27分钟、不写一行代码,他们把AI Agent送进了App Store
如果你还觉得“做App”一定要会前端、后端、部署,那这条视频会直接击穿你的认知。27分钟,一个完整的移动应用,从想法到App Store构建,全程由AI完成,人类只负责提需求和做判断。
如果你还觉得“做App”一定要会前端、后端、部署,那这条视频会直接击穿你的认知。27分钟,一个完整的移动应用,从想法到App Store构建,全程由AI完成,人类只负责提需求和做判断。
在这场演讲中,AWS的Antje Barth用Alexa和Amazon Q的真实案例,展示了AI Agent如何从“单点智能”走向“云规模协作”。她不仅给出了AWS内部的实践数据,还首次系统讲述了Strands Agents与MCP背后的方法论。
这是一场来自NVIDIA资深架构师的实战分享,核心不在于更大的模型,而在于如何通过系统设计与动态调度,重新塑造推理的质量、延迟与成本边界。即使你不改模型,也可能获得数量级的收益。
随着AI从“写代码”进化为“执行代码”,安全问题被推到台前。OpenAI安全工程师Fouad Matin结合Codex与代码执行智能体的实践,讲述了为何所有AI都会变成代码执行者,以及如何通过沙箱、权限与人类审查,避免这股力量反噬。
本文深度解读Anthropic联合创始人Jared Kaplan在Y Combinator的演讲,揭示AI规模化背后的科学洞见、技术趋势,以及他从理论物理转向AI的个人故事。你将看到AI训练的核心机制、行业变革的独特视角,以及未来人类与AI协作的可能场景。
在这场关于LLM评测的演讲中,Red Hat 的 AI 开发者倡导者 Taylor Jordan Smith 用大量真实经验说明:生成式 AI 的最大风险不在“不会用”,而在“用得太快”。这篇文章提炼了他关于企业级大模型落地、评测体系与渐进式成熟路径的核心洞见。
Baseten CTO Amir Haghighat 基于三年一线销售与落地经验,讲述了企业从 OpenAI、Anthropic 等闭源模型起步,却在 2025 年开始系统性转向开源模型的真实原因。这不是意识形态之争,而是质量、延迟、成本与“命运掌控权”的现实博弈。
在“AI正在取代工程师”的喧嚣中,Wisedocs 机器学习负责人 Denys Linkov 给出了一个更冷静、也更残酷的答案:问题从来不在技术,而在团队结构与认知。本文系统梳理他关于 AI 团队构成、通才与专才演化、以及何时该招聘人的一整套方法论。
Retool 产品负责人 Donald Hruska 直言:企业在 AI 上已经投入了半万亿美元,却大多停留在聊天机器人和代码补全阶段。真正的拐点,是“能接入生产系统、带护栏的 AI Agents”。这场演讲系统讲清了 agents 为什么今年才成立、难点在哪,以及企业该如何在“自建还是买平台”之间做出理性选择。
本文带你走进Chelsea Finn在Y Combinator分享的机器人学习前沿实践,从失败到突破,揭示通用机器人如何通过大规模数据、预训练与微调,逐步迈向“能做任何事”的物理智能。你将看到真实的技术难题、创业故事,以及对未来机器人行业的独到预判。