我说的“不确定”，是因为大家认为AI是确定的，都去搞AI了，把很多钱投进去，但AI对行业的影响到底有多大？如果期望和现实之间有很大的差距，那后面整个市场的预期都会受影响。

1、星空官方 问题在于，Agent要面对的数据，本来就不在同一个地方。

他的SpaceX股份有366天的禁售期，比标准的180天还长一倍。星空官方于是，一笔原本不起眼的财务投资，成了外界观察DeepSeek融资价格的窗口。

2、中超14轮积分榜：三、四名互换，西海岸第6，京沪3队濒临降级区

一旦答案默认摆在眼前，人类的判断过程就已经被改写了；但最可怕的是，我们竟对此习以为常。

3、雪登被禁赛三场，牛仔队冲传轮换再添变数

到2023年，平台男性用户占比也从不足10%飞升至30%左右，同期公司估值从60亿美元暴涨到200亿美元。

4、八仙里面居然藏着两位江苏人?

它的核心商业逻辑是：客户买到的是模型在自身场景中持续学习和迭代的能力。

5、尝试后空翻险伤刚愈右腿，巨人跑卫斯卡特博：仍将做自己_网易订阅

项目地址：https://github.com/anysearch-aiPrompt已死，loop当立 这就是最近网上热传热议，然后老黄黄仁勋给AI新趋势画的新重点： 啥是loop？这个词直译过来是“循环”，换成AI圈的说法就是： 你不再亲手给AI下指令，而是设计一个系统，让系统替你下指令、替你验收、不合格自己重来，直到活干完 嗯？这不就是如今Agent那一套吗？为啥又搞个新概念出来？ 暂且按下此疑惑不表，待我环顾一圈后发现，这个“loop”还真挺火—— 除了老黄，“龙虾之父”Peter、“Claude Code之父”Boris Cherny、吴恩达等一众大佬全都在谈、在大力推loop。

再往前倒两周，7月10日，OpenAI宣布GPT-5.6 Sol Ultra用64个并行子智能体，不到1小时完成了「循环双覆盖猜想」的完整证明——一个悬了50多年的图论经典难题。

有人说它“速度慢”，有人吐槽它会“混淆术语”、“不懂语法”，甚至还有网友直接指出，官网封面图里的阿拉伯语语法就有问题： 所以这次，我们围绕着官方信息提出的“内容丰实”、“细节真实”、“知识厚实”三个方向，设计了9道更具体的实测题，把额度测了个精光。

6、6场比赛踢了530分钟！比起被外界质疑，阿根廷队最担心的事情还是发生了

但绝大多数加盟店还是严格执行总部的所有标准，因为品牌价值是吸引客流的根本，任何单店的质量滑坡，经有些媒体发酵，都会伤害整个品牌，最终导致所有门店价值贬值。

如果说德国考验的是高速能力，法国考验的是复杂交互，日本更像是在考验系统能否快速适应另一套世界规则。

7、文班亚马谈NBA 2K27封面：希望成就来得更快，从不满足

话音刚落，全场再次掌声不息。

真机数据自然是所有人求知若渴的，但无法Scaling。

8、4个进球被吹！成都蓉城2-1逆转云南玉昆，7轮不败继续领跑积分榜

而这也解决了Agent自主开发之后很现实的一件事儿：活可以交出去，过程依然看得见，结果也始终审得清。

阿里云的判断也类似：Agent“有状态调度+无状态执行”的混合模式，对资源精细化管控提出了更高要求，算力系统的优化重心正全面由单卡峰值性能转向CPU-GPU的高效协同。

从功能角色看，有用户画像记忆和工具记忆。

9、随笔｜吴巧玲：又见南山

从底层HCU架构支撑的T2 Ultra芯片与HyperIntelliX系统，到中层开发者社区2.0与AI4S计算平台，再到上层七家联合的全域大模型安全体系——三层之间不是简单叠加，而是相互支撑的体系。

语言模型找到了token，具身智能还没找到自己的“token”，视觉、语言、动作这些模态得对齐进同一个表征。

10、NASCAR名宿公开质疑洛加诺冠军成色：“他还得拿出真本事给我看”

本月的LongStraw，又在固定GPU算力下把强化学习后训练推进到2M上下文。

随着参与调改的企业阵容越来越大，一些问题也随之而起：胖东来的做法是否普适？调改能否真正见效？人人都学胖东来，又是否会导致千店一面的同质化？ 两年前，在步步高超市调改初期，我们采访了胖东来创始人于东来，从“师傅”的视角预判了调改的成效，当时他对《中国企业家》表示，“现在很多企业遇到问题，也是一个改变的时点……信了以后改变就快了。

1、萧何李鸿章死后获谥“文忠”，慈禧宠臣荣禄也得此谥，公正吗？

所以这两年，美的数字化的主要任务，一个方向是DTC，打造用户交流的数字化平台，另一个就是全球业务的数字化。

2、数据里的棉纺织丨棉纺织市场大调查——市场氛围维持平淡，企业心态保持谨慎

在专门考察上下文记忆的RMBench中，π0.5的成绩约为10分，接近随机水平，MiniCPM-RobotManip则达到约53分。

3、狼队前锋回应罢训传闻：报道不实，我一直很职业

Token经济全面爆发以来，推理需求正在加速，算力缺口也在持续扩大。NBA扩军天价劝退詹姆斯？你不买有的是人买！在Acrab披露的一组自测中，GΞLIX 1运行260亿参数Gemma模型，使用40K KV Cache和1万Token输入，Prefill速度超过每秒1416个Token；在相同负载下，其表现是某主流通用桌面平台的7倍以上。

4、1993年本田Acty小卡无底价拍卖：右舵四驱仅行驶6万公里

任务路径越动态，CPU与NPU之间的协调就越重要。

5、巴萨赚大了！8000 万新援世界杯爆发！险些送阿根廷出局

第一个场景：人形机器人对海量物体进行分类。

6、文明实践丨小暑祛暑享美味 食品安全不松懈

关键是，搜到的这些数据都是实时的。

n=4时，有效序列在80B上花费5.1×单batch时间、在617B上花费4.4×，接近n=4的线性参考，远低于稠密注意力的16×膨胀。

如果到这步还搞不定，你就可以准备给它做思想工作了——把大量的正确示例喂给模型，训练它，并把这种能力固化到模型的参数里。

7、“这仍是梦”：印度新星首秀泪崩 将这顶国徽帽献给哥哥

至于拍摄，市场上从不缺人手，那些一时接不到活的视频团队一夜之间涌了进来。

从提示词到loop，四次范式跃迁 原理和方法搞懂了，最后的问题只有一个： loop为什么现在火了？ 虽然严格来说，loop Engineering这个概念只有不到三周的历史。

8、2-1，中超13轮不败！青岛西海岸3进球被吹，海港张源鲁莽铲球红牌

它是国内较早从产业侧切入这一方向的公司之一，也是目前少数在工业、能源等核心行业的零容错业务场景中，实现规模化生产应用的团队之一。

展望：更强的基座， 以及与强化学习的结合 博客最后透露了一点后续进展。

面壁围绕宇树Go2的完整运行链路做了系统级优化。

到这里，整盘棋的分工就清楚了：讯飞出AI底座和产业资源，爻方专攻机器人大脑，聆动通用具有最新升级的统一多模态具身大模型iFLYTEK-Embodied-Omni，并负责工业具身大脑-小脑-本体全链路。