By
人工智能
世界模型：物理 AI 的新一代基础模型
大语言模型学会的是文本的统计规律；下一代基础模型的战场，换成了物理世界的动力学。2026 年，这个方向正式从研究命题变成了基础设施——而且正在 CUDA 与昇腾两套栈上被同时建造。
全部文章
全部已发布文章，最新在前。可按分类筛选或搜索。
人工智能
从「看懂图片」到「操作世界」：多模态智能体的范式跨越
过去的视觉语言模型，只能「描述」自己看到的东西；新一代多模态智能体，已经能看屏幕、听语音、做推理，并直接「动手操作」。真正卡住落地的，早已不是模型的智力，而是延迟、定位与信任。
人工智能
从代码生成器到软件工程系统：编程智能体的真正变化不在模型里
编程智能体不是"更会写代码"那么简单。真正的变化，是我们在模型之外搭起了一整套系统——管理上下文、调用工具、验证结果、记住状态、编排长任务。最有力的证据是：我们最信任的那个基准测试，被它的缔造者亲手宣布"测不动了"。
人工智能
小模型 + 大推理预算：正在改写 AI 能力与成本方程的新方向
小模型在获得充足的推理期算力预算后，正在数学、代码与智能体任务上逼近甚至超越更大的模型。这一趋势正在改变能力的购买方式，但也存在三个不容忽视的硬边界。
人工智能
长上下文竞争转向：从堆 Token 到管理 Context
过去三年行业用"上下文窗口多大"单一指标军备竞赛，如今前沿已转向"放进窗口的 Token 该怎么管理"。窗口是容量规格而非性能保证，研究反复证明更大的窗口往往先让模型变差再变好，真正的护城河是上下文工程。
人工智能
KV Cache：从注意力的副产品到 AI 基础设施的核心对象
曾经只是注意力层内部的一项记账优化，KV cache 如今已成为推理经济学、服务架构乃至存储硬件共同围绕的对象。本文梳理这一转变的来龙去脉，以及它对构建者的实际意义。
人工智能
MCP 正从"协议"走向智能体基础设施：一场静默的范式迁移
MCP 起初只是为 LLM 接入工具而生的开放标准，但十八个月的爆发式采用、移交 Linux 基金会，以及 2026 年的无状态重写，已使它成为智能体网络的连接底座，也暴露出它仍缺失的那一层控制平面。
人工智能
解析智能体竞争焦点从模型能力到上下文工程的范式转移
过去三年行业痴迷于更大模型与更高基准，如今智能体的胜负手已转向推理时可见信息的工程设计。本文梳理上下文工程的概念、技术与产业信号，说明为何它正成为智能体时代真正的护城河。
人工智能
推理时扩展（Test-Time Scaling）正从"让模型想更久"走向完整的推理架构
推理时扩展（TTS）已从"让模型想更久"这一提示级技巧，成长为决定现代 AI 系统如何推理的底层架构。本文梳理它从研究发现走向生产系统的演进，以及这对构建者的意义。