在人工智能的浪潮中，我们正见证一个深刻的范式转变：智能体（AI Agents）不再仅仅是响应指令的瞬时执行体，而是逐渐成为能够与环境持续交互、从经验中学习、并维系长期一致性的自主实体。这一转变的核心驱动力，在于记忆：它已从模型的附属功能，跃升为智能体实现长周期推理、持续适应与复杂决策的认知基石。

关于智能体如何“学会记忆”的深度探索，将直接影响我们能否构建出真正稳健、通用且持久的人工智能。记忆，正成为区分一个只会思考的模型，与一个真正能够“存在”并“成长”的智能体的关键所在。

由此开始，揭开复杂而精妙的记忆之谜。

2025年12月，OpenRouter发布了基于其平台100万亿Tokens使用数据的实证研究报告，全面揭示了当前真实的AI交互模式。这些发现极具启发性，为数据驱动的LLM系统设计与优化提供了重要参考：报告深入分析了开发者和终端用户在不同任务中调用模型的情况、模型与任务的双向匹配关系、使用模式随地理区域和时间的变化规律，以及定价和新模型发布等外部因素对用户行为的影响。

本文重点分析开源生态、智能体发展趋势和用户留存机制，省略了OpenRouter关于地理区域（因缺少中国样本）和成本定价的分析（后续单独讨论）。

本文基于 SemiAnalysis 2025 年 11 月报告，聚焦谷歌 TPU 的技术升级、商业化进展及产业链布局，分析其对 AI 硬件竞争格局的影响。核心围绕 TPU v7 的性能突破（逼近英伟达 GPU）、成本优势（TCO 更低、利润率更高）、ICI 架构的扩展性创新，结合谷歌与 Anthropic、WULF 等的关键交易，阐述 TPU 从内部使用走向全面商业化的转变。同时梳理了 TPU 产业链生态，对比英伟达 GPU 生态，凸显谷歌在 AI 算力硬件领域的差异化竞争力，预示其将成为英伟达在 AI 训练 / 推理硬件市场的核心竞争对手。

分析当前主流大模型的价格趋势。

关于硅谷投资人 Nathan Benaich 和他创办的 Air Street Capital 所撰写的报告 State of AI 2025 中的一些观点的深度解读。其中包含了一些技术工作，产业实证结论，以及 GW 数据中心的相关盈利研究。