後發現：OpenAI響應時間為1-2秒，Azure則需要5-10秒。同一款模型，同一個提示詞，卻有五倍差異。要知道，智能體的互動速度，直接決定了使用者體驗的質量。如今，人們對AI響應速度的期待，已從「秒級」進化到「毫秒級」。不僅如此，成本又直接決定了智能體產業化的可行性。多智能體的協作，對低延遲和token消耗又提出了更高的要求。分毫必爭的響應速度，決定了人們是否願意買單；而真金白銀的投入，則決定了企業能否持續推動AI智能體落地。那麼，如何才能既要又要呢？在2025人工智慧計算大會上，浪潮資訊重磅發佈了兩大破局創新系統：元腦SD200超節點AI伺服器，以及元腦HC1000超擴展AI伺服器。在元腦SD200上，DeepSeek R1大模型的Token生成速度飆升至8.9毫秒，創下國內LLM推理的最快紀錄，首次將智能體即時互動帶入「10毫秒」時代。在元腦HC1000上，LLM的推理成本被前所未有地壓縮至「1元/百萬Token」，徹底擊穿規模化部署的成本天花板。Scaling Law下一站：AI智能體爆發2025年，大模型的Scaling並未放緩，而是進入了一個全新的階段。Scaling Law的焦點，早已從「預訓練」轉向了「推理」。從o3、Gemini 2.5，到Grok 4、GPT-5，全球頂尖AI不斷迭代，每一次發佈都刷新了以往SOTA。這一演進的節奏仍在加速。爆料稱，GoogleGemini 3.0、OpenAI Sora 2都將於十月初面世。反觀國內，DeepSeek R1/V3.1-Terminus、Qwen家族等開源模型，月更、周更已成為常態。在能力邊界上，LLM正從純文字，走向了融合視覺、聽覺的多模態模型，並逐步演變為一個底層「作業系統」。可以預見，AI能力將依舊會指數級增長——LLM性能越來越強，所處理的任務長度和複雜度，也在不斷提升。我們看到，Scaling Law推動的模型參數量，從百億千億向兆、甚至百兆邁進。與此同時，在後訓練階段增加算力投入，可顯著提升LLM推理能力。為何這一轉變如此重要？因為「推理」是建構Agentic AI的基礎。眾所周知，2025年，是「智能體元年」。作為LLM的核心應用形態，智能體落地進入了爆發期。在這一賽道上，Google、OpenAI、Anthropic等巨頭競相佈局。比如，OpenAI的「編碼智能體」GPT-5-Codex深受開發者歡迎；另外，還有正在內測的「GPT-Alpha」，具備高級推理、全模態，可以呼叫工具。然而，AI智能體的產業化落地並非易事。能力、速度和成本，成為了當前AI智能體產業化決勝的「鐵三角」。AI不再侷限於技術演示、實驗，而要深入場景，成為創造可衡量價值的核心生產力。這意味著，商業成功的核心已從單純追求模型能力，轉向對能力、速度、成本三者的綜合平衡。互動速度：決定智能體的商業價值在智能體時代，速度不再是錦上添花，而是生存底線。token的吞吐速度，已成為AI應用建構的「隱形計時器」。在人機互動時代，我們對AI延遲感知不強，只要響應速度跟上人類閱讀思維即可。一般來說，只要滿足20 token/s輸出速率，就能實現流暢的閱讀體驗。而現在，AI的遊戲規則徹底改變。互動主體不再是「人-機」對話，而是「智能體-智能體」的高頻博弈。延遲那怕是幾毫秒，也可能導致決策失效。而且，在規模化商業部署中，這種差異會被無限放大，形成「以快殺慢」的絕對碾壓。智能體間互動，多為「小封包」高頻通訊。這好比修了16條車道高速公路，AI只跑兩公里，巨大的頻寬對於小包傳輸如同虛設。而傳統通訊協議「上下高速」的過程，反而成了主要耗時。延遲是會層層累加的。當前智能體僅是初露鋒芒，未來網際網路將由它們主導協作。每一個互動環節的微小延遲，都會在複雜的協同網路中呈指數級放大，最終導致整個應用響應慢到無法接受。如果延遲無法降低，那就失去了商業化的可能性。舉個栗子，在欺詐防控場景中，對智能體響應速率提出了極限要求——約10毫秒。當前，DeepSeek響應速度基本在10-20毫秒左右，其他的普遍高於30毫秒。這遠不足以支援AI的高頻互動。token成本：規模化的生死線此外，token成本，是智能體能否實現規模化擴張，並且盈利的關鍵。即便模型能力卓越，若token成本無法控制在合理範圍內，高頻、並行的實際應用，將難以持續。一方面，LLM存在著「token膨脹」效應：推理前思考過程已產生上千萬token。一個複雜任務，直接讓token成本指數級暴漲。那麼，是什麼原因導致token思考數暴增？首先必須承認的是，模型本身演算法能力差異是影響因素之一。不同LLM在設計和訓練過程中，演算法架構和最佳化策略各有優劣，而最佳化程度更高的LLM可通過更高效推理路徑，在較少token消耗下完成相同的任務。其次，底層計算架構選擇路徑等，也會進而影響token成本。因為LLM運行有依賴於底層的計算架構，包括硬體加速器、分散式運算框架等等。若是計算架構無法高效支撐LLM推理需求，比如在分佈式系統中存在通訊瓶頸或計算資源分配不均，LLM可能需要生成更多token「繞路」完成任務。當前，在做AI Coding的程式設計師，每月消耗token數比一年前平均增長約50倍，達到1000萬-5億token。企業每部署一個智能體，平均token成本大概1000-5000美元。未來五年，token消耗預計增長100萬倍。可見，不論是速度，還是成本，都成為AI智能體商業化落地的最大挑戰。面對這個難題，我們該如何解？兩大核心方案，拿下速度成本難題浪潮資訊，同一時間給出了兩大解決方案——元腦SD200超節點AI伺服器元腦HC1000超擴展AI伺服器元腦SD200若要實現更低延遲token生成能力，就需要在底層基礎設施，比如架構、互聯協議、軟體框架等關鍵點上，實現協同創新。浪潮資訊新的突破，在於元腦SD200超節點AI伺服器。如前所述，DeepSeek R1在元腦SD200上token生成速度實現了8.9毫秒。目前，最接近的競爭對手，最好的資料是15毫秒。這是國內首次將智能體即時互動，帶入到10毫秒時代。為何元腦SD200能夠取得如此大的速度突破？這背後離不開團隊，融合了智能體應用和超節點開發的技術成果。 首創多主機3D Mesh系統架構它可以實現單機64路本土AI晶片縱向擴展（Scale Up），提供4TB視訊記憶體和6TB記憶體，建構超大KV Cache分級儲存空間。而且，單節點即可跑4兆參數LLM，或同時部署多個協作的智能體。此外，在硬體設計上還支援了「開放加速模組」（OAM），相容多款本土AI晶片。 跨主機域全域統一實體位址空間團隊還通過遠端GPU虛擬對應技術，突破了跨主機域統一編址的難題，讓視訊記憶體統一地址空間擴展8倍。它還支援拓撲動態伸縮，可按需擴展128、256、512、1024卡的規模。通過Smart Fabric Manager，元腦SD200實現了單節點64卡全域最優路由，保障了晶片間通訊路徑最短，進一步縮短了通訊延遲。最重要的是，互連協議的設計，是元腦SD200實現極低延遲的關鍵。首先，團隊採用了基建的協議棧，只有物理層、資料鏈路層、事務層三層協議，原生支援Load/Store等「記憶體語義」，GPU可直接訪問遠端節點的視訊記憶體或主存。並且，基礎通訊延遲達到了「百納秒級」。其次，浪潮資訊Open Fabric原生支援由硬體邏輯實現的鏈路層重傳，延遲低至微秒級。不依賴OS、軟體棧，它就能匹配更低延遲、更高吞吐的AI推理場景。元腦SD200還採用了，分佈式、預防式流控機制，無需丟包或ECN來感知擁塞。得益於以上高效、可靠的協議設計，元腦SD200實現了業界最低0.69微秒通訊延遲。當然了，超節點的大規模商業化應用，還必須依靠整機的高可靠的設計。為此，浪潮資訊從系統硬體層、基礎軟體層、業務軟體層，建構了多層次、可靠的保障機制。系統硬體層：全銅纜電互連，短距離緊耦合傳輸，每十億小時故障率低於「光模組互聯」方案100倍基礎軟體層：創新GPU故障資訊轉儲、跨域故障關聯定位等技術，實現全方位可觀測、全端維運自動化業務軟體層：基於Profiling性能資料啟動故障預隔離和任務自動遷移，保證業務故障預測與自癒，實現推理響應不中斷在元腦SD200上，團隊還非常強悍地實現了推理性能超線性擴展。這意味著，性能的提升幅度超過了資源投入的增加幅度。以DeepSeek R1-671B為例，從16卡擴展到64卡，實現了16.3倍超線性的擴展率！具體來看，元腦SD200將這件事做到了極致的完美：通過PD分離策略、動態負載平衡等技術，充分發揮出了超節點的架構優勢，讓系統內部的處理流程變得極其高效，資源競爭和擁堵被降到最低。最終，將通訊耗時控制在了10%以內。可以設想，在實際高並行場景下，當請求量急劇攀升時，系統能夠高效地將負載均勻分佈至各個計算單元，避免了個別節點的「擁堵」拖累整個系統的響應時間。這意味著，無論是第1個請求，還是第100萬個請求，都能獲得同樣穩定且低水平的延遲。既能「跑得快」又能「跑得多」，保證絕對極致的低時延，這就是實現規模化的生命線！基於軟體生態FlagOS，元腦SD200還能繼續相容更大的生態，主流程式碼即可直接編譯運行。當前，元腦SD200已實現對Pytorch算子的全覆蓋，AI4S的典型應用可以一鍵遷移。如下所示，64個AlphaFold 3蛋白質結構預測，即可在一台元腦SD200超節點AI伺服器同時運行。速度挑戰解決之後，token成本又該怎麼打下來？元腦HC1000為此，浪潮資訊給出的答案是——元腦HC1000超擴展AI伺服器。它基於全對稱DirectCom極速架構打造，能夠聚合海量的本土AI晶片，支援極大的推理吞吐。對於一個企業來說，在起步探索、POC階段，平台通用性更加重要，可以快速驗證想法，搶佔市場先機。這對其創新、迭代的速度，至關重要。但當它進入大規模部署階段，即應用被市場驗證，token呼叫數呈指數級增長是時，核心目標又轉變為——高效、低成本營運。而元腦HC1000，就能把推理成本打到最低1元/百萬token。 全對稱DirectCom極速架構DirectCom極速架構，每計算模組配置16顆AIPU，採用了直達通訊的設計，解決了傳統的伺服器架構下，協議轉換和頻寬增強問題，實現了超低延遲。計算通訊1:1均衡配比，實現了全域的無阻塞的通訊。傳統意義上，計算與通訊是互斥關係，計算時不會傳輸，計算完成後再傳。當前，有很多將計算和通訊結合的策略，主要是把原來在傳過程，針對GPU等待時間做最佳化。除此之外，還包含了許多細粒度的任務，比如不同模型架構，不同並行情況，通訊資料區塊大小和通訊策略都要最佳化，才能提升效率。HC1000還採用全對稱的系統拓撲設計，可支援靈活PD分離、AF分離，按需配置算力，最大化資源利用率。它還支援多元算力，讓不同的晶片協同工作。 超大規模無損擴展同時，HC1000支援超大規模無損擴展，實現從1024卡到52萬卡不同規模的系統建構。計算側支援DirectCom和智能保序機制，網路側支援包噴灑動態路由，實現了深度算網協同，相較傳統RoCE方法提升1.75倍。它還支援自適應路由和智能擁塞控制演算法，將KV Cache傳輸對Prefill、Decode計算實例影響降低5-10倍。總結來看，元腦HC1000是通過「全面最佳化降本」和「軟硬協同增效」，實現了高效token生產力。它不僅創新了16卡計算模組，單卡成本暴降60%+，每卡分攤系統均攤成本降低50%。而且，它採用了大規模工業標準設計，降低了系統複雜度的同時，還提高了系統可靠性，無故障執行階段間大幅延長。系統採用的DirectCom架構保障了計算和通訊的均衡，讓算網協同、全域無損技術，實現了推理性能1.75倍飆升。通過對LLM的計算流程的細分和模型結構的解耦，實現了計算負載的靈活的按需配比。單卡MFU計算效率，最高可以提升5.7倍。元腦SD200+元腦HC1000，成為浪潮資訊兩大「殺手鐧」，分別攻克了AI智能體應用速度和成本難題。那麼，下一步又該走向何方？「專用計算架構」是未來近期，OpenAI在算力佈局上，動作頻頻：先是和甲骨文簽下3000億美元大單，隨後又獲得輝達100億美元的投資。緊接著，他們又官宣了「星際之門」五大超算全新選址計畫。這一系列舉措，無不指向一個核心事實——對於LLM訓練和部署而言，算力需求始終是一個「無底洞」。當前，AI算力的可持續發展正面臨三大關鍵挑戰：工程極限：系統規模的擴展已逼近工程能力的上限。能源壓力：算力的大幅增長給電力基礎設施帶來了巨大負擔。效能失衡：算力投入和產出失衡，商業兌現處理程序緩慢。目前，市面上的「AI晶片」仍以通用晶片為主。GPU，是增加了CUDA核心和矩陣運算Tensor核心的傳統圖形計算晶片；ASIC，則是最佳化了矩陣計算和張量處理的通用矩陣計算晶片。但正如前文所述，這些基於通用計算架構的方案，正逐漸在能效比和成本效益上觸及瓶頸。僅是單純依靠堆疊更多計算單元，或是提升製程工藝的傳統路徑，難以沿著scaling Law在算力規模、能耗、成本之間取得平衡。其原因在於，通用架構雖然適用性強、易於產業化推廣，但效率低下。相比而言，應用面較窄的專用架構，則有著更高的效率。對此，浪潮資訊AI首席戰略官劉軍認為，未來的關鍵便是在於「發展AI專用計算架構」：我們必須推動發展路徑的轉變，要從一味地追求規模擴展，轉向注重提升計算效率。並以此為基礎，重新構思和設計AI計算系統，大力發展真正面向AI應用的「專用計算架構」。具體而言，就是從硬體層面來最佳化算子與演算法，定製出大模型專用晶片，進而實現軟硬體層面的深度協同最佳化，即「演算法硬體化」。只有這樣才能讓性能的Scaling，追上token的高速增長。這不僅是突破算力瓶頸的必經之路，更是推動AI產業邁向下一階段的基石。面對大模型時代，浪潮資訊的前瞻性思考為業界指明了一條方向：通過創新計算架構，讓AI更好地走向落地。 (新智元)

到2026年，企業管理資料的方式可能會發生翻天覆地的變化。人類不再費時費力地清洗、合併和校驗記錄，自主AI agent將承擔這些繁重任務——決定信任那些來源、即時解決衝突，並在團隊尚未意識到問題前就給出洞察。資料統一與治理前沿公司Reltio 的創始人兼首席執行官接受了媒體訪談， 分享了Agentic AI 將率先落地的場景、它將如何重塑資料團隊的日常工作，以及業務領導者在邁向AI 驅動未來時應關注那些指標。eWeek：當你說企業資料的「agentic AI」時，2026 年它最先改變的日常流程會是那一個——匹配/合併、 survivorship（生存規則）、 enrichment、還是stewardship（資料監管）？Manish Sood：配對與合併將是2026 年最先被agentic AI 改造的日常工作。這裡是當今複雜資料環境與AI 營運對速度和信任需求最迫切的交會點。為什麼是匹配與合併？因為現實世界的資料很髒——充滿重複、不一致和歧義。在agentic AI 工作流程中，每次記錄不完全匹配時都沒有時間讓人工介入。如果AI agent要即時推薦產品、處理理賠或與客戶互動，它必須基於乾淨、統一的檔案運作。借助預訓練、LLM 驅動的匹配模型，我們已經看到從基於規則的「這是同一實體嗎？」檢查，轉向即時解決匹配的代理式工作流程，並附帶置信度評分、可審計性與合規護欄。隨著技術成熟，這將成為所有下游流程（survivorship、 enrichment、 stewardship 等）的智慧「前門」。agentic AI 不只是需要資料，它需要在毫秒級獲得可信、富含上下文、已整合的資料。這一切始於實體解析。因此，匹配與合併首當其衝。eWeek：快速描繪一下2026 年底資料團隊的一天。當agent介入後，資料管理員、分析負責人和業務owner 的工作有何不同？Sood：資料管理員：早上開始查看昨晚已由agent解決並附帶完整審計軌跡的配對建議。他們不再追重複，而是微調策略並「輔導」agent。分析負責人：收到agent關於品質異常的警報，趕在模型漂移前介入。工作重點從清洗資料轉向與業務團隊合作，打造可信賴、可重複使用的資料產品。業務owner：開啟儀表板，每個指標都有agent解釋：什麼改變了、為什麼重要、下一步該做什麼。沒有積壓，沒有瓶頸，只有答案──由受控、agent就緒的資料驅動。有何不同？ agent不只是“協助”，而是行動。團隊從「修資料」轉向「釋放價值」。eWeek：如何讓agent創造單一真實來源又不失去信任？Sood：失去信任並不是因為讓agent幫忙創造真實來源，而是因為它們暗中操作。關鍵在於「受控的自主」。agent可在邊界內自主行動：解決配對、標記異常、從已驗證來源enrichment。結果？透明建立信任。利害關係人不僅看到資料，還看到為何信任它──誰批准的、用了什麼邏輯、何時執行。這就是agent贏得角色的方式——不僅揭示真相，而且持續維繫真相。eWeek：首席資料長（CDO）在企業資料管理中擁抱agentic AI 的前90 天，應期待那些早期勝利？Sood：前90 天，CDO 應能指出一些非常具體的成果。例如，最先注意到的就是AI agent能以極快速度清空匹配積壓。過去資料管理員重複的活兒，現在fraction of the time 完成，讓團隊專注更高價值任務。你還能立即獲得資料品質的可視性。預置代理可按域、按源、甚至按業務影響識別問題——你不僅改善了資料，還優先修復了最關鍵的缺陷。這種清晰度幫助領導者快速建立基線並贏得早期動能。由於分析師終於不用花時間清洗資料，你會看到「洞察時間」縮短。可信任資料產品更快成型，儀表板置信度上升，KPI 重新變得可靠。最重要的是，業務團隊看到了結果：更乾淨的資料、更快的答案，以及證明這並非另一項「技術專案」——而是從第一天就交付真實業務價值。eWeek：到2026 年底，那些KPI 能證明它真的有效？Sood：到2026 年底，agentic AI 對企業資料管理的影響應該能透過幾個清晰的KPI 顯現，它們講述了一個令人信服的故事。第一，人工工作量顯著減少。需要人工覆核的匹配/合併決策佔比下降；資料管理員在重複任務上花費的小時數大幅減少；團隊用於追蹤和解決資料品質問題的時間縮短。第二，資料啟動全面提升。儀表板和資料產品更快上線；喂給AI 模型和流程的資料更可信、更即時；業務使用者能更容易在需要時找到所需資料。第三，信任變得可衡量。資料品質評分在精準度、完整性、新鮮度上提升；血緣更清晰；策略合規率提高；因壞資料或過期資料導致的返工量顯著下降。最後，業務價值加速。從銷售到營運的更多團隊開始用agent輔助決策；更多行動被自主執行且無事故；因可信即時資料而起飛的新用例增多。一句話？更少摩擦、更多信任、更快執行——且全部可追蹤。eWeek：agentic AI 如何改變與法務、安全團隊的資料治理與合規對話？Sood：agentic AI 從根本上改變了與法務、安全團隊的對話。過去擔心“失控”或“引入風險”，如今有證據證明控制其實更強。傳統治理是寫在檔案裡的政策，事後人工執行──被動、審計繁重且緩慢。有了agentic AI，這被翻轉：AI agent在執行階段就執行治理。它們繼承脫敏與存取控制，只在預批邊界內行動，且每一步都記錄完整血緣與理由。因此，當法務或安全問“我們能信任AI 在做什麼嗎？”——答案不僅是“能”，而是“這就是它做了什麼、為什麼做、我們如何知道它符合政策”。對這些團隊而言，這不是leap of faith，而是可量化的控制升級：即時執行、完全可審計、內建監督。代理式治理不是妥協，它被證明更安全。eWeek：規則、LLM 與檢索：如何協同？ agent何時應依賴確定性資料管理規則，何時應使用帶有檢索（RAG）的LLM 做決策？Sood：這不是二選一，而是確保每個AI 決策都錨定在同一個可信基礎上。agentic AI 需要一個即時、富含情境的企業資料圖譜才能可靠地行動。多數企業的客戶、產品、供應商、位置資料分散在CRM、ERP、資料湖、第三方流等數十個系統，資料分散、常孤島、不一致、非AI 就緒。Reltio 透過持續攝取所有這些來源的結構化與非結構化資料，並即時統一：利用高級匹配、 survivorship 邏輯、AI enrichment，在各域建立精準可信的檔案。但Reltio 的獨特之處不僅是產生乾淨記錄，還捕捉實體間的關係與互動——不僅知道客戶是誰，還知道他們與誰關聯、買了什麼、何時打過客服、與產品/供應商/地點如何相關。這就是「資料圖譜」。此圖譜成為AI 的「上下文系統」。它讓每個agent——無論解決配對、個人化優惠、審批理賠——都能獲得即時、可信的基礎，以做出明智決策。因此，agent不再孤立運作，而是共享相同持續更新、受控且可解釋的資料環境。這讓agentic AI 可擴展、合規、與業務邏輯對齊。所以問題不是用那一種技術，而是這些技術錨定在那裡。沒有上下文系統，再優秀的AI 也會碎片化；有了Reltio，它就能大規模可信。eWeek：自建、採購、合作的正確比例是什麼？企業應在那些場景依賴平台（如Reltio+超大規模雲端），那些場景適合客制化？Sood：在AI 與資料領域，最具創新精神的企業不會試圖全自建——而是聚焦自建差異化部分。那正確的組合是什麼？買基礎：資料統一、治理、即時基礎設施不是DIY 領地。你不想花數年拼湊自己的資料脊樑。這正是Reltio Data Cloud™ 等平台和超大規模雲端的用武之地。 （壹號講獅）