本文会介绍如何把本地 CodeBuddy/Cursor 这类 Agent 接入在线应用，重点拆解从裸 LLM API、自建 Agent、Spawn CLI 到 ACP + MCP 的方案取舍，以及最终如何通过 Local Agent Proxy、Session Sandbox 和 Browser Tool Bridge 让 Agent 安全修改在线业务状态，或许能为有类似 Agent 嵌入需求的团队提供一些参考。
马斯克曾在今年初表示，其人形机器人"擎天柱3"预计明年进入规模化量产。大模型的下半场，AI不止停留在数字空间，而是要能走入真实世界里替人完成任务，具身智能和机器人成为核心突破口。具身智能的"iPhone时刻"要来了吗？2026年7月2日，我们在武汉光谷腾讯云城市峰会上，举办了一场圆桌论坛，与企业、高校、政府的一线专家代表，进行了一次深入浅出的探讨。
随着大模型时代的到来，AI 基础设施（AI Infra）正在经历深刻的变革。面对日益复杂的计算需求，传统上与单一计算范式深度耦合的调度系统已难以应对全局性挑战。本文结合开源社区的演进趋势与工业界的超大规模落地实践，深入探讨 Ray 的技术定位与核心设计逻辑，并阐述它如何与 Kubernetes（以下简称 K8s）进行协同设计（co-design），共同构建大模型时代 AI Workload 调度的通用范式。
随着大模型时代的到来，AI 基础设施（AI Infra）正在经历深刻的变革。面对日益复杂的计算需求，传统上与单一计算范式深度耦合的调度系统已难以应对全局性挑战。本文结合开源社区的演进趋势与工业界的超大规模落地实践，深入探讨 Ray 的技术定位与核心设计逻辑，并阐述它如何与 Kubernetes（以下简称 K8s）进行协同设计（co-design），共同构建大模型时代 AI Workload 调度的通用范式。
AI 已经让很多人成为”超级个体”，但一件完整工作并没有因此自动变快。AI 帮我写完了需求草稿、帮我定位了 Bug、帮我生成了一批用例、帮我整理了一份配置——AI 让每个人都成为了"超级个体"，却依然需要由“人”来作为主导推动。一件完整的工作仍要靠人一步步看、一步步转、一步步推：需求等人评审，Bug 等人接手，上下文在一次次转述里丢失。我们意识到，真正的瓶颈不在"每个人会不会用 AI"，而在“没有为 AI 的模式去设计一套新的工作方式”。这次基于 Multica，我们搭出了这支 AI 协作军团的雏形——这是我们对"组织级 Loop Engineering” 的一次思考实践。
2026 年 6 月 30 日，AWS 宣布投入 10 亿美元组建 FDE 组织，把工程师以 45 天冲刺的方式嵌入客户团队。两天后，微软成立 Frontier Company，投入 25 亿美元、6000 名工程师做同一件事。再往前推几周，OpenAI 花 2.95 亿美元收购 Tomoro 成立独立部署公司，Google Cloud 把嵌入式 FDE 团队挂进产品组织，Anthropic 联合 PE 让被投企业大规模部署 AI Agent。五家公司都在押注同一类岗位：派人到客户现场，把 AI 从 demo 变成生产系统。AI 透镜是腾讯研究院发起的 AI 时代行业观察系列，关注技术、组织与商业现场的真实变化。行业圆桌是其中面向一线从业者的讨论形态：不只做趋势解读，而是把正在发生的岗位、打法和组织实验摊开聊。
