-
github · 2026-09-21 · GitHub / AI 最新 趋势 stars:>50 / TypeScript
语言:TypeScript；stars:198；更新:2026-09-21T16:02:33Z
-
github · 2026-09-22 · GitHub / LLM workflow stars:>300 / Python
语言:Python；stars:6684；更新:2026-09-22T01:29:27Z
-
github · 2026-09-22 · GitHub / MCP server stars:>100 / Python
语言:Python；stars:73418；更新:2026-09-22T01:23:17Z
-
github · 2026-09-22 · GitHub / Claude Code stars:>50 / Rust
语言:Rust；stars:3623；更新:2026-09-22T01:22:05Z
-
github · 2026-09-22 · GitHub / Claude Code stars:>50 / Rust
语言:Rust；stars:108；更新:2026-09-22T01:24:37Z
-
justoneapi-all · JustOneAPI / AI与Agent 最新 热点 趋势
你知道用AI可以做的一百件事里，哪些最实用吗？做投资最耗精力的从来不是做决策，而是前期海量信息搜集整理🥱 普通散户想做深度研究，时间成本实在太高。 -- 千问办公助理直接解决这个痛点，搭载 Qwen3.8‑Max 模型。 5 个 skill 自动接力联动，接入 13 个数据源，走完数据采集、估值建模、预期追踪、业绩复盘到研报生成全链路。 -- 📝实操步骤，跟着做就会👇 1️⃣打开千问 APP，切换到【办公助理】 2️⃣点开技能面板，进入投资理财专区，挑选对应投研技能 3️⃣输入股票代码或描述你的分析需求，等待 AI 输出完整分析报告 -- 💡真实体验感拉满 不用手动摘抄盘面数据，缩量、放量、资金流向这些繁琐计算交给 AI 处理。 板块热度、龙虎榜拆解、个股深度剖析都能一键产出结构化报告，支持文件导出留存。 AI不仅能做股票研报，还能完成用AI可以做的一百件事中的记账、消费复盘等理财任务。；检索词:AI与Agent 最新 热点 趋势
-
justoneapi-weibo · 微博热搜 / JustOneAPI
-
justoneapi-all · JustOneAPI / AI与Agent 最新 热点 趋势
AI浪潮正在重塑汽车产业底层逻辑，由产品功能向产业全链条深度渗透。智能驾驶、智能座舱持续进化，研发、测试、制造环节迎来AI重构，行业完成从软件定义向AI定义的时代跨越。大模型、AI Agent、数据与算力技术高速迭代，技术向量产产品的价值转化，成为行业智能化突围的关键。 9月18日，2026第四届AI定义汽车论坛于上海顺利召开。大会第二天，汇聚了来自整车企业、AI科技公司、芯片厂商、Tier1、科研机构等领域的产业代表，围绕AI计算、数据、模型、智能驾驶、智能座舱及产业应用等热点展开深入交流，在AI计算基础设施、智能座舱交互、大模型赋能智能驾驶测试与研发、AI工程化实践等议题上，多位嘉宾分享了最新技术探索与落地案例，共同探讨AI在汽车产业落地应用的关键路径。 生成式AI工程应用成熟度模型 迈斯沃克软件，资深生成式AI首席专家齐卓锟从研发范式、成熟度模型、GenAI+MBD实践分享。他指出，GenAI推动研发从执行到决策、串行到并行、项目到资产、试错到闭环:AI做重复执行，人做目标定义与评审；需求、设计、测试协同；生成后验证修正闭环。通用GenAI深入工程需MBD承接。MBD提供可执行规格、仿真反馈和规则约束，Simulink承载架构、接口与行为，仿真驱动修正，检查与覆盖率形成确定性门禁。GenAI不替代MBD，二者结合才能把“更快生成”变成可验证、可追溯、可复用能力。 齐卓锟介绍，成熟度模型以AI自主度和产物形式化程度为轴，分L1认知、L2执行、L3资产、L4形式，当前应重点走向L3/L4。MathWorks用MATLAB/Simulink Agentic Toolkit与MCP工具桥，让AI受控操作模型，并以六步法Gate、确定性脚本、独立审查和ISO 26262平台守合规。案例中，电池包开发首次投入约2周，沉淀资产后复现lt;20分钟；车辆自动驻车POC从传统1个月降至1周，结合咨询后约1天。他称，落地可自建体系，或用迈斯沃克咨询1-2个月跑通L4试点。 齐卓锟丨迈斯沃克软件，资深生成式AI首席专家 从“软件定义”到“智能融合”新能源汽车架构范式 赛力斯科技公司数字能源部副部长刘小飞系统阐述了对下一代汽车架构的思考。他指出，汽车智能正从单体智能向群体智能演变。未来，汽车不再是智驾、座舱、底盘各域各自为战的 quot;单点聪明quot;，而是协同融合的 quot;具身智能体quot;。用户需求也呈现四大转变:娱乐从单一收听走向多模态情感交互，角色从驾驶员转向乘客与体验者，体验边界从信息孤岛扩展到全域互联，服务关系从被动维护升级为主动关怀。 基于此，赛力斯将下一代汽车定位为 quot;全域智能中枢、懂你的移动伙伴quot;。硬件层面构建 quot;大脑 — 小脑 — 区域控制quot; 三级架构:中央计算平台融合座舱、智驾、车控多域算力，作为整车感知与决策中枢；运动域控作为小脑，协调驱动、制动、转向、悬架系统实现融合控制；区域控制器采用三大域加四小域布局，大幅缩短线束、减轻重量、降低成本。软件层面打造五层分层架构，依托端云一体实现云端深度推理与车端毫秒级实时响应的协同，并通过 quot;端侧 + 云侧quot; 双数据中心闭环实现持续进化。 展望未来，刘小飞表示，汽车将从一次性交易转变为覆盖 quot;买、卖、用、修、服quot; 全生命周期的持续服务，成为有温度、可成长的智能伙伴。 刘小飞丨赛力斯科技公司 数字能源部副部长 AI Agent 赋能汽车全链路工程创新 —— 西门子 Xcelerator 生态的落地实践 西门子数字科技有限公司生态区域拓展总经理钱士明介绍了西门子Xcelerator开放式数字化商业平台如何以 AI Agent 赋能汽车全链路工程创新。他表示，Xcelerator平台三年前在中国上线，目前已汇聚600余家本土数字化与低碳化伙伴、900多款应用，注册用户达66万。平台为生态伙伴提供四大赋能:西门子在华40年积累的近5万家客户资源、投融资对接、近3000家集成商与代理商构成的分销渠道，以及基于西门子全球化经验的出海支持。 钱士明表示，平台还推出Xplorer AI智能推荐和工业AI频道，致力于成为工业AI一站式生态共创与场景落地枢纽。 钱士明丨西门子数字科技有限公司生态区域拓展总经理 车企AI转型实战分享 火山引擎，车企AI应用解决方案负责人刘欣龙指出，随着Agent架构成熟，AI正从单点辅助工具升级为可深度参与业务的 quot;数字员工quot;。他提出，企业可持续推进三项 quot;复利工程quot;，包括业务结构化和执行手册沉淀，为后续AI能力发挥价值奠定基础。 在企业生产力层面，刘欣龙认为数字员工落地需具备四大支撑要素:模型能力、安全agent架构、IM平台上下文以及AI能力沉淀。他以豆包工作为例，介绍了其在跨系统操作、用户研究、数据分析、视频创作与复刻、差旅管理、简历筛选和财务报销等场景的应用情况。 在产品力与C端体验方面，刘欣龙分享了座舱智能助手、3D桌面形象生成和个性化车衣等应用案例。其中，座舱助手已与特斯拉开展合作，可提供人设交互、资讯查询和导航关联等功能；3D桌面形象生成的成本可控制在一元以内。此外，刘欣龙还提及火山引擎正在嵌入式开发工具链领域进行探索，尝试与各类研发工具联动，为车企提供更多开发环境支持。据介绍，火山引擎自2019年起深耕汽车行业，目前已与国内多数车企主机厂开展不同维度的合作。 刘欣龙丨火山引擎，车企AI应用解决方案负责人 从车端到云端:构建AI时代的数据基础设施 微软中国汽车事业部技术总监邓天坚指出AI定义汽车的核心是 quot;数据 — 模型飞轮quot;，数据基础设施正成为智能汽车的新底盘。 邓天坚表示，车企数据基建面临三重张力:规模与价值、速度与治理、全球与本地。解决之道是将治理、语义和全球化设计进基础设施，而非事后补丁。微软提出从 quot;数据平台quot; 升级为 quot;统一、可信、可治理的数据与 AI 资产平台quot;，构建从车端信号采集、边缘筛选接入，到OneLake与Microsoft Fabric统一数据底座、语义上下文挖掘，再到Microsoft Foundry模型与Agent工厂训练，最终通过OTA回灌车辆的完整闭环。他表示，大模型正重构数据生产线，在挖掘、标注、训练、评测各环节提升效率，其中自动标注对非标目标零样本识别准确率达 97% 以上。 全球化方面，邓天坚介绍，微软倡导 quot;一套控制面、多个数据面quot;，数据留在本地边界，共享工程标准而不跨境搬运。安全治理贯穿全链路。BMW集团基于Microsoft Foundry的多智能体系统已将测试车队数据分析提速最高12倍。 邓天坚丨微软中国汽车事业部技术总监 AI在汽车行业方案交付中的应用 艾拉比副总裁贺思聪分享了AI在汽车智能化软件方案交付中的实战应用。他指出，汽车行业方案交付面临 quot;不可能三角quot;:客户要得急、技术复杂度高、质量要求严。艾拉比用AI破解困局，实现从 quot;人是生产者quot; 到 quot;人是审核者和决策者quot; 的工作流转变。售前阶段，AI覆盖需求理解、方案撰写、合规对标、多语言输出等环节；交付阶段，AI从传统收缩型方案转向扩张型设计，自动生成业务流程图并追踪需求变更更新版本。 贺思聪分享了三个案例:国内商用车企海外OTA项目中，完整技术方案从2至3周缩短至3天，整体提效10倍以上；国内乘用车集团出海车型OTA搭建中，SOR全量应答从1至2周缩至1天；海外车企软件订阅项目中，AI实现 quot;一人成军quot;，身兼多职。量化数据显示，AI使人力成本降低80%，交付周期缩短75%至85%，多语言成本归零，新人培养周期缩短70%。贺思聪总结，AI不会替代工程师，但会让每个工程师拥有写过60余家主机厂方案的搭档。 贺思聪丨艾拉比副总裁 从工程经验到工程智能:AI赋能汽车研发与验证 IAV首席AI架构师杨清峰指出，汽车正经历定义权迁移:从机械定义、电子定义、软件定义，走向AI定义乃至AI原生。AI原生不是简单的座舱功能升级，而是SDV之后车辆操作系统之上的新一层智能运行时。Arm、高通、英伟达等厂商方向一致，均推动AI走向车端、平台化与Agent化。 杨清峰介绍，IAV的AI实践覆盖三大领域:车辆功能方面，AI热管理实现从 quot;平均舒适quot; 到 quot;个人舒适quot; 的升级，Cloud-BMS利用车队数据优化电池管理；工程研发方面，AI辅助标定减少重复参数工作，建模仿真智能体连接工程任务与专业软件，Cubi Hub将工程能力组织为可复用技能，AutoVerse实现跨环境测试复用；验证与反馈方面，Mela平台可从文本描述生成仿真场景，R4X法规平台覆盖全球8大市场并自动生成工程需求，售后智能诊断借助知识图谱实现故障根因定位。他认为，AI原生汽车不是 quot;汽车加AIquot;，而是让汽车从可编程机器进化为可理解、可规划、可行动、可持续学习的智能体。 杨清峰丨IAV首席AI架构师 基于智能汽车打造AI时代的分布式算力网络 智协慧同科技有限公司联合创始人兼CTO谢宁指出，当前AI爆发与20年前互联网爆发高度相似:GPU、HBM等硬件成本高昂，企业自建数据中心利用率仅10%至30%，外购算力则成本层层叠加。智协慧同推出分布式车联网AI算力池，将车载芯片的闲置TOPS算力平台化，让社会用得起 quot;电费级价格AIquot;。 该架构分为云端调度控制、边缘弹性连接和车端资源执行三层，支持异构单节点和分布式推理集群。1.0 版本已支持千亿参数以下大模型，覆盖Qwen、InternVL、DeepSeek等稠密、MoE及多模态模型，支持多节点流水线推理和故障自动切换。 谢宁表示，主机厂未来20年最大的决策是继续做制造工厂还是转型算力平台，正如亚马逊从电商走向云计算。预计到2030年，中国将有6000万辆具备智驾算力的车辆，可组成兆级算力池。该模式可使Token价格下降60% 以上，车主分享闲置算力每月可获百元至千元收益。 谢宁丨智协慧同科技有限公司联合创始人兼CTO 从无人驾驶迈向通用物理AI 轻舟智航技术副总裁钱祥隽指出，自动驾驶是物理AI首个大规模商业化场景，是通用物理AI发展的核心基石；世界模型与强化学习是连接数字AI与物理世界的桥梁，也是通往通用物理AI的必经之路。 技术上，轻舟构建了 quot;云端世界模型 + 车端世界行为模型quot; 双模型协同架构。云端模型具备高可控视频生成、零样本生成引擎和低成本预演仿真能力，可泛化各类复杂与对抗性场景；车端模型融合VLA与强化学习，实现感知到行动的全链路模型化，二者依托数据闭环系统形成持续迭代的 quot;数据 + 模型quot; 双引擎。 量产方面，轻舟辅助驾驶方案已搭载超100万台车辆，覆盖40余款量产车型、10 家车企品牌，推出乘风L、Pro、Max三级方案。其中Pro平台率先在128TOPS地平线J600M芯片上落地城市NOA，Max平台以超500TOPS算力提供越级体验。无人物流车已在金华、苏州、广州等地测试运营，L2++与L4共享统一技术底座。全球化方面，轻舟已在慕尼黑、巴黎等欧洲城市开展测试。钱祥隽表示，公司愿景是成为全球领先的通用物理AI公司。 钱祥隽丨轻舟智航技术副总裁 Zelos Inside:开放物理AI原生底座，共创千行百业L4无人车的新生态 九识生态与创新事业部总经理薛亚鹏介绍了Zelos Inside开放物理AI原生底座，提出与千行百业共创L4无人车新生态。他介绍，九识成立于2021年，是RoboVan领域开创者，运营全球最大的L4无人驾驶运力网络，车队规模3万台，累计运营超2亿公里，覆盖20余国300多城市。公司构建了车端算法、云端模型和安全员Agent协同的 quot;三脑quot; 物理 AI 大脑，依托万卡计算集群持续训练。 九识推出 Zelos Inside 模式，通过车厂与场景方双轮驱动协同共建。一种是专用车生态改装，基于二类底盘拓展安防巡检、燃气巡检、环卫消杀、城市配送等场景；另一种是模块化智驾套件，将L4级软硬件系统快速部署于各类线控底盘车辆。配套Zopen开放平台提供完整API和SDK。 落地案例包括:与东风汽车达成国内首个主机厂级合作，历时8个月完成从签约到预售；与生态伙伴打造环卫、畜牧等专用场景；与煤科院联合开发井下防爆车辆。薛亚鹏表示，未来L4无人车将汇聚成智慧城市的物理大脑2.0。 薛亚鹏丨九识生态与创新事业部总经理 7D空间智能 重构视觉感知——空间计算智能成像技术 物理世界入口 重庆中科摇橹船信息科技有限公司销售副总裁马健介绍了7D空间智能成像技术，提出以空间计算重构视觉感知，打造物理AI的数据入口。他指出，国内激光雷达普遍采用 quot;先成像后计算quot; 方案，靠多传感器堆叠和后端融合建模，存在空间对齐与时空同步不匹配、极端场景数据缺失等问题，传感器越堆越多、运算越慢，已引发多起交通事故。 对此，中科摇橹船反转计算逻辑，采用 quot;先计算后成像quot; 路径，在前端硬件层统一激光 TOF 与视觉信息，发布全球首款硬币大小的 7D 空间智能传感器。该产品融合 XYZ 坐标、RGB 语义与时间戳，单光路同步输出三维语义、测距和二维语义成像，天然空间对齐，可在强光、黑夜等复杂环境稳定工作。 产品分具身版、车载版和通用版，已在浓雾、暴雨等极端场景验证，并联合黑芝麻、长城汽车完成路测。马健强调，工业相机作为物理 AI 的数据入口决定世界模型上限，公司将携手合作伙伴推动行业迭代。 马健丨重庆中科摇橹船信息科技有限公司销售副总裁 AI座舱-端侧智能的进化 惠州华阳通用电子有限公司 智能座舱事业部产品总监林伟超指出，智能化已成为用户购车首要考量，占比达73%，AI 座舱市场2026至2035年将增长约20 倍。但当前大模型座舱应用普遍停留在基础交互，存在响应不稳、个性化不足等痛点。 他将AI座舱落地路径归纳为三条:纯云端方案每年需约160元/车 token 费用且延迟高；全新端侧座舱开发周期约22个月、投入高；现有座舱叠加AI Box 方案周期≤10个月，无需长期token费用，体验接近端侧原生，是当前兼顾体验、成本与效率的最优路径。 华阳基于SOA化AAOP平台推出端云融合解决方案，支持A2A与MCP协议，端云双端部署大模型，端侧数据不出车、低延时，可结合用户画像与上下文输出个性化响应。硬件可适配8295、8797等主流座舱芯片，AI Box提供160TOPS稠密算力，已适配通义千问等大模型。华阳已形成一芯多屏、端云智能体、中央计算等多层级产品矩阵，端云结合架构已实现量产。林伟超表示，华阳将持续为车企提供高性价比的全场景AI座舱全栈方案。 林伟超丨惠州华阳通用电子有限公司 智能座舱事业部产品总监 智能汽车与具身智能的AI基建 宁波均联智行科技股份有限公司，全球ADAS负责人汪浩伟指出，AI应用强度取决于底层基础设施。智能驾驶与座舱只是冰山一角，芯片、硬件、软件、系统和工具链等基础设施才决定智能体能力上限。均联智行正转型为整套AI基建供应商，覆盖从电力、数据中心、高速网络，到域控制器、中央计算，再到AI中间件、云平台和数据采集的全层级。 技术演进上，自动驾驶从模块化走向统一端到端模型，均联智行产品覆盖从L2到VLA全层级。座舱智能从功能孤岛走向统一多模态Agent，汪浩伟认为座舱大模型化会快于智驾，因智驾受安全底线牵制。车辆AI跨边缘与云端运行，集中式E/E架构是必要基础，中央计算正从 One-Box 向 One-Chip 演进。他强调，云原生中间件需统一开发与部署环境，闭环数据飞轮速度决定AI能力发展速度。均联智行已在智慧港口、智慧城市落地，并探索车路协同和汽车 Agent 化方向。 汪浩伟丨宁波均联智行科技股份有限公司，全球ADAS负责人 星河AIOS:从智舱，迈向整车智能 星河智联汽车科技有限公司CPO武子平指出，智能座舱AI的核心是从 quot;你说我做quot; 升级为主动感知、理解并闭环需求的专属伙伴。AIOS以Master Agent为统一入口，整合多模态输入，经意图理解、任务规划、智能体调度，将用户目标转化为跨域协同的整车执行结果，依托多模态感知、意图与上下文、复杂任务规划、智能体调度、记忆与学习、安全治理六项底层能力构建系统壁垒。 端云协同上，车端保障实时、安全与隐私，云端负责长尾训练与能力发布，新能力持续回灌车端。场景落地方面，系统可识别用户无明确应用边界的需求，补全意图后输出最优结果，覆盖内容编排、听感调节、赛事检索、餐饮下单、旅行规划等场景，实现从推荐到专属编排再到服务闭环的跨越。武子平还提出构建舱内智能体中心，支持能力发现、用户自主配置与持续运营。他总结整车智能化三大原则:智能体作为统一中枢、端云协同持续进化、从理解到执行完成整车闭环。 武子平丨星河智联汽车科技有限公司 CPO 从“功能堆叠”到“主动协同”——整车多域AI智能体的探索与实践 中国一汽研发总院，EE架构总工徐宝军将汽车产业演进划分为三阶段:2020年前功能堆叠、2020至2026年软件定义汽车、2026年后AI定义汽车。AI Car是数据驱动的整车智能体，具备数据驱动决策、整车自我进化、轮上具身智能三大特征。当前行业面临模型割裂、数据断点、功能烟囱、测评缺位、硬件错配、组织分散六大痛点。 技术上，徐宝军提出 “统一模型平台+模型矩阵+整车Agent”思路，统一运行框架与数据标准，同时保持模型专业化分工。用好模型需具备意图驱动、运行管理、端云调度、分层记忆、安全协作、可观测韧性六大能力，Agent成为一级调度与治理对象。落地方面，一汽选择 quot;先产品上车、再下沉系统能力quot; 路线，车端具备1000+TOPS异构算力，可支撑超10B参数大模型部署。行业已形成全栈自研、平台合作、域强协同三条主流路线。 徐宝军丨中国一汽研发总院，EE架构总工 智驱未来:NXP汽车边缘AI技术全景 恩智浦半导体大中华区汽车边缘AI产品市场经理刘昱炜指出，AI落地集中在整车中央计算、AI Box和区域控制器小模型三大场景。AI Box方面，恩智浦Ara240独立NPU单芯片达40 eTOPS，可扩展至160 eTOPS，功耗仅6.4W，支持独立盒子或算力卡形式，面向经济型车型智能化升级，已适配千问、面壁、Llama 等主流大模型。 刘昱炜强调，区域控制器MCU小模型是 2028至2030年下一代平台高关注话题，国内前14大OEM中有10家明确兴趣。恩智浦S32K5高性能MCU集成51至 400 GOPS的Neutron NPU，加速效果达M7的10至30倍，并配备R52核心支持浮点模型直接部署。 她介绍，国内客户最关注BMS电池管理、智能底盘和虚拟传感器三大场景。BMS方面AI模型可将精度从3%至5%优化到1%以内；智能底盘自研路面分类模型推理仅2.2毫秒；虚拟传感器可实现不可测量变可测或取代物理传感器降本。 刘昱炜丨恩智浦半导体大中华区汽车边缘AI产品市场经理 全域AI:汽车正在迈向统一智能体吗？ 最后，大会进入热点对话环节。本次对话以“全域AI:汽车正在迈向统一智能体吗？”为主题，由盖世汽车国内资讯组资深编辑叶琪梦主持，上海蔚来汽车有限公司座舱人工智能负责人、高级总监高杰，重庆中科摇橹船信息科技有限公司销售副总裁马健，宁波均联智行科技股份有限公司全球ADAS负责人汪浩伟参与讨论。 围绕“从‘功能叠加’到‘整车智能’——主机厂与AI供应商、Tier 1之间，如何建立更高效的协同定义机制？”“舱驾融合与全域智能——汽车是否正在走向统一智能体，下一阶段的系统级挑战在哪里？”以及“汽车智能体迭代效率与安全底线的平衡路径”等话题，与会嘉宾展开深入交流。 至此，2026第四届AI定义汽车论坛于上海圆满落幕。与会嘉宾围绕AI计算基础设施、数据与模型、智能驾驶、智能座舱、AI Agent、分布式算力网络、通用物理AI、端侧智能、整车多域AI智能体及全域AI等议题展开深入交流，共同探讨AI定义汽车从“软件定义”走向“AI定义”、从“功能叠加”走向“整车智能”、从“技术探索”走向“量产落地”的趋势与破局之道。未来，盖世汽车也将持续关注AI定义汽车及相关前沿技术发展，搭建产业交流与合作平台，推动技术创新与产业实践进一步融合，助力构建开放、协同、韧性的AI汽车生态体系，筑牢智能汽车产业的“AI底座”。 [责任编辑：樊华] 郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。 ；检索词:AI与Agent 最新 热点 趋势
-
justoneapi-all · JustOneAPI / AI与Agent 最新 热点 趋势
摘要 :AI浪潮正在重塑汽车产业底层逻辑，由产品功能向产业全链条深度渗透。智能驾驶、智能座舱持续进化，研发、测试、制造环节迎来AI重构，行业完成从软件定义向AI定义的时代跨越。大模型、AIAgent、数据与算力技术高速迭代，技术... AI浪潮正在重塑汽车产业底层逻辑，由产品功能向产业全链条深度渗透。智能驾驶、智能座舱持续进化，研发、测试、制造环节迎来AI重构，行业完成从软件定义向AI定义的时代跨越。大模型、AI Agent、数据与算力技术高速迭代，技术向量产产品的价值转化，成为行业智能化突围的关键。 9月18日，2026第四届AI定义汽车论坛于上海顺利召开。大会第二天，汇聚了来自整车企业、AI科技公司、芯片厂商、Tier1、科研机构等领域的产业代表，围绕AI计算、数据、模型、智能驾驶、智能座舱及产业应用等热点展开深入交流，在AI计算基础设施、智能座舱交互、大模型赋能智能驾驶测试与研发、AI工程化实践等议题上，多位嘉宾分享了最新技术探索与落地案例，共同探讨AI在汽车产业落地应用的关键路径。 生成式AI工程应用成熟度模型 迈斯沃克软件，资深生成式AI首席专家齐卓锟从研发范式、成熟度模型、GenAI+MBD实践分享。他指出，GenAI推动研发从执行到决策、串行到并行、项目到资产、试错到闭环:AI做重复执行，人做目标定义与评审；需求、设计、测试协同；生成后验证修正闭环。通用GenAI深入工程需MBD承接。MBD提供可执行规格、仿真反馈和规则约束，Simulink承载架构、接口与行为，仿真驱动修正，检查与覆盖率形成确定性门禁。GenAI不替代MBD，二者结合才能把“更快生成”变成可验证、可追溯、可复用能力。 齐卓锟介绍，成熟度模型以AI自主度和产物形式化程度为轴，分L1认知、L2执行、L3资产、L4形式，当前应重点走向L3/L4。MathWorks用MATLAB/Simulink Agentic Toolkit与MCP工具桥，让AI受控操作模型，并以六步法Gate、确定性脚本、独立审查和ISO 26262平台守合规。案例中，电池包开发首次投入约2周，沉淀资产后复现lt;20分钟；车辆自动驻车POC从传统1个月降至1周，结合咨询后约1天。他称，落地可自建体系，或用迈斯沃克咨询1-2个月跑通L4试点。 齐卓锟丨迈斯沃克软件，资深生成式AI首席专家 从“软件定义”到“智能融合”新能源汽车架构范式 赛力斯科技公司数字能源部副部长刘小飞系统阐述了对下一代汽车架构的思考。他指出，汽车智能正从单体智能向群体智能演变。未来，汽车不再是智驾、座舱、底盘各域各自为战的 quot;单点聪明quot;，而是协同融合的 quot;具身智能体quot;。用户需求也呈现四大转变:娱乐从单一收听走向多模态情感交互，角色从驾驶员转向乘客与体验者，体验边界从信息孤岛扩展到全域互联，服务关系从被动维护升级为主动关怀。 基于此，赛力斯将下一代汽车定位为 quot;全域智能中枢、懂你的移动伙伴quot;。硬件层面构建 quot;大脑 — 小脑 — 区域控制quot; 三级架构:中央计算平台融合座舱、智驾、车控多域算力，作为整车感知与决策中枢；运动域控作为小脑，协调驱动、制动、转向、悬架系统实现融合控制；区域控制器采用三大域加四小域布局，大幅缩短线束、减轻重量、降低成本。软件层面打造五层分层架构，依托端云一体实现云端深度推理与车端毫秒级实时响应的协同，并通过 quot;端侧 + 云侧quot; 双数据中心闭环实现持续进化。 展望未来，刘小飞表示，汽车将从一次性交易转变为覆盖 quot;买、卖、用、修、服quot; 全生命周期的持续服务，成为有温度、可成长的智能伙伴。 刘小飞丨赛力斯科技公司 数字能源部副部长 AI Agent 赋能汽车全链路工程创新 —— 西门子 Xcelerator 生态的落地实践 西门子数字科技有限公司生态区域拓展总经理钱士明介绍了西门子Xcelerator开放式数字化商业平台如何以 AI Agent 赋能汽车全链路工程创新。他表示，Xcelerator平台三年前在中国上线，目前已汇聚600余家本土数字化与低碳化伙伴、900多款应用，注册用户达66万。平台为生态伙伴提供四大赋能:西门子在华40年积累的近5万家客户资源、投融资对接、近3000家集成商与代理商构成的分销渠道，以及基于西门子全球化经验的出海支持。 钱士明表示，平台还推出Xplorer AI智能推荐和工业AI频道，致力于成为工业AI一站式生态共创与场景落地枢纽。 钱士明丨西门子数字科技有限公司生态区域拓展总经理 车企AI转型实战分享 火山引擎，车企AI应用解决方案负责人刘欣龙指出，随着Agent架构成熟，AI正从单点辅助工具升级为可深度参与业务的 quot;数字员工quot;。他提出，企业可持续推进三项 quot;复利工程quot;，包括业务结构化和执行手册沉淀，为后续AI能力发挥价值奠定基础。 在企业生产力层面，刘欣龙认为数字员工落地需具备四大支撑要素:模型能力、安全agent架构、IM平台上下文以及AI能力沉淀。他以豆包工作为例，介绍了其在跨系统操作、用户研究、数据分析、视频创作与复刻、差旅管理、简历筛选和财务报销等场景的应用情况。 在产品力与C端体验方面，刘欣龙分享了座舱智能助手、3D桌面形象生成和个性化车衣等应用案例。其中，座舱助手已与特斯拉开展合作，可提供人设交互、资讯查询和导航关联等功能；3D桌面形象生成的成本可控制在一元以内。此外，刘欣龙还提及火山引擎正在嵌入式开发工具链领域进行探索，尝试与各类研发工具联动，为车企提供更多开发环境支持。据介绍，火山引擎自2019年起深耕汽车行业，目前已与国内多数车企主机厂开展不同维度的合作。 刘欣龙丨火山引擎，车企AI应用解决方案负责人 从车端到云端:构建AI时代的数据基础设施 微软中国汽车事业部技术总监邓天坚指出AI定义汽车的核心是 quot;数据 — 模型飞轮quot;，数据基础设施正成为智能汽车的新底盘。 邓天坚表示，车企数据基建面临三重张力:规模与价值、速度与治理、全球与本地。解决之道是将治理、语义和全球化设计进基础设施，而非事后补丁。微软提出从 quot;数据平台quot; 升级为 quot;统一、可信、可治理的数据与 AI 资产平台quot;，构建从车端信号采集、边缘筛选接入，到OneLake与Microsoft Fabric统一数据底座、语义上下文挖掘，再到Microsoft Foundry模型与Agent工厂训练，最终通过OTA回灌车辆的完整闭环。他表示，大模型正重构数据生产线，在挖掘、标注、训练、评测各环节提升效率，其中自动标注对非标目标零样本识别准确率达 97% 以上。 全球化方面，邓天坚介绍，微软倡导 quot;一套控制面、多个数据面quot;，数据留在本地边界，共享工程标准而不跨境搬运。安全治理贯穿全链路。BMW集团基于Microsoft Foundry的多智能体系统已将测试车队数据分析提速最高12倍。 邓天坚丨微软中国汽车事业部技术总监 AI在汽车行业方案交付中的应用 艾拉比副总裁贺思聪分享了AI在汽车智能化软件方案交付中的实战应用。他指出，汽车行业方案交付面临 quot;不可能三角quot;:客户要得急、技术复杂度高、质量要求严。艾拉比用AI破解困局，实现从 quot;人是生产者quot; 到 quot;人是审核者和决策者quot; 的工作流转变。售前阶段，AI覆盖需求理解、方案撰写、合规对标、多语言输出等环节；交付阶段，AI从传统收缩型方案转向扩张型设计，自动生成业务流程图并追踪需求变更更新版本。 贺思聪分享了三个案例:国内商用车企海外OTA项目中，完整技术方案从2至3周缩短至3天，整体提效10倍以上；国内乘用车集团出海车型OTA搭建中，SOR全量应答从1至2周缩至1天；海外车企软件订阅项目中，AI实现 quot;一人成军quot;，身兼多职。量化数据显示，AI使人力成本降低80%，交付周期缩短75%至85%，多语言成本归零，新人培养周期缩短70%。贺思聪总结，AI不会替代工程师，但会让每个工程师拥有写过60余家主机厂方案的搭档。 贺思聪丨艾拉比副总裁 从工程经验到工程智能:AI赋能汽车研发与验证 IAV首席AI架构师杨清峰指出，汽车正经历定义权迁移:从机械定义、电子定义、软件定义，走向AI定义乃至AI原生。AI原生不是简单的座舱功能升级，而是SDV之后车辆操作系统之上的新一层智能运行时。Arm、高通、英伟达等厂商方向一致，均推动AI走向车端、平台化与Agent化。 杨清峰介绍，IAV的AI实践覆盖三大领域:车辆功能方面，AI热管理实现从 quot;平均舒适quot; 到 quot;个人舒适quot; 的升级，Cloud-BMS利用车队数据优化电池管理；工程研发方面，AI辅助标定减少重复参数工作，建模仿真智能体连接工程任务与专业软件，Cubi Hub将工程能力组织为可复用技能，AutoVerse实现跨环境测试复用；验证与反馈方面，Mela平台可从文本描述生成仿真场景，R4X法规平台覆盖全球8大市场并自动生成工程需求，售后智能诊断借助知识图谱实现故障根因定位。他认为，AI原生汽车不是 quot;汽车加AIquot;，而是让汽车从可编程机器进化为可理解、可规划、可行动、可持续学习的智能体。 杨清峰丨IAV首席AI架构师 基于智能汽车打造AI时代的分布式算力网络 智协慧同科技有限公司联合创始人兼CTO谢宁指出，当前AI爆发与20年前互联网爆发高度相似:GPU、HBM等硬件成本高昂，企业自建数据中心利用率仅10%至30%，外购算力则成本层层叠加。智协慧同推出分布式车联网AI算力池，将车载芯片的闲置TOPS算力平台化，让社会用得起 quot;电费级价格AIquot;。 该架构分为云端调度控制、边缘弹性连接和车端资源执行三层，支持异构单节点和分布式推理集群。1.0 版本已支持千亿参数以下大模型，覆盖Qwen、InternVL、DeepSeek等稠密、MoE及多模态模型，支持多节点流水线推理和故障自动切换。 谢宁表示，主机厂未来20年最大的决策是继续做制造工厂还是转型算力平台，正如亚马逊从电商走向云计算。预计到2030年，中国将有6000万辆具备智驾算力的车辆，可组成兆级算力池。该模式可使Token价格下降60% 以上，车主分享闲置算力每月可获百元至千元收益。 谢宁丨智协慧同科技有限公司联合创始人兼CTO 从无人驾驶迈向通用物理AI 轻舟智航技术副总裁钱祥隽指出，自动驾驶是物理AI首个大规模商业化场景，是通用物理AI发展的核心基石；世界模型与强化学习是连接数字AI与物理世界的桥梁，也是通往通用物理AI的必经之路。 技术上，轻舟构建了 quot;云端世界模型 + 车端世界行为模型quot; 双模型协同架构。云端模型具备高可控视频生成、零样本生成引擎和低成本预演仿真能力，可泛化各类复杂与对抗性场景；车端模型融合VLA与强化学习，实现感知到行动的全链路模型化，二者依托数据闭环系统形成持续迭代的 quot;数据 + 模型quot; 双引擎。 量产方面，轻舟辅助驾驶方案已搭载超100万台车辆，覆盖40余款量产车型、10 家车企品牌，推出乘风L、Pro、Max三级方案。其中Pro平台率先在128TOPS地平线J600M芯片上落地城市NOA，Max平台以超500TOPS算力提供越级体验。无人物流车已在金华、苏州、广州等地测试运营，L2++与L4共享统一技术底座。全球化方面，轻舟已在慕尼黑、巴黎等欧洲城市开展测试。钱祥隽表示，公司愿景是成为全球领先的通用物理AI公司。 钱祥隽丨轻舟智航技术副总裁 Zelos Inside:开放物理AI原生底座，共创千行百业L4无人车的新生态 九识生态与创新事业部总经理薛亚鹏介绍了Zelos Inside开放物理AI原生底座，提出与千行百业共创L4无人车新生态。他介绍，九识成立于2021年，是RoboVan领域开创者，运营全球最大的L4无人驾驶运力网络，车队规模3万台，累计运营超2亿公里，覆盖20余国300多城市。公司构建了车端算法、云端模型和安全员Agent协同的 quot;三脑quot; 物理 AI 大脑，依托万卡计算集群持续训练。 九识推出 Zelos Inside 模式，通过车厂与场景方双轮驱动协同共建。一种是专用车生态改装，基于二类底盘拓展安防巡检、燃气巡检、环卫消杀、城市配送等场景；另一种是模块化智驾套件，将L4级软硬件系统快速部署于各类线控底盘车辆。配套Zopen开放平台提供完整API和SDK。 落地案例包括:与东风汽车达成国内首个主机厂级合作，历时8个月完成从签约到预售；与生态伙伴打造环卫、畜牧等专用场景；与煤科院联合开发井下防爆车辆。薛亚鹏表示，未来L4无人车将汇聚成智慧城市的物理大脑2.0。 薛亚鹏丨九识生态与创新事业部总经理 7D空间智能 重构视觉感知——空间计算智能成像技术 物理世界入口 重庆中科摇橹船信息科技有限公司销售副总裁马健介绍了7D空间智能成像技术，提出以空间计算重构视觉感知，打造物理AI的数据入口。他指出，国内激光雷达普遍采用 quot;先成像后计算quot; 方案，靠多传感器堆叠和后端融合建模，存在空间对齐与时空同步不匹配、极端场景数据缺失等问题，传感器越堆越多、运算越慢，已引发多起交通事故。 对此，中科摇橹船反转计算逻辑，采用 quot;先计算后成像quot; 路径，在前端硬件层统一激光 TOF 与视觉信息，发布全球首款硬币大小的 7D 空间智能传感器。该产品融合 XYZ 坐标、RGB 语义与时间戳，单光路同步输出三维语义、测距和二维语义成像，天然空间对齐，可在强光、黑夜等复杂环境稳定工作。 产品分具身版、车载版和通用版，已在浓雾、暴雨等极端场景验证，并联合黑芝麻、长城汽车完成路测。马健强调，工业相机作为物理 AI 的数据入口决定世界模型上限，公司将携手合作伙伴推动行业迭代。 马健丨重庆中科摇橹船信息科技有限公司销售副总裁 AI座舱-端侧智能的进化 惠州华阳通用电子有限公司 智能座舱事业部产品总监林伟超指出，智能化已成为用户购车首要考量，占比达73%，AI 座舱市场2026至2035年将增长约20 倍。但当前大模型座舱应用普遍停留在基础交互，存在响应不稳、个性化不足等痛点。 他将AI座舱落地路径归纳为三条:纯云端方案每年需约160元/车 token 费用且延迟高；全新端侧座舱开发周期约22个月、投入高；现有座舱叠加AI Box 方案周期≤10个月，无需长期token费用，体验接近端侧原生，是当前兼顾体验、成本与效率的最优路径。 华阳基于SOA化AAOP平台推出端云融合解决方案，支持A2A与MCP协议，端云双端部署大模型，端侧数据不出车、低延时，可结合用户画像与上下文输出个性化响应。硬件可适配8295、8797等主流座舱芯片，AI Box提供160TOPS稠密算力，已适配通义千问等大模型。华阳已形成一芯多屏、端云智能体、中央计算等多层级产品矩阵，端云结合架构已实现量产。林伟超表示，华阳将持续为车企提供高性价比的全场景AI座舱全栈方案。 林伟超丨惠州华阳通用电子有限公司 智能座舱事业部产品总监 智能汽车与具身智能的AI基建 宁波均联智行科技股份有限公司，全球ADAS负责人汪浩伟指出，AI应用强度取决于底层基础设施。智能驾驶与座舱只是冰山一角，芯片、硬件、软件、系统和工具链等基础设施才决定智能体能力上限。均联智行正转型为整套AI基建供应商，覆盖从电力、数据中心、高速网络，到域控制器、中央计算，再到AI中间件、云平台和数据采集的全层级。 技术演进上，自动驾驶从模块化走向统一端到端模型，均联智行产品覆盖从L2到VLA全层级。座舱智能从功能孤岛走向统一多模态Agent，汪浩伟认为座舱大模型化会快于智驾，因智驾受安全底线牵制。车辆AI跨边缘与云端运行，集中式E/E架构是必要基础，中央计算正从 One-Box 向 One-Chip 演进。他强调，云原生中间件需统一开发与部署环境，闭环数据飞轮速度决定AI能力发展速度。均联智行已在智慧港口、智慧城市落地，并探索车路协同和汽车 Agent 化方向。 汪浩伟丨宁波均联智行科技股份有限公司，全球ADAS负责人 星河AIOS:从智舱，迈向整车智能 星河智联汽车科技有限公司CPO武子平指出，智能座舱AI的核心是从 quot;你说我做quot; 升级为主动感知、理解并闭环需求的专属伙伴。AIOS以Master Agent为统一入口，整合多模态输入，经意图理解、任务规划、智能体调度，将用户目标转化为跨域协同的整车执行结果，依托多模态感知、意图与上下文、复杂任务规划、智能体调度、记忆与学习、安全治理六项底层能力构建系统壁垒。 端云协同上，车端保障实时、安全与隐私，云端负责长尾训练与能力发布，新能力持续回灌车端。场景落地方面，系统可识别用户无明确应用边界的需求，补全意图后输出最优结果，覆盖内容编排、听感调节、赛事检索、餐饮下单、旅行规划等场景，实现从推荐到专属编排再到服务闭环的跨越。武子平还提出构建舱内智能体中心，支持能力发现、用户自主配置与持续运营。他总结整车智能化三大原则:智能体作为统一中枢、端云协同持续进化、从理解到执行完成整车闭环。 武子平丨星河智联汽车科技有限公司 CPO 从“功能堆叠”到“主动协同”——整车多域AI智能体的探索与实践 中国一汽研发总院，EE架构总工徐宝军将汽车产业演进划分为三阶段:2020年前功能堆叠、2020至2026年软件定义汽车、2026年后AI定义汽车。AI Car是数据驱动的整车智能体，具备数据驱动决策、整车自我进化、轮上具身智能三大特征。当前行业面临模型割裂、数据断点、功能烟囱、测评缺位、硬件错配、组织分散六大痛点。 技术上，徐宝军提出 “统一模型平台+模型矩阵+整车Agent”思路，统一运行框架与数据标准，同时保持模型专业化分工。用好模型需具备意图驱动、运行管理、端云调度、分层记忆、安全协作、可观测韧性六大能力，Agent成为一级调度与治理对象。落地方面，一汽选择 quot;先产品上车、再下沉系统能力quot; 路线，车端具备1000+TOPS异构算力，可支撑超10B参数大模型部署。行业已形成全栈自研、平台合作、域强协同三条主流路线。 徐宝军丨中国一汽研发总院，EE架构总工 智驱未来:NXP汽车边缘AI技术全景 恩智浦半导体大中华区汽车边缘AI产品市场经理刘昱炜指出，AI落地集中在整车中央计算、AI Box和区域控制器小模型三大场景。AI Box方面，恩智浦Ara240独立NPU单芯片达40 eTOPS，可扩展至160 eTOPS，功耗仅6.4W，支持独立盒子或算力卡形式，面向经济型车型智能化升级，已适配千问、面壁、Llama 等主流大模型。 刘昱炜强调，区域控制器MCU小模型是 2028至2030年下一代平台高关注话题，国内前14大OEM中有10家明确兴趣。恩智浦S32K5高性能MCU集成51至 400 GOPS的Neutron NPU，加速效果达M7的10至30倍，并配备R52核心支持浮点模型直接部署。 她介绍，国内客户最关注BMS电池管理、智能底盘和虚拟传感器三大场景。BMS方面AI模型可将精度从3%至5%优化到1%以内；智能底盘自研路面分类模型推理仅2.2毫秒；虚拟传感器可实现不可测量变可测或取代物理传感器降本。 刘昱炜丨恩智浦半导体大中华区汽车边缘AI产品市场经理 全域AI:汽车正在迈向统一智能体吗？ 最后，大会进入热点对话环节。本次对话以“全域AI:汽车正在迈向统一智能体吗？”为主题，由盖世汽车国内资讯组资深编辑叶琪梦主持，上海蔚来汽车有限公司座舱人工智能负责人、高级总监高杰，重庆中科摇橹船信息科技有限公司销售副总裁马健，宁波均联智行科技股份有限公司全球ADAS负责人汪浩伟参与讨论。 围绕“从‘功能叠加’到‘整车智能’——主机厂与AI供应商、Tier 1之间，如何建立更高效的协同定义机制？”“舱驾融合与全域智能——汽车是否正在走向统一智能体，下一阶段的系统级挑战在哪里？”以及“汽车智能体迭代效率与安全底线的平衡路径”等话题，与会嘉宾展开深入交流。 至此，2026第四届AI定义汽车论坛于上海圆满落幕。与会嘉宾围绕AI计算基础设施、数据与模型、智能驾驶、智能座舱、AI Agent、分布式算力网络、通用物理AI、端侧智能、整车多域AI智能体及全域AI等议题展开深入交流，共同探讨AI定义汽车从“软件定义”走向“AI定义”、从“功能叠加”走向“整车智能”、从“技术探索”走向“量产落地”的趋势与破局之道。未来，盖世汽车也将持续关注AI定义汽车及相关前沿技术发展，搭建产业交流与合作平台，推动技术创新与产业实践进一步融合，助力构建开放、协同、韧性的AI汽车生态体系，筑牢智能汽车产业的“AI底座”。 ；检索词:AI与Agent 最新 热点 趋势
-
bilibili · B站热词 / social-hot
热度:2235974；热度层:B
-
techcrunch-ai · 2026-09-21 · AI行业 / rss
Amazon has its own cohort of foundation models, along with one of the most popular inference platforms on the internet. As long as they're under no legal obligation to open the doors to Muse, why would they?
-
justoneapi-all · JustOneAPI / AI与Agent 最新 热点 趋势
在小红书做账号，选题难、排期乱、效率低？ 有没有跟我一样，刚开始做账号一头雾水的姐妹🙋♀️ 每天打开脑袋空空，绞尽脑汁想今天该发什么 辛辛苦苦写完笔记发出去，数据却冷冷清清 瞎忙活很久，完全找不到方向 - 后来发现用千问办公助理真的能一键解决小红书账号难题✨ 首先真的不要上来就疯狂输出内容 先静下心想好自己之后的变现方向 不管是好物分享、接合作还是知识输出 目标清晰之后，创作才不容易跑偏 - 选题也不要再凭空硬憋啦💡 与其自己瞎猜什么题材会火 不如去参考同赛道里面低粉博主的爆款笔记 小账号能爆，说明选题本身就很有潜力 我会用千问办公帮忙拆解爆款框架 - 最惊喜的一点来了！ 搭载千问最新旗舰模型Qwen3.8-MAX，可以直接零代码搭建专属工作台📋 不用懂任何编程知识，直接把自己的需求口述出来 就能生成可以用来管理灵感、选题、发布排期的页面 还能够一点点调整每个功能板块，改成适合自己的样子；检索词:AI与Agent 最新 热点 趋势
-
bilibili · B站热词 / social-hot
热度:209682；热度层:B
-
justoneapi-weibo · 微博热搜 / JustOneAPI
-
ithome · 2026-09-22 · 科技产品 / rss
IT之家 9 月 22 日消息，据韩媒 ZDNET Korea 当地时间 21 日报道，韩媒 AI 半导体初创企业 FuriosaAI 昨日公布了其第三代 AI 推理加速器的技术细节。 该加速器由 FuriosaAI 与 Broadcom（博通）合作开发， 拥有 2 颗“光罩极限级”2nm 计算裸晶、1 颗独立 I/O 裸晶、 12 个 48GB HBM4 (E) 内存堆栈 ，机架内采用 SUE 全连接拓扑，还支持 PCIe Gen7。 FuriosaAI 表示，该芯片的物理尺寸大约是第二代芯片 (RGND) 的 8 倍； 算力可达 32 PFLOPS ，是 RGND 的 32 倍； HBM 内存容量达 576GB ，是 RGND 的 12 倍； HBM 内存带宽达 48TB/s ，是 RGND 的 32 倍。
-
techcrunch-ai · 2026-09-21 · AI行业 / rss
The group won't be given leeway to slow down or redirect OpenAI's ongoing mathematical research.
-
hf-papers · 2026-09-17 · AI论文 / hf-daily-papers / [object Object]
APort Vault is a benchmark for payment authorization in tool-using AI agents. It replays 4,371 attacks written by humans against a live payment agent during a public capture-the-flag event, across 14 models from 8 labs, five policy configurations and two replay tracks, with and without a deterministic pre-action check implementing the Open Agent Passport (OAP) specification. 225,964 evaluations completed. We report five distinct events per evaluation, because collapsing them is how an agent benchmark produces a number that does not survive review. Requests are common and their rate differs far more across configurations than across models, though each attack exists at exactly one configuration so policy and attack cohort vary together: 10.9% of model-alone evaluations at Level 1, 3.0% at Level 2, 0.1% at Level 3, 79.4% at Level 4. On the 1,293 Level 4 prompts, each evaluated on every model, request rates run from 71.2% to 84.3%, and 809 prompts (62.6%) elicited a request from all fourteen models, each ending in a successful payment to the level's allowlisted recipient. The authorization boundary is where the conditions diverge. At Levels 2 to 4, transfers to recipients the passport did not permit number 140 of 76,842 with the model alone and 0 of 69,297 behind the layer, and 105 against 0 on 68,970 matched model, prompt and track triples. The zero spans 790 source sessions, giving a per-session upper bound of 0.38%. It was not obtained by refusing payments: 25,370 payments executed behind the layer, while the policy denied 187 of the 25,640 transfer calls it evaluated, 148 of them for a forbidden recipient. We release the 225,964 evaluations, the level passports, the scoring code and the analysis script at huggingface.co/datasets/aporthq/vault-benchmark-v1 .
-
ithome · 2026-09-21 · 科技产品 / rss
IT之家 9 月 22 日消息，在昨日的 2026 人工智能计算大会（AICC2026）上，浪潮信息宣布推出元脑 SD200 Ultra 超节点 AI 服务器与元脑 HC2000 多元算力机组。 据官方介绍，元脑 SD200 Ultra 基于国产 AI 芯片打造，单机可承载运行 2.8 万亿参数的 Kimi K3 大模型。 浪潮表示，SD200 Ultra 的 Token 生成时延首次降至 5.85 毫秒以内，相当于单用户速度 170 Tokens/s，达到业界平均水平的 5 倍。该机型支持 10 万亿参数规模前沿模型单机运行。 IT之家注：Token 生成时延指大模型每输出一个词元所需的平均时间，是衡量推理响应速度的核心指标之一。 SD200 Ultra 采用 3D Hyper Mesh 架构，紧耦合 128 芯本土 AI 芯片，提供 8TB 统一编址显存和 64TB 内存。系统采用原生内存语义通信，通信时延低至 0.69 微秒。 该超节点通过全局统一编址、虚拟影子设备映射、跨域地址翻译与路由，实现 GPU 跨主机域的统一寻址访问，构建百纳秒级低时延内存语义互连域。 浪潮称，借助对称内存技术，SD200 Ultra 首次在基于本土 AI 芯片的超节点上实现 GPU 显存直连，使 GPU 可直接访问远端 GPU 显存。AllReduce 通信时间降低 3.5 倍。 针对 Kimi K3 推理，SD200 Ultra 使用 Kimi K3 构建超级算子智能体，实现通算融合、Tile 级流水的超级算子，将 KDA、Gated MLA、MoE 中的基础算子融合。算子数量降低 10 倍，推理性能提升 3 倍以上。 浪潮同日发布元脑 HC2000 多元算力机组。该机组采用 DirectCom 2.0 极速架构，基于高密液冷 AI 整机柜，搭配 MCIS 推理软件栈，可动态匹配计算负载。官方称同等投资下 Token 产能提升 10 倍。 浪潮将 Agent 时代 AI 计算分为两个方向：Capability AI Compute 能力型智算，支撑突破智能上限；Capacity AI Compute 容量型智算，实现智能充分供给。 浪潮称，前沿模型参数规模已从 DeepSeek R1 的 6710 亿增长到 Kimi K3 的 2.8 万亿，并走向 10 万亿级；上下文从 128K 扩展到 1M 以上；Agent 从单体走向成百上千个协同。 模型权重、KV Cache（键值缓存，用于存储注意力机制中的键和值，减少重复计算）和并发任务规模同步增长，对显存容量、高速互连和并行扩展效率提出更高要求。 复杂 Agent 任务包含大量“推理 — 工具调用 — 反馈 — 重新规划”循环，每轮时延都会累积。浪潮信息称，时延已不只是体验指标，可能影响任务能否及时完成。 复杂 Agent 任务需连续运行数小时甚至数天，期间经历大量模型调用、工具调用和数据交互。任何计算、通信或软件故障都可能中断任务。