高盛CIO說,管理AI代理是員工是2025年的挑戰。
今年,人工智能將大幅進化,企業「工作者」—或AI程式碼—將成為焦點,根據高盛首席資訊官馬可·阿根蒂的展望博客文章。該投資銀行的願景描繪了一個未來,AI深入融入企業運營,幾乎像人類員工般運作。
人與機器的混合團隊
阿根蒂設想一個世界,AI模型能獨立處理複雜的長期任務,成為「企業工作者」。他認為這一轉變將使企業能將AI納入團隊,創造他所稱的「混合團隊」,結合人類與機器資源。這種整合可能導致組織內全新動態,包括人力資源部門需管理AI與人類員工。甚至可能出現「AI裁員」,當舊程式被更新、更強大的版本取代時。
高盛的首席資訊官並非唯一持此預測。在CES上,Nvidia執行長黃仁勳將AI代理描述為「數位勞動力」,可與人類員工協作,自主處理任務。他建議IT部門可能很快承擔AI代理的人力資源角色,監督其整合與管理。
專家AI系統的未來
阿根蒂較引人注目的預測之一是,最先進的AI模型將類似博士畢業生—高度專業化的系統,針對金融、醫療等產業量身定制。這些模型將來自兩個關鍵過程:檢索增強生成和微調。檢索增強生成涉及將AI模型連接到外部資源,如資料庫和API,而微調則在初始預訓練後,以特定產業資料進一步訓練模型。
阿根蒂強調的另一趨勢是大型語言模型(LLMs)與機器人的交叉融合。通過模擬環境,機器人可獲得實務經驗,使AI更有效推理並與物理世界互動。這可能革新製造、物流甚至客戶服務等領域。
負責任的AI與「一級方程式」模型
隨著AI日益精密,阿根蒂強調「負責任的AI」在企業策略中日益重要。到2025年,他預計最大的生成AI模型—常被OpenAI等公司稱為「前沿」模型—將需要巨額預算維持。這些模型將由少數機構主導,其餘機構則專注於較小規模的AI項目。
本質上,阿根蒂預測AI發展將形成雙層系統:少數菁英提供者將主導高端「一級方程式」層次,而市場其餘部分專注於更易取得的解決方案。隨著AI持續重塑產業,組織需快速適應以保持競爭力。

相關文章
SpaceX的IPO申請檔案重點體現了其在衛星網際網路和人工智慧領域的發展雄心
在為即將進行的IPO提交的S-1註冊檔案中,SpaceX公佈了一系列令人矚目的業務資料,這些資料凸顯了其在航空航天通訊和人工智慧領域的強大實力:Starlink使用者數突破1000萬:截至2026年第一季度,全球付費Starlink使用者數量已達到1030萬,這一數字在過去一年內翻了一番。這一增長充分證明了作為全球最大的近地軌道衛星星座,Starlink在寬頻和行動通訊領域的領先地位。目前該衛星網路由大約9600顆衛星組成,這些衛星佔在軌所有活躍衛星總數的65%。Grok與X人工智慧生態體系:通
阿里巴巴Tuhao M890上市,憑藉三重效能優勢開啟晶片-雲-模型-推理的全棧代理時代
2026年5月20日,在阿里雲峰會上,阿里雲宣佈完成了專為“智慧體時代”設計的全棧技術系統升級。這一變革重塑了整個技術體系——從底層晶片和雲平臺到模型與推理方案。此次升級使阿里雲成為一家能夠讓大量智慧體實現24/7連續執行的“AI工廠”,從而超越了單純為人類使用者提供服務的範疇。1. 核心基礎:騰迅振武M890晶片與超級節點伺服器此次升級的核心是騰迅推出的新一代AI晶片——振武M890,該晶片集訓練與推理功能於一體。效能提升:M890擁有144GB的記憶體,其效能是前代產品振武810E的三倍。
奔騰4的復興:這款已有20年曆史的CPU能夠執行Meta Llama 3大型模型
最近,YouTube技術頻道Fully Buffered進行了一項令人印象深刻且極具挑戰性的實驗:他們成功地在2006年推出的Pentium 4 641處理器上執行了Meta最新的Llama 3.2 3B大型模型。這項測試迫使現代人工智慧技術與二十年前的硬體裝置進行了碰撞,不僅揭示了大語言模型的基本相容性限制,還引發了眾多觀眾的思考:在人工智慧時代,摩爾定律是如何以這種不同尋常的方式實現跨代際應用的。硬體考古學:將2006年的元件推向極限為了完成這項測試,Fully Buffered團隊重
相關專題推薦
評論 (3)
0/500
Goldman Sachs predicting AI agents as employees by 2025? That's wild! It feels like we're moving from tools to teammates overnight. The real challenge won't be the tech itself, but figuring out how to 'manage' code that learns and adapts. Do we give them performance reviews? 😂 Exciting but also a bit unsettling for sure.
AI as employees? That's wild! Goldman Sachs is really pushing the envelope here. I wonder how HR will handle 'managing' code with a personality. 🤖 Exciting times, but kinda scary too!
今年,人工智能將大幅進化,企業「工作者」—或AI程式碼—將成為焦點,根據高盛首席資訊官馬可·阿根蒂的展望博客文章。該投資銀行的願景描繪了一個未來,AI深入融入企業運營,幾乎像人類員工般運作。
人與機器的混合團隊
阿根蒂設想一個世界,AI模型能獨立處理複雜的長期任務,成為「企業工作者」。他認為這一轉變將使企業能將AI納入團隊,創造他所稱的「混合團隊」,結合人類與機器資源。這種整合可能導致組織內全新動態,包括人力資源部門需管理AI與人類員工。甚至可能出現「AI裁員」,當舊程式被更新、更強大的版本取代時。
高盛的首席資訊官並非唯一持此預測。在CES上,Nvidia執行長黃仁勳將AI代理描述為「數位勞動力」,可與人類員工協作,自主處理任務。他建議IT部門可能很快承擔AI代理的人力資源角色,監督其整合與管理。
專家AI系統的未來
阿根蒂較引人注目的預測之一是,最先進的AI模型將類似博士畢業生—高度專業化的系統,針對金融、醫療等產業量身定制。這些模型將來自兩個關鍵過程:檢索增強生成和微調。檢索增強生成涉及將AI模型連接到外部資源,如資料庫和API,而微調則在初始預訓練後,以特定產業資料進一步訓練模型。
阿根蒂強調的另一趨勢是大型語言模型(LLMs)與機器人的交叉融合。通過模擬環境,機器人可獲得實務經驗,使AI更有效推理並與物理世界互動。這可能革新製造、物流甚至客戶服務等領域。
負責任的AI與「一級方程式」模型
隨著AI日益精密,阿根蒂強調「負責任的AI」在企業策略中日益重要。到2025年,他預計最大的生成AI模型—常被OpenAI等公司稱為「前沿」模型—將需要巨額預算維持。這些模型將由少數機構主導,其餘機構則專注於較小規模的AI項目。
本質上,阿根蒂預測AI發展將形成雙層系統:少數菁英提供者將主導高端「一級方程式」層次,而市場其餘部分專注於更易取得的解決方案。隨著AI持續重塑產業,組織需快速適應以保持競爭力。

SpaceX的IPO申請檔案重點體現了其在衛星網際網路和人工智慧領域的發展雄心
在為即將進行的IPO提交的S-1註冊檔案中,SpaceX公佈了一系列令人矚目的業務資料,這些資料凸顯了其在航空航天通訊和人工智慧領域的強大實力:Starlink使用者數突破1000萬:截至2026年第一季度,全球付費Starlink使用者數量已達到1030萬,這一數字在過去一年內翻了一番。這一增長充分證明了作為全球最大的近地軌道衛星星座,Starlink在寬頻和行動通訊領域的領先地位。目前該衛星網路由大約9600顆衛星組成,這些衛星佔在軌所有活躍衛星總數的65%。Grok與X人工智慧生態體系:通
阿里巴巴Tuhao M890上市,憑藉三重效能優勢開啟晶片-雲-模型-推理的全棧代理時代
2026年5月20日,在阿里雲峰會上,阿里雲宣佈完成了專為“智慧體時代”設計的全棧技術系統升級。這一變革重塑了整個技術體系——從底層晶片和雲平臺到模型與推理方案。此次升級使阿里雲成為一家能夠讓大量智慧體實現24/7連續執行的“AI工廠”,從而超越了單純為人類使用者提供服務的範疇。1. 核心基礎:騰迅振武M890晶片與超級節點伺服器此次升級的核心是騰迅推出的新一代AI晶片——振武M890,該晶片集訓練與推理功能於一體。效能提升:M890擁有144GB的記憶體,其效能是前代產品振武810E的三倍。
奔騰4的復興:這款已有20年曆史的CPU能夠執行Meta Llama 3大型模型
最近,YouTube技術頻道Fully Buffered進行了一項令人印象深刻且極具挑戰性的實驗:他們成功地在2006年推出的Pentium 4 641處理器上執行了Meta最新的Llama 3.2 3B大型模型。這項測試迫使現代人工智慧技術與二十年前的硬體裝置進行了碰撞,不僅揭示了大語言模型的基本相容性限制,還引發了眾多觀眾的思考:在人工智慧時代,摩爾定律是如何以這種不同尋常的方式實現跨代際應用的。硬體考古學:將2006年的元件推向極限為了完成這項測試,Fully Buffered團隊重
Goldman Sachs predicting AI agents as employees by 2025? That's wild! It feels like we're moving from tools to teammates overnight. The real challenge won't be the tech itself, but figuring out how to 'manage' code that learns and adapts. Do we give them performance reviews? 😂 Exciting but also a bit unsettling for sure.
AI as employees? That's wild! Goldman Sachs is really pushing the envelope here. I wonder how HR will handle 'managing' code with a personality. 🤖 Exciting times, but kinda scary too!





首頁






