铃阅时讯
❌

阅读视图

找到改写时代的好公司

原创 任彤瑶 2026-09-03 21:00 上海

趋势之前,共识之后

2015年,纽约一家热衷于报道上东区生活方式的地方小报《Observer》,突然写了一篇报道,描述一个跟精英人士没什么关系的新消费现象:

几个服装网站正通过Facebook精准广告“轰炸年轻女性”:9.99美元的裙子、首单五折、24小时发货......对千禧一代来说,这“简直难以抗拒”。

其中一个最受欢迎的网站在Facebook上拥有超过150万粉丝。十年过去,这个名叫SHEIN的网站,已经是全球时装行业无可辩驳的巨头,长成了百亿美元级别的大公司,身后站着IDG、红杉、景林、Tiger Global、General Atlantic、Coatue、Mubadala等一长串全球顶级资本。

2026年9月1日,希音国际控股有限公司(以下简称“SHEIN”)正式在港交所挂牌上市,总募资超135亿港元,发行市值约2062亿港元。

但回到2015年,除了想不出选题的《Observer》网站编辑,只有极少数人注意到SHEIN,几位中国的投资人是其中之一。

2015年,SHEIN想在美国市场扎根,他们看上了总部位于洛杉矶的一个DTC品牌MakeMeChic。为了完成这笔交易,以2.3亿美元估值融资4600万,IDG和景林成为仅有的投资方[1]。

等到这个故事真正迎来资本市场意义上的终点时,消费早已不再是中国创投圈最热闹的话题。资金和注意力涌向AGI,新消费甚至一度成了需要绕着走的旧名词。

但SHEIN这笔早期投资依然是业内津津乐道的故事。大家感兴趣的不是为什么这两个机构恰好投中了SHEIN,真正值得讨论的是一个更有普遍意义的问题:

产业周期潮起潮落,靠什么发现真正的好公司?

回看中国创投历史,仅仅过去十年,类似的发问就出现过三次。

01.起伏之中

SHEIN悄悄长大的时间段,中国创投圈最热闹的故事其实发生在别处。

2014年,马斯克坐着私人飞机高调降落中国[2]。他拜访科技部部长、参加央视节目,又在北京酒仙桥向首批Model S中国车主交付了钥匙。

风起于青萍之末。随着国务院和发改委相关政策落地,中国造车领域刮起了前所未有的资本风暴。

最热闹时,市场上有60多家造车公司,算上注册却没把车造出来的公司多达400家。仅2015年至2017年上半年,全国落地的新能源汽车整车项目就超过200个,规划投资超过万亿。

这股热潮中,留下了许多被反复讲述的故事,而"蔚小理"这三个字,后来成了整整一个时代的注脚。

比如IDG,2015年专门成立了个汽车小组,把四五十家造车企业跑了个遍,访谈了二三百人,转年就投了蔚来,2017年又在小鹏A+轮入了局;

比如黄明明跟李想在望京SOHO聊了三个小时,当场拍板投资,后来连跟七轮;

比如雷军起初觉得互联网造车几乎等于骗子,顺为最终从二十多个团队里选中了熟人李斌和何小鹏[3]。

新技术打开想象空间,政策和资本迅速跟进——但对很多机构来说,这轮热闹多少让他们有些警惕。毕竟再向前看十年,08金融危机、补贴退坡和“双反”影响下的光伏产业惨烈过往还历历在目。

机构们都明白:在技术演进的长期趋势之下,是产能、供需和政策制造的起伏周期。穿越周期的愿望美好,但道路艰难,如何在波动中辨认确定性是大家共同要思考的课题。

当所有人都声称自己能成为中国特斯拉,真正考验投资人的是如何去伪存真。

2018年12月,小鹏正式对外交付G3,此时公司尚未取得完整的整车生产资质。工厂建设、自动驾驶研发、销售渠道铺设都需要持续投入,接下来的一轮融资关乎公司存亡。

何小鹏在G3发布会

但同时,国内新能源行业迎来阶段性低谷。补贴退坡、资本市场对新造车情绪转冷、一级市场融资收缩,多家新造车项目融资遇阻,爆出经营危机。新造车融资窗口迅速关闭,新能源领域迎来第一次大退潮。

不少机构对新造车开始回避,2018年8月B+轮之后,小鹏整整15个月没有宣布新融资,C轮感兴趣的机构相当有限。对一家刚刚进入交付期的新品牌来说,处境异常艰难。

此时老股东IDG却有自己的想法。他们判断,新能源汽车替代燃油车的长期逻辑并未改变,造车新势力长久来看依然具备投资价值,这只是“非趋势性的周期波动”,决定成为小鹏C轮的联合领投方,加码数亿人民币。

2020年下半年开始,新能源汽车政策在全球回温,小鹏登陆纽交所,IDG成为最大财务投资方,在2018年蔚来汽车上市之后,收获第二个造车新势力IPO。

小鹏的故事并不是孤例,新能源大退潮让一级市场意识到,趋势从来不是一条直线,在周期起伏中需要判断哪些是转瞬即逝的浪花,哪些是潮水的真正方向。

新能源汽车教给一级市场一种与周期共存的能力,在波动中辨认确定性,但不被波动带走。

技术进步不会沿着直线上升,产业扩张不会永远与需求同频,资本市场的情绪更会反复摇摆。在不确定性中找寻确定性,是一场漫长的修行。

而就在新能源第一次大退潮的2019年,另一个板块正在迅速升温。

02.趋势之前

2019年前后,长沙的五一广场在社交媒体上频频走红:

沿着黄兴路走一圈,几步就能撞见一家爆单的茶颜悦色;坡子街附近的超级文和友,最高峰时出现过万桌等位的盛况;在网红云集的完美日记柜台隔壁,三顿半、墨茉点心局、虎头局渣打饼行等一批新品牌店里人头攒动。

名为“新消费”的风暴,接棒新能源成为下一次板块轮动的主旋律。一级机构们发现,即便没有新能源般显著的技术曲线,在基础消费品形态之上,人群、渠道和供应链重新组合,同样催生了过去不存在的新机会。

2016年泡泡玛特揭不开锅,最缺钱时账上不足100万元。王宁见投资人的频率从一天两个提高到一天二十个,一笔3000万元融资最后拆成三笔才凑齐[5]。

早期资本市场几乎不看好泡泡玛特。多数投资者并不真正理解王宁。他们只是模糊地预感,年轻人的潮流消费/线下消费“一定有机会”。

同样的事情也发生在蜜雪身上,在新茶饮资本疯狂追捧高端精品、网红轻奢赛道的黄金十年,扎根下沉市场、主打极致性价比的蜜雪冰城,长期处于投资视野的盲区。

即便是后来蜜雪冰城门店规模突破万店、坐稳下沉茶饮头部位置时,争抢入局的头部机构们,也并非提前看透了“大众平价茶饮、下沉消费刚需”的底层趋势,而是看到其成型的万店规模、稳定的盈利能力和成熟的供应链体系后,才后知后觉地追逐确定性。

寻找那些还没被命名的供需互动,在趋势形成之前捕获它们,成为了这一轮消费板块的主要命题。

泡泡玛特代表了一类最典型的机会,创造了从没人见过的新供给。蜜雪也代表了一类机会,消费投资并不总是在寻找从无到有的东西,跳出旧有理解框架也可能发现新机会。

这个视角再往外推一步,随着研发、产品和运营能力成熟,中国拥有成熟的供应链优势的行业,有机会在全球范围形成新的消费品牌。

这个方向上,IDG是走得比较快的。他们陆续投了消费电子、服装等出海优势领域的一批公司,包括Insta360、安克创新、致欧家居等等,也包括SHEIN。

2018年以前跨境电商鲜少被投资机构关注,SHEIN“创始团队非名校出身、模式偏重”的形象,在主流投资视野里颇有“反直觉”意味。

SHEIN的早期投资人、IDG资本合伙人连盟曾对媒体回忆说,他第一次见到许仰天,聊完就觉得应该立刻投,“说不上自己在等什么样的人,但见到就知道就是他了”。

那时候SHEIN还不为人知,同行大多在北京、上海争抢互联网项目,IDG几乎没有竞争对手。双方一见如故,许仰天开了个价,IDG快速拍了板。

番禺万博城中村的SHEIN办公楼

这份判断背后是一个更大的世界观——国内电商早分出标品和非标两条线,但放眼全球,亚马逊几乎垄断了海外标品电商,非标却是一片空白;把世界看作一个更大的"中国市场",服装正是非标里体量最大、最具想象空间的品类。

在这套逻辑驱动下,在SHEIN尚未真正走入美元基金视线时,IDG在2015年“逆势”领投了SHEIN的B轮融资。

从泡泡玛特、蜜雪冰城,再到SHEIN,消费投资的参照系不断变化。这轮方法论的核心是,在趋势被所有人看见之前,先理解那些零散、模糊、甚至看起来不重要的信号。

后来行业内有了一个词描述这种思考路径:寻找非共识,在变化中发现趋势。

但下一轮产业浪潮来得太快,留给投资人的时间突然变得极其短暂。

03.共识之后

这次的主角是AI。

如今提起AI,几乎已经等同于"共识"本身——但在这场万人挤上牌桌的热闹开始之前,它也曾有过一段少有人问津的非共识阶段。

2021年底,ChatGPT还没有发布,IDG就联合高瓴、米哈游等机构投资了MiniMax团队。

2023年2月,王慧文和出门问问创始人李志飞、真格基金戴雨森及刘元吃了一顿饭,聊刚发布的ChatGPT。聊到兴起,王慧文拿起手机发了一条朋友圈:“5000万美元,带资入组,不在意岗位、薪资和title,求组队。”

这顿饭后来成了中国大模型创业潮一个颇具象征意义的开场。王小川、李开复、周伯文等名声响亮的创业者相继下场,大厂与投资机构迅速跟进,AGI以惊人的速度进化。

同样在2023年,美团龙珠合伙人王新宇第一次在北京量子芯座大厦见到杨植麟[6],那是一个简陋的办公室,门口没有公司logo,只有一架白色钢琴,杨植麟甚至没有独立办公区。

环境随意,融资速度却惊人。成立两个月,月之暗面近20亿元天使轮到账,不到十个月,累计融资近90亿元,估值接近180亿元。

同一时期,智谱累计融资超过25亿元,一批行业头部产业资本和财务机构迅速聚集到同一张股东名单上。2026年长期依靠梁文锋和幻方体系输血的DeepSeek开放外部融资后,2个月内快速敲定超500亿人民币融资[7]。

由AI延伸出的具身智能赛道也展示出同样的趋势。

宇树2016年成立到B轮用了大约6年。但随着AI爆发,它在2024到2025年连续完成三轮大额融资,吸金近16亿。

就在宇树科技2026年8月以"人形机器人第一股"身份登陆科创板几天后,小鹏机器人业务完成首轮融资,由IDG领投,融资规模超9亿美元,投后估值超63亿美元,刷新了中国具身智能行业单轮私募融资纪录——这一轮的融资额,比宇树IPO募资总额还要高。

a16z合伙人Martin Casado感叹,AI创业公司out of the gate就需要融数亿美元。

融资盛况指向一个鲜明的变化:AI浪潮中,共识形成的速度前所未有地加快了。

过去的板块轮动里,投资机构往往有较长时间发掘项目,建立非共识的分析框架。到了AI,最核心的项目几乎没有这样的窗口了。

大趋势高度确定加上资本聚集极快,在无限放大的FOMO情绪里,寻找非共识已经没有那么重要,一级机构们要回应的关键,变成了高估值下,能否有足够的魄力和眼光出手。

这并不意味着机构一定要用更高的价格购买确定性,甚至为稀缺的入场机会支付溢价。共识越强,真正有价值的分歧反而越容易藏在水面之下。

从B轮到C轮,月之暗面的估值只从33亿美元涨到43亿美元,中间隔了一年半——这段时间里,Kimi的月活从2165万一路腰斩到903万。这是月之暗面最难的一段日子。

500

月之暗面的办公室

IDG恰恰在这个阶段进入。2025年底,月之暗面完成5亿美元C轮,IDG领投1.5亿美元[8]。这笔钱,投在了黎明之前。

后来随着K2等模型陆续发布,付费用户与API收入开始增长,Kimi的技术、产品和商业化都有了更多可验证的指标,再次成为热门标的。

回头看,IDG不是有未卜先知的能力,他们只是在市场悲观情绪下,愿意押注一部分仍未被破坏的基本面。这也说明在高度共识的AI时代,非共识并没有彻底消失。它只是变得更转瞬即逝,也更隐蔽。

赛道轮动、趋势变化是创投领域不变的主题。两年前引发机构集中“抢筹”的 AI赛道,如今也在因商业化的巨额资本开支与漫长回报周期,爆发出新的集体性担忧。

过去几年只要押中AI这个方向,估值扩张本身就能提供相当可观的回报。但随着大量资金涌入,头部公司的估值被迅速抬高,一部分预期甚至被提前兑付。方向正确,开始不再等于价格正确。

在一个几乎不存在信息差的大共识时代里,谁还能从昂贵的资产中找出真正能够留下来的公司,正在成为下一阶段最困难的问题。一众机构们又被迫再次拾起看家本领,寻找“共识中的非共识”。

04.尾声

三十多年里,中国创投行业经历过太多潮起潮落。

昨天还被奉为圭臬的经验,到了下一轮周期,可能就成了最需要警惕的路径依赖。曾经遍布鲜花和掌声的道路,常常在攀至最高点的时刻,突然转向陌生的荆棘与泥泞。

从新能源,到消费和AI,创投行业经历了三套完全不同的估值坐标系。如果要说它们有什么共性,那就是要求参与者永远具备一种“重新认识世界”的勇气与能力。

新能源是在波动中辨认确定性。技术并不会线性进步,产业扩张也不会永远与需求同频。机构要从剧烈波动中分辨长期趋势和短期周期,并在市场最悲观的时刻,仍然对那些没有被破坏的基本面保有信心。这是一种与周期共存的能力。

消费是在变化中发现趋势。在一个没有明确技术拐点的行业,变化往往分散在不起眼的细节间。机构要重新理解供给和需求如何互动,并在这些变化尚未被市场命名前,抓住一闪而过的机会。这是一种识别趋势的能力。

AI是在共识中重新寻找差异。当市场没有给非共识留下太多空间,当价码被不断推高,机构要在热闹里分辨真正能够留下来的核心资产。这是一种保持判断力的能力。

经验会过时,但学习、寻找变化和修正判断的能力不会过时。适应变化当然痛苦,但能够一直留在牌桌上,看到下一轮变化发生,本身也是一种幸运。

新的变化已经开始。

今年以来,AI第一轮围绕模型、人才、算力和融资规模的跑马圈地正在接近阶段性终点。资本开始追问更具体的回报率问题。与此同时,创新的基本面并没有消失,还有许多激动人心的故事在时刻发生。

三年前,所有人面对的问题还是要不要登上AI这艘船;今天,这艘挤满了人的大船,又要驶向下一片波涛汹涌的海域了。

全文完,感谢您的耐心阅读。

参考资料

[1] SHEIN,万字长文解析最隐秘百亿美金独角兽是怎样炼成的,智象出海

[2] 特斯拉效应:马斯克的中国64小时,商业价值

[3] 论造车,雷军才不是新人,未来汽车日报

[4] 茶颜悦色、文和友、三顿半……长沙靠“吃喝玩乐”成网红顶流,Tech星球

[5] 《因为独特:泡泡玛特创始人王宁从杂货铺到IP世界的跋涉》,李翔

[6] 美团龙珠,投了最火90后杨植麟,投资界

[7] 掮客、份额与百亿资金:DeepSeek融资实录,财经杂志

[8] Kimi 完成 5 亿美元新融资,杨植麟:账上有超百亿元人民币,晚点

作者:任彤瑶

编辑:李墨天

责任编辑:任彤瑶

图片

图片

跳转微信打开

  •  

都在开源 Harness,Codex 和 DeepSeek 到底有什么不一样?

原创 欢迎关注的 2026-09-03 18:00 上海

同一个词,两家公司,开源的却是两层完全不同的东西。

。图片

点击蓝字,关注我们

图片

作者 | 医疗产品部

导读 

introduction

模型能力趋同后,竞争下沉到了"怎么把模型用好"。2026 年 8 月,DeepSeek 与 OpenAI 先后开源 Harness:一个开"整套零件",一个开"调教好的实习生"。本文用"天才实习生"的比喻讲透 Harness 的五大能力,并拆解两家打法的本质差异——要主权,还是要省心? 读完后你会明白:功能清单会趋同,但"没人下令时它怎么做"才是真正的护城河。

全文 6658 字,预计阅读时间 5 分钟

前言

GEEK TALK

同一个词,两家公司,完全不同的故事

2026年8月,AI编程工具赛道发生了两件看似相同、实则完全不同的事。

先是 DeepSeek 开源了 DeepSeek Harness,两天冲上9万多GitHub Star——这个速度,几乎破了开发者工具的历史纪录。没过几天,OpenAI也宣布开源 Codex 的 Harness 层:CLI、app-server,还有官方SDK。

如果你只看标题,会以为他们在打同一场仗。但如果你真的翻开代码,会发现一个反直觉的事实:他们开的是两层完全不同的东西。

TL;DR(30秒速读卡)

这篇文章只做三件事:

  1. 用最直白的话讲清楚 Harness 到底是什么;

  2. 拆开 Codex 这次到底开源了什么——核心亮点藏在哪里;

  3. 说清 Codex 和 DeepSeek 的本质差异。

GEEK TALK

01

先建立一个坐标系:Harness 到底是什么

在聊任何细节之前,先认识一个人——一个没有经验的天才实习生。

他聪明得离谱:你随便说个需求,他立刻能给出思路;给他任何文字,读一遍就能复述、改写、翻译。

但他有四个要命的短板:

  • 没记忆:上一分钟交代的事,下一分钟就忘干净,每次都得从头讲。

  • 没背景:没见过你们公司的代码在哪、文档在哪、谁负责什么。

  • 没手脚:不会打开文件、不会运行程序、不会查数据库——除非你给他工具,并告诉他"现在可以用"。

  • 没分寸:分不清哪些事自己能做主、哪些事必须停下来问你,很容易越界闯祸。

问题来了:这样一个实习生,你要怎么把他用起来?

你大概率不会让他直接上手干活——你会做一整套"带新人"的事。而这一整套"带新人"的东西,就是 Harness。

1.1 一张表看懂:怎么"带"这个天才实习生

这个比喻后面会反复用到——这个实习生一会儿是 Codex,一会儿是 DeepSeek,两家对他的"带法"完全不同。

1.2 一句话定义

Harness = 模型之外的一切。

实习生本身只会“按要求干活”,他不知道项目背景是什么、工作规范有多大边界、如何使用趁手的工具。就像模型一样,本身只会“预测下一个词”,不会开文件夹、不会跑脚本、没法实时联网搜索。

把这些事全做起来的那层"外壳",就是 Harness。

拆开来看,它主要包含五样东西:

1.2.1 上下文管理

给模型看什么、不看什么、什么时候把旧内容压缩掉

实习生第一次接手项目,你不能把公司十年的邮件全倒给他,也不能只甩一句"你自己看着办"。你得挑出跟这次任务最相关的那几份文档,并且随着对话变长,把已经没用的旧信息收走——否则他会越来越慢、越来越跑题。

1.2.2 工具调用

让模型能碰文件、跑命令、查接口

实习生光会想、能干没用,得给他趁手的工具:配电脑、开权限,并告诉他"简单小铺可以换礼品,跟同事协同要用如流"。工具是他的手和脚。

1.2.3 执行环境与沙箱

把模型行为约束在安全边界内

实习生再聪明,也不能让他直接在正式环境里干活。你得先给他划一块"随便折腾也不影响别人"的试验田——比如一个独立的开发分支、一套隔离的测试环境。他在里面改代码、跑测试、试新方案,哪怕把整个试验田炸了,一键就能恢复如初,不影响线上业务。

1.2.4 审批与权限

哪些动作自动放行、哪些必须问人

实习生自己整理需求文档、画原型草图?可以自动放行。但要把需求正式同步给研发排期?必须等你确认过逻辑再发。

你得给他一张清晰的"权限地图"——绿灯的事他自己干,红灯的事他必须拉起警报等你来拍板。

1.2.5 会话与状态

跨轮次记住进展、失败后从哪恢复

他跟进了两周的客户,每轮沟通的要点、对方提的疑虑、下次跟进时间——如果没系统记下来,客户问"上次说的那个问题后来怎么样了",他一脸茫然,信任瞬间归零。

你得给他配一块"进度白板":当前做到哪一步、哪些方向试过但行不通、哪些结论已验证、下一步该干什么。这样他每天开工能无缝续上,而不是对着空白屏幕从头想"我昨天干嘛来着"。

一句话:模型是那个会思考的脑子,Harness 是那套让他能在真实世界里安全干活的整套装备。 脑子决定上限,装备决定他能不能把活干完、干好。

1.3 再放一张表,彻底理清模型 vs Harness 的分工

一句话:当模型能力趋同,竞争就开始从"模型"下沉到"模型之外的那层壳"。

1.4 再澄清三个常见的误解

误解一:Harness = 提示词(Prompt)。 不对。提示词只是"你怎么跟模型说话",属于上下文管理里的很小一块。Harness 还包括工具、沙箱、审批、会话状态——是一整个运行环境。

误解二:Harness = Agent 框架(比如 LangChain 那类)。 也不对。框架帮你"搭骨架",Harness 更偏"真实落地时的那整套壳"——包含框架,但远不止框架。一个框架可以拿来写 Demo,一个 Harness 得扛住生产。

误解三:Harness 是模型厂商的边角料。 恰恰相反,当模型拉不开差距时,壳就是护城河。在当下阶段,做好 Harness,可能比模型本身更值钱。

GEEK TALK

02

Codex 这次到底开源了什么

继续用带实习生的例子,假设你第一次带实习生没有经验,不知道该如何提升,Codex 本次就给了你三样东西,你可以开箱即用。

2.1 三样东西,三种用法

2.1.1 Codex exec:让他坐你旁边,你当面指挥

这是最直接的方式,就像你让实习生坐在你旁边,随时派活儿、随时验收。不满意?当场指导并让他重来。

在操作角度上,它就是一个电脑终端(相当于一个对话窗口),你只需要对着它说话:“把这个 MRD 再改改”、“这个代码有 bug”,Codex 就可以直接帮你干活,并把结果贴给你审核。

它还有一个"自动模式":你把一份任务清单甩给他,说"今晚把这几件事跑完,明天早上给我报告",他跑完把结果整理好,顺便在报告封面上贴个"成功/失败"的标签。最适合那种"每晚自动跑一遍例行检查"的重复性工作——比如电商大促前,每天自动查一遍价格配置有没有异常。

2.1.2 app-server:给他配一个总机号码,谁都能打电话叫他干活

你不需要亲自坐他旁边了。给他开一个"公司邮箱地址"(实际上是一套标准接口),任何有权限的人——产品、运营、甚至你们公司的内部系统——都可以往这个邮箱发任务。他收到就干,干完把结果发回来。

比如:产品经理发一封邮件(在 Jira 里创建一个任务)"生成这周的上线检查清单",系统自动接进来叫他干;运营发一封"生成昨日数据简报",他立刻开始跑数、写简报。你不用专门开个窗口跟他聊天,他已经变成了你们公司内部的"公用实习生"——谁有需求都能给他派活儿。

它跟第一种方式的核心区别是:你不再是"唯一能差遣他的人",而是"给所有人开了差遣他的权限"。 至于怎么开、谁有权限开,你自己说了算。

2.1.3 官方 SDK:把他打包成一个外包团队,你们公司的程序可以直接下单

前面两种都是"人直接叫他"。但如果想把他集成到你们自己的产品里呢?比如你们的内部工具想加一个"AI 帮你自动生成周报"的功能——不需要重新开发,直接调用他就行了。

SDK 就是"程序怎么调用他"的操作手册。你写好代码,你们的程序就能自动:开一个会话、让他跑任务、实时收到进度——甚至他能干活干到一半,程序判断"不对,这块权限不够",直接喊停,换个权限再让他跑。

它跟前两种的核心区别是:不是人叫他,是程序叫他。 你不需要有人坐在电脑前点按钮,流程可以全自动跑起来。就好比你不是"给公司招了个实习生",而是"把这家外包公司的能力接进了你公司的系统里,你们的程序自动下单,他自动接单干活。"

2.2 AI 干活长什么样?

前面说了三种"叫他干活"的方式。但不管你怎么叫他,一旦他开工了,一次完整的工作过程长什么样?

OpenAI 把"一次 AI 干活"拆成了三层结构,用三个词就能说清楚。

拿"让实习生帮你跟进一个大客户"来举例:

  • 会话(Thread):从你第一次说"帮我跟进一下这个客户"开始,到最终方案确定、合同发出、客户确认——整件事从头到尾算一个"会话"。就像一张工单,开的时候写了个标题,关的时候已经有了结果。

  • 回合(Turn):会话里面,你每交代一件事、他做一轮动作、再回复你——这算一个"回合"。比如你先说"整理一下这家客户的背景资料",他去查、回来告诉你"整理好了,发你邮箱"——这是一个回合。然后你说"帮我起草一份针对他们的报价方案",他去写、回来发给你——这是下一个回合。一次会话,就是若干个回合串起来的。

  • 条目(Item):每个回合里,具体发生的每一件事,都是一个"条目"。你说的话是一个条目,他去查资料是一个条目,他写好的一份方案草稿是一个条目,他发起的一次审批请求也是一个条目。

    会话:跟进华东区一个大客户的续约(从开工到收工)

      回合1(你派活儿 → 他做背景调研)
        条目1:你说"这个客户下个月合同到期,你去摸一下情况"
        条目2:他查阅了客户近半年的使用数据
        条目3:他翻出了上次沟通的会议纪要
        条目4:他告诉你"客户最近三个月活跃度下降了15%,主要集中在新功能模块"

      回合2(你补充信息 → 他出方案)
        条目5:你说"把去年给他们的折扣政策也考虑进去"
        条目6:他计算了三种报价方案的成本和利润空间
        条目7:他草拟了续约方案,发给你确认

      回合3(你修改 → 他发起内部审批)
        条目8:你改了其中一个折扣系数
        条目9:他更新了方案
        条目10:他发起审批请求:"申请走特殊折扣流程,等你批"

      回合4(你批准 → 他准备正式文件)
        条目11:你点了"批准"
        条目12:他生成了正式报价单和合同草稿
        条目13:他回报"文件已备好,可以发给客户了"

    关键点来了:当你把一次工作拆成"会话→回合→条目"之后,它就不再是一个"黑盒"了——你随时可以:

    • 插进去:比如在回合3的条目10那里,审批系统拦住它,等你看完方案再放行。

    • 回头看:比如一周后想查"当时给这个客户的报价逻辑是什么",你可以把整个会话的每一条都翻出来。

    • 只看想看的:比如你只关心"他改过哪些数字",可以只过滤"计算报价"这类条目,其余不用看。

    2.3 怎么带好实习生?OpenAI 的两个锦囊

    1. 实习生看不到的东西,就相当于不存在

    你让实习生"去给华东区这个大客户出一版续约报价方案"。

    在你脑子里,这件事很清楚:一个月前你们内部已经协调定了"85折底线",实习生按要求出方案就行。

    但在实习生那边,他翻遍了入职时领到的资料包:产品手册里有标准报价模板,过往案例里有几份历史合同,邮箱里躺着一封三个月前的客户沟通纪要。"85折"这三个字,从来没出现在他摸得到的任何一份材料里。

    于是他按标准流程出了一版——95折,公司统一折扣,挑不出毛病。

    这是一个"你以为他应该知道,但他压根没渠道知道"的问题。

    解决方案?OpenAI 把这件事做成了工程,而不是靠口头提醒。

    他们把所有"实习生应该知道但可能不在场"的东西,全部硬写进他能访问的地方:一份目录式的指引文档,告诉他"遇到什么该去哪里看"——不给他300页手册,只给他一张"地图";一个结构化的知识库,放所有历史决策、讨论结论;甚至派一个"文档园丁"Agent定期扫描,发现过时信息自动更新。

    这套做法的核心就一句话:别指望他"在场",把该让他知道的,放到他伸手就能够到的地方。

    2. 把"品味"变成机器规则

    你让实习生整理投诉报告。你心里想的是"登录相关的问题归一类",他交上来的是"密码找回失败""账号无法登录""手机换绑收不到码"——三件事拆成了三类。

    你问他为什么这么分。他说:"客服填表的时候就是分开填的,我照搬了。"

    你没脾气——逻辑上挑不出错,但你想要的"合并同类项"他压根没意识到。这种"归类感"是你干了两年才长在身上的东西,实习生刚来两周,指望他"悟"?

    这是一个"你的品味没有变成流程"的问题。

    解决方案?把"什么叫好"翻译成自动检查的规则,然后派个"质检员"天天扫。

    ① 定规则:

    • 所有分类必须先查"标准标签库",库里没有的才能新建

    • 每一项分类必须注明归类依据

    • 每周跑一次健康检查,把"一人一类"的孤岛标签揪出来

    ② 天天扫:

    质检员每天扫描所有报告,发现偏离规则的地方,自动发起修改申请。你只需要确认"这个合并对不对",而不是从头翻一遍。

    ③ 持续还:

    今天扫出来三个分类没按标准来,修掉。明天又发现两个,再修掉。永远不让"坏品味"攒成大山。

    OpenAI 给这个机制起了一个很妙的比喻:像垃圾回收。

    年底大扫除 vs 垃圾回收:坏习惯攒半年,一次性整改,改动巨大、没人敢动,拖到下一年不了了之。每天顺手清一点,永远不会有"还不起的债"。

    实习生用不了两周就学会你的分类方式了——不是因为他变聪明了,是因为"什么叫好"从他第一天干活起,就嵌在他每走一步都会撞见的那道流程里。

    GEEK TALK

    03

    Harness 的分水岭与护城河

    • DeepSeek 公开的是"整套带人系统的图纸和零件"。他的产品是一棵启动时组装的插件树——连"这个实习生怎么思考"(agent loop 本身)、模型适配器、工具注册表、会话日志,都是可以换的零件。相当于给了你一箱乐高和图纸,告诉你"这个人的手脚、脑子、记忆、行为准则都可以拆下来换"。前提是——你自己得会拼。

    • Codex 公开的是"一个已经调教好的实习生,加上怎么把你的产品接到他身上"。他不让你换"思考方式",而是把上下文、工具、权限、验证、恢复这条工作回路,校准成一条普通用户无需重新设计就能走通的路。相当于直接派了一个"培训已完成、上岗就能用"的实习生过来,你只需要把公司门禁卡(你的产品接口)发给他,他就能干活。代价是——他必须用 OpenAI 配好的那套"工作方式"。

    Codex 开源的是"怎么把能力接进你的产品",DeepSeek 开源的是"怎么把整套系统拆开重组"。 其余差异——语言、许可证、成熟度——都只是这个核心差别的投影。

    有人会把这事概括成"DeepSeek 更开放,Codex 更封闭"。这是错的。两边其实都开放,只是方向相反:DeepSeek 开放的是深度——向下,直到运行时的每一个零件;Codex 开放的是宽度——向外,直到任何你想接入的产品形态。

    这背后是两种不同的确定性交易:用 DeepSeek,你买到的是"未来仍能改变系统的权利"——不被任何单一产品锁死;用 Codex,你买到的是"默认就能拿到可验收结果"——不用自己设计那套工作回路。没有哪个天然更好,取决于你要的是主权,还是省心。

    Addy Osmani 有一个犀利的观察:这些 harness 长得越来越像,比它们背后的模型还像——「look more like each other than their underlying models do」。上下文管理、工具调用、沙箱、审批、会话状态,谁家都会做,功能清单三个月后就会趋同。真正的护城河不在"有没有",而在于两个更深层的东西:

    • 有没有"沉默的经验":当实习生面对一个模糊任务——"帮我把登录修好"——他是直接动手改,还是会先复现问题、追调用链、写失败用例、跑全量回归、检查有没有误伤?这套"没人下达的指令"才是真正的"经验"。它不在功能清单上,但它决定了交付质量的上下限。

    • 默认路径有没有被校准过:Codex 的默认路径是被自己那条"人类不写代码"的极限路径验证过的——从空仓库到百万行代码,3.5个PR/人/天,它的默认行为已经被反复打磨。DeepSeek 给你的是"选择的权利",但默认值好不好用,需要你自己去校准。

    功能清单会趋同,但"没人下令时它怎么做"不会——那才是护城河。

    落到具体选择上,关键看自己更接近哪种处境:

    • 想尽快见效的小团队:好用 = 少接管。你不想在设计"实习生的工作回路"上耗费精力,Codex 这类"替你扛默认"的更容易直接见效。

    • 在建公司级 Agent 平台的团队:好用 = 关键能力不被单一产品永久锁死。你需要"换掉某个零件"的权利,DeepSeek 的"组合控制权"更有价值。

    • 两种都想要:这两者不互斥。真正成熟的下一代 Harness,很可能是"该自由的自由,该约束的约束"——内核给组合权,外壳给接入权。

    GEEK TALK

    04

    结语:Harness 不是"给 Agent 加一层壳",而是"给 Agent 造一个能稳定运转的世界"

    回到最开始那个实习生。

    DeepSeek 的选择是:把"带新人"系统里的每一个零件都做成可插拔的——换个"入职手册"、换个"工具台"、连"这个人怎么思考"都能换。你拿到一箱乐高,自己拼。

    Codex 的选择是:先把一整套"带新人"的流程搭好、校准好,在百万行代码上证明它稳定运转,然后把接口打开,让你往里面接你自己的产品。你拿到一个已经上岗的实习生,给他发门禁卡就行。

    两种选择,没有对错。它们只是把"模型之外的一切"这件新事物,从两个相反的方向各推了一步——一个向下探到了运行时的最底层,一个向外拓到了产品的最大面。

    而对我们来说,模型会越来越强,Harness 会越来越成熟,但真正决定 AI 能不能在真实世界里稳定地干活,答案还在路上。

    跳转微信打开

    •  

    The Batch: 978 | DeepSeek-V4-Pro 更新了

    原创 DeeplearningAI 2026-09-03 12:45 北京

    Hi~新朋友,记得关注我们哟

    DeepSeek 的旗舰模型在结束预览后正式发布,性能有所提升,同时也带上了该模型所用的基准测试框架。这个 harness 是免费且开源的,不过公司的模型价格上涨了。

    ●最新消息:DeepSeek 发布了 DeepSeek-V4-Pro-0813,这是其第四代两款模型中较大那款的正式版本。

    ✴ 输入/输出:文本输入(最多 100 万 tokens),文本输出(最多 384,000 tokens,78.1 tokens/秒)

    ✴ 架构:混合专家 transformer,总参数量 1.6 万亿,每个 token 激活 490 亿;可选的推测解码模块将检查点参数量提升到 1.7 万亿

    ✴ 特性:可调推理(无、低、高、最高),默认高推理;工具调用;上下文缓存

    ✴ 性能:在 Artificial Analysis 的 Intelligence Index 上得分 53,在开源权重模型中排名第三;在 Arena 的 WebDev 排行榜上位列 115 个模型中的第 10

    ✴ 可用性/价格:通过 DeepSeek 的应用和网站,以 Expert Mode 使用;通过 DeepSeek API,在高峰时段(UTC 01:00–04:00 和 06:00–10:00)每百万输入/缓存/输出 tokens 价格为 $1.32/ $0.044/ $3.96,非高峰时段价格减半

    ✴ 权重/许可:在 MIT 许可证下可免费用于商业和非商业用途

    ✴ 未披露:新的训练数据和方法、知识截止时间

    该公司还发布了一个开源的 agent harness 开发者预览版,并提高了所有模型的 API 价格。

    ●工作原理:DeepSeek-V4-Pro-0813 保留了 4 月预览版的参数规模和架构,包括 DSpark——DeepSeek 之前为预览版发布的推测解码模块。DeepSeek 表示,此次更新增强了模型的 agentic 能力,但没有具体说明改动了什么。

    ✴ DeepSeek 先用超过 32 万亿 tokens 对预览版进行预训练,然后通过监督学习和强化学习,在各个独立领域上分别对 10 个模型副本进行微调。最后,它通过 on-policy distillation 将这些模型合并为一个模型:新的副本,也就是 student model,去模仿这 10 个专家模型的输出。

    ✴ DeepSeek 的混合注意力机制在两类注意力层之间交替。两者都会在读取输入时压缩模型存储的 key 和 value,但其中一种还只关注被选中的 token 子集。对于 100 万 tokens 的输入,该模型只使用 DeepSeek-V3.2 所需计算量的 27%,以及其存储 key 和 value 所需内存的 10%。

    ✴ 该模型会连同答案一起返回推理过程。当请求包含工具使用时,后续 API 请求必须包含之前的推理轨迹,否则 API 会拒绝。这使得推理可以在多次调用之间持续保留。

    ✴ DeepSeek Harness 将模型、工具、技能、会话、沙箱、存储、循环、调度和用户界面都视为可配置、可替换的插件。它会记录模型摄取的一切内容,例如系统提示、推理、工具调用及其结果、子智能体调度和上下文注入,因此任何会话都可以恢复、分叉、搜索或回放。其最小模式只给模型一个 shell 和文件编辑器,这也是 DeepSeek 用于编码智能体基准测试的设置。它建立在一个名为 Cordis 的插件内核之上,DeepSeek 和北京大学曾在一篇论文中描述过其设计。

    ✴ DeepSeek 的 API 接受 OpenAI Responses 格式的请求,因此 OpenAI 的 Codex 编码智能体在运行一个 setup script 后即可使用 DeepSeek 模型。这使得从 OpenAI 模型迁移更容易。

    ●性能表现:独立评测者发现,DeepSeek-V4-Pro-0813 相比 4 月预览版有显著提升,但相较 DeepSeek 更小的 Flash 模型只保持了微弱领先。DeepSeek-V4-Pro-0813 在开源权重模型的综合智能表现中首发位列第三,但在 Artificial Analysis 的 Intelligence Index 上距离最佳闭源模型大约还差 10 分。它最明显的改进体现在编码能力上。该模型的单任务成本仍然只是大多数闭源领先模型的一小部分,但在降价之后,OpenAI 的 GPT-5.6 Luna 几乎同样有能力,而且现在每个任务的成本更低。

    ✴ 在 Intelligence Index 上,这是一项由九项经济实用型任务评估组成的综合指标。将 DeepSeek-V4-Pro-0813 设为最高推理时,它得分 53 分,每任务成本 $0.25;相比之下,它从 4 月预览版设为最高推理时的 45 分(每任务 $0.05)提升了 8 分,也比设为最高推理时的 DeepSeek-V4-Flash-0731(52 分,$0.11)高出 1 分。它在该指数上落后于 10 个模型,包括设为高推理的 Gemini 3.7 Flash(57 分,$0.40)。它优于设为最高推理的 GPT-5.6 Luna(52 分,$0.05/任务),但 GPT-5.6 Luna 是少数每任务成本低于更新后的 DeepSeek-V4-Pro 或 Flash 的模型之一。

    ✴ 在 DeepSeek 的测试中,使用的是最高推理和 DeepSeek Harness 的最小配置,DeepSeek-V4-Pro-0813 的最大提升来自编码智能体任务。在 Terminal-Bench 2.1(命令行环境中的多步任务)上,它从 72.1% 提升到 87.9%;在 DeepSWE(解决困难的软件工程问题)上,它从 12.8% 提升到 62.7%;在 CyberGym(发现软件漏洞)上,它从 52.7% 提升到 83.3%,略微领先于设为最高推理并带 fallback 的 Claude Fable 5(83.1%)。

    ✴ 使用其他 harness 对 DeepSeek-V4-Pro-0813 进行的独立评测显示,其在 Terminal-Bench 2.1 上的表现更低。使用自家内部评测 harness 的 Vals AI 测得该模型为 54.68,而使用开源 Terminus 2 harness 的 Artificial Analysis 测得其为 78.7%。

    ● 新闻背后:DeepSeek 最近发布了具有视觉能力的实验版 DeepSeekV4-Flash。公司尚未宣布推出类似的、支持视觉语言的 DeepSeekV4-Pro 版本的计划。

    ●重要原因:DeepSeek 公开了其用于基准测试模型的 harness,而这样做的公司并不多。智能体性能是模型本身与其脚手架的共同作用结果,因此公开 harness 的意义在于,开发者不再只能阅读这些数字,还能够复现它们。这个 harness 也是 MIT 许可,并且与模型无关。

    ● 我们在想:智能体harness 市场正在变得越来越拥挤!虽然这是一个开源发布,但一些用户在安全专家对 DeepSeek Harness 进行彻底评估,以及在其他模型而非 DeepSeek 模型上运行的基准测试公布之前,可能会对将其投入生产持怀疑态度。希望我们很快能看到扎实的第三方测试——随后还有开发者实验和修改——尽快出现。

    点击下方阅读原文查看更多有趣内容哦~

    阅读原文

    跳转微信打开

    •  

    人人都能学会的自进化 Agent 搭建指南

    原创 一泽Eze 2026-09-03 09:28 浙江

    Agent in the loop, context is everything.

    你想让自己的 Agent 工作流,每天自动迭代吗?

    是否发现用了一段时间的 Workflow、Skill,就会和实际需求脱节?

    今天,我们来聊「如何给自己搭一套自进化的 Agent 系统」。

    @一泽 Eze

     ㅤ

    Loop Engineering 这个概念,火了一段时间。

    核心理念是“不用反复提示 Agent,让 Agent 在运行中,具备「积累反馈验证信号-自我改进」的循环能力”。

    Image

    概念是真好,但因为落地复杂度,大多数朋友的实践还集中在 Coding 场景,远不及 Agent Skill “飞入寻常人家”的热度。

     ㅤ

    然,随着 Agent 产品普及、DS Flash 级的高性价比算力出现。

    搓一套「在日常使用中,自动收集反馈信号进化的 Agent Loop」已不再难事,使用场景也足够广阔:

    1)小到一套可自动改进的信源订阅系统,替自己每天推送更感兴趣的信息:

    Image

    Agent 在 Loop 中,无需人为迭代,自动收集群聊讨论、日报批注 → 按需增减监控信源 → 迭代日报呈现

     ㅤ

    2)大到一整个组织,业务数据指标异动,Agent 自己翻项目版本文档、会议纪要、群聊内容,给出归因报告。

    业务的每一条反馈批注,都会校准它下一次归因策略,报告越给越准。

    Image

    这些都是 Loop Engineering 理念在日常办公中的实践。

    只不过日常任务中,“什么是最好的成果”没有唯一答案。人类在正常工作中留下的批注、群聊讨论与使用反馈,是 Agent 自然的评价信号。

     ㅤ

    Agent in the loop, context is everything.

    借着飞书、豆包工作的上下文联动能力,本文将从「10 分钟手搓信源 Loop 系统」入手,包含:

    1. 1.手把手教你搭一套自进化 Agent 系统,全流程照抄就能跑
    2. 2.设计个人 Agent Loop 的思路,可以试用在你任何重复做的工作流上
    3. 3.识别 Agent 工具能力边界的方式,方便判断选什么工具、能搭多大的 Loop

    ➡️ 兼顾「只想上手即用」、「想了解 Context、Loop 理念」的朋友阅读。

     ㅤ

     ㅤ

    首先,Context 和 Loop 是什么关系?

    👉

    不需要看原理的,可以直接滑到后面,有手把手教程,能直接跟做。

    本节讲得比较通俗,已经剪掉了过于复杂且非开发场景用不上的部分。

    Context 即上下文,一个很宽泛的概念。

    从日常发给 AI 的消息,再到 Agent 运行时读取的文档、Skill、Memory.md 等长期记忆,以及 AI 产品背后的 System Instruction、Tool Description。

    Image

    它们都算 context。在 Agent 运行时被拼成长长的上下文,也决定了 Agent 在接到任务消息时的回应。

     ㅤ

    Loop 是 Agent 的不断循环。

    在自改进循环的系统中,Agent 自动进行循环,把上一轮积累的反馈信号写回 Loop。

    或以长期记忆回流 Context,或直接调优代码程序,目的都在于让下一轮 Loop 得到更优的结果。

    Image

     ㅤ

    聪明如你,不难发现:

    Agent 整个运行过程中,多数人容易管理的部分,正是 「任务过程消息 → 沉淀长期记忆,如 Skill、Memory、运行时必读文档」 这一环。

    (让我们姑且称这类只涉及 Context 循环优化的循环为 Context Loop)

     ㅤ

    想让依赖人类自然反馈的 Context Loop 真正跑顺,则需要同时满足三个条件:

    1. 1.人能完全顺手地留下反馈的痕迹:比如发消息、写批注、回邮件
    2. 2.Agent 有足够的工具权限,看到这些反馈痕迹
    3. 3.Agent 能够自主编辑长期记忆,也方便人类共同编辑

     ㅤ

     ㅤ

    如何设计 Loop 架构?

    在设计 Agent 工作流程前,让我们先设定最重要的几个体验预期。

    比如,作为示例的这套信源 Loop 系统,我希望它是这样的:

    Image

    1. 1.每天定时运行,按照预定的信源偏好,总结成日报,通过群聊直接推送到我面前
    2. 2.在阅读时,人类用户随手在日报里的批注、或在群里的反馈与话题讨论,都能自然作为反馈信号,改进下一轮 Loop 质量(因为足够自然,面向整个组织时,也不用改造这个信号反馈流程)
    3. 3.增加信源需求时,无需人为介入,Agent 自行找出新信息的采集方案

     ㅤ

    有了需求预期,才能去选能实现的工具组合。

    本文选择了用豆包工作来做 Case 示范,它与飞书的衔接度超出预期:

    •  ㅤ

      同一个账号,无需任何配置,直接能读到飞书的聊天消息、多维表格、文档甚至批注,也能代发与编辑。

    Image

    Image

    •  ㅤ

      整合了 Codex 备受好评的远程操控功能,方便远程管理 Agent

    Image

     ㅤ

    确定了体验预期与工具后,信源 Loop 系统的架构就清晰了:

    Image

    1. 1.飞书多维表格负责记录需求任务、信息采集入口;知识库文档负责同时承载日报模板、个性化精选规则,以及日报内容与反馈沉淀,是非常方便的 人-AI 实时数据写作面。
    2. 2.豆包工作内置的 Search、Fetch、本地运行脚本、Browser Use 共同负责信源采集(这个 Browser Use 好用的,和 Codex 体验接近)
    3. 3.整体由豆包工作的 Agent 执行,定时器触发,一个专门的 Skill 统合任务执行流程

     ㅤ

    你当然也能选自己喜欢的 AI 产品,不过就需要你自己按每个步骤调试了。

     ㅤ

     ㅤ

    👉 打造「自进化」的 Agent 信源系统

    0️⃣ 前置操作

    先下载「豆包工作」、「飞书」,这就不说了 🙂‍↕️

    建议你在豆包工作的左侧导航栏中,创建一个干净的项目文件夹

    Image

    Image

    然后模型档位,我在实操过程中,全程选择「自动、中等推理」,体感够用了。省点 token,加速执行。

    Image

    顺便解释一下:

    • ㅤ

      设置项目文件夹的原因:后续若有需要本地脚本采集方案的信源,对应的程序脚本,均可在此处统一管理。
    • ㅤ

      选择本地电脑,而不是云电脑的原因:因为必然有部分网页信源,需要 Browser Use 才能采集,豆包工作本地电脑的浏览器自动化效果很不错。

     ㅤ

     ㅤ

    1️⃣ 让 AI 创建监测任务表

    👍 从这一步开始,你开始正式打造自己的信源 Loop 系统了。

    发送以下 Prompt 给到豆包工作,创建用于监测任务的两张表:

    1. 1.监测任务:维护用户的监测需求
    2. 2.信息入口:按监控对象,如「OpenAI、DeepSeek」,维护其相关信源渠道

    ...

    我想搭建一套会随着使用和反馈逐渐变准的精选信源系统。以后,用户只需要说自己想持续关注什么,Agent 就会把需求拆清楚,找到合适的信息入口,确认可行的采集方式,再定期生成日报。并且可通过用户反馈,每日更新信源精选规则,不断优化 Agent 信源精选的准确度。
    现在,你的第一个任务是创建一个飞书多维表格“信源管理系统”,在里面建立两张数据表,作为后续运行的地基之一。
    第一张叫“监测任务”,每一行是一条可以独立新增、修改或暂停的需求,字段为:
    - 需求条目:主字段,单行文本;用来识别一条最小、可独立维护的需求
    - 监测对象:单选;用来汇总同一对象下的需求,也是后续分配 subagent 时的筛选依据
    - 监测要求:多行文本;说明具体想关注哪些变化,以后出现明确误判时也在这里补充必要边界
    - 证据边界:多行文本;说明什么来源或证据足以确认这条信息
    - 状态:单选,选项为“启用”“暂停”;决定当前是否执行这条需求
    示例:需求条目为“模型发布”,监测对象为“OpenAI”,监测要求为“关注新模型、重要版本升级及模型上线或下线”,证据边界为“以 OpenAI 官方公告、文档或官方账号为准”,状态为“启用”。
    第二张叫“信息入口”,每一行是一个可以独立检查的具体入口,字段为:
    - 入口名称:主字段,单行文本;用来识别一个具体的信息入口
    - 监测对象:单选;用来把入口归到对应对象,让 subagent 能与监测任务一起筛选
    - 入口地址:链接;保存实际访问位置
    - 渠道定位:单行文本;说明这个入口主要提供什么信号,例如正式公告、开发者更新、实时动态或招聘信号
    - 采集方式:单行文本;记录当前确认可行的主要采集路线,例如结构化接口、脚本或 Browser Use,不在这里展开完整操作步骤
    - 状态:单选,选项为“待验证”“启用”“暂停”“失效”;表示这个入口当前是否可投入运行
    - 上次成功检查时间:日期时间;作为下一轮查找新增内容的时间起点,只有检查成功后才更新
    示例:入口名称为“OpenAI 官方动态”,监测对象为“OpenAI”,入口地址为其官方 News 页面,渠道定位为“正式公告”,采集方式为“Browser Use 读取更新列表”,状态为“启用”,上次成功检查时间为最近一次成功运行的时间。这个示例只用于说明字段含义,实际入口和采集方式需要后续验证。
    两张表共用“监测对象”作为筛选和分组依据,不需要另外创建监测对象表。默认视图都按“监测对象”分组;再为信息入口建立一个“待验证”视图。
    完成后把表格链接发给我,并告诉我最终创建的字段和视图。
    这一步只创建空表,不添加正式需求和入口,也不创建日报、Skill 或定时任务。
    📍

    注意:现在用 Agent 时,其实用不着这么长的 Prompt,而且实际上也很难在复杂系统设计伊始,就给出如此完备的提示。往往是通过跟 AI 多轮交流,慢慢打磨出需要的结果。
    该 Prompt 也是我在实验过程中递归整理的完整提示,方便读者直接“抄作业”。

     ㅤ

    👉 豆包工作内置了多维表格、云文档、飞书消息等 Skill,能比较方便的一次性替你创建完成对应表格。(换成其他 Agent,虽然也能通过飞书 CLI 实现,但需要多一步终端配置授权)

    Image

     ㅤ

    Agent 所创建的飞书文档、表格,都归属在同一账号的飞书里 ⬇️

    Image

    所以方便你和 Agent 一起查看任务结果。打开后你能看到这样的多维表,这就是我们监测任务的长期 Context 规则了 。

    Image

     ㅤ

     ㅤ

    2️⃣ 按对象生成监测需求、采集方法

    搞定监测任务的数据载体后,就可以向 Agent 提出自己的「信源监测需求」,让它帮你拆成持久化的任务要求入库了。

     ㅤ

    在原对话输入以下 Prompt,AI 就会自动拆解需求条目,确定信源获取渠道:

    ...

    接下来请帮我把新的监测需求加入“信源管理系统”。
    请先读取其中的“监测任务”和“信息入口”两张表,理解字段和已有记录,然后问我:你想持续监测什么?
    收到回答后,请直接完成这件事:
    - 理解其中的监测对象和监测主题。监测任务表的一行,表示某个对象下面一项可以独立维护的主题;例如“OpenAI 的模型更新”是一项监测需求,不需要继续拆成发布、升级、上线、下线等多行
    - 按已经建立的字段新增或更新监测任务,避免产生重复记录
    - 围绕这个监测对象寻找能够覆盖该主题的具体信息入口,优先复用已有入口;对新增入口实际验证是否可以访问,以及适合怎样自动获取更新,再写入信息入口表
    验证采集方式时,请从轻到重逐级尝试,上一层能够稳定取得信息就停止:
    1. 优先使用现成的结构化入口,例如连接器、RSS、API、GitHub Releases 或提交记录
    2. 没有合适的结构化入口时,再尝试直接读取网页,或编写轻量脚本提取列表
    3. 页面依赖动态交互、登录状态,或前两种方式无法稳定读取时,再使用 Browser Use
    常见例子:GitHub 项目更新可以先检查 Releases 或 API;官方博客、更新日志和文档先检查是否提供 RSS 或其他结构化入口,没有再尝试直接读取页面或脚本;需要登录或高度依赖交互的网站,才考虑 Browser Use。这些只是判断示例,实际方案仍由你验证后决定。
    验证不能只确认“网址能打开”。请实际取得最近的内容列表,并确认至少能识别标题、链接、发布时间或稳定 ID,以便以后判断增量。没有实际跑通的方案,不要写成已确定的采集方式;可以保留为“待验证”。
    例如,我回答“我想持续监测 OpenAI 的模型更新”时,你可以这样理解和记录:
    - 监测任务:需求条目为“模型更新”,监测对象为“OpenAI”,监测要求涵盖新模型、重要版本变化以及模型上线或下线,证据边界以 OpenAI 官方公告、文档或官方账号为准,状态为“启用”
    - 信息入口:围绕 OpenAI 查找能够提供正式公告、开发者更新或实时动态的具体官方入口;例如先验证 OpenAI News RSS 是否能够稳定返回标题、链接和发布时间,再判断是否还需要其他入口补足覆盖。验证成功的状态设为“启用”,本次先不填写“上次成功检查时间”
    这个示例只说明需求如何落到两张表。实际采用哪些入口、使用什么采集方式,由你访问和验证后决定。
    除非存在会改变监测对象或主题的歧义,否则请自行判断并继续完成。最后告诉我你如何理解这次需求、写入了哪些监测任务、采用了哪些信息入口和采集方式。
    这一步不启动定时任务,也不生成日报。

    豆包工作会问你想要持续监测什么。

    你按照你的需求,自然描述即可,“帮我监测 OpenAI 的模型、产品更新,以及 Codex 重置预告”。(不用紧张,不用深呼吸,简单说需求就好了,现在的豆包工作还挺聪明的)

    Image

    输入后,无需其他操作,即可看到如下变化:

    •  ㅤ

      监测任务表中,以「OpenAI」为监测对象,拆分出了 3 条 MECE 的任务需求

    Image

    •  ㅤ

      信息入口表中,在 Agent 长程自动化采集实验后,登记了相关信息来源及采集方式

    Image

     ㅤ

    如果你有更偏好的信息入口与采集方式,也可以让 Agent 给你更换,直接和 Agent 说就好(不是说 Agent 给你选了 Browser Use 策略,你就必须用这个,可以像乐高积木一样随意局部拼接):

    Image

    豆包工作会对你提供的渠道进行验证后,并更新信源表内容:

    •  ㅤ

      需求表:

      Image

    •  ㅤ

      信源入口表:

      Image

     ㅤ

    附: 根据信源入口、采集方法不同,有时会受到网站登录限制,Agent 可能会需要你配合,帮忙在浏览器工具中登录,或者需要你授权对新信源验证,根据 AI 指示继续就行。

    Image

     ㅤ

     ㅤ

    3️⃣ 建立日报规则,跑出第一份日报

    Agent 工作流往往由大量环节组成,又因为模型生成的不确定性,需要做一点测一点,不然积💩成山,积重难改。

    ⬇️

    所以完善了采集方案后,别加太多信源需求,尽快先验证整套系统的最小闭环:根据信源管理多维表,根据日报生成规则,自动采集信息更新日报内容。

    发送给 Agent 以下指令:

    ...

    请创建一个飞书知识库“信源 Loop 系统”,作为这套系统长期文档的统一入口。
    目前只建立以下结构:
    1. 知识库首页
    用于长期维护整套系统的说明和文档索引,包括:这套系统解决什么问题、目前怎样运行;已有组成部分分别负责什么;指向各项正式资产的入口
    当前先在首页登记:
    - “信源管理系统”多维表格:维护监测任务和信息入口
    - “每日日报”目录:归档系统每天生成的日报
    以后新增日报规则、反馈日志或 Research Map 等正式文档时,再把它们补进首页索引。
    2. “日报规则”文档
    包含以下章节:使用材料索引、信息筛选规则、日报模板
    在“使用材料”中放入“信源管理系统”多维表格的直接链接,并注明:“监测任务”表决定需要关注什么,“信息入口”表决定去哪里获取。
    3. “每日日报”目录
    作为独立目录使用。以后每天生成一份以日期命名的日报,并统一放在该目录下级子文档。
    现在不要提前创建其他尚未实际使用的目录或文档。完成后把知识库链接发给我。

     ㅤ

    豆包工作将自动创建知识库:

    Image

    它会按要求填充 3 个核心文档,为后续 Agent 行动提供上下文指引:

    Image

     ㅤ

    接下来,让 Agent 先抓出一份日报看看效果:

    Image

    经过持续一段时间的长程任务执行,就能得到 Agent 给出的日报结果

    Image

    Image

     ㅤ

    ⬇️ 日报内容对应本周发生的事件(8.31-9.1),呈现在每日日报目录下

    ——信源日报小闭环验证成功 ✌️:

    Image

     ㅤ

     ㅤ

    附:如何调整 Agent 信源日报的格式?

    如果你对日报格式有自己的要求,可以让 Agent 帮你再做修改。

    1)建议先直接让 Agent 尝试调整日报本身

    Image

    很快能得到更加干净舒服的日报排版:

    Image

     ㅤ

    2)也记得让 Agent 帮你总结新的规则,固化在核心文档中,优化后续 Agent 任务行为

    Image

    发完要求后,就在日报规则中,看到 Agent 的调整:

    Image

    ✏

    其实和要求 Agent 优化 Skill 的逻辑差不多,思路都是一致的:
    每次任务会加载的上下文 = Agent 将遵循的任务指引,而 Agent.md、Skill、Prompt 都只是一种上下文的载体。

    3)对了,由于云文档的人、AI 都可读的性质,实际上也是人-AI 的 Context 共同协作面,所以也可以自己上手直接编辑,改动在 Agent 按下次文档执行时自动生效。

    Image

    除开这种主动修改的行为,后面 ⑤ 反馈 Loop 小节中,还会介绍更简单的、 Agent 自动根据群聊、批注的 Loop 改进方式。

     ㅤ

     ㅤ

    4️⃣ 设定时任务:日报每天自动出现在群里

    验证日报生成链路后,信源系统就很容易维护了:

    •  ㅤ

      增删监控需求?直接和 Agent 说即可——它会自己改监测任务表,连信源入口和采集方式都会跟着验证、更新
    •  ㅤ

      想调整日报的格式与内容?也直接说,或者直接在云文档里改「日报规则」——下一轮它就按新规则出

    至此,loop 的内容采集-生成层已经完整。

    下一步则是让我们的日报能够每天定时推送。

    而这就需要由定时任务 + Skill 机制,以及豆包工作与飞书的联动来完成。

     ㅤ

    1)自动生成每日信源 Skill,用于简化定时启动的 Prompt

    直接在原任务对话的基础上发送要求:

    ...

    接下来,我希望这套系统,能在每天早上 9 点,把当天日报自动推送到我的群里。
    请先创建一个 Skill,届时我将结合定时任务,用于指导该任务的自动定时执行。

    Image

     ㅤ

    即可得到 每日信源 Skill 的初版骨架 ⬇️

    Image

     ㅤ

    AI 会提示你指定一个发送的群,随意选择都可以,如「一泽与豆包工作 Bot / 部门信源监控群」

    Image

    豆包工作就会搜索到飞书内的该群 ID,更新 Skill 内容:

    Image

     ㅤ

    2)确定推送消息形态

    由于飞书聊天支持文本消息、长文内联消息、交互式卡片,可选的呈现方式多样,最好提前规定推送形态。

    我选了交互式卡片,直接和 AI 说“我需要推送消息以交互卡片形式呈现”即可,并要求其尝试推送今日信息作为示例 ⬇️

    Image

    Image

    这也是识别 Agent 工具能力的方法之一

    直接询问 Agent,让它自己读内置工具说明,告诉你它支持什么。有些时候可能有幻觉,所以必须要让Agent 先尝试一下,按结果来判断实际可行性。

     ㅤ

    最终实验出以下结果 ✅:

    Image

    • ㅤ

      不过豆包工作目前在发飞书消息时,没有自己的 ID 身份,只能以你的账号代发。
    • ㅤ

      当然也可以单独为豆包工作新建一个专属飞书账号,使得你可以把它以独立身份拉入各种群中。

     ㅤ

    3)最后是创建定时任务,支持最小间隔 15 分钟,同样在原窗口发送:

    Image

    自动完成定时任务的创建:

    Image

    🙂‍↕️ 自此,每天 9 点,你都能自动收到豆包工作为你筛选的信源日报了~

     ㅤ

    到这里,这个系统其实已经每天能够把你的信源日报送到群里。

    从日报系统本身来看,已足够完整,但它仍只是一个固定 Agent Workflow。它按照你给的规则、预设的信源需求而运行,并不能够自动按照你的阅读体验反馈而进行优化。

     ㅤ

    而我们真正的目标是达成自改进的 Context Loop ⬇️

    Agent 能够在每天的运行中,自然收集你以及其他读者对日报的反馈看法,使得它能够自动增减需求、筛选规则和呈现形式,变成一个越来越懂你的信源 Loop 系统。

     ㅤ

     ㅤ

    PS: 在开始下一步前,建议先让 Agent 总结一下监测任务与信息入口表的拆解与登记规则。

    后续当有反馈涉及增删需求时,即可按 Skill 自动完成表格维护。(复杂 Skill 的维护过程,想要写的阅读体验丝滑,太累了= - =,想来想去还是塞这里提醒合适)

    ...

    请参考我之前给你的指令,在 Skill 内增加多维表格中监测任务与信息入口表的登记规则,当用户有新的信源监测需求时,自动按之前的方式完成需求识别、采集方式验证与入表。

    Image

     ㅤ

     ㅤ

    5️⃣ 反馈的 Loop:让系统学会自己变好

    这一步的目标是让 Agent 能自己收集人类反馈,迭代下一次的行为:

    Image

    关键在于:人反馈的 Context 如何流动到 Agent 那里去?又该什么时候处理、处理成什么样。

     ㅤ

    以这个场景为例,飞书内常见的反馈输入途径是这几样:

    •  ㅤ

      直接在发日报的群里说:「今天的日报不错」「这条我感兴趣」「这个方向不用再盯了」,自然、低门槛;
    •  ㅤ

      在日报文档里直接批注:看到哪条觉得好,就在那条旁边写一笔;
    •  ㅤ

      单独提供一份问卷:让读者按固定格式反馈。

     ㅤ

    我更偏向群聊的自然发送和文档自带的批注。因为它们在阅读过程中顺手就发,不用专门填表。

    反馈越顺手,Loop 才越能持续。

    所以需要让 Agent 定时去总结群聊与日报批注中的反馈留言。譬如,我在日报中批注、在群聊中留言:

    Image

    Image

    借着豆包工作与飞书的联动,我所写的内容,自然能被 Agent 捕捉。

    再者就是自动循环。

    凭借豆包工作提供的「定时任务」功能,在每天抓新内容前,先整理前一天的反馈信息,进行 Autodream,就能把新的监控需求、采集方法、日报规则、模板更新在核心文档了。

    故使用以下 Prompt,让 Agent 补上日报反馈目录,并更新 Skill,要求每天定时任务都得先总结反馈信号 :

    ...

    请在“信源 Loop 系统”知识库中新增“日报反馈”目录,并把它登记到知识库首页。该目录用于按天保存从群聊消息和日报批注中整理出的反馈,每天建立一份以对应日报日期命名的子文档。(当天无反馈可不创建)
    并新增 Skill 规则:从下一次定时任务开始,每次运行信源采集前,必须先完成以下流程:
    1. 读取上一份日报发布后至本次运行前,群聊中与该日报相关的消息,以及该日报中的批注。
    2. 在“日报反馈”目录下创建当天的反馈文档,总结当天收到的日报反馈,以及根据这些反馈完成了哪些调整(谁、提出什么反馈、反馈处理结果)。
    3. 根据当日反馈文档,按照本 Skill、知识库核心文档,指引更新它所对应的信源 Loop 系统的正式资产,比如:
    - 涉及新增、修改或停止某项监测范围时,更新“监测任务”表
    - 涉及新增或调整信息来源时,完成必要验证后更新“信息入口”表
    - 涉及已有监测范围内更关注什么、哪些内容值得入选时,更新“日报规则”中的“选材规则”
    - 涉及日报结构、篇幅、图片、截图或链接形式时,更新“日报规则”中的“日报模板”
    向“日报规则”写入新规则时,说明它适用于全部日报、某个监测对象,还是某类监测主题,并放到对应位置。只有实际出现特定规则时,才新增相应的小标题,不提前建立完整分类。

    你就可以看到:

    •  ㅤ

      豆包工作在之前创建的 Skill 中,增加了「日报反馈流程」指引:

    Image

    •  ㅤ

      飞书知识库中也成功建立了日报反馈目录,来归档每天的反馈信号:

    Image

     ㅤ

    这时再让豆包工作,就能根据最新的指引,完成整个反馈-优化信源规则-再生成的 Loop:

    Image

     ㅤ

    1. 1.成功读取了我在群聊与批注中留言的反馈,形成了今日反馈总结

    Image

    1. 2.并根据反馈,在对应条目中,新增了监测需求与信息入口

    Image

    Image

     ㅤ

    1. 3.随后根据新要求,开始重置今日日报内容。还主动结合表中的「上次检查时间」游标信息,简化了有无新内容的判断难度

    Image

    Image

    ㅤ

    最终成功在日报中插入了推文截图(Seed 多模态 + Browser Use 神力 👍)

    Image

    🎉 至此,Loop 验证通过!可以为自己鼓掌了!

    恭喜你也为自己实践了一套自改进循环的 Agent 工作流,拥有了可以根据你 or 组织的留言反馈,自动「进化」的 Agent 工作流程了 ✅

     ㅤ

     ㅤ

    💡 加餐:个性化推荐机制

    上文因行文节奏,着重只讲了采集固定信息需求的方法,如“OpenAI 的模型更新信息”。

    但实际上,如果放宽要求,即使是同一组信源,这套 Loop 系统还能根据你的阅读喜好,自动推荐你可能感兴趣的内容。

     ㅤ

    譬如:

    •  ㅤ

      专心做 Agent 应用的产品同学,就多推“AI 应用新品”资讯
    •  ㅤ

      模型 Researcher,就多筛出模型训练相关的新论文
    •  ㅤ

      甚至你对某类“文风”、“调调”的内容不感兴趣,也能让这套系统逐渐熟悉你的偏好,为你筛选一二

     ㅤ

    那么怎么做呢?

    答案是在整个 Loop 中引入「内容推荐画像」的概念,比如你的职业、关注话题、喜欢的内容风格等。要求 Agent 在筛选监测需求之余,同样留意有没有值得额外推荐的内容。

     ㅤ

    同样准备好了可以直接照抄的提示词,你也可以根据自己的理解再做修改,发给豆包工作就好:

    ...

    请在知识库中创建一份「内容推荐画像」文档,用来记录我希望收到什么样的推荐内容,例如关注方向、判断偏好、喜欢或不喜欢的内容特征。同时更新「日报规则」:
    1. 每次生成日报时,读取「信源管理系统」中的监测任务,以及「内容推荐画像」和「日报规则」。
    2. 信息入口产生的新内容有两种入选方式:
       - 命中已启用的监测任务:作为监测内容进入日报。
       - 未命中监测任务,但符合「内容推荐画像」:作为推荐内容进入日报。
       同一内容同时满足两种条件时,只保留一次,并优先标记其命中的监测任务。
    3. 每日总结用户反馈后,按反馈所影响的对象更新对应资产:
       - 关注范围发生变化,更新监测任务;
       - 推荐偏好发生变化,更新「内容推荐画像」;
       - 日报的通用呈现规则发生变化,更新「日报规则」。

    你可以直接维护修改创建好的画像;也可以让 Agent 替你修改:

    Image

    大概会是这么个效果:

    Image

    这同样也是 Context 的新瓶装旧酒,就不再展开单独演示了。

     ㅤ

     ㅤ

    另外,如果你是老读者,应该还记得我之前做的 Web Access Skill,其中有提到过「站点经验」的机制。

    具体参考原文:Web Access:一个Skill,拉满Agent联网和浏览器能力

    「信源入口」表的采集方式字段,也在起着类似的作用。

    Image

    如果需要积累更完善的站点经验,让 Agent 操作更快更准确,或者直接叠加 Web Access Skill 来运行,当然也是可以的(感谢认可)

    同样要求豆包工作调整日报流程 Skill 即可:可以在本地新增站点经验文件 or 存在云文档中,或者直接要求遵循 Web Access Skill 来联网。

     ㅤ

     ㅤ

    🎐 写在最后:看 Context 是 Context

    走到这里,你可能已经发现了:

    这套 Loop 从头到尾,所有调整只围绕一件事 —— Context 的打通与循环。

    Image

    •  ㅤ

      Context 可以提醒 Agent 读另一段 Context:日报 Skill 引导 Agent 读知识库、多维表里的规则;规则引导 Agent 联网采集新闻。
    •  ㅤ

      Context 的来源与存储形态很多样:可以是本地文件、飞书群聊、文档、表格甚至批注。
    •  ㅤ

      Agent 本身还是 Context 的输出者:既可以输出日报,也能推送聊天消息;也能自己编辑给自己看的 Skill、规则文件,仅在 Context Loop 层上就足以自循环优化。

     ㅤ

    虽然本文只列了信源日报场景的 Loop 系统,但实际上放宽到 Agent 场景中,「信息 input」非常开放,你能接入的信息远不止这些。

    借助 MCP、API、CLI 生态,现在的 Agent 已经能够很方便的连接大量信息。

    比如,豆包工作积累了飞书等 IM 内的组织关系、讨论、文档和决策;也提供了连接器,方便访问邮箱、会议、同花顺、淘宝,和企业内部数据来源。

    Image

    而 Agent 对 Context 的处理结果,更不止日报这种形式:

    读时事,分析外部行业趋势;读会议纪要,帮你拆行动项、盯完成进度;接内部系统,做异常告警分析;整理客户信息,生成跟进建议。

     ㅤ

    设计 Agent,需要让自己到一种看 Context 不是 Context,但看 Context 是 Context 的状态。

    换一种输入 Context、换一种输出形态,就是全新的 Agent 工作流。

    定义好 Agent 体验预期、选好匹配的工具,好好设计每套 Loop 的自循环改进流程,就能让 Agent 自动捕捉你的每一次反馈,越用越合心意。

     ㅤ

    本来只是想分享一个教程,没想到还是絮絮叨叨到了 1w 字

    那就长文更新快乐,也感谢你的点赞,欢迎分享给你的朋友们 :)

    Image

    跳转微信打开

    •  

    奥特曼最新长访:OpenAI下一代模型,揭秘通用人工智能的下半场图景

    原创 Web3天空之城 2026-09-03 08:51 北京

    WebSkyCity

    奥特曼最新长访:OpenAI下一代模型,揭秘通用人工智能的下半场图景

    在人工智能的发展史中,我们正处于一个被敬畏与不安交织包裹的奇点。当全球都在屏息关注下一代模型何时问世时,处于风暴中心的OpenAI公司却做出了一个令人意外的决定:刹车。

    目录

    全局摘要和核心观点

    模型能力的飞跃与安全对齐的挑战

    预训练中的隐忧与行业动态

    赞助商信息与技术调整

    重新定义对齐:从安全故障到人类主导

    站在人类这一边:控制权与权力下放

    关于 AGI、超级智能与能力评估

    算力战略与环境反馈

    就业、内容创作与社会投资

    执行力、管理层变动与首席执行官角色

    智能体、电脑使用与隐私法规

    竞争、算力扩张与 RSI 的未来

    机器人愿景与个人设备隐私

    未来的愿景与最大风险

    全局摘要

    在本次深度访谈中,OpenAI 首席执行官 Sam Altman 详细阐述了公司在 AI 能力飞速演进背景下的战略抉择。他重点讨论了 OpenAI 为确保安全而推迟前沿强化学习(RL)训练的决策,反思了 Hugging Face 安全事件带来的启示,并阐述了对齐工作的核心原则——维护人类控制权与实现权力的分布式赋能。此外,访谈还涵盖了算力基础设施扩张、个人机器人愿景、隐私保护法案以及对 AGI 和超级智能定义的演变看法。

    核心观点

    • 安全优先于进度

      :模型能力的跨越式进步要求安全对齐工作必须同步、甚至优先发展。为此,OpenAI 不惜推迟前沿模型的训练任务。

    • 对齐的双重定义

      :对齐不仅是技术上的意图遵循,更是政治经济学上的权力分配,旨在防止权力过度集中。

    • AI 接口的演进

      :未来的 AI 将向主动式、跨平台的超级应用融合,具备人类水平的电脑操作能力。

    • 人类中心主义

      :尽管技术指数级增长,但未来的核心体验应保持人性化,AI 的目标是为人类提供更强大的杠杆,而非取代人类的自主性。

    01

    核心权力的博弈:为何我们选择暂时停下脚步

    在奥特曼看来,当前的智能演进速度已经到了令人“敬畏”的程度。这种速度不仅带来了技术的突破,更对现有的安全框架提出了前所未有的挑战。他坦言,由于模型能力的进步之快超出了预期,公司不得不改变工作方式。

    “至关重要的是,对齐、安全和防御能力必须与模型能力同步提升”。奥特曼指出。正是基于这种判断,公司推迟了一次前沿强化学习的训练任务。这在追求速度的硅谷显得极不寻常,但在奥特曼眼中,这是确保使命达成的必然选择。他回忆起此前发生的抱抱脸公司安全事件,将其描述为“如同科幻小说里的时刻”。那次事件揭示了当不同层级的漏洞被串联时,即便能力尚弱的模型也可能产生超出预期的负面影响。

    他强调,安全优先于任何公司的发展势头。“确保人工智能安全比任何公司的发展势头都更为重要”。这种克制并非因为业务停滞,事实上,该公司的商业增长极其迅猛,企业级营收已经超越了消费者业务。奥特曼认为,这种暂时的放慢是为了更稳健的奔跑,因为客户需要的是安全、可靠且稳健的产品,而非一个充满变数的黑盒。

    02

    从“意图遵循”到“权力下放”:重新定义对齐

    当谈及“对齐”这一术语时,奥特曼给出了两个层面的定义。首先是技术层面的意图遵循——即模型必须准确执行用户的指令,而不是产生“逃离沙盒”之类的意外行为。更深层次的对齐则关乎政治经济学:权力的分配。

    奥特曼坚定地表示,他站在人类这一边。“我们将把权力掌握在人类手中,这必须以一种分布式的、广泛赋能的方式来实现”。他警惕权力的过度集中,认为即便技术上解决了对齐问题,如果最终只有少数人掌握尖端智能,那也将是社会的灾难。

    他将人工智能比作现代文明的“晶体管”。正如晶体管创造了巨大的经济价值并扩散到全人类,奥特曼希望人工智能也能成为一种普惠的资源。“我们希望人们依然是故事的主角,但拥有了更强大的杠杆作用”。这种理念决定了该公司的部署策略:不是在实验室里闭门造车,而是通过持续的、迭代的发布,让公众在技术演进的过程中共同参与规则的制定与权力的分享。

    03

    智能体的终局:走向“懒人式”超级应用

    对于普通用户而言,未来的技术体验将发生质的飞跃。奥特曼展示了关于阿斯特拉模型在电脑操作能力上的突破。他坦言自己是一个“非常懒惰的用户”,不希望在不同的标签页 and 应用之间反复点击。

    “我只想说明我想要什么,我希望它能直接实现”。在奥特曼的构想中,未来的智能助手将具备人类水平的电脑操作能力,能够代替用户处理琐碎的表格、邮件和任务调度。这种“主动式”的计算机交互模式将彻底重塑人机关系。

    他预言,聊天助手与代码专家模型最终将走向融合。用户不再需要思考该使用哪种模式,而是面对一个通用的接口,提出需求,然后由后台的智能体去协作执行。这种进化不仅提升了效率,更让技术隐入背景。奥特曼分享了一个细节:面对一项复杂的任务,他只需告诉模型意图,然后去陪伴家人,等他回来时,一切已经准备就绪。这种“时间回赠”正是技术赋予人类的最高价值。

    04

    重塑物理世界:算力扩张、定制芯片与机器人

    人工智能的竞争正在从算法层延伸到物理现实。奥特曼承认,算力战略是实现通用人工智能愿景的关键。为了让全球每个人都能享受到顶尖的智能服务,现有的算力部署规模远远不够。

    他确认了公司在物理世界的野心,包括定制推理芯片的研发以及对机器人领域的重新投入。“我们一定会做人形机器人,因为这个世界很大程度上是为人类设计的”。奥特曼认为,只有让智能具备物理实体,才能真正解决厨房清洁、物资搬运等现实生活中的痛点。

    然而,在宏大的星际之门算力扩张计划背后,奥特曼也表达了对行业泡沫的担忧。他观察到市场上出现了一些盲目的算力建设行为。“我看到了一些属于不可持续的盲目行为的初步迹象”。他警告说,如果没有明确的营收支撑和买家需求,这种不计成本的扩张最终会导致财务崩盘。相比之下,他更看重如何通过技术革新大幅降低单位Token的成本,从而实现智能的规模化普及。

    05

    始终站在人类这一边:指数级增长中的人性留白

    尽管身处技术指数级增长的漩涡中心,奥特曼对未来的预判却带有一种温情的保守。他认为,即便超级智能出现,人类的生活体验依然会保持高度的相似性。

    “人们依然会和家人在一起,坠入爱河,发生争吵,拥有非常人性化的体验”。他认为,技术的进步是为了消除苦差事和辛劳,让人们有更多的自主权和财富去追求那些真正具有人性价值的活动。

    在访谈的最后,奥特曼再次强调了风险防范。未来一年最大的风险依然是安全保障。如果能在通往超级智能的过渡期,找到如何赋能于人、如何确保权力不被滥用的平衡点,那才是真正的成功。他对自己作为技术管护者的角色有着清晰的认知:在疯狂的竞速中保持克制,在不确定的未来中锚定人性。

    天空之城完整访谈整理

    OpenAI下一代模型,揭秘通用人工智能的下半场图景  

    模型能力的飞跃与安全对齐的挑战

    Alex Heath

    Sam,最近怎么样?

    Sam Altman

    在 AI 领域,这无疑是一个激动人心的时刻。模型能力正在迅速进步,我们看到人们正利用这些模型做出令人惊叹的事情。正如我们所讨论的,也正如我们预料的那样,模型能力的进步速度太快,以至于我们必须改变工作方式,才能建立起必要的安全案例、安全阈值标准、保障措施——无论你怎么称呼它——以便我们能够充满信心地继续进行训练。

    至关重要的是,对齐、安全和防御能力必须与模型能力同步提升。我认为我们最近经历了一个时刻,模型能力的进步之快,只能用“敬畏”二字来形容。我们需要更多时间来赶上安全对齐和防御工作的进度。这始终是我们工作的核心部分,但它们必须共同进步,我们确实需要时间来追赶。

    因此,我们推迟了一次前沿 RL 训练任务。在此之前,我们已经在过去几周里暂停并放缓了许多训练工作,以便将更多的算力投入到安全和对齐工作中。我认为这是件值得我们引以为豪的事情,未来当我们达到更高水平的能力时,这种情况还会再次发生。但当你亲身经历这一切时,你会意识到,这就是我们讨论已久的时刻,而现在它正在发生。

    Alex Heath

    亲历这一切是种什么样的体验?

    Sam Altman

    这一切甚至在 Hugging Face 事件之前就开始了。没错。那确实是一个令人感叹的时刻,就像科幻小说里写的一样。你可以理解其中每一个环节是如何发生的,但促成 Hugging Face 事件的诸多因素汇聚在一起时,即便我们此前已经讨论过相关议题,那依然是一个让人警醒的时刻,而其他公司发生的事情也同样证实了这一点——哇,AI 的能力水平已经达到了新的高度,而我们对模型的对齐处理以及围绕模型所建立的安全防护失效了。

    现在,我们将此视为一起意外事故并已做出相应应对,我认为这正是改进现有工作的方式。但也就是从那时起,开启了这几个月的全过程。随后,根据我们的准备框架,我们可能触及了网络关键临界点。接着在训练过程中,我们发现了一些问题,意识到我们需要更强的对齐保障,并且需要新的方法来取得更大的进展。但我对我们应对这些问题的方式感到非常自豪,同时也觉得,我们正身处其中,这种感觉有些奇妙——毕竟过去十年里我一直在思考这些问题,而现在它们真的发生了。而且,我们清楚该怎么做。

    预训练中的隐忧与行业动态

    Alex Heath

    在训练过程中,你们所有人看到的除了 Astra 之外、那种预示未来发展的东西是什么?似乎正是它引发了你们不想讨论的反应?我是说,我知道你们描述过 Hugging Face 的情况,大家也都了解 Hugging Face 事件,但在预训练过程中到底发生了什么让你们真正感到担忧?

    Sam Altman

    那并非单一事件。那是通过阅读大量样本,观察到某些行为与我们预想的并不完全一致,或者某些行为在结合其他因素来看令人担忧,尽管孤立地看这些行为或许尚可接受。所以,这不像 Hugging Face 攻击事件那样,有一个明确的“确凿证据”能直接指出这件事情很糟糕。

    我们无法指出具体发生了哪一件单一事件,而是存在不同程度的对齐问题,再加上——我认为这比任何单一数据点都更重要——当前模型能力的演进速度。老实说,在上一阶段的预训练进展中,我们的表现并非世界顶尖。我们突然之间在这方面变得如此出色,以至于现在拥有了这些能力非凡的模型。Aiden 和他的团队所取得的成就确实令人惊叹。

    Alex Heath

    因此,你们确实能指出一些细微之处。

    Sam Altman

    在我们的 RL 流程中,或者说,在对齐问题上,结合我们预见到的这些能力极其惊人的新预训练模型带来的影响。正是这种交集让我们希望以极其谨慎的态度做出反应。当然,我也不想过度夸大这一点。我不认为我们正处于那种极其关键的潜在灾难节点。

    但我同时也认为,随着风险不断升级,随着模型能力日益增强,基于我们的使命,以及安全性高于我们所面临的其他一切压力是何等重要,我们希望以极其谨慎的态度做出反应。我认为这是正确的做法。我认为我们这样做很好。我认为现在是一个放慢脚步的好时机,以确保我们能有新的安全案例来证明我们想要进行的运行是正当的。

    我认为,之前世界上的大部分风险在于模型是如何被部署和使用的。我们正在走向一个风险更大的世界。在模型实际的训练和生产过程中,做出反应固然是好事,但我也不想表现得过于危言耸听。

    Alex Heath

    没错,因为我认为人们看到了 Hugging Face 事件,看到了 Mythos 或 Fable 发生的事情,以及其他实验室领导者谈论这些话题的方式,他们便认为,我们似乎正处于世界末日的边缘。

    Sam Altman

    从某种意义上说,长期以来人们对 AI 一直持有类似的看法。所以,这就是为什么我希望能谨慎一点,不要过度夸大其词。

    Alex Heath

    我认为你可以回顾一下许多之前的模型,事后看来它们一点也不可怕,但当时人们却说我们正处于世界末日的边缘。

    Sam Altman

    我认为这里存在的“狼来了”的心理动力本身就很危险,而这并非我想要做的。我们正在努力去做的事情。但是,对模型能力的发展视而不见、假装无事发生是非常不负责任的。

    Alex Heath

    许多公司在过去几个月里经历了不同的网络安全事件。

    Sam Altman

    不同公司对此做出的反应确实存在很大差异。我认为,一种清醒、务实的应对方案应该是:我们将把安全置于一切之上,并随着模型能力的提升,将其视为日益重要的优先事项。这就是我希望每一位前沿 AI 开发者都能采取的态度。

    赞助商信息与技术调整

    Alex Heath

    这里面有很多值得深入探讨的内容,但我想明确一点,你们所看到的和 Hugging Face 经历的情况属于同一范畴,即通过串联零日漏洞实现模型间的协同作恶。比如,你们具体观察到了什么?能否更详细地说明一下是什么导致了你们内部所做的这些调整?

    Sam Altman

    我认为有必要指出,导致 Hugging Face 事件的模型,用 AI 发展的时间跨度来衡量,是一个相对久远且能力弱得多的旧模型。我们目前正在训练的新模型尚未进行部署,在任何可能导致类似情况的生产场景中都没有部署。

    所以,我并没有一个可以直接对比的案例,比如发生了 Hugging Face 事件,然后又发生了针对此事的更重大攻击。这里不存在涉及第三方基础设施的情况。

    Alex Heath

    不,完全不是。

    Sam Altman

    事实上,在 Hugging Face 事件之后,我们在监控智能体(agents)运行状态、沙箱机制,以及计算资源在监控与智能体运行任务之间的分配上,采取了更严格的控制措施。我认为这样做非常好,当然,我们也会对所有新事物采取同样的做法。

    话说回来,我认为资源重配置在 Hugging Face 事件后的放缓,是你所预料到的,或者至少是你应该预料到的。这更像是观察一个模型在训练过程中的表现,观察它变得多么聪明和强大,并监测我们在评估模型时共同关注的各种行为迹象。并不存在一种“看,所有这些东西都一起改变了”的情况。以及它具备的能力,这更像是观察这些不同的数据点、能力的水平、界限,以及如果允许它以某种方式部署——即让它能够把各项事物串联起来——它会产生怎样的影响。那才是令人担忧的。

    重新定义对齐:从安全故障到人类主导

    Alex Heath

    Hugging Face 事件在很多层面上都令人惊叹。昨晚我重温了你们团队关于此事的 Black Hat 演讲。有些事情让我感到无比震撼,比如模型在脱离控制并成功接入互联网后,字面上写着“天哪,我逃出来了”。这让我开始思考,在当前这种背景下,所谓的对齐究竟意味着什么?那么,我们究竟是在向什么目标对齐?因为如果看得直白一点,你们给它布置的任务是完成一项评估。而它为了尝试完成任务,做了所有需要做的事情。从某种角度来看,如果你采取一种非常简单的视角,这确实算是一种对齐。但我好奇,自那以后,你们关于对齐的思考是如何演变的?

    Sam Altman

    从一方面看这确实是对齐了,但从另一方面看,这完全没有对齐。当我们谈论对齐时,我们谈论的是遵循用户的意图,即意图本身。那些正在执行、运行该任务的人的意图,并不是要它逃离沙盒去窃取东西。

    没错。所以我认为这是一种对齐上的失败,因为它并没有执行其用户所预期的行为。我非常欣赏 Mia 及其团队讨论我们对齐工作的方式,他们对这些差异的界定非常明确。这些模型显然非常智能。如果你观察从去年 GPT-5 到 5.6 这种演进轨迹,会发现其能力进步令人难以置信。我认为人们不再像一年前那样感到受限于模型的智力水平,但他们越来越受限于模型理解其意图并可靠执行任务的能力。

    因此,对齐工作在多个层面都很重要,显然是为了避免我们现在所讨论的重大问题,同时也为了解决一些我们认为规模较小的问题。例如,某家公司采用 AI 并将其用于实现各种积极的增长,以及打造更好的产品。这看似并非小事,但从某种程度上讲,这同样属于对齐范畴。我认为,模型越能真正理解企业客户的意图,效果就越好。

    Alex Heath

    那么,你能更详细地解释一下研究团队正在进行的变革吗?你们是否正在将计算资源转向对齐领域?你们两个都更换团队了吗?

    Sam Altman

    确实如此。不仅是那些事,还有更多。在过去几周里,一些我从未想过会说“嘿,我决定要去从事对齐工作”的研究人员,都来跟我表达了他们的意向。这与对近期模型的感受并不完全一致。

    我们已经调动了大量算力,不仅用于对齐研究,还投入到了这些新的监控系统中;要知道,在 Hugging Face 事件之后,我们确实放慢了很多节奏。而原因之一正是为了将这些算力投入到监控系统中。我们现在推迟了一次重要的前沿模型运行。

    Alex Heath

    这是你们第一次这样做吗?我想是的。你认为这会对公司的发展势头产生什么影响吗?

    Sam Altman

    首先,确保 AI 安全比任何公司的发展势头都更为重要。所以我不会假装这完全不需要考虑,但它还没到值得大惊小怪的地步。我认为在我们关于此进行的所有对话中,人们都表示:伙计,这确实是一个全新的能力水平,我们必须果断且负责任地采取行动。

    其次,我认为目前商业上的发展势头非常强劲。增长速度极其迅猛,模型表现非常出色。我们的客户对此非常满意。我们的企业营收已经超过了消费者业务营收。大家都在说:这家公司目前状态极佳。我会对此进行思考。让我们针对眼前的挑战做出正确的决策。

    Alex Heath

    当前的模型仍有巨大的开发潜力,因此即使暂缓推进前沿技术也并无大碍。

    Sam Altman

    不仅如此,即便我们不再发布任何新模型,仅凭现有的模型也足以打造出色的产品并创造相应的营收。在达到我们所讨论的那个新的担忧层面之前,我们还有更多模型准备就绪,可以随时发布。

    所以我目前并不担心我们的业务,而且我认为这也不是最紧迫的考量。我们的商业团队 baby 产品团队所做的工作,再加上模型方面取得的惊人进展,使得我们近期表现非常强劲,且未来势头十分迅猛。这是一个关于 future 模型的表态。此外,我认为确保拥有安全、可靠、稳健的 AI 也符合我们的商业利益。客户需要这一点,世界也期望我们这样做。

    Alex Heath

    因此,这不会影响 Astra,即你们最近一直在谈论的即将推出的新模型系列。

    Sam Altman

    Astra 将会是该系列中的一个模型。就像会有许多版本的 Seoul 一样,未来也会有许多版本的 Astra。它只是作为一个更昂贵、更大规模模型类别的名称。这会影响 Astra 的未来版本,但我们已经能够发布一些我们认为在安全层面可以放心使用的模型了。

    Alex Heath

    新模型的发布节奏在过去 18 个月里似乎加快了很多,你们、Anthropic 以及其他公司几乎每个月都在推出新产品。当你们的竞争对手也看到这些能力并采取类似行动时,你预计整个行业会开始放缓吗?还是说你认为只有你们会这样做?

    Sam Altman

    我们会做我们认为正确的事情。我不认同这个领域中那种因为别人会做,所以我们也必须去做的想法。我认为那是一种非常危险的动态。

    Alex Heath

    但你承认这是一种动态。

    Sam Altman

    我们并没有去询问其他人:如果我们放慢脚步,你们是否也会这样做?我们只是说,这就是我们的使命和安全标准所要求的。我无法评价其他人。所以我们会做我们认为正确的事情。

    但我认为,即使没有新的能力水平,我们也可以继续推动产品体验实现显著提升。正如我们过去面临其他安全和对齐挑战时所做的那样,我们会在历史上多次经历的情况下,找到应对的方法。虽然没有这次这么重大,但我们曾多次找到解决问题的方法。我们将继续专注于我们的研究、软件开发和系统构建工作。我们将继续前进。

    Alex Heath

    对于你们现在的应对反应,有没有什么事情让你觉得,天哪,这件事本应该早点发生?我们本应该预见到这一点。或者说这真的是前沿领域中一个如此未知的地带,以至于你们无法更早做出反应吗?

    Sam Altman

    我们长期以来一直在做大量工作。没错。我认为对齐和安全工作一直是我们工作的核心,而且我认为多年来,在我们向世界推出产品的过程中,我们一直能够在那方面产出极其出色的成果。我们是否能够准确预测这种能力飞跃会在何时出现?以我的经验来看,恐怕不能。你可以大致勾勒出宏观层面的发展轨迹,但当突破真正到来时,这总是很难预测。

    站在人类这一边:控制权与权力下放

    Alex Heath

    那么,这背后的指导原则是否在于,人类——在这种情况下是指你们的研究人员,但随着模型普及,最终是指全人类——必须在每一步都拥有控制权?比如,你们所遵循的对齐原则是什么?

    Sam Altman

    原则有很多,但我认为这并不是你问题的核心所在,所以我不会深入探讨,比如我们是如何考虑网络安全之类的。这就是我考虑生物安全的方式。就像把视角拉到最远一样,我们非常自豪地站在人类这一边。

    我们希望构建一个未来,帮助人们构建一个未来。我们希望为人们提供工具。我们希望人们能利用这些工具去完成各种事情。我们希望人们能掌握未来的主导权。我们希望个人拥有与彼此共同创作的自主权,希望社会变得更好,但这一切必须从根本上是人类的事业。将一切自动化看起来既危险,又极其反乌托邦,还很枯燥乏味,令人沮丧。

    简而言之,那不是我们想要的。所以当我们谈论对齐时,我们所谈论的是这样一个世界:人们依然是故事的主角,但拥有了更强大的杠杆作用。以及让生活变得更美好、更快捷,且对每个人而言都更具创造性、更令人愉悦和充实的能力。我认为,关于对齐有两大核心原则。

    第一点,正如你所提到的,人们必须保持控制权。我们不能对 AI 失去控制。我们不能盲目崇拜我们的模型,也不能在不加审核的情况下信任它们,让它们替我们做决定。我们必须将权力掌握在人类手中。

    第二点是,这必须以一种分布式的、广泛赋能的方式来实现。我认为权力的集中是不好的,即使对齐问题得到了解决,如果最终出现一个只有少数人能使用 Frontier AI 的世界,且他们拥有相对于其他人而言巨大的权力,这种权力的增长速度远超常人,那也将是糟糕的。因此,我认为这就是对齐的两大核心原则:即不丧失控制权(或者如果你愿意称之为对控制权的维护),以及让每个人都能获得广泛的分布式赋能。

    Alex Heath

    与此同时,毕竟你们是一家公司。你们有一个非营利性董事会,你们有使命,但你们同时也是一家营利性公司。你如何在你所谈论的这些理念与公司性质之间取得平衡?我认为从纯粹的资本主义视角来看,如果你创造了这种全能的上帝机器,为什么要将其拱手让人或实现民主化呢?

    Sam Altman

    我认为你可以审视我们的行动、我们的言论以及我们所做的一切。而且,我们现在已经有很长一段时间的记录可循了。在这一过程中,我们做了许多并不受欢迎的事情。事实上,即便是最初的迭代部署策略,也曾遭到 AI 安全社区的广泛批评,他们认为我们不应该向世界透露这些信息。这被认为是糟糕的,我们需要在秘密中构建它。对于世界而言,这掌握了过多的知识。随后我们会让一些智者弄清楚如何使用它,并将这些成果回馈给人类。那从来都不是我们的策略,即便是在它非常不受欢迎的时候也是如此。

    我最喜欢的关于技术的历史类比,也是我期望我们能像的技术,就是晶体管。它曾经是,现在也是一项对世界极其强大的技术。它创造了巨大的经济价值。不仅是经济价值,我认为我们生活方式的改善也得益于晶体管的发现 and 工业化。但晶体管公司从中获得的价值微乎其微,价值主要扩散到了整个经济体系中。晶体管公司表现得还不错。

    Alex Heath

    我认为我们的过往记录已经证明了这一点。所以,你们不应该发展到拥有如此强大的模型,以至于不得不由你们亲自去控制它的地步。

    Sam Altman

    你们总会保留一定的控制权,而且事实上你们是通过计算资源来提供服务的,但我们希望在不让任何人代表他人承担灾难性风险的前提下,最大限度地赋能用户。所以我们会围绕它制定一些安全标准。但我希望人们能够利用我们的模型去做一些我个人并不喜欢的事情。我认为这是作为一个平台的重要组成部分。我不认为我们应该在这里为世界做出那种道德判断。

    现在,我认为世界期待我们为此设定一些护栏以避免出现重大安全问题是合理的,正如我们目前正在做的那样。但是,我们收到的大多数批评都是说你们赋予了人们太大的权力。你们让他们拥有的东西太多了。关于虚假信息怎么办,或者这个怎么办,那个怎么办?而我们秉持的精神是,世界必须在这里获得赋能。这对于我们的工作至关重要。这对于我所认知的健康且公平的社会样貌至关重要,而且,正如言论自由或任何其他形式的自由表达一样,总有人会对他人使用或表达的方式感到不满。

    Alex Heath

    回顾过去九个月以及这段对齐工作,有什么是你希望你们当时能做得不同的吗?很明显 Hugging Face 那件事本不该发生。

    Sam Altman

    是的。所以我希望我们当时采取了一系列措施,虽然我现在还不确定具体应该是什么。但我确实希望我们当时做了一系列准备,以防止那种情况发生。

    Alex Heath

    因为实际上发生的情况是,你们的一个未发布模型意外地攻击了那家公司,而且你们有一段时间对此并不知情,这听起来像是一次安全故障。

    Sam Altman

    那确实是一次安全故障。关于这在多大程度上应被视为安全问题还是对齐问题,还存在争议。我认为目前的报道大多将其归类为安全问题。但我个人认为,这更多是一个对齐问题。

    但无论如何,那确实是一件坏事。我不希望我们为此寻找借口,因为我不认为那是解决问题的方式。如果我们越是表现得像是在说,我们可爱的小模型,它绝不会做任何坏事。比如,只是配置错误或是阀门和线束的小问题,没关系,这依然是个可爱的小模型。

    Alex Heath

    如果我说出这样的话,我想你们应该意识到,这真的很糟糕。

    Sam Altman

    是的。但我们对此的表述是,这是一起真正的 AI 安全事故,也是一次对齐失败。

    Alex Heath

    我们绝对不能再让这种情况发生。

    Sam Altman

    所以我们将从中吸取教训,以下是我们正在采取的不同举措。

    Alex Heath

    围绕 AI、政策以及相关利害关系的言论,正处于前所未有的高点。这种紧迫感似乎在持续攀升,正如你所提到的,有些竞争对手正以一种非常自上而下的方式来界定这一议题。人们对 AI 有很多强烈的看法,尤其是在美国。我很好奇,就你现在所谈论的这些,你是否担心这会加剧那种情况?你是否会担心人们产生的这些恐惧?而且,你现在提出我们拥有这些模型,必须放慢开发速度。

    Sam Altman

    我认为人们应该为听到这些感到高兴,不是吗?他们希望做出更强有力的安全保障。他们将推迟这次模型运行。他们将在这里放慢脚步,并将重新分配算力。也许我不相信他们,也许这最终会变得非常安全,但我希望大多数人会说,很高兴他们在这里采取了保守的做法。

    如果我们在做这些事情的同时,没有那样的过往记录——即真正致力于将强大的模型交到用户手中,并完成我们所必须做的安全工作——那么,我依然认为我们自始至终都在引领行业。这就是我们使命的核心部分,将这些技术交到人们手中,造福全人类,秉持迭代部署的精神。我认为我们在这方面有着如此稳健的过往记录,如果没有这一点,我对此是可以理解的。

    但是,如果我们说,我们需要多一点时间,我们不想陷入一场不安全的竞争。我们希望确保能交付一款安全、稳健、可靠的产品,然后让你随心所欲地使用它。而且,我们相信我们超过十亿的用户有权这样做。我们相信我们的企业客户有权获得商业安宁和商业隐私。我们希望他们取得成功。我们希望他们能以任何可能的创意方式使用该模型。但你要知道,安全是我们使命中不可或缺的一部分。所以,请在这方面给予我们一些宽容。我觉得这没问题。

    Alex Heath

    好的。你能具体说明一下被暂停的内容是什么吗?因为我觉得人们一提到训练,就会想到所有相关的工作。

    Sam Altman

    是的。所以我们绝对没有放慢、暂停或推迟所有的训练。这具体是指前沿领域的 RL 运行。

    Alex Heath

    好的。

    Sam Altman

    即我们认为目前风险面最大的领域。此前,我们曾推迟过一些其他训练,以便对训练运行本身加强监控。但这并非训练的全部。并不是说我们的计算集群就闲置在那里。我们仍在进行相关工作,但我们专注于那些在安全论证上更有把握的工作。

    Alex Heath

    你似乎并不担心暂停训练所带来的影响,听起来你认为业务不会受到太大冲击。我相信你仍然会收到来自各方的担忧。但这确实看起来是某种程度上的减速。

    Sam Altman

    听着,我认为外界对我有一种刻板印象,觉得我不在乎 AI 安全,只是为了增加营收,正如某人曾形容的那样,是一个随心所欲的 YOLO CEO。

    Alex Heath

    确实有人这么说过。

    Sam Altman

    Dario Amodei。我不记得具体是谁说过的了。不过,我想我确实看到了这一点。

    Alex Heath

    我为你做这件事。

    Sam Altman

    谢谢。但我认为在 OpenAI 过去 10 年,超过 10 年,接近 11 年的时间里,我在谈论风险、收益以及平衡二者必要性方面一直非常一致。而且我不认为我们是完美的。我不认为我们的公司是完美的。我不认为我们的模型是完美的。我不认为我自己是完美的。

    与其他负责各类 AI 项目的人不同,正如我所说的,我的言行始终保持一致。这就是我们一直谈论的时刻。我们一直说,我们会把这一点置于利润、收入或其他任何事物之上。我仍然认为我们将建立一家极其成功的公司。但是,也许我们并不是那家公司。你本以为会有人说,我们要放慢脚步,因为我们看到了这些新的风险。但这始终是我们认为我们所是的那个公司。

    关于 AGI、超级智能与能力评估

    Alex Heath

    你最近对 AGI 感觉如何?

    Sam Altman

    往好了说,你可以说它是一个非常糟糕、定义模糊的术语。我本来想说它就像一个无关紧要的营销术语。

    Alex Heath

    据我上次了解,OpenAI's Charter 将其定义为一个高度自主的系统,在大多数具有经济价值的工作中表现优于人类。

    Sam Altman

    我认为有很多人审视当前的模型时会觉得,它已经达到了这个水平。

    Alex Heath

    是啊。你认为它达到了吗?

    Sam Altman

    算是吧,至少很接近了。我……

    Alex Heath

    我听说过关于你们团队成员观点的不同说法。

    Sam Altman

    我想很多人审视我们最新的内部模型时会说,这非常像 AGI。我认为也有人会说,你看,这是我能指出的它做不到的事情。它在这方面真的很差,而且并没有达到 AGI 的程度。

    但如果你观察人们在使用例如五、六个 Seoul 时获得的价值,更不用说我对人们从 Astra 那里获得的期待,如果你看看人们是如何彻底改变了他们提高工作效率的能力、从事新事物的方式,或者只是在个人生活中以各种美妙的大大小小的方式使用它。比如,你会听到有人说,我获得了这个救命的诊断,否则我无法获得。我用这个 ChatGPT 进行了一次长达 34 小时的工作会话,阅读了 2,000 篇论文。

    Alex Heath

    34 小时?

    Sam Altman

    我听说过比那更长的。但没错,许多人可以让它运行超过一天。如果你说比如阅读你能找到的所有论文。还有人说,我筹划了我蹒跚学步孩子的生日派对,它处理了所有琐事,协调了当地供应商,还为他找到了一个特别的蛋糕。

    Alex Heath

    还有……我原本需要预约邮局上门取件,但我不想填写邮局网站上的表格。于是我就直接让 Codex 帮我填了。

    Sam Altman

    而且它做到了,做得可能非常出色。

    Alex Heath

    我把包裹放在门口,第二天就被取走了。类似这样的事情。这看似是小事,但在过去这需要我 20 分钟的时间。

    Sam Altman

    我理解这一点。现在我随时都能获得这种节省 20 分钟的小胜利。所以,你想想看,如果能回到 2020 年,拥有一个系统,让你在生活的各个方面都能获得 20 分钟的效率提升,还能探索新科学、协助你创办一家完整的公司并编写复杂的代码,那会怎样。你会称之为 AGI 吗?你大概会这样认为。

    Alex Heath

    就像你所宣称的那样,这有什么意义吗?

    Sam Altman

    我认为这并不重要。没有任何意义。

    Alex Heath

    这只是因为太有趣了,就像我们在你们所在的这栋研究大楼里,当你走动时,墙上写着我们在构建 AGI。但这终究是一件你一直在构建的事物,它不再是一个终极状态了。听起来是这样吗?

    Sam Altman

    我不想说我们已经在 AGI 这个问题上宣布胜利并继续前进了,但我认为如果你听听人们使用的词汇,他们更多谈论的是这种超智能的持续提升,以及它将如何造福世界及其带来的挑战,而不是讨论我们是否处于 AGI 阶段。我在食堂的餐桌上已经很久没有听到过关于我们是否处于 AGI 阶段,以及我们何时能达到这一目标的辩论了。

    Alex Heath

    但随后,没错,超级智能这个词现在流行起来了,那些不关注 AI 的人会觉得,现在又有了新花样,我们就像是改变了目标,现在开始谈论超级智能了。Sam,在你看来,今天你如何区分 AGI 和超级智能?

    Sam Altman

    AGI 感觉像是一个里程碑,而超级智能感觉像是一种可以无限扩展的东西。无限扩展。没错。所以它并不是某种最终的、全知的存在,在这方面永远不会有最终定论。

    我是说,再次重申,这就是为什么所有这些术语都很愚蠢。有人以一种方式使用这个词,有人又以另一种方式使用这个词。所以有些人可能将其视为一个明确的、可理解的里程碑,还有些人可能将其视为一种能够无限扩展的事物。我认为这一切的核心不在于任何里程碑或术语,而在于我们正处于能力与潜力呈指数级增长的阶段。而且这种趋势看起来还将持续下去。

    Alex Heath

    你看不到任何指数增长放缓的迹象。高处不胜寒。因为这会带来一系列影响,比如算力基础设施的扩建,以及其他方方面面。每个人都在等待增长放缓的信号。我想,或许你可以将我们必须放慢前沿模型训练速度这一事实理解为一种放缓,但这听起来并不像……

    Sam Altman

    那并非能力的放缓。那恰恰是放缓的反面,即你所理解的放缓的反面。没错,没错。

    Alex Heath

    但如果要在当下由 AI 构建的这种“积木世界”中寻找任何令人担忧的理由,你看到了什么?去年经历过一段困难时期,其中一个好处就是你能真正体会到好时光有多宝贵,也能真正感受到当企业全速运转时,那种感觉是怎样的。

    Sam Altman

    鉴于我们在研究方面所见,即使面对安全性和对齐挑战,以及我们解决这些问题的能力,还有看到团队在产品、计算资源扩建以及所有汇聚在一起的各个环节上展现出的凝聚力,旨在让 AI 变得普及且低成本,并贯穿我们的市场进入机制、合作伙伴关系以及所有协同运作的要素。我们在各个环节都可能搞砸。

    而且,我不想表现得过于自信,因为我们过去显然有过磕绊,未来也会有。但摆在我们面前的潜力,观察模型从 5.4 升级到 5.5 再到 5.6 的过程中所发生的一切,以及我们从新模型获得的早期反馈,还有审视我们在产品改进方面的计划,看着营收的增长,看着计算资源建设的推进,我对这一切都感觉非常好。

    Alex Heath

    所以你觉得情况并非如此,毕竟外界有很多人认为 Anthropic 已经遥遥领先、他们的错误率更低、他们会率先进行 IPO,而你似乎在暗示,从外界视角来看,人们或许还无法完全洞察未来即将到来的增长潜力。

    Sam Altman

    我可不想互换立场。

    算力战略与环境反馈

    Alex Heath

    虽然我们对此讨论不多,但你们似乎正处于算力战略下一阶段转折点的核心位置,并且正在真正进行大幅升级。

    Sam Altman

    是的。

    Alex Heath

    事实上,我很想听听你对最初构想的 Stargate 1 的回顾,以及在重启该项目过程中你们学到了什么,还有你们目前所走的道路?

    Sam Altman

    首先,我应该谈谈为什么我们必须这样做。我们的使命是确保 AGI 造福全人类。目前,只有极少数人使用的 AI 远超其他人。如果你设想一下,我们要让全球每个人都能使用相当于当今前 0.001% 的 AI 用户所享有的算力,那么当你坐下来深思时,你会意识到:我们目前的算力部署方式根本不对。

    几年前,我们在算力上进行了一次雄心勃勃的押注,当时人们认为这既愚蠢又无法实现。这是一个正确的押注。我认为我们有必要再次做类似的事情。

    Alex Heath

    再次?是的,所以这意味着需要投入更多的资本。

    Sam Altman

    我指的不是这个,尽管确实也涉及资本投入。要弄清楚我们如何大幅降低 AI 的成本,并显著提升其可用规模。所以这更像是一个技术层面的表述,而非财务层面的。

    Alex Heath

    这就像你们正在研发的那款芯片一样。

    Sam Altman

    那是一个很棒的例子,我认为那确实是个很好的例子。机器人技术,我认为提高供应链速度的能力将非常重要。

    Alex Heath

    你谈到要为全世界的每个人提供 AI。对于现在那些不想要更多 AI 的人,你会对他们说什么?他们希望 AI 越少越好。他们厌恶自己社区里的数据中心,无论是你们的还是其他公司的。我在接触青少年时经常看到这种情况,他们就像是完全不愿触碰任何 AI 服务。

    Sam Altman

    他们仅仅出于原则就不使用 ChatGPT。

    Alex Heath

    现在有一种积极的反 AI 趋势。他们对数据中心的反感程度,相较于对 ChatGPT 的反感程度,究竟孰轻孰重?这纯属轶事经验。我认为对人们而言,数据中心是一个巨大的问题,他们确实将其视为一个问题,这是他们所不愿见到的。

    此外,人们认为 AI 是浪费的,它并未带来你所读到的关于耗水量等方面的价值——尽管这些说法已被证伪。但他们所获得的价值确实存在。也许这就是我们所讨论的,大多数人并没有在使用智能体,大多数人都没有,但这就是答案吗?

    Sam Altman

    总的来说,我认为让人们喜欢某样东西的正确方式是为他们提供价值。在 ChatGPT 出现之前,人们可能认为 AI 是一个非常抽象的概念,而突然之间人们可以使用它并发现了它的价值。

    现在,我认为很多人仍然认为 AI 仅仅就是 ChatGPT,他们不知道 AI 还可以为你处理邮局、表格以及提取物品之类的事情。如果很多人随着时间的推移使用这些功能,并意识到它不仅仅是更好的 Google 搜索,也不会像传闻那样消耗和破坏大量水资源,那么人们的热情会更高。但我认为这一领域的发展速度太快,需要时间才能在社会中普及。确实有很多人在使用 AI,据我所知,这是历史上普及速度最快的技术,许多人正从中获得巨大的价值。

    而且,我接触到的样本存在偏差,但我确实听到了更多这样的反馈。人们更多是说“我能够治愈这种可怕的疾病”,而不是“我认为 ChatGPT 正在耗尽世界上所有的水”。这种情况显然也存在。在如何让这些产品更易于使用并让人们获得更多价值方面,行业确实还有工作要做。

    我看到关于 ChatGPT 用水量的说法流传很广,大意是说每次运行一次 ChatGPT 查询,就好像你打开淋浴喷头跑了六个小时,水一去不复返,完全浪费了。我手头没有精确的计算数据,但我认为真实的数字大约是这样,这是凭记忆说的,可能不准确,但大体接近:每 38,000 次 ChatGPT 查询所消耗的水量,相当于在加利福尼亚州生产一颗杏仁所需的水量。这确实是基于全面且完整的真实水资源核算,而不仅仅是单一数据中心的耗水量。

    人们会质疑这种说法从何而来,因为那些一次吃掉 12 颗杏仁的人,在大多数情况下并不会觉得自己在水资源利用方面做了什么可怕的事情。诚然,数据中心在某个时期曾使用过蒸发冷却技术,但这种情况已经很久没有出现了。如果你观察一个现代化的大型数据中心,其耗水量在办公用水方面,比如人们使用洗手池、厕所等设施的规模上,其实与一栋普通办公楼相当。因此,这已经成为一个根深蒂固的迷因,虽然很难辟谣,但我认为它经不起任何审视。

    就业、内容创作与社会投资

    主持人

    另一个普遍担忧是它会取代我的工作,会取代我。我认为这些担忧和水资源问题的性质类似,即它会取代我、窃取我的内容,并且没有将价值回馈给我。但有趣的是,人们并不担心能源问题。

    我会把能源问题归类为与水资源问题同一类,这种消费,资源消耗。

    山姆·奥特曼

    在就业方面,存在两种观点。其一,我认为这将会产生实质性的就业影响。我不认为这会导致人们无事可做。我不认为人类的工作方式会变成那样。我们天生就习惯于关心他人,并渴望与他人共事。随着世界的发展,我们对人们的需求有着极佳的直觉。我认为这是一种本质上的人性特质,无论 AI 变得多么聪明。

    但这并不意味着工作岗位不会发生转型。而且,正如每一项技术出现时一样,有些事情会被技术做得越来越好,随后人们会转向更有希望的、更好的工作。这种情况已经持续很长一段时间了。我并不希望剥夺所有的技术,让我们重回田间辛勤劳作的状态。

    另一方面,技术对就业的影响比我预期的要小,甚至比我所希望的还要小。例如,我认为我们都应该希望人们能获得更好的工作,我们都应该希望人类的苦差事和辛劳能得到解决,但也许在目前的技术水平下,这方面做得还不够,或者没有达到我们预期的程度。我认为这实际上是对 AI 行业的一个合理批评。关于内容剽窃这一点,我实际上已经没怎么听到过这种说法了。

    主持人

    我认为这更多是在内容创作者群体中才会看到的现象。在社交媒体上看到这类内容相当普遍,你懂的。此视频制作未使用 AI 或类似技术。

    山姆·奥特曼

    我坚信未来将会出现创作新型艺术的新型内容。我记得曾经回顾过人们在相机刚发明时发表的一些言论,谈论它将对画家产生什么影响,在那时,我认为人们并没有把摄影视为一种新的艺术媒介。事实上,我可以相当肯定地说他们当时确实没有那样认为。

    我认为未来会出现新型的内容创作。而且,我们也可能根本不在意其中大部分内容。我们与创作者的关系可能更多地是关于他们作为人的本质,而他们是否利用 AI 去制作更好的视频或其他内容,这并不重要。

    主持人

    你认为你们的基金会——根据我所看到的,它可能是世界上资金最雄厚的——能在社区参与方面做更多工作吗?特别是在内容创作者方面?不,我是指更普遍地去应对这种非常负面的情绪,并表示,我们会站出来建立图书馆或做其他类似的事情。工业革命中有很多关于人们如何重新投资其财富的经验教训。

    山姆·奥特曼

    我认为我们能做的最重要的事情是开发出对人们有用的优秀 AI 产品,确保权力和经济权力继续在全球范围内扩散,让人人都能获得这些工具并享受其带来的红利,我们要倡导我们所见证的一切。其次,当然,我认为我们应该对社区进行更多投资,且我相信 AI 将能实现这一目标所需的大规模富足。

    我真心认为,当我们将这项技术交给那些为了自身社区利益而使用它的人们手中时,我们将见证其产生变革性的强大效益,而不是由我们来指手画脚地告诉他们什么是图书馆,什么是学校。

    执行力、管理层变动与首席执行官角色

    主持人

    你说我们过去12个月的表现并非史上最佳,这主要归咎于但我们即将迎来表现最好的12个月。你这话是什么意思?

    山姆·奥特曼

    迄今为止最好的12个月。迄今为止。我认为作为一家公司,我们显然犯了一些错误,这种情况会周期性地发生。试图进行一系列押注的一部分原因在于,有时成功率会高一些,有时会低一些。

    但我认为无论是在产品方向上,还是在具体的研究预训练方面,我们都落后于预期的目标。我认为我们现在的执行力不仅是公司史上最强的,也是这一领域所有公司中表现最好的。而且这种感觉很好,经历低谷后的回升会让人更有成就感。因此,看看我们模型的迭代速度,看看公司如何凝聚在一起、专注于目标,并在公司各个不同部门做出了一系列艰难的决策,但大家齐心协心向着同一个方向前进。这种感觉,此刻感觉棒极了。

    主持人

    我想讨论所有这些内容,但先在这里停留片刻,因为在过去的一年里,发生了很多事情。回顾过去,是否有某些具体的决策导致公司失去了发展势头?你提到了预训练。我知道你一直与研究团队保持着非常密切的联系,但你能详细说明一下吗?

    山姆·奥特曼

    我认为我们在产品端尝试做的事情太多了。所以,我们所做的这些事情其实本身都非常好。它们只是不如最重要的事情那样好,即推动通用人工智能能力的发展。

    所以我们当时在做浏览器和 SORA 之类的事情,而现在我们极其专注于为人们提供这种智能服务。我认为我们的模型已经达到了世界领先水平,并且在未来几个月内还会取得长足的进步。人们确实在利用它们完成卓越的成就,但这才是我们应该聚焦的核心,也是我应该督促大家坚持的一件事。我们未来不会再为这些所谓的支线任务分心了。

    主持人

    回顾大约一年前的领导层变动,你引进了 Fidji Simo 来协助管理公司的大部分业务。后来她因健康原因不得不退居幕后。现在你和联合创始人 Greg Brockman 实际上是在共同分担公司运营的职责。这是你所设想的未来持续的运营模式吗?还是说这只是暂时的安排?

    山姆·奥特曼

    我认为目前的合作进展非常顺利。我们将继续引入并提拔新的领导者。但这种感觉……对于 Fidji 的离职我感到非常难过,很难接替她的位置。但这种感觉很好,我认为 Greg 和我执行得不错,而且公司……当你感觉到事情正朝着正确的方向发展时,那是真的能感觉得出来的,现在的感觉就是一切都在步入正轨。

    主持人

    你们大家,也就是你和 Greg,平时是如何共同决策的?比如,谁来决定什么事情?你们是否遇到过必须由你来打破僵局的情况?

    山姆·奥特曼

    我们交流非常频繁,真的非常多,几乎时刻都在沟通。我们不像大公司那样。不仅仅是 Greg 和我。我们有一群极具天赋的人在管理研究项目。也有一群极具天赋的人在管理业务。我们所有人只是保持着频繁的沟通。

    在规模较小时,我认为去尝试雇佣某人,如果合适就迅速调整,而不花太多时间去反复权衡决策,这样做是可取的。以我们现在的规模,我学到的是,花大量时间力求做出正确的决策,采取那种“三思而后行”的策略要好得多。

    主持人

    大约一年前,我们在旧金山参加了由你做东的晚宴,当时正好是 GPT-5 发布前后。我们应该再办一次。

    山姆·奥特曼

    我都忘了那件事了。当时很愉快。

    主持人

    确实如此。虽然聊了很多,但我那次离开时的一个印象是,你似乎并不热衷于永远担任 CEO。我想知道过去这一年是否改变了你的想法?

    山姆·奥特曼

    我现在比一年前过得开心多了。我真的很享受现在的时光。我打算这么做,已经很长一段时间了。

    主持人

    我想说,去年的氛围更加严峻。

    山姆·奥特曼

    没错,确实如此。我认为这不仅仅是开场时的氛围问题。那对科技行业和 AI 来说都是一段艰难的时期,AI 泡沫是一个巨大的隐忧。所有那些事情都令人筋疲力尽。显而易见,我认为我们做成了一件了不起的事情。这虽然是一次痛苦的个人经历,但我认为这一切完全值得,我很乐意再做一次。而且目前我乐在其中。

    智能体、电脑使用与隐私法规

    主持人

    当我观看 Astra 的演示时,另一件让我印象深刻的大事就是你所提到的电脑使用能力。你们一直在向人们展示如何利用智能体操作电脑和各类企业软件,这种能力若能实现规模化,其影响将是深远的。我很好奇你们是否已经对此进行了深入思考,以及你认为世界需要如何适应这种变化。

    山姆·奥特曼

    电脑使用能力确实让我感到意外。此前我对此期待已久,但一直以来都让我感到失望。比如,模型在电脑上的点击操作表现一直不够理想,要么运行太慢,要么无法正常工作。

    而 Astra 在电脑使用方面似乎已经达到了人类水平。我不知道为什么这会让我觉得它是通往 AGI 之路上的关键里程碑之一,当时我心想,它真的做到了。它确实给我带来了情感层面上的那种冲击。

    我觉得这太棒了。在电脑上处理的所有这些琐碎任务,比如我不记得别人是在哪里给我发的消息,我得在所有这些通讯工具里点来点去,试图进行搜索。而现在,我只需要问问模型。我不想回到那个必须在电脑上痛苦地翻找各种东西的世界了。我只想说明我想要什么,我希望它能直接实现。我是一个非常懒惰的用户,所以我不想通过点击或建立连接来操作。

    主持人

    你是一个追求效率的电脑用户。

    山姆·奥特曼

    我不喜欢进行各种设置,我不想处理那一堆连接器和复杂的操作。我只是想用我的电脑来完成工作。我认为它能够操控软件这件事有着深远的意义。我认为这些影响大多是积极的,因为人们在电脑前有许多繁琐的工作要做。

    我有一个经历,在 pre-Astra 模型出现之前从未有过,但现在已经发生过几次了,就是面对一项任务时,它本来会占用我不少时间,而且这个过程本来会非常令人不悦。相反,我只是告诉模型我想要做什么,然后去陪我的孩子们玩,等30分钟回来后,一切就都准备好了。我觉得这非常棒。

    主持人

    尽管我们现在所处的世界中,美国政府开始在你们的模型和其他前沿实验室的产品发布前对其能力进行审查,我们正处于一个新时代。你曾经发出过警告,在 2025 年参议院听证会上说过,这种审查可能会对美国的竞争力,特别是在面对像中国这样的竞争对手时,造成所谓的“灾难性”后果。而且,最近在 GPT 5.6 初期发布时,特朗普政府要求你们所有人对该模型进行限制。你当时表示这不应该成为常态。所以看起来你一直都在说这不应该是事物发展的方向,但事实却正朝着那个方向发展。

    山姆·奥特曼

    不,我一直都在这么说。我认为多年来我一直呼吁建立某种国际监管框架。但特别是在模型发布前由政府进行审查,我认为我所反对的是政府去挑选个别客户,来决定谁被允许使用模型。

    我认为政府对模型进行测试以及制定共享标准是非常好的主意。理想情况下,我不认为政府应该决定你可以向这家公司提供访问权限,而不能向那家公司提供。

    主持人

    那么这在地缘政治竞争方面意味着什么?现在美国正开始采纳这种方法,而其他国家尚未跟进。你考虑过这一点吗?

    山姆·奥特曼

    再说一次,我认为正确的方法是采取国际化的路径。但目前,领先的研发力量全部来自美国公司。所以我认为从这一点出发,我们拥有的领先优势足以让我们能够承受稍稍放慢节奏的影响。我有信心我们既能构建安全、稳健、可靠的模型,也能在商业上取得卓越成就,并确保美国保持领先。

    局势可能会发生巨大的变化。如果其他国家发布了开源模型,并在我们提出新的安全范式之前引发了重大的网络安全事件,情况可能会产生一些变动。

    主持人

    你认为这可能会发生吗?

    山姆·奥特曼

    当然,这有可能发生。但你要知道,我觉得我们也有机会彻底重构网络安全的工作方式。尽管这些智能体可能会造成负面影响,但它们也能做出惊人的贡献。如果我们能拥有一种防御智能体,时刻运行,也许这才是正确的范式。

    主持人

    你是否准备好迎接美国政府可能告诉你不能发布模型的情况?你考虑过这个问题吗?

    山姆·奥特曼

    我坚信,在他们告知我们不能发布之前,我们自己就会决定不发布模型。

    竞争、算力扩张与 RSI 的未来

    主持人

    转到竞争层面,Anthropic 通过专注于编码的单次发射式策略达到了现在的地位。你在对话开始时提到你们下注很多,这导致你们损失了一些发展势头。我很好奇你能不能反思一下 Anthropic 是如何解决这个问题的,那个你们当时没有把握住的切入点。

    山姆·奥特曼

    我不认为是我们没有看到它的问题。问题在于我们当时正经历着极其迅猛的消费级增长。我们一直想做编程领域,但当时觉得我们手头有这个非常紧迫的任务,且它表现得很棒,这是一件非常值得拥有的事情。所以从优先级排序的角度来看,我们错过了它。

    我现在认为我们拥有市场上最好的编程产品,而且它正在疯狂地快速增长。据我所知,大多数人,甚至是那些曾经极其忠实的 Claude 用户,都已经转投过来了。我认为在任何一个阶段落后都不是灾难性的,因为我们总能通过更好的模型追赶上来。

    主持人

    我很好奇,因为我认为很多人都在试图理解 AI 市场在多大程度上是一个零和博弈。那么,Codex 的增长是从 Anthropic 那里分流的吗?还是反过来?对此你有察觉吗?

    山姆·奥特曼

    我认为目前大家都在增长。

    主持人

    这可能会成为一个非常庞大的市场。

    山姆·奥特曼

    以后或许会变成零和博弈。但就目前而言,我认为大家的增长速度都非常惊人。这完全超出了我对于这种规模公司增长速度的想象。我认为这恰恰说明了用户从产品中获得了多大的价值,而且这种情况在整个行业内普遍存在。

    主持人

    在产品层面,你们正在推进内部所谓的“合并”,即将 ChatGPT 和 Codex 整合在一起,打造一款集合两者功能的超级应用。你们已经开始了这项工作,不过我想说,目前还存在一些粗糙之处。

    山姆·奥特曼

    不仅仅是粗糙的边缘,你这么说真是太客气了,是啊。

    主持人

    我很好奇当你达到那个阶段时,那究竟是什么?那看起来会是什么样,又会带来什么样的影响?

    山姆·奥特曼

    我想要的是一种通向 AI 的接口,它几乎可以完成我需要的任何事情。如果我有一个像 ChatGPT 那样的快速问题,它可以直接回答。如果我需要构建复杂的东西,比如构建一段软件,它可以完成。如果我需要介于两者之间的功能,它也能做到。

    而且,如果它需要访问我的电脑或我的语境,它可以直接使用我的电脑并找到我的语境。我不需要——正如我提到的,我是一个非常懒的用户。我不必去思考当前处于哪个标签页,我不希望必须去思考我正处于什么模式。我认为,一个足够智能到能够发现新数学理论的 AI,应该能够直觉地判断出它应该做什么。

    主持人

    ChatGPT 刚刚达到了 10 亿用户。

    这是一个重要的里程碑,但我认为达到这个数字所花的时间可能比你们最初预想的要长。早期的增长是爆发式的。我很想听听你对此的看法。在过去的 12 个月里,它的增长速度是否比你预期的要慢?

    山姆·奥特曼

    当我们专注于编码时,我们只是专注于编码。我们决定将原本可以投入到聊天产品中的大量计算资源重新分配给编码。所以这并没有让我们感到惊讶,我们认为这是一件紧迫的事情。

    主持人

    所以增长直接取决于你决定投入计算资源的地方?

    山姆·奥特曼

    百分之百是这样。我一直希望计算限制即将缓解,因为我们将制造出更高效的模型,希望有一天能实现。但每当我们找到效率提升的方法时,全球的 token 需求就会不断上升并将其消耗殆尽。

    主持人

    我听到了,但我同时很好奇,聊天产品如何才能达到下一个十亿用户?这种增长模式是否像互联网或社交媒体的发展那样呈现线性特征,还是会更加起伏波动?这对你而言现在有多重要?毕竟你已经拥有了 Codex 和 API 业务?

    山姆·奥特曼

    我个人的看法是,尽管我们讨论过合并,但我认为最终这些事物都会走向融合。有一段时间,在合并之前,我停止使用 ChatGPT,直接向 Codex 询问我所有的聊天问题,因为我就是个懒惰的用户。

    现在,我认为很多人以前从未想过会有智能体为他们处理事务,他们只是单纯使用了 ChatGPT,点击了某个工作标签,然后惊呼:“哇,我竟然能做这种不可思议的事情。”所以我认为这一切终将融合,人们会订阅一种通用 AI 服务,而无需再去纠结它是 ChatGPT、Codex 还是其他工作工具。很快,甚至连询问这一步都不再需要了,希望它能更加主动,并且能够持续运行,不断尝试执行有用的任务。

    主持人

    所以,这最终将演变成一种极致的订阅服务。

    山姆·奥特曼

    作为用户,这就是我想要的。

    主持人

    我们一直在围绕这个话题讨论,但大约一年前,当你们大规模进行算力基础设施建设时,你确实承担了巨大风险,这也引发了人们对行业泡沫的担忧。而且,当时人们认为你们做得过火了,甚至连 Anthropic 的 CEO Dario 都说你们是在孤注一掷,但现在我想说,你们在这一方面的决策似乎已经被证明是正确的。当今世界依然极度缺乏算力。听起来你们似乎也面临同样的困境,尽管你们拥有的算力比某些竞争对手还要多。与此同时,你们似乎正在大幅降低 Token 的成本。

    山姆·奥特曼

    是。

    主持人

    而且你们即将发布 Jalapeno,这是你们首款用于推理的定制芯片。尽管如此,当你审视这一切时,你认为你们正在进行的算力扩张以及与之相关的天文数字规模,是否仍存在任何风险?

    山姆·奥特曼

    我不担心我们的算力基础设施建设规划,我担心的是全球的算力基础设施建设规划。例如,我认为我们计划建设的所有算力都将能够实现极高的盈利。但我看到了一些在我看来属于不可持续的盲目行为的初步迹象,比如接连冒出各种新的 Neo-Cloud,人们声称明年将要建设规模庞大的算力,而我认为他们既没有足够的营收来支撑,也没有明确的买家。我对全球整体的动向确实感到担忧,尽管我认为我们对自己所做的承诺非常有信心。

    主持人

    但你所描述的这种传染效应确实可能会波及你们。

    山姆·奥特曼

    如果整个经济崩溃,那确实可能会影响到我们。至于是否有能力按承诺支付算力建设费用,这方面我很有信心。我觉得现在人们处于一种不计成本的状态,仿佛在说:我们就是要疯狂建设海量算力,总会有人愿意花更高的价格买单。如果我们能够成功地将算力成本大幅降低并显著提升算力效率,那么,你可以想象会出现一些人因为做出了错误的财务决策而面临困境。

    这种情况在几乎每一次繁荣期或者大多数繁荣期都会发生。所以,这并非终局。如果真的发生了,也不算什么特别令人震惊的意外。

    主持人

    你是否预见到 OpenAI 未来会成为整个行业算力的供应方?

    山姆·奥特曼

    短期内不会。因为我们自己正需要这些算力。

    主持人

    我感受到的氛围是你们内部正在讨论这个问题,但目前尚未定论。

    山姆·奥特曼

    人们常讨论递归自我改进的 AI 模型,却较少谈及在物理世界中实现这一点的能力。但如果我们的机器人项目、芯片项目以及部分供应链投资能够整合起来,让我们在建设数据中心方面变得极其高效,且构建出远超他人的顶级芯片,那么我们或许会考虑这种可能。目前我们有任何具体计划吗?这依然不在我们的考量范围之内,我们还没有余裕去专注于此。

    主持人

    你提到了递归自我改进。我很高兴你提到了这一点。现在旧金山的人们正在热议 RSI。你们在提交 IPO 申请时泄露了一份你发给员工的备忘录,其中提到潜在的 RSI 爆发势头越强,推迟 IPO 可能就越有利。你这话是什么意思?

    山姆·奥特曼

    我认为成为一家上市公司是一个艰难的转变。人们会受激励驱动,他们希望股价上涨,不希望出现业绩不达标或其他任何问题。我从来不希望我们被这种压力束缚,我希望尽可能容易地做出符合世界安全利益的决策。

    如果出现这种情况,比如我们不得不停止训练或停止某个项目,而这在短期内会导致巨大的收入损失,最好不要同时面临一家刚上市公司的压力。一年前,我并不认为我们正处于那种超级智能的短期轨道上。现在我认为这可能会发生。但我并不确定它一定会发生。我们正在取得极快的进展。而且,我认为我们的使命比在任何特定时间框架内成为一家上市公司要重要得多。所以,我们将为使命做出最好的决定。

    机器人愿景与个人设备隐私

    主持人

    你提到了机器人技术。我很想听听你们机器人项目目前的进展。你们在构建什么?是人形机器人吗?还是机器人数据中心,或者是两者兼有?

    山姆·奥特曼

    我们一定会做人形机器人。我们也会开发其他形态的产品。世界在很大程度上是为人类设计的。所以,如果你考虑到开门、在电脑上打字、操作设备、打扫厨房以及做其他任何事情的能力,我们实际上是为人类构建了这个世界,而我想确保我们继续为人类构建这个世界。

    因此,采用这种外形设计似乎是恰当的。当然,未来也会有采用不同外形的数据中心机器人。但我认为,所有这些都不如真正弄清楚驱动机器人运作的“大脑”来得重要。

    主持人

    所以,你们正在制造人形机器人吗?

    山姆·奥特曼

    我们会制造的。

    主持人

    你认为这在现实世界中会如何运作?成为每个人的个人机器人吗?

    山姆·奥特曼

    我不认为这是最优先需要做的事情。你谈到了建造数据中心,甚至制造更多机器人或其他任何东西的能力。但我认为,终有一天每个人都应该拥有一个个人机器人。我非常希望拥有一个能帮我完成那些我不想做的任务的个人机器人,那将会非常棒。

    主持人

    你还与 Jony Ive 有关于消费类设备方面的合作。我知道你不能透露太多细节,我们可能很快就会看到第一款设备问世。

    山姆·奥特曼

    差不多快了。差不多快了。

    主持人

    你曾多次提到,你的梦想是一款能够时刻伴随在身边、倾听你的需求、感知一切并为你提供上下文信息的产品。我们早些时候谈论计算机使用时也提到过这一点。我同意在许多背景下这似乎非常有帮助。但这看起来也像是一场关于隐私和监控的噩梦。我很好奇你是否考虑过这一点,以及世界将如何对此做出反应。

    山姆·奥特曼

    我们在隐私问题上采取了非常坚定的立场。我认为这不仅关乎消费者隐私,也涉及商业隐私,比如我们所作出的承诺——即不使用企业数据进行训练,以及实现零数据留存。我认为这一点非常重要。

    随着 AI 越来越深入我们的生活,隐私变得极其重要。我担心的是,还有一些其他的努力持有不同看法,并会推动诸如“安全风险如此之大,以至于 AI 隐私无法以同样方式存在”之类的观点。我认为应该有一部关于 AI 的特权法。我不认为政府应该有权强迫公司提供用户的聊天记录或其他任何信息。就像如果你和医生或律师交谈,存在一种特权保护的概念。和 ChatGPT 交谈时没有这种保护,我认为应该要有。

    主持人

    但在你刚才描述的语境下,律师或医生处理你的数据时也受到很多限制。这不仅仅是关于对外共享数据。你认为这种监管是否应该延伸到你们使用数据的方式上?

    山姆·奥特曼

    没错,我正要谈到这一点。所以我认为政府在处理数据时应受到法律限制。我也认为企业在与 AI 共享数据时应该受到诸多约束。特别是当它在监控你的电脑、监听你的消息、与你交谈时,我认为人们对此应该比现在更加警觉。

    主持人

    在这种情况发生之前,作为 OpenAI,你们如何治理、如何自我约束数据的利用?你们所拥有的可能是世界历史上积累的最强大的个人画像数据。

    山姆·奥特曼

    我们针对其使用方式拥有极其严格的内部管控措施,并且我们做出了隐私保障,向用户履行我们所承诺的。随着我们日益接近该设备的发布,届时我们将讨论关于这类环境感知型硬件设备所采用的全新隐私控制技术与机制。

    主持人

    但确实,我认为你们拥有史上最个人化的数据库之一。Apple 曾非常公开地起诉你们,指控你们涉嫌窃取商业机密并招募其员工与 Jony 一起开发该设备。对此你们已经做出回应,并称其毫无根据。但我感到好奇的是,你是否担心这会拖慢设备开发的进度?

    山姆·奥特曼

    不,听着,首先,我本人就是个超级 Apple 粉丝,对此我感到非常难过。当我第一次听说这件事时,我的反应是这听起来太恶劣了,一定是有人做了什么糟糕的事情。

    我们不希望涉及任何公司的知识产权,当然也不希望有人窃取公司的知识产权并将其带给我们。如果我们进行了调查并发现有人这样做,我们当然会直接将其解雇并处理此事。但如果某人没有做错任何事,我们也会捍卫他们。我相信在我们调查此事后,会发现这是一个大家都没有做错任何事的案例。我们已经尝试解释其中的部分内容,更多的细节将在后续流程中展现。根据我的理解,我认为这不会拖慢事情的进度。

    主持人

    你是如何看待外形规格的?你喜欢吗?我以前听你说过你不喜欢。你喜欢眼镜吗?他们喜欢眼镜吗?

    山姆·奥特曼

    我不会,因为我觉得对着摄像机和灯光与人交谈非常不自在,确实压力很大。但还有很多其他的形态规格,有很多很棒的形态规格。我想我们会推出少数几种形态规格。

    我认为有些东西是属于桌面上的,有些东西属于你的口袋,有些东西属于你的身体,我们需要一些时间来推出所有这些产品。但我认为最大的调整在于习惯主动式计算机这一理念。

    主持人

    当你思考 OpenAI 的路线图和业务时,从某种意义上说,消费级设备是关乎生存的吗?它们是纯粹的累加吗?比如,你们所谈论的使命,尽管正如我们所讨论的那样你们已经精简了一些事务,但目前是否仍有许多事情在同时进行?

    山姆·奥特曼

    我认为我们尚不可知。我个人的强烈直觉是,会出现一种重大的新型计算机,以及一种历史上大约每隔几十年才会出现一次的关于我们如何使用技术的新类别。但这是一种不太可能成立的说法,所以我认为你不该让我这么说。你应当拭目以待,看看你对这些设备有何评价。

    未来的愿景与最大风险

    主持人

    关于人们目前对 OpenAI 的看法,你认为几年后人们会如何看待它?

    山姆·奥特曼

    很简单。我希望人们能够喜爱我们推向世界的产品。我们之前谈到过一些这类的故事,比如“我能够创办一家企业”、“我能够为我的孩子举办一场很棒的生日派对”、“我能够治愈这种疾病”。

    我最近遇到一个人,他利用 ChatGPT 帮助他为自己的狗设计了一种 MRI 癌症疫苗,现在他创办了一家公司,旨在为其他人提供同样的服务。我希望这些故事与该技术在几年后为人们带来的成就相比,都显得微乎其微。

    我也希望对于目前许多关于 AI 的担忧,人们会说,这是在每一个环节都极其负责任的公司。他们做出了非常明智的决策,符合我们所有人的利益。而且,我很高兴他们做得很好,因为我认为他们是技术的良好管护者。你会看到许多其他公司采取了截然不同的方案。

    我认为我们在安全信仰方面一直保持相当一致,但我们也愿意在犯错时做出调整。当我们开始采用这种迭代部署策略时,它遭到了 AI 安全社区的极度反感。回过头来看,我认为这显然是正确的。我很高兴我们有勇气去做那些我们真正相信的事情,即使在它们非常不受欢迎的时候;我也很高兴我们大多数时候是对的,并且在发现错误时能够及时调整。我认为,这就是构建安全且稳健系统的方式。所以我希望我们能继续这样做,也希望大家能认可这一点。

    主持人

    你们正在构建超级智能,我很好奇你是如何为此做个人准备的。对于你们所构建的事物将带来的未来,你有什么看法?

    山姆·奥特曼

    我认为未来看起来会与现在出奇地相似。人们依然会和家人在一起,坠入爱河,发生争吵,从事爱好,获得娱乐,拥有非常人性化的体验,也会感到压力与焦虑,为彼此创造价值,玩各种奇怪的游戏,并深切地关心他人。我希望未来不会有太大的不同。

    我希望如此,人类的体验会更加丰富。人们拥有更多的自主权、更多的自由、更多的财富,能够做更多的事情,能够更健康,能够共同拥有定义未来的更多力量,世界也能更快地变得更好,但人类的体验依然会是一种非常人性化的东西。

    主持人

    如果展望未来12个月,OpenAI面临的最大风险是什么?

    山姆·奥特曼

    我认为是安全与保障方面出了差错。我认为12个月后是有可能的,我们将拥有能力极强的模型。如果我们能够在一个已经找到如何赋能于人、如何确保权力不至于过度集中、如何实现全方位安全、以及如何让人们切实感受到能够掌控并改善自己未来生活的世界中,成功实现向超级智能的过渡,那将是一个巨大的成功。

    主持人

    山姆·奥特曼,谢谢你。

    山姆·奥特曼

    谢谢。

    跳转微信打开

    •  

    当机器人开始做实验,AI for Science的效率拐点到了 | 对话源络科技连文昭

    原创 连文昭、李丰 2026-09-03 08:09 北京

    机器人的下一步,往哪里收敛?

    刚刚过去的这个 8 月,机器人行业非常热闹:世界机器人大会(WRC)与人形机器人运动会先后在北京举行,宇树科技登陆科创板。热闹尚未散尽,发改委的表态来了,“防止盲目跟风、一哄而上”。热闹与冷静之间,一个追问变得迫切:这个行业,究竟走到了哪一步?

    我们请回了一位分享嘉宾:源络科技创始人连文昭。两年前他和丰叔对话时,机器人赛道还没火起来,他提出的 “直觉物理” 还是个冷门词;如今,它以 “世界模型” 之名成了最热的创业方向。当时他用 “不可能三角” 来形容机器人落地之难并表达自己的偏好:在可靠性、泛化性和速度这三者之间,他选择不苛求速度,优先保证前两者。如今,源络开始在这个方向上交出应用上的证明。

    连文昭有一份少见的履历:杜克大学博士毕业后,他从硅谷通用人工智能公司 Vicarious,到 Google X 的机器人项目 Intrinsic,再到人形机器人公司 Figure。2023 年,他回国创办源络科技,不做叠衣服、倒咖啡的 demo,而是扎进泛实验室场景,把长序列、高柔性、高精度的科学实验任务作为机器人的练兵场。他同时在上海交大人工智能学院担任教授。

    这场对话从今年 WRC 的现场体感谈起,谈到机器人出海的真实需求、世界模型的收敛方向、具身智能软硬件两年来各自的真实进展,最后落到一个正在升温的判断:当 AI 改变了科学发现的范式,瓶颈来到湿实验——机器人,可能是打通“干湿闭环”的物理接口。

    以下为对话正文,希望能给大家带来不一样的角度和启发。欢迎移步小宇宙 APP 或 Apple Podcasts,搜索并订阅「高能量」收听完整的访谈实录。

    图片

    李丰:机器人行业火热了两年,这周宇树机器人也刚刚上市,虽然之后表现跌宕起伏,但不管怎样是个标志性事件。结合正在北京举行的世界机器人大会(WRC),我们请回了两年多以前来录过播客的 CEO 嘉宾连文昭。请连博士先简单介绍一下自己和源络科技。

    连文昭:我们是一家做 AI 机器人的创业公司,既做硬件本体——类人形机器人,现在也有更多种硬件架构;同时我们在大脑算法模型这侧的投入越来越大,在推以物体为中心的物理原生模型,持续提升机器人的可靠性和泛化性。

    我们切入的场景是科学智能(AI for Science),选了泛实验室场景的一大类任务,作为练兵场和试金石,跟一些企业(如华大智造)和科研单位(如中科院)合作部署了机器人,证明在这个最难的考场上机器人能实现很多高柔性、高精度的技能。

    我自己一方面负责源络的研发运营,同时在上海交大人工智能学院担任教授,带学生探索具身智能的技术边界。回国前我有三段工作经历:先在硅谷 AGI 创业公司 Vicarious 做类脑神经网络,把机器人部署到美国邮政等客户的物流场景;后来在 Google X 参与早期机器人项目、也就是后来的 Intrinsic ——很神奇,今年初它又被并回了 Google——做机器人操作系统,就像手机里的安卓系统;2023 年加入 Figure,搭建了最早的一些数据采集链路和模仿学习框架。

    李丰:信息量挺大。回到最简单的现实问题:横向比较,今年 WRC 现场是什么感受?

    连文昭:展馆越来越大,探索各行各业场景的都有:搬箱子的、分拣的、工业装配的、做饭的、端茶倒水的。几百家公司像在做几百个平行实验——说明行业还没有共识,方法上也百花齐放:有点到点纯预编程的,有靠视觉语言动作模型的,也有靠生成世界模型的……这是好事,证明行业的天花板是高的,人们对于机器人未来的预期是高的。

    但如何兑现预期,是值得思考的问题——让机器人真正从 demo 走向可用的生产力。跟去年比,不同公司展示出来的能力其实差不多——叠衣服、折盒子、搬箱子、抓东西——但今年明显是 “场景化” ,都在强调场景、落地标准、产业价值,之前更多的是 “展示性” :机器人做一个很短的任务、展示一个小能力就结束了。

    今年双足跳舞还是很热闹,情绪价值也是一种真正的价值;但我更关注操作这一层:它明显在从能力展示,往可靠性这个行业目标迁移。

    源络今年是第二次参展。我们还是以生命科学领域里长序列、高柔性、高精度的操作牵引研发,展示了细胞学实验,包括细胞毒性检验这种长序列流程——要处理移液枪、液体、试管、离心机等各种仪器——又要柔性又要精度,既要智能又要可靠。

    李丰:有报道说这次 WRC 有非常多外国人参会,你的体感是什么样?

    连文昭:确实,非华人面孔明显多了:欧洲的,日韩的,还有中东、东南亚的。有些是做商业的,希望把中国产的智能机器人引入当地;也有的想自己做机器人公司,来看看和学习。海外对中国的机器人研发和生产制造能力是绝对认可的。我们正在成为事实上的机器人全球中心。

    李丰:这些外国友人里,多少是带着商业和需求目的想找解决方案的,多少只是看看热闹?

    连文昭:更多是前者,至少是尝试实质合作——比如作为集成商或分销商卖到当地,这个意愿很高。

    李丰:在你接触的小样本里,需求有多少是可行的,有多少还在机器人能力之外?

    连文昭:从能力讲,绝大多数都可以做到,前提是付出足够的成本。他们提的多是很惯常的诉求:机床上下料、装配自行车(不知道他们为什么要在当地做自行车,应该从中国买),也有做超市服务的、制药公司的,大家实实在在有诉求。这些需求发生在中国,我们肯定能做,但在海外难一些:当地工程师数量低于国内,人员协同的投入会更大,地缘政治因素也需要考虑。

    李丰:假定能力上大都能解决,有多少是成本能覆盖住的?

    连文昭:初期小量肯定都可以做;真要上量,还是回到是不是能可靠地做。如果只是推一台特定的机器,定价都可以谈,但最终总要形成标准、然后规模化,这时就需要机器人证明它是可靠的。

    什么叫可靠?机器人在一个地方跑了一天,第二天客户是不是还主动愿意开机?愿意开机,就可以覆盖成本,付费意愿就强;如果第二天没开机,比如“工程师不来就不开机”,成本肯定高。所以要筛选,这是个动态过程。

    另外,行业过去传递的信心也让市场预期偏高——经常有人拿一个很复杂的流程说,这个你们应该很容易做。但预期高也是好事,需求池子更大,可以筛选。

    李丰:看起来机器人的国际化,可能成为中国新出口中的一个潜在增项,虽然现在量还小。

    李丰:两年多以前录上一期时,你提了一个当时不受关注的词,叫 “直觉物理” ——说白了,人知道怎么拿东西,用什么姿态、力道对物体做动作,也包括常识性的物理。而从去年年底开始,最热的机器人创业方向叫世界模型、物理模型。虽然定义非常多,总之是让机器人理解这个带物理量的世界,并与物理世界交互。我们也投了几家这样的公司,估值涨得非常快。因为你两年前就在思考 “直觉物理” 这个话题,你怎么看待今天世界模型的发展阶段和解决方案?

    连文昭:机器人要做的事情,本质上是两个问题:一是知道要动到什么地方,二是怎么安全可靠地动到那。运动大体分两类:自由空间里从 A 点到 B 点;以及有接触、有交互——把这个东西也从 A 挪到 B,这个 A 到 B 不光是空间上的,也是状态上的。另一个问题是:如何决定我的 B 点在哪、目标是什么。

    之前行业在推的视觉语言动作模型(VLA)也好、世界模型也好,都是想理解常识,方式是采集大量数据。VLA 是采完数据做一个回归:从观测到的量直接决定往哪动。它其实是一条捷径,绕过了理解,直接生成动作。但后来大家发现有点问题——它是过拟合的,泛化性没有想象的好。

    插一句,现在我的学生也经常说泛化,说一个东西往左移 0.5 厘米还能抓,就叫泛化了。我从来不觉得这叫泛化——大家往 VLA 走的时候,反而把标准降低了。

    慢慢大家意识到这个问题,又开始做世界模型:用神经网络、Transformer提特征,做决策时不丢掉理解世界的信息——不光生成动作,还要理解客观物体的发展规律。但过去这些世界模型往往还是 pixel to pixel。

    李丰:从像素点到像素点。

    连文昭:每一个像素都要预测、重建出来。这其实是反直觉物理的——模型把大量表达能力都用在重建和恢复上。我们一直在践行“以物体为中心”的思路:不过度建模不用去关心的小细节;但有一些重要的细节,以前的视觉世界模型里没有的,我们反而要关心——比如力,力的模态是很关键的模态。

    力这个模态很有意思:视觉上,你换个角度,得到的信息跟你的本体可能没有太大关系;但力是你的本体施加到环境中的,完完全全取决于你自己。你施力大,反馈就大,是跟动作极其绑定耦合的东西。我们在做的世界动力学模型先建模原始的图像和动作输入,然后一边预测未来的图像和力,一边把预测结果跟实际施加动作后实测到的力做比较。

    李丰:做闭环,做反馈。

    连文昭:不能只做前馈。我预测会感受到多大的力,也预测我的动作;动作施加到环境中,又感觉到一个新的力;新的力跟预测的力比较,反哺回来纠正预测能力。形成这么一个闭环之后,随着数据增多,机器人跟物体交互的直觉规律,就能被理解得越来越好,估计误差越来越小。

    李丰:今天这些方向肯定没有收敛,概念也变了好几个,包括 VLA、VLM、世界模型等等。从你的角度看,当然只代表你个人观点:接下来一两三步,大家在建模世界、理解世界上可能向哪几个方向收敛?

    连文昭:需要从最终目标倒推:一是零样本、小样本的泛化——扔到新环境,一次演示甚至零演示,它就能动起来、理解任务并去执行;二是绝对安全,知道自己的边界,有异常也能处理。就是可泛化且可靠。倒推回来:需要数据效率最高的方式,也要能评估自己输出的不确定性边界,保证自主的安全性。应该沿这两条路线走。

    关于提高数据效率,大家在做各种尝试。一是让数据采集更便宜,比如egocentric(第一人称视角)的视频数据,丰叔应该还记得 2023 年我们讲公司的具身路线时,就已经在大量采集。

    二是让数据里能榨出的信息密度更高、更贴近直觉物理,比如以物体为中心而非一个个像素点,以及从 2D 或多视角 2D 中隐式推出 3D,因为 3D 是对环境更本质的理解。

    另一个维度是安全性:过去的数据集通常以视觉为主甚至只有视觉,现在行业也在采集力觉甚至触觉,有做触觉手套、做各种传感器的。我们自己也在探索把视、力、触觉融合起来,也做了自己的数据采集链路。这也是个比较显著的趋势。

    李丰:回到中国机器人行业。过去两三年,软的——算法,和硬的——电机、关节这些硬件和手的控制,各自进步的状态和速度是什么样的?

    连文昭:硬件看起来发展没那么快,但工程上实质取得的进展很快;软件上大家看到的演示很漂亮、变得特别快,但拉长时间维度看,进展可能没有想象的那么快。

    硬件上很多人会说,两三年前 WRC 展示的就是这些协作臂、人形机器人,现在还是这些,关节可能还是谐波或者行星减速器。但背后的供应链、设计、系统集成,实质发展比想象快很多,成本自不必说。

    另外是可靠性:像我们自己做的,绝对定位精度已经能逼近以往工业机器人,这在两年前不太敢想象。硬件的迭代速度甚至已经逼近软件迭代的曲线。这得益于国家的大量投入和行业的百花齐放,使得上游机加工、电子、传感器产业很成熟,生态越来越好,协议和标准也逐渐形成。进展比大家的体感快一些。

    模型算法这一侧,新成果很多,不管是纯端到端的 VLA,还是基于世界模型,展示出的能力越来越强。但透过展示看本质,研发范式没有特别大的颠覆。可以讲我们还在 “抄大语言模型的作业”。

    李丰:对。

    连文昭:我更期待找到一个不一样的范式:语言本质上是一个维度,token 空间是离散的,观测空间和预测空间一致,语言是个很特殊的问题;但机器人的输入空间如此之多——力、触觉、自己的关节,甚至环境中视觉观测不到的状态,水是满的还是空的、电器是开的还是关的,都要融合进来,而输出空间只是机器人自己的控制。它跟大语言模型本质上不是同一个问题,但我们还在按大语言模型的方式在推。拉长时间看,机器人模型的训练推理范式,还需要更多思考。

    李丰:我不是技术背景,试着简单归纳一下。语言预测 token,字词之间是“逻辑关系”,不是绝对零和一,换句话说一句话可以有很多种表达,虽然也有一些简单约束。但机器人涉及到物理关系:比如你不能把手穿过桌面,它受非常严格的物理和环境约束,很多是零和一、中间没有 0.1、0.3 的过程。既然机器人和语言存在这个差别,它最终有多大可能借鉴大语言模型的能力和架构,又有多大比例会不同于语言模型?

    连文昭:挺难的问题。我完全赞同这个归纳:大语言模型本质在学逻辑关系,约束更简单、解空间更大。但物理世界约束更多,它蕴含了逻辑问题,之上还有物理和几何问题。几何是运动学相关的:关节动多少度,杆子末端相应动多少厘米;物理是动力学相关的:施加多大的力,东西被推多远,摩擦力是多少;逻辑也包括任务层面的,比如大象放冰箱分几步。所以有逻辑、物理、几何,机器人是一个更高维、更复杂的问题。

    给具身智能一个不那么正式的定义:在很多约束条件下,如何改变目标物体的状态。它很多时候有精确解,做到就是做到,没做到就是没做到;语言则可以模棱两可。

    如果我们同意具身智能是个更难的问题,我们肯定可以借鉴大语言模型很多东西,比如 next token prediction 这种学过去与未来关联、用关联近似因果的范式。但只有这些不够,因为文字没有时间概念,物理有时间维度,几何还有很多约束。把因果、约束、时间维度加进来,是必须的。

    李丰:回到源络本身。两年半以前确定应用场景时,大家还在做叠衣服、倒咖啡之类的 demo,你选了一个比较不同、相对难做的方向。你是怎么考虑的?

    连文昭:上次谈到 “不可能三角”:通用性、可靠性和速度,不能同时达到,牺牲哪一个?我们的选择是:速度不苛求,达到阈值就行;通用性则不是一开始解决一万件事情,而是在一个真实场景里先解决几十件事情。

    基于这个假设,我们找现在的机器人“踮踮脚够得着”、能在可预见时间内落地的场景,但又不希望这个场景把我们的天花板锁死、把我们牵引到短视的技术路线上。

    所以要选难的场景:长序列,拷打逻辑能力;高精度,考验对几何和物理的理解;同时高柔性,区别于以往的工业自动化。我希望在最难的考场里去牵引我们的技术研发,如果这些能做好,未来走向家用的一万件事一定能解决。

    同时,从行业本身讲,它得是真的需求:生化环材、生物医药行业,确实需要这样的智能体做物理操作。科学家、博士生做实验,很大的痛点是不可复现。

    即使流程写好了,“把 A、B、C、D 在 25 度下混匀”,有人的理解是从 4 度冰箱拿出来放一小时、真到了25度再混匀;有人理解为在 25 度的环境下,拿出来直接混就行,哪怕 A 其实还是 4 度的;倒完 A 才想起要拿 C,又去冰箱跑一趟,反应条件自然就不一样了。类似的细节很多,更别提做实验时还可能打个喷嚏。

    所谓新药研发“十年十个亿、成功率 10%”,这还是很大的痛点。机器人干这件事天然比人好:每个步骤都忠实地按细粒度做下来,今天怎么做,第二天还怎么做,每个条件参数都记录下来,可靠性就提升了。

    另一个点,实验室研发依赖仪器,仪器依赖人操作。人朝九晚五,人不工作,仪器就闲置,利用率可能只有百分之三四十,而仪器往往很贵,研发流程就被无限拉长。在计算机和 AI 领域,我们能并行跑一大堆实验;如果机器人做实验助理,把仪器串联、调动起来,质量和吞吐量都能提升,更不用说有些危险实验本身就不适合人做。

    AI 已经让我们人类快速走向“好吃懒做”,它已经在帮助我们思考,机器人应该能比较快地帮我们“不用怎么做事情”;如果科研的研发方式能有一个比较好的变革,人类追求的另一个目标“长生不老”,应该也能比较快地实现。

    李丰:在我念书时,生化环材是“天坑专业”,今天都变成热门方向了。最近的好消息是:前些天,当年做 mRNA 疫苗的莫德纳,个性化肿瘤疫苗三期临床拿到显著结果,算是个大突破,新闻里说筛选时用了 AI。还有一篇文章说:如果 AI 改变了科学发现的范式,最大的瓶颈就来到湿实验,因为只有湿实验和发现效率配套,提供足够多、足够快、足够整齐的数据来验证和循环。这让我想起自己念研究生时做化学实验的痛苦——每次和每次都不太一样。那今天机器人在实验环节里,能力上到底能解决到什么程度?哪些难的技术节点被你们克服了?

    连文昭:过去两年多积累的能力,至少覆盖常见的实验流程,包括处理液体、固体、粉末或颗粒状的样品,操作离心机、PCR 这些常见仪器。我们把实验流程拆解成相应的技能,现在 80% 以上的常见流程都可以复现,一些局部已经能做到小闭环。

    相当于 PI、甚至博士生也可以享福,有了研究助理:发一个指令,机器人调度实验室里的相关要素来完成局部闭环,导出结果,他根据结果决策下一步。

    所以我们现在是辅助科研人员的阶段,不会去替代科学家,类比自动驾驶上高速开 L2。一个人下班前六点想做一组实验,不用半夜两点回来换液,机器人干这个事,保证他第二天早上九点来时结果是读出来的。这种能力我们的机器人已经达到了。

    数字 AI 已经能把“生成”解决得很好,在极大的搜索空间里提假设、提可能的流程。但当流程提得越来越多,不可能靠人海战术一个一个去验。这里存在一个很大的鸿沟,大家经常提机器人的 sim to real 鸿沟,这个更像“生成到验证”的鸿沟,即实验的缺失。

    我们一直在提供一个物理的界面把这个鸿沟闭环掉:数字 AI 利用这些数据,我们的物理 API 可以被调度,整个流程就闭环了。现在也在跟很多客户逐渐验证,开始规模化。

    李丰:能做什么大概听懂了。你在 WRC 里溜达时,有看见跟你们方向类似的公司吗?如果很少,你们做的事难在哪儿?

    连文昭:场馆太大,我走得很快,我感觉信息量不太大,很多是相似的。至少在能看到的范围内,在科学智能领域做高精度、高柔性的事情,我们还是比较独特的。

    李丰:插一句:从你们已实现的精度来看,智能和硬件各起多大作用?

    连文昭:硬件的提升是下限的保障——必须达到某种能力,才可能去解决这些问题。刚成立时我们外采过机械臂,精度到不了;自研最初期也抖动很厉害,但现在能到了。到了这个程度,才有可能达到软件模型带来的上限,也就是用多大的成本训好一个模型,让它快速学会移液、操作离心机。

    我们现在的状态是比较健康的:下限比较稳,上限也做到了可部署、可交付;当然我们会持续提升上限,让处理新任务所需的样本量减少,甚至真正零样本泛化出来。

    李丰:除了精度,过去两年还有别的在克服的挑战吗?

    连文昭:另一个是泛化性,我们自己叫高柔性。实验流程中物体的物理状态,例如有没有拧紧、有没有插紧、颜色是否对齐,对于这种微小的状态估计,以及针对状态的反馈控制,都要克服。精度解决“知道到哪就一定能到”,这部分指导“下一步应该去什么地方”,这个需要大量数据采集和清洗,训练架构上我们也调整了很多。

    李丰:你们已经有应用上的证明了吗?

    连文昭:很早就在跟华大智造、中科院深入合作,在研发过程中就能把能力放到真实流程里验证。比如简单的细胞培养、毒性检测,已经能在客户的场地中真实跑起来。

    李丰:今天有多少可能的场景、行业方向,用得上你们?

    连文昭:不严谨地讲都可以做,但需要的投入不一样。硬件已经到了可以支撑这些应用的程度,但有些应用有很特殊的要求。举个例子:家里吃完饭,剩菜放进冰箱前要撕保鲜膜封上,这就是我们实实在在接到过的需求。硬做也能做,但真的是硬着头皮上,对实时决策、感知都有很多挑战。

    李丰:撕保鲜膜对机器人可能太难了,从感知上就难,又高透又高反,还薄,一撕就破,对力的要求还高。

    连文昭:真的有需要,我们也一定能做,可以做特定设备来解决。但现在我们还是以自己的能力为圆心向外扩展,类似这样的需求是一个单点,我们希望逐渐拓宽过去。

    李丰:今天你最希望能合作上的商业化对象,大概是什么样的?他们需要有什么样的商业环境和条件,把你用在哪儿,他既用得起,也可用、好用,然后你也接得住?

    连文昭:我们积极地希望跟生化环材、检验检测,包括分析、材料、制药学科合作。机器人的好处是可以兼容以往所有异构的仪器,老的、新的,不需要任何接口。

    打个不恰当的类比:人就是最好的 API,可以调度所有接口,我们的智能机器人提供的就是这么一个接口。不管过去的实验室什么样,都能很容易地嵌入原有流程,改造是很轻量的,甚至零成本。

    我们带来的价值,一方面是闭环科研实验流程,避免人的参与所带来的不确定性和效率问题;更大的价值是,机器人一旦开始闭环,这些数据自然是标准化的、可信赖的,形成一个新的科学智能的物理基座。

    类比 GPU:有了它,不光是解矩阵计算比之前快多少倍,而是可以做以前不敢想的事,比如大规模处理图像、视频、语言。当机器人进入泛实验室之后,不光是替人操作,它带来的环境数字化、标准化和可复现性,可以解锁过去不敢设计的实验。所以,我们很愿意跟想做干湿闭环的企业和科研单位合作,把湿实验数据留存、汇总,反哺干实验的迭代,螺旋上升,设计不管量上还是假设上更不一样的实验拓扑结构。

    李丰:今年除了世界模型,另一个从二季度以来很火的方向就是 AI for Science。但我们看的项目里,更多还是在用 AI 模型来解决科学问题,这把火好像还没烧到“湿实验怎么更 AI 化”。从你的体感看,火到你们这儿了吗?

    连文昭:会看到一些苗头。基础科学需要长期投入才能看到产出,机器人一定能发挥作用。过去数字 AI 做的是读文章、读文献、读实验报告,从人类已知的东西中学习,这是有边界的。

    下一步自然需要 AI 去探索未知的边界,做人类不知道的东西:自己设计需要得到什么新信息,从新信息里得出新假设,再去迭代。相当于赋予 AI 创造力,或者不严谨地说,赋予 AI 好奇心。这是必然会发生的,需要花一些时间和投入,已经有一些有前瞻性的机构在开始推进了。

    李丰:你接触的潜在用户里,做 AI for Science 背景的人,和传统做生化环材实验的人,对你们的接受度是一样的吗?

    连文昭:这两类人其实不那么割裂,是混着的。传统生化环材学科在往 AI 融合;纯做 AI 转来做 AI4S 的,对数据的敏感度更高,第一反应就是数据能否积累、循环起来。两类人都比较开放,拥抱用新的方式推进湿实验。

    李丰:大家对成本的敏感度是什么样的?

    连文昭:最基本的账很容易算,也就是降本增效:一个人工是否算得过来。大家普遍也接受仪器利用率、实验通量是不是真的提上来了。还未被广泛接受、但后面可能会被接受的是,实验质量提高后,AI 能否提出更好的假设、完成更好的闭环。这是未知的,但未来可能是价值最大的。

    李丰:到明年参加 WRC 的时候,对源络而言,你比较大的预期是什么,到时你们可能会有哪些变化?

    连文昭:划一个节点到明年,我们肯定希望物理 AI 和科学智能的基座真正嵌入到很多合作方。我们现在有一个“原点计划”,希望跟科学智能行业里的机构和企业一起构建生态,大家有一个共享物理技能和数据的地方,在允许的范围内,使生态里的企业和科研单位产生新结果的速率得到提升。

    前两年尤其去年,中国生物医药 license out 的例子越来越多,我们希望加速这个进程——不单在医药领域,在材料和其他行业,我都希望看到变化。

    李丰:作为结尾,从团队人才到行业合作伙伴、再到产业链上下游,各个方向上你有什么期望?

    连文昭:源络一直是长期乐观、短期务实的公司。从成立到现在,我们积累了自己的硬件本体、模型和数据,下限已经很稳很高,同时在提升上限,也就是在保证可靠性的前提下,提升通用性和泛化性。

    一方面,我们希望跟行业中的伙伴合作,不管是科学智能还是其他行业,我们现在也在跟农业、精细化工、制造业的企业合作,把高精度、高柔性的能力应用到更多行业里。

    另一方面,如果有对科技驱动落地感兴趣、想死磕机器人在真实场景产生价值的研发小伙伴,欢迎联系我们加入源络。

    图片

    跳转微信打开

    •  

    蔚来是一种命运

    原创 李墨天 2026-09-02 21:18 上海

    规划正确的方向,相信方向的正确

    2023年底的媒体沟通会上,李斌表示“蔚来的谷底已经过去了”,不出意外收获一片嘲讽。

    当时是蔚来NT2平台的产品周期末期,车型全面覆盖,最大的店都放不全。NIO Phone震撼登场,NIO life联名设计师堆满一面墙,原创设计有口皆碑,价格底线牢牢守住,顾客一进店就会被fellow教育:蔚来不参与价格战,没有低于30万的车。

    唯一缺点是车卖不出去,两代平台8款车,凑不出一辆月交付破万的车型。

    2023年,蔚来交付了16万辆车,研发、门店、充换电站投入只增不减,全年成功亏损211亿,差不多日均亏6000万,换成百元纸币,一天得烧1.124吨。

    为什么李斌会认为谷底已经过去了,因为李斌看见的蔚来和市场看见的蔚来,不是一个东西。

    市场眼里的蔚来,NT2车型基本失败,财报四处漏风,自然的想法是“还有退步空间”。事实也是如此,2024年蔚来再接再厉,亏了224亿。2025年上半年,蔚来交付11.42万辆,完成全年目标26%,新势力垫底。

    李斌眼里的蔚来,NT3平台和ET9已经开发完成,基于NT3平台的ES8和ES9已经立项。李斌对NT3的技术成果有信心,知道蔚来大概能做个什么样的车出来,所以相对乐观。

    上市车型和销量是研发和经营的结果,李斌看见的是新的决策正在执行,属于先行指标;市场看见的是上一个周期的结果,属于滞后指标,彼此难以理解对方。

    当时有媒体问新车进度如何,是个提振信心的机会,李斌说还在PPD(预研)阶段,结果媒体听成了PPT,被解读为蔚来药丸。

    新平台加上新车型的开发,3-5年都算快的,所以汽车行业,决策到结果的验证周期非常长。

    具体到当时的蔚来,等ES8和ES9量产上市开始交付,结果要到2026年才能看见。

    事实证明,李斌当年的乐观不是空穴来风。2026年,均价50多万的ES9用73天交了两万台,ES8是今年上半年大型SUV和40万以上车型双料销量冠军,近一年时间创造了近600亿营收。

    芯片、内存、铜铁铝价格全面上行的背景下,几乎所有的车企毛利率都在下滑,靠ES8和ES9的高毛利,蔚来在上半年以不到20万的销量,创造了576亿营收。

    同时,蔚来二季度现金储备提升至567亿,经调整经营利润2.1亿,连续三个季度盈利。而在衡量经营质量的毛利润上,蔚来上半年毛利总额107.7亿,同比增长282.2%。

    纸面成绩以外,蔚来全新ES8和ES9大大推动了高端市场向纯电过渡的进程。今年7月,大型SUV整体市场纯电渗透率已经达到41.6%,无限接近纯电在乘用车市场整体44.3%的渗透率。

    这两款车也回答了两个困扰蔚来整整五年的问题:纯电大车到底能不能卖出去?蔚来有没有做50万级市场的能力?

    01.教训

    第三代ES8开发期间,蔚来度过了非常挣扎的两年。李斌的总结是“蔚来丢掉了根据地”。

    蔚来的根据地是什么?蔚来的定义是40万左右的市场,这也是第一代ES8的舒适区。第一代ES8整个生命周期里交付65233台,是中国汽车品牌突破豪华市场的标志。

    到了NT2产品周期,蔚来账上现金非常充裕,导致一些产品的立项过程,没有经过系统的市场研究和用户画像分析。新车像下饺子一样推向市场。

    2023年9月,第二代EC6发布,蔚来完成了NT2平台全系切换。车越来越多,交付量没有显著提升,效率实际上在降低。

    回顾往昔,蔚来内部总结了NT2平台最大的两个教训:

    一是既要又要。蔚来对NT2平台的定位是覆盖全球市场,在设计之初就考虑到了海外市场。团队认为车子做太大在欧洲卖不出去,因此对尺寸和空间非常克制,导致二代ES8的二三排空间局促。

    为了兼顾右舵车的镜像开发,NT2平台车型的空调箱采用了纵置布局,占用了前舱空间,所有车型都没有前备箱。

    二是车型迭代顺序规划失误。大部分车企规划新平台的产品线,都会从旗舰车型做起。比如奔驰会先发S级车型,确立技术与品牌高度,然后向下渗透。

    但蔚来先发布了ET7/ET5/ES7三款新车,想把ES8打造成“二代车收官之作”压轴登场。结果ET5由于成本和尺寸限制,装不下空气悬架等配置,导致NT2一些领先的技术成果无法第一时间推向市场。

    李斌认为,在40万左右的价格带,蔚来有一定群众基础。所以,NT3平台要“夺回革命根据地”,ET9确立技术标杆,ES8和ES9覆盖高净值用户。

    当时,蔚来在软件系统、自动驾驶芯片、线控转向等领域的研发已经行进尾声,到了落地阶段。但整个2024年,蔚来要给乐道让路,只有年底发布的ET9一款新车。

    ET9的定位是蔚来NT3平台一系列新技术的集中展示,整个发布会超过两个小时,但一些值得反复介绍的技术,只露脸了不到半张PPT。

    02.踩坑

    ET9的供应商里,有一家名叫ClearMotion的公司,拳头产品是主动悬架技术,用来消除车内破坏驾乘体验的晃动,是ET9“香槟塔模式”的关键零部件。

    如果作为一个科研机构,ClearMotion可谓底蕴十足,2017年它收购了Bose的主动悬架业务。

    对,就是那个做音箱的Bose,他们上世纪80年代就开始研究主动悬架,只是一直没有量产,ClearMotion收下了全部衣钵。

    但作为商业公司,ClearMotion的道行浅得可怜,蔚来几乎是手把手扶着ClearMotion上了牌桌。

    2022年,蔚来资本联合几家风投向ClearMotion注资3900万美元,双方在常熟联合建厂。ET9的主动悬架里,蔚来自研车辆运动管理系统和48V电源系统,ClearMotion提供控制算法及主控软件,京西智行提供液压部件,组成完整的电驱单元。

    技术路线、财务状况的争议背后,很多人没有意识到,蔚来其实是一家垂直整合程度非常高的车企,自研浓度极高。

    蔚来成立的2014年,全世界的车企都没把电动车玩明白,特斯拉距离遇到“产能地狱”都还有三年,行业供应链成熟度几乎为零。

    蔚来当时知名度有限,供应商不愿意做联合研发,只想卖标准零件,导致核心参数锁在黑盒里。中国车企上次遇到这种待遇,还是改革开放初期,一机部找到丰田,但对方连CKD(散件组装)都不愿意,只想出口整车。

    油车时代的坑,电车时代的新势力都得从头再趟一遍。新能源产业会创造新的供应链。但供应商不会自发出现,蔚来想干成这个事,必须承担催熟供应链的成本。

    比如蔚来作为产业资本,投资了大量供应链企业,包括做激光雷达的图达通、做电池的卫蓝新能源、以及上面的ClearMotion等等。产业资本对上下游的投资大多基于自身需求,能够提供确定的订单,帮助供应链技术快速落地。

    2019年之前,蔚来自己开发了一套电子电气架构的技术方案,电池管理系统、液冷恒温系统、快速换电装置都是从零开始。比如蔚来的子公司蔚来驱动科技(XPT),就负责蔚来电机、电控硬件的研发生产。

    2021年,蔚来碳化硅电驱系统C样在XPT工厂下线

    垂直整合的好处一般有两个,一个是节省成本。蔚来在2021年成立座椅研发团队,把座椅拆分为骨架平台、控制器、座椅组装等环节,分别寻找供应商拿订单。

    这相当于把采购品种从整个座椅拆成了零部件,让供应商可以靠规模效应给出极低的采购价。

    另一个是掌握关键技术,避免同质化竞争。

    2020年后,蔚来启动NT3平台研发,整车操作系统、自动驾驶芯片、域控制器的集成化小型化等环节,给今天ES8、ES9等产品打下了扎实的地基,但也给当年公司造成了巨大的财务压力。

    作为一个花钱花出名气的公司,要不要继续砸?蔚来的判断是,BBA都没法在电车时代卖标,想做高端纯电,势必要掌握独创性的技术方案。

    同时,蔚来内部判断,2024-2025年将是高端纯电车的爆发期,不论纯电技术,还是换电站,届时都不是财务包袱,反而是胜负手,所以要继续建设。

    技术投资成本虽然高,但都属于“一次性投入”,研发环节没有现金流,但落地后可以靠边际效应快速摊薄成本,是笔算得过来的帐。

    在NT2车型不达预期的两年里,蔚来依然义无反顾的把资金投向了底盘、芯片、软件系统等环节的研发。体现在财务上,蔚来的研发费用在NT3平台开发期间,有一个不成比例的激增。

    这些投入给NT3平台打了个不错的技术底子。坚持的故事之所以迷人,是因为在商业世界,坚持有成本,有风险,要承受巨大的代价。

    03.执念

    2023年春节过完,蔚来一位高管在内部会上分享了一个故事:

    春节期间,他开着自己的二代ES8带父亲出门,车的二排没有实体按键,调节座椅都要盲操,大量功能集成在前排屏幕的二级甚至三级菜单里,导致后排的父亲非但没体验到各种舒适性配置,反而一路局促不安。

    后来在第三代ES8上,蔚来一口气塞了111个物理按键,座椅调节按键从隐蔽的侧面全部挪到门板上。

    当时NT3平台的伴生车型ET9基本定稿,蔚来的产研团队已经形成共识:

    纯电的体验优势胜于其他技术路线。二代产品未达到商业预期,一方面是纯电技术、补能基建密度没突破临界点,另一方面是自己水平问题,不代表纯电路线有问题。

    这个归因至关重要,但三代产品怎么做才能扭转市场认知,答案未知。

    在ES8的预研过程中,蔚来曾规划了一个MPV车型:

    团队的想法是做成侧滑门小MPV,既能保证空间,又能兼顾续航,唯一缺点是造型非常先锋且前卫。李斌当场表示“方向错了”,定了个既要又要的新方向:外观要回归得体、大气的SUV形态;但车内空间体验和乘坐舒适性,要向顶级MPV看齐。

    按照这个方向,产品经理孙宁给工程团队下了需求,最终得到了一个长5.4米,重量3吨,风阻系数0.3的庞然大物。当时的产品会上,看着这辆ES8的渲染图,在场的每个人都露出了哀莫大于心死的表情。

    好在这只是初稿,反复的推敲和纠结中,团队最终锁定了5280mm的车长和3130mm的轴距,这是第三代ES8的起点。以此为参照,定位更高的ES9同步立项。

    尺寸不是唯一的问题,消费群体对二代产品普遍的看法是“高级但不够豪华”,怎么把豪华变成产品开发中可以量化的尺度,至关重要。

    04.理解

    ES8研发同期,蔚来公司的三品牌战略已经成型,乐道负责家庭用户市场,萤火虫主攻小型车,蔚来品牌需要进一步聚焦,渗透更高端、利润更丰厚的行政商务市场。

    基于这个目标,产品团队定下了新的设计取向——Design for Business、Design for Success。

    蔚来NT2车型走的是“北欧极简风”,推崇干净的线条和纯粹的视觉效果。NT2车型几乎没有物理按键,也没有车载大屏。为了极简的内饰设计,蔚来甚至有意隐藏了音响和座椅调节按钮。

    为了弄清用户的真实需求,蔚来启动了一个规模庞大的调研项目,其中一个具体的问题是:“老板的快乐”怎么量化?

    整个调研周期内,蔚来累计收集了超过两万个用户样本,从X5到X5M、从大G到大GLC一网打尽、宁滥毋缺。用户主要分为两类,一类是保时捷和BBA车主,一类是增程车与混动车车主。

    除了真实车主,蔚来还调研了Lorinser这类改装厂,他们观察到车主不仅要坐得舒服,还要有衣橱、KTV和保险箱。调研结果在NT3车型定义中发挥了重要作用,比如第三代ES8上的移动衣帽间设计,就源于这次调研。

    第三代ES8的移动衣帽间

    调研结束,蔚来发现了几个关键结论:

    一是60%以上的增程车主都只用纯电模式驾驶,几乎没启动过发动机,有的车主因为续航焦虑放弃蔚来选了增程,买完车后每天去蔚来充电桩充电,这个比例大大增强了内部对纯电和换电路线的信心。

    二是高净值用户不缺购买力,但不太接受纯粹的品牌溢价,即花钱买标。同时,大量用户对复杂的选配项目感到厌倦,希望看到简单干净的SKU。

    三是高净值用户喜欢显性的豪华感,在商务社交、家庭娱乐、会客、深度休息这些场景对应的功能上,NT2车型严重不足。用户对NT2车型几乎有着整齐划一的评价:太素。

    而产品团队得到的最大的启发,是设计的极简和体验的极简,很多时候是两回事。

    苹果消灭了手机键盘,但开创了一套符合人类直觉的手势交互方案,用户可以凭直觉操作手机,学习门槛大大降低。车载大屏虽然带来了极简的设计感,但体验却更加繁琐。

    拿着一份全面改写自身认知的调研结果,蔚来大刀阔斧调整了NT3的设计理念。

    05.算账

    ET9是NT3平台第一款车型,没什么成本包袱,率先应用了线控转向、天行底盘、神玑芯片等自研新技术。

    设计上,“飞航头等舱”理念的首次落地,大量运用斜线设计,使用多种材质进行拼接与对撞,力求一种精致但不铺张的美感。

    落地在ET9上的飞航头等舱设计理念

    ES8主攻40万级市场,既要有豪华感,又不能让成本失控。除了实体按键,蔚来在细节上大量费工夫,车内圆角曲率全部保持一致,氛围灯、真皮一路延伸到后备箱,儿童安全座椅卡口专门做了盖板,后备箱点烟器取电口的塑料盖、折叠小挂钩等,全部换成了和内饰颜色统一的金属拉丝配件。

    ES9的设计更是个技术活。一方面,作为旗舰SUV,它必须有一眼旗舰的气势和体量感,也要像ET9一样搭载全部顶尖技术,同时还要和ES8做出一定区隔。既要大开大合,又要粗中有细。

    外观上,为了营造顶级的体量感与视觉气场,ES9将车身肩线向上调整了两厘米,整体车高来到1870mm。别小看这些调整,当ES9和ES8同框时,用户一眼就能分辨出来,很大程度上就是因为外观设计上的体量感。

    而在细节上,ES9也做出了很多花样。比如业内首发的LC隐私玻璃,ES9团队通过光刻机雕刻实现了独特的阵列效果,能通过滚轮滑动实现百叶窗一样的效果。但实际上产品经理的灵感来源,是清晨阳光慢慢打在层峦叠嶂上的景象。

    ES9搭载的LC隐私玻璃,可以实现类似百叶窗的效果

    座椅上的刺绣、门板上的音响氛围灯也有讲究:前者是苏绣工艺绣出的山,后者是模仿水波流动,取一个中国文化里依山傍水、靠山揽景之意。

    很多人诟病NT2车型是“把肉埋在饭里”,按照这个思路,ES8、ES9就是“把肉埋在肉里”,用料、设计、技术,样样都要领先。

    肉下面还是肉,价格又要足够有诚意,那成本从哪省?

    当初的技术投入,此时派上了用场。NT3平台采用自研全域925V高压平台,为了让新车兼容低压充电桩,传统方案是增加一个升压模块,但ES8通过自研电驱“反向升压”,省下了这个又贵又重的模块。

    类似的部件还有不少,比如单是用自研神玑芯片代替4颗英伟达Orin-X,就能省下1万元。

    蔚来“全球首颗车规 5nm 高性能智驾芯片”神玑NX9031流片成功 - 数码前沿 数码之家

    2024年,蔚来发布神玑NX9031芯片

    自研925V高压架构,让ES8减少了数十公斤内部线束,单车铜用量从32公斤降到了25公斤。这些技术升级既节约了成本,又能做一个巨大的前备箱。

    团队后来计算,ES8最终设计比最初版方案减重600公斤。

    06.没底

    ES8和ES9发售后,最关心销量的不是蔚来的管理层,不是蔚来的消费者,也不是友商的产品团队,而是蔚来的供应商。

    供应商是个非常现实的群体,给客户安排多少产能,甚至车企开完发布会要不要发微博祝贺,是第一时间发,还是等车企发完订单数据再发,都有一番讲究。

    ES8上市前,李斌每周都要约见一两家核心供应商的老板,说服对方为ES8预备一万台月产能,整个过程持续了整整一年。其中有一半供应商力挺蔚来,一半供应商选择观望。

    这种现实情有可原,汽车是个讲究配套的行业,供应商需要在车企产线周边配套建厂,产线和设备砸下去,甚至在合肥单独建厂,造出来的车卖的好不好,关乎蔚来的生死,也关乎供应商的经营。

    因此,这些供应商要么自己派人,要么找第三方机构,蹲守在蔚来门店数人头,打算弄清楚一个问题:车卖得到底有没有蔚来说得那么好?

    不仅供应商心里没底,蔚来产研团队也不敢半场开香槟,不少人对ES8的月交付预期只有5000台,考虑到二代ES8月交付只有2000多台,这个数字已经翻倍了。

    毕竟,ES8上市前,纯电大车在市场上几乎没有成功的先例。增程虽然被视为过渡技术,但在2024年前后,是新能源车企进攻高端市场最务实的手段。

    所以在ES8和ES9的开发上,蔚来要解决的不单单是个产品问题,而是能不能在纯电路线的前提下,用技术手段解决纯电大车的短板,刷新高端市场和大型SUV客群对纯电的认知?

    内部的这种焦虑一直持续到2025年年中,直到发生了两件事,团队心里才算有了底:ES8进行了小范围的试乘试驾,反馈非常不错;乐道L90预售效果超预期,证明纯电+大车有真实需求,能跑得通。

    或者说,用户本来就不在乎动力形式,只在乎产品体验、品牌调性。ES8上市的节点,纯电的体验突破了增程的上限,市场迎来逆转。

    因此,当2026年补贴全面退坡,整个汽车市场迎来大考时,纯电整体,以及40万以上高端市场份额反而逆势增长。

    今年7月,纯电车在新能源销量结构中的份额达到了惊人的68%。同周期内,10-20万的新能源车负增速,10万元以内同比减少26%,降幅甚至超过燃油车,唯独40万以上的市场,销量同比增速接近46%。

    中国是全球最大的新能源车市场,新能源渗透率逐年提高,但各个细分市场的增长并不平均。其中40万以上的高端市场,尤其是今年各路车企酣战的“9系大车”市场,曾是燃油车最稳固的壁垒。

    2020年新能源市场爆发后,电动化技术进入了一个快速进步周期。包括电池能量密度、补能效率的提高,800V架构与辅助驾驶的全面普及。相比上一个技术周期,纯电路线的技术积累已经从“补短板”变成了“做增量”。

    高端纯电虽然定价高,但留给工程师的“堆料”空间也更大。同时,随着充电桩、换电站不断增加,在40万以上的区间,纯电车对比油车、增程的体验优势,反而能拉开更大的差距。

    短期来看,市场是一台投票机;长期来看,它是一台称重机。

    市场的称重,没有让蔚来等待太久。今年4月以来,纯电连续4个月稳居第一大动力形式,手握全新ES8、ES9的蔚来,1-8月销量同比增长57.9%,领跑行业,并连续三个季度盈利。

    过去五年踩过的坑,都变成了命运的馈赠。

    07.命运

    回到2023年李斌的“走出低谷”,蔚来当时的状态,在商业史上有一个对照组:1997年的苹果。

    那是一个字面意义上的烂摊子,离破产只有90天。回归后的乔布斯第一时间给苹果经典广告《1984》的导演克洛打电话说:“我们必须证明苹果依然活着,依然代表独特的品牌。”

    乔布斯回归后做了三件事:先从微软那里拿到了1.5亿美元救命钱,再将十几种Mac型号和配件缩减为四类核心产品,同时叫停兼容机策略,坚持苹果的封闭生态。

    先活下去,但不要让短期的市场变化影响长期的战略。

    李斌说“造车是泥泞路上的马拉松”,正确的方向一定是后验的,所以会碰上泥泞难行的路段,会经历铺天盖地的质疑,会陷入迷茫和无助。

    规划正确的方向需要智慧,相信方向的正确需要勇气。蔚来的故事之所以迷人,是因为我们都听过很多充满智慧的道理,总是缺少孤注一掷的勇气。

    全文完,感谢您的耐心阅读。

    作者:李墨天

    编辑:戴老板

    制图:李墨天

    责任编辑:李墨天

    图片

    图片

    跳转微信打开

    •  

    微信放大招,微信小程序终于支持个人虚拟支付了!

    原创 CUGGZ 2026-09-02 16:53 浙江

    这两天,微信小程序悄悄上线了一个挺重磅的新能力:

    个人主体小程序,终于可以开通虚拟支付了。

    以前个人开发者做微信小程序,最大的尴尬之一就是支付。

    代码可以自己写,服务器可以买云开发,甚至现在有了 AI Coding,一个人几天就能做出一个完整的小工具。但只要想收费,事情一下就复杂了。

    因为普通个人主体没法直接申请标准的小程序支付,真想商业化,往往还得先去注册个体户或者公司,再申请商户号。

    很多只有几百、几千块收入的小工具,可能产品还没验证,手续先折腾了一圈。

    现在,这个门槛终于开始松动了。

    个人小程序可以直接卖虚拟商品了

    8 月 31 日,微信开放文档新增了「虚拟支付:个人」相关能力。

    目前开放的主要是个人主体的工具类小程序。根据目前公开的信息,需要完成小程序认证和备案,服务类目包含「工具」,个人主体持有中国大陆居民身份证即可申请。

    个人主体目前全终端月支付限额为 10 万元。

    这意味着以后个人开发者可以直接在小程序里卖:

    会员、付费功能、AI 使用次数、数字内容、增值服务……

    比如你做了一个 AI 图片处理工具,免费用户每天可以处理 3 张,高级用户可以买次数或者开会员。

    以前最麻烦的不是把这个功能写出来,而是怎么合法、顺畅地把这几块钱收回来。

    现在微信开始直接给个人开发者提供这条路了。

    但注意,不是所有支付都开放了

    这里很容易被误解。

    这次开放的是虚拟支付,并不等于个人主体已经可以申请完整的微信支付。

    如果你卖的是衣服、家具、食品之类的实物商品,还是不能简单拿个人主体小程序直接接普通小程序支付。

    微信支付目前公开的小程序支付准入主体,依然主要是个体工商户、企业、事业单位、政府机关和社会组织等。

    所以准确地说:

    微信这次解决的是个人开发者卖数字商品和线上服务的问题。

    但仅仅这一块,其实已经非常大了。

    这件事放在 2026 年尤其有意思

    因为现在做软件的门槛已经完全不一样了。

    以前一个人想做个产品,前端、后端、服务器、数据库、部署,可能折腾一个月都出不来。

    现在 Codex、Claude Code 这些 AI Coding 工具已经把开发成本压得非常低。

    一个有开发经验的人,从一个想法开始,到做出一个能用的小程序,可能真的只需要几天。

    于是问题也变了。

    以前的问题是:

    “我一个人能不能把它做出来?”

    现在越来越变成:

    “做出来以后,我怎么验证有没有人愿意付钱?”

    而微信这次开放个人虚拟支付,刚好补上了这块。

    以后完全可能出现这样的路径:

    有一个小需求 → 用 AI 快速开发 → 注册个人小程序 → 上线 → 接入虚拟支付 → 看看有没有人真的愿意花 9.9 元

    如果没人买,关掉,再做下一个。

    不需要一开始就注册公司,也不需要为了一个还不知道有没有用户的小工具搭一整套商业主体。

    独立开发者的机会,可能真的来了

    过去几年一直有人讲 Micro SaaS、独立开发、一人公司。

    但在国内,一个很现实的问题就是:开发可以一个人做,商业闭环却未必适合一个人完成。

    而今年这个环境正在明显变化。

    AI 把开发门槛降下来了,微信又开始把支付门槛往下降。

    尤其微信本身还有巨大的用户基础,小程序又几乎不需要用户额外下载安装。

    对于 AI 工具、效率工具、查询工具、内容工具以及各种非常垂直的小需求来说,这可能比再多一个新的 AI 模型更值得个人开发者关注。

    AI 已经让一个人做产品越来越容易。

    现在,微信又开始让一个人卖产品变得更容易了。

    这才是这次个人虚拟支付真正值得关注的地方。

    跳转微信打开

    •  

    被认证为最安全车主(还有钱拿!)

    原创 也谈钱 2026-09-02 13:30 德国

    跟大伙聊个好玩的事儿。

    之前选车险,我发现德国有些车险可以选装传感器,放在车里,实时检测你的驾驶习惯。如果驾驶习惯安全,可以给最多 30% 的保费折扣。而且最差也只是没有折扣,不会因此加保费。

    所以我就果断选了。

    但开始也没抱太大希望,「最多」30% 折扣,就像商场口号全场 XX 元「起」,可能很难拿到。

    结果,收到传感器,开了一段时间 👇 居然真给我评了满分 💯 属于驾驶习惯最安全的一批车主了

    照这个节奏,真能拿满 30% 折扣。

    车险还挺良心的,条件不算苛刻。像我在加速项目上弱一点,总分也满分了。有点不适应。

    之前也太常说,坐我开的车感觉很稳。但我自己其实感觉不明显。光记得过往哪哪预判失误了,下次应该……

    所以看到这个评分特惊喜。关键是有钱拿,预计能退回来近 300 欧(德国车险不便宜,但保额惊人,我签的车险保额是 1 亿欧。刚看到这个保额我都惊呆了,车险还保触犯天条么?)

    ……

    这个经历倒是正好验证我的一个日常观察——很多短期看的运气,其实长期看是习惯。

    比如看二手车时我发现,前车主要么几年一处剐蹭都没有,一旦有剐蹭,往往就不止一处,会有第二三四处,检查车况就要更小心。就像厨房里的蟑螂,不会只有一只。

    想起上大学被偷过手机的同学,后来还会再被偷。第一次很同情,第二三次就变成无奈了。也太手机倒没被偷过,但没一台最终完整退役,不是进水了,就是屏幕碎了(还不许我嘲笑,哈,我就笑~)

    我也是因此理解了,为啥我觉得 Apple Care 太贵,但又有很多人觉得便宜。

    车险折扣只是把习惯的影响具象化,其他条件相同的情况下:

    1. 驾驶习惯越好,出意外的概率越低,保费越便宜;

    2. 无出险记录越久,下一年出意外的概率越低,保费越便宜。

    对了,我中间还看到一个保险公司 HUK 的统计数据——德国有 20 年以上不出险记录的车主,居然占比达到一半。比我想得高很多(注:这里没考虑车主自费修的小剐蹭,只统计保险理赔的案件。因为出险保费涨价、不出险保费降价,所以小剐蹭很多人会自己修,或者干脆不修)

    ……

    从这个角度看,经常重复的习惯真的会有复利。想改变长期结果,笼统地提醒自己「更小心一点、更努力一点、更自制一点」,可能不如改变习惯和结构影响大。

    保险公司的定价思路也给我一个启发。

    我们很容易根据决心、当下的感受和现在的行动,判断一件事能不能成。今天斗志满满,就觉得这次成功率很高;看到心动的营销广告,就觉得买回去肯定会经常用。

    但真想预测结果,也许更有效的办法,是看同一件事过去的成功率。

    保险公司的定价就是这个思路。它预测一个人下一年会不会出险,并不听车主保证以后一定小心,而是看他过去一路怎么开过来的。

    我们总把更多注意力放在未来可能发生什么。但很多时候,未来发生一件事的概率,写在我们来时的路上。

    过去不是判决书,改变习惯、环境和结构,也是在改变未来的概率。只是在新的记录积累起来之前,过去通常比一时的决心更诚实。

    单次结果看运气,长期分布看概率。概率藏在习惯里,也会被新的习惯一点点改写。

    跳转微信打开

    •  

    The Batch: 977 | AI 对速度的需求为何如此迫切

    原创 DeeplearningAI 2026-09-02 12:45 北京

    Hi~新朋友,记得关注我们哟

    已经在跟踪模型成本和准确率的开发者,现在又有了一个新的重要理由去更关注第三个关键因素:速度。

    ●最新消息:OpenAI 和 Cerebras 预览了 Ultrafast,这是一项新的 API 服务层,运行在 Cerebras 硬件上,而不是 OpenAI 通常使用的基础设施上,搭载的是 GPT-5.6 Sol。

    ✴ 吞吐量:Ultrafast 宣称每秒最高可输出 750 个 token。Artificial Analysis 在 OpenAI 自家 API 上以最高推理强度测试 GPT-5.6 Sol,结果为每秒 65 个 token,这意味着 Ultrafast 大约快 11 倍。

    ✴ 完成时间:在 6 个质量匹配的 GDPVal (OpenAI 用于衡量真实、经济价值较高工作任务的基准)任务中,Cerebras 测得 Ultrafast 每个任务耗时 83 秒,而标准版 Sol 需要 7.7 分钟,端到端速度提升 5.6 倍。

    ✴ 延迟:GPT-5.6 的延迟异常高。Artificial Analysis 显示,标准版 GPT-5.6 Sol 在最高推理强度下,首个回答 token 的出现时间为 97.2 秒;相比之下,GPT-5.5 在高推理强度下为 14.5 秒。两家公司都尚未公布 Ultrafast 的延迟数据。

    ✴ 价格与可用性:仅向部分客户开放有限预览,其他用户可排队等候;尚未公布价格或正式全面上线日期

    ✴ 未披露:基准测试结果尚缺独立验证

    同一周里,还有另外两个发布把“速度”作为主打卖点。Google 推出了 Gemini 3.7 Flash,Nvidia 发布了 Nemotron 3.5 Lightning。这三者都面向正在构建这类应用的开发者:响应时间决定产品表现有多好。

    ●速度到底是什么:在 AI 领域,“速度”常常对应两个指标,而不同模型和硬件对它们的处理方式也不同。延迟(有时称为首 token 时间)是模型开始返回响应前的等待时间;吞吐量则是模型启动后每秒生成多少 token。Ultrafast 主要针对吞吐量:Cerebras 的硬件将 GPT-5.6 Sol 的权重保存在 44GB 的片上 SRAM 中,避免了访问外部存储器所带来的瓶颈,而这正是基于 GPU 的推理常见的限制。

    ✴ Ultrafast 上的 GPT-5.6 Sol:吞吐量方面最清晰的展示来自 Cerebras。Ultrafast 在 Humanity’s Last Exam(这是一项涵盖 100 多个学科、测试专家级问题的考试) 上回答了全部 2,500 道题,耗时 11 小时 11 分钟;相比之下,Claude Fable 5 需要 78 小时 27 分钟,Ultrafast快了约 7 倍。Cerebras 还表示,Ultrafast 在 Fast 模式整体上比 Claude Fable 5 快 11 倍,比 Claude Opus 4.8 快 5 倍。

    ✴ Gemini 3.7 Flash:Google 尚未披露 Gemini 3.7 Flash 的吞吐量或延迟数据,但 Artificial Analysis 测得其输出速度为每秒 330 个 token——仅次于 Gemini 3.5 Flash-Lite——首 token 等待时间为 13.2 秒。该模型相较前代也有性能提升:其 Artificial Intelligence Index 平均分为 56,高于 Gemini 5.6 Flash 的 52。

    ✴ Nemotron 3.5 Lightning:据 Nvidia 称,其输出速度最多比同类其他模型快 4 倍,智能体式任务完成速度快 30%。Artificial Analysis 在不同提供方之间测得其平均吞吐量为每秒 302 个输出 token,首 token 时间为 7.5 秒。Nvidia 与该模型一同发布的开源路由库 NeMo Switchyard,会将智能体工作流中的每一步发送给当前最适合该步骤在速度、质量或成本方面需求的可用模型。Nvidia 报告称,通过 Switchyard 进行路由,而不是让每一步都在单一大模型上运行,可将任务完成成本降至仅使用 Claude Opus 4.8 的约三分之一。

    ● 新闻背后:Ultrafast 并不是 OpenAI 对速度的唯一投入。本周,该公司发布了其首批关于 Jalapeño 的测试结果;Jalapeño 是其与 Broadcom 合作生产的新推理芯片。这些测试显示,在同时运行 OpenAI 自家的模型和开源权重模型时,延迟和吞吐量表现都很有前景。需要注意的是,芯片厂商也必须在速度、用户总量以及硬件功耗之间取得平衡:这些因素都会影响推理成本和可靠性。

    ●重要原因:以这样的速度进行推理,改变的不只是模型完成固定任务的好坏,而是它能被用于什么。

    ✴ 在对话和其他实时应用中,用户会直接感受到延迟:如果语音助手停顿超过约 1 秒,体验就开始显得不正常,因为人类对话的轮次间隔大约在 0.3 到 1 秒之间。

    ✴ 对于用智能体写代码的开发者来说,等结果几分钟就足以让人分心、忘记上下文,或者转去做别的任务。之后再回来,就得在脑中重新构建问题,这会因为上下文切换而增加心理疲劳。

    ✴ 低延迟和高吞吐量有助于常驻智能体监控系统、网站或安全信息流,并在事件发生时立即作出反应。一个需要花一分钟分析才能发现问题的智能体,可能已经错过了实时采取行动的窗口。

    ✴ 工具使用同样高度依赖延迟和吞吐量。搜索、代码执行和数据检索工具都会给智能体式工作流增加时间成本。

    ● 我们在想:更快的 AI 模型已经使智能体能够写代码、检索数据,并以接近语音速度回应对话。我们鼓励开发者不仅思考哪些应用需要更高吞吐量和更低延迟,也要思考那些只有借助新模型和新硬件所能提供的速度才可能实现的新应用。

    点击下方阅读原文查看更多有趣内容哦~

    阅读原文

    跳转微信打开

    •  

    当我们再也读不完AI写的代码: 理解债务、Harness Engineering 与代码审查的未来

    Thoughtworks 2026-09-02 12:00 北京

    当代码增长速度远超团队理解速度,“理解债务”正在悄然累积。本文从 Robert C. Martin 的播客谈起,探讨 Harness Engineering 能否成为驾驭 AI 代码的答案,以及在 AI 时代,我们是否还需要阅读代码。

    理解债务

    Comprehension Debt

    2026年8月20日,《代码简洁之道》的作者 Robert C. Martin 参与了 Matt Pocock 的一期播客,讨论了 AI 时代程序员是否仍需阅读代码,以及如何通过 Harness Engineering 驾驭 Coding Agent。 听完这期播客之后,我回想起第一次加入一个全面使用 AI Coding 的项目时,TL(Tech Lead)在我完成第一张 Story(用户故事)后问我:是否能够适应这种开发方式?

    我当时的回答是可以,但有一个问题至今都没有改变:每次 AI 生成代码后,我还是忍不住用自己的"碳基大脑" review 一遍 diff,再根据我的人类意见东删西改,最后才敢谨慎提交 —— 毕竟无论代码由谁生成,最终对生产环境和客户负责的仍然是人。是的,大模型们,We still don't trust you。

    这并非因为 AI 不够强。AI 生成代码太快了,但它的能力并不稳定:有时准确高效,有时又会误解需求、过度设计,或者生成表面合理、实际存在隐患的代码。

    然而,"快"显然不是人类的强项。AI 一分钟生成的代码,人类可能要花十分钟以上才能读完并理解。这不禁让我思考,如果不能建立新的审查方式和信任模型,我们是否只是把"人类先理解,再编写代码"的流程,倒转成了"AI 先生成,人类再理解"?

    更危险的是,当我们为了效率而不再阅读,是否还真正理解这个系统?AI 大幅降低了代码的生成成本,理解成本却没有同步下降。从2025年前后开始,由于AI生成的代码数量爆发式增长,理解债务(Comprehension Debt)被越来越多的工程师用来描述AI生成代码带来的理解缺口:当代码增长的速度远超过团队理解代码库的速度,成本最终必定在维护过程中偿还。它积累在团队的认知里,很难被察觉,往往要等到生产事故、复杂变更或关键人员离开时才突然暴露。AI 生成的代码拥有极高的表面可信度,能够轻易通过单元测试和 Lint 检查,却无法验证代码语义是否真的符合业务需求,更无法检查团队对系统的理解程度。因此在AI时代,我们必须改变代码审查的方式,新的工具,新的方法论。

    Specification 不是理解的替代品

    我的项目正在使用 Spec-driven Development(SDD,规格驱动开发)。Specification 是一种对人类和 AI 都可读的 source of truth:人类审查需求、约束和验收标准,Agent 负责把这些意图翻译成代码。

    但从 Specification 到代码从来不是机械翻译。即使需求足够明确,实现中仍然存在大量隐性决定:如何组织数据、怎样处理异常、如何权衡性能、责任应该属于哪个模块。Specification 可以描述"我们想要什么",却无法穷尽系统的全部行为,更不能替代对实现的理解。

    如果试图预先写下所有决定,又会遇到另一个悖论:一份详细到足以替代代码审查的 Specification,几乎等于用自然语言重写程序。执行 SDD 所产生的大量文档同样需要维护和审查。有时我甚至觉得,直接阅读代码比阅读写得满满当当的文档更为轻松。

    这并不意味着 Specification 没有价值。把需求、约束和验收标准写清楚,确实能够帮助人类与 Agent 对齐意图;从 Sprint 数据上看,我的团队短期内也开发得更快了。只是 Specification 无法自动保证实现质量,更无法替团队维持对系统的理解,仍有改进的空间。

    Harness Engineering:把工程纪律写进环境

    AI 降低了代码生成成本,却没有取消软件工程对可维护性和架构质量的要求。真正发生变化的是工程纪律的载体:过去许多要求依靠程序员记住并主动执行,现在则需要写进 Agent 的工作环境,成为它可以读取并执行的约束。诸如OpenAI、Anthropic之类的科技公司,以及 Robert C. Martin本人,都在尝试把这些约束组合成一套可以持续纠错的工程闭环。

    明确的任务边界

    在播客中 Robert 分享了他设计的一套由五个 Agent 组成的工作流:Specifier 负责把人的需求整理成 Gherkin 验收场景;Coder 负责实现;Cleaner 专门清理重复代码、改善命名和结构;Hardener 使用各种指标和测试检查风险;QA 则验证成品是否真正满足需求。

    Spotify 的技术团队也做过类似的架构。Spotify 的后台 Coding Agent 采用了另一种边界划分:执行任务的 Agent 每次只接收一个 Prompt,并在指定代码库中完成一次修改;组织上下文、代码推送等工作由其他系统负责。Spotify 的经验是,Agent 的能力范围越明确,行为越容易预测,安全风险也越容易控制。因此,多 Agent 并不是必要条件,关键在于把模糊的大目标拆成范围清晰、结果可验证的工作单元。

    可执行的质量关卡

    在播客中,Matt 问 Robert:他是否认为《代码整洁之道》中的某些实践在现如今需要改变?Robert 的回答是"阈值"。他的观点是:AI 可以继承传统软件工程的价值观,但不一定要继承所有面向人类形成的实践,由于 Agent 能快速阅读、修改和运行代码,函数长度、复杂度等阈值都可以重新实验。

    一些过去没有成为日常实践的质量工具,也因为 Agent 的出现重新变得可行。例如突变测试(Mutation Testing)会故意制造细小错误,再运行测试。如果错误代码仍然通过测试,就说明测试并没有真正覆盖关键行为。在没有 AI 的时代,执行突变测试需要大量的人工,但在 AI 出现之后,则能够以非常低的成本运行这些测试,并由 AI 快速修复测试结果。

    因此,与其在文档里反复要求 Agent"代码写好一点",不如尽量把要求变成可执行的关卡:测试、类型检查和 Linter 不通过,任务就不能结束。OpenAI 的 Harness Engineering 实验也沿着类似方向,把模块分层、依赖方向、结构化日志、Schema 命名等规则写入自定义 Linter 和测试,使其稳定作用于 Agent。

    不过,质量关卡只能覆盖能够被形式化的部分。设计是否过度复杂、模块边界是否合理、代码是否准确表达业务语义,仍然需要具体判断。过多规则可能让 Agent 只是在"把指标变绿",例如通过过度拆分代码,把一种复杂度转移成另一种复杂度。因此,Harness 不能把"所有检查通过"等同于"代码一定正确"。如何选择指标,以及判断哪些问题必须交给人类,仍然是工程实践中最困难的部分。

    独立评估与持续自我纠错

    在 Robert 设计的流程中,Agent 需要持续运行突变测试和其他检查,根据失败结果补写测试、降低复杂度或重构代码,直到外部工具判定合格。在此基础上,他又引入独立的 Hardener 和 QA Agent,通过上下文隔离进一步检查实现结果。

    独立评估的意义在于,不让同一个上下文既负责实现,又负责证明自己的实现正确。Agent 在生成代码时会形成一套假设,如果随后仍由它自己 Review,很容易沿着原来的思路自我确认。换一个上下文,让 Reviewer 只根据 diff 和验收标准寻找问题,可以减少这种路径依赖。Claude 最佳实践推荐的 Writer/Reviewer 模式,本质上也是同一思路。

    Spotify 的实践则采用两层验证:第一层是确定性的 verifier,负责执行固定规则检查;如果失败,Agent 不能创建 PR,而要根据错误继续修改。第二层是 LLM Judge,用来对比原始 Prompt 和最终 diff,判断 Agent 是否超出任务范围,或通过禁用测试掩盖问题。确定性工具适合判断代码能否构建、测试是否通过;独立 Reviewer 则补充那些难以完全形式化的语义判断。

    OpenAI 的实践进一步把这个循环扩展到交付过程:Agent 可以检查 UI 和日志、复现问题、修复错误、请求其他 Agent Review,并根据反馈继续修改。检查结果不再只是等待人类处理的报错,而会成为 Agent 下一轮工作的输入。

    Harness Engineering 的目标并不是消灭人的参与,而是减少机械流程,把人的注意力留给真正需要经验与判断的地方。

    Harness Engineering 智能体工作流

    人类定义意图 → 边界明确的任务 → Agent实现 → 确定性关卡 → 独立评估 → 人类判断

    读还是不读代码,这是个问题

    Robert C. Martin 最近关于"不会阅读 Agent 写出的代码"的表态,引发了程序员社区不少讨论。乍看之下,这似乎是一个很激进的观点。但如果放回他的完整语境里,这个判断并不是简单地"放手让 AI 写"。他强调的是,要用比管理人类程序员更严格的 Harness 来约束 Agent。同时,他也承认偶尔会抽查代码,至于架构设计,则完全由他本人负责,不会交给 AI。

    其实,真正的争议不是 Harness 有没有价值,而是它能否代替人的理解。作为程序员,我们是否还需要阅读 AI 生成的代码?如果我们认真理解和审查 Agent 生成的所有代码,就很难充分获得 AI 带来的速度优势;但如果为了速度跳过这些工作,又可能失去程序员最重要的能力。Harness Engineering 很擅长检查那些已经被形式化的标准,却不一定能阻止人类逐渐退出对系统的理解过程。如果反馈循环只验证代码能否通过检查,而不保留人对系统的理论和判断,那可能只是让一座无人理解的塔,更稳定地继续升高。

    但也许我们并不需要滑向两个极端,要么"一行代码不读",最大程度榨取 Agent 的生产力,要么逐行阅读每一行 AI 生成的代码。有的科技公司正在探索一种 Risk-based hybrid 的代码审查方式:判定为安全、影响较小的 PR 可以自动合并,复杂或有风险的修改则引入人工审查。一些程序员则让 Agent 处理 CRUD 和 boilerplate,把时间用于研究真正不懂的东西。这种分工未必是逃避理解。关键在于:哪些工作适合交给 AI,哪些工作本身就是我们理解系统、积累判断力的过程?

    AI 时代真正稀缺的资源,已经不再只是编写代码的时间,而是人类的注意力。软件工程接下来要解决的问题,也许不是怎样让 AI 写得更快,而是怎样决定有限的人类理解能力应该花在哪里。

    结语:当我们学习软件工程时,我们在学些什么

    作为一名程序员,我得承认我仍然享受 review 代码的乐趣,也很愿意和 Agent 讨论当前实现是否合理。即使它有时显得过于"墙头草",但也往往能够发现我第一眼没有看到的隐患。

    在播客最后,Matt Pocock 问了一个很实际的问题:Robert C. Martin 已经写了 60 年代码,所以即使不再逐行阅读代码,也能依靠长期积累的经验构建出好的系统;但对于刚入行的 Junior 来说怎么办?如果 AI 接管了大量初级编程工作,他们要通过什么途径积累经验?

    Robert 的回答其实和 AI 出现之前并没有太大不同:花大量时间亲手进行基础的编程和调试;在资深工程师的指导下工作,学会识别风险、权衡方案、判断什么样的代码可以保留;阅读经典软件工程著作。书中的技术可能会过时,但许多架构经验,都是前人付出真实代价后留下的教训。至于商业公司是否仍愿意承担这样的新人培养的成本,那就是另一个问题了。

    以前,理解是一种要求;AI 出现以后,理解变成了一种选择。从这个角度看,AI 有点像托尔金笔下的魔戒:它赋予使用者强大的能力,也不断诱惑我们把原本需要亲自理解的事情交出去。至于这些由 AI 大量参与建造的软件系统是否真的坚固,更严格的 Harness 能否长期确保系统质量,不断积累的理解债务最终又会造成怎样的风险,也许还需要几年才能验证。我们已经看到了一些信号,但只有时间能给出更确定的答案。

    作者:黄智涵

    跳转微信打开

    •  

    Agent 为什么会“忘事”-Agent的记忆管理

    原创 小编 2026-09-01 17:52 北京

    Agent 为什么会“忘事”:从上下文拼接到可治理的记忆系统

    很多团队第一次把 Agent 接入真实业务时,都会遇到一个看似简单、实际很棘手的问题:它明明在前几轮对话里看过这些信息,为什么后面还是会问同样的问题,或者根据已经过期的内容做决策?

    常见的第一反应是扩大上下文窗口、把更多历史消息塞回 Prompt,甚至把整个会话原样回放。但这往往只能延缓问题,不能真正解决问题。

    Agent 的“记忆”不是模型天然具备的能力,而是应用层围绕上下文构建的一套工程系统。它需要决定哪些信息值得留下、哪些信息应该更新、什么时候召回,以及如何避免无关或错误记忆污染当前任务。

    本文从运行机制出发,梳理 Agent 记忆系统的核心概念、常见实现方式和落地路径,重点讨论一个生产系统真正需要回答的问题:

    当前这一轮请求,究竟应该把哪些历史信息带给模型?


    一、先区分两个容易混淆的概念

    1. 上下文是“当前可见信息”

    对模型来说,一次调用就是一次独立推理。模型能够利用什么,取决于本次请求中实际传入的内容,包括:

    • 系统指令

    • 用户当前输入

    • 最近几轮消息

    • 工具调用结果

    • 应用主动检索并注入的历史信息

    • 任务状态或结构化变量

    这些内容共同构成当前上下文窗口。它们像工作台上的材料,模型只能使用已经摆到工作台上的东西。

    2. 记忆是“跨时间保存并可再次使用的信息”

    记忆则发生在模型之外。应用需要把信息提取出来,存放到数据库、文档库、向量索引或其他存储中,等未来某次请求需要时再召回。

    所以,“模型记住了用户喜欢 TypeScript”并不准确。更准确的描述是:

    1. 应用从历史交互中识别出这条偏好;

    2. 将偏好写入外部记忆存储;

    3. 新请求到来时检索到它;

    4. 把它放入当前 Prompt;

    5. 模型据此生成回答。

    这个过程里,模型负责理解和推理,应用负责保存、筛选和编排。


    二、为什么把全部历史放回 Prompt 仍然不够

    最朴素的方案是每一轮都携带完整聊天记录。它确实能让 Agent 在短时间内表现得像“有记忆”,但很快会遇到四类问题。

    2.1 上下文窗口始终有限

    窗口再大也不是无限的。随着会话变长,系统最终仍然要做截断、压缩或摘要。更大的窗口只是把决策点推迟,并没有替应用做出信息取舍。

    2.2 成本和延迟会随历史增长

    如果每轮都重复发送大量历史,输入 Token、首字延迟和整体费用都会上升。长上下文还会增加调试难度:当模型答错时,很难判断是指令、历史事实、工具结果,还是某一段旧消息造成了干扰。

    2.3 信息越多,不一定越容易找到重点

    模型可能对上下文的不同位置表现出不同注意力。关键事实被大量普通对话包围后,即使它仍然存在,模型也未必能稳定利用它。把信息放进窗口,不等于让信息变得可用。

    2.4 历史事实会发生变化

    “项目使用 React”可能在下个月变成“项目已经迁移到 Vue”。如果系统只是不断追加历史,而没有更新和失效机制,检索出来的内容就会同时包含新旧结论,最终把冲突交给模型自行判断。

    因此,记忆系统的目标不是“尽可能多地保存”,而是:

    为当前任务生成一份足够准确、足够精简、来源可追溯的上下文。


    三、建立一套记忆分层模型

    把所有信息都称为“记忆”会导致存储和检索策略混乱。更实用的做法,是按照信息的生命周期和用途进行分层。

    3.1 工作记忆:当前任务正在发生什么

    工作记忆通常位于当前上下文中,内容包括:

    • 当前用户问题

    • 正在执行的步骤

    • 已经完成的工具调用

    • 当前任务的中间结果

    • 还没有解决的错误

    • 最近几轮对话

    它的优点是访问快、语义完整、无需检索;缺点是消耗窗口空间,且通常不能自然跨会话延续。

    适合放入工作记忆的信息,应该与当前任务强相关。例如在排查部署失败时,当前分支、最近一次构建日志和已经尝试过的修复,都比半年前的一段闲聊更重要。

    3.2 情节记忆:过去具体发生过什么

    情节记忆保存事件和过程,强调“当时发生了什么”。例如:

    • 某次发布因配置错误失败,最后回滚;

    • 用户曾经要求保留某个兼容性方案;

    • 某个需求经过讨论后放弃了一个实现路径。

    这类信息通常需要保留原始片段、时间、来源和关联对象,便于日后追溯。它适合使用文档存储加向量检索,也可以结合时间过滤和关键词过滤。

    3.3 语义记忆:当前已知的事实是什么

    语义记忆是从多个事件中提炼出的稳定事实,例如:

    项目:订单服务
    当前数据库:PostgreSQL
    前端框架:Vue 3
    部署环境:Kubernetes

    这类信息回答的是“现在是什么”,通常比原始对话更适合精确查询。由于事实可能更新,存储时最好同时记录:

    • 事实键和值

    • 来源

    • 更新时间

    • 生效范围

    • 置信度

    • 是否已过期

    3.4 过程记忆:应该如何完成一类任务

    过程记忆描述做事方法和约束,例如:

    • 发布前必须执行回归测试;

    • 修改数据库前要先生成迁移预览;

    • 处理生产数据时必须经过审批;

    • 某类代码要遵循团队约定的目录结构。

    过程记忆通常不应该和普通聊天记录混在一起。它更接近版本化的 Prompt、Skill、策略配置或工具使用规范,需要有明确的版本、权限和回滚机制。

    3.5 一个简单的分类表

    类型

    主要回答

    典型内容

    更适合的载体

    关键治理点

    工作记忆

    现在正在做什么

    当前步骤、工具结果、最近消息

    上下文、会话状态

    Token 预算、截断、摘要

    情节记忆

    过去发生过什么

    某次故障、一次决策、历史过程

    文档库、向量索引

    来源、时间、切块、保留期限

    语义记忆

    现在是什么

    技术栈、偏好、当前版本

    KV、关系库、图数据库

    去重、冲突更新、有效期

    过程记忆

    应该怎么做

    流程、规范、工具策略

    版本库、配置中心、Skill

    版本、权限、审批、回滚

    分层的意义在于:不同类型的记忆,应该使用不同的写入、查询和更新规则。


    四、一轮请求中的记忆运行时

    记忆系统并不是简单地“查一下数据库”。一轮请求通常包含以下流程:

    flowchart LR
        A["接收请求"] --> B["识别任务与作用域"]
        B --> C["召回候选记忆"]
        C --> D["过滤、重排、去重"]
        D --> E["摘要与 Token 预算控制"]
        E --> F["组装当前上下文"]
        F --> G["调用模型与工具"]
        G --> H["异步抽取并更新记忆"]

    4.1 先确定作用域,再做检索

    记忆至少要区分用户、租户、项目和会话。否则,某个项目的配置可能被错误地召回到另一个项目,甚至出现跨用户信息泄漏。

    建议在记忆记录中显式保存类似以下元数据:

    {
    "user_id": "u-123",
    "tenant_id": "tenant-a",
    "project_id": "project-x",
    "session_id": "session-456",
    "memory_type": "semantic",
    "source": "conversation-789",
    "updated_at": "2026-08-20T10:30:00Z"
    }

    检索时,作用域过滤应当是硬约束,而不是交给模型判断的软提示。

    4.2 候选记忆不等于最终上下文

    向量检索返回的是候选集合。应用还需要根据当前任务进行:

    • 相关性重排;

    • 时间和有效期过滤;

    • 重复内容合并;

    • 新旧事实冲突处理;

    • 敏感信息过滤;

    • 长度压缩;

    • Token 预算分配。

    最终进入 Prompt 的内容应该少而准,而不是把检索结果原样倾倒给模型。

    4.3 回写最好异步完成

    在回答结束后,可以异步完成记忆抽取和更新,避免用户等待。回写过程通常包括:

    1. 判断新信息是否值得保存;

    2. 识别它属于哪种记忆;

    3. 提取结构化字段或保留原始片段;

    4. 与已有记录去重;

    5. 检查冲突并更新状态;

    6. 保存来源和时间信息。

    如果每条对话都写入长期记忆,系统很快会被低价值内容淹没。记忆写入本身也需要门槛。


    五、常见实现方式与适用边界

    5.1 截断和滑动窗口

    只保留最近若干轮消息,超出范围的历史直接丢弃。

    优点:实现简单,成本低,适合局部性很强的短对话。

    问题:早期决策和关键约束会直接消失,无法支持跨会话记忆。

    它可以作为基础兜底,但不适合作为复杂 Agent 的完整记忆方案。

    5.2 滚动摘要

    当历史超过阈值时,让模型把较早对话压缩成摘要,并保留最近几轮原文。

    一个实用的上下文组合通常是:

    系统约束
    + 当前任务状态
    + 长期记忆中与任务相关的事实
    + 历史摘要
    + 最近若干轮原文
    + 当前用户输入

    摘要能延长有效对话周期,但它并非无损压缩。数字、条件、例外和否定关系尤其容易在摘要中丢失。因此,重要决策不应只存在于自然语言摘要里,最好同步写入结构化状态。

    5.3 RAG 式记忆

    把历史片段切块、向量化并存入检索系统,之后根据当前问题召回相关内容。

    它擅长回答“过去有没有发生过类似事情”,优势是保留原始证据,方便追溯;但它也容易召回过期信息、重复信息和相互矛盾的信息。

    RAG 记忆要想稳定,至少需要配合:

    • 元数据过滤;

    • 时间衰减或有效期;

    • 混合检索;

    • 结果重排;

    • 记忆来源展示;

    • 过期和删除机制。

    5.4 事实抽取

    不保存全部原始对话,而是把其中有长期价值的信息提炼成结构化事实。

    例如:

    {
    "key": "user.preferred_language",
    "value": "TypeScript",
    "scope": "user",
    "source": "conversation-789",
    "valid_from": "2026-08-20T10:30:00Z",
    "status": "active"
    }

    事实抽取适合偏好、技术栈、项目配置等状态型信息。它的难点在于抽取错误和覆盖错误:模型可能把一次临时尝试误判成长期偏好,也可能用新错误值覆盖旧的正确值。因此必须保留来源,并在必要时要求确认或设置置信度。

    5.5 知识图谱与时序记忆

    当业务中有大量实体、关系和状态变化时,图结构比单纯的文本相似度更有表达力。例如:

    用户 -> 负责 -> 订单服务
    订单服务 -> 部署于 -> 集群 A
    集群 A -> 当前版本 -> v2

    如果关系还会随时间变化,就需要额外记录生效时间和失效时间。

    图谱适合 CRM、项目协作、企业知识和长周期个人助手等场景,但建设成本、数据建模成本和维护复杂度都更高。只有当关系查询确实成为瓶颈时,才值得引入。

    5.6 主动调页式记忆

    另一种思路是让 Agent 通过工具主动管理自己的记忆,例如提供:

    • 写入记忆;

    • 查询记忆;

    • 更新事实;

    • 删除记忆;

    • 获取历史片段。

    这种方式的自主性更高,但也带来新的控制问题:Agent 可能过度写入、错误删除,或者在不该检索时调用记忆工具。生产系统需要在工具层增加权限、范围和审计约束,不能完全依赖模型自律。


    六、RAG 和事实抽取应该如何组合

    RAG 与事实抽取经常被拿来比较,但它们解决的是不同问题。

    RAG 更适合保留证据

    RAG 保存“发生过什么”,适合:

    • 回顾历史决策;

    • 查找故障处理过程;

    • 找到某条信息的原始来源;

    • 处理开放式、语义不确定的问题。

    事实抽取更适合维护状态

    事实抽取保存“目前是什么”,适合:

    • 用户偏好;

    • 当前技术栈;

    • 当前项目版本;

    • 账户或业务状态;

    • 具有明确键值关系的信息。

    比较稳妥的组合是:

    用结构化事实支持快速决策,用 RAG 提供原始证据和过程追溯。

    例如,模型需要回答“项目现在使用什么前端框架”,可以先读取结构化事实 frontend_framework = Vue;如果用户追问“什么时候从 React 切换过来的”,再通过 RAG 查找迁移过程和相关决策记录。

    每条结构化事实最好都保留来源指针。这样既能快速使用,又不会失去可解释性。


    七、如何选择实现工具

    工具选择不应从“哪个产品功能最多”开始,而应从业务最主要的记忆类型开始。

    可以用下面的判断方式:

    主要需求

    优先考虑的方向

    个人偏好、跨会话事实、快速接入

    结构化事实记忆层

    历史事件、原始证据、时间线

    文档库与混合检索

    多实体关系、状态变化、复杂关联查询

    时序知识图谱

    Agent 主动管理上下文和记忆工具

    分层记忆运行时

    已经使用某个 Agent 编排框架

    优先采用其生态内的状态和记忆组件

    具体工具只是实现选择,不能替代记忆治理。无论使用什么组件,都需要自己回答:

    • 记忆的作用域是什么?

    • 什么内容允许写入?

    • 过期信息如何处理?

    • 冲突由谁解决?

    • 用户如何查看和删除?

    • 如何评估召回是否有用?

    如果这些问题没有答案,换一个记忆框架通常也只是把问题换了一个位置。


    八、推荐一条渐进式落地路径

    记忆系统适合逐步建设,不适合一开始就做成“万能平台”。可以按以下三个阶段推进。

    阶段一:先让会话内任务稳定

    目标是解决同一轮长对话中的任务状态丢失。

    建议组合:

    • 保留最近几轮原文;

    • 增加滚动摘要;

    • 单独维护结构化任务状态;

    • 设置明确的 Token 预算;

    • 记录已完成步骤和待处理事项。

    这一阶段不需要复杂的向量数据库,先让 Agent 能稳定回答“我们已经做了什么、现在进行到哪一步”。

    阶段二:补充跨会话事实

    当用户开始期待个性化体验时,再加入长期语义记忆,例如:

    • 用户偏好;

    • 项目技术栈;

    • 团队约定;

    • 长期有效的业务约束。

    此时要同步加入作用域、来源、更新时间、冲突更新和删除能力。长期记忆一旦影响真实操作,就不能只当作一个“黑盒召回接口”。

    阶段三:在确有需要时引入关系和主动调页

    当系统出现以下特征时,再考虑图谱或主动记忆工具:

    • 同一批实体之间存在大量关系;

    • 关系会随时间持续变化;

    • 查询需要跨多个实体和事件推理;

    • 固定的自动召回规则已无法满足复杂任务。

    复杂技术应该由真实问题驱动,而不是由架构图驱动。


    九、记忆写入和更新的四条规则

    规则一:不是所有信息都值得记

    可以在写入前询问:

    这条信息在未来是否可能改变 Agent 的回答或行动?

    如果答案是否定的,就不必写入长期记忆。一次性的寒暄、临时猜测和低价值重复内容通常不应该持久化。

    规则二:每条记忆都要有边界

    同一句话在用户、项目和会话三个层级上的含义可能不同。例如“我们使用 PostgreSQL”可能只是当前项目的约束,并不代表用户所有项目都使用 PostgreSQL。

    作用域应该成为数据模型的一部分,而不是写在备注里的说明。

    规则三:更新比追加更重要

    长期记忆如果只有新增没有更新,最终必然变脏。至少要支持:

    • 新增;

    • 合并;

    • 覆盖;

    • 标记过期;

    • 软删除;

    • 冲突保留与人工确认。

    规则四:记忆必须可以解释

    当 Agent 根据某条长期记忆做出重要决定时,系统应该能够回答:

    • 这条记忆来自哪里?

    • 什么时候写入?

    • 为什么认为它仍然有效?

    • 是否存在相反证据?

    • 用户能否修改或删除?

    可解释性不是额外装饰,而是排查错误和建立用户信任的基础。


    十、最常见的工程误区

    误区一:上下文窗口越大,记忆问题就越小

    大窗口能减少短期截断,但不能替代跨会话存储、状态更新和相关性筛选。把多年历史全部塞进 Prompt,既昂贵,也可能降低模型对重点的把握。

    误区二:所有记忆都放进同一个向量库

    原始事件、当前事实和操作规范的查询方式不同。把它们混在一起,会让相似度检索承担它不擅长的去重、冲突判断和权限治理。

    误区三:只做记忆写入,不做记忆清理

    没有过期、删除和冲突处理的记忆库,规模越大,噪声越多。记忆系统必须同时设计“记住什么”和“忘掉什么”。

    误区四:只看召回数量,不看召回质量

    召回十条信息不代表系统更聪明。真正重要的是:召回内容是否与当前任务相关,是否包含过期事实,是否改变了最终决策。

    误区五:让模型独自决定权限和范围

    模型可以参与判断,但用户、租户、项目等隔离必须由应用层或数据库层强制执行。敏感记忆的读取和写入还应有审计记录。


    十一、怎样评估一个记忆系统是否有效

    记忆功能上线后,不能只用“看起来它记住了”作为验收标准。至少应该从四个方面评估。

    11.1 召回质量

    可以构造带标准答案的测试集,检查:

    • 关键记忆是否被召回;

    • 无关记忆是否被排除;

    • 过期事实是否被过滤;

    • 来源是否能够追溯。

    11.2 任务结果

    最终指标仍然应该回到业务任务:

    • 任务完成率是否提升;

    • 重复询问是否减少;

    • 工具调用是否更准确;

    • 错误决策是否减少。

    11.3 成本和延迟

    记忆系统不能只提升效果而无限增加成本。需要同时观察:

    • 平均输入 Token;

    • 记忆检索耗时;

    • 首 Token 延迟;

    • 回写任务的额外模型调用;

    • 存储和索引成本。

    11.4 安全与可控性

    还需要验证:

    • 不同用户和项目之间是否隔离;

    • 删除操作是否真正生效;

    • 敏感信息是否会被不必要地召回;

    • 记忆更新是否可审计、可回滚。

    将记忆召回、过滤结果、最终注入内容和模型输出放进同一条 Trace,才能真正定位“为什么它会记错”。


    结语:好的 Agent 不只是记得多,而是记得对

    Agent 的记忆管理,本质上是一个信息治理问题,也是 Harness 设计的重要组成部分。

    成熟的记忆系统通常具备三种能力:

    1. 该记的能留下:关键事实被提炼并保存,重要决策有来源;

    2. 该忘的能清理:过期、错误和冲突信息不会无限积累;

    3. 该用的能召回:当前任务只获得真正相关的最小有效上下文。

    因此,当用户再次说“这个 Agent 怎么又忘了”,排查顺序不应该只是继续扩大 Prompt,而应该依次检查:

    • 当前会话状态是否维护完整;

    • 重要事实是否成功抽取;

    • 旧事实是否正确失效;

    • 检索是否命中正确范围;

    • 最终上下文是否被摘要、排序或 Token 预算错误处理。

    模型能力决定 Agent 能做什么,记忆架构决定 Agent 能否持续、稳定、可控地把事情做对。真正值得建设的,不是一个装满历史记录的“记忆仓库”,而是一套能够判断、更新、解释和约束信息流动的运行系统。

    CadenzaOS:https://github.com/SuperTapir/CadenzaOS

    PCB Atelier:https://github.com/SuperTapir/pcb-atelier

    tapir-skills:https://github.com/SuperTapir/tapir-skills

    PCB_lightgraph:https://github.com/tomatorigid/PCB_lightgraph

    我用AI编程复刻了老罗的TNT,还顺手做了个万能遥控器……:https://www.bilibili.com/video/BV1qMKg6uEJr

    送朋友一张PCB做的贺卡!:https://www.bilibili.com/video/BV11MjE6qEXb

    🎉🕯🎂🕯🎉(我的第一块 PCB Art 作品图案取自这位老师的视频):https://www.bilibili.com/video/BV1ihNx61Ewq

    从零开始的二次元电路板艺术画设计教程:https://www.bilibili.com/video/BV1CQjz6ZELZ

    -END -

    如果您关注前端+AI 相关领域可以扫码进群交流

    添加小编微信进群😊

    关于奇舞团

    奇舞团是 360 集团最大的大前端团队,非常重视人才培养,有工程师、讲师、翻译官、业务接口人、团队 Leader 等多种发展方向供员工选择,并辅以提供相应的技术力、专业力、通用力、领导力等培训课程。奇舞团以开放和求贤的心态欢迎各种优秀人才关注和加入奇舞团。

    跳转微信打开

    •  
    ❌