YouTube AI - 2026-05-18¶
1. 人们正在讨论什么¶
1.1 AI 基础设施再次被叙述为主权、瓶颈与选股问题 🡕¶
2026-05-18，基础设施主题再次升温，但今天的变化在于：同一个扩建故事，正在被转译为区域主权和投资者纪律。多条内容不再把 AI 仅仅视为模型竞赛，而是将其视为晶圆厂、数据中心、电力电子、融资，以及谁能攫取上行收益的问题。
!［AI 如何将半导体供应链推向极限 | Bloomberg Primer](https://www.youtube.com/watch?v=VdcD6qX8Xrc)
Bloomberg Originals 以 637,353 次观看量为这一主题定调。章节列表将 ASML 光刻、AMD 设计、AI 需求、TSMC 全球供应链、中国制造回流推动，以及美国新建晶圆厂置于核心位置。这说明，AI 热潮仍首先被讲述为一场受硬件和制造能力约束的故事，而非单纯的软件故事（视频）。
!［Mistral CEO：欧洲只剩 2 年时间——与此同时，已建成 30 亿欧元基础设施，ASML 投资 13 亿欧元](https://www.youtube.com/watch?v=OhOhxjjE0f8)
House of El 将同一套逻辑延伸至区域政治。简介称，Arthur Mensch 警告欧洲只有两年时间来建设自主 AI 基础设施；ASML 对 Mistral 的 13 亿欧元投资、欧洲支持的数据中心、主权云和 AI 超级工厂，则被呈现为完整欧洲技术栈的起点（视频）。
!［Navitas vs. POET：为何其中一家 AI 基础设施股票的布局更占优](https://www.youtube.com/watch?v=AlDvYBL0MwM)
Rick Orford - Trading Stocks and Options For All 将同样的瓶颈转化为公开市场尽调。简介比较 POET 和 Navitas 的营收势头、客户验证情况，以及 AI 数据中心需求是否已经跑在证据之前。这表明，基础设施讨论正迅速被金融化为选股框架（视频）。
讨论洞察： Koh Kim 的“七大科技股”资本支出回收期测试，以及 Bloomberg Podcasts 对中国芯片市场的采访，指向同一方向：如今，AI 基础设施的评判标准已不只是技术声望，还包括积压订单、利润率、贸易准入和资本效率（视频, 视频）。
与前一日比较： 2026-05-17，最强的权力叙事强调治理与政治控制。2026-05-18，硬件框架依然存在，但更多证据转向主权技术栈建设和投资者验证。
1.2 对 AI 的信任，仍取决于其说法能否被核验 🡒¶
信任主题保持稳定。当前最可信的内容，仍在追问 AI 输出、基准测试说法和安全保证是否值得相信；这些内容分别从产品营销、推理理论和有组织的公众施压三个角度展开。
!［Meta 如何从开源英雄变成 AI 的头号反派](https://www.youtube.com/watch?v=8Ddjy1nlOWA)
Coding with Lewis 让 Meta/Llama 的信任问题持续发酵，观看量达到 96,362。所链接的 Decoder 摘要称，Yann LeCun 形容 Llama 4 的基准测试结果“有一点点做了手脚”；但 Meta 的发布文章仍将 Scout 和 Maverick 描述为业界领先的多模态模型，并强调其基准测试成绩优异。这意味着，可审计性已经成为产品叙事本身的一部分，而不是可以留到以后再处理的问题（视频, The Decoder, Meta）。
!［关于 AI “推理” 的令人不适的真相 | World Science Festival](https://www.youtube.com/watch?v=iFYF_e1GSGI)
World Science Festival 将这一落差扩展到单次发布争议之外。Gary Marcus 认为，当前系统是在模仿推理，而不是真正进行推理；章节列表则不断回到幻觉、抽象能力失效、世界模型和神经符号替代方案。这意味着，更流畅的输出仍无法回答 AI 是否真正理解的问题（视频）。
!［AI 安全专家：禁止超级智能！](https://www.youtube.com/watch?v=9v-vThaJN9A)
Roman Yampolskiy 显示，不信任也正在转化为有组织的行动。简介将观众引向 ControlAI，而所链接页面本身就是“联系你的议员”行动号召。这意味着，对前沿模型的焦虑正被转化为公众动员，而不再局限于实验室内部的讨论（视频, ControlAI）。
讨论洞察： 共同诉求并不只是更好的 AI，而是在授予高风险信任之前，先获得证据、清晰可见的失效模式和可操作的治理杠杆。
与前一日比较： 与 2026-05-17 相比，这一主题基本稳定。不同之处在于，今天的内容略微更偏向制度性回应和持久怀疑，而不是围绕新产品发布周的争议。
1.3 对 AI 代理的评判，正从演示魔法转向工作流纪律 🡕¶
2026-05-18，代理相关内容变得更加偏向实际运营。最受关注的内容不再把代理当作开放式魔法，而是将其视为需要通过生命周期、记忆、审查、交接和窄任务设计来管理的问题。
!［AI 智能体的问题……](https://www.youtube.com/watch?v=74FjlxQgftg)
Low Level 仅凭传播范围就发出了最清晰的信号。一条当天发布、获得 108,733 次观看、标题为“AI 代理的问题……”的视频表明，对代理行为的批评已经进入主流，其传播力超过了本组大多数教程内容（视频）。
!［ADLC：Claude Code 面向 AI 编程的新生命周期](https://www.youtube.com/watch?v=aMBQB_IJ0dQ)
AI LABS 将这种不适感转化为方法论。ADLC 视频指出，代理式编码不适合沿用旧的 SDLC，需要针对非确定性、上下文漂移和持续评估建立新的生命周期；该生命周期包含规划、设计、验证、实施、测试、部署和维护七个阶段（视频）。
!［Devin AI 是编程的未来……完整教程](https://www.youtube.com/watch?v=GFlFABWeqDc)
Tech With Tim 则通过工具说明同一问题。Devin 教程围绕终端工作流、云端交接、记忆、Agents.MD、子代理、PR 审查和定时任务展开；Devin 官网则将委托式大规模重构定位为适合由一支并行工作的“Devin 大军”拆分处理的重复性工作（视频, Devin, 文档）。
讨论洞察： AI Master 的代理指南从培训角度也得出同样结论：代理需要提示词契约、记忆文件和明确的工具循环。这意味着，价值正从通用提示词转向运营纪律（视频）。
与前一日比较： 2026-05-17，关于代理的建议侧重 ARR、OODA 和工作流图。2026-05-18，讨论进一步深入编码团队运营、云端委托和故障预防。
1.4 面向创作者的 AI 正转向发现与编排市场 🡕¶
创作者工具主题比昨天更强，但重点不再是本地执行，而是如何跟上工具爆炸的节奏。如今最有用的创作者内容，更像是发现层、工作流套件或免费工具地图，而不是对某一个模型的背书。
!［真实高达、顶级 3D 生成器、开源世界模型、ChatGPT 更新、新 TTS：AI 新闻](https://www.youtube.com/watch?v=NnsQj2nDkKA)
AI Search 是最强的例子，观看量达到 81,593。简介链接了一套异常广泛的工具，包括 JUST-DUB-IT、Pixal3D、SANA-WM、Krea 2、手机上的 Codex、TrackCraft3R、Scenema 和 DramaBox，因此，一期汇总视频如今就像媒体与多模态构建工具的发布日历（视频, JUST-DUB-IT, Pixal3D, TrackCraft3R）。
!［Google 刚刚泄露了一款疯狂的新 AI 视频工具](https://www.youtube.com/watch?v=l8_0cyTaPY4)
Curious Refuge 以同样方式打包创作者 AI：泄露的 Google omni 模型、Krea 对比、情绪提示词、片段拼接、Runway 代理，以及大量链接和社区入口。产品价值在于围绕不断变化的工具进行策展，而不只是再提供一个生成器（视频）。
!［Seedance 2.0 和 Grok 免费了！！4 款真正不限量的全新 AI 视频生成器](https://www.youtube.com/watch?v=saYxtziAzz4)
Brain Project 增加了成本与访问层面。该视频测试 Seedance 2.0、Grok 3 和其他生成器，使用额度为零，并将免费或无限制访问视为核心差异化因素。这表明，创作者需求不仅受原始输出质量影响，也同样受经济性和工作流适配度影响（视频）。
讨论洞察： Malva AI 和 Higgsfield 将这一逻辑进一步推进，通过销售图像优先的工作流、模型聚合、病毒传播评分、记忆和自动化。在创作者 AI 领域，编排正日益成为产品本身（视频, Higgsfield, Krea 2）。
与前一日比较： 2026-05-17，创作者领域的势头偏向本地化、开放工具和设备端控制。2026-05-18，主题转向泄露信息、免费层、发现和多模型编排。
2. 什么让人感到挫败¶
基础设施建设仍是瓶颈，也是估值问题¶
这是高严重性问题，因为同一轮 AI 扩张正从多个角度反复呈现为约束故事。Bloomberg 始终将晶圆厂、光刻和供应链置于核心；House of El 将问题重新表述为欧洲主权算力；Rick Orford 在瓶颈供应商中寻找客户验证；Koh Kim 则追问 AI 资本支出是否已经产生真正的回报（AI 如何将半导体供应链推向极限 | Bloomberg Primer, Mistral CEO：欧洲只剩 2 年时间——与此同时，已建成 30 亿欧元基础设施，ASML 投资 13 亿欧元, Navitas vs. POET：为何其中一家 AI 基础设施股票的布局更占优, 哪家 Mag7 巨头将主导 AI 基础设施回报？）。当前可见的应对策略不是简化，而是加强尽调、增加融资，并建设更多区域性技术栈。这一方向值得投入，但买方可能主要是企业、运营方和投资者。
当性能、推理和安全叙事出现分歧时，信任就会失效¶
这是高严重性问题，因为证据直接且公开。Lewis 将 Meta 的信誉问题与基准测试报告联系起来；Gary Marcus 认为，流畅的系统仍没有按照营销所暗示的方式进行推理；ControlAI 则将安全担忧转化为直接联系立法者的行动（Meta 如何从开源英雄变成 AI 的头号反派, The Decoder, Llama 4 多模态智能, 关于 AI “推理” 的令人不适的真相 | World Science Festival, AI 安全专家：禁止超级智能！, ControlAI）。应对策略是保持怀疑、要求来源证明，以及施加有组织的治理压力，而不是恢复原有的信任基线。这一方向值得直接投入。
代理仍需要生命周期、记忆和人工检查点¶
这是高严重性问题，因为即使是支持代理的内容，也默认模型周围需要配套结构。高传播量的 Low Level 批评显示，失败叙事已经变得多么显眼；AI LABS 认为非确定性和上下文漂移要求新的生命周期；AI Master 增加了提示词契约和记忆文件；关于 Devin 的内容则持续围绕审查、子代理、交接和定时管理展开（AI 智能体的问题……, ADLC：Claude Code 面向 AI 编程的新生命周期, AI 智能体详解：如何在 2026 年创建和使用 AI 智能体, Devin AI 是编程的未来……完整教程, Devin for Terminal 文档）。应对策略是用流程包围代理，而不是相信其原始自主性。这一方向值得直接投入。
创作者 AI 技术栈碎片化且受增长驱动¶
这是中等严重性问题，因为这种挫败更多表现为工具泛滥和工作流切换，而不是直接抱怨，但它在创作者相关内容中无处不在。AI Search 链接了一个不断变化的研究与产品市场；Curious Refuge 策展泄露的和新出现的视频工作流；Brain Project 强调免费和无限访问；Malva AI 则在此基础上增加目录和病毒传播评分（真实高达、顶级 3D 生成器、开源世界模型、ChatGPT 更新、新 TTS：AI 新闻, Google 刚刚泄露了一款疯狂的新 AI 视频工具, Seedance 2.0 和 Grok 免费了！！4 款真正不限量的全新 AI 视频生成器, 2026 年你必须了解的 3 款全新最佳免费 AI 视频生成器, Higgsfield, Krea 2）。应对策略是关注汇总内容、社区和聚合器，而不是掌握一套稳定技术栈。这一方向值得投入，但市场已经拥挤。
模型选择和检索能力仍需明确教授¶
这是中等严重性问题，因为需求更多以教育和产品包装的形式出现，而非显性的挫败，但它显然具有持久性。Codist 认为，人们不应“凭感觉”选择模型；codebasics 指出，RAG 已经出现在许多 GenAI 招聘信息和实际项目中；Simplilearn 则将开源 LLM 视为应对 API 成本、隐私和控制问题的方案（17 分钟讲清所有大型语言模型！, RAG 详解 | 关于 RAG——检索增强生成的一切, RAG 基础, 2026 年十大开源 LLM | 最佳开源 LLM 模型详解 | AI Models | Simplilearn）。应对策略是课程、分类体系和可复用资源包。这一方向值得投入，但属于竞争激烈的品类。
3. 人们希望存在什么¶
可核验的 AI 系统¶
本组内容中最强烈的未满足需求，是能够展示测试内容、支持某项说法的证据，以及在信任输出之前仍存在的失效模式的系统。Lewis/Meta 争议、Marcus 对推理能力的批评，以及 ControlAI 的公众组织行动，都指向同一个缺失层：AI 首先要足够可审计，才值得被相信（Meta 如何从开源英雄变成 AI 的头号反派, The Decoder, 关于 AI “推理” 的令人不适的真相 | World Science Festival, ControlAI）。这是一个紧迫的实际需求。机会：直接。
具备明确交接机制的代理操作系统¶
今天的代理内容异常清晰地描绘了理想产品形态：规划、责任映射、提示词契约、记忆、定时任务、审查和云端交接。ADLC、AI Master 和 Devin 都以不同方式提出了同一个要求：代理应当能够完成实际工作，但不能变得不透明或混乱（ADLC：Claude Code 面向 AI 编程的新生命周期, AI 智能体详解：如何在 2026 年创建和使用 AI 智能体, Devin AI 是编程的未来……完整教程, Devin, 文档）。这是一项直接的工作流需求，而非理想化愿望。机会：直接。
创作者编排层¶
创作者希望减少彼此割裂的工具，获得更具明确判断的系统，以决定使用什么工具、按照什么顺序，以及生成什么格式的内容。AI Search、Curious Refuge、Brain Project、Malva AI、Higgsfield 和 Krea 2 都暗示，市场需要一个能够统一图像、视频、音频和 3D 工作流中的生成、策展、评分与发布的中间层（真实高达、顶级 3D 生成器、开源世界模型、ChatGPT 更新、新 TTS：AI 新闻, Google 刚刚泄露了一款疯狂的新 AI 视频工具, Seedance 2.0 和 Grok 免费了！！4 款真正不限量的全新 AI 视频生成器, 2026 年你必须了解的 3 款全新最佳免费 AI 视频生成器, Higgsfield, Krea 2）。这是真实需求，但创作者软件市场已经拥挤且变化迅速。机会：竞争性。
模型选择与检索副驾驶¶
市场仍然明确需要这样的产品：告诉团队哪项工作应该使用哪个模型、何时开源可控性胜过托管服务的便利，以及实践中应如何设计检索。Codist、codebasics 和 Simplilearn 正以不同方式将这一判断层变现或产品化（17 分钟讲清所有大型语言模型！, RAG 详解 | 关于 RAG——检索增强生成的一切, RAG 基础, 2026 年十大开源 LLM | 最佳开源 LLM 模型详解 | AI Models | Simplilearn）。这是实际需求，但市场竞争激烈，也容易被模仿。机会：竞争性。
面向主权 AI 和资本配置的基础设施情报¶
基础设施相关内容表明，市场需要能够追踪以下信息的软件：哪些供应商是真正的瓶颈、哪些地区正在建设持久的主权能力，以及哪些支出项目正在转化为可衡量的回报。Bloomberg、House of El、Rick Orford 和 Koh Kim 分别从不同切面切入同一个缺失的仪表盘（AI 如何将半导体供应链推向极限 | Bloomberg Primer, Mistral CEO：欧洲只剩 2 年时间——与此同时，已建成 30 亿欧元基础设施，ASML 投资 13 亿欧元, Navitas vs. POET：为何其中一家 AI 基础设施股票的布局更占优, 哪家 Mag7 巨头将主导 AI 基础设施回报？）。这更像企业的实际需求，而不是消费者愿望。机会：直接。
4. 正在使用的工具与方法¶
| 工具 | 类别 | 情绪 | 优势 | 局限 |
|---|---|---|---|---|
| Llama 4 | LLM | (+/-) | 开放权重多模态定位、长上下文能力主张、公开基准测试叙事强 | 基准测试争议和可审计性问题损害了可信度 |
| ADLC / Claude Code 风格工作流 | 编码方法 | (+) | 规划、角色映射、持续评估、上下文管理 | 增加流程负担；围绕非确定性构建，而非消除非确定性 |
| Devin | 编码代理 | (+/-) | 云端委托、审查、记忆、PR 工作流、企业级重构 | 需要管理、交接，以及独立的本地/云端模式 |
| RAG | 检索方法 | (+) | 常见于招聘信息，在实际项目中有用，并有可复用材料支持 | 仍需要明确设计和检索能力 |
| Higgsfield SUPERCOMPUTER | 创作者自动化 | (+/-) | 技能、记忆、全天候自动化、模型聚合 | 在已经碎片化的技术栈中又增加了一层 |
| Krea 2 | 图像模型 | (+) | 美学优先的输出、风格参考、快速生成 | 只是更广泛创作者工作流中的一部分 |
| Seedance 2.0 | 视频模型 | (+) | 提示词准确度、真实动作场景、多镜头一致性、免费访问吸引力 | 访问条款和排名变化不稳定；仍需调试工作流 |
| Pixal3D | 3D 生成 | (+) | 通过像素对齐实现更高保真度的图像转 3D | 处于研究阶段，配置成本高 |
| SANA-WM | 世界模型 | (+) | 生成分钟级、可控摄像机的 720p 视频 | 研究预览，尚未开箱即用 |
| ControlAI | 治理行动层 | (+/-) | 将担忧引导为具体政治行动 | 属于行动主义，而非日常工作流工具 |
积极情绪主要集中在能够增加结构或压缩工具泛滥的工具和方法上：RAG、Devin、ADLC、Pixal3D、Krea 2 和 Higgsfield 都在销售清晰度、控制力或编排能力。当证据存在争议，或流程负担仍然较高时，情绪则较为复杂，例如 Llama 4 的基准测试叙事，以及需要明确审查循环的编码代理系统。共同的应对方式，是为模型增加记忆、检索、生命周期阶段和多工具流水线，而不是端到端地信任某一个代理或生成器（Meta 如何从开源英雄变成 AI 的头号反派, ADLC：Claude Code 面向 AI 编程的新生命周期, AI 智能体详解：如何在 2026 年创建和使用 AI 智能体, Devin AI 是编程的未来……完整教程, RAG 详解 | 关于 RAG——检索增强生成的一切, 真实高达、顶级 3D 生成器、开源世界模型、ChatGPT 更新、新 TTS：AI 新闻, 2026 年你必须了解的 3 款全新最佳免费 AI 视频生成器）。
5. 人们正在构建什么¶
| 项目 | 构建者 | 功能 | 解决的问题 | 技术栈 | 阶段 | 链接 |
|---|---|---|---|---|---|---|
| JUST-DUB-IT | Anthony Chen et al. | 为视频配上翻译音频，并同步面部动作 | 无需脆弱的多工具流水线即可实现口型同步的多语言配音 | 联合音视频扩散 + 轻量级 LoRA | Alpha | 项目 |
| Pixal3D | Dong-Yang Li et al. | 从图像生成像素对齐的 3D 资产 | 图像转 3D 中保真度低，以及 2D 到 3D 对应关系模糊 | 像素反投影条件、VAE、稀疏 3D 潜变量 | Alpha | 项目 |
| SANA-WM | NVIDIA / NVLabs | 生成分钟级、可控摄像机的 720p 视频世界 | 用于视频生成的更长时长、可控世界建模 | 高效世界模型流水线 | Alpha | 项目 |
| TrackCraft3R | Jisu Nam et al. | 在单次前向传播中，从单目视频执行密集 3D 跟踪 | 稳健的运动跟踪和动态场景理解 | Wan2.1-T2V-1.3B 视频扩散 Transformer、双潜变量、时间 RoPE | Alpha | 项目 |
| Devin | Cognition | 提供云端软件工程师和终端工作流 | 大规模重复性重构和委托式编码子任务 | 云端代理、本地终端代理、审查工具、集成 | 已发布 | 网站, 文档 |
AI Search 的汇总值得注意，因为它将完整的媒体研发底层能力集中到一处：配音、3D 保真度、更长时长的世界模型，以及可跟踪运动。这些构建者项目针对的是棘手的生产环节缺口，而不是通用聊天机器人外壳（真实高达、顶级 3D 生成器、开源世界模型、ChatGPT 更新、新 TTS：AI 新闻, JUST-DUB-IT, Pixal3D, TrackCraft3R）。
在编码方面，Devin 和 ADLC 指向同一种构建模式：团队正在将原始代理能力与工作流控制、交接和评估结合起来。反复出现的触发因素，是那些乏味但高度可变的工程工作：它们对脚本而言过于依赖判断，又重复到让人不愿意手动反复完成（Devin AI 是编程的未来……完整教程, Devin, 文档, ADLC：Claude Code 面向 AI 编程的新生命周期）。
6. 新动态与值得关注的内容¶
一条当天发布的反代理视频，超过了大多数代理教程内容¶
Low Level 发布了当天观看量最高的新视频之一；它对代理的批评，传播力超过了 AI Master、AI LABS 和 Tech With Tim 发布的更具教学性质的代理视频。这是一个有用信号：对代理的怀疑本身，已经成为主流受众类别。
一期汇总视频如今就像创作者发现领域的基础设施¶
AI Search 不只是一条新闻视频。它将 JUST-DUB-IT、Pixal3D、SANA-WM、TrackCraft3R、Krea 2、Scenema 等工具打包到同一内容中，发挥着面向创作者和多模态构建工具的高速发现信息流作用。
芯片故事同时加入了欧洲主权和中国市场准入¶
House of El 围绕 Mistral、ASML、数据中心和主权云来描述欧洲的 AI 未来；Bloomberg Podcasts 则将 Jensen Huang 和 Michael Dell 的讨论重点放在代理式 AI、内存需求和中国市场上。两者共同表明，基础设施叙事正在扩大地理范围，而不是收缩。
编码代理正被产品化为本地加云端的协同系统¶
Tech With Tim 将 Devin 视为由终端、云端、审查和集成界面组成的一套技术栈；Devin 文档 则明确区分本地终端使用和云端产品。这一区分很重要，因为它表明，代理厂商如今正将部署模式和工作流边界作为核心产品选择来打包。
7. 机会在哪里¶
[+++] 代理生命周期、审查与交接系统 - 这是本组内容中最强的直接机会。Low Level 的批评、AI LABS 的 ADLC 框架、AI Master 的提示词契约，以及 Devin 的托管工作流，都汇聚到同一个缺口：在团队愿意信任代理之前，代理需要运营结构。
[+++] 面向 AI 的审计、来源证明与治理层 - Lewis、Gary Marcus 和 ControlAI 从不同角度指向同一需求：人们希望系统的说法能够被核验、失效情况清晰可见，并且在采用之前就拥有明确的升级路径。
[++] 跨视频、音频和 3D 的创作者技术栈编排 - AI Search、Curious Refuge、Brain Project、Malva AI、Higgsfield 和 Krea 2 都表明，市场有机会出现这样的产品：在现代创作者流水线中统一发现、生成、评分和工作流顺序。
[++] 基础设施准备度与主权 AI 情报 - Bloomberg、House of El、Rick Orford 和 Koh Kim 表明，市场需要能够追踪瓶颈、供应商验证、主权能力进展，以及 AI 支出是否正在转化为持久回报的软件。
[+] 模型选择与 RAG 实施产品 - Codist、codebasics 和 Simplilearn 表明，团队仍需要帮助来决定使用哪个模型、何时选择开源，以及如何将检索投入实际运营。需求真实存在，但这一领域竞争激烈。
8. 要点¶
- AI 基础设施报道如今关注的是主权能力和资本纪律，而不只是芯片短缺。 Bloomberg、House of El、Rick Orford 和 Koh Kim 都将同一轮扩建转化为晶圆厂、融资、回收期测试和股票验证。（来源, 来源, 来源, 来源）
- 信任仍是 AI 采用的主要断裂点。 Meta/Llama 基准测试争议、Gary Marcus 对推理能力的批评，以及 ControlAI 联系立法者的行动，都表明流畅的输出和发布时的说法仍不足以自动赢得可信度。（来源, 来源, 来源, 来源）
- 代理的采用正变成一个工作流纪律问题。 Low Level 的批评、ADLC 的生命周期、AI Master 的提示词契约，以及 Devin 以交接为核心的设置，都在表达同一个意思：有用的代理需要周围配套流程。（来源, 来源, 来源, 来源）
- 创作者 AI 正转变为一门编排生意。 AI Search、Curious Refuge、Brain Project 和 Malva AI 的竞争方式，都是帮助用户驾驭一组快速变化的工具，而不是拥护某个稳定模型。（来源, 来源, 来源, 来源）
- 结构化 AI 教育仍是持久的产品品类。 Codist、codebasics 和 Simplilearn 都认为，模型选择、检索、隐私以及开源的权衡，仍需要明确教学。（来源, 来源, 来源, 来源）
- 最强的构建者活动集中在媒体制作底层工具和委托式编码上。 JUST-DUB-IT、Pixal3D、SANA-WM、TrackCraft3R 和 Devin 关注的都是缺失的工作流基础设施，而不是又一个通用聊天机器人界面。（来源, 来源, 来源, 来源, 来源）