关于 代理型AI 的快讯列表
| 时间 | 详情 |
|---|---|
|
2026-03-09 21:32 UTC |
波场加入Agentic AI基金会推动开放AI基础设施
根据孙宇晨的消息,波场已成为Agentic AI基金会的黄金会员,该基金会由Linux基金会运营。本次合作旨在支持代理型人工智能系统从实验到实际应用的开放互操作基础设施开发。波场还将在基金会的治理委员会中担任重要角色,进一步推动其在人工智能创新领域的影响力。 |
|
2026-02-10 13:25 UTC |
上下文湖对代理型AI发展的潜力
根据Richard Seroter的说法,“上下文湖”的概念可能在为AI代理和人类提供集中和共享的上下文方面发挥关键作用。这一新兴理念旨在通过创建一个统一的上下文信息库来提高代理型AI系统的效率,从而改善人类与AI之间的决策和协作。 |
|
2026-01-13 17:16 UTC |
英伟达 NVDA 与字母表 GOOGL 扩大AI合作:推进代理型AI、机器人与药物发现,交易要点速览
据 @StockMKTNewz 披露,英伟达表示其与字母表正在扩大长达十年的合作,重点推进代理型AI、机器人以及药物发现等领域,显示双方在AI基础设施与应用层面的持续协同。来源:@StockMKTNewz(Twitter,2026年1月14日)。 就交易而言,该消息直接关联 NVDA 与 GOOGL/GOOG,关注AI主题的交易者可重点留意相关标的在该合作更新下的头条驱动型资金与流动性变化。来源:@StockMKTNewz(Twitter,2026年1月14日)。 对加密市场而言,该信息涉及代理型AI、机器人与药物发现,但未提及任何加密资产或区块链计划,因此短期影响更多通过AI情绪间接传导,而非直接的链上催化。来源:@StockMKTNewz(Twitter,2026年1月14日)。 |
|
2025-12-08 22:00 UTC |
OpenAI 联合创立 Agentic AI 基金会加入 Linux 基金会并捐赠 AGENTS.md 以推进开源代理型 AI
据 OpenAI 称,其已在 Linux 基金会旗下共同创立 Agentic AI 基金会,以推进开源代理型 AI,并捐赠包括 OpenAI 的 AGENTS.md 在内的相关标准,公告重点在于代理型 AI 开发的标准化(来源:OpenAI)。 |
|
2025-12-03 07:05 UTC |
AI到AI商务与微支付:机器人货币论指向2025年加密市场新机会
据Lex Sokolin称,加密的优势在于通过无摩擦的微支付与计算速度的价值结算来支持AI到AI的商务,而非取代人与人的交易。来源:Lex Sokolin,X,2025年12月3日。对交易者而言,这意味着需要聚焦低费率、高吞吐的支付公链与代理钱包,微交易量与延迟将成为核心表现指标。来源:Lex Sokolin,X,2025年12月3日。可操作跟踪项包括1美元以下转账数量、平均费用是否下降到1美分以下、稳定币转账频率以及支持自主代理的智能钱包采用度。来源:Lex Sokolin,X,2025年12月3日。若AI到AI商务扩张,能降低确认时间与支付摩擦的网络有望获得增量交易收入与更高的费用燃烧,为支付型基础设施板块带来相对优势。来源:Lex Sokolin,X,2025年12月3日。短期催化包括代理对代理的支付演示上线、代理型AI与加密支付轨道的集成,以及公共看板中微交易吞吐量的持续上升。来源:Lex Sokolin,X,2025年12月3日。 |
|
2025-12-02 00:56 UTC |
OpenAI与埃森哲达成合作:数万席位ChatGPT企业版推动代理型AI落地企业
根据@gdb消息,OpenAI与埃森哲达成合作,埃森哲将部署数万席位的ChatGPT企业版,并与OpenAI协作将代理型AI能力引入企业生产环境(来源:twitter.com/gdb/status/1995779170308423929;来源:openai.com/index/accenture-partnership/)。从交易角度看,该公告体现企业级AI大规模落地;同时未提及加密货币或区块链,当前未显示直接的链上集成信号(来源:twitter.com/gdb/status/1995779170308423929;来源:openai.com/index/accenture-partnership/)。 |
|
2025-11-21 18:00 UTC |
Moonshot AI 发布 Kimi K2 Thinking:万亿参数MoE、INT4高效推理与多次工具调用,交易者关注AI基础设施成本拐点
根据 @DeepLearningAI,Moonshot AI 推出 Kimi K2 Thinking 与 Kimi K2 Thinking Turbo,这两款模型在推理与工具调用之间循环,常发起数百次调用,并在复杂多步任务上优于其他开源可权重模型。来源:DeepLearning.AI(2025年11月22日)。 根据 @DeepLearningAI,这些模型采用万亿参数的混合专家架构,并以 INT4 精度微调,在更低成本硬件上实现强代理型性能。来源:DeepLearning.AI(2025年11月22日)。 根据 @DeepLearningAI,对于交易者而言,关键数据点是多次调用的代理工作流与在廉价硬件上的 INT4 效率,这些要素直接影响评估AI基础设施相关标的的成本与吞吐假设,包括传统与加密市场的AI赛道。来源:DeepLearning.AI(2025年11月22日)。 |