大家都在押 GPU，但 AI agent 的真实瓶颈根本不在 GPU 上。 Georgia Tech × Intel 去年 11 月发了一篇论文 （arXiv:2511.00739），在 5 个真实 agent 系统上实测—— 工具调用（搜一下、查数据库、跑代码、读文件）占掉了整个响应时间的大头： 检索型 agent：90.6% Devin 同类代码 agent：78.7% LangChain：>50% 模型推理从来不是瓶颈。 道理其实很朴素： 一次对话里，agent 要调工具十几轮（搜一下、看结果、再搜、跑代码、看报错、再跑…）。 每一次工具调用都在 CPU 上，GPU 大部分时间其实在闲置。 更反直觉的数字： 并发请求一堆上去，CPU 电费暴涨 87 倍，GPU 只涨 27 倍。 也就是说 agent 规模一大，电费账单的主力是 CPU，不是大家盯着的 GPU。 这对 AI 基础设施的估值模型来说，是三个没被 price in 的信号： CPU 侧的"老钱"会被重新定价。 Intel / AMD 的服务器 CPU、内存带宽、互联芯片，在 agent 时代不再是"便宜的配件"。 只买更多 H100 救不了 agent 产品的延迟。很多 AI 创业公司做 agent，还在继续往 GPU 堆钱 —— 这条路走不通。 Datacenter 电费模型要重写。CPU 吃掉 44% 的动态能耗，散热和电力预算全要重估，直接影响 Neocloud 和 hyperscaler 的毛利。 AI infra 的下半场，战场从 GPU 搬到 CPU + 内存 + 互联。 大部分人还在讨论模型参数的时候，已经有人在重画 datacenter 的账本。

✅ KAITO @KaitoAI 以前的嘴撸，现在回归的新方式也是获得了更多的人关注，另外我将展示AxisRobotics的分配计划获得，首先将分为两部分，一部分是介绍Kaito&Axis以及Axis创作者活动获得空投的方式（我们创作者能获得什么？） 另一部分的关键是如何获取更高的rank&Aurn，得分比 ✅以及一些私人的建议 整体背景：Kaito，Axis Robotics是什么？ Kaito AI（ AI 驱动信息与注意力平台， InfoFi 项目。它主要提供： - Kaito Pro：加密市场情报搜索与分析工具（类似加密版 Bloomberg） 官网有原生代币 $KAITO Kaito官方账户：@KaitoAI 官网有原生代币 $KAITO 这是一些关于kaito的官方链接🔗 Axis Robotics，官方账户：axisrobotics 🔗： Axis Robotics 定位为 Physical AI，主要是通过其官网的模拟遥控，让更多的人能够接触到和参与，通过简单的指令实验训练实现技能升级。 融资与团队 - 融资：2026年7月完成 1200万美元种子轮，Hack VC 领投，Nomad Capital、Pi Network Ventures、10K Ventures 等跟投。资金用于扩大贡献者网络与产品商业化。 - 团队：创始人/CEO Chris Feng（前 Chainbase COO，有咨询与 VC 背景）。核心成员来自 UC Berkeley、CMU、Georgia Tech、NTU、上海交大等顶尖院校的 AI/机器人研究者，加上有大规模消费级产品增长经验的运营人员。 🌟 Axis Content Creator Program（被称为 Physical AI 的 Katalyst）内容创作者活动 - 合作方：Axis Robotics × Kaito AI - 奖励：总供应的 0.25% $AXIS 代币，在 TGE（代币生成事件）时全部解锁发放 - 前 1–100 名：分享 0.10% - 101–500 名：分享 0.10% - Kaito 质押者：分享 0.05% - 活动时间，第一阶段是：2026 年 8 月 19 日开始，到 9 月 18 日 12:00 UTC结束 ⭐️如何参与到Axis Daily Tasks 首先我们要确认的的是，Axis并不是一款游戏，它跟gamefi没有任何的关系，也不是像一些人所说的，这是一个游戏，完成了就有奖励。 只能说你能把这个物理训练的过程当程一个游戏提升趣味性，但绝对不是简简单单的游戏 AI存在物理训练，模型，我们平时使用文字，对语言AI类工具或者其他AI发布的是指令，它们的工作方式是这样的： 创作者发布指令— AI工具接收，分析理解— 执行，训练— 反馈结果 而Axis不同的是，它把这个接收指令和训练的过程全权交给你，这个创作者或者使用工具的人去还原，让你更加熟悉其工作原理和为以后更好地去适应AI工具和准确度训练。 在All Tasks里面会显示当前可做的任务，我们可以根据难易去优先先做比较简单的获得积分 根据这几天的反馈，我们也能够了解到的是现在做的任务发布数量也越来越少了，做任何事情都需要提前规划，参与的人也越来越多，因此要获得更高的积分务必从简单的训练模型开始 ♥️ Tips — 在做任务的时候，我认为的是不应该盯着我能做多少个，而是要看“分数” 为什么要关注度在于分数上面，而不是通过量变改成质变？ 首先，我们不能不承认的是，对于我们这些并不完全了解AI训练模型的人来说，本身我们习惯了快捷化的指令给到AI，让其帮我们完成任务，而巧妙的是，我们并不能有那么快的学习方式，因此由简入难成了我刚刚说的第一个条件，我这里进阶推荐的是这个task，优选： Put xxxx into Microwave类别的任务，这个是练熟度，这类的任务本身不属于轻松，但更多的是它有重合的运动轨迹和方式，注意事项，要学会把任务打包，其实真的很多是可以作为分类在一块的 — 完成✅ 不等于 🟰 高分 本质上来说，你完成得越好，任务成功通过和分数才能越高，所以就像我说的，题海战术不适应于当前的环境，精炼和归纳才是最优的解决方式👍 注意‼️ Kaito邀请链接完成任务时需要任务签名的

看多了有钱人家小孩坐商务舱、拿苹果数码三件套、出入各种米其林餐厅、打卡旅游景点、看各类演唱会，每年学费10万+、生活费4-5万起的留学炫富版，其实更多留子的现实生活则是这位在州立大学里的各种精打细算。她所在的Ohio State U本科每年包含学费、学杂费、食宿及保险等开销，四年基础花费约280万人民币，叠加前期备考与在香港的留学经历，整体投入接近400万。 看这位留子算账，让我想起了我们那个年代留学的情况。20多年前加州州立是quarter制学分，留学生平均每个quarter学费理工科约3500美刀，文科稍便宜约3000刀。一年按正常的三个quarter（Spring/Fall/Winter）算，学费差不多要小一万刀；书本、食宿、交通加起来一年又要小一万刀（过得很简朴）。如果Summer也选课，一年总费用分分钟2.5万美刀起步，4年读完至少11-12万刀，差不多仅相当于如今美国藤校一年的学费。 即使这样，在那个年代对国内普通家庭而言依然是一笔巨款。况且加州本科阶段对留学生几乎没有奖学金（即便有也只是几百刀象征一下），身边不少人因为学费压力转去了外州。记得有个兄弟去了Indiana，写信告诉我们（那时还时不时写信），读了一个学期后因成绩优异学费全免、学杂费减半，住学校附近也省了交通费，就是吃不到中餐，格外想念加州美食，让留在LA的我们羡慕坏了。后来工作时还有个本科学EE的兄弟想转CS，离职去了Georgia Tech读Master，当时一年费用不到2万刀，成绩不错还拿到了奖学金减免大部分费用。 一晃20多年过去，现在加州普通的CSU留学生一年费用也都要5万起步了，变化真大啊！

关键词：#何朝阳# #南加州大学# #FedML# #COAI# #博士团队# #开源# #联邦学习# 本文仅针对ChainOperaAI 创始成员及业务方向进行的基础调研，不涉及代币及市商层面。 Salman Avestimehr ChainOpera AI 联创；TensorOpera （前身为FedML）联合创始人 2008年博士毕业于加州伯克利分校，师从香农奖获得者、信息论与区块链著名学者David Tse教授（即Babylon 创始人） 曾担任南加州大学 ECE 和CS系主任教授、南加州大学-亚马逊可信人工智能中心的首任主任，以及电子和计算机工程系信息理论和机器学习 (vITAL) 研究实验室主任。也是美国奥巴马总统奖获得者。 基于在分布式计算领域的贡献，Salman于2020年入选 IEEE Fellow。 履历背景如下： 2008.9-2009.7 加州理工 材料研究所研究员 2009—2013 康奈尔大学助理研究员 2014—2018 南加州大学助理研究员 2018.12—至今  南加州大学 ECE 和CS系主任教授 2020-2022   Amazon Scholar亚马逊学者计划 2022.2 —至今 TensorOpera AI  联合创始人 2024.8 —至今 ChainOpera AI 联合创始人  Aiden He  何朝阳 ChainOpera AI 联创；TensorOpera （前身为FedML）CEO&联合创始人 毕业于南加州大学洛杉矶分校，获计算机博士学位；师从Salman Avestimehr  （南加州大学）、  Mahdi Soltanolkotab i教授（南加州大学）、 Murali Annavaram 教授  （南加州大学）三位分别擅长分布式计算、机器学习理论、分布式系统优化的教授和 张潼教授 （香港科技大学）。 履历背景如下： 2010-2011期间，尝试过几次创业，均以失败告终 2011.6 - 2012.6  华为开发工程师   2012.7 - 2014.11 百度高级工程师   2014.11 - 2018.7 腾讯研发团队经理和首席工程师  2017.4，received PhD offers from CMU, USC, Georgia Tech, and UCSB.收到了卡内基梅隆大学、南加州大学、佐治亚理工学院和加州大学圣塔芭芭拉分校的博士学位录取通知书。 2018.8-2022.3 南加州大学攻读计算机博士并做博士后研究 2018 — 2022期间，先后在Meta, Google, Amazon兼任研究员 「联邦学习」是谷歌在2016年提出，当时是用于训练输入法模型的新型方式。 FedML是全球最早的研究联邦学习与分析的团队之一，最开始是由博士生主导的科研开源项目。曾服务美国高校多个科研基金，辅助所在实验室发表了50多篇相关顶级论文。 2022年2月，何朝阳与Salman先是于加州共同创立了ai 初创公司 FedML，并于中国香港设有分公司，以公司化的形式将学术成果升级为工业化平台，探索在智慧城市、医疗、工业化IoT等场景下的商业落地。 在FedML成立之初就得到了Plug and Play、GGV、奇绩创坛 、AceCap，以及个人投资者加州伯克利教授、斯坦福教授“香农奖”得主David Tse，美国南加州大学校友王言治、张弥教授等超千万人民币的天使轮融资支持。 2023年3月，何朝阳与Salman 在FedML 内部组建了一个研究人工智能通证经济的加密团队，为如今的ChainOperaAI项目做好了全面准备。FedML的区块链团队主要由斯坦福大学、德克萨斯大学奥斯汀分校等顶尖学府的顶级区块链工程师和教授组成。这也是Chainopera AI 的雏形。 2023年6月 FedML 融资超1300万美元. 特此声明：本文绝对客观中立，且不涉及任何利益关联。仅供参考，不作为任何投资建议。 @ChainOpera_AI @AidenChaoyangHe @avestime @ShinjukuSokai @CryptoEmree_ @nine_DeFi @coldcupidrong @shawnchen_eth @junjieBTC @BudhilVyas @Bitcoinhabebe @octopusycc @guanhaibit @yaoyao_well @Meta8Mate