支付宝发布“阿宝”Agentic终端交互引擎xUI，AI原生应用加速落地
在即将于8月21日至22日举行的AICon深圳大会上，蚂蚁集团支付宝AI端云交互负责人魏凤笛将分享《支付宝xUI——“阿宝”背后的Agentic终端交互引擎》。随着大模型能力向终端渗透，端云协同的Agentic终端成为AI应用落地关键形态。支付宝xUI面向AI场景构建了端云一体的智能化框架与运行时，已支撑支付宝AI版、金融理财、出行医疗等业务，并实现跨厂商、跨终端协作。该引擎通过统一协议、生成式交互UI、流式多模态传输、终端MCP与UI Agent执行技术，以及AHA智能体互联技术，解决了Agent通信、交互与协同挑战。魏凤笛指出，终端技术需打破刻板印象，以灵活开放的视角匹配大模型快速演进，支撑亿级用户APP的AI原生化落地。 #AI #支付宝 #xUI #Agentic #端云协同 #AICon #智能体 #终端交互
在即将于8月21日至22日举行的AICon深圳大会上，蚂蚁集团支付宝AI端云交互负责人魏凤笛将分享《支付宝xUI——“阿宝”背后的Agentic终端交互引擎》。随着大模型能力向终端渗透，端云协同的Agentic终端成为AI应用落地关键形态。支付宝xUI面向AI场景构建了端云一体的智能化框架与运行时，已支撑支付宝AI版、金融理财、出行医疗等业务，并实现跨厂商、跨终端协作。该引擎通过统一协议、生成式交互UI、流式多模态传输、终端MCP与UI Agent执行技术，以及AHA智能体互联技术，解决了Agent通信、交互与协同挑战。魏凤笛指出，终端技术需打破刻板印象，以灵活开放的视角匹配大模型快速演进，支撑亿级用户APP的AI原生化落地。 #AI #支付宝 #xUI #Agentic #端云协同 #AICon #智能体 #终端交互
AI基础设施“未来态”揭秘
随着2026年世界人工智能大会的召开，行业焦点从模型参数转向应用落地。数据显示，我国日均Token调用量已突破140万亿，较2024年增长1000倍，Token供需矛盾凸显。上海AI基础设施企业无问芯穹提出“前店后厂一中心”概念：算力集散中心统一调度异构算力，Token工厂高效生产Token这种数字商品，AI生产力商店则面向垂直行业赋能。Token被定义为可分层、可定价的数字商品，推理成本已降至三年前的1/10，未来有望再降1/10。该公司通过全栈技术贯通、生态信任和AI原生运营三大护城河，联合上海移动启动“天问计划生态联盟”，打通国产算力全链路，并发布面向具身智能的“云-边-端”一体化管理平台，推动智能普惠。 #AI基础设施 #Token工厂 #人工智能 #算力调度 #无问芯穹 #天问计划 #具身智能 #智能普惠
随着2026年世界人工智能大会的召开，行业焦点从模型参数转向应用落地。数据显示，我国日均Token调用量已突破140万亿，较2024年增长1000倍，Token供需矛盾凸显。上海AI基础设施企业无问芯穹提出“前店后厂一中心”概念：算力集散中心统一调度异构算力，Token工厂高效生产Token这种数字商品，AI生产力商店则面向垂直行业赋能。Token被定义为可分层、可定价的数字商品，推理成本已降至三年前的1/10，未来有望再降1/10。该公司通过全栈技术贯通、生态信任和AI原生运营三大护城河，联合上海移动启动“天问计划生态联盟”，打通国产算力全链路，并发布面向具身智能的“云-边-端”一体化管理平台，推动智能普惠。 #AI基础设施 #Token工厂 #人工智能 #算力调度 #无问芯穹 #天问计划 #具身智能 #智能普惠
Agent Swarm 让本地 AI 开发更具性价比
本地 AI 开发的 token 经济性一直很差。运行一个编码 agent 需要足够的显存来容纳模型和上下文，硬件成本高昂。例如，运行 Qwen3.6-35B-A3B 理想配置需 NVIDIA 5090 或两块 3090，单 stream 开发时输入速度约 2k tok/s、输出约 150 tok/s。按每天一小时计算，产生的 token 量通过 OpenRouter API 付费仅需约 0.80 美元，这意味着价值数千美元的本地算力几乎等同于一台 Chromebook。然而，新一代的 agent swarm（智能体集群）模式正在改变这一局面：它将任务委派并扩散给大量后台 agent，使 token 消耗大幅增加。假设单次 session 平均有 32 个后台 agent 并行工作，输入速度可达 20k tok/s、输出 1k tok/s，按 API 费率需支付约 7.06 美元。这反而让本地大模型硬件第一次有了合理利用 GPU 的方式，使得本地 AI 的价值不再被低估。随着 agent 循环和 agent 图模式越来越流行，本地 AI 的地位反而被增强。 #本地AI #AgentSwarm #大模型 #GPU #AI开发 #token经济 #Qwen #开源模型 #智能体集群 #硬件效率
本地 AI 开发的 token 经济性一直很差。运行一个编码 agent 需要足够的显存来容纳模型和上下文，硬件成本高昂。例如，运行 Qwen3.6-35B-A3B 理想配置需 NVIDIA 5090 或两块 3090，单 stream 开发时输入速度约 2k tok/s、输出约 150 tok/s。按每天一小时计算，产生的 token 量通过 OpenRouter API 付费仅需约 0.80 美元，这意味着价值数千美元的本地算力几乎等同于一台 Chromebook。然而，新一代的 agent swarm（智能体集群）模式正在改变这一局面：它将任务委派并扩散给大量后台 agent，使 token 消耗大幅增加。假设单次 session 平均有 32 个后台 agent 并行工作，输入速度可达 20k tok/s、输出 1k tok/s，按 API 费率需支付约 7.06 美元。这反而让本地大模型硬件第一次有了合理利用 GPU 的方式，使得本地 AI 的价值不再被低估。随着 agent 循环和 agent 图模式越来越流行，本地 AI 的地位反而被增强。 #本地AI #AgentSwarm #大模型 #GPU #AI开发 #token经济 #Qwen #开源模型 #智能体集群 #硬件效率
AI电影制作新尝试：Claude+Seedance打造短片
作者尝试利用AI工具链制作电影，使用Claude作为编剧生成分镜脚本，借助Seedance 2.0（通过Higgsfield API）生成视频片段，并结合nano banana制作角色参考图、ElevenLabs合成配音。整个流程经过约十五次迭代，最终完成一部短片。作者指出，虽然演示视频中宣称Claude Fable比Opus更擅长导演，但实际效果并非如此显著，结果基本真实。该流程可端到端运行，但初始效果平庸，需要人工多次干预优化。文中还讨论了成本估算、常见bug以及完美主义对迭代的影响，并分享了开源仓库供参考。 #AI电影 #Claude #Seedance #AI工具 #视频生成 #科技前沿
作者尝试利用AI工具链制作电影，使用Claude作为编剧生成分镜脚本，借助Seedance 2.0（通过Higgsfield API）生成视频片段，并结合nano banana制作角色参考图、ElevenLabs合成配音。整个流程经过约十五次迭代，最终完成一部短片。作者指出，虽然演示视频中宣称Claude Fable比Opus更擅长导演，但实际效果并非如此显著，结果基本真实。该流程可端到端运行，但初始效果平庸，需要人工多次干预优化。文中还讨论了成本估算、常见bug以及完美主义对迭代的影响，并分享了开源仓库供参考。 #AI电影 #Claude #Seedance #AI工具 #视频生成 #科技前沿