标签:2025年
**基模四杰齐聚清华论道AGI未来:姚顺雨贴脸开大引爆AI范式之争**
以下是根据您提供的原始文章,经过人工风格处理、SEO优化整理后的版本。 该版本在保留核心信息与技术深度的基础上,增强了可读性、逻辑结构,并更利于搜索引擎收录(如关键词布局、标题层级、语义丰富性等)。随后附上“
来源:
量子位【阅读原文】
Tags:- SWE-bench得分超70分 - 上下文长度突破100万Token - 对普通用户而言 - 推出Terminal-Bench等贴近真实开发流程的新评测体系; - 支持119种语言及方言 - 构建 Agent Scaffold 框架 - 而对企业客户来说 。 “下一步的关键是让AI真正‘做事’。” “大部分人其实不需要那么强的智能”; “强者恒强”趋势愈发明显。即便价格高出数倍 “更强的先验 = 更小的搜索空间 = 更高效的决策。” “问我‘今天吃什么’ > “Agent的本质是一场搜索过程。”杨植麟指出 > “DeepSeek的出现 > “环境即上下文。”姚顺雨举例道 # 基模四杰齐聚清华:AGI前沿峰会激辩AI未来 ## 一、从Chat到Action:唐杰谈大模型的转折点 ## 三、林俊旸:通义千问的全模态进化之路 ## 二、杨植麟:提升Token效率 ## 四、姚顺雨:分化时代 ### ToC vs ToB:智能需求截然不同 ### 垂直整合 ≠ 必胜法则 ### 核心进展包括: ### ✅ Long Context 能力 ### ✅ Token Efficiency(标记效率) 2025年 2025年成为GLM开源大年 AI不仅是工具 AI正逐步具备解决研究生级别问题的能力。 ChatGPT式的对话能力边际效用递减 HLE(人类终极测试)等复杂评测表明 Kimi推出全新线性注意力架构——kimi Linear。 Omni Talker支持多音色合成与定制化声音克隆 Qwen-VL成功实现“不降智”的多模态理解 ToB才是价值爆发点 WordPress 一场汇聚中国AI顶尖力量的思想盛宴 不仅揭示了当前技术的真实水位 为此 为解决MUON训练中常见的Logit爆炸问题 也勾勒出通往通用人工智能(AGI)的可能路线图。 也能凭借优秀的工程设计赢得市场。 今天来海淀算是‘客场作战’。”但他带来的Qwen3系列成果却毫不逊色。 他也呼吁中国企业重视真实场景的数据积累。“大公司拥有天然优势:十万人的组织每天产生海量任务流 他坚信 他的核心观点鲜明而犀利:AI正在经历双重分化——ToC与ToB的分化 他认为 他还强调 代表阿里云出席的林俊旸坦言:“我是北大出身 以及突然“贴脸开大”的姚顺雨。他们围绕大模型演进路径、Agent革命、自主学习、中美竞争格局等议题展开激烈交锋 企业仍愿为顶级模型买单——因为失败成本更高。 但在生产力场景中 但姚顺雨以“巨脸投影”方式登场 但我们不应因恐惧而止步。” 但挑战依然存在:如何将专项能力反哺主干模型?如何应对冷启动下的策略固化风险?对此 作为最早投身知识图谱和图神经网络研究的学者之一 作者:Jay | 来源:量子位 QbitAI 使千亿参数级KimiK2模型实现稳定收敛 值得一提的是 其GLM系列模型在SWE-bench等编程基准中表现突出。 其中9B规模的AutoGLM在移动端展现出极高的交互响应速度。 内部已达数百万级别; 则展示了推理与生成的深度融合。 即用更少的上下文Token达成同等甚至更强的理解与生成效果。这对长程任务尤为关键。 发布日期:2026年1月11日 可在ECS环境中自动启停计算资源 同时在短序列与百万级上下文中超越标准Transformer性能 唐杰提出三大Scaling方向: 唯有模拟人类认知双系统(系统一快速反应 + 系统一慢思考) 因此 团队创新性地采用QK-Clip动态裁剪技术 团队引入周期性SFT校准机制 在OCR、印章识别、褶皱文档解析等场景表现出色。数学题辅助线生成、图像精准编辑等功能 在ToB市场 在中关村悄然上演。 在他看来 垂直整合与分层解耦的分化。 堪称2026年中国AI发展的风向标。 大模型的能力已从“记忆”迈向“推理” 如果说唐杰关注的是“做什么” 实现任务级自动化。 就意味着显著的成本节约或收入增长。 尽管ChatGPT、豆包等产品实现了模型与应用的高度耦合 展望未来 并加入“睡眠式”无监督整合机制 并在2024年进入真实任务执行阶段。如今 并推动多任务联合优化。 当前所有大模型的发展都基于一个第一性原理——Scaling Law。而未来的突破点在于两个维度的极致优化: 影响了他近二十年的学术生涯。 我们只需7.5T就能达到相同Loss水平。” 才是Agent时代的胜负手 才能逼近真正的持续学习。 接近实用化门槛; 推理深度增强 数据与算力扩展 智谱选择了一条聚焦 Thinking + Coding + Agent 的融合路径。通过构建可验证强化学习环境(RLVR) 更是工作记忆的体现。为此 更是文明的延伸。“它能帮助攻克癌症、能源危机、社会治理难题。尽管伴随风险 月之暗面推出了自研的 MUON二阶优化器 林俊旸特别提到一个来自开源社区的反馈案例:早期图像编辑存在像素偏移问题 标志着‘聊天’时代基本结束。”唐杰直言 每提升1%的任务完成率 涵盖语言、智能体、多模态在内的多个版本陆续开放 清华大学教授、智谱AI创始人唐杰回顾了自己的科研心路:“做研究要像喝咖啡一样上瘾。”这句来自杨强教授的话 由清华大学基础模型北京市重点实验室主办的 AGI-Next前沿峰会 相比传统Adam实现约两倍的训练效率提升。“相当于别人跑15T Token 瞬间点燃全场气氛。 端到端推理速度提升6–10倍。 答案取决于天气、预算、口味偏好——这些外部信号比模型本身更重要。” 经开发者指出后迅速迭代修复。“正是这种共建生态 结合SFT与全异步训练框架 而是期待AI能主动调用工具、完成闭环任务。 自2023年起 自学习环境构建 致力于服务全球边缘群体; 虽未能亲临现场 覆盖乌尔都语、东南亚小语种 视觉方面 让我们走得更快。” 训练曲线平滑优美。 该架构首次实现在线性复杂度下 语音领域 谁将定义下一个范式? 超长上下文不仅是输入长度的延伸 越来越多的应用层公司(如Manus)证明:即使使用第三方模型 迈向自然人机对话。 迎来了被称为“基模四杰”的四位关键人物——智谱AI唐杰、Kimi杨植麟、通义千问林俊旸 这场被业内称为“清华论剑”的闭门对话 通义千问完成从“通用模型”向“通才智能体”(Generalist Agent)的战略转型。这一转变源于对现实生产力需求的深刻洞察——用户不再满足于问答 那么Kimi创始人杨植麟则深入到了“怎么做”的底层架构层面。
量子位【阅读原文】 Tags:- SWE-bench得分超70分 - 上下文长度突破100万Token - 对普通用户而言 - 推出Terminal-Bench等贴近真实开发流程的新评测体系; - 支持119种语言及方言 - 构建 Agent Scaffold 框架 - 而对企业客户来说 。 “下一步的关键是让AI真正‘做事’。” “大部分人其实不需要那么强的智能”; “强者恒强”趋势愈发明显。即便价格高出数倍 “更强的先验 = 更小的搜索空间 = 更高效的决策。” “问我‘今天吃什么’ > “Agent的本质是一场搜索过程。”杨植麟指出 > “DeepSeek的出现 > “环境即上下文。”姚顺雨举例道 # 基模四杰齐聚清华:AGI前沿峰会激辩AI未来 ## 一、从Chat到Action:唐杰谈大模型的转折点 ## 三、林俊旸:通义千问的全模态进化之路 ## 二、杨植麟:提升Token效率 ## 四、姚顺雨:分化时代 ### ToC vs ToB:智能需求截然不同 ### 垂直整合 ≠ 必胜法则 ### 核心进展包括: ### ✅ Long Context 能力 ### ✅ Token Efficiency(标记效率) 2025年 2025年成为GLM开源大年 AI不仅是工具 AI正逐步具备解决研究生级别问题的能力。 ChatGPT式的对话能力边际效用递减 HLE(人类终极测试)等复杂评测表明 Kimi推出全新线性注意力架构——kimi Linear。 Omni Talker支持多音色合成与定制化声音克隆 Qwen-VL成功实现“不降智”的多模态理解 ToB才是价值爆发点 WordPress 一场汇聚中国AI顶尖力量的思想盛宴 不仅揭示了当前技术的真实水位 为此 为解决MUON训练中常见的Logit爆炸问题 也勾勒出通往通用人工智能(AGI)的可能路线图。 也能凭借优秀的工程设计赢得市场。 今天来海淀算是‘客场作战’。”但他带来的Qwen3系列成果却毫不逊色。 他也呼吁中国企业重视真实场景的数据积累。“大公司拥有天然优势:十万人的组织每天产生海量任务流 他坚信 他的核心观点鲜明而犀利:AI正在经历双重分化——ToC与ToB的分化 他认为 他还强调 代表阿里云出席的林俊旸坦言:“我是北大出身 以及突然“贴脸开大”的姚顺雨。他们围绕大模型演进路径、Agent革命、自主学习、中美竞争格局等议题展开激烈交锋 企业仍愿为顶级模型买单——因为失败成本更高。 但在生产力场景中 但姚顺雨以“巨脸投影”方式登场 但我们不应因恐惧而止步。” 但挑战依然存在:如何将专项能力反哺主干模型?如何应对冷启动下的策略固化风险?对此 作为最早投身知识图谱和图神经网络研究的学者之一 作者:Jay | 来源:量子位 QbitAI 使千亿参数级KimiK2模型实现稳定收敛 值得一提的是 其GLM系列模型在SWE-bench等编程基准中表现突出。 其中9B规模的AutoGLM在移动端展现出极高的交互响应速度。 内部已达数百万级别; 则展示了推理与生成的深度融合。 即用更少的上下文Token达成同等甚至更强的理解与生成效果。这对长程任务尤为关键。 发布日期:2026年1月11日 可在ECS环境中自动启停计算资源 同时在短序列与百万级上下文中超越标准Transformer性能 唐杰提出三大Scaling方向: 唯有模拟人类认知双系统(系统一快速反应 + 系统一慢思考) 因此 团队创新性地采用QK-Clip动态裁剪技术 团队引入周期性SFT校准机制 在OCR、印章识别、褶皱文档解析等场景表现出色。数学题辅助线生成、图像精准编辑等功能 在ToB市场 在中关村悄然上演。 在他看来 垂直整合与分层解耦的分化。 堪称2026年中国AI发展的风向标。 大模型的能力已从“记忆”迈向“推理” 如果说唐杰关注的是“做什么” 实现任务级自动化。 就意味着显著的成本节约或收入增长。 尽管ChatGPT、豆包等产品实现了模型与应用的高度耦合 展望未来 并加入“睡眠式”无监督整合机制 并在2024年进入真实任务执行阶段。如今 并推动多任务联合优化。 当前所有大模型的发展都基于一个第一性原理——Scaling Law。而未来的突破点在于两个维度的极致优化: 影响了他近二十年的学术生涯。 我们只需7.5T就能达到相同Loss水平。” 才是Agent时代的胜负手 才能逼近真正的持续学习。 接近实用化门槛; 推理深度增强 数据与算力扩展 智谱选择了一条聚焦 Thinking + Coding + Agent 的融合路径。通过构建可验证强化学习环境(RLVR) 更是工作记忆的体现。为此 更是文明的延伸。“它能帮助攻克癌症、能源危机、社会治理难题。尽管伴随风险 月之暗面推出了自研的 MUON二阶优化器 林俊旸特别提到一个来自开源社区的反馈案例:早期图像编辑存在像素偏移问题 标志着‘聊天’时代基本结束。”唐杰直言 每提升1%的任务完成率 涵盖语言、智能体、多模态在内的多个版本陆续开放 清华大学教授、智谱AI创始人唐杰回顾了自己的科研心路:“做研究要像喝咖啡一样上瘾。”这句来自杨强教授的话 由清华大学基础模型北京市重点实验室主办的 AGI-Next前沿峰会 相比传统Adam实现约两倍的训练效率提升。“相当于别人跑15T Token 瞬间点燃全场气氛。 端到端推理速度提升6–10倍。 答案取决于天气、预算、口味偏好——这些外部信号比模型本身更重要。” 经开发者指出后迅速迭代修复。“正是这种共建生态 结合SFT与全异步训练框架 而是期待AI能主动调用工具、完成闭环任务。 自2023年起 自学习环境构建 致力于服务全球边缘群体; 虽未能亲临现场 覆盖乌尔都语、东南亚小语种 视觉方面 让我们走得更快。” 训练曲线平滑优美。 该架构首次实现在线性复杂度下 语音领域 谁将定义下一个范式? 超长上下文不仅是输入长度的延伸 越来越多的应用层公司(如Manus)证明:即使使用第三方模型 迈向自然人机对话。 迎来了被称为“基模四杰”的四位关键人物——智谱AI唐杰、Kimi杨植麟、通义千问林俊旸 这场被业内称为“清华论剑”的闭门对话 通义千问完成从“通用模型”向“通才智能体”(Generalist Agent)的战略转型。这一转变源于对现实生产力需求的深刻洞察——用户不再满足于问答 那么Kimi创始人杨植麟则深入到了“怎么做”的底层架构层面。
吉利科技以VLA大模型为核心布局AI机器人生态,目标冲刺全球最大机器人公司
以下是根据您提供的原文,模仿人工撰写方式,进行处理后的文章,结构清晰、段落分明,更符合SEO优化需求,适合用于网站发布。 同时,文章末尾列出了
来源:
量子位【阅读原文】
Tags:。 ### 从造车到造“机器人”:吉利的智能化跃迁 ### 内容(由多段落组成) ### 吉利的“机器人”野心:不止于汽车 ### 吉利的AI技术实力:算法、算力、数据三驾马车 ### 吉利科技新布局:以VLA大模型为底座 ### 自研大模型+超算算力:构建核心竞争力 2025年 6月 VLA大模型作为核心基础 WordPress 不应局限于“造一辆智能汽车” 与此同时 与特斯拉、理想并肩 也验证了其在智能化核心技术上的全面布局。 从1.0阶段的“沙发车”到如今的“AI智慧生命体” 位居国内车企第一。这一基础设施不仅支持大模型训练 例如通过语音指令完成超车操作。 全面支撑辅助驾驶、智能座舱、AI底盘等应用场景。 其自研的星睿大模型体系已涵盖VLA、VLM、世界模型三大基础模型 再到具身智能 击败全球顶尖团队 利用大语言模型从海量仿真数据中提取关键场景 吉利不仅展示了旗舰车型极氪9X 吉利与千里科技联合推出的Agent OS 吉利作为领投方之一参与了机器人明星企业宇树科技的C轮融资 吉利凭借VLA大模型、世界模型和强化学习技术 吉利在产销数据和市场占有率方面双双取得亮眼成绩。但更引人注目的是 吉利就开始构建自己的大数据体系 吉利正从智能汽车向AI机器人生态全面拓展。 吉利正在以VLA大模型为核心 吉利汽车的科技战略正悄然发生转变。这家曾以“四个轮子上安沙发”起家的传统车企 吉利的愿景是成为“全球最大机器人公司” 吉利的解决方案基于“全局情景洞察”与“多智能体协作”机制 吉利的造车之路经历了四次重大跃迁。进入2025年 吉利联合生态伙伴打造的“星睿智算中心2.0” 在CVPR 2025自动驾驶场景挖掘挑战赛中 在刚刚过去的2025年第二季度 在吉利汽车研究院院长李传海看来 如今已不再局限于造车本身 已在吉利的自动驾驶、智能座舱乃至机器人领域实现技术复用。这种跨终端、跨领域的技术协同 并逐步组建起大模型研发团队。如今 并通过双Agent系统实现代码生成与优化 并配备5颗激光雷达 总算力超过1400 TOPS 成为仅有的三家参展车企之一。 成为吉利智能化转型的重要支撑。 承载的是一整套AI能力体系与未来产业布局。 斩获冠军。这一成绩不仅体现了其在数据挖掘与场景理解上的领先优势 早在2017年 是成为全球最大的机器人公司。 显著提升了自动驾驶系统的安全性和可靠性。 更是将智能座舱体验推向新高度。用户只需一句话 未来吉利将不再仅仅是一家汽车制造商 李传海表示 极氪9X搭载了双NVIDIA DRIVE Thor芯片 构建属于自己的智能化技术生态。 构建智能化核心技术 构成了行业领先的智能辅助驾驶方案。这套系统不仅能理解用户意图 标志着其在机器人领域的深度布局。随后在WAIC 2025上 正是吉利区别于传统车企的重要标志。 甚至在WAIC 2025展会上 真正实现“无感交互”。 算力规模达23.5 EFLOPS 而“机器人”一词背后 而吉利的目标 而应着眼于更广阔的AI生态。智能汽车本质上是一种“四轮机器人” 而是一个以AI为核心驱动的智能科技公司。他坦言 而是将目光投向了更广阔的AI与机器人领域。从智能座舱到自动驾驶 车载AI即可自动完成点餐、支付、时间调度等一系列复杂任务 迈向全球最大机器人企业 还发布了全球首个基于Agent架构的智能座舱系统。 还广泛应用于电池管理、智能网联、整车安全等领域 还能在复杂路况中自主决策 这家车企开始频繁出现在人工智能相关的技术舞台 随着多模态大模型的快速成熟
量子位【阅读原文】 Tags:。 ### 从造车到造“机器人”:吉利的智能化跃迁 ### 内容(由多段落组成) ### 吉利的“机器人”野心:不止于汽车 ### 吉利的AI技术实力:算法、算力、数据三驾马车 ### 吉利科技新布局:以VLA大模型为底座 ### 自研大模型+超算算力:构建核心竞争力 2025年 6月 VLA大模型作为核心基础 WordPress 不应局限于“造一辆智能汽车” 与此同时 与特斯拉、理想并肩 也验证了其在智能化核心技术上的全面布局。 从1.0阶段的“沙发车”到如今的“AI智慧生命体” 位居国内车企第一。这一基础设施不仅支持大模型训练 例如通过语音指令完成超车操作。 全面支撑辅助驾驶、智能座舱、AI底盘等应用场景。 其自研的星睿大模型体系已涵盖VLA、VLM、世界模型三大基础模型 再到具身智能 击败全球顶尖团队 利用大语言模型从海量仿真数据中提取关键场景 吉利不仅展示了旗舰车型极氪9X 吉利与千里科技联合推出的Agent OS 吉利作为领投方之一参与了机器人明星企业宇树科技的C轮融资 吉利凭借VLA大模型、世界模型和强化学习技术 吉利在产销数据和市场占有率方面双双取得亮眼成绩。但更引人注目的是 吉利就开始构建自己的大数据体系 吉利正从智能汽车向AI机器人生态全面拓展。 吉利正在以VLA大模型为核心 吉利汽车的科技战略正悄然发生转变。这家曾以“四个轮子上安沙发”起家的传统车企 吉利的愿景是成为“全球最大机器人公司” 吉利的解决方案基于“全局情景洞察”与“多智能体协作”机制 吉利的造车之路经历了四次重大跃迁。进入2025年 吉利联合生态伙伴打造的“星睿智算中心2.0” 在CVPR 2025自动驾驶场景挖掘挑战赛中 在刚刚过去的2025年第二季度 在吉利汽车研究院院长李传海看来 如今已不再局限于造车本身 已在吉利的自动驾驶、智能座舱乃至机器人领域实现技术复用。这种跨终端、跨领域的技术协同 并逐步组建起大模型研发团队。如今 并通过双Agent系统实现代码生成与优化 并配备5颗激光雷达 总算力超过1400 TOPS 成为仅有的三家参展车企之一。 成为吉利智能化转型的重要支撑。 承载的是一整套AI能力体系与未来产业布局。 斩获冠军。这一成绩不仅体现了其在数据挖掘与场景理解上的领先优势 早在2017年 是成为全球最大的机器人公司。 显著提升了自动驾驶系统的安全性和可靠性。 更是将智能座舱体验推向新高度。用户只需一句话 未来吉利将不再仅仅是一家汽车制造商 李传海表示 极氪9X搭载了双NVIDIA DRIVE Thor芯片 构建属于自己的智能化技术生态。 构建智能化核心技术 构成了行业领先的智能辅助驾驶方案。这套系统不仅能理解用户意图 标志着其在机器人领域的深度布局。随后在WAIC 2025上 正是吉利区别于传统车企的重要标志。 甚至在WAIC 2025展会上 真正实现“无感交互”。 算力规模达23.5 EFLOPS 而“机器人”一词背后 而吉利的目标 而应着眼于更广阔的AI生态。智能汽车本质上是一种“四轮机器人” 而是一个以AI为核心驱动的智能科技公司。他坦言 而是将目光投向了更广阔的AI与机器人领域。从智能座舱到自动驾驶 车载AI即可自动完成点餐、支付、时间调度等一系列复杂任务 迈向全球最大机器人企业 还发布了全球首个基于Agent架构的智能座舱系统。 还广泛应用于电池管理、智能网联、整车安全等领域 还能在复杂路况中自主决策 这家车企开始频繁出现在人工智能相关的技术舞台 随着多模态大模型的快速成熟
互推合作 | 免责声明 | 算法备案 | AI资讯 | 关于AI部落
Copyright©2024 AI部落 AiClubs.cn AiBuluo.cn | AI工具大全 SiteMap XML 云标签 粤ICP备2024191087号
粤公网安备44049002000930
Copyright©2024 AI部落 AiClubs.cn AiBuluo.cn | AI工具大全 SiteMap XML 云标签 粤ICP备2024191087号