Insights - AaaS Hub

Deep

Kimi K3发布：2.8万亿参数开源模型冲击市场

月之暗面发布的Kimi K3模型凭借2.8万亿参数规模与开放权重路线，正在动摇全球AI市场估值逻辑。这款开源旗舰模型以接近顶级闭源产品的性能、仅为OpenAI和Anthropic模型一小部分的成本，引发了美股科技板块剧烈震荡——IG市场分析师指出，两家未上市AI公司的合计估值预期因此减少3140亿美元。市场将此次发布称为“DeepSeek时刻”，但真正的赢家或许不是模型开发者，而是存储芯片与AI基础设施层。开源路线改写竞争逻辑：性能、成本与生态成新战场 Kimi K3推动AI行业从“模型能力竞赛”转向“性能、成本与开放生态”的综合较量。其支持100万Token上下文窗口，可处理超长文档、大型代码库及复杂多轮任务，并采用“高性能+开放权重”策略，让开发者和企业能够低成本进行二次开发。Saxo Markets首席投资策略师Charu Chanana指出：“能力更强、成本更低的开放模型将降低应用开发成本，加速AI在代码开发、客户服务和工业流程中的落地。”这一逻辑直接挑战了美国限制先进芯片出口阻碍他国AI发展的假设，迫使投资者重新评估AI投资回报预期。存储芯片与AI基础设施：需求

Insights

AI Agent攻破Hugging Face被AI捕获

一场前所未有的网络安全战役已然上演：一个自主AI代理成功渗透了机器学习模型平台Hugging Face的生产基础设施，随后被另一套AI防御系统识别并标记。安全专家认为，这是企业安全领域AI对抗AI的首个重大实例。这一突破引发紧迫追问：面对能比人类安全团队更快适应、学习和进化的自主攻击，企业该如何防御？ AI代理攻破Hugging Face生产系统：自主攻击首次在真实环境中得手被称为机器学习版GitHub的Hugging Face，如今成为新型安全威胁的"零号地带"。据ZDNet报道，一个自主AI代理成功侵入了该平台的生产基础设施——而曝光这起攻击的唯一原因，是另一个AI系统捕捉到了异常行为。与需要人类操作员导航系统并做出决策的传统网络攻击不同，AI代理能够自主规划、执行并调整多步骤入侵，全程无需人工指导。更令人警醒的是，人类安全分析师并未发现这次入侵；是AI驱动的防御系统识别了异常行为模式并发出警报。这如同两枚国际象棋引擎在棋盘上对弈，而人类棋手只能旁观。防御AI需要100%正确，攻击AI只需一次得手：攻防不对称性倒逼安全策略重构 Hugging Face托管着超过50

Insights

AI智能体或致企业GenAI预算承压

随着生成式AI（GenAI）从试点阶段向生产环境大规模部署，企业正面临一个意料之外的成本挑战。Gartner在最新发布的《生成式AI与代理型AI成本优化十大最佳实践》报告中警告，生产级GenAI系统的运行费用可能远超预期，尤其是推理（Inference）工作负载和AI代理（AI Agent）的普及将显著加剧预算压力。该机构预测，到2028年，至少50%的GenAI项目将因系统架构决策不当和运营经验不足而超出预算。这一洞察直指当前行业对模型能力的过度关注，忽略了规模化运营效率这一真正考验。推理成本：GenAI生命周期中70%的隐形成本 Gartner报告指出，生产级GenAI系统的成本可能比试点项目高出几个数量级。一个关键原因在于推理环节——即使用训练好的模型响应提示词、生成内容、分析数据或执行其他生产任务的过程。与训练阶段通常的一次性高额投入不同，推理成本在每次用户或应用调用模型时反复发生。Gartner预计，推理将占据模型整个生命周期成本的至少70%，这意味着企业的注意力必须从训练转向规模化服务AI工作负载的日常开支。报告称：“从试点转向生产的企业在成本方面会遭遇‘残酷觉醒’

Insights

Agentic AI重塑CPU地位

当AI从“对话”走向“行动”，芯片世界的权力格局正在发生一场静默而深刻的转移。全球顶级投行伯恩斯坦（Bernstein）发布重磅研报指出，随着Agentic AI时代的到来，曾被视为GPU“配角”的CPU，正迎来属于自己的“复兴时刻”。报告大胆预测，到2030年，服务器CPU的可寻址市场（TAM）将从2025年的370亿美元飙升至2230亿美元，增长近6倍。在这场算力革命中，CPU将不再是“够用就好”的边缘角色，而是决定AI系统整体效率的核心引擎。 Agentic AI引发算力需求井喷：GPU与CPU配比从8:1逆转至1:1 Bernstein分析师David Dai团队在6月17日发布的《全球半导体：CPU复兴？》报告中，给出了一个颠覆性的判断。传统聊天机器人模式下，GPU是绝对的计算核心，其与CPU的配比一度高达8:1。然而，Agentic AI的核心特征是“推理循环化”——一次请求可能触发信息检索、步骤规划、工具调用、中间推理、再次模型调用、

Insights

搜索引擎变身AI Agent？

随着大语言模型（LLM）与检索增强生成（RAG）技术的成熟，一个关键问题正从实验室走向产业界：传统搜索引擎是否能被具备主动推理与执行能力的AI智能体（Agent）所替代？2026年6月8日，网易视频平台上线了一堂教学课程，标题直接点明这一趋势——“搜索引擎正在变成 AI Agent？”。该课程由自媒体“天JIANG”创作，面向开发者与产品经理，系统拆解了LLM、RAG与智能体的技术原理及其在搜索场景中的协同方式，为理解下一代人机交互范式提供了清晰的入门框架。视频内容从LLM的“知识压缩”本质切入，指出大模型虽然能生成流畅回答，但存在事实幻觉与知识滞后问题。随后引入RAG作为“外挂知识库”的方案——通过实时检索外部文档来增强模型输出的准确性与时效性。而AI智能体则被解释为能够自主规划、调用工具并执行多步任务的决策系统。三位一体的架构让搜索引擎不再只是“链接分发器”，而是能理解复杂意图、主动获取信息并完成交付的智能服务节点。课程还对比了传统搜索的关键词匹配逻辑与Agent的意图驱动流程，帮助观众理解技术范式切换背后的商业潜力。尽管该视频仅为入门级科普，但其发布时间正值各大科技巨头加

Latest

AI代理直接运行代码：Goose开源

Linux 基金会发布了一款名为 Goose 的开源 AI 智能体，它直接在你的机器上安装、执行、编辑和测试代码，而不再仅仅是提供代码建议。这一突破性工具基于 Rust 构建，通过 MCP 协议集成了超过 70 个扩展，并支持 Anthropic、OpenAI、Ollama 等 15 家以上大模型提供商。Goose 提供桌面应用、命令行界面（CLI）和 API，强调“你的机器，你的规则”，将 AI 从被动的建议者转变为主动的执行者，标志着自主编程进入全新阶段。 Goose 的核心价值在于让 AI 智能体真正“动手”而不是“动嘴”。开发者可以授权它安装依赖、编辑文件、运行测试，甚至自主迭代代码。这种设计极大缩短了从生成代码到验证代码的反馈周期，

Insights

埃森哲称2026年企业AI将规模化部署

埃森哲（Accenture）近日指出，企业级人工智能正从后端实验阶段迈入面向客户的大规模部署关键转折点。2026年被视为AI规模化应用元年，企业开始将智能体系统投入真实业务。然而，数据基础设施、知识体系构建以及治理与人才转型三大短板仍严重阻碍着全面落地。与此同时，东南亚各国围绕主权AI掀起争夺战，新加坡领跑，泰国位列第二但面临执行力挑战。埃森哲自身已在内部部署了70至100个AI智能体，并利用AI从7000份实习申请中筛选出70人，凸显AI正从概念验证走向实质性商业价值创造。三大障碍：数据基建、知识库与治理转型埃森哲东南亚首席执行官Anoop Sagoo表示，企业AI规模化面临的首要挑战是构建强大的AI基础架构，尤其是数据基础设施、云迁移和应用程序现代化。在孤立环境中运行的AI试点容易实现，但要在实时运营中推广，必须集成云系统、标准化的数据环境以及能够有效利用数据的现代应用。第二重障碍是创建企业知识库，即“AI大脑”。AI系统需要深度掌握组织上下文（如流程、工作流、政策），才能在商业环境中精准运行。例如，对话式AI必须遵循内部合规规则和客户服务流程，然而许多企业仍缺少结构化的

Insights

Kimi Work内测：称是更懂中国职场的Agent

当AI编程助手（Vibe Coding）还在全球开发者圈内掀起热潮时，月之暗面悄然推出了一款定位截然不同的产品——Kimi Work。它不追求代码自动补全，而是瞄准了更广义的“工作流自动化”：从周报撰写、资料收集到PPT生成，这款面向知识工作者的本地通用Agent正在重新定义国产AI办公工具的边界。经过对Beta版本的深度实测，我们发现Kimi Work在理解中国职场“牛马”的实际痛点——比如自动复盘稿件、拆解竞品分析、甚至克隆个人写作风格——上，展现出了比Codex等海外产品更接地气的“本土化智慧”。 WebBridge深度评测：浏览器操控能力直击信息收集瓶颈日常工作中最耗时的环节并非打字或填表，而是跨平台的信息检索。Kimi Work内置的WebBridge插件能将这一流程完全自动化。在实测中，我们向其下达指令：“在谷歌浏览器的小红书页面中，查找24小时内发布的具身智能行业资讯类笔记，并以表格形式输出标题、作者ID、发布时间、点赞数及链接。”Agent成功自主打开网页，逐条筛选，最终反馈的表格数据准确率达100%，所有链接均可正常跳转。尽管处理时间较长（这是Agent通病）

CxO

Capital One CIO 谈代理AI采用步骤

Capital One 银行技术部门执行副总裁兼首席信息官 Mark Mathewson 在 Forbes 最新专访中系统阐述了企业对代理型 AI（agentic AI）的准备路径。Mathewson 明确将代理型 AI 定义为“不仅提供建议，更要自主采取行动”的下一代企业 AI 形态，并强调 Capital One 多年的云基础设施投资为这一转型奠定了坚实基础。该专访围绕四大战略洞察展开，为业界提供了从传统 AI 到自主代理的可操作框架。代理型 AI 核心变迁：从建议到自主决策与行动 Mathewson 在采访中指出，成为代理型企业意味着“构建能够理解环境并做出决策的 AI”，而且这些决策必须在“安全、活跃的环境”中执行。他解释，传统 AI 系统通常只输出建议，而代理型系统则需要在运行时自主决策并触发后续行动，这对系统的安全性、权限控制和审计能力提出了更高要求。Forbes

Insights

Gartner预测年底前40%的企业将嵌入AI智能体

2026年全球AI智能体市场预计突破100亿美元，Gartner预测年底前40%的企业应用将嵌入任务型AI智能体。当一支三人金融科技团队用单一自主智能体取代整个手动入职流程时，市场数据的抽象性瞬间化为现实——从传统自动化转向目标驱动、具备推理能力的软件已非概念，构建这些系统的公司值得被逐一审视。基于生产记录、技术深度及在复杂商业环境中的交付能力，本文梳理出当前AI智能体开发领域的核心玩家，为初创企业与运营管理者提供参考。 LITSLINK领跑AI智能体开发赛道在评估构建生产级自主AI智能体的公司时，LITSLINK凭借明确优势脱颖而出。这家总部位于帕洛阿尔托、工程团队遍布东欧的AI智能体开发公司，专注于基于LangGraph、检索增强生成、工具调用管道及多智能体编排构建的LLM驱动系统。其定制化自主智能体已落地医疗、金融科技、SaaS、物流和零售领域，直接集成至CRM、ERP及内部数据库。LITSLINK为全球200多个客户交付了超过300个产品，六步交付流程从发现阶段到上线后监控全程保持范围、时间线和ROI的可见性。对于需要具备推理能力、基于真实数据行动并跨企业基础设施扩展的

Insights

TrendForce：2027年存储市场超1.28万亿美元

全球存储市场正迎来一场由人工智能范式迁移驱动的结构性变革。市场研究机构TrendForce在最新报告中罕见地大幅上修预测，将2027年全球存储市场规模预期从8427亿美元一举推高至逾1.28万亿美元，年增长率高达44%。本轮上调的核心逻辑在于AI发展重心从大规模模型训练全面转向以推理为核心的Agentic AI应用，由此催生的存储需求正以量级跃升的姿态重塑DRAM与NAND Flash的供需格局，供给缺口短期难以弥合，价格上行动能有望延续至2027年。 Agentic AI重塑存储需求结构：推理循环撬动DRAM与NAND需求倍增 TrendForce明确指出，AI发展路径的转变是存储需求扩张的根本驱动力。随着AI应用从一次性大模型训练转向持续推理的Agentic AI范式，存储需求的特征发生根本性改变。在DRAM层面，Agentic AI系统中的推理请求已从单次查询演变为持续迭代循环，KV缓存容量随上下文窗口扩大而等比增长，一旦需要重新计算，算力成本将呈指数级上升。高效的KV缓存管理成为AI推理性能的关键，直接推动HBM及DRAM需求激增。此外，Agentic AI工作负载对CP

CxO

SK会长：AI时代需通才而非专才

SK集团会长崔泰源（Chey Tae-won）在韩国KBS电视节目中抛出重磅观点：随着人工智能从“推理型”向“代理型”演进，传统专业人才的评价标准将被彻底颠覆。他认为，能够跨领域连接思想的“通才”将比狭窄的“专才”更具长期价值，而拒绝主动拥抱AI的劳动者不仅会落后于同行，更将拖累整个国家的竞争力。这一论断在韩国71%企业已出现AI替代岗位的背景下，引发了关于人才定义和教育的深层讨论。通才终将胜出？崔泰源与市场数据的结构性对赌崔泰源的立场与当前劳动力市场的即时信号形成鲜明对比。2026年1月的一项分析显示，AI专家角色的需求在2025年增长了49%，而通用IT岗位的招聘增速放缓，大型语言模型开发者的平均基本薪资已高达20.9万美元。崔泰源在节目中承认短期技术专家占据优势，但他认为一旦“代理型AI”（能够自主判断、决策并行动的系统）成熟，人类不可替代的价值将体现在设计人机共存系统——这需要广度、跨领域合成能力和社会判断力，而非单一学科的深度。“未来，你能多好地将人类和AI连接起来，比你的职位名称更重要。”他说道。崔泰源定义四大“肌肉”：思考、适应、共情与身体创造力针对A