“記憶”正在成為一個全新的關鍵技術領域,尤其是在生成式 AI 語境下,。如果我們想要構(gòu)建不僅能回應人類還能進行自我反思的 AI,,那么它就必須具備記憶能力。越來越多的公司開始在“記憶能力”上投入大量資源,,尤其是像 Open Evidence 這樣專注于長期智能交互的公司,。這也是 AI 從工具轉(zhuǎn)變?yōu)椤昂献髡摺钡年P鍵一步。
以醫(yī)療為例,,有了記憶能力,,醫(yī)生可以精準回憶起每一次與病人的互動細節(jié),甚至是溝通方式的演變——而這些,,在今后的 AI 輔助醫(yī)療中將變得尤為重要,。
關于基礎設施部署的問題,彭博《Big Take》提出了一個觀點:一家企業(yè)的突然崛起,說明中國的相關產(chǎn)業(yè)正在迅速發(fā)展,,幾乎沒有受到美國政策或政治不確定性的影響,。超過 50% 的 AI 研究人員都在中國。結(jié)合這些情況,,中國的 AI 產(chǎn)業(yè)確實發(fā)展迅速,,而且他們也在研究類似的問題。
中國確實擁有非常優(yōu)秀的研究人員,,但美國同樣擁有最具創(chuàng)造力,、最聰明的研究人才。就在最近,,紅杉年度峰會邀請了業(yè)界最頂尖的 150 位專家參加,,從黃仁勛、Sam Altman 到一些非常有潛力的年輕新星,,全部到場,。最受關注的技術議題是一個名為 “Tool Use” 的概念,也就是讓 AI 能夠相互協(xié)作,。目前,,我們已經(jīng)有了一個全新的協(xié)議,叫做“MCP(Model Context Protocol)”,,它可以讓所有這些 Agent 和軟件互相溝通,、共享信息。
MCP 的真實應用案例之一是一家投資組合公司 Rocks,,它能夠幫助頂尖銷售人員完成非常深入,、精準的背景調(diào)研,并通過 MCP 協(xié)議將所有信息整合,,自動生成一套量身定制的提案演示文稿,。甚至可以接入 Cognition 或 Cloud Code,,自動生成一個完整的產(chǎn)品演示 demo,。
接下來,我們將看到 AI Agent 生態(tài)系統(tǒng)的興起,。想象一下,,多個 AI Agent 彼此配合,就像一個跨學科的專家團隊一樣完成任務,。這種模式的最大價值在于擴展能力:你不再局限于一個模型的能力,,而是可以調(diào)用整個生態(tài)系統(tǒng)的集體智慧。這也意味著,,AI 將變得越來越像一個合作伙伴,,而不是一個工具。它將能夠與人類一起構(gòu)建知識、提出問題,、修正錯誤,。這是 AI 發(fā)展的下一個階段,也是決定哪個國家,、哪家公司領先的關鍵因素,。