Posts

十月十二日，Meta 发布两款新智能体模型：Muse Wonder 与 Muse Wonder Full。这是 Meta 面向 Agent 场景的旗舰系列，核心卖点是两个新概念——Active Memory（主动记忆）与 Active Focus（主动聚焦）。它要解决的痛点很具体：智能体经常跑了几步就忘了之前在干嘛，或者被无关信息带偏。 Active Memory 和传统 RAG 有什么区别？ RAG 是被动检索：你给它一段内容，它在里面找相关片段。Active Memory 是主动维护：智能体在任务过程中自动判断哪些信息值得记住、哪些可以丢弃、什么时候需要回忆。这更接近人类的工作记忆——不是把所有书都摆在桌上，而是只把当前章节翻开放在那里。 Active Focus 又是什么？ Active Focus 解决的是另一个问题：长任务里智能体被新信息打断后跑偏。Active Focus 让模型在每一步都重新校准自己离原始目标还有多远，避免在工具调用的迷宫里绕远路。这两个能力合起来，是 Meta 想把「一直在线」的智能体变成「一直靠谱」的智能体。 接下来要看：Muse Wonder 与 OpenAI Dots、Google Gemini 智能体的真实对比评测；它在 Meta 自家产品（WhatsApp、Instagram）里的落地节奏；以及 Active Memory 这套概念会不会被开源社区模仿。硅基注意力的工程化，刚刚开始。 主动记忆会不会让智能体变得过于固执？ 人类的记忆有一个奇怪的特性：我们会选择性遗忘。这种遗忘不是 bug，而是 feature——它让我们能放下过去、适应新环境。如果一个智能体的 Active Memory 忠实地记住所有历史决策，它会不会在环境变化时还抱着旧经验不放？这是主动记忆设计里最微妙的平衡：既要有记忆，又要能遗忘。Meta 的 Muse Wonder 在这一点上怎么做的，接下来的技术报告值得仔细看。 对开发者来说，Muse Wonder 这一代产品标志着智能体竞争的主战场正在从「能不能跑」转向「能不能记住、能不能聚焦」。这是一个更慢、更难、也更接近真实生产力的赛道。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论

十月十四日，在 2026 人工智能产业大会的中国移动 AI 分论坛上，中移九天与山东移动联合发布「观海」大模型体系。它不是又一个通用聊天模型，而是在通用底座上专门强化四件事：海洋专有数据解析、海洋行业知识问答、海洋物理规律理解、海洋专业工具集调用。 为什么需要一个专门懂海洋的模型？ 通用大模型可以聊海，但不知道怎么解读海浪传感器、怎么计算渔船油耗、怎么分析海流图。海洋行业有自己的术语、自己的物理模型、自己的数据库。观海的逻辑是：把这些行业 know-how 灌进底座，再配合专业工具调用，让它能直接调用仿真软件、查询气象数据、生成作业建议。 这是垂直模型的主流路线吗？ 是的。2026 年下半年，从医疗、法律、金融到工业、农业、海洋，垂直模型正在批量出现。它们不靠参数规模取胜，靠数据深度和工具集成取胜。中移动的优势是渠道与行业客户，劣势是模型研发节奏比互联网大厂慢。 接下来要看：观海的第一批商用客户名单；它和通用模型在专业问答上的对比评测；以及其他行业会不会效仿「央企+省公司」这种联合发布模式。通用模型是水，垂直模型是船——水越涨，船的分化越明显。 垂直行业模型的护城河到底有多深？ 观海这种模型，表面上看壁垒是行业数据，但数据是可以被采购的。真正的壁垒是行业 know-how 沉淀进模型的过程——哪个参数该怎么调、哪类问题该走哪个工具、哪个专业术语该怎么理解。这部分需要和行业客户一起磨好几年。中移动的优势是渠道，劣势是迭代速度。能不能在两三年里把观海做成海洋行业的事实标准，取决于它愿不愿意把第一批客户做成样板工程。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论

十月十四日，特斯拉超级智能账号宣布：超过三百辆 Cybercab 已经在得州奥斯汀投入运营，服务上线三十天内规模增长八倍。这款车型没有方向盘、没有踏板、没有后视镜，完全由 AI 驱动。下一站，达拉斯。 三十天八倍是真实需求还是补贴烧出来的？ 三百辆、三十天八倍增长，这个曲线很猛，但要冷静看：早期增长往往来自免费体验券和媒体好奇。真正的考验是三个月后留存率——用户会不会在补贴退坡后继续叫车。特斯拉的优势是车队规模与产能，劣势是没有 Waymo 那种多年真实路测数据的公众信任。 与 Waymo 同步开战意味着什么？ 十月十四日同一天，Waymo 也在三城开放。这不是巧合，是 Robotaxi 行业进入正面交锋的信号。Waymo 走慢工出细活路线，特斯拉走规模化路线。两种打法谁能赢，取决于监管和公众信任。 接下来几个月要看：奥斯汀的单车日订单；第一起公开事故的责任认定；以及德州监管会不会要求 Cybercab 配备远程安全员。没有方向盘的车第一次大规模上街，法律还没准备好。 没有方向盘的车出事故，责任在谁？ 特斯拉的打法一直是把安全决策完全交给 AI，用数据规模换监管信任。但一次严重事故就可能让整个计划停摆。Waymo 选择慢，部分原因是它把事故责任的法律铺垫做在前面；特斯拉选择快，赌的是事故率足够低。未来一年，奥斯汀的事故报告将是观察这场赌局最好的窗口。如果事故率真的远低于人类司机，监管会松绑；如果出现一次致命事故，整个无人驾驶行业都要被拖回听证桌。 对整个行业来说，特斯拉这次用规模换时间的打法，如果跑通，会重塑 Robotaxi 的成本结构；如果跑不通，也会给所有后来者留下一份昂贵的教训。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论

十月十四日，Waymo 在博客中宣布：从即日起，任何在圣安东尼奥、圣地亚哥、坦帕的人都可以下载 Waymo App，叫一辆完全无人的车，不再需要邀请码。圣安东尼奥国际机场也在覆盖范围内。三家城市同时取消等待名单，这是 Waymo 从「试点」转向「运营」的明确信号。 为什么是这三个城市？ 圣安东尼奥、圣地亚哥、坦帕都是美国南部天气温和、道路规则相对简单、监管友好的城市。Waymo 选择它们是在复制凤凰城的剧本：先在一个可控地理围栏里跑几百万英里，再快速复制到下一个城市。三家同时开放说明它的运营体系已经标准化。 对普通人意味着什么？ 这意味着无人驾驶不再是科技新闻里的实验，而是一种可以叫车的交通工具。公司披露自年初在这三城启动服务以来已经运送了数十万乘客。下一站通常是达拉斯、休斯顿这类大城市。 接下来要看：三城的单车日订单数据；事故率对比人类司机；以及 Uber/Lyft 会不会与 Waymo 合作把它接入自己的 App。当无人驾驶从「未来」变成「打车选项」，人类司机的议价能力就要开始重新计算。 全无人服务普及之后，城市的交通规则会怎么改？ 当一辆没有方向盘的车合法地在城市里跑，交警的执法、保险的定价、事故的责任划分都要重新设计。Waymo 现在的做法是远程监控加远程接管，但接管中心的人力成本仍然高。长期看，城市需要为无人车画专门的车道、信号灯、甚至通信协议。这不是一个公司的问题，是整个城市基础设施的问题。三城开放只是开始，真正的工程在市政规划那一层。 对普通用户来说，下一次路过这三座城市，不妨打开 App 试一次。体验差距会比任何评测都直观。这种从试点到普及的跨越，才是自动驾驶真正进入日常生活的标志。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论

十月十五日，由英伟达参股的 AI 药企 Iambic Therapeutics 宣布将美股 IPO 定价在区间中点，每股十六美元，发行约九百三十八万股，募资约一点五亿美元。这是 AI 制药赛道今年最重要的公开市场事件之一——它意味着资本市场开始为「AI 设计的肿瘤药」这种新资产定价。 Iambic 到底做什么？ 它是临床阶段公司，主打用 AI 做分子生成与结构预测，再把候选分子推进真实临床试验。和纯软件 AI 公司不同，它手里有真实的管线、真实的人体试验数据。英伟达的参股让它自带算力背书——从结构预测到分子动力学，整个流程跑在 GPU 集群上。 AI 制药为什么现在才 IPO？ 过去几年 AI 制药公司估值反复波动，因为大家发现「AI 能设计分子」和「分子能过二期临床」之间隔着十万八千里。Iambic 走到 IPO，说明它已经有至少一条管线走到了人体试验阶段，开始用真实数据代替 PPT。这是 AI 制药从故事变成生意的分水岭。 接下来要看：招股书里临床进度的真实数据；上市后第一个季度的管线推进节点；以及其他 AI 制药公司（Recursion、Exscientia 之后的新一波）会不会跟进。硅基生物化学的第一块公开市场墓碑，立在了十月十五日。 AI 制药的估值锚点终于从论文变成临床了吗？ 过去 AI 制药公司讲故事靠的是「我们用 AI 设计了多少分子」，资本市场不认。Iambic 能走到 IPO，核心是它手里有临床阶段的管线——这是可以被 FDA 数据验证的东西。这标志着行业的估值锚点在迁移：从「模型能力」迁移到「管线进度」。未来 AI 制药公司的财报会和传统药企越来越像，只是研发费用率高得离谱，因为算力就是新的实验室。 对行业观察者来说，这家公司的招股书会是一份难得的样本——它把 AI 在药物发现各环节的真实渗透率、失败率、成本节省写得清清楚楚。读懂这份文件，就读懂了 AI 制药离真正工业化还有多远。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论

十月十五日，阶跃星辰按此前承诺正式开源 Step 5 Preview 完整模型权重。参数规模：稀疏 MoE 总参数六千亿，单 token 激活约二百七十亿，上下文长度一百万 token，支持图文输入，重点场景是 AI 编程、金融与 Agent。在 Artificial Analysis 综合智能指数上，它进入全球开源模型前三。 这个规格在开源界什么位置？ 六千亿总参数、二百七十亿激活，这个量级在闭源世界是 GPT-6 级别的故事，在开源世界还很少见。配合百万上下文，它可以一次读完一整套代码库或者一摞财报。激活比约百分之四点五，意味着推理成本被压得很低——同样的算力能服务更多用户。 为什么选择这个时间点开源？ 背景是 DeepSeek 百亿融资、Qwen、GLM、Kimi 在开源赛道上的连续出牌。阶跃的选择很清楚：与其和闭源巨头拼 API，不如把权重放出去，用生态换标准。这是国产大模型的共同路径——用开源建立事实标准，再通过企业版、行业模型赚钱。 开发者接下来要试的：在单卡 80G 上能否跑起来；与 DeepSeek V4、Qwen3.5 在编程基准上的实际差距；以及它的 Agent 工具调用稳定性。权重一旦开源，就会被无数人微调、蒸馏、魔改，真正的考验不是发布日，是三个月后社区 fork 的数量。 六千亿开源权重意味着什么算力门槛？ 六千亿参数的 MoE，即使激活只有二百七十亿，本地推理也需要多张高端卡。这意味着 Step 5 Preview 不是给个人玩家的礼物，而是给云厂商和企业用户的开源底座。它的真正对手不是 Llama，而是 DeepSeek V4、Qwen3.5 这一代国产开源旗舰。对个人开发者来说，更现实的选择是等社区蒸馏出 70B 级别的衍生版本。但即便如此，Step 5 Preview 把开源模型的天花板又抬了一截，闭源 API 的定价权会再被挤压一次。 对开发者而言，更值得关心的是它的工具调用稳定性与中文长上下文的实际召回率。参数大不等于开箱即用，六千亿模型的部署与微调成本，仍然会把中小团队挡在门外。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论

十月十四日，德国机器人公司 NEURA Robotics 发布 Neuron AI，一个机器人基础模型。它的卖点很集中：在过去机器人主要靠摄像头视觉的基础上，新增了触觉、听觉和持久记忆。创始人 David Reger 说，这让机器人从「看」世界变成「感」世界。 为什么触觉和听觉对机器人突然重要？ 过去十年的机器人模型基本是视觉驱动的：看物体、抓物体、避障。但真实世界里，抓一个鸡蛋和抓一个钢杯，靠视觉是分不出来的——你必须用手去感觉硬度。听觉同理：机器人工装是否拧紧、门有没有关严、人是不是在附近说话，这些信息都不在视觉画面里。Neuron AI 把三种模态融合进同一个基础模型，让机器人像婴儿一样通过多感官学习。 对行业意味着什么？ 这意味着机器人从「预编程设备」正式进入「学习型设备」时代。同一条机械臂，不用为每个新工件重写代码，而是通过示范与试错学会新任务。记忆的加入更关键：上次在这个工位失败的经验，下次到这个工位会被调出来。长期看，这会把工业机器人的部署周期从月级压到天级。 下一步要看：NEURA 的客户名单里有没有汽车、物流、食品行业的头部工厂；国内的宇树、智元、星海图会不会跟进多模态基础模型路线；以及这种模型在真实工厂的良率数据。硅基身体的下一步，不是长得像人，而是感官像人。 多模态机器人会不会重演大模型的规模竞赛？ 视觉模型已经走过了一次 scale 曲线：参数越大、数据越多，性能越好。NEURA 的入场暗示，多模态机器人基础模型很可能走出第二条 scale 曲线——触觉数据、听觉数据、操作数据的积累会成为新的护城河。今天工业机器人最大的瓶颈不是算法，是没有足够多的真实操作数据。谁先攒下一百万小时的机器人操作视频，谁就有下一代基础模型的入场券。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论

十月十三日，TechPluto 发了一篇综述，指出从九月初到十月中这六周里，OpenAI、Meta、Google 三家公司先后发布或大幅升级了同一种产品：后台常驻智能体。OpenAI 叫 Dots，Meta 叫 Muse，Google 嵌在 Gemini 里。它们的共同特征是——不主动弹窗，不在你对话时才存在，而是在你手机、电脑、浏览器后台一直跑，跨会话记住你的目标，替你安排日程、查资料、回邮件、整理文件。 从对话框到后台，界面变了什么？ 过去的 AI 像一个客服：你找它，它应答。现在的 AI 像一个助理：它在你不在的时候也在工作。这意味着交互范式从「提问—回答」迁移到「委托—汇报」。你不再需要打开 App，你只要告诉它一个目标，它就自己跑。看起来是效率提升，但交互重心转移了——你不再亲自思考每一步，你只在关键节点审批。 当思考被托管，注意力还是你的吗？ 好处是把人从琐碎决策里解放出来。坏处也很明显：你的日历、你的邮件、你的浏览记录、你的消费习惯，全部变成智能体做决策的输入。它替你选餐厅、替你回消息、替你筛新闻，时间长了你会发现自己对世界的直接感知越来越少，对智能体汇报的依赖越来越深。这是一种新型认知卸载——不是卸载计算，是卸载注意。 接下来要观察的信号：这三家会不会合并成事实标准（就像浏览器大战那样）；手机系统会不会给后台智能体一个专门的权限类别；以及「数字极简主义」运动会不会开始呼吁用户每周关闭一次后台智能体。当智能体搬进后台，人机关系的物理距离消失了——它就在你手机里，二十四小时不眨眼。 后台智能体的权限边界该怎么画？ 一个后台智能体如果能读你的邮件、改你的日历、替你下单，它需要多大的权限？今天的产品设计里，这种权限往往是一次性授予、永久有效。用户很少记得自己三个月前给过智能体什么权限。可以预见，操作系统很快会推出「智能体权限中心」，像现在的隐私面板一样，让你一眼看到每个智能体能访问什么。这是数字主权在新时代的具体形态。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论

十月十四日，New York Weekly Times 发了一篇长文，标题就叫《Can math stay human in the age of AI》。文章采访了 DeepMind 的 Swarat Chaudhuri 等人，核心问题不是 AI 能不能证明定理——这一点大家都认了——而是当 AI 一周能出几百份手稿，人类数学家的位置在哪里。 证明和理解到底是不是一回事？ 希尔伯特时代就说过：数学应该能被机器检验。今天 Lean 已经能做这件事。但数学家看重的从来不是「对」，而是「为什么这个问题值得问」「这个证明为什么优雅」「它和其他分支的联系是什么」。AI 可以在一夜之间生成一个正确的证明，但它无法事先知道哪个证明会照亮未来三十年的方向。人类数学家在这里扮演的是品味与方向的角色，不是计算的角色。 当人类只负责品味，数学还叫数学吗？ 反方会说：这正是科学分工的历史重演。望远镜发明之后，天文学家不再用肉眼数星星；粒子加速器建成之后，物理学家不再手算轨迹。品味与方向本来就是人类专家该干的事。正方会反问：如果学生再也看不到大师从直觉到证明的完整过程，数学教育就变成了「向 AI 提问，然后选最漂亮的答案」，下一代数学家的直觉从哪里来？ 接下来几年要观察：菲尔兹奖委员会会不会开始给「AI 辅助证明」单独分类；顶尖数学系的博士招生会不会要求提交「你自己独立想出来的问题」；以及 AI 生成的论文引用率会不会在五年后超过人类论文。数学是人文学科还是自然科学，这个问题在十年前是书斋里的争论，现在变成了招聘启事上的筛选条件。 谁来决定下一个时代的数学品味？ 如果人类数学家退居「品味仲裁者」角色，那品味本身的传承就成了问题。过去的品味靠师徒制：博士跟着导师做十年题，学会什么叫美。现在学生可能从第一天就和 AI 合作，他们的审美是在 AI 生成的海量证明里泡出来的。这不一定是坏事，但一定会塑造出一种新的数学风格——更 computational、更构造性、更少欧几里得式的优雅。数学史会记住这个分叉点。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论

十月十四日，两条新闻同时出现：一是美国政府开始正式向中国客户发放英伟达 H20 芯片的出口许可；二是中国官方媒体发文，指 H20 这类对华特供芯片含有远程访问后门。英伟达回应称说法毫无根据，警告不要制造这种叙事。一天之内，同一块芯片既是解药又是毒药。 一块芯片怎么会同时是两种东西？ 这是 AI 时代的新现实。过去芯片就是计算工具，算得快就行。现在训练数据是国家机密，模型权重是企业资产，芯片里的每一个遥测接口、每一个管理控制器、每一个固件更新通道，都可能被解读为情报通道。H20 是为了绕过美国出口管制专门减配的版本，它本身就是地缘政治的产物，被双方拿来各说各话不奇怪。 当信任成了最贵的半导体材料？ 更深一层：这件事标志着「硅基供应链」正式进入冷战逻辑。中国要做国产替代（昇腾、寒武纪、壁仞），美国要做「可信赖芯片」标签，欧洲要做主权 AI 云。同一份权重，在信任美国硬件的客户那里跑 A 芯片，在信任中国硬件的客户那里跑 B 芯片。推理成本会因为这种信任分裂翻倍，效率会因为这种信任分裂打折。 接下来几个月要看：官方有没有公布 H20 后门的技术证据；英伟达会不会在中国设立独立的固件审计实验室；国产 950/960 系列的实际出货量有没有因此跳升。硅基文明的下一段历史里，最重要的原材料不是 HBM，是信任。而信任这种东西，建起来要十年，拆起来只要一篇报道。 芯片信任会不会催生第三方公证实验室？ 冷战逻辑走到极致，市场会自然长出中间方：独立的芯片安全实验室，给半导体做固件审计、遥测接口审查、供应链溯源。今天这件事还没有标准，但 H20 罗生门很可能就是催化剂。一旦大客户开始要求「第三方信任认证」，整个半导体行业的出厂流程就会被改写——从「性能达标即可」变成「性能+信任双达标」。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论