与「数据飞轮」相关的搜索结果

🚨重磅！GLM 5.5最快将于本周发布！将掀起开源模型全新高度！ 智谱Zai创始人唐杰清华早已暗示两大飞轮RSI、后训练将铸就 GLM-5.5 成为无敌的存在！ 🔹飞轮已跑通：500M代码仓库→千万级Issue-PR合成→GLM-5 Agentic Engineering；合成沙盒→GLM-5.1自主执行；Agent自己造动态环境→GLM-5.2长程任务；网络安全环境，漏洞+PoC+Exploit→GLM-5.3。每一步都在用上一代模型生产下一代的训练数据。 🔹数据墙被击穿：Chinchilla定律明确，固定数据无法消除数据依赖损失。精选Web数据（RefinedWeb）远超原始语料，为飞轮提供高质量燃料。 🔹GLM 5.5是闭环产物：GLM-5.3已驱动Infra Agent在10万国产卡上自己优化推理系统，两周吞吐提升3倍+。飞轮继续转，5.5的后训练+自我进化环境只会更硬核，量化金融、代码沙盒、长程Agent全线拉满。 从Vibe Coding到Agentic Engineering，再到数据飞轮自我强化，5.5不是简单迭代，是这套系统第一次真正闭环后的产物。 #GLM55# #智谱# #唐杰# #数据飞轮# #RSI# #AgenticAI# #开源大模型# #清华# #AI# #Zai#

如果你现在还把 @axisrobotics 当成一个普通 Kaito 嘴撸项目，可能真的看浅了 Kaito 回归以后，第一个拿出来跑的就是 Axis 而且一期跑完之后，它不是活动结束就没声音，二期还在继续，背后的数据飞轮也已经开始转起来了 创作者负责把人带进来，用户真正去操作机器人、生成 Trajectory，最后这些真实操作又会回到 Physical AI 的训练里 别人做活动，最后拿到的是曝光 Axis 做活动，最后拿到的是数据 这两者差别很大 如果这套飞轮能持续跑下去，Axis 后面讲的就不只是一个活动故事

阿里云开源「企业级 Agent 白皮书」 2026 年最新发布，是 2025 年 9 月「AI 原生应用架构白皮书」的升级续作。全书按 架构 → 构建 → 运行 → 治理 → 调优 的全生命周期组织，共 7 篇 30 章，由阿里云数十位一线工程师分工撰写，并纳入吉利、塔斯汀、MiniMax、哔哩哔哩、信永中和等外部企业案例。 它的写作动机很明确：过去一年市场重心已经从 “如何快速搭出一个 Agent” 转移到三个新挑战，工程化（从概率智能到可靠生产力）、规模化（从单点试验到智能基础设施）、组织化（从 Agent 孤岛到进入核心业务流程）。现有的框架文档和教程基本不回答这些问题，这本白皮书填补的正是这个空白。 开源地址 # 各篇核心内容 架构篇（1–2 章） 建立认知框架。给出 Agentic Application 的六个判定特征（以任务结果为中心、运行时决定部分执行路径、能作用于环境、维持跨请求状态、受确定性机制约束、可观测可评估）和成熟度四级模型（L1 辅助生成 → L2 受控自动化 → L3 Agentic Execution → L4 规模运营）。两个重要的解耦判断：用哪种形态取决于任务结构，处于哪级成熟度取决于治理完备程度；单 Agent / Long-Horizon / 多 Agent 是沿时间跨度和协作结构两个正交维度的扩展，不存在“必须升级到多 Agent”的路径。贯穿的原则是“最低充分架构”，为任务选择成本与风险可接受的最低复杂度。 构建篇（3–6 章） 是方法浓度最高的部分，按“范式—任务—信息—行动”还原构建过程： · 任务：Agent Loop 五阶段（Prepare→Model→Act→Observe→Verify）+ 十态任务状态机，要害是“消息历史不应是任务状态的唯一来源”；完成判定的核心原则是“模型只能申请完成，Harness 依据环境证据提交完成”，验证分五级并与风险匹配。 · 信息：Context 是动态“编译”而非静态字符串。本章的独创设计是 Context Manifest，每次调用记录上下文每个片段的来源、作用域、版本、信任级别、选中理由和内容哈希，使“模型看见了什么”变得可解释、可回放、可审计。信息被五分为 Context/State/Memory/Knowledge/Skill，其中 Memory（个人经验）与 Knowledge（组织内容）必须分列，因为治理责任不同，“放进同一个向量库会同时失去两类治理能力”。 · 行动：统一 Action Plane（意图→Schema 校验→身份绑定→策略决策→执行→观测），关键三分：“模型看见工具 ≠ Harness 注册了工具 ≠ 获得执行授权”。协议定位清晰：Function Calling 是模型-Harness 意图接口，MCP 是 Harness-能力提供方连接协议，A2A 面向拥有独立任务循环的远程 Agent，“协议选择由能力是否拥有独立任务循环决定，而非新旧或流行度”。 运行篇（7–12 章） 处理规模化后的工程问题，大量内容达到了分布式系统的专业深度：沙箱后端选型判据（容器/gVisor/MicroVM 按代码可信度与租户边界取舍）；状态外置后 Event Log / Checkpoint / 工作区快照三者不可互相替代，且“Durable Execution ≠ 外部动作恰好执行一次”；AI 网关对 LLM/MCP/Agent 三类流量按不同粒度治理，其中“严格预算需要原子预留而非阈值检查”的数学化分析（余额 100、两笔 80 的并发请求都会通过）是真实的并发工程细节；多 Agent 编排强调“最小充分共享”，共享的是上下文来源而非同一个 Context 窗口。 治理篇（13–16 章） 让自主运行的系统变得可信。可观测性的判据是“请求成功 ≠ 任务成功”；安全章同时把 Agent 当被攻击对象和行为主体来防护（身份是全章最扎实的部分：数字工牌、Token Exchange 权限收敛、On-Behalf-Of 且 Agent 权限 ≤ 用户权限）；资产管理把 Prompt/Skill/MCP/Agent 当作运行时依赖做注册与版本治理。第 16 章 Agent Simulation 是全书原创性最强的一章：Agent 行为之所以不可验证，是缺制度前提（角色无外部标准、失败无自然代价、身份不连续），模拟是当下唯一可做的事，本质是“用可靠 Harness 约束不可靠内核”。它甚至给出诚实的统计学提醒：n 次零违规的 95% 置信上界约为 3/n 而非零。 调优篇（17–24 章） 的组织原则是“归因决定方法”：先排除环境故障、再修 Harness、最后才动模型，“把本应由上下文或工具协议解决的问题当成模型不行，是代价最高的一类误判”。主线是数据飞轮：Trace→Trajectory→黄金数据集（输入/轨迹/结果/判据四要素）→Badcase 闭环→受控自进化（模型生成的改进一律是候选变更，须回流构建、过门禁、可回滚）。模型调优章对 SFT/Agentic RL/蒸馏的适用边界、奖励投机的三套机制分离（训练奖励、独立评测、系统硬约束）论述相当严谨，广引 DeepSeek-R1、Tulu 3、FrugalGPT 等外部工作。 总结篇（第 30 章） 是全书思想密度最高的总结。当企业同时运行多 Agent、多框架、多租户时，同样的工程要求在每个应用里被重复且不一致地实现，这本质上是缺一个共享的系统层。Agentic OS 被给出“窄定义 + 三条否定”：为 Agent 任务提供公共运行对象、能力接入、可强制边界与统一证据的系统层，它不持有任务语义、不是又一个框架、不必然改内核。能力下沉有三条判据（复用性 + 强制性或可验证性），九类管理对象（其中 Budget Lease 预算租约最易被忽略），并提出“自治上限由可撤销范围与可证明范围决定，而非模型能力”。 调研报告 的 1906 份问卷给出一个关键发现：已开发或开发中 Agent 的企业占 46%，但真正上生产的仅 18%；有评估体系的企业任务成功率是无评估者的约两倍，卡点不是模型能力，是 Harness 层的工程配套。这与全书立意互为印证。

CS 329Z: Engineering AI Agents Stanford / Fall 2026 @stanfordnlp 课程定位：从"模型"到"系统"的工程学 覆盖：简单 LLM 流水线 → 复合 AI 系统 → 自主 Agent。三位讲师的背景也高度互补： @Diyi_Yang（斯坦福 NLP 教授，人机交互与社会计算方向） @michaelryan207（DSPy 核心贡献者，自动评估 AutoMetrics 作者） @jyangballin（SWE-agent / SWE-bench / SWE-smith 作者，软件工程 Agent 领域最重要的研究者之一） # 课程主线：三大工程挑战 贯穿全课的三个核心问题——分解（decomposition）、数据（data）、评估（evaluation）。11 周的内容基本围绕这三条线展开，可以分为五个模块： 模块 1：构建基元（Week 2–3） · LLM 作为构建材料：API/SDK（litellm）、结构化输出、约束生成、解码策略、test-time compute、上下文工程、模型选型与成本/延迟权衡 · RAG：embedding、向量库、分块策略、混合检索、cross-encoder 与 ColBERT 后期交互 · 工具调用：函数调用 API、MCP（Model Context Protocol）、工具设计、代码沙箱、错误处理与重试 模块 2：框架与设计模式（Week 3–5） · 框架层：DSPy（signature / module / optimizer）、LangChain/LangGraph、LlamaIndex，重点是"框架抽象了什么 vs. 你手写了什么" · 设计模式：workflow vs. agent 的分类学，五种可组合 workflow 模式，ReAct / plan-and-execute / reflection，"scaffold（脚手架）本身就是设计决策" · 记忆架构：短期/长期记忆、记忆作为工具动作、文件系统作为外化记忆、跨 Agent 记忆（MemGPT、Mem0、Generative Agents） · 多 Agent 系统：编排模式、handoff 与状态传递，以及一个很有态度的对照阅读——既读 AutoGen，也读《Why Do Multi-Agent LLM Systems Fail?》和 Neubig 的《Don't Sleep on Single-agent Systems》 模块 3：优化（Week 5） · 从提示词到微调的全景：GEPA、MIPROv2、OPRO、TextGrad（提示优化）；LoRA/QLoRA、蒸馏、RLHF/DPO（权重优化）；test-time scaling（推理算力） · 核心问题是决策框架：什么时候优化 prompt、什么时候优化 weights、什么时候堆推理算力 模块 4：数据与评估（Week 6–8）——最有分量的部分 · 数据：trace、demonstration、feedback 三类数据；训练数据 vs. 评估数据；数据飞轮；合成数据；从 Agent 轨迹构建数据集（SWE-smith） · 评估基础：为什么 eval 难；4 元组框架（request / environment / stopping criteria / scorer）；好 benchmark 的性质；tinyBenchmarks · 评估基础设施：三类 grader、LLM-as-judge 的 prompt 设计与已知偏差、pairwise vs. pointwise、非确定性指标 pass@k vs. pass^k、harness 设计 模块 5：安全与前沿（Week 8–11） · 安全：工具访问的隐私风险、prompt injection（含间接注入）、红队、沙箱与权限模型、输出护栏、human-in-the-loop · Coding Agent：SWE-agent、Claude Code、OpenHands 的端到端架构对比 · 主动式 Agent：从 reactive 到 proactive，General User Models（GUM）、Next Action Prediction，以及"Agent 何时应主动、何时应等待"的 mixed-initiative 问题 · 开放问题：多模态/web/计算机使用 Agent、科学 Agent、长时运行架构、生产可观测性（tracing、monitoring、成本管理） # 作业设计：一手建、一手评 HW1：从零构建 Agent 系统（10%） 给定论文库，构建能检索并推理回答科学问题的 Agent。 · Part A：只用 litellm 手写 RAG + 工具调用 + ReAct 式 Agent 循环 · Part B：用 DSPy 重建关键组件，并反思框架抽象了什么 HW2：评估一个 Agent（10%） 给定一个预构建 Agent，设计完整评估套件：代码型 grader、至少一个 LLM-as-judge、用 4 元组框架构建 benchmark 任务、错误分析。

高盛的这篇智谱 GLM-5.3 的报告值得一看。 大模型竞争逻辑正在发生变化👉Scaling 正从一味堆参数，转向 Post-training。 GLM-5.3 参数规模基本没变，仍约 744B，但通过更长任务环境、更长训练时间、强化学习和工具协同，代码、长任务执行和安全能力继续提升。 模型进步开始越来越依赖“真实任务里的训练”，而不是单纯做更大的模型。 这背后还有一层更重要的商业逻辑。像 ZCode 这样的 Coding 产品，不只是变现工具，也可能成为数据入口：用户完成真实的软件工程任务，产生长周期执行轨迹，再反哺下一轮 Post-training，形成“产品使用 → 数据 → 模型升级 → 更多使用”的飞轮。 所以资本市场接下来真正要看的，已经不是 GLM-5.3 比 DeepSeek、Claude 高几个 Benchmark 点，而是三个转化率： 1️⃣ 模型能力 → 用户使用量 2️⃣ 用户使用量 → 付费收入 3️⃣ 真实任务数据 → 下一代模型能力 这也是为什么模型升级和股价逻辑要分开看。技术突破只能解释为什么产品更强，估值最终还是要靠收入增速、付费率和利润率兑现。 模型能力是起点，数据飞轮是护城河，商业化效率才是估值终点。

2月份的有聊过一个思考：从中长期而言，技术提升效率是趋势，我们需要思考最终胜出的到底会是哪些玩家？纯AI就能颠覆所有行业，还是说积极拥抱AI而且能彻底变革的行业/产业巨头更有机会？最近跟朋友也有讨论过：AI确实会“吃掉”大量通用型SaaS，但越垂直、越深入产业内部的SaaS，反而价值越大，甚至可能变得更难被取代， 1、为什么通用型SaaS很危险？ 它们做的往往是水平任务（写代码、写文案、做 PPT、简单客服），这一类任务纯靠模型原始能力提升就能变好， 而AI大模型厂商拿顶级模型 + 现成连接器（G Drive、Slack、Salesforce 等）+ 简单 agentic 编排层。就能把这一类工作给替代掉， 2、为什么垂直 SaaS 的护城河更强？ 行业专业数据和“部落知识”几乎拿不到，通用大模型的训练数据是公开互联网 + 部分企业许可数据，但大量真正的行业know-how是未书面化、口口相传、公司内部特有的： 1）制造业的供应链隐形约束、设备测试维护等； 2）化工行业专有的生产模式，特殊工艺流程等； 3）保险公司特有的承保哲学、理赔例外处理规 4）医院的科室间审批流程、医保政策灰色地带 这些东西不在任何公开数据集里，通用 AI 再强也学不到。除非你把真实生产流程跑起来、不断收集人类修正信号，否则模型永远只能“差不多”。 越垂直 = 越需要“系统级”而非“工具级” 通用 SaaS 往往是“叠加在现有系统上的小工具”（写邮件、生成报表、简单 agent），而垂直SaaS做的是端到端的业务执行系统（end-to-end workflow），它要跨越遗留系统、真人审批、合规审计、P&L 直接影响。还需要熟悉所处的行业，所处的企业特有的生产流程、工艺流程等。 这部分工作里，确定性软件工程 + 治理 + 数据飞轮 占比远超模型本身，AI大模型很难全部包圆。每服务一个客户、跑一次真实流程，就多积累一次“运营记忆”（哪次 redline 被客户改了、哪种例外人类会介入）。积累 100 个客户 × 1000 次交易后，你的系统在那个垂直领域的准确率和智能化程度，会把通用模型在这个垂直领域的能力大幅度甩开。 从这个角度，垂直SaaS反而是 AI 最好的“放大器”和“交付层”——AI 提供智能，垂直SaaS提供行业上下文、行业专有数据、特定经验和规范，合规、集成和最终责任。那些把 AI 当作“引擎”，把垂直行业流程、数据和责任当“车身”的公司也将会是未来的赢家这一。

杰富瑞：中国开源AI模型与美国领先闭源模型差距约为3至6个月。AI价值链中的价值将流向那些拥有专有数据、深度工作流整合能力以及范式突破能力的企业。 在其投资者日活动期间，两位AI专家认为，美国仍在前沿模型能力方面保持领先，中国的优势则在于工程化落地能力、丰富的应用场景与数据、开源生态体系，以及充足且低成本的电力供应。专家估计，中国开源模型与美国领先闭源模型之间的差距仅约为3至6个月。 字节跳动、腾讯和阿里巴巴等大型互联网平台在消费者流量入口方面具有优势，而独立AI公司则在海外市场和企业垂直领域更具竞争力。 一位专家则更看好独立AI公司的创新能力，认为大型互联网企业受到内部竞争以及传统互联网运营模式的制约。 总体而言，两位专家目前均未看到明显的“赢家通吃”格局。最终的领先者将是那些能够结合顶级技术人才、强大工程执行能力、专有数据飞轮以及深度场景整合能力的公司。

宝可梦GO玩家抓了十年皮卡丘，顺便给送餐机器人画了张地图 Pokémon Go 背后的公司 Niantic 本周宣布，将与送餐机器人公司 Coco Robotics 合作，用一项名为 VPS（视觉定位系统）的导航技术帮机器人送外卖。这项技术的训练数据，来自 Pokémon Go 玩家十年间用手机摄像头拍下的超过 300 亿张图像。 VPS 的原理和 GPS 不同。GPS 靠卫星信号定位，在高楼密集的城市里经常飘移不准；VPS 则是"看一眼周围的建筑和地标，就知道自己在哪"，精度据称可以达到厘米级。而 Pokémon Go 恰好是理想的数据来源——玩家为了抓宝可梦，必须亲自走到指定地点，举着手机从各种角度扫描周围环境。2020 年游戏还专门加了个"实地调查"功能，鼓励玩家扫描现实中的雕像和地标来换游戏奖励。玩家不知道的是，这些扫描数据正在构建真实世界的 3D 模型。 Niantic CEO John Hanke 的说法：让皮卡丘在现实场景里逼真地跑来跑去，和让机器人在街上准确导航，本质上是同一个问题。 这件事更值得关注的是它揭示的模式：用户为了一个目的贡献的数据，多年后被悄悄用于完全不同的用途。 类似的事并不新鲜，Google 的 CAPTCHA 验证码让用户点选交通灯和自行车，长期被怀疑用来训练 AI 视觉模型；地图工具 Waze 的用户数据也被曝出曾被执法部门获取。而一个能通过照片中的地标精确定位拍摄位置的系统，对执法机构的吸引力不难想象。 Niantic 把这次合作定位为构建一张"活地图"的长期计划的一部分。送餐机器人上路后，还会持续采集新数据反哺模型，和自动驾驶公司 Waymo、特斯拉的数据飞轮逻辑如出一辙。Pokémon Go 巅峰期月活 2.3 亿，现在仍有约 5000 万活跃玩家，数据量不是问题。 相关新闻：

19/22 原则二：构建专有的“数据飞轮” 从用户的使用中积累专有数据，这是前沿大模型无法访问的资产。 数据飞轮：用户交互 -> 修正与反馈 -> 边缘案例积累 -> 优化产品/微调模型 -> 吸引更多用户。 这是最坚实的护城河。

我觉得 AI 最大的优势对普通人来说倒不是做产品能做得多快，而是它让普通人或者小团队能够有能力像字节跳动那样，通过数据的方法论和工作流来形成一个增长的飞轮，通过这种方法来管理自己的产品和商业逻辑。