开源格局重塑，AI智能体迈入自我进化时代

今天的文章展现了一个正在发生剧烈转折的AI世界：一方面，美国开源AI的代表性旗帜倒下，中国力量在全球开源代码与OCR领域全面崛起；另一方面，AI智能体（Agent）正在从简单的工具调用走向复杂的自我进化与技能合成。从YC的创业风向到黄仁勋的硬核访谈，我们看到的不仅是技术的迭代，更是整个产业基础设施的重构。

AI风向与产业重构

YC Demo Day（W26）现场复盘：Make Something Agents Want

作为硅谷创业的风向标，YC的Demo Day向来是观察未来趋势的最佳窗口。本届最核心的变化在于叙事从“Make Something People Want”转变为“Make Something Agents Want”。这标志着AI创业的红利期已从面向人的C端应用，转向了为智能体服务的B2B基础设施。无论是AI Infra的占比激增，还是对物理世界机器人的押注，都说明了一个事实：纯软件的AI竞赛已入尾声，下一个十年属于能够驱动物理世界、并为智能体经济提供支撑的“硬科技”。

英伟达早不靠GPU躺赢！黄仁勋终极预判：10亿程序员时代将至，AI智能彻底廉价

黄仁勋在GTC后的深度访谈中，展现了他作为系统级架构师的终极思考。他提出“每瓦每秒产出的Token数”将成为新的竞争指标，并大胆预测未来程序员规模将扩展至10亿级。这并非简单的“取代人类”，而是通过智能体将编程门槛拉低，让每个人都能用自然语言指挥计算机。更重要的是，他强调了“协同设计”的重要性——从芯片到系统，必须作为一个整体来优化，这正是英伟达从一家芯片公司进化为“AI工厂”供应商的核心护城河。

中国开源与硬核突破

美国开源AI最后的旗帜，也倒了

Ai2（艾伦人工智能研究所）核心团队集体离职并加入微软，这标志着美国开源大模型领域的一座重要灯塔熄灭。资金困境是非营利机构在闭源巨头军备竞赛面前的必然宿命。这对比之下，中国开源模型正凭借更强的性能、更开放的姿态（如完全开源权重与训练流程）占据主导。这不仅是技术的胜利，更是开源经济学的胜利——只有具备商业造血能力或国家战略支持的体系，才能在算力昂贵的AGI时代生存。

InCoder-32B开源：320亿参数工业代码基座，保住通用代码能力，工业代码全线领先

北航团队发布的InCoder-32B展示了一条差异化的突围路径：不做通用大模型的陪跑，而是深耕工业代码这一垂直深水区。通过四套生产级仿真环境（芯片设计、GPU内核、嵌入式、3D建模）验证生成的代码，解决了通用模型在Verilog、CUDA等工业语言上的“幻觉”问题。这证明了在通用模型之上，叠加经过真实执行验证的高质量垂类数据，是构建专用基座模型的最优解，对芯片、航天等关键领域的国产化替代意义非凡。

全球OCR新王来自中国开源！GitHub狂揽73300+Star

PaddleOCR登顶GitHub OCR项目榜首，终结了谷歌Tesseract长达数十年的统治。这不仅是Star数的超越，更是技术代际的胜利。基于大模型技术底座，PaddleOCR解决了“异形框定位”等传统难题，并推出了5M参数即可媲美大模型的PP-OCRv5。在数据日益成为大模型核心资产的今天，OCR作为连接物理世界与数字世界的“眼睛”，其战略价值被重估。中国开源项目在这一基础赛道的领跑，意味着我们正在掌握数据入口的主导权。

Agentic Engineering与科学智能

认知重建之后，步入Agentic Engineering的工程革命

如果说Karpathy提出的“Agentic Engineering”是概念雏形，那么这篇4万字的实战记录就是其工程落地的教科书。作者从“一个AGENTS.md文件”出发，在实践中摸索出了一套包含22个Agent、27个Skill的完整体系。核心洞察在于：Agent的“接口”不是代码定义，而是上下文窗口中的信息组合。通过“文档即记忆”和“最小约束”原则，解决了一个困扰业界的难题——如何让AI在真实业务中可靠地协作，而不是仅仅作为聊天机器人存在。

什么时候Agent能自己写skill？｜Hao好聊趋势

Agent能否像人类一样，从失败中总结经验并自动封装成Skill？这是通往AGI的关键一步。文章梳理了从EXIF（探索驱动）、EvoSkill（失败驱动）到CASCADE（需求驱动）的最新学术进展，指出Agent自我发现技能的三条路径均已走通。更深层的问题在于Skill的组合与进化——目前的Agent在处理简单技能时尚可，一旦进入嵌套组合，错误率便会指数级上升。如何实现Skill的递归进化与自动化组合，将是下一阶段研究的核心。

上海AI实验室发布“AGI4S珠穆朗玛计划”，构建中国科学智能创新中枢

当大多数目光聚焦于商业应用时，上海AI实验室的“珠穆朗玛计划”将AI的疆域推向了科学发现的无人区。通过构建“算力-数据-自主实验”一体化的基础设施，该计划旨在用AI重构科研生产力。这种“通专融合”的路径，不仅是为了验证物理定理，更是为了解决新药研发、材料科学等领域的周期难题。这是一场举国之力的科研基础设施升级，AI不再仅仅是辅助工具，而是成为了科学家攀登高峰的“脚手架”和“氧气”。