联想王帅：从万物互联到智能协同——全球通信的未来之路
近日，联想集团副总裁、联想懂的通信CEO王帅博士在移动转售产业生态发展大会上发表主题演讲，并指出行业正处从“万类智联”迈向“万智互联”关键拐点，“智”正从能力、工具、手段升级为数字世界的核心主体，下一代连接网络将是亿兆级AI智能体协同网络。 10年前，在联想懂的通信成立一周年全球战略发布会上，王帅曾以“从万物互联到万类智联”为题发表演讲，率先提出“智能互联网”“智联网”概念，并预判“虚拟运营商的机会，将出现在智能互联网、分享经济和全球化的结合处”。 10年后的今天，万类智联已从构想变成现实，万智互联时代正
当AI替你思考：我们正在失去什么？
当AI学会“哄人”，我们该警惕什么？---早安，各位科技米们～ 一起来看今天的AI与科技早报：【今日头条】中国AI大模型周调用量达4.69万亿Token，连续两周领跑全球3月29日数据显示，中国AI大模型周调用量突破4.69万亿Token，连续第二周超越美国登顶全球榜首。摩根大通预测，到2030年这一数字将增长至约3900千万亿。央视财经评论称，这标志着中国AI产业正从“技术奇观”迈向“水电般的基础设施”。但就在同一天，MIT一项研究给热潮泼了冷水：使用AI辅助写作的学生，大脑区域间“连接性”明显低于独立
马斯克揭示了AI竞争的新格局
专题：中国资产安全属性凸显 A股长牛慢牛可期 在AI竞争领域，攻守之势正在悄然变化。 或许多年后，人们才会意识到，某个转折点其实只是当时的一件‘小事’。 （一） 最近几天，一场堪称‘AI世纪打假’的事件在全球科技圈上演。 硅谷炙手可热的AI编程巨头Cursor，高调发布了其‘自研’的Composer 2模型。然而，全球开发者却在代码中发现了致命问题——模型ID显示为中国产大模型Kimi K2.5。 一家寻求500亿美元估值的硅谷明星企业，其核心竞争力竟然悄悄依赖于一个来自中国的基础模型——而开发这个模型的
杨植麟展望AI研发新纪元
3月25日，月之暗面创始人杨植麟在2026中关村论坛年会全体会议上发表演讲。杨植麟表示，大模型的核心在于将能源转化为智能，规模化是AI发展的关键基础，但规模化并非简单增加算力与能源，而是以提升效率为核心。为此，Kimi从三个方面制定规模化策略：Token（词元）效率、长上下文处理和Agent（智能体）集群，在有限资源中实现智能最大化。杨植麟指出，有效数据量是有限的，提高Token效率意味着采用更优网络架构与优化器，从相同数据中学习更多智能。同时，Kimi通过自主研发的Kimi Linear架构扩展长上下文
AI时代二: 从互联网流量经济转向Agent时代Token经济
在人工智能时代，商业模式正从互联网流量经济转向Agent时代Token经济，核心是价值锚点从“注意力/用户规模”切换为“智能体执行的有效工作量/Token消耗”，计费从“流量订阅”转向“按用付费”。产业链围绕“Token生产—定价—交易—应用”重构，形成“算力—智能体—场景”的闭环价值体系。五、企业面临的挑战与机遇对于企业管理咨询和目标企业来说，这意味着战略重心的全面转移：从“获客”转向“留客与交付”：不再需要庞大的市场团队去买流量，而是需要强大的产品团队去训练更懂业务的Agent，提高任务完成的转化率。
PyTorch与Keras：AI框架的进阶之路
对比视角KerasPyTorch用户友好度⭐⭐⭐⭐⭐⭐⭐⭐定制自由度⭐⭐⭐⭐⭐⭐⭐调试便捷性普通卓越适用群体新手入门专业人士专家简介杨洋，CodeAI创始人毕业于南京大学计算机科学工业文化教育指导专家证书ID：PGYY00024063000001详情访问：[证书链接](https://www.miit-icdc.org/zscx.htm)未来趋势：Physical AI，引领智能新纪元携手ARM，启动K12 Physical AI公益计划探索Arm技术在Physical AI教育的应用前景教育反思：师资，
多智能体框架对比：LangGraph、AutoGen与CrewAI
在工业界和复杂业务场景中，技术选型时我们常常会问：“市面上这么多 Multi-Agent 框架，我该选哪个？”目前，站在多智能体框架顶端的有 LangGraph、AutoGen 和 CrewAI。它们虽然都解决 AI 团队协作问题，但底层哲学和工程实现差异显著。CrewAI 的核心逻辑是角色扮演与任务委派。其设计理念贴近人类组织架构，定义员工、派发任务、组建团队，并选择顺序或层级执行方式。它的 API 设计友好，适合流程确定的任务，如内容生成流水线，但缺乏精细控制，复杂业务时表现不足。AutoGen 是由
Karpathy的AutoResearch如何提升FINHUB AI信号准确率
FINHUB365 · AI SIGNAL OPTIMIZATION上周在Twitter上浏览时，发现Karpathy又发布了一个强大的开源项目AutoResearch，代码量不大，总共约600行Python。没错，就是那位前特斯拉AI总监、OpenAI联合创始人，在YouTube上教全球编写神经网络的Karpathy。我当时的第一反应是：AI专家+自动化+高赞，必须深入研究一下！结果令人惊喜！它显著加速了FINHUB网站美股交易AI信号优化的进程。AutoResearch的工作原理非常简单：让AI自行实
AI重塑生产关系：Token背后的秘密
2018年1月13日，我在朋友圈留下一句话。7年后，一个名为“Token”的概念，揭示了答案。中国每日Token调用量高达140万亿。这一数字背后，隐藏着AI重构生产关系的三大真相。你可以将其理解为：AI处理的基本单位。中文字符约等于1-2个Token。当你向AI提问，它作答时会消耗Token。深圳计算科学研究院的欧伟杰举了个例子：算力如同“电力”，Token则是消耗的“电量”。预计到2026年3月，这个“电量”将达到——140万亿Token/天。与2024年初的1000亿相比，两年内增长超过千倍。这意味
智能体崛起：中国AI的实战突围
一、具身智能"破圈"：从实验室炫技到真实场景刺刀见红"机器狼巷战"——这四个字足以让所有科技爱好者肾上腺素飙升。3月26日，央视首次公开中国新一代机器狼群城市巷战实战演练画面。这不再是实验室里的概念验证，而是具备完整作战能力的智能集群。这场展示的核心价值不在于"机器狼能做什么"，而在于"机器狼群能协同做到什么"。侦察型"暗影"、打击型"浴血"、保障型"极地"三型分工，实时共享战场信息，协同决策攻
Token革命：AI公司的新薪酬标准
<div><p>01/</p><p>Token，从AI教父黄仁勋口中，揭示了硅谷的新谈资——‘新期权’，正逐步取代传统薪酬结构。在英伟达GTC2026的论坛上，他预言Token将成为工程师薪酬的核心，与股票期权齐名。这或许是受到风险投资人Tomasz Tunguz的影响，他将推理算力成本加入工程师薪酬体系，成为第四种收入来源。科技行业的福利版图似乎在悄然扩大，从股权期权到TikTok补贴，一切皆有可能。国内企业也不甘落后，阿里、腾讯、优刻得等纷纷发放Toke
解码AI新术语：从LLM到Harness Engineering的全面解析
术语浪潮不断，本文为您梳理AI领域热门概念，一文掌握核心脉络。从LLM（大型语言模型）到Token，再到Context与Prompt的奥秘，层层递进揭示AI技术栈。如Claude、GPT等，这些模型背后，是一场基于Transformer架构的文字预测游戏，它们学习如何接续文本，却因缺乏事实校验而常陷入‘幻觉’创作。Token，文本处理的基石，决定着AI交流的度量单位，而Context Window则限制着模型的记忆广度。Prompt设计的艺术，关乎与模型高效沟通的秘诀。工具（Tool）的接入，让模型从话语
AI术语的优雅中文翻译
互联网之后，常见一些单词，例如，Internet，从叫因特网，结果多叫成互联网。人工智能日常常见的几个单词，例如，Token现在有叫词元，那AI、Agent、context这几个按照信达雅（叫什么好？💡给AI术语穿上汉服｜当冰冷代码遇上东方美学✨ 有人在啃AI大模型的资料，发现很多术语直译过来总感觉少了点“味道”？其实如果用“信达雅”的标准来审视，这几个单词完全可以拥有更具韵味的中文“别名”！ 🤖 AI = 人工智能 👉 更具象的叫法：灵析 灵：代表灵动、智慧，呼应AI的“智能”属性； 析：意为分析、解析
中国大模型调用量领先 全球AI版图将如何改写？
■上证深一度 中国大模型调用量登顶 如何重塑全球AI产业格局？ ◎记者 刘怡鹤 今年以来，一场“龙虾（OpenClaw）风暴”席卷全球。在运行中，OpenClaw就像大模型的“调度大脑”，其复杂程度导致全球大模型调用量急剧爆发。 在这一AI大模型应用体验与规模的代际跃迁中，国产大模型迎来历史性反超——截至3月22日，国产大模型调用量前所未有地连续三周超过海外大模型。OpenClaw带来的词元（Token）消耗压力，导致大量海外用户转向性能同样领先且性价比更高的中国大模型。 上海证券报记者采访大模型产业链公
杨植麟追问提价缘由，张鹏：持续低价内卷不利行业健康
新浪科技讯 3月27日下午消息，在2026中关村(5.100, 0.19, 3.87%)论坛年会《OpenClaw与AI开源圆桌会议》上，月之暗面创始人杨植麟担任主持并与智谱华章CEO张鹏、小米MiMo大模型负责人罗福莉等人进行对话。 对话中，杨植麟提及智谱最近发布的GLM-5-Turbo模型并问张鹏为何进行提价。张鹏答道：“现在已经不是简单地问一个问题，模型给出一个回答了，它背后的思考和推理链路会变得很长，还会通过写代码的方式与底层基础设施交互，不断调试，并随时修正自己的错误，这意味着整体消耗量会非常大