當今科技界最有權勢的兩個人——OpenAI 的 CEO 山姆·奧特曼（Sam Altman）和微軟的 CEO 薩提亞·納德拉（Satya Nadella）——最近坐到了一起。在播客《All things AI》上，他們的一場對話，不小心洩露了 AI 革命背後一個驚人又好笑的秘密。大家都以為 AI 競賽的關鍵是演算法、是資料、是更牛的晶片。但納德拉親口承認，今天限制他們狂飆的最大瓶頸，甚至不是缺輝達的 GPU，而是缺能把這些晶片插進去的“暖房”（warm shells）。你沒聽錯，就是物理世界的資料中心、配套的電力、乃至於施工隊的進度，成了數字世界狂奔的最大“絆腳石”。1.4兆的豪賭：唯一的風險是“彈藥不夠”對話中最尖銳的問題，莫過於主持人拋出的那個天文數字：OpenAI 承諾在未來幾年投入高達 1.4 兆美元去搞算力基礎設施建設。 而 OpenAI 今年的營收，據報導“也就”130億美金。這聽起來簡直是“蛇吞象”，錢從那來？奧特曼的回答相當霸氣，他先是糾正：“我們的收入比你報的多得多。” 接著半開玩笑地說：“你要是擔心，想賣手裡的 OpenAI 股票，我立馬就能給你找到買家。”潛台詞很明顯：我們不愁錢，更不愁沒人信。奧特曼承認這是一場豪賭，賭的就是 AI 的能力和收入會繼續“陡峭地增長”。在他看來，那 1.4 兆不是負債，而是實現下一個目標的“彈藥”。他們真正恐懼的，不是錢花多了，而是“彈藥不夠”。沒有足夠的算力，就做不出更強的模型，也就無法產生更多收入。而作為最大的“彈藥供應商”，納德拉也力挺奧特曼，他說 OpenAI 交給微軟的每一版商業計畫，“每一次都超額完成了”。拆解新協議：微軟血賺，OpenAI 也沒虧這場對話的另一個核心，是雙方剛敲定的新合作協議。外界一直好奇，在這場聯姻中，到底誰佔了便宜？答案是：微軟拿到了“裡子”，OpenAI 獲得了自由。根據新的協議，微軟拿到的最大王牌，不是那 27% 的股權（估值約1350億美元），而是一項長達七年的“免版稅使用權”（Royalty-free access），可以盡情使用 OpenAI 的模型和 IP。 納德拉自己都興奮地表示，這相當於“免費獲得了一個前沿模型”（a frontier model for free）。這意味著，微軟可以把這個星球上最強的 AI 大腦，幾乎“零成本”地塞進它所有的核心產品裡——Office、Windows、GitHub、Bing……這筆買賣，堪稱科技史上最划算的投資之一。那麼 OpenAI 得到了什麼？答案是“有控制的自由”。新協議規定，OpenAI 的核心模型 API（你可以理解為 GPT-4o 或未來的 GPT-5）在 2030 年之前，將繼續在微軟的 Azure 雲上向大企業客戶“獨家”提供。 但是，其他所有產品——包括萬眾矚目的視訊模型 Sora、AI 智能體（Agents）、開源模型，以及未來可能推出的可穿戴裝置等——都不再受此限制。 OpenAI 可以自由地在亞馬遜的 AWS 或Google的雲平台上分發這些產品。這是一個精妙的平衡，微軟鎖定了雲服務的核心競爭力，而 OpenAI 則獲得了探索更多商業模式的廣闊空間。AI 的終極目標：科學發現與宏觀委託花了這麼多錢，繫結得如此之深，他們到底想去向何方？奧特曼給出了一個充滿理想主義色彩的答案：“AI 用於科學”（AI for Science）。他最期待的，是 AI 能夠做出那怕微小但卻是“全新的科學發現”的那一刻。 在他看來，當 AI 開始擴展人類知識的總和時，那就是超級智能的某種體現。納德拉則更為務實，他聚焦於人機互動的下一次革命。他將其定義為“宏觀委託，微觀調校”（Macro delegation and micro steering）。這是什麼意思？想像一下，你不再是對著搜尋框或聊天框小心翼翼地提問，而是直接給 AI 下達一個大任務，比如“幫我策劃並預訂下周去日本的全家旅行”。AI 會自己去搞定一切，只在關鍵節點回來問你：“酒店 A 和 B，你選那個？”這背後，是 AI 從一個“工具”到一個“管家”或“代理人”的轉變。我們每個人的未來：一個人頂一個團隊聊到最後，話題不可避免地觸及了 AI 對普通人工作的影響。納德拉提出了一個詞：“利潤率擴張的黃金時代”（golden age of margin expansion）。他預測，未來的公司，營收可能會翻倍，但員工數可能只會增加一點點。因為 AI 將每個員工的“槓桿率”極大地放大了。他舉了一個微軟內部的例子：一個負責網路營運的女主管，需要和全球 400 家光纖營運商打交道，工作極其繁瑣。她向上級抱怨，就算批准預算，也招不到足夠的人來幹這活。於是，她自己動手，用 AI 做了許多智能體，把整個維運流程給自動化了。這就是未來——“AI 讓你一個人幹一個團隊的活”。這不是一個關於大規模失業的恐怖故事，而是一個關於“重新學習如何工作”的提醒。在 AI 的加持下，一個團隊能完成過去十倍的工作量。未來，公司的“人頭數”增長將遠遠慢於“營收”的增長。這場對話揭示了一個清晰的現實：AI 競賽已經從程式碼和演算法的“數字戰”，正式進入了拼資料中心、拼能源的“物理戰”。而微軟和 OpenAI 這對已經深度捆綁的盟友，正試圖用天量的資本和一份精妙的協議，聯手定義下一個計算時代，以及我們每個人的工作方式。 (AI進擊之旅)

【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)

哈嘍哇，各位老鐵！AI尼歐哥我又雙叒叕來跟大家嘮嗑了！2025年這都過去一半了，AI圈的API大戰那是打得一個熱火朝天，風起雲湧。誰是真霸主？誰在裸泳？誰又在悶聲發大財？最近，推特上有位叫「karminski-牙醫」的大神，基於OpenRouter的資料，給我們扒了扒上半年大模型API市場的底褲。這不看不知道，一看嚇一跳！今天AI尼歐哥就帶大家好好盤一盤這份戰報，這瓜保熟，不好吃你來找我！/ 01 / 市場份額大洗牌：Google亂殺，DeepSeek瘋跑，OpenAI你人呢？先上乾貨，看看現在的API江湖座次表：1. Google (Google)：簡直是殺瘋了！一個人獨佔43.1%的市場份額，穩坐頭把交椅。Gemini系列全家桶，特別是那個便宜又大碗的Gemini-2.0-Flash，性價比直接拉滿，誰能頂得住啊！2. DeepSeek：全場最大黑馬，沒有之一！硬是靠著DeepSeek-V3模型，從巨頭嘴裡搶下了19.6%的份額，直接把Anthropic擠到了第三。這說明啥？光靠吹牛逼沒用，人民群眾不好騙，產品好用、使用者粘性高才是硬道理！3. Anthropic：Claude系列表現也還行，以18.4%的份額守住了第三的位置，在程式設計等專業領域還是有一批鐵粉的。4. OpenAI：最讓人大跌眼鏡的就是它！市場份額波動極大，不僅沒進前三，還被前面的大佬甩開了一大截。GPT-4o發佈時那麼大陣仗，結果在API市場就這？人已麻，這波操作我看不懂！AI尼歐哥辣評：這牌桌變化太快，就像龍捲風！Google用“性價比”和“全家桶”兩張王牌把市場拿捏得死死的。而DeepSeek這匹黑馬的出現，證明了技術實力才是真正的護城河。至於OpenAI，是不是心思都花在App和整活上了，API這塊地都快荒了喂！/ 02 / 細分戰場神仙打架：各家都有“自留地”！光看總份額不過癮，我們再深入敵後，看看在各個細分領域，誰才是真正的王者！* 程式設計領域：Claude-Sonnet-4是絕對的王！佔據了44.5%的份額，看來程式設計師老哥們寫程式碼還是最認它，專業能力這塊沒得說。* 翻譯領域：Gemini-2.0-Flash再次亂殺全場！便宜、量大、速度快，簡直是翻譯場景的完美選擇。前幾名裡有七款都是Google的模型，這統治力，恐怖如斯！* 角色扮演（RP）：這塊市場就比較“花”了，各種小眾模型百花齊放，主打一個“XP自由”。有意思的是，DeepSeek憑藉“高幻覺傾向”（說白了就是想像力豐富，能瞎掰）居然在這裡領先了。看來有時候，一本正經的AI反而沒有胡說八道的AI可愛啊！* 行銷領域：GPT-4o總算給OpenAI找回了場子！以32.5%的份額成為當之無愧的No.1。這說明在寫行銷文案、搞創意這塊，GPT的“嘴皮子”還是最溜的。AI尼歐哥辣評：API市場已經不是“一招鮮，吃遍天”的時代了。各家都在找自己的生態位，程式設計師用Claude，翻譯找Gemini，寫廣告還得是GPT。這種“術業有專攻”的局面，對咱們使用者來說，絕對是好事！/ 03 / 總結陳詞：幾家歡喜幾家愁扒完資料，AI尼歐哥我來給大家做個總結：* Google： 贏麻了。產品策略清晰，高低搭配，用性價比和全覆蓋把市場攪得天翻地覆。* DeepSeek：最大的驚喜。再次證明了，在AI圈，硬核技術才是最性感的肌肉。雖然它的DeepSeek-R1因為出第一個字太慢被瘋狂吐槽，但V3是真的香，使用者留存率高得嚇人。* Anthropic：穩紮穩打。專精於程式設計等領域，找到了自己的舒適區，活得還挺滋潤。* OpenAI：雷聲大，雨點小。API市場的表現實在有點拉胯，再不重視，這塊大蛋糕可就真沒你的份了。* Meta (Llama) & Mistral：一個份額持續萎縮，一個不溫不火，基本上在牌桌邊緣OB了。好啦，今天AI尼歐哥就跟大家嘮到這兒。總的來說，2025上半年的API江湖，就是Google的強勢碾壓和DeepSeek的黑馬逆襲。 (AI尼歐哥)

Llama API免費體驗，獨立App正式上線。Meta和OpenAI全面開戰了！智東西4月30日報導，今天，在首屆LlamaCon開發者大會上，Meta正式發佈了對標ChatGPT的智能助手Meta AI App，並宣佈面向開發者提供官方Llama API服務的預覽版本。Meta AI App是一款智能助手，基於Llama模型打造，可通過社交媒體帳號瞭解使用者偏好、記住上下文。與ChatGPT一樣，Meta AI App支援語音和文字互動，並額外支援了全雙工語音互動（Full-duplex，允許在接收語音的同時平行處理和響應，支援邊聽邊說、即時打斷等功能）。Meta AI App可作為Meta RayBan AI眼鏡的配套應用程式，使用者能通過該眼鏡直接與Meta AI App對話。同場發佈的Llama API提供了包括Llama 4在內的多款模型，這一API與OpenAI SDK相容，使用OpenAI API服務的產品可無縫切換至Llama API。同時，Meta在新API中提供了用於微調和評估的工具，開發者可以打造符合自身需求的定製化模型，還可使用由AI晶片創企Cerebras和Groq提供的快速推理服務。值得一提的是，過去數年中，Llama相關發佈僅作為Meta Connect開發者大會上的一個環節，此次專門辦會足見他們對AI業務的重視。Meta CEO祖克柏並未出現在發佈會現場，會後其將參與2場對談。關於價格，開發者可通過申請獲取Llama API免費預覽版的使用權限。未來，這一API或將採取收費模式，具體價格表尚未發佈。Meta AI App及Web版本均已上線，免費可用。Meta AI Web端：https://www.meta.ai/Llama API文件：https://llama.developer.meta.com/docs/overview01.Llama模型下載量已超12億Meta AI App主打語音互動Meta首席產品官Chris Cox在LlamaCon大會上分享了Meta開源AI的最新進展。Cox稱，2年前，Meta內部對開放原始碼的商業化前景和優先順序問題都持有懷疑態度，但如今開源AI已成為行業大勢所趨。2個半月前，Meta宣佈Llama及其衍生模型已經實現了10億的下載量，今天，這一數字已迅速增長至12億。在開源平台Hugging Face上，Llama的大部分下載量均來自衍生模型，有數千名開發者參與貢獻，數萬個衍生模型被下載，每月被使用數十萬次。目前，Llama模型已被運用至Meta旗下的諸多App，包括WhatsApp、Instagram等等。在這些場景中，Llama模型經過了定製處理，以滿足特定用例需求，例如對話性、簡潔性（尤其是移動場景）和幽默感。為提供更豐富的AI體驗，Llama推出了獨立智能助手App——Meta AI。Meta AI App十分重視語音互動體驗，可提供低延遲、富有表現力的語音。Meta AI還可連接使用者的Facebook和Instagram帳戶，根據使用者互動歷史大致瞭解其興趣，並記憶使用者的相關資訊。這一App內建全雙工語音實驗模式。相關模型使用人與人之間的自然對話資料進行訓練，能提供更為自然的音訊輸出。全雙工意味著通道是雙向開放的，使用者可以聽到自然的打斷、笑聲等，就像真正的電話對話一樣。全雙工語音實驗模式還處於早期階段，沒有工具使用、網路搜尋等能力，無法瞭解新近發生的時事。Meta AI App中融入了社交元素，使用者可在發現頁面分享提示詞、生成結果等。這一App能與Meta Ray Ban智能眼鏡配合使用。使用者將能在眼鏡上開始對話，然後從應用程式或網路的“歷史記錄”選項卡中訪問它，以從上次中斷的地方繼續。02.一行程式碼就能呼叫可線上完成模型微調會上，Meta負責Llama業務的副總裁Manohar Paluri與Llama研究團隊成員Angela Fan共同發佈了由Meta託管的Llama API服務。Llama API提供簡單的一鍵式API金鑰建立，一行程式碼就能呼叫。支援輕量級的Python和Typescript SDK開發者以及OpenAI SDK。在API服務網頁中，Meta提供了互動式遊樂場。開發者可在其中嘗試不同的模型，更改模型設定，比如系統指令或溫度，以測試不同的組態。▲Llama API介面此外，開發者還可以使用多項預覽功能，包括基於JSON的結構化響應、工具呼叫等。Paluri認為，定製化才是開源模型真正應該領先的地方。Llama API提供了便捷的微調服務，目前支援對Llama 3.3 8B進行自訂。開發者可在微調標籤頁上傳用於微調的資料，或是使用Meta提供的合成資料工具包生成後訓練資料。▲Llama API模型微調介面資料上傳完成後，開發者可將資料的一部分切分出來，用於評估定製模型的表現。在Llama API平台上，可隨時查看訓練進展情況，微調完成後的模型可供下載，開發者可在任何場景中運行這一模型。大會上，Meta宣佈了與Cerebras和Groq的合作。這兩家企業可提供Llama 4 API服務所需的算力支援，其算力能實現更快的推理速度。03.結語：Llama探索商業化新道路自2023年Llama 1發佈以來，Llama系列模型已歷經四個主要版本，開源了數十款不同參數規模、不同架構的模型。不過，動輒數千億乃至兆參數量的模型，意味著巨大的投入——外媒爆料稱，過去一年內，Meta已經主動與微軟、亞馬遜等公司接洽，希望建立合作關係，共同分擔開發成本。本次，Llama API與Meta AI App的發佈，標誌著Meta開始積極探索Llama系列開源模型商業化的新道路。雖然目前的相關服務均處於免費狀態，但未來，Meta有望以開源模型為入口，引導企業和使用者使用關聯的雲服務，或是利用App實現商業化變現。在講完技術普惠和創新的故事之後，商業化或許是所有開源模型廠商們都需要共同面對的問題。 (智東西)

🔥 你敢相信？幾秒鐘讓AI為你畫出夢想中的世界！有沒有一刻，你腦海中浮現出一個絕妙的畫面，卻苦於無法將它呈現出來？現在，這個遺憾將成為過去！OpenAI，這個AI領域的“魔法師”，正式通過API開放了它的圖像生成神器——gpt-image-1。幾行程式碼，幾秒鐘時間，你的創意就能從虛幻變為現實。 🚀1. 技術的魔法棒：點燃創意的火花gpt-image-1，這個曾在ChatGPT中掀起熱潮的圖像生成模型，如今化身為開發者的「秘密武器」。它能聽懂你的指令，生成多樣風格的圖像，甚至還能精準呈現文字——這可是許多AI圖像工具的「老大難」問題。開發者可以透過API調整影像的解析度、風格，甚至背景透明度，彷彿擁有能隨心所欲揮舞的魔法畫筆。 🎨2. 使用者的狂熱：數字裡藏著的情感資料是最真實的見證者。ChatGPT影像功能上線首周，全球1.3億用戶創作了超過7億張圖片！ 📊 這不是冷冰冰的數字，而是無數人對自我表達的渴望、對美的追求。如今，這股熱潮透過API釋放給了開發者，讓更多人能在這場創意盛宴中分一杯羹。你，準備好加入了嗎？3. 價格的誠意：讓每個人都能玩轉AIOpenAI用行動證明，尖端技術不該高高在上。他們的定價如同貼心的朋友：低解析度圖像每張約0.02美元，高畫質圖像也僅0.19美元。 💸 這樣的價格，讓初創公司、獨立開發者，甚至是學生，都能輕鬆將AI圖像生成融入自己的項目。創意，從未如此平易近人。4. 產業的風向標：先行者的腳步大玩家們早已聞風而動。Adobe將gpt-image-1嵌入Firefly和Express，Figma讓設計師在設計中直接產生圖像，Wix、Canva等平台也正在加速探索。 🌟 想像一下，在Figma中，你可以用幾句話產生一張海報，然後調整風格、增刪元素，整個過程如行雲流水。這樣的效率，誰能不愛？5. 安全的燈塔：創新不失底線技術如同一匹奔騰的野馬，OpenAI卻懂得如何為它套上韁繩。他們通過C2PA中繼資料浮水印，確保每張AI圖像都有“身份證”，來源透明可追溯。同時，開發者還能調節內容審計的敏感度，既釋放了創意的自由，也守護了技術的底線。 🛡️🌈 你呢？準備好迎接這場創意風暴了嗎？看到這裡，你是否已經心動不已？如果是你，這項技術會如何點亮你的生活？開發者們，你會用它打造什麼驚豔的應用？一般使用者們，你期待在那些場景中看到AI圖像的魔法？請在評論區留下你的想法，或是把這篇文章分享給你的好友，一起加入這場AI圖像革命的狂歡吧！ 🎉 （澤問科技）

OpenAI 剛剛上線了一項重要更新——API 組織驗證（Verified Organization）。直接關係到你未來能否用上 OpenAI 最頂尖的 AI 模型和新功能接下來一周OpenAI將發佈一系列新模型，Sam Altman 也已經官宣，如果不進行API驗證，新模型可能無法通過API使用OpenAI 立場：總有那麼一小撮人試圖利用 API 從事違規、甚至不安全的活動。推出這個驗證流程，就是為了在有效遏制濫用行為的同時，繼續向廣大的、負責任的開發者社群開放那些最先進的模型和能力。這是一種平衡策略，確保技術進步不被濫用拖累如何獲得驗證？需要準備什麼？想成為“認證組織”，你需要滿足以下條件，並在 OpenAI 平台操作：有效身份證明：你需要提供一份來自 OpenAI 支援的國家/地區的、有效的政府簽發身份證明（比如護照、駕照等，具體接受類型會在驗證流程中說明）唯一性限制：你不能在最近 90 天內使用同一份身份證明驗證過其他的 OpenAI 組織。也就是說，一個身份證明每 90 天只能用於驗證一個組織資格問題：請注意，並非所有組織都能立刻獲得驗證資格。如果你的組織暫時無法驗證，可以過段時間再嘗試驗證入口：直接訪問你的 Organization settings（組織設定）頁面即可找到驗證選項：platform.openai.com“驗證暫不可用”怎麼辦？如果你嘗試驗證時，系統告訴你當前不可用：繼續使用：你仍然可以像以前一樣，使用 OpenAI 平台和當前可用的模型。現有功能不受影響未來可能性：OpenAI 提到，那些目前需要驗證才能使用的模型，未來有可能（注意是“有可能”，非承諾）會無需驗證就開放給所有使用者。那些國家/地區的身份證明受支援？OpenAI 表示支援來自超過 200 個國家和地區的身份證明。想知道你的國家/地區是否在支援列表裡，最直接、最準確的方法就是啟動驗證流程，系統會根據你的情況進行判斷和提示至於麻不麻煩，OpenAI 表示：過程很快：只需幾分鐘即可完成沒有資金門檻：驗證本身不要求你有任何消費記錄或預存費用速率限制（Rate Limits）：請注意，驗證本身不直接提升你的 API 呼叫速率限制。提升速率限制仍然依賴於你的使用量和支付等級（Usage Tiers）驗證好處好處非常直接： 解鎖高級模型和功能：通過驗證，你的組織將獲得訪問 OpenAI 最前沿模型（比如未來可能發佈的更強版本）和平台新增功能的權限。想用最新的 AI 能力？驗證是門票 為未來做準備：OpenAI 明確提到“為了迎接下一個激動人心的模型發佈”，建議大家現在就完成驗證。言下之意，未來的重磅模型很可能需要驗證才能使用寫在最後OpenAI 又增加了一層使用壁壘，感覺驗證又會成為一個生意，估計速度快的哥們已經在摩拳擦掌了 (AI寒武紀)

OpenAI給開發者的深夜大禮：一套全新API和工具上線，智能體的開發更簡單了！從此無需從不同來源拼湊各種底層API。一個全新API、三個內建工具，以及一個開源SDK，讓智能體開發進入next level。 Manus掀起的智能體風暴，再次逼急了OpenAI。 凌晨，OpenAI突然開啟線上直播，正式放出開發者自主建構智能體的大禮包—— 一個全新API、三個內建工具，以及一個開源SDK。

DeepSeek給到的壓力，正迫使整個AI領域發生本質上的改變。 山姆·奧特曼首次在開源權重問題上承認錯誤：“……我們站在了歷史錯誤的一邊，需要找出一個不同的開源策略……” 並緊急上線最新的推理模型o3-mini，一改過去兩年半遮半掩的尿性，一次性向所有使用者、包括免費使用者，開放了新產品在ChatGPT和API中的使用權限。 甚至連推理過程，也全部公開。