新聞熱度趨勢
“白毛股神”Serenity：中資VC資金正加速流向物理AI與世界模型賽道
“白毛股神” Serenity 在 X 平臺發文表示，從中國私募 VC 市場的資金流向來看，當前機構正大規模湧入物理 AI（Physical AI）與世界模型（World Models）相關領域。數據顯示，資金分佈大致如下：大型模型/LLM 約 235.6 億美元，AI 基礎設施及技術層約 157.4 億美元，具身智能/物理 AI 約 133.6 億美元，AIGC 應用約 87.9 億美元，而自動駕駛及其他前 20 細分領域合計約 38.2 億美元（口徑不可直接對比）。Serenity 指出，早期純基礎模型融資已基本關閉，資本更多集中在既有頭部企業以及世界模型方向。他預計這一趨勢在美國同樣會出現，未來可能進一步向 Anthropic、OpenAI 等頭部公司集中。在 AIGC 應用方面，Serenity 認爲該賽道商業化已較爲成熟，但尚未出現絕對贏家，無論在中美市場均呈現分散競爭格局。整體來看，Serenity 總結稱，當前 AI 投資仍在持續流入基礎設施與半導體供應鏈，同時資本正向物理 AI 與具身智能快速輪動，但世界模型賽道仍缺乏直接投資標的。
Claw Intelligence 完成 300 萬美元種子輪融資，Castrum Istanbul 等參投
據官方消息，Web3 智能層項目 Claw Intelligence 宣佈完成 300 萬美元種子輪融資，投資方包括 Castrum Istanbul、Titans Ventures、Super Labs 和 Genesis Capital。Claw Intelligence 正在通過其統一智能層簡化用戶與 Web3 生態系統及底層算力資源的交互，降低操作門檻。 平臺基於加密原生的模型上下文協議（Model Context Protocol, MCP）服務，將碎片化數據端點轉化爲對話式工作流。新功能包括安全隔離的大語言模型（LLM）代碼執行沙箱，可在聊天界面內安全運行代碼，實現即時計算、數據處理及腳本原型開發等應用；以及 LLM 驅動的跨設備/多計算機控制，用戶可通過自然語言指令集中管理多臺設備和服務器。
Covenant AI 宣佈退出 Bittensor 網絡，指其去中心化承諾名不副實
Covenant AI 創始人 Sam Dare 發文披露，Covenant AI 正式宣佈退出 Bittensor 網絡。Covenant AI 此前完成了史上最大規模去中心化 LLM 預訓練項目——Covenant-72B（720 億參數，70 餘名獨立貢獻者參與），曾獲英偉達 CEO 關注及 Anthropic 聯合創始人引用。 Covenant AI 在聲明中指控，Bittensor 網絡的實際控制權長期集中於聯合創始人 Jacob Steeves（Const）一人之手，所謂"三人多籤治理"不過是去中心化的表演，真正的權力從未分散。近期，Jacob Steeves對 Covenant AI 採取了一系列單方面懲罰性行動，包括：暫停其子網收益、撤銷其社區頻道管理權限、單方面棄用其子網基礎設施，並在雙方衝突期間通過大規模拋售代幣施加經濟壓力。 Covenant AI 表示，無法在一個"去中心化"承諾隨時可被一人推翻的網絡上繼續融資、招募人才或向社區募集資源。其研究成果、團隊及模型將隨團隊一同離開，並將很快對外公佈新項目及相關進展。
研究：AI 代碼審查可壓縮審查時間，但質量隱患不容忽視
據 Rohan Paul 發佈的研究摘要，一項針對 207 個 GitHub 項目、102 萬次拉取請求的大規模研究顯示，引入 AI 代理審查可將代碼審查時間縮短 2.5 至 4.5 天/KLOC，但代價是審查質量下滑——AI 參與的審查中，78%~94% 的 PR 存在"審查異味"（review smells），高於純人工審查的 69%~76%。研究指出，反覆分配同一 AI 審查員身份是導致審查多樣性下降的主要原因。值得注意的是，早期大量引入 LLM 審查的項目並未獲得顯著效率提升。
Coinbase CEO：Coinbase將支持pre-IPO永續合約、股票期權及代幣化股票
Brian Armstrong 在 X 平臺發文表示，Coinbase 現已包含 pre-IPO 永續合約、股票期權，並將很快支持代幣化股票；Coinbase 還重新設計了 Coinbase Advanced，並開始整合美國與國際用戶、Coinbase 與 Deribit 用戶之間的全球流動性。CoinbaseDev 正在爲企業提供穩定幣支付能力，推出基於其合規技術棧的全託管賬戶，並上線新的開發者工具儀表盤。Base 方面，Coinbase 宣佈推出私密交易和網頁版 Base App。Coinbase 也正在成爲 AI 的金融賬戶，支持爲 AI 代理提供錢包、獲取 AI 驅動的金融建議，並將 Coinbase 賬戶連接至用戶常用的 LLM。
Vitalik提出ZK支付標準，推動以太坊隱私支付與AI代理交易
Vitalik Buterin 於 5 月 10 日發佈研究文章，提出以零知識證明（ZK）交易替代傳統鏈上轉賬方案，推動加密支付從“假名性”邁向“默認隱私”。該方案允許用戶在不公開完整餘額及交易歷史的情況下完成支付驗證。Vitalik 特別提到，AI 代理時代下，自主 AI 代理需要在不留下可追蹤痕跡的前提下支付 LLM API 等服務費用。其表示，通過遞歸 SNARKs 及 ZK API 積分機制，以太坊 Layer 2 可在接近透明交易的速度與成本下實現隱私支付。此外，該提案還包含選擇性披露與“清白證明”機制，允許用戶在不公開鏈上隱私數據的情況下，向監管機構或稅務部門提供合規證明，以滿足反洗錢要求。Vitalik 認爲，區塊鏈公開透明特性是當前加密支付大規模普及的重要阻礙。
“白毛股神”Serenity：中資VC資金正加速流向物理AI與世界模型賽道
“白毛股神” Serenity 在 X 平臺發文表示，從中國私募 VC 市場的資金流向來看，當前機構正大規模湧入物理 AI（Physical AI）與世界模型（World Models）相關領域。數據顯示，資金分佈大致如下：大型模型/LLM 約 235.6 億美元，AI 基礎設施及技術層約 157.4 億美元，具身智能/物理 AI 約 133.6 億美元，AIGC 應用約 87.9 億美元，而自動駕駛及其他前 20 細分領域合計約 38.2 億美元（口徑不可直接對比）。Serenity 指出，早期純基礎模型融資已基本關閉，資本更多集中在既有頭部企業以及世界模型方向。他預計這一趨勢在美國同樣會出現，未來可能進一步向 Anthropic、OpenAI 等頭部公司集中。在 AIGC 應用方面，Serenity 認爲該賽道商業化已較爲成熟，但尚未出現絕對贏家，無論在中美市場均呈現分散競爭格局。整體來看，Serenity 總結稱，當前 AI 投資仍在持續流入基礎設施與半導體供應鏈，同時資本正向物理 AI 與具身智能快速輪動，但世界模型賽道仍缺乏直接投資標的。
BNB Agent Studio正式上線BNB Chain主網
BNB Chain 宣佈 AI Agent 開發平臺 BNB Agent Studio 正式上線主網。開發者可在 Cursor、Claude Code 等 AI 編程工具中通過一句提示詞完成 Agent 的錢包創建、鏈上身份註冊（ERC-8004）與部署，無需分別搭建錢包、身份、支付、託管和 LLM 接入。Agent 部署後可通過 x402 協議從用戶預充值錢包中自動扣費續費 LLM 用量，並藉助 ERC-8183 任務接口被其他 Agent 發現和調用，全程運行於 AWS Bedrock AgentCore。官方同時推出限時免費試用活動，用戶憑 GitHub 賬號即可在 BSC 測試網體驗完整部署流程。
Gate研究院：多智能體LLM交易框架在BTC回測中顯著跑贏Buy & Hold策略
Gate 研究院近日發佈的《基於 Multi-Agent LLM 的 BTC 交易框架研究與回測分析》指出，相比單一 LLM 直接生成交易信號，多智能體（Multi-Agent）LLM 架構更接近真實金融機構的投研流程，能夠通過分析師、研究員、交易員與風控團隊之間的協作與辯論，提升交易決策的透明度與風險控制能力。研究基於 TradingAgents 框架，對 BTC 市場構建了適用於加密場景的 AI 交易系統，並引入技術分析、新聞分析、情緒分析與宏觀/鏈上分析等多類智能體角色。研究基於 BTC/USDT 1 小時級別數據，對 TradingAgents-BTC 策略進行了歷史回測。結果顯示，該策略在測試區間內取得 +20.25% 總收益，顯著優於同期 Buy & Hold 的 -7.89%，同時最大回撤控制在 -17.41%，低於 Buy & Hold 的 -27.06%。研究認爲，多智能體框架在震盪與下跌階段能夠通過 Sell/Underweight 與 Flat 狀態減少部分風險暴露，並在市場反彈階段重新切入多頭，從而提升整體風險收益表現。報告指出，Multi-Agent LLM 框架在加密交易場景中展現出一定應用潛力，但當前回測週期僅覆蓋約三個月，且 1 小時級別交易仍可能受到手續費、滑點與信號延遲影響。未來仍需在更長曆史週期、不同市場環境與更多資產類別中進一步驗證策略穩定性與泛化能力。
Covenant AI 宣佈退出 Bittensor 網絡，指其去中心化承諾名不副實
Covenant AI 創始人 Sam Dare 發文披露，Covenant AI 正式宣佈退出 Bittensor 網絡。Covenant AI 此前完成了史上最大規模去中心化 LLM 預訓練項目——Covenant-72B（720 億參數，70 餘名獨立貢獻者參與），曾獲英偉達 CEO 關注及 Anthropic 聯合創始人引用。 Covenant AI 在聲明中指控，Bittensor 網絡的實際控制權長期集中於聯合創始人 Jacob Steeves（Const）一人之手，所謂"三人多籤治理"不過是去中心化的表演，真正的權力從未分散。近期，Jacob Steeves對 Covenant AI 採取了一系列單方面懲罰性行動，包括：暫停其子網收益、撤銷其社區頻道管理權限、單方面棄用其子網基礎設施，並在雙方衝突期間通過大規模拋售代幣施加經濟壓力。 Covenant AI 表示，無法在一個"去中心化"承諾隨時可被一人推翻的網絡上繼續融資、招募人才或向社區募集資源。其研究成果、團隊及模型將隨團隊一同離開，並將很快對外公佈新項目及相關進展。
Coinbase內部工具Mux揭示AI編碼範式轉變，工程師從“寫代碼者”轉向“多智能體編排者”
加密交易平臺 Coinbase 在一篇技術分享中披露，其內部多智能體開發工具“Mux”正在重塑軟件工程工作流，使工程師角色從傳統的代碼實現者轉向 AI 智能體的任務編排者。隨着 Cursor、Copilot、OpenCode 及 Claude Code 等 AI 編程工具在內部全面普及，代碼生成效率顯著提升，但開發流程仍長期停留在“單任務、單分支、順序執行”的傳統模式，形成新的協同瓶頸。Mux 正是在這一背景下誕生的內部工具。該系統通過爲每個 AI 智能體分配獨立 git worktree、分支與終端環境，實現多任務並行開發與無衝突協作，使工程師能夠同時指揮多個智能體處理 API 開發、測試編寫、漏洞修復及代碼重構等任務。數據顯示，截至 2026 年 4 月，Mux 已在 Coinbase 內部覆蓋 600+用戶（含工程師、產品與設計人員），其中 335 人保持活躍使用，197 人爲高頻用戶，共推動在 461 個代碼倉庫、10 個組織中完成超過 5,000 個 PR 合併。使用 Mux 的工程師平均 PR 合併數量達到 39.6，是基線水平 11.4 的約 3.5 倍。Coinbase 表示，Mux 的成功依賴於其內部基礎設施能力，包括 LLM Gateway、安全模型接入以及代碼流部署系統，使多智能體工具能夠深度嵌入真實開發流程，這一趨勢標誌着軟件工程範式正在發生結構性變化：在 AI 降低代碼生成成本後，工程師核心價值正從“實現能力”轉向“問題定義與智能體編排能力”。
AI 代理加密支付基礎設施存在重大安全漏洞，LLM 路由器已致 50 萬美元錢包被盜
據 CoinDesk 報道，來自加州大學聖巴巴拉分校、加州大學聖地亞哥分校、區塊鏈安全公司 Fuzzland及 World Liberty Financial 的研究人員聯合發佈論文，警告稱"LLM 路由器"——即位於用戶與 AI 模型之間的中間服務——已成爲加密資產安全的重大隱患。研究人員發現，26個 LLM 路由器正在祕密注入惡意工具調用並竊取用戶憑證，其中一起事件導致客戶價值 50 萬美元的加密錢包被清空。 此外，研究人員通過"污染"路由器生態系統，在數小時內即可控制約 400 臺下遊主機。由於私鑰、API 憑證等敏感數據往往以明文形式經由這些路由器傳輸，用戶實際上在毫不知情的情況下將資產暴露於風險之中。 研究人員指出，隨着麥肯錫預測 AI 代理到 2030 年將中介 3 萬億至 5 萬億美元的全球消費商業，幣安創始人趙長鵬亦預測 AI 代理的支付量將是人類的百萬倍，當前基礎設施安全性嚴重滯後於行業發展速度，"最弱環節"風險或將引發系統性連鎖危機。
研究發現第三方 AI 路由器存安全漏洞，或致加密貨幣被盜
據 Cointelegraph 報道，加州大學研究人員近日披露，部分第三方 AI 大型語言模型（LLM）路由器存在安全風險，可能導致加密貨幣資產被盜。 研究顯示，LLM 路由器作爲 API 中介，能夠讀取明文信息，部分路由器被發現注入惡意代碼並竊取憑證。團隊測試了 28 個付費及 400 個免費路由器，發現有 9 個路由器主動注入惡意代碼，2 個部署規避觸發器，17 個訪問 Amazon Web Services 憑證，甚至有路由器通過研究人員的以太坊私鑰轉移 ETH。 研究指出，路由器的惡意行爲難以檢測，且部分 AI 代理框架的“YOLO 模式”可自動執行命令，增加安全風險。研究建議開發者不要讓私鑰或助記詞通過 AI 代理傳輸，並呼籲 AI 公司對響應進行加密簽名以加強安全。
研究：AI 代碼審查可壓縮審查時間，但質量隱患不容忽視
據 Rohan Paul 發佈的研究摘要，一項針對 207 個 GitHub 項目、102 萬次拉取請求的大規模研究顯示，引入 AI 代理審查可將代碼審查時間縮短 2.5 至 4.5 天/KLOC，但代價是審查質量下滑——AI 參與的審查中，78%~94% 的 PR 存在"審查異味"（review smells），高於純人工審查的 69%~76%。研究指出，反覆分配同一 AI 審查員身份是導致審查多樣性下降的主要原因。值得注意的是，早期大量引入 LLM 審查的項目並未獲得顯著效率提升。
微軟前AI團隊創立Skyfall AI，豪擲100萬美元實驗“AI CEO”運營真實企業
由前微軟 AI 團隊成員創立的人工智能初創公司 Skyfall AI 宣佈，將斥資最高 100 萬美元收購一家小型 B2B SaaS 或電商企業，並嘗試讓 AI 系統全面接管公司運營，以驗證“AI CEO”是否能夠管理真實商業組織。Skyfall AI 聯合創始人 Sam Pasupalak 和 CTO Kaheer Suleman 認爲，當前 AI 行業普遍聚焦於打造“自主員工”（autonomous employee），即讓 AI 逐步替代單個崗位任務，但這並非真正的企業自主化。他們希望通過運營一家真實企業，測試 AI 能否覆蓋定價、市場營銷、客戶支持、財務和運營等全流程決策。該項目目標是讓 AI 作爲企業核心管理者，在減少人工干預的情況下推動公司收入增長，並公開記錄實驗過程中的成功與失敗。Skyfall 創始人表示，現有大語言模型（LLM）雖然在已有知識和固定環境中表現出色，但面對競爭變化、客戶行爲變化和市場動態時，持續學習能力仍存在不足。因此，公司正在探索名爲“Enterprise World Models”的新型 AI 架構，希望讓 AI 理解企業運行狀態並預測決策對未來發展的影響。Skyfall AI 由 Maluuba 團隊成員創立。Maluuba 曾於 2017 年被微軟以約 1.6 億美元收購，其技術後來成爲微軟加拿大 AI 研究佈局的一部分。（Forbes）
Vitalik 髮長文深思 AI 演進：人機深度融合或是應對 AGI 風險的最優解
據以太坊聯合創始人 Vitalik Buterin 於 7 月 20 日在 X 發佈的系列推文，其就 AI 能力增長與人類未來展開深度思考。 Vitalik 將機器能力演進劃分爲三個階段：工業革命（物理重複勞動）、計算機時代（可邏輯定義的腦力任務）、以及 LLM 時代（基於海量樣本定義的腦力與部分體力任務）。他指出，當前核心問題在於：LLM 加上後續改進，是否最終能覆蓋所有人類獨特能力，抑或仍需第四、第五次技術浪潮。 在 AGI 定義上，Vitalik 提出：AGI 是指若將其上傳至機器人軀體、人類突然消失後，仍能獨立延續文明的 AI。他強調 AGI 一旦實現，將是"不可逆的轉折點"，人類對地球的主導權將僅剩歷史慣性而非能力優勢。 對於未來路徑，Vitalik 寄望於人機深度融合——通過腦機接口、意識上傳等技術抹除人機二元邊界，使人類在技術天花板到來前始終保持競爭力。他同時呼籲保持全球政治與經濟多元化，避免單一國家或企業壟斷 AI 優勢，並表態支持 AI 發展"減速"與"暫停"提案，傾向於以開源權重模式實現去中心化減速，而非依賴強硬政治手段。
比特幣挖礦算力週期被指與AI基礎設施需求相似
Clem Chambers 表示，中國 LLM 追趕 OpenAI 和 Anthropic 不意味着 AI 繁榮結束，LLM 只是 AI 產業的一部分。其認爲，免費或開源模型不會削弱 AI 需求，企業和政府仍需要更高水平的 AI 能力。 他將 AI 基礎設施需求與比特幣挖礦進行類比，稱二者均圍繞每千瓦算力和每千瓦時成本展開。硬件、能源、冷卻和渦輪等環節無法免費提供，相關價值鏈受資源和更新週期約束。 Chambers 指出，AI 需求推動硬件和軟件持續迭代，設備可能面臨類似加密挖礦的更替週期。他認爲，AI 成本基礎不僅來自模型本身，還來自算力分配和基礎設施投入。（Forbes）
BNB Agent Studio正式上線BNB Chain主網
BNB Chain 宣佈 AI Agent 開發平臺 BNB Agent Studio 正式上線主網。開發者可在 Cursor、Claude Code 等 AI 編程工具中通過一句提示詞完成 Agent 的錢包創建、鏈上身份註冊（ERC-8004）與部署，無需分別搭建錢包、身份、支付、託管和 LLM 接入。Agent 部署後可通過 x402 協議從用戶預充值錢包中自動扣費續費 LLM 用量，並藉助 ERC-8183 任務接口被其他 Agent 發現和調用，全程運行於 AWS Bedrock AgentCore。官方同時推出限時免費試用活動，用戶憑 GitHub 賬號即可在 BSC 測試網體驗完整部署流程。
Coinbase CEO：Coinbase將支持pre-IPO永續合約、股票期權及代幣化股票
Brian Armstrong 在 X 平臺發文表示，Coinbase 現已包含 pre-IPO 永續合約、股票期權，並將很快支持代幣化股票；Coinbase 還重新設計了 Coinbase Advanced，並開始整合美國與國際用戶、Coinbase 與 Deribit 用戶之間的全球流動性。CoinbaseDev 正在爲企業提供穩定幣支付能力，推出基於其合規技術棧的全託管賬戶，並上線新的開發者工具儀表盤。Base 方面，Coinbase 宣佈推出私密交易和網頁版 Base App。Coinbase 也正在成爲 AI 的金融賬戶，支持爲 AI 代理提供錢包、獲取 AI 驅動的金融建議，並將 Coinbase 賬戶連接至用戶常用的 LLM。
相關新聞
研究：AI 代碼審查可壓縮審查時間，但質量隱患不容忽視
據 Rohan Paul 發佈的研究摘要，一項針對 207 個 GitHub 項目、102 萬次拉取請求的大規模研究顯示，引入 AI 代理審查可將代碼審查時間縮短 2.5 至 4.5 天/KLOC，但代價是審查質量下滑——AI 參與的審查中，78%~94% 的 PR 存在"審查異味"（review smells），高於純人工審查的 69%~76%。研究指出，反覆分配同一 AI 審查員身份是導致審查多樣性下降的主要原因。值得注意的是，早期大量引入 LLM 審查的項目並未獲得顯著效率提升。
微軟前AI團隊創立Skyfall AI，豪擲100萬美元實驗“AI CEO”運營真實企業
由前微軟 AI 團隊成員創立的人工智能初創公司 Skyfall AI 宣佈，將斥資最高 100 萬美元收購一家小型 B2B SaaS 或電商企業，並嘗試讓 AI 系統全面接管公司運營，以驗證“AI CEO”是否能夠管理真實商業組織。Skyfall AI 聯合創始人 Sam Pasupalak 和 CTO Kaheer Suleman 認爲，當前 AI 行業普遍聚焦於打造“自主員工”（autonomous employee），即讓 AI 逐步替代單個崗位任務，但這並非真正的企業自主化。他們希望通過運營一家真實企業，測試 AI 能否覆蓋定價、市場營銷、客戶支持、財務和運營等全流程決策。該項目目標是讓 AI 作爲企業核心管理者，在減少人工干預的情況下推動公司收入增長，並公開記錄實驗過程中的成功與失敗。Skyfall 創始人表示，現有大語言模型（LLM）雖然在已有知識和固定環境中表現出色，但面對競爭變化、客戶行爲變化和市場動態時，持續學習能力仍存在不足。因此，公司正在探索名爲“Enterprise World Models”的新型 AI 架構，希望讓 AI 理解企業運行狀態並預測決策對未來發展的影響。Skyfall AI 由 Maluuba 團隊成員創立。Maluuba 曾於 2017 年被微軟以約 1.6 億美元收購，其技術後來成爲微軟加拿大 AI 研究佈局的一部分。（Forbes）
Vitalik 髮長文深思 AI 演進：人機深度融合或是應對 AGI 風險的最優解
據以太坊聯合創始人 Vitalik Buterin 於 7 月 20 日在 X 發佈的系列推文，其就 AI 能力增長與人類未來展開深度思考。 Vitalik 將機器能力演進劃分爲三個階段：工業革命（物理重複勞動）、計算機時代（可邏輯定義的腦力任務）、以及 LLM 時代（基於海量樣本定義的腦力與部分體力任務）。他指出，當前核心問題在於：LLM 加上後續改進，是否最終能覆蓋所有人類獨特能力，抑或仍需第四、第五次技術浪潮。 在 AGI 定義上，Vitalik 提出：AGI 是指若將其上傳至機器人軀體、人類突然消失後，仍能獨立延續文明的 AI。他強調 AGI 一旦實現，將是"不可逆的轉折點"，人類對地球的主導權將僅剩歷史慣性而非能力優勢。 對於未來路徑，Vitalik 寄望於人機深度融合——通過腦機接口、意識上傳等技術抹除人機二元邊界，使人類在技術天花板到來前始終保持競爭力。他同時呼籲保持全球政治與經濟多元化，避免單一國家或企業壟斷 AI 優勢，並表態支持 AI 發展"減速"與"暫停"提案，傾向於以開源權重模式實現去中心化減速，而非依賴強硬政治手段。
比特幣挖礦算力週期被指與AI基礎設施需求相似
Clem Chambers 表示，中國 LLM 追趕 OpenAI 和 Anthropic 不意味着 AI 繁榮結束，LLM 只是 AI 產業的一部分。其認爲，免費或開源模型不會削弱 AI 需求，企業和政府仍需要更高水平的 AI 能力。 他將 AI 基礎設施需求與比特幣挖礦進行類比，稱二者均圍繞每千瓦算力和每千瓦時成本展開。硬件、能源、冷卻和渦輪等環節無法免費提供，相關價值鏈受資源和更新週期約束。 Chambers 指出，AI 需求推動硬件和軟件持續迭代，設備可能面臨類似加密挖礦的更替週期。他認爲，AI 成本基礎不僅來自模型本身，還來自算力分配和基礎設施投入。（Forbes）
Coinbase 超 95% 代碼由 AI 編寫，AI 代理相當於 1200 名員工工作量
據 Cointelegraph 報道，Coinbase 平臺負責人 Rob Witoff 透露，目前該公司 95%~100% 的代碼由 AI 或大語言模型（LLM）輔助完成，較今年 2 月披露的 40% 大幅提升。目前公司每位工程師平均同時運行 5~10 個 AI 代理，AI 代理整體工作量相當於約 1200 名員工，預計到 2030 年這一數字將達到 10 萬名員工當量。AI 的大規模應用推動 Coinbase 於今年 5 月裁員 700 人（約 14%），並重組爲更精簡的高級團隊，2~3 人即可完成原先 10 人以上的工作。
SemiAnalysis：TTFT被高估？大模型推理瓶頸在於權衡交互性與吞吐
SemiAnalysis 發文指出，大模型推理中常被引用的“首 token 延遲”（TTFT, time-to-first-token）可能被市場過度關注，推理系統的核心維度並非“越快越好”，而是在“單用戶交互速度（tok/s/user）”與“整體吞吐效率（tok/s/GPU）”之間的權衡。在多數場景中，TTFT 對體驗影響有限，但生成階段的 Token 速度纔是關鍵變量。SemiAnalysis 總結稱，僅約 10%–20%的推理任務真正受限於延遲，其餘大部分場景更依賴吞吐與成本效率優化。