Taalas引发争议：AI的端侧时代开启？最近在硅谷和华尔街，都在传一个数字：17,000。

不是道指、纳指，而是 Taalas 这家公司的芯片速度（基于Llama 3.18B）：

每秒 1.7 万个 Token。

比 NVIDIA 的主流方案快了接近 10 倍。 比已经很快的专用芯片 Groq 还要快 17 倍 以上。

而且不需要昂贵的HBM、以及高性能散热组件，成本只有 GPU 的几十分之一。

这很可能意味着，AI 迎来了一个全新的分水岭：端侧商业化普及。

Taalas是怎么实现的呢？

其采用了两个原则：

1、全面专业化：为每个独立模型定制最优化硅芯片；

2.、融合存储与计算：冯诺伊曼结构中，存储和计算分离，就导致二者之间数据交换存在隔阂；AI时代，这种隔阂限制了AI推理发挥。

Taalas则重新设计，基于存储与计算的融合和模型定制化，从底层重新设计硬件堆栈。

比如这一次就是把 Llama 3.18B大模型，直接“刻”在了硅片里。

这样做优势和劣处都很明显。

硬件和模型完全定制，不支持其他模型，甚至模型更新后也不一定能良好兼容。

那不是白费了吗？海外对Taalas的做法也很有争议。

我觉得有两个点：

1、对于场景清晰、需求明确、且 模型已经标准化/ 收敛路径清晰， 那Taalas的方案可以大幅降低成本，从而推动AI普及。

例如一些智能家居、AI小硬件产品。

2、Taalas在打造芯片定制设计平台，希望能实现快速、低成本的模型适配。

总体而言，NVIDIA 让 AI 变聪明了。而 Taalas 们，正在让 AI 变廉价。
价格是 AI 走进千家万户的关键。未来也是 端+云的配合。

Taalas的消息意味着，端侧AI、边缘计算又有了新催化。

Singapore forrest garden & flower dome：
如果没去过上海辰山植物园，会觉得很惊艳；

但是，一想到辰山植物园又便宜又大又丰富，就忍不住要感叹上海的国际化[庆祝]

真的，外地朋友如果来上海玩，辰山植物园真推荐

分享一个我收到的非常的春节礼物
阿里云无影发布了一个App：无影JVS，
这是首款基于OpenClaw打造的智能体协作平台
目前还在测试阶段，而我很幸运拿到了邀请码、抢先体验了一把

无影JVS有几大优点，第一个就是非常简单、便捷
OpenClaw是2026年最火的智能体，席卷全球
但也被指责为精英圈的狂欢
因为它的配置过程挺繁琐的，要下载运行环境、配置API、调试等等
即使程序员都要折腾一番，普通人更是麻绳提豆腐，别提了

但是，科技一定要普惠大众的，于是，无影JVS应运而生
你不需要懂任何代码、甚至连大模型API都不需要
只需要下载一个App、手机登陆、给bot起个名字、就自动完成部署，
多个专属的智能体，直接可以干活了
真正的普通人也实现一分钟就上手

而且每个Agent都自带了丰富的技能，可以应对多个场景
而且技能还会不断增加
还有严谨、活泼、幽默等多重属性，满足各种任务需求

比如我先设置了一个严谨风格的内容助理，
希望它每天帮我做好资讯搜集、并推送给我；
下达指令后没多久，它就完成了任务设置，
做好了信息源筛选、并整理好了信息
来看一下，完成度很高
有来源、有时间、有摘要、有要点，
需要详细信息的话可以进一步下达任务

而且，你拥有的不是一个Agent，
而是一组功能、风格不同的智能体成员，互相协作
我下达指令后，运营很快就建好了一个协作群
还整了一个群聊公约，挺好玩的
三个智能体，分别负责信息搜集、内容撰写、图片生成等任务
接到指令后，他们还会互相商量、讨论，
选出合适的选题后再执行写作
整个过程也都可以观测、也可以随时插话打断他们
没多久，文章就完成了
可以同样高效地干下一份活了

很多人使用Agent还有个担心，就是本地信息的安全
而无影JVS采用的是云电脑，未来还会上线云手机
为Agent构建了专用环境，实现安全隔离
既可以完成工作，又不会影响本地信息

据了解，无影JVS后续还具备多节点能力
也能支持云手机和云电脑之间的跨系统执行任务
随时随地、更加方便

无影这份新年礼物，真心地推荐给你
一起轻松玩转智能体

为什么AIDC耗电量比IDC显著增加这么多？1、核心芯片

传统数据中心以 CPU（中央处理器） 为核心，其设计初衷是处理各种复杂的逻辑任务，功率相对受控（通常在 $200W$ 到 $400W$ 之间）。

而 AI 数据中心的核心是 GPU（图形处理器） 或 ASIC（专用集成电路）。
功耗显著提高：单颗高性能 AI 芯片（如 Blackwell 或 H200 系列）的功耗已经逼近甚至超过了 $700W$ - $1000W$。

而且，数万个核心同时在高频下满载工作。

2、机架密度

传统机架： 每个机架的功率通常在 $5kW$ 到 $15kW$ 之间。
AI 机架：随着 NVLink 等高速互联技术的发展，为了减少延迟，服务器必须紧密堆叠。现在的 AI 机柜功率普遍在 $40kW$ 到 $100kW$，甚至更高。

同样的占地面积，AI 机房对电力的需求是传统机房的 5-10 倍。

3、“冷却税”

传统数据中心靠风扇吹冷风（风冷）就能解决。但 AI 芯片产生的热量太集中，风冷已经达到了物理极限。

于是，液冷引入。

为了压制 AI 芯片的高温，必须使用冷板式液冷或浸没式液冷。虽然液冷更高效，但驱动庞大的泵送系统、冷机以及换热设备，依然需要消耗惊人的电量。

4、任务模式

传统负载： 比如网页浏览或邮件系统，负载是波动的，服务器经常有“休息时间”。间歇性工作。
AI 训练负载： 一个大型语言模型（LLM）的训练任务一旦开始，数万颗 GPU 就会进入 100% 满载状态，且这种状态会持续数周甚至数月，几乎没有任何停歇。

这种“全时高能耗”是传统业务无法比拟的。

5、存储与网络

AI 不仅仅是计算，还需要海量的数据吞吐。

HBM（高带宽显存）： 为了跟上 GPU 的速度，AI 服务器使用了大量的 HBM。虽然它效率高，但在如此巨大的规模下，显存本身的功耗也变得不可忽视。

高速互联： 维持数万颗芯片之间“秒速通信”的光模块和交换机，本身也是发热大户。

本来已经进入春节放假状态，但早上又看到科大讯飞董事长刘庆峰的年会演讲稿，干货很多，对于理解国内AI、理解科大讯飞都很有帮助。

所以，整理了一些金句、以及我的点评。

我有个直觉就是，可能看到了科大讯飞的“底牌”。

这些底牌，不是刚刚发布的、性能媲美GPT-5的星火X2，也不是那些财务指标，而是讯飞在AI深水区行走近30年后，所积淀出的战略前瞻与定力。

在算力资源、战略使命的要素下，讯飞越来越擅长这场“非对称作战”。也期待2026年这些底牌，转化为公司业绩、股东回报、大众和国家的AI红利。

如果视野放大一些，这次产品接入，对百度集团也是一次加分项。

AI的技术日新月异，仅靠大厂内部智力资源，是不够的。
对外而言，百度通过开放Skill接口和接入 ClawHub社区，完成了一次研发权力的“众筹”。它不再仅仅依靠内部团队去穷尽所有的应用场景。对内而言，通过对先进产品的接入，也相当于拥有了全球的开发资源，拓展了百度的能力边界。
“内部自研+全球开源智力”并举的模式，会加速百度的迭代进化。
这次开放、主动去中心化，把内部各产品重塑为能力模块，也是在夯实一个心智：百度不是几款App，而是一套AI时代的“动力底座”。当然，这也需要持续和用户、开发者进行互动和反馈。
写到这儿，很多人也会问，既然开放这么好，为什么别的公司不做？因为，开放，不仅需要技术平权的愿景、勇气，也需要底气。毕竟，哪家公司也不希望自己为别人做嫁衣、而逐渐没落。
百度的底气，不仅在于多款搜索、文库、网盘等多款产品依然有着国民级流量，更在于其“昆仑芯+智能云+文心大模型+萝卜快跑/智能体等各类应用”的全栈布局。 2011年成立的昆仑芯，经过持续投入，已经有了行业第一梯队的出货量；去年4月份推出的昆仑芯超节点，采用了自研芯片P800；其自研的X-Link协议，把卡间带宽提升8倍，实现了国内最低的延迟。而单个超节点就支持万亿参数模型训练的天池512，今年也会正式上市。
百度智能云，成为65%央企、100%系统重要性银行及800+金融机构、以及众多厂商的选择。文心大模型5.0，作为原生全模态大模型，在训练方法实现了全模态统一理解和生成，实现了大参数、低成本。
综合而言，根据我多年的跟踪观察：
百度正在“变重”，其全栈布局在AI竞争中越来越有分量；
百度正在“变轻”，开始加大连接、对新产品保持敏感，就像这次接入OpenClaw一样；
百度正在“变厚”，因为它开始将百度App塑造为“万能插座”，在其之上竖立千万产品；
百度也在“变宽”，作为AI动力底座，加大生态的培养。
在AI时代的丛林里，走得最快的未必赢，但连得最广、保持开放创新的，一定能到达终点

引入OpenClaw，也是有利于用户、开发者、百度App的“一箭三雕”的顺势而为。

百度App依然是7亿月活用户的重要入口，以往是主要是用以搜索；但现在，百度App从“信息搬运工”变身成了“数字指挥官”，将原本散落在生态各处的衣食住行服务，通过Agent的“红线”串联了起来。
设想一个场景，你希望安排一个春节滑雪之旅，在传统模式下，需要在搜索、地图、预定、甚至网盘之间反复横跳，繁琐也累。
而现在，用户只需在百度App里下达一个指令，OpenClaw 就会先搜索雪场实时天气，紧接着自动调取百度地图规划避堵路线，同步调取携程的专业滑雪攻略，并顺手将所有行程单、票据一键归档至百度网盘，甚至可以自助预定支付。
这不仅是一款解决实际问题的高效工具，更让非技术用户（如学生、老年人）也能便捷使用，而且在一个入口就可以满足学习、工作、生活全场景需求。
另外，对于开发者而言，巨头的能力像是锁在深宅大院里的宝藏，想要调用，还得翻过繁琐的API文档、和审核的围墙。
但现在，百度“拆墙了”，将积攒二十余年的搜索、百科、复杂任务研究、电商等核心能力，“原子化”成了标准化的 Skill（技能包），并上线到了OpenClaw社区的技能平台ClawHub。

比如，百度优选官方电商Skill，是OpenClaw生态首个官方级电商能力插件，将百度商品知识图谱与CPS供应链能力封装为标准化工具。这意味着，智能体从此可调用跨平台比价、口碑分析、选购知识等结构化能力，一站式完成从找货到决策下单的全流程电商任务。
开发者再也不用去“重复造轮子”。只需要简单的标准命令，就能让你的 Agent 瞬间拥有百度级别的各项能力。也让 OpenClaw 这种原本擅长“手脚干活”的工具，瞬间接上了一个沉淀了海量中文知识的“外挂大脑”，从“能执行”进一步走向“更聪明、更专业地执行”。
整个过程就像在乐高超市里选购零件一样轻松，开发者就可以将精力、资源投入更有特色的功能开发。
同时，在为用户、开发者带来的红利，也推动百度App实现了角色转换。
此前，百度APP文心助手也已接入近5万个MCP服务，此次OpenClaw的接入，则更进一步。
原本独立的百度旗下、甚至其他公司的后台服务，因为一个具体的场景驱动，同时被激活、联动。这种从“点”到“面”的调度，让用户从“查完就走”转向了“深度关系”。百度App也有望转换为个人助理，并真正将AI进化的权利部分交给用户。
毫无疑问，开放的红利，啥时候都不过时。

和传统互联网时代追求“封闭、垄断”所不同，AI行业其实是非常需要开放的。

虽然大厂一直在提高模型性能，期待一个通用大模型来解决一切；但残酷的现实却是，单体大模型的能力是有边界的。真实世界却是充满各类碎片化的需求，而且需求还在不断变化、增加。
一款处理通识逻辑的天才模型，但面对特定的财务流程、实验室的数据、或家庭琐碎事务时，可能就是无处下手。
但是，用户期待的是“一个万事皆会的贾维斯”，只通过一个入口、一些对话，就能解决需求。而且，就像常说的，用户不是想买电钻，是买墙上的那个洞；他们也不关心底层模型是什么，而是希望需求被满足。
产品的本质永远是满足用户需求。所以，站在终局来看，一个希望成为用户喜爱的AI入口，其背后不应该、也不可能，只靠一款大模型或者一家公司开发的模型，而是开放包容了各类模型，或者可触达所有Agent。
这就会对竞争格局带来影响：
当大模型性能你追我赶、甚至未来会同质化竞争时，谁能通过开放集成，最快地交付“确定性的结果”，谁就赢得了用户。
百度App接入 OpenClaw，也是站在了前文论述的立场和理念上，回到用户需求、认可“术业有专攻”，让最合适的产品去解决最具体的问题。毕竟OpenClaw作为一种高度可定制的Agent框架，其“执行、交付”能力也已经得到了广泛认可。
另外，开放不只是产品理念，也是AI普及的必然。AI不应该是少数人的红利，而应该是大众的赋能。
OpenClow虽然能力令人惊叹，但也因为配置流程复杂，一度被批评是少数精英的狂欢，和大众无关。所以，百度App支持一键配置OpenClow，也是把技术的复杂性封装了起来，大幅降低使用门槛，提供了普通人也可以即插即用的便利。
也只有如此，AI才可能成为真正的生产力。如果一个系统过于封闭，数据维度不够、算法更新过慢，反而会导致智能的迟钝。
这种平权不仅具有社会意义，也具备商业上的先发优势——谁能先消灭复杂性，谁就能先赢得最广泛的普惠红利。所以，百度选择开放，也是在押注更具有生命力的方向。
不只是百度，整个中国AI行业，也是在践行开放促进发展。尤其我们大模型的开源深得全球用户认可，以致于美国都嘲讽OpenAI变成了CloseAI。
所以，AI需要开放，也需要更多像百度App这样的举措。

回看支付宝的每一次进化，都是在基础设施层面的重塑：
1.0 时代，推出担保交易，解决了陌生人之间的信任问题，奠定了电商的基础；
2.0 时代，推出移动支付，解决了随时随地的连接问题，奠定了o2o的基础。
3.0 时代推出了AI 支付，正在解决硅基智能与碳基社会的融合问题，也将奠定智能体经济的基础。
虽然这次千问的活动，以下单买奶茶最为出圈，但实际上，AI也可以打酱油了：识别意图、执行交互、完成交易。而且我相信，在AI付的支撑下，智能体的发挥，会越来越出色。
当我们夸赞智能体干得漂亮时，AI付的愿景也就实现了。

有人觉得支付宝AI付这件事儿，只是一次支付方式的常规技术升级，就像从“刷卡”到“扫码”；但我觉得，远不止此。
扫码只是改变了介质，把磁条变成二维码，而AI付，人可以指定规则让Agent来完成。这个变化，带来的影响有望超越移动支付。
首先，交互逻辑被真正重构。
过去二十年，我们的数字生活被GUI（图形用户界面）所统治。用户需要在菜单迷宫里戳戳点点，才能实现需求。这是人找服务的低效模式。
大模型带来的是向LUI（语言用户界面）的跃迁。设想之下，用户只需要用一句或几句自然语言，就能实现所需，效率自然很高。但从对话到结果，之前卡在支付环节。而支付宝AI付的接入，让期待的交互逻辑重构，真正实现。继而迎来像Windows取代DOS那样的商业变迁。
伴随交互变革而来的，是更深层的信任重构。
陪聊的AI，胡说八道也无伤大雅；但掌控钱袋子的AI，每个动作、每个回应都得精准无误。这便是诸多大模型、AI应用，无法完成交付的原因。因为，用户的信任不够。
对比之下，千问活动让我们看到，一方面，可以通过模型性能提高，降低幻觉，提高靠谱度；另一方面，支付宝AI付，仍然要积极扮演着AI时代“数字守护”的角色。
它不仅仅验证密码，也能基于多年的风控模型，通过验证意图来提高信任：这个指令是否符合用户的习惯？是否超出用户的风险承担能力？等等。
AI时代的支付服务，从“验证密码”到“验证意图”都变得更重要了，需要为AI的“概率性生成”，加上金融级“确定性保障”。

而在人类商业史上，每一次信任技术的突破，也都会带来交易范围的扩大、商业边界的拓展。
15 世纪美第奇家族发明了信用证，引爆了全球贸易；2004 年支付宝引入了担保交易，激活了电商。这一次，支付宝AI付，也不例外。
商业模式的重构也在发生。当下的互联网是注意力经济，巨头们依靠流量贩卖、广告展示来赚钱。但在AI时代，则会失效。
一是AI对话框太窄了，塞不下广告，用户甚至不会看、而是说、然后等结果；二是广告模式和AI的初心不搭，纵然是OpenAI，尝试在回答里植入广告也被嘲讽。
AI时代是“意图经济”时代。商业价值的衡量标准，从吸引用户看多少次广告，变成了为用户办成了多少事儿。
履约能力，胜于流量。交互、信任、履约，这是未来几年会持续看到变化的方向，也成为支付宝面向AI时代的新战场。