← 返回首页
AI 情报日报 — 2026-06-03
高度相关
- Anthropic 秘密递交 IPO 草案，年化收入冲到 470 亿美元 — Series H 估值 9650 亿，一年翻 15 倍；Claude Code 是收入引擎，Dario 称有望超 OpenAI。AI 助手类产品的资本天花板被再次抬高，独立 AI agent 赛道仍在加速 来源
- Altman 公开收回"AI 就业末日论"，承认邮件/Slack 委托给 AI 后默默改回亲自打字 — 他的原话是"真正难替代的是工作里的人味"。对 aiself 教练/助手方向是个直接的产品观察:全权外包式的 AI 并不被用户长期接受,留下"人味"的接口设计可能比能力本身更决定留存 来源
- YC 全员 Agent 系统:350+ 工具注册表 + 每晚自动改进 — Pete 主导,从财务 SQL 查询起步演化成全员可见的对话系统,每晚自动阅读当天所有对话改进技能(Dream Cycle)。"AI 能力默认对每个人开放、对话全员可见、Agent 包裹确定性工具"——这是教练/助手类 agent 产品的一种可借鉴架构 来源
- Anthropic 上线"双记忆系统" — 出现在腾讯研究院本周关键词 Top50 中。记忆是 aiself 核心能力之一,这次是 Anthropic 在 Claude 产品侧的官方记忆架构,值得专门拉一手原始资料看 来源
- 腾讯发布 Hy-Memory — 同样登榜本周关键词,中文厂商的记忆系统对照 Anthropic 双记忆,值得作为竞品/参考一并研究
中度相关
| 动态 | 相关性 | 来源 |
|---|---|---|
| Claude Opus 4.8 登顶 ARC-AGI-3,得分是 GPT-5.5 的近 4 倍,单次评测成本 1 万美元 | Agent 在未知环境的适应力跃升,但成本曲线还很陡 | 链接 |
| 阿里 Qwen3.7-Plus 发布,多模态智能体连续运行 11 小时、生成万行代码 | 长时任务能力 + 视觉操控,可作为 aiself 端到端能力的参照线 | 链接 |
| 扣子 3.0 上线:多 Agent 团队协作,支持本地接入 Claude Code / Codex CLI | 国内"人 + Agent 团队"产品形态的代表,UX 参考 | 链接 |
| 强化学习之父 Sutton 发文批"被动表征"路线,主张"生成认知" | 偏理论,但触及"感知-行动一体、自主性、具身性"——和 aiself 持续上下文 + 主动行为方向同频 | 链接 |
| DeepSeek V4-Pro 降价,小米 MiMo-V2.5 降价 | 模型经济学持续下行,对小团队产品定价友好 | 链接 |
| NVIDIA Cosmos 3(16B/64B 全模态世界模型)登顶多个开源榜,Nemotron 3 Ultra 550B 成美国新 SoTA 开源模型 | 开源权重持续追近闭源,长期对端侧 / 私有部署有利 | 链接 |
背景信息
- 英特尔 18A 全面量产,陈立武在 Computex 发布锐炫 G3、至强 6+(单机架 15 万 Agent),开始走"机架级蓝图 + 定制芯片"路线
- NVIDIA RTX Spark 个人电脑超芯片预览,Microsoft、OpenClaw、Hermes Agent 作为首发伙伴,1 PFLOP 端侧 AI 形态成型
- 黄仁勋称 Marvell 是下一家万亿美元公司,英伟达已战略投资 20 亿;两人共识:AI 瓶颈正从算力/内存转向"连接"
- 库班观点:"CEO 必须用 AI",登上本周观点榜
PH & GitHub Trending 深研
Hermes WebUI
- 一句话:Nous Research 的 Hermes Agent 配套 Web/移动端 UI,让用户在浏览器或手机上调用本地/远程 Hermes Agent
- 链接:GitHub
- 核心机制:把 Hermes Agent 这种偏开发者的 CLI/SDK agent 套上一层多端 UI 壳;关键在"从手机也能调用一个跑在桌面/服务器上的 agent",形成"用户端轻、agent 端重"的拓扑
- 对 aiself 的启发:aiself 如果走"重 agent + 轻入口"的形态,UI 层完全可以这样解耦——agent 在哪不重要,关键是用户掏出手机就能找到它。同时验证了一个事实:开源 agent 想真正被普通用户用上,缺的是 UI 壳,不是模型
Headroom
- 一句话:在工具输出/日志/文件/RAG 片段送进 LLM 之前压缩它们,号称减少 60-95% token 且答案不变,提供 library / proxy / MCP server 三种形态
- 链接:GitHub
- 核心机制:在"工具结果 → LLM 上下文"这一步做透明压缩层。三种形态对应三种集成姿态:SDK 调用、网络代理、MCP 服务器,意味着不改 agent 代码也能塞进去
- 对 aiself 的启发:aiself 要长期持有"用户全上下文",上下文成本是核心经济学问题。一个独立的"压缩层"是值得借鉴的架构:把"原始记忆/工具输出"和"投喂给 LLM 的 token"解耦——存得多、喂得少。MCP server 形态意味着可以零成本接到 Claude/Cursor 上先试效果
ECC
- 一句话:跨 Claude Code / Codex / OpenCode / Cursor 的"agent harness 性能优化系统",统一管理 skills、instincts、memory、security
- 链接:GitHub
- 核心机制:把 agent 运行时常见的四件套(技能库、直觉/经验、记忆、安全策略)做成跨 harness 通用层。"research-first development"意味着工作流强制先做调研再动手
- 对 aiself 的启发:这是"agent 操作系统层"的一种思路——aiself 要不要做自己的 harness,还是站在 Claude Code / 类似产品上面?ECC 给出一个中间答案:核心资产(memory/skills/instincts)抽出来做跨 harness 共享,这样 aiself 即使切换底座也不丢用户积累的"自我"
Action Items
- 拉 Anthropic 双记忆系统的官方资料(技术博客 / 文档)+ 腾讯 Hy-Memory 资料,做一份"2026 年中主流 AI 助手记忆架构对比",作为 aiself 记忆设计的输入
- 拿 Headroom 在 aiself 现有原型上跑一次:把现在送进模型的 context 接它一道,测量 token 削减率和答案保真度,作为长期上下文经济学的实验数据
- Altman 收回末日论 + "人味难替代"这条放进 explore/,作为 aiself 产品方向(教练 vs 全权助手)讨论的素材