AI前沿技术的分享！

目前大部分 AI Agent 主要执行批处理任务，难以实现真正实时交互。其面临两大核心挑战：一是实时交互延迟高；二是难以从经验中学习。Agent 的能力依赖基础模型和静态知识，无法根据任务成败积累经验，导致每次任务执行方式可能不同，无法提升熟练度。关键在于让 Agent 能从经验中学习，越用越熟练，从而在语音和电脑操作等任务中达到真人级响应速度，并积累成功与失败经验，提升技能熟练度。

团队几位核心成员围绕 “AI 编程” 这个主题，聊了很多当前他们在产品和研究中的一线观察和思考，涵盖范围从模型训练、工具链设计，到反馈机制、记忆系统、长上下文的处理方式等等，几乎把现在 AI 编程 Agent 遇到的关键问题都过了一遍。

一体机是DeepSeek交付的最佳方式吗？恰恰相反，一体机是阻碍DeepSeek提升推理性能的最大绊脚石。只因DeepSeek这个模型有点特殊，它是个高稀疏度的MoE模型。MoE这种混合专家模型，设计的初衷是通过“激活一堆专家中的少量专家”，来达到减少计算量、提升推理效率的目标。

早上还在夸Deepseek成本低，性价比高，预训练Scaling Law死了，不需要太多机器和GPU卡，性价比优先，英伟达休矣；中午Grok 3一出来，说是用了10万张英伟达H100卡，效果力压OpenAI o3 mini和Deepseek R1，就转向说Scaling law还成立，还需要大量的卡，英伟达股价有救了，还是要大力出奇迹...