硅谷 AI 投资人 Elad Gil 昨天发布了自己对 AI 领域投资的总结回顾与预测。在他看来，过去四年 AI 经历了从 “技术迷雾”到“商业马拉松” 的变化：随着模型能力的不断提升，过去 12 个月里一系列 AI 应用落地的细分场景在得到验证，头部公司浮现，一定程度上，未来 1-2 年的市场格局初定，AI 应用层正进入收敛周期：
复合LLM应用 (compound LLM applications) 是一种结合大语言模型（LLM）与外部工具、API、或其他LLM的高效多阶段工作流应用。
做应用，就像和 AI 聊天一样简单。
刚刚，AWS亚马逊云科技上海AI研究院被曝解散！AI研究院首席应用科学家王敏捷在朋友圈中写道：「过去六年领导这个团队，正值外国研究机构在中国的黄金时期。」
自 ChatGPT 引爆公众认知以来，AI 开始渗透进写作、编程、设计等多个应用场景，推动人类进入“智能体（Agent）”时代。曾经遥不可及的自动化交互，如今正在成为现实。在这背后，一场关于基础设施的重构也悄然展开——从模型能力到部署体验，谁能打通智能 Agent 的“最后一公里”，谁就掌握了这场范式变革的主动权。
在过去很长一段时间里，科技圈似乎人均都成了“提示词工程师”，大家都在琢磨怎么用最精妙的语言驯服AI。但包括Andrej Karpathy在内的很多行业大佬已经开始反思了，他们认为，决定AI效果的关键，可能早就不是怎么问，而是你给AI喂了什么料。这个思路，就是最近越来越火的上下文工程（Context Engineering）。
我们知道，训练大模型本就极具挑战，而随着模型规模的扩大与应用领域的拓展，难度也在不断增加，所需的数据更是海量。大型语言模型（LLM）主要依赖大量文本数据，视觉语言模型（VLM）则需要同时包含文本与图像的数据，而在机器人领域，视觉 - 语言 - 行动模型（VLA）则要求大量真实世界中机器人执行任务的数据。
健身不戴表，等于没健身。 经常用 Apple Watch 的人都知道这里面的门道有多深，作为一个对打卡有执念的 Apple Watch 用户，我每天的头等大事，就是把三个圆环「活动、锻炼、站立」尽可能闭合。
当 OpenAI 在美国市场确立领先地位时，Perplexity 正选择另一条道路——悄然进军印度，在人工智能应用的下一个阶段展开竞争。这家以搜索为核心的人工智能初创公司正在全球第二大互联网和智能手机市场快速获取数百万用户，为大规模市场扩张奠定基础。
百度再推AI搜索一、百度再推AI搜索APP DataEye研究院发现，日前，百度再度推出一款AI搜索应用“Tizzy.AI”
