圍觀WAIC模型「讀心術」！現場火火火火火
重點摘要
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 圍觀WAIC模型「讀心術」！
走進2026年世界人工智能大會（WAIC）現場，超過1100家企業擠滿10萬平方米展區，幾乎每面螢幕都閃著「智能體」這個關鍵字。然而，術語喊得越響，業界的焦慮也越明顯——算力內捲幾乎走到盡頭，智能體究竟如何真正進入企業、幫助核心業務創造價值？在一片技術喧囂中，一個名為「主觀世界模型」（Subjective World Model，SWM）的新架構吸引了目光，甚至登上央視新聞直播，成為展會上最受議論的技術方向之一。 為了深入理解這套系統，我們擠進特贊科技的展位。在技術團隊的拆解下，一個關鍵判斷逐漸清晰：過去倚賴大語言模型去猜測消費者心思的路線，可能從一開始就走錯了方向。因為大型語言模型從根本上不適合用來建模人類的決策。SWM的設計起點源自認知心理學的已知事實——人的「自我報告偏好」與「真實決策權重」之間存在系統性偏差，而這個偏差不僅可測量，也能被建模。 基於這個判斷，SWM採用四層異構數據協同訓練的架構，每一層針對不同類型的「理解人」子任務，使用不同的數據源、建模目標與驗證機制，推理時再由四層聯合打分。第一層是表達層，利用數十億條社交平台原生語料，建構語言風格向量，將其映射到人口統計與心理特徵的高維空間。這個層的輸出作為後續層的persona錨點，雖然本身壁壘不高，但能為敘事層的稀疏深訪數據提供擴散基底。 第二層敘事層則使用數萬小時的一對一深度訪談語料，單次訪談長達一至兩小時，產生數千至兩萬字的非結構化文本。這一層的任務不是生成或分類，而是序列因果建模：從受訪者的敘述中辨識觸發事件、考慮形成、決策點到購買後合理化的完整因果鏈，並將其結構化為有向因果圖。值得注意的是，合成數據在這一層完全失效，因為真實受訪者的敘述具有跨情境的因果一致性，同一人的核心動機結構會在不同購買場景中以不同形式反覆出現，形成獨特的「動機簽名」。大型語言模型生成的模擬訪談缺乏這種跨情境一致的內在狀態，在後續的認知層與行為層交叉驗證中會系統性失敗，形成一個內建的抗合成機制。 第三層認知層導入行為判斷問卷、價值觀量表與五大人格量表等標準化工具，目標是估計個體的價值權重向量與風險偏好係數。這一層的核心在於建模「stated preference」（消費者說他在意什麼）與「revealed preference」（消費者實際決策時的權衡）之間的差距函數，並在敘事層提供的行為敘述與量表測量結果間建立校正映射。第四層行為層則使用經濟博弈實驗數據，如最後通牒遊戲、公共財遊戲與信任遊戲，再加上真實交易記錄，以展望理論為基礎進行參數化個體建模，估計損失厭惡係數、時間折現率與社會規範敏感度等參數。這些基礎參數讓模型在面對從未見過的產品類別或購買情境時，能透過外推做出反應，而非僅依賴歷史模式比對，這也是SWM能在新產品研究中有效運作的底層原因。 四層訓練完成後，SWM對每個目標persona維護一組聯合狀態：表達層的語言風格嵌入、敘事層的動機因果圖、認知層的價值權重向量，以及行為層的經濟學參數。推理時面對一個新的研究提示，四層共同決定輸出：表達層決定語言風格與情緒色彩，敘事層調用相似情境下的動機結構，認知層校正自我報告偏差，行為層注入跨情境穩定的行為傾向。這樣產出的AI Persona在連續追問下能維持一致的內在狀態，這與大型語言模型生成的persona有本質區別——後者是無狀態的，每次回答獨立生成；SWM的persona則是有狀態的，擁有跨提示持續存在的內在狀態。 量化結果顯示，這套方法在行為模擬準確率上達到85%，以真人深度訪談為基準進行比對。目前特贊科技已透過社交數據擴散生成超過30萬個AI Persona，其中1萬個以上屬於由深訪語料直接訓練的高精度版本，且整批交付時間不到30分鐘。為了確保模擬準確性，團隊還建置了Gamelab機制，讓真人與AI Persona完成相同的經濟學行為實驗，透過決策數據比對來量化校準。 從理解側到執行側，特贊科技進一步研發了GEA（Generative Enterprise Agent）企業級智能體架構，專門執行面對消費者的任務，與SWM構成完整的理解－執行鏈路。GEA的編排層由特贊自研的發散推理模型驅動，這是中國首個完成備案的發散推理領域大模型，核心設計是在收斂之前先窮盡發散可能性，而非直接走beam search到最優解，這在創意內容生成、方案設計等需要探索解空間的任務上具有顯著優勢。執行層則調用超過400個模組化的Agent Skill，單次任務可協調30個以上的基礎模型。同時，Context System作為企業知識的持久化儲存層，將品牌DNA、歷史洞察、產品庫、素材庫等結構化為智能體可檢索的上下文，有效解決多輪任務中的上下文漂移問題。這套系統已在內容行銷、洞察研究、產品創新與設計創作等業務場景完成大規模部署，月均Token部署量超過100億，覆蓋全球50多個國家與地區。 分析競爭壁壘時，特贊團隊坦言，SWM的架構本身並非無法複製，真正的門檻在於敘事層的數據積累——十年的真實深度訪談語料堆疊，加上內建的抗合成機制，使得這項數據資產具備自我保護能力。當合成數據路線在認知層與行為層的交叉驗證中系統性失敗，後進競爭者只能從頭進行真實深訪，追趕十年的累積，這個差距無法靠算力縮短。 過去兩年，企業AI的競爭主軸是「接入」——接哪個大模型、能否快速上線一個Copilot。如今這個階段已基本過去，大模型API成為商品，工程接入能力不再是壁壘。企業AI下半場真正拉開差距的，是對業務場景的領域理解深度，以及能否把這種理解沉澱為可持續調用的技術資產。SWM之所以難以追趕，本質上正是它把「理解消費者」做成了具有複利效應的積累，形成一個隨業務規模自動加深的飛輪。
Related
相關文章
紅熊AI完成數億元A+輪融資，基於AI“記憶科學”從To B服務延伸至To C應用｜36氪首發
賬號設置我的關注我的收藏申請的報道退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機構庫投資機構職位推介投資人認證投資人服務尋求報道36氪Pro創投氪堂企業入駐創業者服務創投平臺AI測評網 首頁快訊資訊推薦財經AI自助報道安徽最新創投汽車科技專精特新直播視頻專題活動搜索尋求報道我要入駐城市合作紅熊AI完成數億元A+輪融資，基於AI“記憶科學”從To B服務延伸至To C應用｜36氪首發瀚海·2026年07月20日 09:00在經歷了大模型參數量與算力的早期競賽後，行業正逐步步入“以應用論英雄”的商業化深水區。目前，圍繞大模型“記憶層（Memory）”這一維度的技術成為重要的攻堅點。紅熊AIA輪上海市2024-04新一代人工智能客服廠商36氪報道前沿技術WISE2025 商業之王 年度AI應用場景突破企業我要聯繫 36氪獲悉，紅熊AI今日宣佈完成數億元人民幣A+輪融資，投後估值接近30億元人民幣。本輪融資由浙江九緯私募基金、嘉興彰元創業投資與老股東格睿豐聯合投資。這是紅熊AI在短短15個月內完成的第6輪融資。 據瞭解，本輪融資資金將主要用於持續深化AI記憶科學的類人大腦基礎研究、加速OpenBear通用大模型與MemoryBear記憶科學系統的深度融合，以及擴大智能客服、智能營銷、ChatBI與智能教育四大核心應用場景的市場覆蓋。 在經歷了大模型參數量與算力的早期競賽後，行業正逐步步入“以應用論英雄”的商業化深水區。目前，圍繞大模型“記憶層（Memory）”這一維度的技術成為重要的攻堅點。 今年融資事件頻
WAIC 變了：走出參數競賽，AI開始兩腳蹚泥下地幹活
賬號設置我的關注我的收藏申請的報道退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機構庫投資機構職位推介投資人認證投資人服務尋求報道36氪Pro創投氪堂企業入駐創業者服務創投平臺AI測評網 首頁快訊資訊推薦財經AI自助報道廣東最新創投汽車科技專精特新直播視頻專題活動搜索尋求報道我要入駐城市合作WAIC 變了：走出參數競賽，AI開始兩腳蹚泥下地幹活華商韜略·2026年07月20日 08:54WAIC 走到第九年，AI 開始談錢了。 人工智能（AI）行業已經不再缺乏令人驚豔的技術展示，真正稀缺的是願意為之買單的真實場景。 今年WAIC展覽面積破天荒地超過了10萬平方米，1100多家企業把場館塞得滿滿當當。把場館裡那些最能折騰的公司拼在一起，你會發現，中國AI的底色，正在從“科幻片”變成“生意經”。 在會上，華商韜略走訪了一批在各個賽道具有代表性的企業。它們分佈在不同的領域，但展現出一個共同的趨勢：要麼已經成功將 AI 轉化為商業價值，要麼正在積極探索 AI 商業化的可行路徑，工程能力變得比以往更重要了。 從算力底座到人形機器人，從大模型到美妝巨頭，這些企業的集中亮相，恰好拼湊出了一張中國 AI 產業化的真實進度表。 01 算力之爭：從“造芯片”到“造系統” 過去討論國產算力，焦點往往集中在某款芯片能否對標國際巨頭的某一代產品。而在今年的展會上，算力企業幾乎都在傳達同一個信息：單顆芯片的性能比拼已成過去式，系統級效率才是未來的關鍵。從十萬卡集群到辦公室裡的“算力方艙”，算力的形態正在加速分化。 中科曙光直接端
Kimi逼得兩大巨頭改變定價？奧特曼罕見認錯，Claude額度重置
賬號設置我的關注我的收藏申請的報道退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機構庫投資機構職位推介投資人認證投資人服務尋求報道36氪Pro創投氪堂企業入駐創業者服務創投平臺AI測評網 首頁快訊資訊推薦財經AI自助報道安徽最新創投汽車科技專精特新直播視頻專題活動搜索尋求報道我要入駐城市合作Kimi逼得兩大巨頭改變定價？奧特曼罕見認錯，Claude額度重置新智元·2026年07月20日 08:53雙雄爭的，是誰當上你的AI同事 17日凌晨，Kimi K3發佈，全網刷屏，開源AI迎來第二次「DeepSeek時刻」。 外媒Axios稱，K3定價遠低於它所挑戰的高端模型，美國AI公司的高價策略還能維持多久？巧的是，就在最近，兩大巨頭正在打客戶爭奪戰。此前，奧特曼在X上發帖，不提新模型，開頭就是一句認錯： 過去12個月裡，我們的表現並不理想，這主要是我的過錯。 一直帶領OpenAI與Anthropic貼身肉搏的他，公開把過去一年定性為「不夠好」，還主動把鍋往自己身上攬，這本身就夠反常。 真正讓全網炸裂的，是後半句。 奧特曼緊接著話鋒一轉，說道，OpenAI即將迎來「有史以來最出色的12個月」，團隊表現也很出色，「正在迎來讓他們滿意的結果」。 奧特曼口中，「有史以來最出色的12個月」，到底押的是什麼？ 全網第一反應幾乎是同一個：GPT-6是不是要來了？ 幾天內 新增了300萬活躍用戶 「關掉推特，趕快去忙正事」！ 與奧特曼的推文遙相呼應的，是OpenAI的Codex負責人Tibo，在16日甩出的一個900萬活躍
在WAIC 2026暴走三天後，我發現今年最火的AI，都不在電腦裡了
上海世博展館外，七月的艷陽擋不住 AI 熱潮。一張 WAIC 2026 的單日票原價 168 元，在黃牛手上被炒到 1,300 元，三日通票更是喊出 3,000 元的天價。上午從北門排隊進場，光是等候入館就花了半小時，而這僅僅是三天「暴走」行程的暖身。 走進展館，人潮最洶湧的兩個區域根本不需要看導覽圖：一個是 H1 館的 AI 手機陣地，另一個是 H3 館的機器人大本營。
Claude Code之父的夜班AI軍團，Fable 5兩個命令搭好
你還在跟AI一問一答嗎？Claude Code之父Boris Cherny早已徹底告別這種模式，他手上的幾千個AI智能體正徹夜為他工作，而他本人已經超過一年沒有親手寫過一行程式碼。這位打造出Claude Code的關鍵人物，近期在一場公開對談中揭露了他的工作方式：每天提交數十個Pull Request，最高紀錄達到150個；白天同時運行數百個AI智能體，到了夜間，這個數字更攀升至數千個，全部自動在程式碼庫中執行任務。