搜索
据悉，AI 推理芯片公司上海淬思科技有限公司（Trace Intelligence，以下简称“淬思”）近日完成孵化轮融资，砺思资本（Monolith）与启盈同创基金联合领投。本轮资金将用于首款面向智能体（Agent）推理的专用芯片研发与流片，以及核心团队扩充。
近期，在 LangChain 举办的智能体大会 Interrupt 上，吴恩达与 LangChain 创始人 Harrison Chase 进行了一场关于 AI Agent 的对谈。整场交流的核心并不是简单讨论 Agent 有多强，而是围绕一个更现实的问题展开：当 AI Agent 让软件开发变快之后，真正的瓶颈会转移到哪里？
近年来，大语言模型（LLMs）在长篇视觉叙事中展现出卓越潜力，生产方式正迅速从单一模型生成转向面向生产的智能体系统。但长视频剪辑仍然是一个极难控制的长期任务。模型有时会在缺乏素材依据的情况下强行生成，甚至在面对明显断档的转场或人物不一致时依然“盲目拼接”。
我们相信，常驻型 (always-on) AI 助理的下一次飞跃，不在于把某一个模型单点调得更聪明，而在于扩展智能体的上下文 (Scaling Agent Context)—— 不断拓宽助理能够持续 "感知 — 推理 — 执行" 的范围，作为生活连接器连接用户的信息孤岛，直到它能接管用户的整个数字世界。
刚刚，Anthropic重磅产品曝光了：永久在线智能体Conway来袭，AI开始主动打工，告别对话框！同时，GPT-5.6也在悄悄内测了。巨头激战，谁将颠覆你的工作流？
多智能体系统正在从学界走向业界。 在 Coding、Research 等真实场景里，越来越多系统不再只依赖单个 agent，而是由多个 Agent 分工协作：有人负责规划，有人负责检索，有人调用工具，
比预想的还要快！Cloudflare联创Matthew Prince甩出一张截图，宣告了互联网史上第一个真正拐点—— AI Agent的上网流量，第一次超过了人类。
你有没有想过，做一个网站这件事，可能根本不需要会设计，也不需要会写代码？这听起来有点反常识，但天工刚好就在往这个方向走。6月15日，天工设计智能体正式在 tiangong.cn 全面上线，我看完它的介绍之后第一反应是，这不是又一个做图工具，这是想直接把从想法到产品原型这条路给压缩掉。
在做 Agent Memory 工程化探索的这几个月里，我经常有种被概念淹没的窒息。图结构记忆、AutoMemory、做梦机制、各种层出不穷的 Memory 框架……整个技术社区似乎陷入了一种每遇到一个新场景就要发明一套新词汇的群体焦虑中。
未来设计的交付物，可能就是产品原型本身。