NVIDIA RTX Spark:智能体8项任务260万token,该配什么主机?

资讯 腾讯网 作者:至顶AI实验室 全文 9785 字 · 约 25 分钟读完 配图 1 张 分类RTX英伟达模型发布智能体

作者 | 毛 烁来源 | 至顶AI实验室如果智能体可以在你睡觉的时候替你干活,你需要一台怎样的电脑?我是在翻阅一份测试报告时,开始认真琢磨这个问题的。这份报告由Artificial Analysis在10月发布,测试了智能体的8项任务,包括写代码、查资料、改文件等日常工作。为了完成这8项任务,模型累计读入的提示词达到了

所属频道 模型发布算力与芯片智能体与 Agent
❕ 作者声明:该图片由AI生成
智能体要是能在你睡觉时替你干活,那得配一台什么样的电脑?
这个问题,是我翻一份测试报告时认真想起来的。报告由Artificial Analysis在10月发布,里面测了智能体的8项任务,写代码、查资料、改文件这些日常工作都在其中。为了跑完这8项任务,模型累计读入的提示词达到260万个。
token能到这种量级,其实不奇怪,这跟智能体干活的方式有关。它做一件事要一步步推理,一遍遍调用工具;每调一次模型,之前的对话和工具返回结果都得重新输进去。轮次越多、上下文越长,读入的token就越多。
token一多,时间就短不了。碰上要多轮推理、反复调工具的复杂任务,智能体连着跑几个小时是常事。
一项任务动辄好几个小时,那最合适的干活时段,就是人不在电脑前的夜里。下班前把任务交给智能体,夜里它在我自己的电脑上查资料、写代码、调程序,第二天早上我再来验收。
借“睡后收入”的说法,我把这种夜间生产叫“睡后经济”:人在睡觉,智能体在本地电脑这类端侧设备上通宵干活,人不在跟前,任务照样往前推。
不过真要落地,现有几种方案都有短板。笔记本能设成合盖不休眠,可长时间高负载跑,散热和功耗都得兼顾。换云端API又要算成本,云端按token收费,智能体调用模型的次数越多,费用通常越高。
数据安全同样绕不开。智能体干活时要读我的本地文件、代码仓库,甚至账号凭证。出于安全考虑,我不愿意把这些数据长期放到云端。
要让“睡后经济”变成日常的工作方式,就得有一台适合智能体长时间运行的本地设备,我管它叫
传统电脑是围绕人的操作习惯设计的,屏幕、键盘、电源管理都服务日常使用。Agent主机的主要使用者换成了智能体,人只负责分配任务、监督过程、验收结果。人睡了,它还能在后台接着干。
使用者变了,Agent主机对硬件的要求自然也不同。我把这些要求归成四个条件。
其一,Agent主机要全天运行,整机得能长时间满载工作,还不能因为过热降频。
其二,复杂的Agent任务往往需要能力较强的模型,本地跑大模型,内存容量必须够大。
其三,大模型推理要频繁读取模型权重,尤其单路解码时,内存带宽会直接影响token生成速度。
其四,智能体能直接读写文件、访问网络,操作一出错就可能误删文件或泄露数据,所以系统必须能限定它可以访问的文件和网络范围。
按这四个条件去找,最新发布的相关机器里,我选中了华硕ProArt GR1X 128GB。这是台迷你主机,机身尺寸150mm×150mm×51mm,体积约1.1L。
功耗方面,GR1X是紧凑型桌面主机,不受电池限制,芯片功耗上限可以达到140W。华硕在官网上直接称它为“Agent Computer”,设计目标就是全天开机。内存方面,它配备了128GB
核心配置上,GR1X搭载了
当然,参数只能说明它具备当Agent主机的条件。能不能满足真实场景里的工作需求,还得靠实际测试来证明。
140W装进1.1L机身,NVIDIA RTX Spark打造桌面Agent主机
最近,这台GR1X送到了我手里。
拆掉外包装捧在手里,第一感觉是小巧。整机重1.48kg,摆在显示器旁边几乎不占地方。
华硕ProArt GR1X正面:金属网格前面板,右侧为电源键
机身做小,散热就更难办。全天开机,最吃劲的恰恰是散热和供电这两块。GR1X用的是N1X芯片。
1.1L的机身要压住140W功耗,GR1X上了双风扇,每颗风扇109片扇叶;散热模组配57片鳍片、4根热管,风扇转速分7档可调。官方给出的说法是,这套散热的设计目标就是撑住7×24小时不间断运行。
接口上,GR1X给了3个20Gbps的USB-C,另有1个HDMI 2.1和1个10G RJ45网口,最多能同时接4台4K显示器。无线连接方面也做了支持。
❕ 作者声明:该图片由AI生成
GR1X背部接口:从左至右依次为安全锁孔、USB-C供电接口(DCIN)、3个USB-C接口(支持USB与DP输出)、HDMI 2.1接口和10G网口,上方为散热出风口
机身里面留了两个M.2插槽,走PCIe 5.0/4.0,SSD最高4TB。模型文件、智能体的工作目录,都能放在本地。
不管是机身尺寸、芯片TDP还是电源规格,GR1X都很容易让人想到另一台机器。
RTX Spark也有笔记本版本,同样搭载N1X芯片,内存给到128GB。三台机器配置看着接近,用起来场景不一样。
DGX Spark那颗GB10超级芯片和N1X同源,都是Grace Blackwell架构,CPU核心数、GPU核心数、FP4算力也对得上。差别在系统。DGX Spark跑的是基于Ubuntu的DGX OS,预装NVIDIA面向数据中心的AI软件栈,开发者在本地写好的代码,可以直接搬到云端的DGX集群里跑。
GR1X这边跑的是WOA,配Game Ready/NVIDIA Studio驱动。Adobe、Blender这类创作软件装完就能用,智能体也能直接操作日常的Windows应用和文件。
RTX Spark笔记本用的还是同一颗N1X,6144核GPU、20核CPU、128GB统一内存。两者主要差在功耗:NVIDIA给笔记本版N1X定的TDP是45W~80W,只有台式机版140W的32%~57%。
功耗上限拉得越高,芯片长时间满载时能维持的频率就越高。笔记本本身是为移动办公做的,续航和机身厚度都要顾,功耗上限自然不敢设太高。
三台机器参数相近,用途却各走各的路。DGX Spark适合当AI开发机和集群节点,RTX Spark笔记本是随身带的AI工作站。
GR1X的芯片功耗上限是140W,冲着长时间运行的任务去设计,又跑Windows系统,智能体能直接操作日常应用和文件。插上电就能全天开着,人出差在外,也能远程控制。
三台机器摆在一起看,GR1X最接近Agent主机的形态,也是最适合普通人用的全天Agent主机。
千亿模型跑出53.9 token/s!128GB统一内存释放本地AI“潜力”
不过,GR1X算不算一台真正的Agent主机,还得放到实际场景里检验。
智能体表现好不好,跟底层模型能力直接挂钩;模型能不能在本地跑,先卡在内存容量上。模型大,能力未必强。所以我先从本地大模型的运行表现测起。
测试选了三个参数规模递增的模型。270亿参数的稠密模型Qwen3.8-27B,每生成一个token都要读取全部权重,主要用来测内存带宽。1200亿参数的MoE模型gpt-oss-120b,看的是千亿参数级别能跑到什么速度。1250亿参数的MoE模型Qwen3.8-Flash-Next,模型权重超过100GB,用来测内存容量的上限。
测试中,三个模型统一使用
本地部署Qwen3.8-27B(INT8量化)时,模型加载用了12.8s,内存占用29.1GB,首token延迟0.5s,生成速度约9.4 token/s,一段474个token的回答耗时约50.1s。
Qwen3.8-27B(INT8量化)加载完成后,任务管理器显示专用GPU内存占用29.1GB/96.0GB
Qwen3.8-27B推理日志:生成474个token用时50.1s,生成速度9.46 tokens/s
实测下来,9.46 token/s 的生成速度已经够让人边看边读了。用 INT8 量化跑一个 270 亿参数的稠密模型,GR1X 的内存占用连总容量的四分之一都不到。
能做到这个速度,跟 NVIDIA RTX Spark N1X 超级芯片的内存带宽直接相关。大模型每生成一个 token,都要反复读取参与计算的权重,单路解码的场景里,内存带宽常常就是决定快慢的关键。
Qwen3.8-27B 属于稠密模型,INT8 量化后权重约 29GB。N1X 的内存带宽约 300.8GB/s,照这个粗略推算,带宽对应的生成速度上限大概在 10 token/s,实测跑到了 9.4 token/s。
单看生成速度,处理长文写作、文档审阅这类任务的基本条件已经具备。
而且模型常驻内存之后,内存余量还有不少,剪辑软件照样能同时开着。
要是更在意速度,就换用
本地部署 gpt-oss-120b(MXFP4 格式)的测试里,模型加载花了 25.2s,内存占用 61.3GB,首 token 延迟 0.23s,生成速度冲到 63.9 token/s,一段 981 个 token 的回答 15.3s 就出完了。
gpt-oss-120b 的参数量是 Qwen3.8-27B 的四倍多,生成速度反而快了约 7 倍。这说明在 GR1X 上,模型参数变大,生成速度未必跟着变慢,千亿参数级别的 MoE 模型已经能在这台 1.1L 的主机上跑得顺畅。
速度能提上来,是因为 gpt-oss-120b 用了 MoE(混合专家)架构。总参数量看着大,可每生成一个 token 只激活约 50 亿参数。再加上 MXFP4 量化压低了权重存储开销,同样 300.8GB/s 的内存带宽,就能撑起更快的生成速度。
MXFP4 格式的权重在 N1X 上跑得起来。N1X 的 Blackwell GPU 配备第五代
N1X 标称的 1 PFLOPS,指的正是 FP4 精度下的稀疏算力。NVIDIA Blackwell 架构支持 FP4 运算之后,提供 4bit 量化版本的开源模型越来越多,千亿参数模型也就有了更适合本地部署的运行条件。
当然,速度快的前提是模型装得下。61.3GB 的内存占用,早就超过了消费级旗舰显卡 32GB 的显存容量,N1X 能装下它,靠的是统一内存。这套设计沿用了 DGX Spark 中 GB10 的思路,CPU 和 GPU 共用 128GB
GR1X 搭载 Windows 11 系统,用户还能在 NVIDIA App 里灵活调整 GPU 的内存分配预算,最高可以设到 96GB。
用 gpt-oss-120b 做对话和代码补全,几百字的回答几秒内就能完整输出,生成速度已经接近部分云端模型的交互体验。走本地推理,内容上传云端的需求也能少一些。
那模型需要的内存超过 96GB 之后,还跑得动吗?为了验证这一点,我运行了三个模型里规模最大的 Qwen3.8-Flash-Next。
本地部署 Qwen3.8-Flash-Next(Q4 量化+MTP)的测试中,模型加载用时 91s,系统已提交内存达到 130GB,首 token 延迟 0.54s,生成速度达到 24.31 token/s。加载完成后,任务管理器显示的可用内存只剩 2.4GB。
Qwen3.8-Flash-Next 加载完成:左侧为加载日志,右侧任务管理器显示已提交内存 130/137GB、可用内存 2.4GB、缓存 18.0GB,内存速率 9400 MT/s
Qwen3.8-Flash-Next 生成 800 字作文,首 token 用时 0.4s
GPU 内存分配预算设在 96GB 时,GR1X 还是把更大规模的模型跑了起来,生成速度达到 34.6 token/s。具体看,Qwen3.8-Flash-Next 的 Q4 量化版本,模型文件就有 104GB。再加上 4B 参数的 MTP 草稿模型和 32K 上下文,内存压力又往上加了一截,加载完成后系统可用物理内存只剩 2.4GB。
模型能装下,跟统一内存的灵活分配有关。我在 NVIDIA App 里把 GPU 内存分配预算调到 96GB,又在 Windows 中调大了虚拟内存。加载完成后,任务管理器显示系统已提交内存约 130GB。这里的“已提交内存”包含物理内存与页面文件支持的虚拟内存,并不等于模型实际占用了 130GB 物理内存。
NVIDIA App 中,将“GPU内存分配”调至最大值 96GB
模型带来的内存压力不小,实测生成速度仍有 34.6 token/s。除了统一内存,N1X 内部的
传统独立显卡平台上,模型权重一旦放不进显存,部分数据就得通过 PCIe 在系统内存与 GPU 之间来回传。
N1X 采用的 NVLink-C2C 提供最高 600GB/s 的 CPU 与 GPU 互连带宽,并支持缓存一致性,让 CPU 与 GPU 共享数据。这条互连带宽和约 300.8GB/s 的物理内存带宽各有分工,一起构成 Grace Blackwell 平台的内存架构。
MTP(多token预测)同样被引入这套模型的推理流程。它是一种投机解码方案:先让草稿模型猜出后续几个token,再由主模型核验,猜对的部分直接采信。
由于主模型一次核验可能确认多个token,启动参数里草稿模型每次最多预测3个token。具体到Qwen3.8-Flash-Next,加载MTP草稿模型、每次最多预测3个token、上下文设为32768、KV缓存采用q8_0格式。
速度达到34.6 token/s,日常对话和代码编写都够用了。以往想让千亿参数级模型在本地跑得顺畅,大容量显存或多卡配置几乎是标配;如今一台1.1L的主机单机就能扛下这类模型。
首token延迟最低压到0.35秒,Grace CPU与Blackwell GPU配合跑Agent。
大模型测试看的是两件事:GR1X能装下多大的模型,以及模型答一个问题有多快。可智能体的干活方式远比一问一答复杂——完成一项任务要一步步推理、反复调用工具,连续调用模型几十轮是常事,整晚跑下来也不稀奇。
单次推理快只是开头。整项任务快不快,还得看每一轮要等多久,以及整机能不能长时间稳定、安全地跑下去。
首token延迟测试里,三个模型都落在0.35s~0.6s之间,模型通常不到一秒就开始出字。智能体一项任务动辄几十轮推理,每轮多等几秒,攒起来就是好几分钟;首token延迟压得越低,整夜运行的任务就越不容易被拖长。
测试中延迟之所以这么低,是因为单个问题的提示词较短,N1X的Blackwell GPU很快就能算完。到了智能体的多轮任务里,上下文会越滚越长,好在推理框架普遍支持前缀缓存:命中缓存时,已经计算过的上下文可以直接复用,重复处理少了,Agent多轮调用模型的效率也就上去了。
多轮任务的效率不光看GPU推理,CPU也掺和其中。智能体每一轮除了等模型输出,还要编译代码、解析网页、读写文件,这些活都落在CPU肩上。N1X用的是20核Grace CPU,由10个……有了这20个核心,GPU跑模型推理的同时,CPU也能并行跑工具、读写文件、执行其他任务。
长时间运行方面,按照华硕官方的说法,GR1X的散热系统是冲着持续负载设计的;10G网口则让智能体方便地从局域网NAS读取数据,任务完成后再把结果写回共享目录。
机器能一直跑之后,我更在意的其实是能不能放心把智能体留在后台。它能执行代码、读写文件、访问网络,一旦误删文件或者泄露账号凭证,后果都得我来担。
针对这个问题,NVIDIA提供了
Windows上的Agent工具生态也在逐步补齐,GitHub Copilot、OpenAI Codex、OpenClaw、LM Studio等都在列;华硕还给GR1X配了自家的本地智能体Zenni Claw。
落到具体场景,ProArt GR1X(128GB)被定位为7×24小时在线的Agent PC,首要用途就是当全天候AI助手。最近我在现场体验了三类跑在华硕ProArt GR1X上的应用,分别涉及个人工作Agent、大型3D创作、音视频处理。
先说个人工作Agent。华硕ProArt GR1X上的RTX Spark专区提供本地模型的下载、部署和配置入口,模型备好后,用户可以在本机用WorkBuddy调用它。GR1X适合长时间开机,WorkBuddy也就不必守在电脑前用——手机微信能当远程入口,飞书则提供工作消息和文档信息。
在手机里输入“帮我列一下今天的待办列表”,指令经微信传到华硕ProArtGR1X。WorkBuddy随即读取飞书里的消息,调用本地模型梳理与工作相关的信息,再按紧急程度生成待办列表。除了列出要处理的事项,它还会补上对应的工作安排和下一步建议,并把结果同步回手机微信端。
❕ 作者声明:该图片由AI生成
WorkBuddy整理工作信息,并通过微信与手机端交互
任务还能顺着上一轮的上下文继续往下走。输入“请帮我准备一下管理层的汇报”,WorkBuddy会结合飞书中的上下文,用预置脚本找到汇报要用的演示文稿,返回可直接打开的文档链接,并整理出PPT里需要修改的内容。从汇总待办到查找汇报资料,模型推理和工具调用都在华硕ProArtGR1X本地完成,用户人在外面也能通过手机继续调用这台机器上的WorkBuddy处理办公信息。
音视频处理场景中,华硕ProArt GR1X可以在UE 5中直接打开完整的城市场景。
载入整座城市的工程后,街边车辆能直接在场景里点选、修改。镜头再拉远,道路和建筑陆续出现,设计师可以看整体布局,也能推到街道层面去调某一辆车。切换视角和编辑对象,都在同一个工程里做完。
这样的城市场景同时开着实时光线追踪、DLSS 和帧生成。选车、缩放、转视角,光影都跟着操作实时刷新,预览一直保持流畅。华硕ProArt GR1X配有128GB统一内存,整座城市的模型和纹理数据放得下;GPU完成实时渲染,DLSS和帧生成再把预览帧率往上推。
第三类场景是由Agent调用NVIDIA Broadcast来处理音视频。降噪打开后,原始录音里的拍掌声、环境噪声明显变弱;摄像头画面经过超分辨率和插帧,从2K、30FPS升到4K、60FPS。
处理本地视频时,只要用语音提要求,Agent就会去指定目录里找那两段1080P、30FPS素材,通过MCP调用NVIDIA Broadcast,把它们处理成4K、120FPS。两段视频大约一分钟处理完,原文件仍然留着,处理后的画面更清楚,运动也更顺。
生成一段视频只用418秒,MiniMax H3在NVIDIA RTX Spark上跑出了本地AI创作力
除了当Agent主机,GR1X也是华硕ProArt创作者系列的一员,创作场景里的表现同样值得看。于是我又加了两项测试:一项是比大模型推理更吃资源的视频生成,另一项是几款常用专业软件的运行情况。
MiniMax H3的视频生成测试里,我用ComfyUI加载工作流,分辨率设成864×480,生成一段5s视频花了418s。生成时GPU占用率达到97%,GPU内存峰值53.9GB。内容是人物在黄昏天台上起跳的镜头,人物动作比较连贯,建筑结构和光影也基本对得上。任务管理器显示,生成过程中GPU利用率97%,专用GPU内存占用49.8GB/96.0GB。
用大约7分钟换一段5秒视频,对需要反复改提示词、批量挑素材的创作者来说,已经能派上用场。本地生成不用按次付云端费用,但硬件和电力成本还是得自己扛。
视频生成能放在本地跑,靠的还是N1X的统一内存。文本编码器、扩散模型、解码器要同时加载,53.9GB的GPU内存峰值已经超过顶配消费级独立显卡32GB的显存。N1X最高能分配96GB GPU内存,整条工作流一次装下,不必反复卸载、加载模型。
ComfyUI里的MiniMax H3图生视频工作流,宽高比16:9,时长5s。对需要反复修改提示词、多次生成再挑素材的创作者,这同样是一种“睡后经济”的干法:睡前把一批生成任务排好,第二天早上再选成片。
专业软件方面,我还比较在意Arm架构Windows的兼容性。过去几十年,Windows软件大多是为x86架构写的,没有原生适配的软件,在Arm平台上只能转译运行。所以我挑了剪辑、修图、3D三类最常用的软件,逐个打开验证。
Premiere Pro测试中,我导入了一个包含视频、字幕、音频和配乐四条轨道的完整工程,拖动时间线时预览画面一直流畅。
Arm架构的Windows已经能跑常用的多轨道剪辑工作流。Premiere Pro有Arm适配版本;对支持硬件加速的视频格式,N1X的专用编解码单元也能分担一部分处理。在GR1X上,Premiere Pro可以顺畅打开并预览这套多轨道剪辑工程。
Photoshop打开图片的速度不错,生成式填充也能正常用。测试时我沿着画面里的电线框选区域,输入提示词“春天变为冬天”,生成内容和原图的光影、透视关系接得比较自然。
Adobe已推出适配Arm架构的版本,GR1X跑常用修图功能没有问题。剪辑、修图、AI生成都能在同一台主机上完成,设计师不用再几台设备之间来回倒腾。
Blender这边,我载入了一个大型理发店室内场景,视图旋转、缩放都很顺。
该场景的渲染引擎是Cycles,设备选的是GPU Compute。GR1X在室内场景里的视图操作不掉帧,大容量GPU内存也给复杂3D场景留出了处理余地。
NVIDIA方面介绍,RTX Spark平台最高能处理90GB的3D场景。建筑可视化、影视制作这类吃资源的3D工作,本地可用的处理空间 therefore 更大了。
写在最后:当AI成为电脑的主要使用者,“睡后经济”还有多大空间?
十几年前,很多人晚上开着迅雷、电驴下电影,第二天起床再看结果。那会儿电脑夜里干的活,就是下载。
如今Agent能调用工具、写代码、生成内容,机器在无人值守时能承担的事情,开始有了新的想象空间。
一台电脑的主要使用者如果是AI,人和机器的分工也会变。人负责提目标、划权限、盯过程、验收结果,具体任务交给Agent执行。资料整理、代码调试、素材制作这些过去得亲自动手的活,可以交给自己的Agent接着推进。
所以我总觉得,“睡后经济”真正值得深挖的部分还在后头。
一个人有一台Agent主机,就有机会搭起自己的AI工作系统;要是同时管着多个Agent,个人能扛的项目规模、团队内部的协作方式,都可能跟着变。企业以后给员工配的,说不定还有专门供Agent干活的本地算力。
从DGX Spark到RTX Spark,NVIDIA正把千亿参数级大模型送进个人和团队的日常。128GB统一内存加上Grace Blackwell架构,足以支撑Agent在本地持续跑下去。
Agent接手的具体工作越多,人就越能把精力挪到任务规划、过程监督和结果验收上。这也是我期待的“睡后经济”:AI在我们休息时继续干活,一台Agent主机成为能持续创造价值的生产力工具。
END
本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 微星EdgeMesa N AI+迷你主机开售:64GB+1TB售33999元

    IT之家 11 月 18 日消息,NVIDIA(英伟达)今日正式解禁了 RTX Spark 迷你主机的销售,而与华硕 ProArt GR1X 一道进入市场的还有微星 (MSI) 的 EdgeMesa N AI+。 这一机型同样提供两档配置:64GB + 1TB 售价 33,999 元、128GB + 4TB 售价 56

    来源 AI 行业观察
  2. 腾讯WorkBuddy日活破千万:日均Token超100万亿,500强渗透一半

    腾讯今日发布 2026 年第三季度财报,其中披露了 WorkBuddy 的最新数据:截至 11 月初,这款 AI 助手日活跃用户数已突破 1000 万,日均 Token 调用量超过 100 万亿,一举成为中国大语言模型日均 Token 用量最高的 AI 产品。自今年 3 月发布以来,它已完成 100

    来源 AI 开发者社区
  3. 腾讯WorkBuddy日活破1000万:日均Token超100万亿,企业500强渗透过半

    腾讯2026年第三季度财报披露,AI助手WorkBuddy截至11月初日活突破1000万,日均Token调用量超100万亿,成为中国大语言模型日均Token用量最高的AI产品。自今年3月发布以来,它已完成100多个大版本更新,迭代迅速;C端火热同时,B端也在拓展,开放平台上线仅两个月,Buddy应用已取得进展。

    来源 AI 产业速递
  4. 腾讯WorkBuddy日活破1000万,日均Token调用量超100万亿

    IT之家 11 月 18 日消息,腾讯今日发布 2026 年第三季度财报,截至 11 月初,WorkBuddy 日活跃用户数超过 1000 万,日均 Token 调用量超过 100 万亿,成为中国大语言模型日均 Token 用量最高的 AI 产品。 官方表示,自今年 3 月发布以来,WorkBuddy 已完成 100

    来源 AI 行业观察
  5. 腾讯WorkBuddy日均Token消耗超100万亿:居国内AI产品之首

    11月18日,腾讯控股(00700.HK)发布2026年第三季度财报,AI业务取得多项突破:最新一代混元大模型Hy4发布时位列Agent Arena中国模型第一;WorkBuddy日活超1000万,日均Token消耗量超100万亿,成为国内日均大语言模型Token消耗量最高的AI产品;微信AI助手“

    来源 AI 开发者社区
  6. OpenClaw报告:清华沈阳团队拆解AI智能体生态闭环?

    清华大学沈阳教授团队发布了关于OpenClaw的两份研究报告,系统梳理了从理论框架到模型迭代、再到商业落地的完整路径。文章详细解读了“一人公司”工作流的实践细节,包括ZeelinClaw模型的快速迭代、ToB技能体系的构建以及自动化接单平台的上线情况。通过金融风控、内容生成等具体案例,展示了AI智能体在提升效率方面的实

    来源 AI 应用前沿
  7. Gemini 4 Hydrogen一小时开发机械臂:Antigravity插件降门槛

    2026年11月中旬,AI领域迎来几项关键进展。Google发布Gemini 4 Hydrogen模型及Antigravity插件,宣称能将机械臂从草图到真机部署压缩至一小时。Cognition推出Devin Bots,支持多Agent协作处理QA与开发任务。此外,Gemini Tasks向多国用户免费开放,Verce

    来源 AI 应用前沿
  8. OpenAI发布GPT-6.2双版本:3D设计亮眼,实测体验两极

    千呼万唤之中,OpenAI 终于把 GPT-6.2 推到了台前,一口气推出两个版本:GPT-6.2 Astra 和 GPT-6.2 Sol。有意思的是,OpenAI 这次又赶在了一个微妙的时间点出牌。眼下,Anthropic 上市的消息仍在持续发酵,AI 行业的竞争也愈发激烈。OpenAI 偏偏选在此时发布新一代模型,

    来源 腾讯网
  9. OpenAI与Meta同日打通代理支付:Agent商业闭环成了?

    作者|桦林舞王编辑|靖宇Agent 能进门了,也能付钱了。Agent 替用户「消费」的时代,终于到来了。美国时间 2026 年 11 月 13 日,两家公司两场发布会同天发生。一边是企业级对话式智能体公司 Sierra 联合 Meta 正式发布个人代理协议 Poppy v1.0,解决助手怎么「进门」的问题;另一边是 O

    来源 腾讯网
  10. 蚂蚁国际杨鹏:AI与通证化重塑资金流动,普惠可信成关键

    在今天的“未来金融体系”圆桌讨论上,蚂蚁国际CEO杨鹏预测下一代金融体系发展:当AI、通证化与智能体商业重塑资金流动方式,真正决定成败的不仅有更强的智能,而包括——普惠普及性(Accessibility)与可信任(Trust)。“如果只有大型企业、大公司和大型科技公司能把这一切收入囊中,那样的未来会非常无趣。”

    来源 TechWeb
  11. 蚂蚁国际杨鹏SFF谈未来金融:AI重塑资金流动,普惠与可信成关键

    在今天的“未来金融体系”圆桌讨论上,蚂蚁国际CEO杨鹏预测下一代金融体系发展:当AI、通证化与智能体商业重塑资金流动方式,真正决定成败的不仅有更强的智能,而包括——普惠普及性(Accessibility)与可信任(Trust)。“如果只有大型企业、大公司和大型科技公司能把这一切收入囊中,那样的未来会非常无趣。”

    来源 TechWeb
  12. 英伟达安抚机器人被投企业:物理AI投入不减,业务照常

    IT之家 11 月 18 日消息,科技媒体 Business Insider 今天(11 月 18 日)发布博文,报道称在黄仁勋突发离职后,英伟达及其风险投资部门 NVentures 已联系至少 3 家其投资的机器人初创公司,明确表示业务将“照常进行”,以稳定市场对其机器人投资战略的担忧。这一动作发生在临时 CEO 科

    来源 腾讯网
  13. 字节跳动马来西亚买GPU的4.8亿美元贷款被叫停,发生了什么?

    据报道,在美国出口管制新规生效后,字节跳动一笔原本用于在马来西亚采购英伟达GPU的4.8亿美元贷款突然被叫停。有知情人士消息称,评估该交易的至少五家银行已内部讨论退出或不参与,部分银行人士私下判断,这笔贷款“实际上已经死亡”。

    来源 TechWeb
  14. 4.8亿美元GPU贷款被叫停 曝字节跳动马来西亚算力计划生变

    据报道,在美国出口管制新规生效后,字节跳动一笔原本用于在马来西亚采购英伟达GPU的4.8亿美元贷款突然被叫停。有知情人士消息称,评估该交易的至少五家银行已内部讨论退出或不参与,部分银行人士私下判断,这笔贷款“实际上已经死亡”。

    来源 TechWeb
  15. 字节跳动马来西亚买GPU贷款被叫停:4.8亿美元融资生变

    【TechWeb】11月18日消息,今日,话题“字节跳动买显卡贷款被叫停”冲上微博热搜,引发热议。 据报道,在美国出口管制新规生效后,字节跳动一笔原本用于在马来西亚采购英伟达GPU的4.8亿美元贷款突然被叫停。有知情人士消息称,评估该交易的至少五家银行已内部讨论退出或不参与,部分银行人士私下判断,这笔贷款“实际上已经死

    来源 AI 行业观察
  16. Gartner 2027十大技术趋势:四项聚焦AI治理,成熟窗口仅1到6年

    Gartner近日发布了2027年十大战略技术趋势,这份清单定位为面向全球CIO的五年技术规划。十项技术按三个主题分组:驾驭非文本AI前沿,治理自主智能体平台,构建持久敏捷性。今年的主线是自主化(Autonomous Business),AI在企业中的角色从生成内容、辅助判断,扩展到代替人做出决策并执行。这十项分成三组

    来源 腾讯网
  17. 亚马逊CEO首度回应英伟达黄仁勋风波:合作关系不会动摇

    【TechWeb】11月18日消息,当地时间11月17日,亚马逊总裁兼首席执行官安迪·贾西(Andy Jassy)做客一档访谈节目。在英伟达创始人黄仁勋辞任CEO危机的背景下,贾西首次就此公开表态,明确传递了亚马逊对英伟达合作关系的信心。 贾西表示:“我对黄仁勋怀有深深的敬意,也对英伟达怀有深深的敬意。长期以来,他们一

    来源 AI 行业观察
  18. Ankole谈Business Agent架构:多人共用Agent为何失控

    机器之心发布继 Coding Agent 之后,Muse、Grok Bot 等 Personal Agent 产品也快速成熟。不少团队尝试把它们引入组织:要么给每位成员部署一套,要么把同一个 Agent 接进部门群聊。但单人使用表现稳定的 Agent,一旦放到多人协同场景总是表现得非常不及预期。这是因为用户在使用 Ag

    来源 腾讯网
  19. 亚马逊CEO安迪·贾西首谈黄仁勋辞职风波:与英伟达合作不动摇

    在英伟达创始人黄仁勋辞任CEO危机的背景下,贾西首次就此公开表态,明确传递了亚马逊对英伟达合作关系的信心。辞职消息公布后,英伟达股价开盘大跌13%,市值一度跌破4万亿美元。此后,黄仁勋曾表示准备重返CEO职位,但英伟达董事会明确表示“无意让他复职”。贾西在采访中将亚马逊与英伟达的关系描述为一种“竞合”关系,既是合作伙伴

    来源 TechWeb
  20. Salesforce设AI预算:员工每月Token花数千美元

    IT之家 11 月 18 日消息,据《商业内幕》报道,Salesforce 内部备忘录显示,由于部分员工上季度每月在 Token 上的花费高达数千美元,公司开始为不同岗位设定 AI 使用预算。Salesforce 首席运营官米格尔 · 米拉诺在发给员工的邮件中宣布,从本月起,公司将根据岗位设置每月 Token 预算,把

    来源 腾讯网
向下滚动自动加载更多