他们成长于新与旧的碰撞，让机器人迈向了下一个台阶。 作者 | 赖文昕 编辑 | 陈彩娴 ...

当智算变局到来，我们该如何 “用对” 算力？| GAIR Live016 卡脖子的不是模型，是“用不对”的算力。 作者丨岑峰 编辑丨陈彩娴 2025 年的 AI 圈，终于从 “大模型崇拜” 走进了 “应用现实主义”。 当百度文心、阿里通义、腾讯混元等基础模型的参数竞赛告一段落，当 “百模大战” 变成 “百业应用”，企业们突然发现：曾经被当作 “基建” 的算力，成了应用落地的 “胜负手” — — 不是没有算力，而是找不到 “刚好能用” 的算力；不是算力不够，而是 “用不对地方” 的算力在浪费；不是买不起算力，而是 “不会用算力” 的成本在吞噬利润。 而 Oracle 与 OpenAI 签下 3000 亿美元的算力大单同样是行业变化的风向标：这不是简单的 “卖算力”，而是 “生态绑定”：OpenAI 需要 Oracle 的超大规模算力集群支撑 GPT-5 的训练与推理，Oracle 则通过绑定头部模型公司锁定未来十年的算力需求。这反映了全球算力市场的两个核心趋势： 其一是 “算力需求从集中走向爆发” 。大模型训练需要巨量算力（GPT-5 的训练算力是 GPT-3 的 10...

当 Agent 不再是昂贵的实验品，而是像水和电一样的基础设施时，真正的 AI 时代才算真正降临。 作者丨岑峰 2026 年，大模型行业的叙事中心正在经历一场痛苦但必然的位移：从追逐参数规模的“算力竞赛”，转向追求任务落地的“工程突围”。在这场位移中，AI Agent无疑是最被寄予厚望的终极形态，但它正面临一堵名为“Token 焦虑”的围墙。 为什么 Agent 的普及如此之难？因为我们正处于一种极其低效的生产模式中：为了让 Agent 维持对话的连贯性，系统不得不反复加载数万字的上下文；一次简单的任务调度，往往伴随着不可预测的高昂账单；而数据隐私在端与云的频繁传输中，更是变得岌岌可危。 Agent 的普及，正困在安全、成本与智能的“不可能三角”中。 但这究竟是模型推理的硬性支出，还是系统基建效率低下的隐形成本？为了拆解这一本质命题，雷峰网举办了“从 Token 焦虑到记忆革命”主题的GAIR Live线上圆桌。论坛由雷峰网岑峰主持，特邀： 李志宇 记忆张量 MemTensor 联合创始人兼 CTO； 闫宇坤 Qiyuan Lab 副研究员 清华大学 THUNLP...