大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



https:// mp.weixin..com/s/-q1_ HlLvmTB4gSxSEzYc8A

UCAgent（“万众一芯”芯片验证智能体），是香山团队在2025年的一个意外惊喜——这是一个真得能用的芯片验证智能体！

让我们分享黑客马拉松中的两个案例：

1）来自中国科学院软件所的HASSLab小队是第一次参加万众一芯的活动。在此前完全没有接触过“万众一芯”平台和UCAgent工具的情况下，在短短2天的比赛窗口期内，不仅从零开始快速掌握了工具链，更成功找到并复现了DUT模块中全部15个预埋Bug。

2）一位来自算能科技的验证工程师全程参与了活动。他也是从零开始学习UCAgent，2天时间里现学现用，以一人之力找到2个bug。他表示，作为一线从业者，他曾系统调研过众多国内外开源验证工具与平台，而最终在实践中发现，“万众一芯”是他能接触到的唯一能够真正满足工业级需求、具备“实际可用性”的平台。

2023年某一天，阿里的孟建熠博士在我办公室交流，忽然有个灵感——他建议道，既然香山是开源的，那其实可以让更多人来参与验证。我说这就是众包（crowdsourcing）模式，真可以试一试。

说干就干。我立刻和团队中王卅副研究员、姚治成博士讨论开源验证工作。2023年7月，“万众一芯”项目启动。顾名思义，愿景目标是充分发挥香山开源优势，最终能基于众包模式实现一万人开发一颗芯片。

2023年9月13日，双周例会启动，唐丹、葛琪、马久跃、安旭等几位技术专家加入，谢云龙、刘锦程、王俊越、宋方圆等一批学生也加入成为项目骨干。

“万众一芯”开源众包验证平台项目，正式启航！

这是“万众一芯”曾经的宣传语：

• 不懂芯片，只会软件，没问题！
• 不懂Verilog，只会Python，没问题！
• 不是专家，还是本科生，也没问题！

要让更多人参与，就需要降低门槛。“万众一芯”项目组一开始的思路，是希望通过支持使用Python/Java/Go编写芯片单元测试UT（Unit Test）用例，从而降低门槛，让软件工程师也可以参与芯片验证。

为了支持Python等语言，团队开发了一批工具，并基于这些工具设立了多项比赛，准备了丰厚的奖金。然而，现实很残酷——虽然报名人数有300多人，但最终能完成的人数不到10位。即使用Python，芯片验证对于软件工程师而言，门槛还是太高！

软件工程师要参与芯片验证，到底什么环节让他们觉得难？经过和多位比赛参与者沟通，“万众一芯”团队终于搞明白了，真正的难点是——如何理解芯片设计代码，并拆解出需要验证的功能点，且覆盖率要逼近100%。

一般而言，一个1000行代码的芯片设计模块，往往要拆解出几百个待验证的功能点，然后根据功能点来编写测试用例。这个验证功能点拆解的工作，对于绝大多数软件工程师来说，根本无从下手。​相比而言，测试用例用什么语言来写，Python、Java还是SystemVerilog，反而是次要的了。

在搞清楚根本症结后，“万众一芯”团队想到了AI大模型——读代码、分析代码，这不正是今天大模型的强项吗？

于是，团队启动了基于大模型的芯片验证智能体工作——UCAgent诞生了。

当真正深入下去，发现要让智能体真正能工作，挑战重重：

1）如果让大模型生成Verilog或SystemVerilog，全世界最先进的大模型准确率也仅仅30%-70%，完全处于不能用的状态。这主要是因为这两种语言的代码在网上太少了，大模型学得少。

2）大模型的上下文一般是几百K个token，但芯片验证过程中，有时输给大模型的提示词会超过上下文，这就导致大模型会出现“遗忘”现象，输出胡言乱语。

3）生成一篇文章或者生成一幅画只需几分钟，但芯片验证过程往往需要几个小时，这对一致性要求提出巨大挑战——经过几个小时后验证结束，报出来的一个bug 还能否溯源回一开始输入的代码和文档？

4）……

针对这些挑战，“万众一芯”团队一个一个地攻克下来，终于让UCAgent真正有用！（具体技术细节，后续会发布UCAgent技术报告）

UCAgent，芯片验证智能体，带给我们新的想象空间——未来，一个验证工程师 + 一个UCAgent，真有可能将验证效率提升一个数量级，这将有可能带来芯片验证范式的改变。

这种改变的源头，正是来自RISC-V。我经常说，RISC-V给世界带来的根本性改变，是指令集从私有化向公有制的转变，是指令集从封闭性向开放性的转变，这将会带来一系列核裂变式连锁反应，比如：

• RISC-V指令集的开放性
• –> 开源香山项目诞生
• –> 催生一系列敏捷开发工具
• –> 启动 “万众一芯”开源众包验证平台
• –> 孵化UCAgent智能体
• –> ……

这个连锁反应，正是RISC-V所蕴含的巨大威力。

———

最后，欢迎试用UCAgent，目前UCAgent已有2万多行代码。开源代码仓库：https://github.com/XS-MLVP/UCAgent

​

推荐一个最近刚出现，可能要火的智能体AnyGen，有人甚至称它为国产的NotebookLM，但我认为并不是，其实AnyGen和NotebookLM是两种AI产品。

什么是AnyGen呢？

相信很多人都不认识它，甚至都没听说过，AnyGen是字节Lark（海外飞书）团队开发的一款办公生产力智能体，支持的技能非常多，底层应该是Skills和MCP的封装，能直接将需求转换为成果，其实更像Manus。

比如你只需提交一个excel表，AnyGen就能输出一份完成的分析报告，可以导出pdf、ppt。

NotebookLM则更偏向于AI知识库，本质上用于记录内容，并通过AI整合输出多模态的结果，类似的有Notion AI、ima。

AnyGen则将对话式AI进行了功能延伸，不再只生成临时的单一形式答案，而是一步到位，支持在用户的个性化定制下，产出可交付的文件。

包括但不限于文档、PDF、Word、PPT、网页等，而且产出内容既可以是专业的分析报告，还可以是故事绘本，调研论文等。

还有一点，AnyGen和NotebookLM的核心差异在于，NotebookLM主要基于你上传的文件创建知识库，并严格在此知识库范围上输出内容，主打的是减少AI幻觉，保证内容的可追溯。

AnyGen则更加开放，你只需要通过简单的对话，它就会搜集各种开放的资料进行知识整合，输出结果，比如让它调研某个产品的市场行情，它就会搜罗-整合-输出，扔给你一份报告。

当然AnyGen也可以选择关闭搜索模式，但其本身产品特点就是在于通过大量的外部知识产出可交付的成果。

AnyGen虽然是字节的产品，但主要面向的海外市场，其底层模型有可能是Gemini、Claude这类头部模型，比如它有一个生成故事绘本功能，用的是nano banana pro模型，所以其模型能力应该是顶级的。

我测试了AnyGen的几个核心场景，包括分析数据、创建网页、生成PPT、创建故事绘本、批量调研，我认为是AI执行落地业务的一个很好的开始和范例。

首先是分析数据，这是最日常的办公业务。AI做数据分析最大的bug在于不清楚业务的细节，因为业务知识是碎片化、分散在各地的，但其优势是处理数据、搭建模型非常强大，而且有丰富的外部知识体系。

我提交了一个笔记本电脑的销售数据集，有产品名称、价格、销量等详细的信息，让AnyGen分析数据，并输出分析报告。

AnyGen会将任务进行拆解，包括数据梳理、脚本编写、可视化设计等，每个步骤应该对应着某个skill。

它还会提供可选配置项，让用户自己选择数据分析的关注点、主指标、分析维度、异常值处理、图表偏好等。

确认好步骤和用户偏好后，它就开始逐步执行，并生成结果，大概需要3-5分钟。

输出的结果包含洞察和完整报告，它从品牌、地区、商品等多维度分析了商品GMV表现，报告中的图表是可交互的，整个报告可导出PDF。

它支持将报告转换为PPT版本，生成的PPT除了图片外，其他都是可编辑的，虽然排版没那么花里胡哨，但结构清晰，我觉得改一改可以直接用于日常汇报。

可能由于我的提示词比较简单，有大佬用AnyGen做出看着很专业的东西出来。

相对于生成PPT报告，我其实更喜欢AnyGen的制作网页和创建故事绘本功能，效果比我想象的要惊艳。

比如创建一个适合小朋友学习的Python编程网站。

效果如下：

这样的网页UI风格，有点不太像AI做出来的。

但是具体的网站功能模块，AnyGen并没有去开发，需要再给到更细的提示语，让它逐步去开发。

前面说到AnyGen用到了nano banana模型来制作漫画绘本，跑出来的结果很nano banana，相当的专业。

比如让它设计个漫画，讲解关于claude mcp和skill的功能和使用场景，要求通俗易懂、好玩有趣。

漫画如下：

看着是不是还不错？将知识与漫画完美的结合在一起，果然还得是nano banana。

最后我测试了AnyGen的批量调研功能，它可以根据简单的需求，收集数据形成复杂的调研报告，适合学习研究，类似于Gemini的deep reaserch，不过它交付的文件更多，有PDF、word文档、ppt等。

比如让它总结20家车企的新能源汽车，从产品、价格、销量、技术等方面进行分析，预测2026年的新能源汽车市场行情。

形成的分析报告有模有样，图文并貌，透露着咨询调研报告的味道。

总的来说，AnyGen是字节迈向通用Agent的很重要的一步，其显现出的目的也很明确，不再满足对话大模型的限制，要用AI一键搞定日常办公的各种需求，直接交付结果，不需要人来指挥、确认。

AI不需要学习，用起来就是最好的学习。

https://www. anygen.io/home? invitation_code=43DODU9EFKFZ2R3
❞

这让我想起了notion创始人Ivan Zhao最近写的一篇文章《蒸汽、钢铁与无限智识》，其中提到“从骑自行车到开汽车”的类比。

今年编程代理的实践告诉我们，“人机协同循环” 并非总是必要的。这就像让专人检查工厂生产线上的每一颗螺栓，或让旗手在汽车前方开路（参见 1865 年《红旗法案》）。我们需要的是人类从 “高效节点” 监督循环，而非深陷循环之中。 一旦语境整合完成、工作成果可被验证，数十亿工作者将从 “骑自行车” 升级为 “开汽车”，进而迈向 “自动驾驶” 的新阶段。
❞

有空可以去读一读这篇文章，可以说是2025年解读AI最好的文章之一。

​

1、扣子（Coze）开发平台

字节跳动推出的 AI 智能体开发平台，用户无需编程基础，通过拖拽和配置即可快速创建聊天机器人，并部署到豆包、飞书、抖音、微信等多个平台。平台提供超过 1 万 + 的插件，内置豆包・Function call 32k、通义千问 - Max 8k 等多个大模型，还具备知识库、数据库、图像流等功能。

2、通义千问Agent平台

阿里巴巴基于通义千问大模型打造的智能体开发框架，以强大的多模态能力和工具集成特性，助力快速构建能理解复杂指令、协同完成任务的智能体。

3、阿里云百炼智能体应用平台

阿里云推出的大模型服务平台，聚焦企业级智能体开发的平台，融合大模型与行业知识，通过低代码方式降低开发门槛，让企业轻松拥有贴合业务场景的智能体应用。

4、Agentar智能体开发平台

蚂蚁数科旗下的智能体开发平台，以灵活的架构和丰富的功能组件为核心，支持开发者快速搭建具备自主决策、多任务处理能力的智能体，适配多领域应用需求。

5、Hi Agent企业AI中台

火山引擎发布的企业AI中台，面向企业数字化转型的 AI 中台，集成智能体开发全流程工具，可深度对接企业业务系统，为企业提供从智能体构建到落地运营的一体化支持。。

6、华为云ModelArts Versatile

华为云发布的企业级Agent平台，综合性的 AI 开发平台，支持智能体全生命周期管理，凭借强大的算力支撑和模型优化能力，赋能开发者高效打造高性能智能体。

7、腾讯元器智能体开发平台

腾讯公司基于混元大模型的 AI 智能体创作与分发平台，支持低代码或无代码开发。用户可通过图形化界面拖放组件设计工作流程，智能体可一键分发到 、微信客服等腾讯多个平台，适用于金融、法律、营销等多个行业。

8、360智语企业级Agent开发平台

360推出的企业级智能体开发平台，聚焦企业应用场景，为企业提供安全可靠的智能体开发环境。可帮助企业构建智能客服、智能办公助手等应用，同时保障企业数据和应用安全，防止数据泄露和恶意攻击。

9、百度文心智能体平台

由百度开发，基于文心大模型，支持零代码或低代码开发。通过整合百度的搜索、硬件、内容等资源，为开发者提供从开发到分发、运营、变现的一体化解决方案，可应用于内容创作、智能客服、健康管理等多个场景。

10、JoyAgent智能体平台

京东云推出的智能体平台，以轻量化、易上手为特点，提供可视化开发界面和丰富的模板，让用户无需深厚技术背景，也能快速创建满足日常或业务需求的智能体。

​