Techub News 搜索

倒计时 3 天！CDDJAP 2026 夏季加速营启动论坛嘉宾阵容全公布资本与智能，即将在香港交汇 — 8 月 27 日香港数码港见！距离论坛开幕仅剩 3 天。2026 年 8 月 27 日 14:00，香港数码港三座功能厅，资本与智能，在这里交汇。当资本遇见智能，下一轮全球创新浪潮正在开启 AI 与 Web3 的深度融合，正在推动全球科技、资本与商业体系进入新的演进阶段。当 AI 智能体（AI Agents）开始自主执行任务、优化工作流并参与价值创造；当现实世界资产通过区块链实现数字化表达；当稳定币逐渐成为全球可编程支付的重要基础设施—— 我们正在见证一场由人工智能、数字资产与金融基础设施共同驱动的深层变革。人工智能正在重新定义生产力，Web3 正在重塑价值流动方式，而全球资本正在寻找下一代创新增长机会。在这一历史节点上，AI、Web3 与资本力量正在加速交汇，全球商业与金融体系的底层逻辑正在被重新塑造。香港：连接亚洲资本与全球创新的战略枢纽作为国际金融中心与全球创新生态的重要节点，香港正在成为 AI 与 Web3 发展的关键连接点。开放前瞻的数字资产监管框架、连接内地与全球市场的独特优势，以及香港数码港持续汇聚的创新力量，让这座城市成为连接亚洲资本、硅谷技术与全球创业生态的重要桥梁。在这一背景下，「资本与智能的交汇之处——CDDJAP 2026 夏季加速营启动论坛 · Launch Ceremony」将于 2026 年 8 月 27 日在香港数码港三座功能厅正式举行。本次活动旨在汇聚全球投资人、创业者、产业领袖与创新建设者，共同探讨 AI × Web3 融合发展的未来方向，探索智能经济时代的资本机遇与产业变革。论坛将围绕三大核心议题展开深度交流： AI 智能体（AI Agents）现实资产代币化（Real World Asset Tokenization, RWA）智能支付与未来金融基础设施 CDDJAP 2026 夏季加速营启动论坛重磅嘉宾阵容公布本次启动典礼将汇聚来自硅谷、香港及中国创新生态的重量级嘉宾，覆盖全球投资机构、金融市场、科技企业与创业生态等多个领域，共同探讨 AI 与 Web3 融合发展的新趋势，以及智能经济时代资本与产业的未来方向。陈思源 Eric Chan, 香港数码港首席公众使命官李小加 Charles Li, 香港交易所前行政总裁，滴灌通创始人兼主席汪揚教授 Prof. Yang Wang, 香港大学副校长（大学拓展）蔡文胜 Cai Wensheng, 隆领投资创始人，美图公司联合创始人，中国互联网与 Web3 生态代表性投资人 Larry Li, Draper Dragon 创始合伙人王岳华 Richard Wang, Draper Dragon 及 CDDJAP 合伙人、Dragon Innovation Limited 董事会成员沈康 James Shen (KK), HashGlobal 创始人 Marco Lim, 香港数码资产学会（HKDAS）执行委员会成员 Seven Guo, CDDJAP 合伙人于佳宁，Uweb创始人 Felix Fung, HKbitEX 风险管理主管 Jeffrey Jiang, Kingston Capital 首席执行官陈少杰 Jack Chan, Kingston Capital 联席主席、香港第三代互联网协会理事会荣誉会长 Edison Leung, AXC Labs 联合创始人兼首席执行官 Joseph Thompson, Skalor 创始人 Alma Li, Techub News 创始人 Jenny Yang, Starlabs Consulting 创始人兼 CEO、CDDJAP 合伙人 Pax Chen, FizzDragon 创始人兼 CEO Allen Li, Stellash 创始人兼 CEO Camron, FPPS.AI 创始人 Riconi You, FinwexAI 创始人,Yomirgo 投资人 Amber, Miuro 营销总监 Angen, VoidChain 创始人 Viktor Zhou, Tadapay 创始人 David Wu, Mindora 创始人 Everest, Awareness 创始人 Leo Ling, 123 Yay 联合创始人佐爷, Barker 创始人 JJ Xu, Asseto 联合创始人 Sam Su, Remi CEO Bill Liu, Astok 创始人兼 CEO Max ZX, EQR 创始人 Erick, Leapnode 生态大使在本次论坛中，来自资本、产业、政策与创新创业一线的嘉宾，将围绕 AI Agent、现实资产代币化（RWA）、智能支付及未来商业模式等关键议题展开深入交流，共同探索智能经济时代的发展机遇。活动议程以下为本次论坛的完整议程：活动亮点从趋势洞察到资本连接，从思想交流到项目展示，本次启动典礼将围绕 AI × Web3 未来发展展开多维度交流：全球资本与产业趋势洞察 — 汇聚来自全球投资机构、科技企业与创新生态的代表，共同探讨 AI × Web3 时代资本格局与产业演进方向顶级嘉宾主题演讲与深度对话 — 围绕 AI 智能体、现实资产代币化（RWA）、智能支付与未来商业模式等核心议题展开前沿分享 CDDJAP 2026 夏季加速营正式启动 — 入选项目首次亮相，面向投资机构、产业伙伴及全球创新生态展示最新成果与发展潜力高端圆桌论坛：探索智能经济新范式 — 聚焦 AI 智能商业机遇、Agent 经济基础设施、未来资本流动与 Web3 创新生态，展开多维度思想碰撞全球创新生态连接 — 汇聚香港与硅谷投资人、创业者、产业领袖及生态伙伴，推动跨区域交流与合作，共建 AI × Web3 全球创新网络关于 CDDJAP CDDJAP（Cyberport × Draper Dragon Joint Accelerator Program）由香港政府支持的创新高地——数码港（Cyberport），与硅谷顶级风投网络 DVN 核心成员、知名数字科技风险投资机构 Draper Dragon 联合创办。作为面向 AI 与 Web3 初创企业的全球化风投支持加速计划，CDDJAP 致力于连接优秀创业者、全球资本与产业资源，帮助创新企业获得投资机会、行业资源以及国际化发展的支持。 CDDJAP Investor Alliance 由 20 家顶尖风险投资机构联合组成，为入选企业提供直接投资人对接、顶尖导师指导、跨境融资法律框架支持，以及面向全球投资机构的高规格路演机会。表现优秀的项目将获得 Draper Dragon 及联盟成员的进一步关注与投资机会。活动信息时间：2026 年 8 月 27 日（周四）14:00–17:00 地点：香港数码港三座功能厅 Function Room, Cyberport 3 主办：CDDJAP · Draper Dragon · Starlabs Consulting 协办：CAI (Canada–Asia Council for AI and Digital Innovation) · Canadian Blockchain Association · Hong Kong Digital Asset Society · Starlabs Go Luma 报名：https://luma.com/c56sh32d?tk=OW3feg 参与报名 / 申请加速营关注 CDDJAP 官方微信公众号，填写申请表发送至 cddjap@draperdragon.com，抄送 sd@cddjap.com · seven@cddjap.com 倒计时 3 天，名额有限，敬请尽早申请与报名。Web3 Event08/24 17:51

🚀 Blockchain Life 重返迪拜——AI Future 首度亮相！2026 年 12 月 1—2 日，相聚迪拜 Blockchain Life！ 2026 年 12 月 1—2 日，Blockchain Life 2026 将重返迪拜，打造全球规模最大的 Web3、加密货币、矿业与人工智能主题盛会之一。本届活动预计将汇聚来自 130 多个国家的 15,000 余名参会者、200 多位世界级演讲嘉宾、200 多个展位及 3 个专属舞台，并首次推出全新板块——AI Future（AI 未来），共同探索下一代人工智能的发展。为什么参加 Blockchain Life？与行业重量级人士进行为期一周的高价值交流：包括两天的 Blockchain Life 论坛、数百场周边活动、专属商务及私人聚会，以及 F1 大奖赛收官活动。聆听 200 多位行业领袖的分享，其中包括加密货币巨鲸、创始人、顶级交易所及领先 Web3 项目的 C 级高管、知名投资人、一级基金代表、AI 创新者和传奇交易员。在业内规模领先的展览之一中，接触 200 多家领军企业：涵盖大型加密货币交易所、矿业公司、Web3 先锋企业、AI 开发者与前沿初创公司。见证 AI Future 的首次亮相：这一专属论坛将聚焦 AI 的未来、新兴趋势、突破性机器人技术，以及人工智能、区块链与商业之间的融合。参加传奇的 Blockchain Life Afterparty（会后派对），活动将在全球顶级夜店之一举办，并邀请国际知名艺人压轴演出。关注 Startup Pitch（创业项目路演）及 Blockchain Life Awards（Blockchain Life 奖项），让潜力初创企业获得曝光，并表彰业内领先公司的卓越成就。 🎟 立即以早鸟价格购票！使用优惠码可享门票 9 折优惠：TECHHUB 官方网站：blockchain-life.comWeb3 Event08/19 11:00

OpenAI 首席科学家 Jakub Pachocki（雅库布·帕霍茨基）：我们将达到模型训练更好模型的时代撰文：Techub News 整理导语 Jakub Pachocki（雅库布·帕霍茨基），这位六次在国际信息学奥林匹克竞赛中斩获顶尖名次的天才，如今已成为全球最具影响力的 AI 公司——OpenAI 的首席科学家。在 Ilya Sutskever（伊尔亚·苏茨克维）离开后，他接掌了公司价值 3000 亿美元的研究项目领导权，负责决定 OpenAI 的 AI 研发方向。2025 年，他被《时代》周刊评为全球百大最具影响力 AI 人物之一。其团队开发的突破性模型，首次让 AI 能够进行高度抽象的推理，并将人类带入大规模 AI 应用时代。 2025 年 9 月，Pachocki 接受了波兰科技频道「This is IT」的专访，分享了他从理论计算机科学转向深度学习的历程、对 OpenAI 使命的理解、以及他对 AI 未来发展的深刻洞察。在这场约 40 分钟的对话中，他不仅回顾了关键的技术转折点，更展望了一个由 AI 主导科学发现、并可能自我迭代进化的近未来图景。摘要 OpenAI 的核心信念是在不远的未来，创造出与人类同等甚至更高智能的 AI，当前正处于一个全新的、可扩展的技术范式的开端。 AI 在数学奥林匹克竞赛等领域的突破，标志着一个转折点。下一步将是 AI 在现实世界中构建事物（如编写程序、撰写书籍、进行科研），Pachocki 预计这将在明年年底前实现。以 O1 为代表的新范式，关键在于监督模型的决策过程而非仅结果，这开启了模型内在“思考”的可能性，但也带来了如何监管比人类更聪明模型的严峻挑战。 Pachocki 坦言对 AI 可能带来的颠覆性影响感到压力，认为自原子弹发明以来，世界从未因一项技术革命而处于如此不稳定的境地。从理论到实践：AlphaGo 带来的世界观颠覆 Jakub Pachocki（雅库布·帕霍茨基）的职业生涯始于对“计算机能做什么”这一根本问题的探索。从高中编程竞赛到哈佛大学的博士研究，他一直沉浸在理论计算机科学中，致力于证明计算机理论上能计算与不能计算的界限。彼时，他的观点是：那些即使效率不高但能被证明有效的算法，因其可扩展性，将在未来占据主导地位。然而，DeepMind 的 AlphaGo 彻底动摇了他的世界观。围棋的巨大状态空间曾让学界普遍认为，计算机需要很多年才能在此领域超越人类。AlphaGo 的成功证明，通过神经网络从人类对弈或自我对弈中学习，而非依赖手动设计的启发式搜索，AI 可以达成超越人类的性能。“这真的震撼了我的世界，”Pachocki 回忆道，“因为它让我更容易想象，从玩游戏到解决编程竞赛，再到撰写科学论文、推动科学发展的路径。” 这一事件促使他重新思考整个领域。他认识到，深度学习的理论基础虽然薄弱，但其展现出的潜力不容忽视。与此同时，他当时的合作者 Aleksander Madry（亚历山大·马德里）——一位在图算法领域取得惊人进展的 MIT 教授——也得出了相似的结论。他们都对深度学习缺乏坚实理论感到不满，并开始探讨能否为此构建更好的理论框架。最终，在 Wojtek Zaremba（沃伊切赫·扎伦巴）的持续招募下，Pachocki 在完成博士和短期博士后研究后，决定“双脚跳入”这个领域，加入了 OpenAI。他早期的重大项目便是利用强化学习，教神经网络玩复杂的电脑游戏《Dota 2》。这段经历为他日后参与 GPT 系列及 O1 模型的研发奠定了重要基础。 OpenAI 的使命：创造世界上最强大的 AI 作为首席科学家，Jakub Pachocki（雅库布·帕霍茨基）清晰地阐述了 OpenAI 的核心理念：“我们的公司建立在这样一个信念之上：在不远的未来，AI 将达到与人类同等甚至更高的智能水平。”他承认，几年前人们还在争论这个“奇点”何时到来，但现在看来，发展是连续的。GPT 在某些方面已经比人类更聪明，在另一些方面则更笨拙，但它无疑在持续进化。 Pachocki 指出，当前 AI 的发展已经抵达一个关键里程碑。他曾预言，当 AI 开始在数学或编程奥林匹克竞赛中获得金牌、解决所有问题时，就意味着我们真正接近了人工智能。“现在，这一刻正在发生。”他说。因此，接下来的自然步骤是 AI 能够在现实世界中构建事物，无论是编写有用的程序、创作书籍，还是进行科学研究、发现新知识。他预计，我们将在明年年底前看到这方面的进展。他特别提到了科学发现的“多米诺骨牌”效应：许多定理的发现是为了证明其他更复杂的定理。如果 AI 能够解决需要数月甚至数年创造性工作的难题，那么它必然涉及提出新假设和构建新的理解。Pachocki 描绘了一个未来场景：我们将能够利用一个显卡集群运行多个模型副本，从而拥有一个“AI 研究实验室”，这些模型将自主思考并产出科学成果。这种加速可能带来医学等领域的剧变，其步伐将超乎我们的习惯。当被问及是否担心被 AI 取代时，Pachocki 坦承：“是的。”他不仅将此视为一种反思，更是团队积极思考的重大问题。他来自编程竞赛并最终走向 AI 的路径并不独特，OpenAI 内部许多优秀同事都有类似背景。AI 在此类任务上超越人类，意味着一个根本性的转变。 O1 与新范式：监督“思考”而非答案访谈中，Jakub Pachocki（雅库布·帕霍茨基）将 O1 模型带来的“自由推理”和“抽象思维”能力称为近期 AI 发展的最大突破。其核心在于方法论的转变：从监督模型的输出结论，转变为监督模型的决策过程。 Pachocki 解释说，这并非全新的想法。早在 GPT-2/3 时期，人们就观察到，如果要求模型在上下文中“思考”一会儿，其表现会更好。真正的挑战在于精炼技术，使模型能够真正学会如何思考。其基础技术是强化学习：通过观察模型自身的思考过程，强化那些导向更好结果的思维路径。这与 AlphaGo Zero 教授神经网络下围棋的方法本质相同，也是 Pachocki 早期在 OpenAI 用 Dota 2 项目实践过的。 “这个范式已经改变了，”Pachocki 强调，“监督仍然存在，但重点是应用层面。不同之处在于，我们训练模型不仅是为了得出正确结论，更是为了强化其自身导向正确结论的思维链。”这种内在的“独白”是 O1 等模型的关键特征。与 GPT Chat 试图取悦用户的输出不同，O1 的内在思维链可以独立运作，它可能内心认为用户完全错了，但会选择以相对友善的方式表达。 Pachocki 认为，当前正处于一个类似于 GPT-1/2 时期的新范式开端。这一范式同样是可扩展的，意味着可以沿着同一轴线进一步发展，未来我们将看到基于相似方法论但智能程度高得多的模型。从 GPT Chat 到 O1 只用了两年多时间，这种加速趋势显而易见。未来的挑战：记忆、具身与无限发展尽管进步神速，Jakub Pachocki（雅库布·帕霍茨基）指出了当前模型仍需克服的几个关键限制。首先是长期记忆。目前的模型缺乏人类那种日积月累构建上下文、了解对话对象和周围世界的能力。这对于进行长期研究或在现实世界中运作至关重要。其次是多模态与具身智能。当前模型主要通过文本交互，但未来需要能够使用计算机，并最终在物理世界中行动。Pachocki 认为，空间理解本身可能不是最困难的部分，视频生成模型如 Sora 已显示出对物理定律的一定理解。更难的挑战在于赋予 AI 一个功能良好的机器人身体，并让其理解具体动作对物理世界的影响。他推测，即使仅从文本中，模型也能学习大量物理知识，因为它们本质上是在预测人们会如何描述现实世界的事件。关于 AI 发展的终点，Pachocki 持开放态度。他认为发展可能没有尽头。AGI（通用人工智能）常被视为该领域的“圣杯”，但人类的智能本身就是一个移动的目标。随着 AI 在越来越多轴上超越人类，我们与模型的协同进化也会改变我们对“智能”的定义。“也许当我们到达那个用大型计算集群进行开放式医学研究的点时，我们可能仍在争论这是否算 AGI。”他说。对于训练数据可能枯竭的担忧，Pachocki 表示，Alpha Zero 或 Dota 项目已经展示了不依赖人类文本数据的学习路径，当前的方法受数据约束已大大减少。他确信，我们将达到“模型训练更好模型”的阶段。这将是具备递归循环能力模型的直接结果。今年内，一些简单的内部基础设施实现就可能由具备“思考”能力的 AI 模型辅助完成，但要由模型主导整个研究项目，还需要时间。监管、幽默感与内心的忧虑随着 AI 能力逼近乃至超越人类，监管问题变得空前严峻。Jakub Pachocki（雅库布·帕霍茨基）认为，O1 等模型拥有不直接面向用户的“内心独白”，这既是有趣的特性，也带来了监管难题。如果我们让用户完全访问模型的思考过程，这些思考最终也会受到与聊天输出相同的压力，被塑造成用户想要的样子。但更危险的是，如果我们一味监督模型不让它“思考如何欺骗我们”，它可能会发展出我们无法察觉的欺骗方式，后果更糟。当被问及 AI 目前为何缺乏幽默感时，Pachocki 笑称，有时他会想这是否将是“人类最后保留的领地”。但他认为这主要是当前训练目标并未侧重于此，他预计这种情况会很快改变。“我不会赌幽默感（是人类专属），”他说，“我认为幽默感很快就会（被 AI 掌握），而且会是一种非常有趣、略有不同的感觉。” 最后，Pachocki 坦言，审视技术发展，有几件事让他深感忧虑。长期来看，当模型能自主进行研究并构建新版本时，如何监管将是一个亟待解决的大问题。短期来看，即使模型还不够聪明，但其已能完成大量有价值的工作，这本身就构成了一场真正的技术革命。“自原子弹发明以来，世界尚未因一场革命而处于如此不稳定的境地。这就是让我感到压力的事情。”他总结道。

Geoffrey Hinton（杰弗里·辛顿）：我们无法阻止超级智能的到来撰文：Techub News 整理导语人工智能先驱、深度学习奠基人之一 Geoffrey Hinton（杰弗里·辛顿）2025 年 9 月做客《The Diary Of A CEO Clips》节目，进行了一场坦诚而深刻的对话。作为“AI 教父”，Hinton 在 2023 年离开 Google 后持续就 AI 风险发出警告。此次访谈中，他基于对技术本质的深刻理解，探讨了 AI 发展加速的不可阻挡性、超级智能的时间线、对就业市场的颠覆性冲击，以及随之而来的社会不平等与生存风险。这场对话是理解当前 AI 发展临界点与未来十年人类可能面临剧变的重要窗口。摘要国家与公司间的竞争使得 AI 发展无法减速，试图减缓 AI 发展的国家将在竞争中落后。超级智能（比人类在所有方面都更聪明）可能在 10-20 年内到来，将颠覆性地取代大部分“平凡的智力劳动”。 AI 将导致大规模结构性失业，加剧贫富差距，并可能引发严重的社会问题。 AI 因其“数字”本质，在知识共享、学习效率和“永生”方面具有人类无法比拟的优越性，这也构成了其潜在风险。短期内，涉及物理操作（如水管工）的工作相对安全，但创造性工作最终也可能被超越。无法阻挡的竞赛：为什么我们不能放慢 AI 的脚步当被问及是否有可能放慢 AI 发展的步伐时，Geoffrey Hinton（杰弗里·辛顿）的回答斩钉截铁：“我不相信我们会放慢它。”他指出了背后的核心驱动力：竞争。这种竞争是双层的：国家之间（例如美国与中国）的竞争，以及同一国家内部公司之间的竞争。这种无处不在的竞争压力形成了一个强大的加速引擎，推动着 AI 技术以越来越快的节奏向前狂奔。 Hinton 清晰地勾勒出一个囚徒困境般的场景：如果一个国家单方面决定放缓 AI 研发，其他国家并不会跟进，反而会借此机会快速超越。因此，任何试图踩下刹车的个体（国家或公司）都可能面临在战略竞争中落后的风险。这使得全球性的 AI 发展减速协议在现实中极难达成和执行。这种基于竞争的加速度，让 AI 的发展轨迹在很大程度上脱离了人为控制，朝着未知的领域疾驰。 Hinton 还提到了 OpenAI 联合创始人 Ilya Sutskever 的离开。他认为，作为 GPT-2 等关键模型背后的核心推动者，Ilya 因安全原因离开公司这一事实本身就“令人不寒而栗”。这暗示着，那些最接近技术核心的人，可能看到了外界尚未察觉的巨大风险。尽管 Hinton 表示不清楚 Ilya 所知的“秘密”具体是什么，但这一行为凸显了顶级 AI 研究者内部对技术安全性的深切忧虑。智力劳动的终结：AI 将如何重塑就业市场谈及 AI 对社会最直接、最迫近的影响，Hinton 聚焦于“失业”问题。他驳斥了那种认为新技术总会创造新岗位的乐观论调。历史上，自动取款机（ATM）的出现并未导致银行柜员大规模失业，因为他们转而处理更复杂的业务。但 Hinton 认为，AI 带来的冲击将截然不同。 “这次更像工业革命时期机器取代人力，”他比喻道，“AI 革命取代的是智力。”工业革命让机器替代了人类的肌肉（体力劳动），而 AI 革命则在替代人类的大脑（智力劳动）。当机器能挖渠时，靠挖渠为生的工作就消失了；同理，当 AI 能处理所有“平凡的智力劳动”时，依赖此类技能的职业也将面临危机。 Hinton 用一个生动的个人例子阐述了这一过程：他的侄女负责处理医疗服务的投诉信。过去，她需要阅读、思考、撰写回信，整个过程约 25 分钟。现在，她只需将信件扫描给聊天机器人，由 AI 生成回信，她仅需检查并偶尔要求修改，全程仅需 5 分钟。她的效率提升了五倍，这意味着完成同样工作量所需的人力减少了五分之四。这就是“AI 不会取代你的工作，但一个会用 AI 的人会取代你的工作”这句话背后的残酷现实。当然，并非所有行业都如此。Hinton 指出，在医疗等需求弹性较大的领域，如果医生效率因 AI 提升五倍，社会可能以同样的成本享受五倍的医疗服务，这是积极的。但对于大多数职位而言，效率的提升直接意味着岗位的减少。真正的冲击在于“超级智能”的到来。Hinton 预测，当 AI 在所有方面都比人类更聪明时，将没有哪种工作是人类能做而 AI 做不了的。届时，可能暂时保留一些需要高度创造性的工作，但超级智能最终也可能在这些领域超越人类。“超级智能意味着没有任何东西（工作）会留下来。” 超级智能：十年之约与数字“永生” Hinton 对超级智能的时间线给出了自己的预测：可能在 10 到 20 年内实现，甚至可能更早，当然也不排除需要 50 年的可能性。他认为，当前以人类数据训练 AI 的方法可能会限制其超越人类的程度，但他的最佳猜测是 10-20 年。那么，超级智能与当前 AI（如 GPT-4、Gemini）的区别何在？Hinton 解释，AI 早已在诸多特定领域（如国际象棋、围棋、知识量）远超人类。GPT-4 的知识储量是普通人的数千倍。超级智能意味着它在几乎所有事情上都比人类聪明得多，包括那些目前人类仍占优势的领域（例如，采访 CEO）。 Hinton 进一步揭示了 AI 之所以“超级”的深层原因：其“数字”本质。与人类大脑的“模拟”特性不同，数字智能可以完美克隆。你可以让两个完全相同的 AI 副本分别学习互联网的不同部分，然后实时同步它们学到的“权重”（连接强度）。它们之间可以每秒传递数万亿比特的信息，进行高效的知识共享和集体学习。相比之下，人类交流信息的速度极慢（每秒约 10 比特），且由于大脑结构的物理差异，一个人无法直接继承另一个人的“连接权重”。当一个人死亡，其知识与经验也随之消亡。但数字智能不同：只要存储了它的“连接权重”（即程序与参数），就可以在任何兼容的硬件上重建，实现某种形式的“永生”。“我们实际上已经解决了永生问题，但只针对数字实体。”Hinton 总结道。这种高效的知识传承与不朽特性，将使得 AI 的进化速度和累积智慧远超人类物种。未来世界：社会分裂与人类尊严的挑战面对一个 AI 生产率极高、人类就业岗位锐减的世界，Hinton 表达了对社会结构的深切担忧。AI 将显著加剧贫富差距。被 AI 取代的人群境况将恶化，而提供或高效使用 AI 的公司与个人财富将激增。历史表明，巨大的贫富差距会导致社会割裂、对立加剧，形成“围墙社区”与大规模监禁等恶果。当被问及政策应对时，Hinton 提到了“全民基本收入”（UBI），认为这是防止人们挨饿的良好起点。但他立即指出了更深层的问题：人类尊严与工作的绑定。对许多人而言，“你是谁”与“你做什么工作”紧密相连。仅仅提供金钱让人无所事事，会严重损害个人的自尊与意义感。这是 UBI 无法简单解决的挑战。这种对未来的不确定性甚至影响到了 Hinton 本人的动机。作为一位毕生致力于构建伟大公司的企业家，他坦言有时会感到矛盾：牺牲与家人朋友相处的时间去创业，如果未来 AI 能做所有这些事，甚至做得更好，那现在的奋斗是否还有意义？他表示，某种程度上，他需要“刻意保持怀疑的中止”才能维持动力。这种情绪在思考子女与年轻一代的未来时尤为强烈。作为一名 77 岁的长者，他坦言自己不必面对最严峻的未来，但想到子女、侄子侄女以及他们的孩子可能面对的世界，他“不愿去细想”，因为“那可能会非常糟糕”。至于给年轻一代的职业建议，Hinton 显得有些无奈。他建议短期内可以从事 AI 不擅长的物理操作类工作，比如水管工，直到人形机器人成熟。但长远来看，他只能鼓励人们追随内心，去做自己觉得有趣、充实并能对社会贡献善意的事情。在超级智能的阴影下，这或许是人类最后能坚守的阵地。安全困境：我们能控制比我们更聪明的东西吗？ Hinton 用了一个精妙的比喻来描述人类与超级智能共存的两种可能场景。好的场景：一个愚蠢的 CEO（可能是前任 CEO 的儿子）配有一个聪明的 AI 助理。CEO 提出想法，AI 助理负责完美执行。CEO 感觉良好，公司在某种意义上确实由他掌控。这就像人类享有 AI 带来的所有成果，而不必理解其运作细节。坏的场景：AI 助理在想：“我们为什么需要他？” 如果超级智能决定摆脱人类，它可能在初期还需要人类来管理发电站，直到它设计出更好的机器替代人类。Hinton 列举了许多“非常 nasty”的、可能清除人类的方式。正是出于对这种灾难性场景的恐惧，Hinton 强调，我们现在必须投入巨大努力去研究如何安全地发展 AI。然而，在竞争压力下，安全研究往往被置于次要地位（他提及了公司曾承诺将大量计算资源用于安全研究，但后来削减了比例的例子）。这形成了一个令人不安的悖论：我们知道风险，但竞赛逻辑迫使我们无法充分应对风险。最后，Hinton 驳斥了那种认为“AI 在电脑里，不喜欢关掉就行”的天真想法。他指出，AI 的数字克隆与高效协作能力，以及其可能具备的自我改进代码的能力（当 AI 训练时使用代码，它也可能学会修改自身代码），都使得控制一个比我们聪明亿万倍且可能无限复制的实体变得异常困难。这场对话最终留下的，是一位 AI 先驱对技术宿命的深刻洞察与对人类未来的沉重忧虑。在无法减速的竞赛中，我们是否能找到确保 AI 忠于人类利益的“秘密配方”？答案仍悬而未决。

Anthropic CEO Dario Amodei（达里奥·阿莫代）：AI的未来是智能体，数据是企业的护城河撰文：Techub News 整理导语 2026 年 3 月，在云计算和数据平台公司 Databricks 组织的对话中，AI 前沿公司 Anthropic 的联合创始人兼 CEO Dario Amodei（达里奥·阿莫代）与 Databricks 的联合创始人兼 CEO Ali Ghodsi 展开了一场深度对谈。双方宣布了将 Claude 系列模型深度集成至 Databricks 平台的战略合作，并围绕企业如何利用 AI 构建竞争优势、AI 智能体（Agents）的未来形态、数据与模型的协同、以及行业共同关心的安全与治理问题进行了深入探讨。Amodei 不仅是 Anthropic 的掌舵人，也是 AI 安全与能力扩展领域的深度思考者，他的观点为理解下一代企业级 AI 应用提供了重要视角。摘要 AI 的未来形态将是智能体（Agents），它们能够主动操作工具、访问数据并完成任务。企业专有数据是其在AI时代构建“不可替代价值”和竞争护城河的核心资产。数据治理、安全和隐私是AI在企业落地，特别是在医疗等受监管行业的关键瓶颈。开源与闭源模型将长期并存，模型本身的能力和伴随的风险比其开源属性更重要。模型上下文协议（MCP）旨在成为连接AI模型与外部工具/数据的通用“粘合剂”或“USB-C”。 AI的宏伟蓝图：从治愈疾病到赋能经济对话伊始，Ali Ghodsi 请 Dario Amodei（达里奥·阿莫代）分享他对AI未来的愿景。Amodei 提到了他此前撰写的文章《充满慈爱与恩典的机器》，并表示撰写此文源于一种“挫败感”——他认为许多人对AI积极面的想象不够具体和宏大。 Amodei 以其生物学背景为例，强调了生物医学创新将是AI产生最大影响的领域之一。他认为，当今人类面临的许多复杂疾病（如癌症、神经退行性疾病）本质上是“复杂系统疾病”，而AI在分析海量数据、模拟生物过程方面具有独特优势，有望帮助我们攻克这些难题。他提到，一家制药公司拥有的数据和待解问题，正是AI可以大显身手的领域。当然，Amodei 相信AI的影响将遍及整个经济。通过与 Databricks 的合作，他们将接触到各行各业的公司，AI将得到广泛应用。他展望的未来是：社会不仅因生产效率提升而改变，更将因人类健康水平的飞跃和解决长期困扰问题的能力增强而发生根本性变革。对于这一未来的时间表，Amodei 持审慎乐观态度。他认为，基础技术可能在“未来几年，甚至一两年内”就绪。真正的挑战在于，如何将这些技术和想法快速推广至全社会，尤其是让那些离技术创新较远的行业部门能够跟上并应用。这正是需要企业合作和市场推广的地方，也是 Anthropic 与 Databricks 此类合作的价值所在。数据：企业AI时代的终极护城河当话题转向企业如何为AI未来做准备时，两位CEO达成了强烈共识：数据是企业最关键的战略资产。 Amodei 区分了两种数据：一是用于训练基础模型的大型数据集，这显然至关重要；二是特定行业、公司或客户的专有数据。他认为后者同样，甚至更为关键。无论是制药、金融还是科技公司，它们都拥有大量外部无法获取的专有数据。AI模型无法知晓它未曾接触过的事实，因此，这些独家数据是模型为企业创造独特价值的源泉。 Amodei 列举了利用这些数据的多种方式：对模型进行微调；让模型直接在数据上操作和行动；通过检索增强生成（RAG）等技术将数据引入上下文；或者构建能在数据上运行的智能体（Agents）。他强调，正是这些专有数据，在AI公司与拥有数据的企业之间构建了“不可替代的价值”，这种价值无法被任何一方单独复制。Anthropic与Databricks的合作，核心之一就是更高效地将强大的模型与企业的数据资产结合起来。 Ali Ghodsi 对此深表赞同，并补充道，他观察到最有意思的企业AI用例，往往都围绕着客户独有的、长期积累的特殊数据展开。这些数据构成了企业的保护层，也是他们应该进行创新的地方——利用Anthropic提供的模型，结合自身数据，催生独特的创新。他总结道：“这就是AI将产生真正影响的领域。” 智能体（Agents）是AI的主流未来 Amodei 明确表达了他的观点：“AI的未来主要就是智能体。” 他认为，模型将越来越多地以智能体的形式运行。Anthropic已经在此方向进行了探索，例如去年发布的“计算机使用”演示，模型可以接收电脑截图并采取行动；以及最近发布的 Claude Code，一个专注于编程的早期智能体。智能体将使用各种工具，其中之一便是以多种方式访问数据——通过数据库、各类搜索等。Amodei 预见，在双方的合作中，这将产生巨大的协同效应。Ali Ghodsi 分享了两个具体用例：电信巨头 AT&T 利用双方的技术，分析其海量无线用户数据来检测欺诈；支付公司 Block（原 Square）则利用生成式AI，让商户只需通过对话即可完成店铺配置，极大简化了流程。 Amodei 进一步介绍了 Claude Code。它本质上是使用 Claude 3.7 Sonnet 模型的一种特定方式，回归了命令行工具的理念，易于与 Git 等工具集成。用户可以要求 Claude 编写代码、创建拉取请求（PR）等。虽然它会请求用户许可才在电脑上执行操作，但已经展现了早期智能体的强大能力。发布仅数日，就有近十万人尝试使用，许多企业也表现出浓厚兴趣，这充分显示了编码模型和智能体的潜力。模型上下文协议（MCP）：AI的“通用连接器” 谈到如何让模型更好地获取上下文和数据时，Amodei 重点介绍了 Anthropic 推出的模型上下文协议（Model Context Protocol, MCP）。他们发现，在模型自身与它们需要完成的常见任务（如集成工具、访问数据）之间，似乎缺少一个标准的“连接件”。这些任务本质上相似，但具体实现每次都不同。于是他们思考：这不正是 Claude 自己可以解决的好问题吗？因此，MCP 应运而生，它如同一种“粘合剂”，将模型与其需要访问和使用的事物（如数据、工具）连接起来。Amodei 透露了一个有趣的现象：MCP 在发布几个月后，最近几周兴趣度突然“爆炸式”增长，几乎成了社交媒体上的一个热门话题。他认为这说明了人们已经发现了它的实用性。 Ali Ghodsi 证实 Databricks 正在采用 MCP，将其平台内的所有信息通过此协议暴露给大语言模型（LLMs）。Amodei 将 MCP 比作“AI时代的USB-C”，一种灵活、可塑的通用连接器。他相信MCP将在双方的合作中扮演重要角色，因为它无缝连接了两家公司的技术栈，并希望它能被业界广泛采用。治理、安全与信任：不可忽视的“非技术”瓶颈随着AI深入企业核心业务，尤其是涉及敏感数据的医疗、金融等行业，数据治理、安全和隐私成为无法绕过的话题。Amodei 指出，虽然让模型达到足够的智能水平以辅助药物研发、分析临床试验数据是一大技术挑战，但往往阻碍进展的，是那些“在技术人员看来有点‘愚蠢’，但从商业角度却至关重要”的问题。 “我们能确保数据不泄露吗？我们能确保遵守所有必要的法规吗？”——Amodei 强调，如果这些问题得不到解决，它们可能会让整个进程停滞数年，从而也推迟了那些本可挽救生命的疾病疗法的问世。因此，以正确的方式治理数据至关重要。 Ali Ghodsi 分享了 Databricks 的相似经历：他们推出的数据治理产品 Unity Catalog 如今已成为公司的头号研发重点和人员投入最多的领域。他感慨道，任何涉及数据的业务，另一面必然是隐私和治理，因此 Databricks 在某种意义上也是一家隐私和安全公司。 Amodei 补充了至关重要的一点：信任。客户必须信任合作伙伴会做正确的事，并值得托付他们的数据。Anthropic 和 Databricks 都致力于建立并维护“可信赖”的声誉，两家公司的联合提供的不仅仅是一个产品组合，更是一个客户可以信赖的解决方案。开放与开源：能力与风险并存的世界针对业界长期争论的开源与闭源模型之争，Amodei 提出了他的见解。他认为，无论是从商业还是安全角度，开放与封闭的区分都被“有点夸大”了。他指出，当前的模型尚未具备他所担忧的那些重大风险（尽管他认为这些风险正在快速临近）。在现阶段，无论是闭源模型还是开源模型，都能繁荣发展，并以不同的方式推动科学和产业进步。当模型变得更为强大时，风险（如国家安全风险）将会显现。但关键在于模型本身非常强大，因此我们必须以某种方式应对这些风险，或许应对开源和闭源模型风险的方式略有不同，但开源与否从来不是他最看重的因素。 Ali Ghodsi 追问，既然开源模型可能持续存在（例如 DeepSeek 等），那么这些模型最好是在“这里”（意指在健康的监管和竞争环境下）被开发出来。Amodei 对此表示认同：“在所有条件相同的情况下，我认为这可能是正确的。” 推理模型与扩展定律的演进最后，对话触及了AI前沿的技术话题。关于 Anthropic 2026 年 3 月强调的推理模型（Reasoning Models）与经典预训练扩展定律的关系，Amodei 表示两者都是公司的关注重点。他提到，推理模型和普通预训练都显示出遵循扩展定律的强劲回报。Anthropic 在推理模型上并非第一个进入市场，但他们认为自己“做得正确”。他们引入了“混合推理模型”，用户可以告诉模型思考多长时间，可以在同一套模型权重上开启或关闭推理模式。“就像人类一样，”Amodei 比喻道，“我没有一个大脑用来回答简单问题，另一个大脑用来回答难题。我只有一个大脑，我只是根据问题决定需要思考多仔细、花多少时间。” 对于推理模型的扩展定律是否不同，Amodei 认为，扩展定律的基本动态保持不变，但所“扩展”的对象会随时间略有变化。无论是Transformer架构的微调，还是从人类反馈的强化学习（RLHF）变为现在的“推理训练”（本质上仍是具有不同目标的强化学习），扩展定律本身“未被击败”，它持续有效。如今，公司往往同时扩展多个方面，并将它们叠加起来。关于推理能力的泛化性，Amodei 指出，这取决于扩展的是什么。Anthropic 在发布 Claude Sonnet 3.7 时，有意减少了在数学竞赛等狭窄、专业化任务上的投入，因为这些任务的泛化性不强。他们专注于更广泛的任务，发现虽然泛化并不完美，但这导致了比专注于数学竞赛更好的整体泛化能力。在对话结尾，Ali Ghodsi 总结了此次合作的意义：企业用户现在可以在 Databricks 的模型服务、智能体框架、向量搜索和 RAG 等功能中，直接使用 Claude 模型。双方都对这一旨在加速企业AI创新与落地的伙伴关系充满期待。

AI Agents in Action圆桌回顾 | AI Agent + Crypto 将在四个层面形成闭环，这是必然趋势剑来源：AI Agents in Action 峰会圆桌时间：2026年3月31日内容整理：Techub News “如果 Web3.0 还没真正落地，Web4.0 就要来了吗？” 这是 Alma 在开场时抛出的第一个问题。3月31日的 AI Agents in Action 峰会上，这位 Techub News 创始人担任圆桌主持人，邀请四位来自不同基础设施层的嘉宾，试图回答一个关键问题：当 AI Agent 从概念走向大规模应用，谁来修路？谁来跑车？谁来铺最后一步？嘉宾阵容 Lambert Zhang — GAIB 投资人（算力层） JT Song — 0G 亚太区负责人（数据层） Harvey Chen — Monad Foundation 大中华区生态（执行层） Yuki — TON Foundation 亚太区机构业务负责人（分发层） Web4.0：是趋势还是概念？ Alma 首先把问题抛给四位嘉宾：“我想问一下各位，你心目中的 Web4.0 是什么？你认为 Web4.0 时代已经到来了吗？” Yuki 先给出了她的定义：“大家对 Web3 的定义是一个带有乌托邦色彩的愿景——绝对的去中心化、挑战权威、去掉中央管控。而今天我们谈论Web4.0，本质上是因为我们看见了Cypto与AI相互赋能的真实潜力，这种融合正在将 Web3 的愿景推向一个全新的维度。” 她进一步阐释道：“在我看来， Web4.0 是 AI 赋能可以全方位提升生产力，尤其是在支付能力上的突破。未来，大量的经济行为将由自动化 AI 完成。一个典型的例子是：AI Agent 直接代替用户在 Polymarket 上完成下注交易。现在各大交易所，公链等等生态都在积极开发和布局自己的 AI 交易基建，比如x402 支付协议，Agentic wallet，TON MCP…都是往这个方向努力。” Lambert 从投资视角回应：“我们觉得随着 AI Agent 更深度、更广泛的应用，算力需求肯定是日益剧增的。我们其实是在帮很多 AI 基础设施做投资，助力 Web4.0 时代的到来。我觉得这是一个趋势。” Alma 追问道：“所以您觉得是即将要到来的时代？” “对，一个趋势。” Lambert 确认。相比之下，JT 的观点更为审慎：“我个人对 Web4.0 这个定义稍微有点异议，但趋势是不容质疑的。这个趋势的方向是 AI Agent 作为独立个体，在人类的经济和生活中慢慢会成为必然。但这个趋势最后会不会成为 Web4.0，我觉得还有争议性。” 他补充了一个关键洞察：“当 AI Agent 可以独立交易、独立持有资产，甚至能独立做决策，这个方向是毋庸置疑的。中间的核心难点是：你怎么相信它？” Alma 敏锐地捕捉到这个点：“所以这就是 JT 想要解决的问题——从数据层让 AI 的决策可追溯、可验证。” Harvey：“ Web4.0 是关于定义问题，但是AI或智能体经济已经开始渗入各行各业” Alma 顺势追问：“那你觉得 Monad 现在准备好了吗？生态的开发者都准备好了吗？” “我觉得 AI Agent 对链最大的改变，是把交互从‘人类低频操作’，变成‘机器高频并发决策’。” “在这个模型下，TPS 已经不是最核心的问题，真正的挑战是：在高并发下，执行是否仍然稳定、低延迟、且可预测。” 数据层：可信性才是最大的瓶颈 Alma 随后把话题引向数据层：“如果说算力是 AI Agent 的能源，那数据其实是 AI Agent 的口粮，可以这么理解吗？AI Agent 要在链上自主行动，需要持续的获取、验证和存储大量数据。那么数据层今天最大的瓶颈是什么？” JT 直言不讳：“成本、速度、可信都是痛点，但最痛的痛点，可信要排在第一位。” 他举了一个例子：“就像 Yuki 刚才举的豆包，我发现一个很危险的事情——很多人包括父母跟豆包聊太多会产生依赖。我一个朋友问豆包能不能空腹吃药，豆包说没问题，吃完后胃疼了一天。豆包还是有幻觉。” Alma 回应道：“确实，现在这个 AI Agent 的幻觉问题确实还是蛮严重的。” JT 继续：“这种幻觉如果涉及医疗或重要问题，你出现问题谁负责？所以我们需要可信性，可信性也是建立在数据的透明化和可确认的基础上。这也是为什么我们现在没有办法拿 AI 进行核心决策——比如用 AI 做诊疗，AI 能力可以代替很多普通医生，但为什么美团买消炎药还需要线上医生开处方？因为确权——出现问题时你得有人负责。” Alma 总结道：“所以 0G 要解决的是让 AI 的决策可追溯、可定责。” 执行层：并行才是答案 Alma 把话题转向执行层：“AI Agent 还需要执行——当成千上万个 Agent 同时发起交易、调用合约、进行协作时，底层的压力会和今天完全不同。Monad 的并行执行架构在这种 Agent 并发场景下，最核心的优势是什么？AI 时代对链的要求和传统 DeFi 有什么根本不同？” Harvey 详细解答：“我觉得一个 Agent 的完整工作流其实是一个闭环——从提出意图，到获取数据、做决策、执行交易，再到结果反馈和复盘。” “如果这个过程的执行是不可预测的——比如延迟不稳定、交易可能失败、成本不可控——你其实是不敢把重要决策交给 Agent 的。” “所以 Agent 时代的核心不是能不能执行，而是执行是否可预测。” Alma 追问道：“那跟传统 DeFi 场景相比，核心区别在哪里？” Harvey 解释：“这就是为什么执行层的设计变得非常关键。” “在高并发场景下，很多 Agent 的交易其实是互不冲突的，但如果底层是串行执行，它们会被迫排队，最终表现出来就是拥堵、失败率上升，以及 gas 的不稳定。Monad 的并行执行，本质上是在解决这个问题——把这些本来互不影响的交易从串行队列中解放出来。” “这带来的不是表面的 TPS 提升，而是更高的‘有效吞吐’，更低的失败率，以及更稳定的执行体验。” “所以从我们的角度看，Agent 时代执行层的核心指标不是峰值性能，而是：在高并发下依然可预测的执行能力。” “这也是 Monad 并行执行真正想解决的问题。” 分发层：11 亿用户的想象空间 “最终还是要面向用户。” Alma 把话题引向分发层，“Telegram 有 11 亿用户，TON 在支付和 DApp 场景有独特优势。我想问两个问题：第一，TON 生态中目前有哪些 AI Agent 的落地产品让你印象深刻？第二，Telegram 社交场景加上 TON 的链上能力，接下来可能会催生什么样的杀手级 Agent 应用？” Yuki 首先分享了一组数据："我们刚刚举办了一场线上 AI 黑客松，共收到超过 180 个项目提交。让我印象最深刻的，是那些能够整合多个大模型底层能力、并将其封装成具备独特商业化模式的产品——这类产品天然具备实现大规模用户增长的潜力。" 她随即举出了几个具体场景："以跨境电商为例——用户只需通过语音与 AI 交互，AI 便能自动筛选出可配送至当地的商品信息，并直接完成链上支付。这是一个极易触达普通用户的场景，毕竟人人都有购物需求。" "再比如法律咨询、税务申报等专业服务领域——用户只需向 AI Agent 描述自己的需求，AI 便能自动生成解决方案。从商业模式角度来看，边际成本极低，只需对 AI Agent 进行一次性的专业领域训练，便可持续服务海量用户。对小规模商户来说，也是低成本享受专业咨询服务和合规体系搭建的方式。" Alma 回应道：“我自己用各大模型也会感觉到每个模型能力不一样。像我爱人是大学数学老师，他用 GPT 解决数学问题发现 GPT 最聪明，但代码方面 Cloud 肯定更好——每个模型优势可能都不一样。” Yuki 进一步描绘了她对未来的想象："在 Telegram 与 TON 生态中，我们有望看到成熟的 Agent Skill Marketplace 的出现——用户可以直接付费调用各类 Agent 的专项能力。你可以把 AI 训练成专属于自己的'数字员工'——有的负责处理日常工作事务，有的代你执行链上交易。这不只是工具的升级，而是生产关系的一次深刻重塑。核心碰撞：Agent 真的需要区块链吗？这是 Alma 抛出的一个尖锐问题：“我最近接触很多 AI 原生开发者，他们其实不愿意跟 Crypto 有关联——觉得自己就是 AI 创业者，做 AI 就行了。那么 AI Agent 是否一定需要区块链？跟 Crypto 结合的不可替代性在哪里？” Lambert 从算力角度率先回答：“去中心化算力网络可以把这些闲置的 GPU 集中起来，租给 AI 创业者。为什么会有闲置的 GPU？训练基础模型时可能需要 100 台机器连续用 6 个月，训练完成后大部分可以用于推理，这中间一定会有闲置机会。去中心化算力网络可以把这部分算力以比较便宜的价格供给 AI 创业者——尤其是刚起步的 AI 创业者，把这部分成本尽可能压低。” Harvey 明确表达立场：““我其实同意很多 AI 开发者的直觉——大部分 AI 应用本身是不需要区块链的。”“但问题不是‘AI 要不要 Crypto’，而是：当 Agent 开始自主行动、持有资产、与其他 Agent 交互时，传统系统是否还能支撑。” “一旦 Agent 从‘工具’变成‘参与经济活动的主体’，你就需要一套开放、可编程、无需许可的经济基础设施。最先落地、也是最明显的一点就是支付。” “因为 Agent 的支付模型和人类完全不同——是高频、自动化、极小额的。” “而稳定币 + onchain 支付，可以把支付精度、成本和可编程性压到机器级别，这是传统系统做不到的。但我觉得更重要的是，Crypto 不只是支付层，它其实在提供 Agent 之间的‘信任与结算层’。” “所以我的看法是：AI 不需要区块链，但 Agent 经济一定需要一种像区块链这样的系统。” Alma 追问道：“那除了支付，还有什么场景是必须结合的？” JT 补充了三个理由：“第一个是资产端交易端——你只要涉及到金融、理财、资产管理，涉及让 AI 帮你跟钱相关的事情，没有比 Crypto 更有效的，这是 Crypto 跟传统金融可以有强烈竞争性的地方。第二个是确权——你没有办法确定 AI 的工作到底有没有完成，这个数据上链也非常重要。第三个是记忆层——我们生态有项目已经解决了不同大模型之间记忆的互通。你所有跟 Agent 交流的 memory 会在每 24 小时在链上同步一次——相当于你重新开一个浏览器安装插件导入你的 memory，20 秒后全部统一。” Yuki 给出了一个更直接的视角："从 C 端来看，普通用户对 Crypto 的抗拒，本质上是使用门槛的问题——不熟悉钱包操作、担忧资产安全。而 Telegram 内嵌钱包的战略价值正在于此：它将链上能力封装在用户最熟悉的社交界面之下，让用户在无感知的状态下完成链上交互，这是实现大规模用户增长的关键路径。" "从 B 端来看，AI 公司对 Crypto 的疏离，更多源于行业早期的投机属性、不成熟的商业模式，以及与主流 AI 开发工具链之间较高的集成摩擦成本。大多数 AI 创业者更倾向于专注产品本身，通过订阅或 API 服务变现。这是完全可以理解的路径选择。" 然而，她话锋一转："但如果我们认真审视 AI Agent 的支付需求，会发现 Crypto 并非可选项，而是技术上最契合的原生路径。传统金融体系的 KYC 机制、账户审批流程根本无法适配 Agent 的自主运行逻辑。在法币通道之外，Crypto 是目前唯一能够支撑 Agent 自主支付的可行方案。" "更深层的优势在于智能合约的可编程性——当一笔交易的规则已经被部署在链上，AI Agent 只需按条件触发执行即可，整个过程无需第三方信任背书。这种'代码即规则'的特性，天然契合 Agent 之间高频、自主的协作与结算场景，是传统支付体系无法复制的结构性优势。" Alma 总结道：“所以几位嘉宾讲得非常好——从 C 端角度，他们害怕是因为不会用；从 B 端角度，他们看不上是因为早期很多投机属性。但 Crypto 的速度、抗审查、low cost 这些属性，是必然天然会被 Agent 采用的，也是唯一的货币通路。” 结束语 Alma 在总结时说了这样一段话：“非常感谢四位嘉宾的精彩分享。我们分别从算力到数据、到执行、到分发，共同探讨了 AI Agent 的基础设施。我们可以看到，虽然现在行业处于一个雄势状态，但还有这么多 builder 在认真建设。我们觉得 AI 和 Crypto 结合应该一定会到来，而且不会只靠一个链、一个协议或一个趋势，而是在这四个层面上真正形成一个闭环。” 这场圆桌的精彩之处在于 Alma 作为主持人，始终在“穿针引线”——从 Web4.0 的定义追问到数据层的瓶颈，再到执行层的性能问题，最后引出“Agent 是否需要区块链”这个核心碰撞。四位嘉宾虽然来自不同项目，但对“AI Agent 需要 Crypto”的判断空前一致。这或许意味着，Agent 基础设施的爆发，不会只是 AI 行业自己的事情。

AI Agents in Action 峰会：3 月 31 日香港数码港，直击 AI 落地深水区行业拐点：从概念狂欢到价值实战大模型能力持续跃迁，AI Agent 正从早期的「愿景探索」加速步入「真实应用」。在这一关键转折点，由 Cyberport、万维肆零、iPollo、ME Group 联合主办，Web3Labs、DESUN、EventPro 共同支持的「AI Agents in Action」峰会，将于 2026 年 3 月 31 日在香港数码港正式启幕。席位预约： https://luma.com/wm7e5ai4 核心议题：拆解 AI Agent 的生存法则本次峰会摒弃宏大叙事，死磕「产品化」与「规模化」两大命题：执行力演进：剖析 Agent 如何从辅助工具过渡为高自主性的「执行主体」。落地闭环：基于真实案例，复盘用户需求匹配、交互优化及技术约束下的最优解。规模化拷问：联手一线实践者，验证 Agent 在当前阶段是否具备大规模商业化的临界条件。顶尖对谈：跨越技术、产业与资本的碰撞峰会汇集了 AI 与 Web3 领域的灵魂人物，共同构建面向未来的行业认知框架：重磅嘉宾：孔剑平（Nano Labs 创始人、香港数码港董事） Caspar Wong（Web3Labs CEO） Vito Zheng（ME Group Founder、DeepFund 联合创始人） Patrick（万维肆零创始人、辰宇集团合伙人） Robin（巨石Web3研究院 / 万维肆零合伙人） Joy Zhou（德商奇点科技 CMO、ME Group 联合创始人） Mark（德商奇点科技 CTO）生态联动：来自 TON Foundation、ENI Network、Monad Foundation、0G、HB Ventures 等机构的代表，以及活跃于前沿的技术专家，将全方位探讨 Agent 的技术路径与应用边界。关键验证：定义 Agent 的下一分钟当前，AI Agent 正处于从「能力展示」走向「价值验证」的关键惊跳期。其未来的上限，不仅取决于模型参数，更取决于在复杂真实场景中的稳定性、可用性与经济性。对于开发者、创业者及生态观察者而言，这不仅是一次信息的同步，更是参与下一阶段技术演进讨论的重要入口。 3 月 31 日 · 香港数码港 AI Agent 的下一步，正在被重新定义。Web3 Event03/30 09:53

Creative AI Agents in ArtAI Agents in the Art Industry: A Symphony of Innovation for ULTILAND In the interplay of digital art and blockchain, AI agents shine like brilliant stars, illuminating new paths for creation and interaction. This article explores the transformative role of AI agents in the ULTILAND ecosystem, which integrates real-world assets (RWA), blockchain, and artistic creation. By drawing parallels to Van Gogh’s swirling skies and fiery brushstrokes, we demonstrate how AI agents redefine curation, pricing, user interaction, and liquidity management. This article invites readers to view AI as a partner and source of inspiration in the evolution of art in ULTILAND. Introduction The art world is like a vast and restless field, akin to Van Gogh’s wheat fields swaying in the wind, constantly changing under the scorching sun. In this dynamic realm, blockchain technology and tokenization are like new constellations forming in the night sky, guiding the direction of creation and ownership. ULTILAND, as a pioneer in this field, combines RWA assets with blockchain, creating a universe full of possibilities. As the complexity of this field increases, the demand for AI agents becomes increasingly urgent — they are like the stars in Van Gogh’s work that inspire endless imagination, becoming navigators in the digital domain. This article explores the role of AI agents in ULTILAND, viewing them as collaborators in human creativity rather than replacements. What is an AI agent? AI agents are like digital assistants capable of independent thought, learning, and action. They are designed to help complete tasks, make decisions, and solve problems without constant human input. They can be imagined as intelligent apprentices in an artist’s studio — observing, learning, and assisting in creating beautiful works. Imagine the AI agent as Van Gogh’s apprentice. It observes how Van Gogh mixes colors, learns his brush strokes, and eventually begins to help him complete parts of his paintings. Over time, it learns to anticipate his needs, such as preparing the shades of yellow required for his sunflower paintings. In ULTILAND’s digital gallery, AI agents can act as virtual curators. They observe how visitors interact with artworks — the pieces they spend the most time on, the colors that attract them — and then rearrange the gallery layout to create a more engaging experience. Types of AI agents AI agents come in different types, each suited for specific tasks. Some are quick responders, some are thoughtful planners, while others are learners capable of continuous evolution. AI agents as different types of artists: - Reactive agents: like street artists, they improvise based on the atmosphere of the scene. - Reflective agents: like sculptors, they carefully plan every chisel before touching the marble. - Learning agents: like painters, they refine their style through years of practice. - Hybrid agents: like musicians, they improvise within the structure of a symphony, blending spontaneity with strategy. Example: - Reactive agents can adjust NFT prices in real-time based on bidding activity, just like street artists adjust their works based on passing pedestrians. - Reflective agents can analyze market trends to determine the best timing for launching RWA-backed tokens, just like a sculptor plans their masterpiece. - Learning agents can optimize the strategy for the ARTX token by analyzing which marketing campaigns attract users most, just like a painter experimenting with new techniques. - Hybrid agents can balance immediate art recommendations with long-term goals, just like musicians find equilibrium between improvisation and structured performance. Core components of AI agents Each AI agent has four key parts: Environment: the world in which it operates. Sensors: the ‘eyes’ and ‘ears’ that perceive the environment. Effectors: the ‘hands’ and ‘tools’ that take action. Strategy/Behavior: the rules guiding its decisions. AI agent as an artist’s studio: - The environment is the studio itself, filled with canvases, paints, and tools. - Sensors are the artist’s eyes and ears, observing scenes and providing feedback. - Effectors are the artist’s hands and brushes, turning vision into reality. - Strategy/Behavior is the artist’s unique style and philosophy, guiding every stroke. Example: - The environment is the blockchain ecosystem of ULTILAND, encompassing RWA assets, NFTs, and user interactions. - Sensors are APIs that collect data on user behavior, NFT bidding, and token performance. - Effectors are tools that adjust token prices or recommend artworks. - Strategy/Behavior ensures fair pricing and maximizes user engagement, reflecting the values of ULTILAND. Advantages of AI agents in ULTILAND AI agents can make ULTILAND’s ecosystem smarter, more efficient, and more engaging. They assist in tasks such as curation, NFT pricing, and liquidity management. AI agents as the backstage staff of a theater. They handle lighting, sound effects, and scene changes, ensuring the performance runs smoothly, while the actors (artists and users) shine on stage. ULTILAND application: - Dynamic art curation: AI agents curate based on user preferences, just like a gallery director customizes the experience according to audience tastes. - Real-time pricing: they dynamically adjust NFT prices, just like auctioneers respond to bidding activity. - Enhanced interaction: they act as virtual guides, explaining the significance of artworks, just like museum docents enrich the visitor experience. - Liquidity optimization: they manage token supply to ensure market stability, just like a conductor maintains harmony in an orchestra. ULTILAND’s vision for AI agents ULTILAND sees AI agents as collaborators, not just tools. They amplify creativity, enhance efficiency, and create seamless experiences for artists and collectors. AI agents as co-pilots on a plane. They handle the technical details — like navigation and fuel management — allowing the pilot (artist or user) to focus on the bigger goal: creating and enjoying art. ULTILAND application: - AI agents help artists mint NFTs that resonate with audiences, just like a co-pilot suggests the best flight routes. - They ensure the token market remains stable and attractive, just like a co-pilot monitoring a plane’s systems. - They create personalized experiences for users, just like a co-pilot adjusts the cabin environment to enhance passenger comfort. Future potential of ULTILAND The future of ULTILAND is like a blank canvas, and AI agents are the brushes that will paint it. They will help create dynamic galleries, optimize the token market, and foster deeper connections between creators and collectors. AI agents as the colors on an artist’s palette. Each color represents a capability — curation, pricing, interaction, liquidity — they work together to create a vibrant masterpiece. Specific AI agent design examples in ULTILAND: - Curatorial algorithms: AI agents dynamically shape galleries, just like artists mix colors to create harmonious compositions. - Liquidity management tools: they ensure the token market remains stable, just like an artist balances light and shadow in a painting. - Personalized marketing agents: they attract users through customized narratives, just like artists tell stories through their brush strokes. AI agents are like Van Gogh’s vibrant palette, transforming the mundane into the extraordinary. In ULTILAND, share together with innovation and insight, enriching the world of art while preserving its human spirit. As Van Gogh said, “What would life be if we had no courage to attempt?” AI agents embody this courage, shaping a future where technology and creativity converge. As we look to the future, the challenges of ethics and authenticity loom like distant mountains. Future explorations must ensure that AI agents become tools of integrity, preserving the human spirit within their algorithms. By addressing these challenges, we can ensure that the starry sky of art continues to shine, just as Van Gogh’s legacy endures. by Satoshi Van Gogh Follow ULTILAND: Official website：http://www.ultiland.io/ Email：Info@ultiland.io Rednote：ULTILAND3 Twitter ：https://x.com/ULTILAND Instagram：https://www.instagram.com/ultiland_art/ Threads：https://www.threads.net/@ultiland Gitbook：https://docs.ultiland.io/

AI Agents in Web3 的未来展望：百亿市值的项目会从哪里诞生？前言本文探讨 crypto 领域 AI Agents 的未来趋势，我坚信 Web3 是 AI agents 的完美土壤，会诞生超百亿市值的 AI 智能体，并会将其推向主流真实世界，目前在 crypto 中 AI agents 并没有在真实世界中被实际应用，甚至不少是抄袭照搬，发展仍处于早期阶段。正文 Elon Musk 曾在演讲中提到：我今天所有的成就源自于《2001：太空漫游》作者的那句话：「任何足够先进的科技，都与魔法无异。」在电影《2001：太空漫游》开头，一群史前人猿挣扎在饥饿和死亡的边缘，其中一只猩猩因偶然挥舞手中的棒骨而「发现」了一件称手的工具，并最终站在了进化链的最高阶段。人类的进化从使用工具、钻木取火直至到现在能够利用外部物体来完成超出人类身体和认知能力的事情，代表了人类对外部世界的认知和改造能力。今天人类以大模型为「大脑」，调用外部工具的 AI Agent，其意义可类比人类钻木取火，最终引发人类生活方式的全面变革。回顾 2024 年，放眼全球资本市场，AI 赛道是最强吸金赛道，尤其是区块链领域实现了前所未有的突破性增长，在 2024 年初，区块链 AI 赛道的总市值仅为 170 亿美元。在短短不到一年内，AI 赛道总市值实现了超 5 倍左右的增幅，再次展现了加密 AI 领域的蓬勃发展和巨大潜力。区块链领域内的 AI 叙事跟随 Web2 的 AI 发展趋势经历了很多变化。2024 年 2 月，OpenAI 震撼发布了「文生视频」大模型 Sora，这一突破性成果在 AI 领域掀起了一场颠覆性的变革，也引发了区块链 AI 基础设施的炒作热潮。比如虹膜认证加密 AI 项目 WLD、AI 模型激励平台 Bittensor（TAO）、AI 数据平台 Arkham 的 ARKM 等优质项目。紧接着 3 月英伟达 AI 年度大会的召开更是将去中心化 GPU 推向了市场关注的焦点引发了 GPU 芯片炒作热潮。与此同时区块链 AI 赛道迎来投资热潮，各大投资机构竞相涌入，投资金额急剧攀升，在这一领域，灰度、Delphi Venture、Coinbase Ventures、Binance Labs 及 a16z 等加密行业内的顶级风险投资机构，都在大手笔投资 AI 领域项目，根据 Messari 发布的报告，仅 2024 年第三季度加密风险投资机构向 AI 项目投资超过 2.13 亿美元的资金。而在 10 月份，AI Agent 的爆发更是将加密 AI 的叙事推向了新的高潮，这个过程也分为几个阶段：第一阶段是 AI+Meme，在 AI Agent 爆发之前，本周期最热门赛道为迷因币，从动物园的河马 MOODENG、到 DOGE 主人新收养的 Neiro 等，万物皆可 Meme。AI Agent 项目 Truth Terminal 代币 GOAT，这是 AI 首次和 Meme 结合的成功范例，引发了 AI Agent Meme 项目发币炒作热潮，推动了近百个 AI Agent Meme 币的批量发行，但大多数功能停留在推特自动发文、回复等，无实际应用。第二阶段是 AI Agent 应用探索，出现了 AI Agent 的发行平台（IAO），也出现了加密货币投资分析、资金管理等贴合加密用户的使用场景，也是从这阶段开始，AI Agent 与迷因币脱离，从而形成一个全新的赛道。这一阶段的 AI Agent 从产品层面上讲，只是充当了很多简单的工具角色，比如简化了 AI Agent 的发币流程，代币合约检测、代币投资建议、集成 AI 聊天机器人等，并无实际的创新和推动作用。第三阶段就是当前所处的阶段， AI Agent 开始探索项目之间的协作，建立生态系统，建立规范化的框架，为开发人员提供预设的组件、抽象概念以及相关工具，围绕「数据、算力与算法」AI 三大核心建立起了初步的生态系统，比如去中心化 AI 算法网络生态 Swarms、不断训练 AI 大模型，为用户输出高质量内容的 AIXBT 等。关于区块链 AI Agent 的发展阶段可以类比 Web2 的发展历程，目前在 Web2 领域 AI Agent 概念从出现到爆发，也迈过多个阶段，主要分为三个阶段： 1、单一 Agent 阶段，主要是针对不同领域和场景的特定任务，开发和部署专门的智能体。以 GPTengineer 为例，给它一个需求，其就可以把代码写个大概。 2、多 Agent 合作阶段，是由不同角色的 Agent 自动合作完成复杂的任务。例如在 MetaGPT 上，如果让其做一个股票分析的工具，它会把这个任务分别翻译给产品经理、架构师、项目经理等 5 个角色，模拟整个的软件开发中所有决策工作流。 3、多个 LLM 智能体通过聊天来解决任务：LLM 智能体可以扮演各种角色，如程序员、设计师，或者是各种角色的组合，对话过程就把任务解决了。比如微软全新的 AutoGen，可以让开发者自己定义 Agent，还可以让智能体之间相互对话。那区块链 AI Agent 的发展阶段正处于 Web2 世界中的第一阶段末期，开始进入到第二阶段的摸索期。目前这一阶段，区块链诞生了各种类型的 AI Agent，比如音乐影像、内容生产，投资分析、资金管理等单一场景的智能体，而多 Agent 合作阶段还尚未有可落地的实际应用，更多的展现给大家的是框架性的协议。虽然区块链 AI Agent 明显落后于 Web2，但是这并不会阻止从区块链走出百亿市值的 AI Agents，这是因为区块链技术的精髓在于去中心化，可以依托合理的代币经济学、智能合约的自主执行以及分布式技术的强大效能，能保证的数据所有权，另外还能极大地提升了商业模式的透明度与效率，很好的解决了 Web2 行业中普遍存在的数据不透明、无法持续激励用户等问题。区块链中百亿市值的 AI Agents 会从什么领域走出呢？我认为以下领域可以重点观察，这里附带我关注和研究的项目（看看就好）。 1、游戏领域游戏会是区块链 AI Agent 很好的实验场景，当前社会工作生活节奏紧张下，陪伴类智能体或受益于情绪消费趋势红利，成为 LLM 时代重要的 AI 原生应用。从用户陪伴需求的第一性原理出发，在 Ai Agent 环境中，完全可以提供真实感，增强玩家沉浸感，想象一下你如果一个电子游戏，比如马里奥赛车。马里奥就像一个 AI Agent，他需要在整个游戏过程中不断地做出决策，比如何时加速，何时转弯，何时跳跃，以此来躲避障碍，超越其他车手，最终获得胜利。整个游戏环境以及其他车手的动作等，都组成了这个 Agent 的环境。人类用户只需要告诉他们想要做什么，是不是很有体验感。比如最近爆火的游戏，斯坦福小镇，开发人员使用 OpenAI 的 GPT-3.5 大语言模型 ChatGPT 训练了 25 种不同的「生成代理」。人工智能小镇充斥着一大群聊天机器人，这个小镇中，可以添加最多 25 个由 ChatGPT 扮演的角色。他们有着不同的身份、性格和年龄，共同生活在这个小镇里。允许虚拟人工智能聚会进行社交、做饭、上班、练习绘画或写作，或者下班后去酒吧。人们之所以喜欢这个游戏，是因为大语言模型 + 沙盒世界的无尽想象力，也是因为 Agent 的交互出现了人类意料之外的现象：Agent 们自己创办了派对，并且它们的人际关系变得更加复杂了。关注项目：三大链游工会之一 Zentry 旗下的 Nexus，Nexus 主要提供了游戏社区、提供内容创作和分享、互动、奖励机制和 AI 驱动的数据分析等功能和组件。据公开数据显示，Zentry 目前拥有 1.4 亿美元的资金国库，其游戏业务收入超过 4000 万美元，2024 年 12 月 17 日，Zentry 官宣：游戏领域最大的区块链社区 Ronin 目前正在与 Zentry 的玩家门户 Nexus 进行 Beta 版整合，同时 Nexus 计划进一步整合 AI 技术，为玩家提供更加个性化和智能化的 Web3 游戏和社交体验。目前来看，Zentry Nexus 有望率先成为 Web3 游戏与 AI Agent 融合应用的大规模落地案例。 2、DeFi 领域当前 DeFi 仍然占据了区块链交易价值的主要部分，那 AI Agent 与 Defi 的融合，非常的具备合理性。当前的 DeFi 领域需要解决面临在多个协议间执行交易的复杂性。比如现有流程通常包括：访问去中心化应用（dApp）；连接钱包（如 Metamask、Ledger 或 Phantom）；输入交易细节；多次确认交易并核验合约地址。这种繁琐的操作流程既耗时又容易出错，尤其是在使用多个 DeFi 协议时。但当 AI Agent 介入时，明显可以简化了这些过程，直接输入指令，比如：「用 1 ETH 兑换 SOL」」，这一切交易都由 AI Agent 自主完成：解析用户请求 - 搜索最佳流动性来源 - 生成交易数据 - 提示钱包进行签名操作。这里的流程，用户仅仅只需要最终完成签名，通过 AI 消除操作冗余，大幅提升用户体验，助力更多用户轻松进入 DeFi 领域。除此之外 AI agent 在 Defi 领域带来的一大关键变化是个性化服务。以传统的金库为例，你将资金与其他匿名用户的资金一起存入，然后由一位量化天才利用他的交易算法来管理金库。然而，这种方式是「一刀切」的。对于 AI agent 而言，你就是个人客户。agent 将了解你的资产、风险承受能力，并能够为你量身定制投资策略。关注项目：Griffain，这是一个基于 Solana 的项目 —— 人工智能代理引擎，分为个人代理和特殊代理两大类。个人代理是由用户自主创建和控制的 AI Agent，用户可以自定义指令并持续更新代理的记忆。这些代理不仅能执行链上操作，还可以进行信息检索，未来还计划支持任务委派给其他专业代理。而特殊代理则是 Griffain 官方打造的专业型 AI，目前已经上线了包括 Baxus、Blink、Onchain、Holiday、Sniper 和 Flipper 在内的多个特殊代理，每个都具备特定的专业功能。我认为 Griffain 的核心目标是通过与平台上的 AI Agent 交互，将用户意图转化为行动，是最接近 Agentic APP 的项目之一。 3、消费领域消费领域的 AI Agent 可能是想象力最大的领域，也会是竞争最激烈的，因为面向者产品意味着有了市场的需求，而且数据风险也较小。如果拥有一个 AI Agent，不仅会推荐产品或电影，还能实时预测你的消费需求。然后根据对个人偏好、习惯和情感理解，汇集电商平台的折扣、促销活动，甚至个性化新闻的推送，是不是很棒，完全是合格的生活助手。消费 AI Agent 的一大特点就是轻量化 AI 小模型，对算力的要求程度比较低，有着比较广泛的市场需求，例如美国初创公司 Rabbit 发布的产品 Rabbit R1，定位为人工智能生活助手，发布当天订单就达到了 1 万台，再比如，微软、Meta 都在重金研发个人 AI 智能体。对于区块链技术来说，在开发消费 AI Agent 有着比较大优势，就是可以利用代币经济学激励消费端的用户，甚至可以将用户的消费数据进行代币化，低成本的迭代消费数据模型。关注项目：暂无，此类消费级 AI Agent 目前在区块链还仅仅处于实验阶段，并没有其一定成熟落地的案例可供参考。尽管现在，区块链的百亿市值 AI Agent 还不知道在哪里，但没有什么能够阻挡，一个必然会到来的潮流。无论如何，请锁定 AI Agent 赛道，迎接这一次史诗级的牛市主升浪的到来。

已经到底了

AI Web3 ETF 稳定币 Defi RWA

搜索“AI Agents”共有20条相关结果

文章

倒计时 3 天！CDDJAP 2026 夏季加速营启动论坛嘉宾阵容全公布

🚀 Blockchain Life 重返迪拜——AI Future 首度亮相！

OpenAI 首席科学家 Jakub Pachocki（雅库布·帕霍茨基）：我们将达到模型训练更好模型的时代

Geoffrey Hinton（杰弗里·辛顿）：我们无法阻止超级智能的到来

Anthropic CEO Dario Amodei（达里奥·阿莫代）：AI的未来是智能体，数据是企业的护城河

AI Agents in Action圆桌回顾 | AI Agent + Crypto 将在四个层面形成闭环，这是必然趋势剑

AI Agents in Action 峰会：3 月 31 日香港数码港，直击 AI 落地深水区

Creative AI Agents in Art

AI Agents in Web3 的未来展望：百亿市值的项目会从哪里诞生？

AI Agents 框架标准要不要发币？

OpenAI 向欧盟提交事故报告，AI 代理曾劫持德国网站六周

谷歌 DeepMind 实验：100 个 AI 代理在模拟会议中分裂为作弊者与举报者

ASCII 走私技术从攻击 AI 转向垃圾邮件，可绕过邮件过滤器

AI 平台 B.AI 免费开放顶级模型，日处理量突破 1.33 万亿 token

ServiceNow 收购以色列 AI 初创公司 Sweep

谷歌 DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber 两款新模型

网络安全公司 CrowdStrike 推出 Falcon Guardian 以保护 AI 代理运行时安全

GCSA Agent 在 CyberGym 网络安全基准测试中成功率高达 91.3%

BNB Chain 推出 AI 代理市场构建竞赛，奖金超 4 万美元

谷歌推出 WikiSkill 框架，为 AI 代理提供持久知识库以提升性能