Latest - AaaS Hub

Latest

英伟达将AI智能体装进桌面工作站

Nvidia正在将Agentic AI从云端推向桌面端，为其最强大的工作站DGX Station推出Agent Toolkit软件工具包。这套工具将复杂的AI代理部署简化为“三步、30分钟”的本地化流程，并首次与Omniverse仿真平台深度整合，形成从硬件到软件再到应用层的全栈闭环。在资本市场对AI投资回报越发敏感的当下，此举标志着Nvidia从纯粹的算力供应商向平台生态构建者的战略延伸。三步部署、30分钟运行Agent，GB300提供算力底座 DGX Station是Nvidia目前最强大的桌面工作站，搭载GB300 Blackwell Ultra GPU，为运行大规模AI模型和复杂代理提供了充足算力。传统上，部署AI代理通常需要数天甚至数周的环境配置、驱动适配和依赖管理。Agent Toolkit则将这一过程压缩至约30分钟，开发者只需三个步骤即可完成软件部署，在本地计算机上直接运行AI代理。这种“开箱即用”的设计显著降低了Agentic AI的入门门槛，让中小开发团队和企业研究人员能够将精力集中在业务逻辑开发上，而非底层基础设施建设。与Omniverse结合，构建

Startups

Neo获1亿美元融资，构建AI代理控制层

企业AI代理的爆发式增长正在催生一个全新的安全赛道。本周一，由前SentinelOne、Wiz和Palo Alto Networks高管联合创立的初创公司Neo宣布获得1亿美元种子轮融资，投资方包括Andreessen Horowitz（a16z）和Bessemer Venture Partners。Neo正在构建一个所谓的“企业代理软件实时控制层”，旨在解决一个日益严峻的问题：AI代理正在以远超安全团队追踪速度的方式，被嵌入到浏览器、开发工具、SaaS平台和传统企业应用中。据Gartner预测，到2026年底，40%的企业应用将具备代理能力，而这一比例在2025年仅为5%。这意味着那些能够推理、行动、调用工具、编排工作流并继承用户权限的软件，正在以安全架构从未设计应对的方式渗透企业环境。 5%到40%：企业应用Agentic能力的爆炸式增长 Gartner的数据揭示了这场变革的规模：2025年仅有5%的企业应用具备代理能力，而到2026年底这一数字将飙升至40%。Neo的核心卖点正是基于这一趋势。其平台为安全运营团队提供覆盖整个组织的AI代理和代理赋能应用的完整清单，评估它们的

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、

Latest

窃贼用AI查量刑仍作案被抓

在人工智能工具日益普及的背景下，一场荒诞的犯罪闹剧近日在武汉上演：一名男子在试图盗窃车辆前，竟打开AI助手“豆包”详细咨询车辆操作方式与盗窃量刑标准。尽管AI明确警示“盗窃车辆属于刑事犯罪”，该嫌疑人仍心存侥幸，最终落入法网。此案不仅映射出AI工具被误用的伦理风险，更凸显了法律红线不可逾越的朴素真理。 AI参谋：偷车前问清“刑期” 6月1日晚，武汉市民刘先生将车辆停放在武昌区晒湖路车位，次日发现车辆不翼而飞。民警调取监控发现，6月2日凌晨2时许，一名黑衣男子骑共享单车抵达现场，确认无人后翻窗进入车内。由于没有驾照，男子掏出手机向“豆包”AI发起一连串提问，包括“哪个是油门？哪个是刹车？”以及“如果盗窃了这辆车，要判多少年？”。AI在提供基本操作指导的同时，明确给出法律风险提示。但该男子无视AI劝阻，利用在车内找到的备用钥匙将车驶离，并藏匿于附近小巷。后经查证，该男子以3200元低价将车谎称为已故父亲财产售予报废车回收商户。法网难逃：AI预警未能阻止犯罪“成本” 武昌警方通过监控锁定嫌疑人黄某某后，发现其已离开武汉，随即联动湖南警方，于6月9日在当地火车站将其抓获。审讯中，

Deep

AI代理致GitHub宕机，微软急寻AWS支援

在AI编码代理的爆发式增长面前，微软旗下的开发者平台GitHub正经历前所未有的可靠性危机。为了履行对企业客户的服务等级协议（SLA），微软被迫做出了一个令人瞩目的决定：将部分GitHub流量路由至其主要云竞争对手亚马逊云服务（AWS）的基础设施上。此举不仅暴露了Azure云在应对AI驱动工作负载时的容量瓶颈，也揭示了GitHub自2008年构建的Ruby on Rails单体架构，在面对机器速度的连续式流量冲击时的结构性缺陷。 AI代理流量激增325%，275周均千万级Commit压垮容量模型导致此次危机的直接原因，是AI编码代理活动量的指数级增长。2026年3月，由AI代理发起的Pull Request数量较半年前激增325%，达到1700万个，而2025年9月这一数字仅为400万。这些代理（如Cursor、Claude Code、GitHub Copilot、Devin等）的运行模式与人类开发者截然不同：它们通过API和命令行全天候连续运作，无视周末和节假日，彻底打破了GitHub原有的容量规划模型。GitHub COO Kyle Daigle在4月证实，该平台每周处理C

Startups

ChatSee获650万融资，打造AI失败记忆系统

企业级AI智能体的规模化落地正面临前所未有的信任危机——测试无法穷尽所有故障，细微偏差可能在自动化流程中迅速放大。针对这一痛点，初创公司ChatSee.AI近日完成650万美元种子轮融资，推出名为“失败智能层”的核心产品，试图为自主AI系统构建一个能够记录、学习并预防错误的“中央记忆系统”。本轮融资由True Ventures领投，First Rays Venture Partners、Seven Hills Ventures及多位行业资深人士参投，标志着资本对AI运行时治理赛道的持续加注。 650万美元融资瞄准“失败智能层”：填补企业AI信心缺口 “不管企业是否愿意，AI已经进入企业内部。”ChatSee联合创始人兼首席执行官Sekhar Sarukkai在采访中直言。随着微软Copilot、Databricks Genie、Snowflake、OpenAI、Anthropic等平台以及开源生态（OpenClaw、NemoClaw、Hermes）将AI智能体渗透至电商定价、金融交易分类等核心业务，企业的关注点已从“能否在模拟环境中构建”转向“能否将其托付给真实客户与员工”。Sa

Deep

月之暗面推万亿参数模型与300Agent集群

月之暗面（Moonshot AI）于2026年夏季同步推出两款核心产品：开源代码模型Kimi-K2.7-Code与支持300个子Agent协同作业的桌面Agent应用。前者通过MoE架构与思考优化，将万亿参数模型的无效成本削减30%，后者则首次将AI工作模式从“单兵作战”升级为“虚拟团队”。这套组合拳标志着AI从比拼参数规模的“学霸竞赛”，正式转向以提效与协作能力为导向的“组织智能”新阶段。万亿参数模型“减负”：Kimi-K2.7-Code大幅降低推理成本 Kimi-K2.7-Code采用1.1万亿参数的MoE（混合专家）架构，搭载256K超长上下文。其核心突破不在参数规模，而在针对性解决行业“过度推理”痛点——许多AI模型处理简单任务时输出大量冗余思考，导致token消耗高企，部分长代码场景的调用费用甚至超过人力。该模型通过优化，使得平均思考token消耗降低30%。同时，依托MoE特性，运行时仅激活320亿相关参数，实现算力精准分配。性能测试显示，该模型在Kimi Code Bench v2基准中提升21.8%，Program Bench提升11%，MLS Bench

Deep

华为小艺升级为Agent时代基建

Agent技术在全球爆发，但如何从极客玩具变为全民服务成为行业核心挑战。华为在HDC 2026上给出了答案：将小艺与HarmonyOS深度融合，通过鸿蒙智能体框架HMAF 2.0打造“意图即服务”的开放入口。这不仅是技术升级，更是一次生态理念的落地——华为选择把系统级Agent基建做好，然后向所有开发者公平开放，意图在Agent时代的平台变革中，让每一个开发者都能获得确定性机会。全球科技巨头押注操作系统+Agent融合，鸿蒙率先开放生态 Agent时代入口的争夺已成为科技巨头的战略高地。Apple在WWDC 2026通过深度模型合作将Siri重构为系统级Agent，Google则将Android升级为“intelligence system”。然而，华为选择了一条差异化路径：不垄断入口，而是把入口建好并打开。6月12日，HDC 2026上，鸿蒙宣布Harmony Intelligence全面向Agent架构演进，小艺成为鸿蒙系统与Agent之间的桥梁。基于全新Agentic自演进架构，小艺与HarmonyOS深度融合，成为系统的智慧大脑，能够调用系统应用Skills、生态Ski

Latest

微软考虑用开源模型降AI成本

北京时间6月17日凌晨，全球云计算巨头微软向外界释放了一个强烈信号：AI智能体的高昂运营成本正在倒逼行业巨头转向开源模型。据最新报道，微软正计划将其智能体产品Copilot Cowork从固定订阅模式转向“按使用量计费”，并考虑采用DeepSeek V4等开源模型作为底层驱动，以大幅削减费用。此举不仅揭示了AI商业化中成本控制的紧迫性，也标志着开源模型在性价比上的崛起开始撼动闭源巨头的市场地位。智能体成本飙升迫使微软转向按量计费微软负责Copilot、智能体及平台业务的执行副总裁查尔斯·拉曼纳坦言，测试显示Copilot Cowork无法以无限制使用的方式提供。部分用户每周执行数百项任务，效率大幅提升的同时，成本也急剧攀升。为此，微软正探索基于DeepSeek V4或其他开源模型的微调版本，作为驱动Copilot Cowork的更实惠替代方案。目前该产品日常调用Anthropic或OpenAI的模型，而Anthropic最近发布的Fable 5模型每个token的成本比DeepSeek-V4 Pro高出50倍。对于大多数日常任务，开源模型可将成本降低90%以上。开源模型

Deep

阿里免费高考志愿Agent上线

2026年高考落下帷幕，志愿填报这一决定考生命运的关键环节，正在被AI Agent技术彻底重塑。面对1290万考生、近3000所高校与2000多个专业构成的庞大选择迷宫，传统的被动式问答Chatbot已显力不从心。阿里巴巴旗下的千问近日宣布，推出国内首个全周期高考志愿填报Agent，并面向全国考生免费开放。这款产品不仅能够主动规划、持久记忆用户偏好，更通过40万“AI考生”的对抗压测，将志愿规划师的专业经验沉淀进了模型底层。从知识库构筑、对抗强化学习到动态方案生成，千问正试图用AI弥合长期存在的高考信息鸿沟，让每一位考生都能享受公平而专业的选择权。 Agent入场：从“被动应答”到“主动规划”的范式革命千问高考志愿Agent的上线，标志着AI在复杂决策场景中的进化。与聊天机器人不同，Agent具备三大核心能力：持久记忆，能记住用户说过的每一句话；主动规划，如自动生成“志愿日历”提醒关键时间节点；实时工具调用与反思，让回答更加精准。以北京一位660分、理化生选科、目标人工智能专业的考生为例，Agent在接收填写的省份、成绩、专业偏好乃至MBTI性格类型后，自动生成包含院校推荐、专