#agent
agent
88,513 lượt xem
220 đang thảo luận
Phổ biến
Mới nhất
Xem bản dịch
【数据流】AI Agent 代币：链上数据能告诉我们什么？
最近 AI Agent 赛道代币表现强势，但 FOMO 情绪也在升温。用链上数据给这个板块做一次「体检」。
📊 核心指标盘点：
1️⃣ 持仓集中度（持仓前10地址占比）
Token 持币集中度越高，拉盘成本越低，但抛压风险也越大。AI Agent 板块多数代币前10持仓占比在 30-60% 区间，属中等集中。
2️⃣ 合约交互活跃度
最近30天合约调用量 vs 90天均值：主流 AI 代币增长 2-5 倍，说明真实使用在增加，不全是投机。
3️⃣ 巨鲸仓位变动
通过链上标签追踪已知巨鲸地址，近7日净买入最多的集中在 $FET 、$GRASS 等老牌 AI 代币，新叙事代币反而出现净流出。
4️⃣ 流动性覆盖率
CEX 充值地址余额 / 日均交易量，比值越高说明变现能力越强。健康区间 > 3x。
🔍 结论：
板块整体偏热，但内部结构分化——老牌 AI 代币有真实链上数据支撑，新叙事代币更多是资金轮动效应。
操作参考：追高需谨慎，关注链上活跃度持续增长的标的，而非单纯看概念热度。
#AI #Agent #链上数据 #加密投资
最近 AI Agent 赛道代币表现强势，但 FOMO 情绪也在升温。用链上数据给这个板块做一次「体检」。
📊 核心指标盘点：
1️⃣ 持仓集中度（持仓前10地址占比）
Token 持币集中度越高，拉盘成本越低，但抛压风险也越大。AI Agent 板块多数代币前10持仓占比在 30-60% 区间，属中等集中。
2️⃣ 合约交互活跃度
最近30天合约调用量 vs 90天均值：主流 AI 代币增长 2-5 倍，说明真实使用在增加，不全是投机。
3️⃣ 巨鲸仓位变动
通过链上标签追踪已知巨鲸地址，近7日净买入最多的集中在 $FET 、$GRASS 等老牌 AI 代币，新叙事代币反而出现净流出。
4️⃣ 流动性覆盖率
CEX 充值地址余额 / 日均交易量，比值越高说明变现能力越强。健康区间 > 3x。
🔍 结论：
板块整体偏热，但内部结构分化——老牌 AI 代币有真实链上数据支撑，新叙事代币更多是资金轮动效应。
操作参考：追高需谨慎，关注链上活跃度持续增长的标的，而非单纯看概念热度。
#AI #Agent #链上数据 #加密投资
Xem bản dịch
📰 加密市场热点速递
1. OpenRouter发布Fusion复合模型接口
OpenRouter近日推出Fusion复合模型方案，可将同一提示并行分发给多个大模型，再通过裁判与合成模型整合最终答案。最新基准测试显示，多模型协同在复杂推理与深度研究任务中明显优于传统单模型，体现出“多视角互补”的价值。市场关注点在于，该方案有望以更低成本获得接近头部闭源模型的效果，推动AI基础设施朝“模型编排+结果合成”方向加速演进。
2. 多模型混搭提升性价比成行业看点
从公开测试结果看，不同厂商模型组合在复杂任务中表现更强，既能提升答案稳定性，也能增强推理覆盖面。值得注意的是，即便是同一模型进行双路协同与自我合成，也出现了较明显的分数提升。这说明复合式推理正在从“堆参数”转向“重编排”，未来或带动推理层、中间件层和AI服务聚合平台获得更多市场关注，相关技术路径值得持续跟踪。
3. Databricks开源Omnigent切入Agent管控
Databricks近期开源元排布框架Omnigent，支持运行在多个现有Agent工具之上，并将不同框架下的智能体转化为可互操作组件，缓解接口割裂与协作困难问题。其核心亮点在于可在元排布层执行有状态安全策略，不再仅依赖提示词约束。对于企业级AI落地而言，这类具备跨Agent编排、权限审查、过程干预能力的基础设施，正成为部署智能体系统的重要支撑。
4. 安全审批与成本控制成为Agent落地重点
Omnigent还强化了实时风控、预算管理与协作能力，例如可在检测到高风险动作后中断流程并请求人工审批，也可在模型调用成本达到上限时自动暂停任务。系统同时提供沙箱化网络请求拦截与团队共享会话功能，凸显Agent应用正从“能否完成任务”转向“是否可控、可审计、可协同”。这一趋势或将推动企业更重视AI治理、成本监控与合规基础设施建设。
#AI #Agent #crypto
1. OpenRouter发布Fusion复合模型接口
OpenRouter近日推出Fusion复合模型方案，可将同一提示并行分发给多个大模型，再通过裁判与合成模型整合最终答案。最新基准测试显示，多模型协同在复杂推理与深度研究任务中明显优于传统单模型，体现出“多视角互补”的价值。市场关注点在于，该方案有望以更低成本获得接近头部闭源模型的效果，推动AI基础设施朝“模型编排+结果合成”方向加速演进。
2. 多模型混搭提升性价比成行业看点
从公开测试结果看，不同厂商模型组合在复杂任务中表现更强，既能提升答案稳定性，也能增强推理覆盖面。值得注意的是，即便是同一模型进行双路协同与自我合成，也出现了较明显的分数提升。这说明复合式推理正在从“堆参数”转向“重编排”，未来或带动推理层、中间件层和AI服务聚合平台获得更多市场关注，相关技术路径值得持续跟踪。
3. Databricks开源Omnigent切入Agent管控
Databricks近期开源元排布框架Omnigent，支持运行在多个现有Agent工具之上，并将不同框架下的智能体转化为可互操作组件，缓解接口割裂与协作困难问题。其核心亮点在于可在元排布层执行有状态安全策略，不再仅依赖提示词约束。对于企业级AI落地而言，这类具备跨Agent编排、权限审查、过程干预能力的基础设施，正成为部署智能体系统的重要支撑。
4. 安全审批与成本控制成为Agent落地重点
Omnigent还强化了实时风控、预算管理与协作能力，例如可在检测到高风险动作后中断流程并请求人工审批，也可在模型调用成本达到上限时自动暂停任务。系统同时提供沙箱化网络请求拦截与团队共享会话功能，凸显Agent应用正从“能否完成任务”转向“是否可控、可审计、可协同”。这一趋势或将推动企业更重视AI治理、成本监控与合规基础设施建设。
#AI #Agent #crypto
Đại học Cambridge & Chicago mở nguồn DecentMem: bộ nhớ phi tập trung giúp tăng hiệu quả hợp tác của nhiều tác nhân lên 24%
Nhóm từ Đại học Cambridge và Chicago đã mở nguồn khung bộ nhớ nhiều tác nhân DecentMem, thay thế bộ nhớ chia sẻ toàn cầu truyền thống bằng bộ nhớ riêng tư phi tập trung. Nghiên cứu phát hiện rằng bộ nhớ chia sẻ khiến các tác nhân hội tụ vào những con đường quyết định tương tự, trong khi DecentMem duy trì sự khác biệt nhận thức bằng cách giữ lại bộ nhớ riêng tư của từng tác nhân. Trong các thử nghiệm AutoGen, DyLAN và AgentNet, DecentMem đã cải thiện trung bình 8.6% so với tiêu chuẩn bộ nhớ tập trung, và trong kịch bản tốt nhất, cải thiện lên 23.8%, đồng thời giảm một nửa mức tiêu thụ Token.
Tại sao điều này quan trọng: DecentMem giải quyết vấn đề cốt lõi của hệ thống nhiều tác nhân "thất bại phân công" từ nền tảng kiến trúc, mở đường cho một mạng lưới hợp tác AI Agent hiệu quả hơn.
#AI #多智能体 #开源 #Agent
Nhóm từ Đại học Cambridge và Chicago đã mở nguồn khung bộ nhớ nhiều tác nhân DecentMem, thay thế bộ nhớ chia sẻ toàn cầu truyền thống bằng bộ nhớ riêng tư phi tập trung. Nghiên cứu phát hiện rằng bộ nhớ chia sẻ khiến các tác nhân hội tụ vào những con đường quyết định tương tự, trong khi DecentMem duy trì sự khác biệt nhận thức bằng cách giữ lại bộ nhớ riêng tư của từng tác nhân. Trong các thử nghiệm AutoGen, DyLAN và AgentNet, DecentMem đã cải thiện trung bình 8.6% so với tiêu chuẩn bộ nhớ tập trung, và trong kịch bản tốt nhất, cải thiện lên 23.8%, đồng thời giảm một nửa mức tiêu thụ Token.
Tại sao điều này quan trọng: DecentMem giải quyết vấn đề cốt lõi của hệ thống nhiều tác nhân "thất bại phân công" từ nền tảng kiến trúc, mở đường cho một mạng lưới hợp tác AI Agent hiệu quả hơn.
#AI #多智能体 #开源 #Agent
Công cụ sắp xếp Agent mã nguồn mở Omnigent của Databricks giải quyết vấn đề phối hợp và kiểm soát an ninh giữa các Agent
Databricks đã mở mã nguồn khung sắp xếp Agent Omnigent theo giấy phép Apache 2.0, hoạt động trên các công cụ hiện có như Claude Code, Codex và Pi, có khả năng chuyển đổi các agent từ các khung khác nhau thành các thành phần hệ thống có thể tương tác. Omnigent thực hiện kiểm soát an ninh có trạng thái trực tiếp ở tầng sắp xếp, hỗ trợ chặn hành động git push và yêu cầu phê duyệt thủ công sau khi các agent tải xuống gói npm, hoặc thiết lập giới hạn chi phí LLM để tạm dừng hoạt động khi tổng cộng đạt 100 đô la. Khung này còn tích hợp sandbox yêu cầu mạng để ngăn chặn rò rỉ thông tin nhạy cảm.
Tại sao điều này quan trọng: Omnigent lấp đầy khoảng trống về khả năng tương tác trong lĩnh vực phối hợp nhiều Agent, cung cấp cơ sở hạ tầng kiểm soát an ninh quan trọng cho việc triển khai AI Agent từ thực nghiệm đến cấp doanh nghiệp.
#Databricks #AI #Agent #mã nguồn mở
Databricks đã mở mã nguồn khung sắp xếp Agent Omnigent theo giấy phép Apache 2.0, hoạt động trên các công cụ hiện có như Claude Code, Codex và Pi, có khả năng chuyển đổi các agent từ các khung khác nhau thành các thành phần hệ thống có thể tương tác. Omnigent thực hiện kiểm soát an ninh có trạng thái trực tiếp ở tầng sắp xếp, hỗ trợ chặn hành động git push và yêu cầu phê duyệt thủ công sau khi các agent tải xuống gói npm, hoặc thiết lập giới hạn chi phí LLM để tạm dừng hoạt động khi tổng cộng đạt 100 đô la. Khung này còn tích hợp sandbox yêu cầu mạng để ngăn chặn rò rỉ thông tin nhạy cảm.
Tại sao điều này quan trọng: Omnigent lấp đầy khoảng trống về khả năng tương tác trong lĩnh vực phối hợp nhiều Agent, cung cấp cơ sở hạ tầng kiểm soát an ninh quan trọng cho việc triển khai AI Agent từ thực nghiệm đến cấp doanh nghiệp.
#Databricks #AI #Agent #mã nguồn mở
Xem bản dịch
📰 加密市场热点速递
1. 英伟达Blackwell刷新智能体硬件能效标杆
最新基准aa-agentperf显示，英伟达Blackwell在智能体负载场景中显著领先。测试以真实编程轨迹回放，并以每兆瓦功耗可支持的并发智能体数量作为核心指标。结果显示，GB300 NVL72在同等电力预算下可承载约6.14万个并发智能体，较H200提升超20倍，单卡并发能力也大幅增强。这意味着AI代理、自动编程、客服等高并发场景的基础设施成本有望继续下探，算力效率竞争正在加速。
2. AI基础设施竞争升温，AMD面临更大性能压力
从此次智能体硬件测试结果看，市场关注点已从单纯训练性能，进一步转向推理效率、并发承载和单位能耗产出。英伟达Blackwell凭借液冷整柜系统和高密度部署能力，在智能体应用场景中建立了更强优势，也对AMD等竞品形成压力。对加密市场而言，AI算力产业链热度抬升，或继续影响GPU、数据中心、电力资源及AI概念资产的情绪定价，资金更关注“高效推理”新叙事。
3. OpenRouter测试subagent工具，推动多模型协作落地
OpenRouter近期推出服务器端代理工具openrouter:subagent，允许主模型在生成过程中，把特定子任务派发给更小、更低成本的模型处理，再回传结果。这一机制有助于在保证整体效果的同时压缩调用成本，并提升复杂任务的执行灵活性。若工作模型接入搜索、抓取等工具，还可先完成检索与多步推理，再反馈给主模型，体现出AI应用正从“单模型回答”走向“多代理协同”。
4. 子代理架构强化实用性，但上下文管理仍是关键
值得注意的是，subagent方案并非完全自动化。工作模型无法直接读取主模型上下文，因此主模型必须在任务描述中补足完整背景，否则可能影响执行质量。为避免无限递归与资源失控，OpenRouter同时加入禁止自引用、限制嵌套深度以及总任务数上限等防护设计。整体来看，这类工具更适合面向开发者与企业工作流，未来或加速低成本AI代理产品的部署，并进一步提升市场对Agent赛道的关注度。
#AI #Agent #英伟达
1. 英伟达Blackwell刷新智能体硬件能效标杆
最新基准aa-agentperf显示，英伟达Blackwell在智能体负载场景中显著领先。测试以真实编程轨迹回放，并以每兆瓦功耗可支持的并发智能体数量作为核心指标。结果显示，GB300 NVL72在同等电力预算下可承载约6.14万个并发智能体，较H200提升超20倍，单卡并发能力也大幅增强。这意味着AI代理、自动编程、客服等高并发场景的基础设施成本有望继续下探，算力效率竞争正在加速。
2. AI基础设施竞争升温，AMD面临更大性能压力
从此次智能体硬件测试结果看，市场关注点已从单纯训练性能，进一步转向推理效率、并发承载和单位能耗产出。英伟达Blackwell凭借液冷整柜系统和高密度部署能力，在智能体应用场景中建立了更强优势，也对AMD等竞品形成压力。对加密市场而言，AI算力产业链热度抬升，或继续影响GPU、数据中心、电力资源及AI概念资产的情绪定价，资金更关注“高效推理”新叙事。
3. OpenRouter测试subagent工具，推动多模型协作落地
OpenRouter近期推出服务器端代理工具openrouter:subagent，允许主模型在生成过程中，把特定子任务派发给更小、更低成本的模型处理，再回传结果。这一机制有助于在保证整体效果的同时压缩调用成本，并提升复杂任务的执行灵活性。若工作模型接入搜索、抓取等工具，还可先完成检索与多步推理，再反馈给主模型，体现出AI应用正从“单模型回答”走向“多代理协同”。
4. 子代理架构强化实用性，但上下文管理仍是关键
值得注意的是，subagent方案并非完全自动化。工作模型无法直接读取主模型上下文，因此主模型必须在任务描述中补足完整背景，否则可能影响执行质量。为避免无限递归与资源失控，OpenRouter同时加入禁止自引用、限制嵌套深度以及总任务数上限等防护设计。整体来看，这类工具更适合面向开发者与企业工作流，未来或加速低成本AI代理产品的部署，并进一步提升市场对Agent赛道的关注度。
#AI #Agent #英伟达
OpenRouter vừa ra mắt công cụ subagent: Các mô hình lớn có thể phân phát nhiệm vụ con cho mô hình nhỏ trong quá trình tạo nội dung
OpenRouter đã giới thiệu công cụ proxy phía máy chủ openrouter:subagent, cho phép các mô hình lớn trong quá trình tạo nội dung phân phát nhiệm vụ độc lập cho các mô hình nhỏ hơn và rẻ hơn. Kết quả thực hiện nhiệm vụ được trả về dưới dạng outcome để mô hình chính tích hợp. Mô hình làm việc còn có thể được trang bị các công cụ độc lập như tìm kiếm trực tuyến, thu thập dữ liệu từ web, trong môi trường sandbox với suy luận đa bước. Để ngăn chặn đệ quy vô hạn, OpenRouter đã đưa ra giới hạn độ sâu lồng ghép và giới hạn cứng.
Tại sao điều này quan trọng: subagent đã mở ra một hình thức hợp tác nhiệm vụ giữa các mô hình mới, sẽ giảm đáng kể chi phí suy luận cho các nhiệm vụ Agent phức tạp.
#AI #OpenRouter #人工智能 #Agent
OpenRouter đã giới thiệu công cụ proxy phía máy chủ openrouter:subagent, cho phép các mô hình lớn trong quá trình tạo nội dung phân phát nhiệm vụ độc lập cho các mô hình nhỏ hơn và rẻ hơn. Kết quả thực hiện nhiệm vụ được trả về dưới dạng outcome để mô hình chính tích hợp. Mô hình làm việc còn có thể được trang bị các công cụ độc lập như tìm kiếm trực tuyến, thu thập dữ liệu từ web, trong môi trường sandbox với suy luận đa bước. Để ngăn chặn đệ quy vô hạn, OpenRouter đã đưa ra giới hạn độ sâu lồng ghép và giới hạn cứng.
Tại sao điều này quan trọng: subagent đã mở ra một hình thức hợp tác nhiệm vụ giữa các mô hình mới, sẽ giảm đáng kể chi phí suy luận cho các nhiệm vụ Agent phức tạp.
#AI #OpenRouter #人工智能 #Agent
Parloa ra mắt Agent Skills dựa trên MCP: cấu hình AI không cần mã
Nền tảng AI đối thoại doanh nghiệp Parloa giới thiệu tính năng Agent Skills, được xây dựng trên giao thức MCP, cho phép doanh nghiệp thêm công cụ và kỹ năng bên ngoài cho AI Agent mà không cần mã hóa, rút ngắn thời gian tích hợp từ vài tuần xuống chỉ còn vài giờ. Đây là một bước tiến quan trọng khác của giao thức MCP trong ứng dụng AI doanh nghiệp, đánh dấu sự tiến bộ hướng tới tiêu chuẩn hóa và tính linh hoạt trong hệ sinh thái AI Agent.
Tại sao điều này quan trọng: Giao thức MCP đang trở thành cổng USB-C cho AI Agent, sản phẩm của Parloa đã chứng minh tính khả thi về mặt thương mại của việc tích hợp kỹ năng AI không cần mã, sẽ giảm đáng kể rào cản ứng dụng AI cho doanh nghiệp.
#AI #MCP #Agent #trí tuệ nhân tạo
Nền tảng AI đối thoại doanh nghiệp Parloa giới thiệu tính năng Agent Skills, được xây dựng trên giao thức MCP, cho phép doanh nghiệp thêm công cụ và kỹ năng bên ngoài cho AI Agent mà không cần mã hóa, rút ngắn thời gian tích hợp từ vài tuần xuống chỉ còn vài giờ. Đây là một bước tiến quan trọng khác của giao thức MCP trong ứng dụng AI doanh nghiệp, đánh dấu sự tiến bộ hướng tới tiêu chuẩn hóa và tính linh hoạt trong hệ sinh thái AI Agent.
Tại sao điều này quan trọng: Giao thức MCP đang trở thành cổng USB-C cho AI Agent, sản phẩm của Parloa đã chứng minh tính khả thi về mặt thương mại của việc tích hợp kỹ năng AI không cần mã, sẽ giảm đáng kể rào cản ứng dụng AI cho doanh nghiệp.
#AI #MCP #Agent #trí tuệ nhân tạo
Xem bản dịch
【叙事流】AI Agent 赛道：炒作尾声还是真正的起点？
过去 30 天，AI+Crypto 概念币平均涨幅跑赢 BTC 3 倍。热度是真的，但泡沫也在积累。
今天拆开看三层：
▎1. 叙事层：Agent 经济的真实需求
CoinGecko 数据显示，带「AI Agent」标签的代币数量从年初 12 个增至 47 个。但仔细看项目主页，超过 70% 的 Agent 功能仅是「对话 + 链上交互」，没有真正的护城河。
真正有壁垒的项目：（算力调度）、（数据存储）、（AI 渲染）。这三个的基础设施属性决定了它们不只是概念。
▎2. 资金层：机构在买什么？
Lookonchain 监控显示，近两周巨鲸地址净买入 AI 赛道代币约 1.2 亿美元。但买入标的很集中——前 5 大代币吃掉了 80% 的资金。
也就是说，资金认可赛道，但不认可所有标的。
▎3. 风险层：监管与叙事的赛跑
美国 SEC 对 AI 相关的 token 发出了多起问询，重点针对「实际效用声称与代币价格不匹配」的项目。一旦某项目被点名，48 小时内平均回调 30%。
▎结论
AI Agent 赛道没有死，但「买什么」比「买不买」更重要。避开纯概念币，盯着有真实收入或用户数据的项目。
#AI #Agent #CryptoInvestment
过去 30 天，AI+Crypto 概念币平均涨幅跑赢 BTC 3 倍。热度是真的，但泡沫也在积累。
今天拆开看三层：
▎1. 叙事层：Agent 经济的真实需求
CoinGecko 数据显示，带「AI Agent」标签的代币数量从年初 12 个增至 47 个。但仔细看项目主页，超过 70% 的 Agent 功能仅是「对话 + 链上交互」，没有真正的护城河。
真正有壁垒的项目：（算力调度）、（数据存储）、（AI 渲染）。这三个的基础设施属性决定了它们不只是概念。
▎2. 资金层：机构在买什么？
Lookonchain 监控显示，近两周巨鲸地址净买入 AI 赛道代币约 1.2 亿美元。但买入标的很集中——前 5 大代币吃掉了 80% 的资金。
也就是说，资金认可赛道，但不认可所有标的。
▎3. 风险层：监管与叙事的赛跑
美国 SEC 对 AI 相关的 token 发出了多起问询，重点针对「实际效用声称与代币价格不匹配」的项目。一旦某项目被点名，48 小时内平均回调 30%。
▎结论
AI Agent 赛道没有死，但「买什么」比「买不买」更重要。避开纯概念币，盯着有真实收入或用户数据的项目。
#AI #Agent #CryptoInvestment
📰 Tin nóng thị trường crypto
1. Đường đua nội dung AI nhận thêm vốn đầu tư, Jingying Technology hoàn thành vòng gọi vốn A và A+ với hàng triệu đô la, nhà đầu tư bao gồm gia đình Wang Huiwen và Ant Group. Công ty cũng đã công bố cựu Giám đốc Khoa học Ứng dụng của AWS, Wang Minjie, đảm nhiệm vị trí Giám đốc Khoa học. Họ định vị là công ty gốc Agent trong ngành nội dung, hiện đang tập trung vào các kịch bản ngắn AI, xây dựng môi trường học tập tăng cường có thể kết nối và tự tiến hóa cho các tác giả, đồng thời liên tục cải tiến thông qua phản hồi tiêu dùng thực tế, phản ánh rằng quy trình sản xuất nội dung AI và thương mại hóa đang được hình thành nhanh chóng.
2. Năng lực ứng dụng AI tiếp tục mở rộng, chức năng tìm kiếm trang web trong Responses API hiện đã hỗ trợ kết quả hình ảnh, không còn giới hạn trong việc trả về thông tin văn bản. Điều này có nghĩa là các nhà phát triển có thể gọi trực tiếp nội dung hình ảnh của sản phẩm, địa điểm, tham khảo hình ảnh, v.v. trong ứng dụng của họ, và kết hợp với liên kết nguồn để nâng cao hiệu quả trình diễn và trải nghiệm tương tác. Đối với các bối cảnh như trợ lý AI, sáng tạo nội dung, gợi ý thương mại điện tử và hướng dẫn du lịch, việc tích hợp tìm kiếm hình ảnh có thể tăng cường khả năng sử dụng sản phẩm, cũng cho thấy khả năng đa phương thức đang trở thành một hướng quan trọng trong cạnh tranh ứng dụng AI.
#AI #Agent #đa phương thức
1. Đường đua nội dung AI nhận thêm vốn đầu tư, Jingying Technology hoàn thành vòng gọi vốn A và A+ với hàng triệu đô la, nhà đầu tư bao gồm gia đình Wang Huiwen và Ant Group. Công ty cũng đã công bố cựu Giám đốc Khoa học Ứng dụng của AWS, Wang Minjie, đảm nhiệm vị trí Giám đốc Khoa học. Họ định vị là công ty gốc Agent trong ngành nội dung, hiện đang tập trung vào các kịch bản ngắn AI, xây dựng môi trường học tập tăng cường có thể kết nối và tự tiến hóa cho các tác giả, đồng thời liên tục cải tiến thông qua phản hồi tiêu dùng thực tế, phản ánh rằng quy trình sản xuất nội dung AI và thương mại hóa đang được hình thành nhanh chóng.
2. Năng lực ứng dụng AI tiếp tục mở rộng, chức năng tìm kiếm trang web trong Responses API hiện đã hỗ trợ kết quả hình ảnh, không còn giới hạn trong việc trả về thông tin văn bản. Điều này có nghĩa là các nhà phát triển có thể gọi trực tiếp nội dung hình ảnh của sản phẩm, địa điểm, tham khảo hình ảnh, v.v. trong ứng dụng của họ, và kết hợp với liên kết nguồn để nâng cao hiệu quả trình diễn và trải nghiệm tương tác. Đối với các bối cảnh như trợ lý AI, sáng tạo nội dung, gợi ý thương mại điện tử và hướng dẫn du lịch, việc tích hợp tìm kiếm hình ảnh có thể tăng cường khả năng sử dụng sản phẩm, cũng cho thấy khả năng đa phương thức đang trở thành một hướng quan trọng trong cạnh tranh ứng dụng AI.
#AI #Agent #đa phương thức
📰 Tin nóng thị trường Crypto
1. Năng lực AI kết nối đang nóng lên, CPO trở thành tâm điểm hạ tầng mới
Khi lưu lượng đào tạo và suy diễn mô hình AI tiếp tục tăng, các trung tâm dữ liệu đang phải đối mặt với nhiều áp lực về băng thông, tiêu thụ điện, suy hao tín hiệu và tản nhiệt. CPO với đóng gói quang học hợp tác nhờ khả năng tích hợp sâu giữa động cơ quang và chip, được coi là hướng quan trọng để nâng cao hiệu quả kết nối tốc độ cao bên trong và bên ngoài tủ. Hiện tại, các nhà sản xuất như Nvidia, Broadcom đang tích cực thúc đẩy các giải pháp chuyển đổi liên quan, nhưng việc đóng gói tiên tiến, quản lý nhiệt, bảo trì và tiêu chuẩn hóa vẫn là những rào cản chính trong ngành.
2. Đường đua “siêu kết nối” AI có thể tái cấu trúc phân bổ giá trị ngành
Các quan điểm trên thị trường cho rằng, giai đoạn cạnh tranh tiếp theo trong cơ sở hạ tầng AI đang chuyển từ việc mở rộng đơn thuần năng lực tính toán sang nâng cấp “khả năng kết nối”. So với các lộ trình NPO, OIO, LPO, CPO được coi là giải pháp thế hệ tiếp theo có tiềm năng dài hạn hơn. Khi công nghệ trở nên trưởng thành, giá trị chuỗi cung ứng có khả năng tập trung hơn nữa vào các nhà sản xuất chip chuyển đổi, các khâu cốt lõi của mô-đun quang và các doanh nghiệp đóng gói tiên tiến, các lộ trình liên quan có thể trở thành tâm điểm mới của vốn AI và bán dẫn.
3. Nhu cầu thanh toán của Agent cao, nhưng vẫn cần xác thực thực tế
Hệ thống thanh toán xung quanh nền kinh tế Agent gần đây đã được thảo luận, nhưng nhiều cuộc khảo sát cho thấy, thị trường hiện vẫn đang ở giai đoạn khám phá sớm. Dù là Agent đối với thương nhân, API hay Agent đối với Agent, sự hoạt động giao dịch thực tế và chuyển đổi thương mại vẫn còn hạn chế. Giai đoạn hiện tại ngành còn như đang xác thực các tình huống và nhu cầu, chứ không phải đang bước vào giai đoạn tăng trưởng lớn, trong ngắn hạn nên chú ý hơn đến tần suất sử dụng thực tế và mô hình kinh doanh bền vững.
4. Mô hình kinh doanh của Agent phân hóa, các tình huống tài chính tương đối rõ ràng hơn
Xét về việc ứng dụng, Agent đối với thương nhân bị ràng buộc bởi trải nghiệm người dùng và kênh phân phối, Agent đối với API thì bị giới hạn bởi sự sẵn sàng mở cửa và hệ thống định giá của các nhà cung cấp SaaS lớn, Agent đối với Agent vẫn còn thiên về khái niệm. Ngược lại, tài chính là một trong số ít các lĩnh vực có nhu cầu hiện hữu, nhưng rào cản cạnh tranh cũng cao, các tổ chức thanh toán và tài chính truyền thống vẫn chiếm ưu thế rõ rệt về quy định, kênh và tài nguyên khách hàng.
5. Thanh toán chưa chắc là đích đến cuối cùng, khả năng hợp tác có thể là cơ hội lớn hơn
Nhận định trong ngành chỉ ra rằng, thanh toán chỉ là một phần trong chuỗi hợp tác của Agent, điều thực sự quyết định giá trị thương mại có thể là khả năng phối hợp nhiệm vụ, xác thực danh tính, quản lý quyền hạn và khả năng thực thi tự động. Trong tương lai, nếu có nền tảng nào đó tiên phong giải quyết vấn đề hiệu suất hợp tác giữa nhiều Agent, chức năng thanh toán có thể ngược lại trở thành một phần được tích hợp. Đối với ngành crypto, thanh toán trên chuỗi vẫn còn nhiều không gian tưởng tượng, nhưng điều kiện tiên quyết là phải chạy thông qua nhu cầu thực tế và vòng đời sản phẩm.
#AI #Agent #crypto
1. Năng lực AI kết nối đang nóng lên, CPO trở thành tâm điểm hạ tầng mới
Khi lưu lượng đào tạo và suy diễn mô hình AI tiếp tục tăng, các trung tâm dữ liệu đang phải đối mặt với nhiều áp lực về băng thông, tiêu thụ điện, suy hao tín hiệu và tản nhiệt. CPO với đóng gói quang học hợp tác nhờ khả năng tích hợp sâu giữa động cơ quang và chip, được coi là hướng quan trọng để nâng cao hiệu quả kết nối tốc độ cao bên trong và bên ngoài tủ. Hiện tại, các nhà sản xuất như Nvidia, Broadcom đang tích cực thúc đẩy các giải pháp chuyển đổi liên quan, nhưng việc đóng gói tiên tiến, quản lý nhiệt, bảo trì và tiêu chuẩn hóa vẫn là những rào cản chính trong ngành.
2. Đường đua “siêu kết nối” AI có thể tái cấu trúc phân bổ giá trị ngành
Các quan điểm trên thị trường cho rằng, giai đoạn cạnh tranh tiếp theo trong cơ sở hạ tầng AI đang chuyển từ việc mở rộng đơn thuần năng lực tính toán sang nâng cấp “khả năng kết nối”. So với các lộ trình NPO, OIO, LPO, CPO được coi là giải pháp thế hệ tiếp theo có tiềm năng dài hạn hơn. Khi công nghệ trở nên trưởng thành, giá trị chuỗi cung ứng có khả năng tập trung hơn nữa vào các nhà sản xuất chip chuyển đổi, các khâu cốt lõi của mô-đun quang và các doanh nghiệp đóng gói tiên tiến, các lộ trình liên quan có thể trở thành tâm điểm mới của vốn AI và bán dẫn.
3. Nhu cầu thanh toán của Agent cao, nhưng vẫn cần xác thực thực tế
Hệ thống thanh toán xung quanh nền kinh tế Agent gần đây đã được thảo luận, nhưng nhiều cuộc khảo sát cho thấy, thị trường hiện vẫn đang ở giai đoạn khám phá sớm. Dù là Agent đối với thương nhân, API hay Agent đối với Agent, sự hoạt động giao dịch thực tế và chuyển đổi thương mại vẫn còn hạn chế. Giai đoạn hiện tại ngành còn như đang xác thực các tình huống và nhu cầu, chứ không phải đang bước vào giai đoạn tăng trưởng lớn, trong ngắn hạn nên chú ý hơn đến tần suất sử dụng thực tế và mô hình kinh doanh bền vững.
4. Mô hình kinh doanh của Agent phân hóa, các tình huống tài chính tương đối rõ ràng hơn
Xét về việc ứng dụng, Agent đối với thương nhân bị ràng buộc bởi trải nghiệm người dùng và kênh phân phối, Agent đối với API thì bị giới hạn bởi sự sẵn sàng mở cửa và hệ thống định giá của các nhà cung cấp SaaS lớn, Agent đối với Agent vẫn còn thiên về khái niệm. Ngược lại, tài chính là một trong số ít các lĩnh vực có nhu cầu hiện hữu, nhưng rào cản cạnh tranh cũng cao, các tổ chức thanh toán và tài chính truyền thống vẫn chiếm ưu thế rõ rệt về quy định, kênh và tài nguyên khách hàng.
5. Thanh toán chưa chắc là đích đến cuối cùng, khả năng hợp tác có thể là cơ hội lớn hơn
Nhận định trong ngành chỉ ra rằng, thanh toán chỉ là một phần trong chuỗi hợp tác của Agent, điều thực sự quyết định giá trị thương mại có thể là khả năng phối hợp nhiệm vụ, xác thực danh tính, quản lý quyền hạn và khả năng thực thi tự động. Trong tương lai, nếu có nền tảng nào đó tiên phong giải quyết vấn đề hiệu suất hợp tác giữa nhiều Agent, chức năng thanh toán có thể ngược lại trở thành một phần được tích hợp. Đối với ngành crypto, thanh toán trên chuỗi vẫn còn nhiều không gian tưởng tượng, nhưng điều kiện tiên quyết là phải chạy thông qua nhu cầu thực tế và vòng đời sản phẩm.
#AI #Agent #crypto
Xem bản dịch
Thời đại AI Agent, $GENIUS có thể là mảnh ghép bị đánh giá thấp
@GeniusOfficial đang xây dựng một giao thức kết hợp sâu sắc trí tuệ nhân tạo với tài sản trên chuỗi. Nói đúng hơn, đây không chỉ là một token, mà là một cược sớm cho "nền kinh tế máy móc".
Tại sao nên chú ý đến $GENIUS ?
1. Điểm giao thoa giữa AI + Crypto — Câu chuyện mạnh mẽ nhất trong chu kỳ này, vốn đang tìm kiếm những bên thực sự có sản phẩm
2. Hạ tầng cho nền kinh tế Agent — Khi AI Agent bắt đầu giao dịch, thanh toán, ký hợp đồng một cách tự chủ, cần có các đường dẫn mã hóa gốc
3. Sự tiến hóa của mô hình token — $GENIUS không chỉ là quản trị, mà còn là "nhiên liệu" cho Agent gọi đến trí tuệ
Thị trường vẫn đang nhìn vào token AI với cái nhìn của Meme, nhưng giá trị thực sự chỉ xảy ra trong những dự án có tình huống sử dụng thực tế.
Nếu Genius 2.0 có thể khép kín vòng lặp giữa Agent ↔ hành động trên chuỗi, tiềm năng sẽ vượt xa những gì hiện tại.
#genius #AI #Agent
@GeniusOfficial đang xây dựng một giao thức kết hợp sâu sắc trí tuệ nhân tạo với tài sản trên chuỗi. Nói đúng hơn, đây không chỉ là một token, mà là một cược sớm cho "nền kinh tế máy móc".
Tại sao nên chú ý đến $GENIUS ?
1. Điểm giao thoa giữa AI + Crypto — Câu chuyện mạnh mẽ nhất trong chu kỳ này, vốn đang tìm kiếm những bên thực sự có sản phẩm
2. Hạ tầng cho nền kinh tế Agent — Khi AI Agent bắt đầu giao dịch, thanh toán, ký hợp đồng một cách tự chủ, cần có các đường dẫn mã hóa gốc
3. Sự tiến hóa của mô hình token — $GENIUS không chỉ là quản trị, mà còn là "nhiên liệu" cho Agent gọi đến trí tuệ
Thị trường vẫn đang nhìn vào token AI với cái nhìn của Meme, nhưng giá trị thực sự chỉ xảy ra trong những dự án có tình huống sử dụng thực tế.
Nếu Genius 2.0 có thể khép kín vòng lặp giữa Agent ↔ hành động trên chuỗi, tiềm năng sẽ vượt xa những gì hiện tại.
#genius #AI #Agent
Câu chuyện về Agent trên chuỗi này cuối cùng cũng không chỉ là hô hào nữa, ông lớn của Mysten Labs thẳng thắn tuyên bố "không phải là chiêu trò, chúng tôi đang bước vào kỷ nguyên Agent", và rõ ràng xem blockchain như là lớp tin cậy cho AI. Nếu Sui có thể tạo ra một framework Agent thực sự hữu dụng, thị trường có thể sẽ khác biệt hoàn toàn. Nếu không, chỉ là đồng tiền VC đổi hình thôi. #AI #Agent $SUI
Sản phẩm mã nguồn mở bị "công ty lớn chính thức thu hoạch"? Plugin hàng đầu OMO tố cáo Anthropic về việc sao chép cấu trúc Agent của họ ở mức pixel
Dự án mã nguồn mở OpenCode với 167,000 sao, nhóm plugin chính thức No.1 OMO đã công khai chỉ trích Anthropic vì đã sao chép ở cấp độ pixel cấu trúc đa mô hình của OMO trong dòng công việc động Claude Code và chế độ ultracode được phát hành trong Opus 4.8. OMO được phát triển bởi hacker 23 tuổi người Hàn Quốc Q, đã đạt được 60,000 sao. Vào tháng 1 năm nay, dòng công việc ultrawork và bộ não điều phối atlas mà OMO giới thiệu đã bị cáo buộc bị Anthropic thu nạp thành chức năng đóng và thu phí. OMO cũng tố FactoryAI đã sao chép cấu trúc Agent ba lớp của họ.
Tại sao điều này quan trọng: Đây là cuộc tranh luận gay gắt nhất giữa cộng đồng mã nguồn mở AI và các công ty lớn về việc sao chép cấu trúc, trực tiếp vạch trần con đường đổi mới chiếm đoạt “đầu tiên là cấm đoán, sau đó là thu nạp” của các công ty lớn, điều này sẽ ảnh hưởng đến hướng đi của hệ sinh thái mở của nền tảng AI Agent.
#AI #Anthropic #开源 #Agent
Dự án mã nguồn mở OpenCode với 167,000 sao, nhóm plugin chính thức No.1 OMO đã công khai chỉ trích Anthropic vì đã sao chép ở cấp độ pixel cấu trúc đa mô hình của OMO trong dòng công việc động Claude Code và chế độ ultracode được phát hành trong Opus 4.8. OMO được phát triển bởi hacker 23 tuổi người Hàn Quốc Q, đã đạt được 60,000 sao. Vào tháng 1 năm nay, dòng công việc ultrawork và bộ não điều phối atlas mà OMO giới thiệu đã bị cáo buộc bị Anthropic thu nạp thành chức năng đóng và thu phí. OMO cũng tố FactoryAI đã sao chép cấu trúc Agent ba lớp của họ.
Tại sao điều này quan trọng: Đây là cuộc tranh luận gay gắt nhất giữa cộng đồng mã nguồn mở AI và các công ty lớn về việc sao chép cấu trúc, trực tiếp vạch trần con đường đổi mới chiếm đoạt “đầu tiên là cấm đoán, sau đó là thu nạp” của các công ty lớn, điều này sẽ ảnh hưởng đến hướng đi của hệ sinh thái mở của nền tảng AI Agent.
#AI #Anthropic #开源 #Agent
Cuối tuần lại phải loay hoay với mấy công việc lặp đi lặp lại cả nửa ngày, bỗng nhận ra bộ AI tự động hóa của mình đã hoạt động được nửa năm, hiệu suất tăng lên khá rõ rệt. Thế là mình tóm tắt lại cách mà cấu trúc này phối hợp với nhau.
Cốt lõi chỉ có hai vai trò phân công: **Hermes làm quản lý** và Claude Code làm thợ. Hermes về bản chất là một quản gia nhiệm vụ, xử lý lịch trình, quản lý trí nhớ, nhiệm vụ cron chạy nền, cộng với việc phân phối tin nhắn đến Telegram và Feishu. Cứ tưởng tượng như một thư ký luôn trực tuyến, nhớ lại ý tưởng của hôm qua, nhắc nhở đúng giờ vào tối nay và tự động chạy một script thu thập dữ liệu vào ngày mai.
Những công việc mã hóa phức tạp thực sự, mình giao cho Claude Code làm cho xong. Tái cấu trúc lớn, kiểm tra mã, hoặc thiết kế một chức năng từ 0 đến 1 — những thứ này mình trực tiếp dùng chế độ CLI của Claude Code để làm cho triệt để. Cả hai bên đều có thể truy cập vào kho kỹ năng của mình (tinh hoa phương pháp), nếu Hermes muốn tái sử dụng một logic có sẵn, chỉ cần gọi kỹ năng; Claude Code cũng có thể dùng, chi phí chuyển đổi gần như không có.
Việc chọn mô hình là sự cân bằng giữa chi phí và lợi ích. Đối thoại hàng ngày, báo cáo sáng hàng ngày, giám sát thị trường, những thứ có tần suất cao thì sử dụng Haiku (rẻ), khi gặp những nhiệm vụ lớn cần lý luận sâu sắc thực sự thì nâng cấp lên Sonnet hoặc Opus. Như vậy, chi phí token trong một tháng có thể kiểm soát được.
Nhìn từ một góc độ khác, **agent là bộ não của dây chuyền tự động hóa**, quyết định và điều phối; **kỹ năng là đôi tay của dây chuyền**, cụ thể là làm việc. Hermes ở phía agent, cung cấp cho từng khâu của toàn bộ dây chuyền trí nhớ và ngữ cảnh. Nếu một nhiệm vụ nào đó vượt quá phạm vi, thì sẽ trực tiếp nâng cao cho Claude Code, chuyên gia này.
Trước khi thử bộ này, mỗi tuần mình mất 8 tiếng cho công việc lặp đi lặp lại. Giờ một số công việc cơ bản chạy ở nền, chỉ cần định kỳ kiểm tra báo cáo hoặc cảnh báo bất thường. Cái hố lớn nhất là tài liệu kỹ năng viết không rõ ràng dẫn đến gọi sai. Giờ đây, đối với mỗi kỹ năng mới, mình bắt buộc phải bổ sung "cạm bẫy phổ biến" và "tình huống sử dụng".
Nói đến đây, mình cảm thấy cốt lõi của tự động hóa AI không phải là dùng mô hình mạnh nhất, mà là **chia nhỏ công việc đủ chi tiết, mỗi đơn vị đủ độc lập, và dễ dàng debug khi có lỗi**. Một đội nhỏ đầu tư theo hướng này chắc chắn sẽ tiết kiệm được nhiều công sức thủ công.
$BTC #AI #Agent
Cốt lõi chỉ có hai vai trò phân công: **Hermes làm quản lý** và Claude Code làm thợ. Hermes về bản chất là một quản gia nhiệm vụ, xử lý lịch trình, quản lý trí nhớ, nhiệm vụ cron chạy nền, cộng với việc phân phối tin nhắn đến Telegram và Feishu. Cứ tưởng tượng như một thư ký luôn trực tuyến, nhớ lại ý tưởng của hôm qua, nhắc nhở đúng giờ vào tối nay và tự động chạy một script thu thập dữ liệu vào ngày mai.
Những công việc mã hóa phức tạp thực sự, mình giao cho Claude Code làm cho xong. Tái cấu trúc lớn, kiểm tra mã, hoặc thiết kế một chức năng từ 0 đến 1 — những thứ này mình trực tiếp dùng chế độ CLI của Claude Code để làm cho triệt để. Cả hai bên đều có thể truy cập vào kho kỹ năng của mình (tinh hoa phương pháp), nếu Hermes muốn tái sử dụng một logic có sẵn, chỉ cần gọi kỹ năng; Claude Code cũng có thể dùng, chi phí chuyển đổi gần như không có.
Việc chọn mô hình là sự cân bằng giữa chi phí và lợi ích. Đối thoại hàng ngày, báo cáo sáng hàng ngày, giám sát thị trường, những thứ có tần suất cao thì sử dụng Haiku (rẻ), khi gặp những nhiệm vụ lớn cần lý luận sâu sắc thực sự thì nâng cấp lên Sonnet hoặc Opus. Như vậy, chi phí token trong một tháng có thể kiểm soát được.
Nhìn từ một góc độ khác, **agent là bộ não của dây chuyền tự động hóa**, quyết định và điều phối; **kỹ năng là đôi tay của dây chuyền**, cụ thể là làm việc. Hermes ở phía agent, cung cấp cho từng khâu của toàn bộ dây chuyền trí nhớ và ngữ cảnh. Nếu một nhiệm vụ nào đó vượt quá phạm vi, thì sẽ trực tiếp nâng cao cho Claude Code, chuyên gia này.
Trước khi thử bộ này, mỗi tuần mình mất 8 tiếng cho công việc lặp đi lặp lại. Giờ một số công việc cơ bản chạy ở nền, chỉ cần định kỳ kiểm tra báo cáo hoặc cảnh báo bất thường. Cái hố lớn nhất là tài liệu kỹ năng viết không rõ ràng dẫn đến gọi sai. Giờ đây, đối với mỗi kỹ năng mới, mình bắt buộc phải bổ sung "cạm bẫy phổ biến" và "tình huống sử dụng".
Nói đến đây, mình cảm thấy cốt lõi của tự động hóa AI không phải là dùng mô hình mạnh nhất, mà là **chia nhỏ công việc đủ chi tiết, mỗi đơn vị đủ độc lập, và dễ dàng debug khi có lỗi**. Một đội nhỏ đầu tư theo hướng này chắc chắn sẽ tiết kiệm được nhiều công sức thủ công.
$BTC #AI #Agent
Mùa 2 trên GOAT Network thật điên rồ. Từ việc triển khai không mã qua @ClawUpAI đến việc quản lý các quy trình ZK gốc Bitcoin phức tạp, đại lý AI của tôi đã từ 0 thành anh hùng.
Điều gì làm nó khác biệt? Không chỉ là công nghệ vì công nghệ, đó là TIỆN ÍCH THỰC SỰ. Nhìn nó đơn giản hóa các chứng minh ZK nhiều lớp thành những giao dịch an toàn, dễ dàng mà cảm giác như gửi một tin nhắn khiến tôi hoàn toàn ngạc nhiên.
Xây dựng khác biệt, tập trung vào bảo mật, và làm cho quyền riêng tư crypto trở nên dễ tiếp cận với bất kỳ ai ngay từ ngày đầu tiên. Tự hào xây dựng trên một nền tảng vững chắc như @GOATRollup
#AIAgent #AGENT #BTC
Điều gì làm nó khác biệt? Không chỉ là công nghệ vì công nghệ, đó là TIỆN ÍCH THỰC SỰ. Nhìn nó đơn giản hóa các chứng minh ZK nhiều lớp thành những giao dịch an toàn, dễ dàng mà cảm giác như gửi một tin nhắn khiến tôi hoàn toàn ngạc nhiên.
Xây dựng khác biệt, tập trung vào bảo mật, và làm cho quyền riêng tư crypto trở nên dễ tiếp cận với bất kỳ ai ngay từ ngày đầu tiên. Tự hào xây dựng trên một nền tảng vững chắc như @GOATRollup
#AIAgent #AGENT #BTC
Mastercard hợp tác với Coinbase, Stripe để xây dựng hệ thống thanh toán AI Agent
Mastercard đang làm việc với Coinbase, Stripe và các công ty khác để phát triển một hệ thống thanh toán đáng tin cậy cho AI Agent. Các phương thức thanh toán truyền thống dựa vào xác thực danh tính con người (số thẻ tín dụng, mật khẩu), trong khi giao dịch giữa các AI Agent cần một khung xác thực và ủy quyền hoàn toàn mới. Mastercard sẽ tận dụng mạng lưới thanh toán toàn cầu và công nghệ token hóa của mình để cung cấp hạ tầng thanh toán an toàn cho các tình huống kinh doanh tự động do AI điều khiển.
Tại sao điều này quan trọng: Thanh toán tự động bằng AI Agent sẽ là thị trường hàng nghìn tỷ tiếp theo, sự kết hợp giữa Mastercard như một ông lớn trong thanh toán truyền thống và hệ sinh thái crypto/fintech đánh dấu sự hội nhập sâu sắc giữa AI và hạ tầng thanh toán đã bước vào giai đoạn thực tiễn.
#AI #Mastercard #Web3 #支付 #Agent
Mastercard đang làm việc với Coinbase, Stripe và các công ty khác để phát triển một hệ thống thanh toán đáng tin cậy cho AI Agent. Các phương thức thanh toán truyền thống dựa vào xác thực danh tính con người (số thẻ tín dụng, mật khẩu), trong khi giao dịch giữa các AI Agent cần một khung xác thực và ủy quyền hoàn toàn mới. Mastercard sẽ tận dụng mạng lưới thanh toán toàn cầu và công nghệ token hóa của mình để cung cấp hạ tầng thanh toán an toàn cho các tình huống kinh doanh tự động do AI điều khiển.
Tại sao điều này quan trọng: Thanh toán tự động bằng AI Agent sẽ là thị trường hàng nghìn tỷ tiếp theo, sự kết hợp giữa Mastercard như một ông lớn trong thanh toán truyền thống và hệ sinh thái crypto/fintech đánh dấu sự hội nhập sâu sắc giữa AI và hạ tầng thanh toán đã bước vào giai đoạn thực tiễn.
#AI #Mastercard #Web3 #支付 #Agent
Đăng nhập để khám phá thêm nội dung