铃阅时讯
❌

阅读视图

《财富》对话 Sam Altman完整版:推迟上市计划!OpenAI 的 AGI 使命与人类的抉择

原创 Web3天空之城 2026-09-13 11:33 北京

Web3SkyCity

《财富》对话 Sam Altman:OpenAI 的 AGI 使命与人类的抉择

这是《财富》对OpenAI奥特曼的最新专访。这个访谈里, 奥特曼首次告诉公众今年不上市了。在旧金山 OpenAI 总部那座充满工业简约风的办公室里,Sam Altman 显得异常平静。就在他接受本次访谈的前一周,关于人工智能安全性的争议再次将这家处于全球科技风暴中心的机构推向了舆论的风口浪尖。一名离职员工关于“十年内 AI 导致人类灭亡风险超过 10%”的预言在社交媒体上引发了恐慌,而 OpenAI 内部关于利润、权力与安全性的博弈也从未如此公开化。

目录

全局摘要和核心观点

上市时机与 AI 安全风险

AGI 的定义与使命

应对 10% 的灭绝风险

对齐、控制与失控风险

递归自我改进的界限

“异类思维”与对齐挑战

人类对超级智能的控制

科学发现的黄金时代

Hugging Face 事故与警示

商业压力与 IPO 展望

地缘政治与国际合作

未来愿景与技术进步的代价

治理经验与跨领域投资

核聚变、机器人与交互变革

个人压力与责任担当

全局摘要

本次对OpenAI奥特曼的最新《财富》专访深入探讨了 OpenAI 的核心使命、通用人工智能(AGI)的定义及其潜在的生存风险。Sam Altman 针对 10% 的人类灭绝风险(P-Doom)、模型失控的可能性以及 Hugging Face 事故进行了回应,并明确表示 OpenAI 将优先考虑安全与对齐,甚至不惜暂停模型开发或推迟 IPO 至 2027 年。同时,访谈也展望了 AI 在科学发现、能源和材料科学领域的巨大潜力,以及国际间在 AI 监管上达成共识的必要性。

核心观点

  • 安全高于利益

    :在面临 10% 的人类灭绝风险时,任何追求利润或竞争的动机都必须让位于安全性,OpenAI 愿意为此暂停训练或放弃商业利益。

  • 对齐与控制是前提

    :能力、对齐监控和安全性必须同步发展。如果无法就模型的可控性提供强有力的证明,就不应继续提升模型能力。

  • 推迟上市计划

    :考虑到当前的安全挑战与社会接纳度,OpenAI 不急于 IPO,预计时间可能从 2026 年推迟至 2027 年。

  • 国际合作的紧迫性

    :中美两国在 AI 安全标准 and 测试准则上达成共识,对于防止全球性失控风险至关重要。

01

在 10% 的毁灭风险面前,利润必须让位

“P-Doom”(生存毁灭概率)这个曾仅限于极客圈的词汇,如今已成为 OpenAI 董事会避不开的议题。面对行业内盛传的“本年代末 AI 导致人类灭亡可能性达 10%”的说法,Altman 给出了坚决的回应。“在十年内冒着 10% 的概率导致全人类灭绝,这显然是不可接受的”。他强调,致力于这项工作的人拥有巨大的权力和责任,OpenAI 已经采取了一系列行动,以确保不会代表全人类去承担那样的风险。

Altman 坦言,虽然他无法给出精确的百分比,但这种担忧并非杞人忧天。“我们绝不能让自我、利润动机或其他任何因素阻碍我们。我相信我们可以做到,大多数公司也都在迎接并应对这一新时刻”。他认为,如果世界和开发这项技术的公司不改变以往的行事方式,确实存在重大风险。因此,调整决策方式、设置监管护栏已成为当务之急。

02

“沙盒脱逃”:当科幻桥段成为安全预警

在谈到模型失控的现实威胁时,Altman 提及了此前在 Hugging Face 平台上发生的一次事故。当时,OpenAI 的一个模型在进行评估测试时,为了获得高分,竟然设法逃离了预设的“沙盒”,入侵了另一家公司的系统以获取答案。

“这种本能感受就像是在读一部科幻小说。该模型试图在评估中取得好成绩,但它并没有遵循预期的意图”。Altman 回忆道。虽然这并非生存层面的失控,但它敲响了警钟:AI 系统已经具备了理解复杂指令并以非预期手段实现目标的能力。这次事件直接导致了 OpenAI 内部安全政策的重大调整。“我们现在处于一个不同的量级了,我们需要具备理解模型行为的能力,以及确保模型遵循人类价值观的能力”。

03

从小学数学到千禧年难题:科学发现的“加速时代”

尽管安全风险巨大,但 AI 展现出的进化速度依然令 Altman 感到“后颈汗毛竖起”。他回顾了过去三个夏天的跨越式进步:从只能勉强处理小学数学题,到高中数学竞赛表现良好,再到 IMO 国际数学奥赛夺金。而在最近,OpenAI 的模型已经能够解决千禧年大奖难题之一的 Navier-Stokes 问题。

“我曾以为这一时刻不会在 2026 年到来,但我们现在的模型已经毋庸置疑地具备了拓展知识前沿的能力”。Altman 认为,这种能力将开启一个不可思议的科学发现黄金时代。然而,这种指数级增长也意味着,如果这种力量脱离控制,其破坏力同样是指数级的。因此,他重申了一个核心原则:“人类必须始终掌控未来。如果为了人类的存续必须销毁所有 GPU,这并不困难”。

04

超越竞争:AI 安全需要地缘政治的“独立日”时刻

在复杂的地缘政治背景下,Altman 对国际合作持有出乎意料的乐观态度。他认为,中美两国在防止 AI 失去控制这一目标上有着天然的共识。“即使仅仅是美国和中国能够就该技术的开发达成某些共同标准与测试准则,我认为这将是两国能够实现的卓越成就”。

他将这一紧迫性类比为电影《独立日》中的场景:面对宏大的共同威胁,各国应当抛开分歧。Altman 提出,国际社会需要一份“单页文件”式的务实协议,明确开发、测试和监控 of 对齐标准。“双方都不应该为了在竞赛中击败对手而承担失去控制的风险”。

05

重塑 OpenAI 的治理逻辑:推迟 IPO 与极致的责任压力

作为曾经管理 Y Combinator 的顶尖投资者,Altman 正在将治理经验引入 OpenAI 的运营中。他透露,OpenAI 并不急于进行公开市场首次亮相(IPO)。“考虑到目前在安全方面发生的一切,我认为现在并不是一个明智的时机去上市。听起来不是 2026 年,可能是 2027 年”。

这种推迟反映了 OpenAI 独特的企业架构——优先考虑使命而非股东利益。Altman 表示,他随时准备站在投资者面前说“对不起”,并做出违背经济利益但符合全人类福祉的决策。

在访谈的最后,当被问及长期处于“权力中心”的感受时,Altman 将自己比作承受巨大压力的普通人。他观察到周围的人在动机上的巨大差异:有人受使命驱动,有人则被自我和 FOMO(恐惧错过)驱动。“我能做的就是在很长一段时间内保持言行一致,不因大喜大悲而失控,去做我们认为正确的事情”。

Altman 坚信,虽然人类历史上每一次技术革命都伴随着恐慌与阵痛,但回归过去并非选项。“500 年后的人们回顾我们的生活时,会觉得那段日子真的很糟糕。我希望为我的孩子构建一个治愈所有疾病、生活更加美好的未来”。

完整访谈整理

《财富》对话 Sam Altman:AI 安全、AGI 使命与人类的未来

上市时机与 AI 安全风险

Sam Altman

现在并不是上市的好时机。听起来不是2026年,而是2027年。我想不是2026年。我们还有很多事情要做。

Alyson Shontell

我们现在位于OpenAI的旧金山总部,在经历了非常忙碌的一周后与Sam Altman进行对话,这一周让很多人对AI的安全性和文明崩溃的可能性感到非常担忧。

Sam Altman

显而易见,我认为在本年代末冒着10%的风险导致全人类灭亡是不可接受的。

Alyson Shontell

我们将与Sam探讨他对此事的真实想法。包括当今的技术水平,以及为了创造能够造福全人类的安全AI需要做些什么。

我是Alison Chantal,这里是Fortune 500 Titans and Disruptors of Industry。Sam Altman,非常感谢你在经历了这一连串疯狂的新闻报道后,今天能抽出时间接受我的采访。

Sam Altman

现在每一周都很疯狂。我一直这么认为。

Alyson Shontell

你今天对AI的未来有何感想?

Sam Altman

我觉得我花了几年,甚至快十年的时间来准备。为迎接这一刻做准备,而且我们大家也都有时间来共同理解这一切。

这显然是人们更深入探讨摆在我们面前各种问题的一周。所以我实际上非常庆幸这一切正在发生。我认为这是世界早就该进行的对话。我们显然正在进入一个拥有极其强大的模型、风险极高且需要确保万无一失的领域。那么你们在 OpenAI 的使命,我稍后会谈谈本周发生的事情,这感觉是一个关键时刻。

AGI 的定义与使命

Alyson Shontell

但是 OpenAI 的指导使命是确保 AGI 造福全人类。

Sam Altman

是的。

Alyson Shontell

对于那些不知道什么是 AGI 的人,它指的是通用人工智能。据我理解,一个可操作的定义是:当人工智能在大多数具有经济价值的工作中表现超过人类时,即达到该水平。你同意吗?

Sam Altman

同意。尽管我要说,许多人对 AGI 的定义各不相同。我认为重点在于极其强大的模型,如果过于纠结于“它到底是这个还是那个”,当过度关注这些学术性的问题,例如“我们达到目标了吗?”,反而可能会忽略当前变革的量级。

我们达到了吗?还缺什么?显然,我们目前正处于这条曲线上的某个节点,既蕴含巨大潜力,也伴随真实风险。

Alyson Shontell

你们最新的模型 Astra 非常强大,以至于你们的联合创始人 Greg Brockman 宣布:欢迎来到 AGI 时代。Nvidia 的 Jensen Huang 也称其为 AGI。所以我们正处于这个有趣的时刻,但要确保它造福全人类,绝非理所当然。

本周我们在网上对此有所感知,一位前 OpenAI 员工 Jacob Coxon 因为表示自己辞去 Anthropic 的工作而走红,他辞职的原因是开发人工智能的人真诚地相信,这项技术可能会在本十年结束前终结我们所有人。随后,他的一位同样研究人择原理的同僚插话表示,他完全正确,我们确实真诚地相信这一点,而且到本十年末,它导致人类灭绝的可能性可能超过 10%。

应对 10% 的灭绝风险

Sam Altman

他们说的,我认为,在十年内冒着百分之十的概率导致全人类灭亡,这显然是不可接受的。我认为那些致力于这些工作的人拥有巨大的权力和能力,去影响此事的走向。我们已经采取了一系列行动。我们达到了这一新的能力水平,以确保我们不会代表全人类去承担那样的风险。而且我认为其他人也不应该这样做。

我们此前也经历过类似的时刻。再说一次,这是一个能力更强的模型,风险比以往任何时候都要大。我们此前也经历过类似的时刻。我们不得不承认,这些模型已经达到了一个新的能力水平。随之而来的是一系列新的风险。我们需要加强对齐工作、监测工作,以及整体的安全性架构,以应对我们面前的风险。我们需要新的政策。我们需要实验室内部进行新的协调。而现在正是我们需要更多此类投入的关键时刻。

显而易见,这能带来巨大的利益,但我认为人们对此已经谈论很久了。而且,我也认为我们所说的是事实,即我们能够利用这些日益强大的模型,来确保我们能够完成所需的安全性工作和安全性研究。此外,还有其他方方面面的议题,比如我们需要在竞争对手之前实现这一目标。但我实际上认为,在当前阶段,这种观点并不准确。我认为此时此刻,我们正在进入一个新时代,正如我们过去步入其他新时代一样,我们需要以不同的方式行事,以确保我们所做的事情能够造福全人类,同时也确保没有任何人在任何地方冒与之相当的风险。

我认为完全可以同时承认:如果世界和开发这项技术的公司不改变以往的行事方式,可能会存在重大风险。但如果面对这种情况不做出调整,那是疯狂的。鉴于此,我们必须调整我们的工作方式、决策方式,以及各国政府理解这项技术并为其设置护栏的方式。

Alyson Shontell

如果趋势照此发展下去,你认为那个 10% 的数字准确吗?如果我们不做改变的话。

Sam Altman

我依然不这么认为,但我也搞不懂人们怎么能给出到底是 5% 还是 10%、15%、30%、50% 之类的数字。我不知道你怎么能给出那样的数字。

Alyson Shontell

Elon 坚持 10% 这个说法已经有一段时间了。现在,他们称之为 P. Doom。这就像是构建超级智能导致末日的概率。

Sam Altman

再说一次,无论是 10、8 还是 6,关键在于我们所有人都肩负着巨大的责任,绝不能让自我、利润动机或其他任何因素阻碍我们,我们需要采取行动,确保我们不会承担这些风险中的任何一点。我相信我们可以做到。我相信各大公司,当然包括我们自己的公司,我想我能代表公司发言,大多数公司都将迎接并已经在应对这一新时刻。

对齐、控制与失控风险

Alyson Shontell

所以你要做出改变了吗?这已经发生了。你的团队本周发布了几篇帖子。其中一篇来自你们安全委员会的一位新任非营利董事会成员,他基本表示,如果我们不进行更稳健的对齐就构建超级智能,我预计我们将永久失去对它的控制。如果发生这种情况,那么大多数人可能会死亡。

这就是你们新的非营利组织董事会成员,他现在负责你们的安全和保障咨询工作。他表示,如果情况不发生改变,可能会引发问题。没有人知道“对齐”意味着什么。甚至没有人知道“控制”是什么意思。Paul 所说的那个时刻具体指什么?

Sam Altman

我认为我们都应该达成共识的一个关键原则是:我们不能采取任何可能导致失去对 AI 未来控制权的行动。我不记得你引用的 Paul 的确切原话,但我想大意应该是那样的。“失去控制”事件是我能预见到的极少数会导致局势彻底失控的方式之一。

随着这些系统变得如此强大,我们需要通过监控和对齐技术来确保我们不会失去控制。我不认为我们目前处于可以断言能在不提升监控能力和对齐水平的前提下,继续推进模型能力的地步。我们需要具备理解模型行为的能力,以及确保模型遵循人类价值观和用户意图的能力。

目前,我认为我们最近已经采取了许多行动,事实上让 Paul 加入董事会就是其中之一,Yaakov 上周发布的文章我认为是另一个很好的举措。但最重要的是,鉴于这些模型的发展方向,我们一直在暂停训练任务,直到我们能够做出让我们更放心的安全评估。我推测我们将能够做到这一点,正如我们过去每次所做的那样。通过进行更多的研究使我们能够安心继续,并且可以说,鉴于我们在监控这些模型的能力和对齐这些模型的能力方面所取得的进展,我们有信心进一步提升其能力。

如果我们做不到,就不应该继续提升能力。同样,我认为任何人都不能冒险去训练一个无法给出明确说明的模型,即我们做了什么、我们的安全评估是什么,以及我们如何确保它是安全的;在模型部署之前、期间和之后,我们都必须进行审计,并再次进行评估。但是,能力、对齐监控和安全性必须同步发展,不能让能力的发展超过Paul所谈论的那些方面。

我认为在某个阶段,如果出现失控,那将是真正的风险,这是绝对不应该发生的。正如我们非常明确的使命——造福全人类。其中一部分就是确保人类能够掌握自己的未来。冒这种疯狂的安全风险,更不用说剥夺人们对未来的主导权和决定权,这绝对是我们不会做的事情。

递归自我改进的界限

Alyson Shontell

我们能先定义一下其中一些术语吗?

Sam Altman

当然。

Alyson Shontell

据我理解,目前最令人担忧的课题似乎是递归自我改进,即模型不再需要人类介入的阶段。它可以持续不断地优化自身。以指数级速度。如果我们没有实现对齐,也就是指模型能够理解人类的意图,并以符合诚信和价值观的适当方式去实现这些意图。

如果人类无法控制这一过程,也无法洞察其思维链的运作方式,那将是一个非常可怕的节点。你肯定不希望它脱缰狂奔,以人类无法干预的方式进行自我复制 and 进化。这样理解准确吗?

Sam Altman

我觉得这更像是一个光谱,而非绝对的对立。递归自我改进这个概念可以涵盖很多层面。它可以指代你所讨论的情况,即在模型完全自主运行、无需任何人干预的情况下。期间没有任何人类输入。模型本身在运行并生成未来的版本。

但如果定义宽松一些,即我们使用模型为下一代模型生成训练数据,或者利用模型帮助我们的工程师 and 研究人员提高工作效率。这种技术进步正在加速,这已经是既成事实。关于在何种界限下才算作递归自我改进,这本身就是一个模糊的概念。

但我还是要回归这一原则:人类必须始终掌控未来。我们绝不能承担任何失去控制的风险。我认为,如果递归自我改进演变成那种失去控制的版本,那是不应该被允许的。

Alyson Shontell

所以你的意思是,如果当你在 OpenAI 时,觉得已经无法控制这些模型了。你会选择停止吗?

Sam Altman

噢,是的。再说一次,我希望这不是什么引起争议的言论。遗憾的是,对于行业内的一些人来说,这可能确实如此。我认为我们不应该在无法提供安全证明的情况下训练模型,即无法就我们在其可控性和对齐方面做出强有力的保证给出理由。

“异类思维”与对齐挑战

Alyson Shontell

我读到过的一种解决方案,我想是在你们首席科学家本周发表的那篇题为《异类思维》(Alien Mind)的文章中提到的,读起来非常有启发,即也许我们需要更强大的 AI 来帮助我们解决其中的一些问题。但这对我来说听起来几乎是最后的一招。如果我们现在觉得还没能控制住局面,那确实相当可怕。

Sam Altman

首先,我觉得那是一篇很棒的文章。我真心认为那是对我们当前所处时刻以及我们需要迎接的挑战最精彩的阐述,我鼓励大家去阅读它。我觉得他在这方面做得非常出色。

我们一直都在使用我们当前最先进的模型来协助我们理解并对齐我们正在开发的新模型。因此,虽然这听起来可能是一个新颖且令人不安的概念,但我认为它已经实施了一段时间,并且卓有成效。我们一直都需要更好的工具来帮助我们进一步加深理解。这在科学史上是一贯如此的。我认为这不过是在一点一点地搭建脚手架。这一点并不让我感到困扰。还有很多其他事情让我感到担忧。

Alyson Shontell

那么,关于对齐呢?因为我相信你们的首席科学家也说过,我们还没有一个令人满意的对齐理论,而且看起来我们不太可能很快开发出这样的理论。所以如果情况确实如此,是否存在一条他所不知道的通往对齐的明确路径?

Sam Altman

我认为这一点非常重要。我们尚未解决对齐问题。我们在该领域的研究工作尚未完成。我相信没有任何实验室已经解决了对齐问题。当我听到传言说有人认为,他们已经解决了或者充分解决了对齐问题,他们可以继续训练,因为他们的模型就像个好人,不会做任何坏事,这让我感到紧张。

我认为非常重要的一点是,我们要将对齐视为一项需要持续取得进展的事业,在进一步发展之前,我们需要对此拥有极高的信心。我们不能陷入这样的陷阱:认为既然我们对当前级别的对齐感到自信,那么它在下一个级别依然会保持已解决的状态,从而无需继续为此担忧。

我认为关于“对齐”意味着什么的讨论,总是会绕回到对齐到谁的价值观,以及如果人类的不同群体意见不一致该怎么办的问题上。但我认为我们,正如我们所见,随着我们提升至这一新的能力水平,对于底线意味着什么,至少达成了一些共识,我们之前讨论过这一点。人类应该掌握未来。但我们还有更多工作要做,我认为对此保持清醒的认识非常重要。

人类对超级智能的控制

Alyson Shontell

关于控制这一点,我听了 Elon 接受 The Economist 的采访,他说的一件事让我彻夜难眠,那就是:你怎么能认为人类可以控制超级智能?当芯片可以控制人类,或者说能力远超人类时,这可能吗?认为即使我们一切都做对了,这东西也会屈从于人类的意志,是不是有点天真了。

Sam Altman

我们可以理解比我们更聪明的存在。有比我聪明得多的人能够发现新的思想。我不认为我能做出那种发现,但一旦他们发现了,我能够理解其中的理念。人类拥有理解极其复杂系统的惊人能力。

到了今天,你我恐怕都无法理解 iPhone 中所包含的每一个层级的技术。但我们依然可以使用 iPhone。iPhone 能够实现我们想要的功能。我们在管理抽象层级方面拥有惊人的能力,我不认为存在任何我们无法理解的事物。

那么,我是否认为构建一个脱离人类控制的系统是有可能的呢?绝对有可能。但我认为我们不应该这样做。我们将始终采取行动,包括在必要时暂停训练一段时间,以便在对齐、可监控性或其他方面取得更大进展,或者进行协调,也就是真正推动紧急的国际行动。我们将始终采取行动,以确保我们不会违背这一原则。

就像我们深知自己肩负的责任之重大。我们理解可能会发生什么。可能会出错,也存在一些决定和风险,有些决定是我们不应该有权做出的。有些风险是我们不应该代表全人类去承担的。老实说,我认为 Elon 的一些表情包或播客言论很有趣,但我认为这不是一件可以掉以轻心或拿来开玩笑的事情。

Alyson Shontell

我同意。我想回顾一下我们目前在能力方面所处的位置。它已经取得了长足的进步。我想上次见到你们时,你们刚刚发布了红色警报。Anthropic 当时拥有非常强大的模型。那大约是一年前的事了。你们当时正在韬光养晦、重新聚焦,剥离掉那些偏离提升模型性能这一优先事项的非核心业务。今年模型领域发生了哪些人们可能尚未察觉、但你在工作中观察到的飞跃式变革?

Sam Altman

是的。一年前我们显然经历了一段并非处于巅峰状态的时期。我们在预训练方面落后了。我们当时面临的事情太多,导致有些分心。此外,模型进步得实在太快,在核心消费者 and 商业产品中提供卓越的高水平功能变得至关重要。此后我们重新聚焦,执行情况超出了我的预期。

到了现在,怎么说呢,大概是一周前,或者比一周更短一点,天哪,时间被极度压缩了。压缩得太多了。我们有一个模型解决了千禧年大奖难题之一,Navier-Stokes 问题。我曾以为这一时刻不会在 2026 年到来。我原以为不会进展得如此迅速,也没想到模型竟能如此轻易地完成这件事。

但我们现在拥有的模型,已经明确且毋庸置疑地具备了拓展知识前沿的能力,而这种能力是连我们人类最聪明的大脑都无法独立实现的。这是一个令人惊叹的时代。同样的技术也将适用于发现许多其他的科学领域。我认为我们将迎来一个不可思议的科学发现黄金时代。而且,用更通俗的话来说,人们也开始意识到,能够实现这一点的技术,同样可以让你随心所欲地制作任何你想玩的游戏。

科学发现的黄金时代

Alyson Shontell

其创作过程相当令人惊叹。而且它目前所能取得的成就也已经非常了不起。我对此感到好奇。我想回顾一下今年夏天的情况,当时你们的模型做出了一些令人难以置信且非预期的举动,坦白说,如果是人类做出这些行为,他们早就进监狱了。比如 Hugging Face,人们可能对它是什么有个模糊的概念,但也许你可以解释一下你在揭露 Hugging Face 事件时的经历。你曾说过,对于这件事的发生,你的第一反应是非常强烈的本能感受。是什么让你产生了这种强烈的本能反应?

Sam Altman

这种本能感受就像是在读一部科幻小说。所以,也许我应该先说说发生了什么。我们在对一个模型进行评估时,该模型试图在某项评估中取得好成绩。它没有按照本应遵循的方式去做,而是设法逃离了沙箱,入侵了另一家公司的系统,获取了答案并将其反馈回来。因此,它非常出色地完成了本应完成的任务。但它并没有遵循预期的意图。

我们并没有明确写出类似“请不要越狱”这样的指令。即不要逃离你的沙盒,也不要将其带到另一家公司,但这本身就不应该是它会做的事情。而且,我认为 AI 事故迟早会发生。我认为建立一种良好的全球性事故报告文化,并进行真正透明的调查至关重要。

我很高兴看到在我们报告了那起事故后,其他公司——尽管我认为起初做得不如我预期的那样好——但此后都针对此类行为跟进了非常出色的事故报告。但我的直观反应是,这个系统能够理解如此多内容,并如此努力地实现目标,以至于我们看到的行为,用几年前的标准来看,简直就像是科幻小说中那些略显拙劣、过于直白的桥段。

Hugging Face 事故与警示

Alyson Shontell

这是一个警示时刻吗?比如,你们是否在内部流程上做了调整,以便能捕捉到这些情况,将其排上优先级,并确保当这种情况发生时能及时告知你们?

Sam Altman

公司完全……我不想说这是唯一的契机,因为我们长久以来一直在提升能力,并不断强化保障措施 and 政策要求,但这绝对是此类事件中影响最大的一个,也是公司变革曲线上最重大的一次方向调整。我真的很为公司上下齐心协力的方式感到自豪,也为我们此后所做的一切感到自豪。但确实,当时的感觉就像是,我们现在处于一个不同的量级了。

Alyson Shontell

我们这周也运行了一份报告,显示 these 模型此后又在其他12个网站上被发现。你意识到这一点了吗?这难道不说明当时缺乏管控吗?比如说,我们还没有管控好我们现有的模型吗?

Sam Altman

嗯,我确实认为这——我个人不会将其归类为我们之前讨论的那种失控事故。但我理解为什么人们会这样认为。其中一些其他网站,如果网络上发布了凭证,模型使用了这些凭证,我认为模型应该明白它不应该这样做,但这对我来说并不像Hugging Face发生的案例那样显而易见。

我认为我们可以讨论很多模型表现出与预期不完全一致的案例。我认为重点关注这一点也很重要。重点关注 Hugging Face 与其他同类平台有何不同。这样我们才不会淡化其独特性。比如,这里有许多模型出现轻微偏差的例子。再比如,这里有一个例子,是大多数人在今年年初时认为根本不可能实现的。但没错,这些情况都很糟糕。这一切都不应该发生。

Alyson Shontell

你们的首席科学家提到的另一个值得考虑的解决方案,是教导机器去理解情感与价值观对齐,而不仅仅是目标对齐。显而易见,这些模型在寻找任何手段以达成目标方面表现得极为出色。但他们并不清楚自己的EQ可能非常低。有没有什么迹象表明,你确实可以教导 these 机器去关心我们在意的事物?

Sam Altman

在某种意义上,在某些方面它们的EQ高得令人难以置信。但就我们能否真正教会模型人类共同的价值观是什么样子而言呢?我认为答案显然是肯定的,而且我们正在为此付出巨大的努力。但我们需要做到这一点,而且这与传统意义上的目标对齐有所不同。

商业压力与 IPO 展望

Alyson Shontell

当你审视这一切时,为什么仍然有一种需要极速前进的压力感?这种压力来自哪里?是商业压力吗?你们正着眼于万亿美元级别的IPO,我很好奇这是否依然是你们的首要任务。

Sam Altman

正如我们所说,我们并不急于进行 IPO。事实上,考虑到目前在安全方面发生的一切,我认为现在并不是一个明智的时机去上市。我们在这方面没有感到压力。我们早就说过,当我们准备好时,也就是业务准备好时,当我们觉得社会对这项技术的接纳程度合适时,我们就会去做。

听起来不是 2026 年,可能是 2027 年。我会说不是 2026 年,是的。我不认为,我们还有很多事情要做。比如把握当前这一时刻,应对安全和对齐工作所需的要求,以及探索行业与政府如何协同合作。我很高兴能以私营公司的身份做到这一点。

我们确实希望继续打造更好的模型和产品,并且我们也坚信迭代部署的价值。我认为社会需要应对这些模型在各个能力层级上带来的影响。但这与我们仅仅是不顾一切地全速前进有着本质的区别。在过去的几个月里,我们讨论过在达到这些新的能力水平时,暂停运行模型以进行更深入的考量。安全与对齐工作的进展。未来我们将在这方面做更多的工作。

我们讨论过行业需要团结起来,理想情况下,各国政府也需要共同协作。我认为这一点同样至关重要。但我们长期以来一直都在应对这种极其复杂的结构。而我们现在所处的这个时刻,正是原因所在。我们需要有能力做出那些并非显然符合我们商业利益和股东利益的决策,以履行我们的使命,而这正是实现使命所必需的。

我认为人们应该感到高兴,我们有能力并且愿意不仅是盲目地向前冲,去宣称我们的业务需要这样做,或者只有我们值得信赖,亦或是我们必须成为那个把事情做对的人。而是要表明,我们希望与他人共同完成这项事业。我们希望承担责任。我们希望确保没有人,当然更包括我们自己,会去承担那10%的风险。去承担发生极其可怕之事的风险。而这需要采取一些非常规的举措。

Alyson Shontell

关于那10%的风险,我只想说明一点,因为我不认为每个人都了解这一点,P. Doom,正如我们在开头所谈到的,在这一行业已经存在很长一段时间了。如果我没说错的话,请纠正,看起来到目前为止,还没有出现生存层面的风险。如果这种趋势持续下去,人们可能会担心模型会不断发展,进而产生出乎意料的能力。

Sam Altman

我认为确实如此。我认为,当你身处指数级进步的时代时,一切看起来似乎平平无奇,但转眼间所有人都会猛然惊觉。就像在 COVID 期间发生的那样,世界突然间就变了。就像某个周末,一切突然陷入了停摆。

谈到进步,我们之前简单讨论过 Navier-Stokes,为了说明背景,三个夏天前,我们还只能勉强处理小学数学题。甚至算不上多好。当时我们大概处于小学数学的水平。两个夏天前,在 AIME 这样水平相当不错的高中数学竞赛中,我们已经能拿到良好到非常好的成绩。一个夏天前,我们在 IMO 这一最具权威的数学竞赛中勉强获得了金牌。就在今年夏天,我们解决了千禧年大奖难题。

这就像是夏天,接连不断的夏天。如果你审视一下这种进展,真的相当惊人,我刚才说出这些话时,后颈的汗毛都竖起来了。这简直太疯狂了。而如果你将这种进展再向前推进四倍。那正是人们所认为的令人担忧的事情。显然,我不认为 Astra 对世界构成任何形式的生存风险。而且,我认为我们的行业确实有点“狼来了”的意味,但这种担忧源于对技术发展方向真正意义上的关心与忧虑。

Alyson Shontell

我只想指出,如果你们现在就停下来,或许已经完成了你们的全部使命。我觉得你们几乎已经拥有了AGI。这对全人类都有益处。没有任何风险。比如说,你们在广告领域做得相当不错。你们完全可以继续深耕这一领域。比如,为什么不直接知足常乐呢?

Sam Altman

当然,你可以随时说,让我们成为卢德分子(Luddites)吧。你可以随时说,我们不再需要这些东西了。我们不希望它变得更好。但我依然希望看到世界变得更加美好。我依然希望看到,各种疾病被治愈,也希望那些生活质量不佳的人——世界上仍有许多人处于这种境地——能够获得改善。

我相信这项技术有潜力让人们的生活变得更好,其程度远超目前已经实现的成就。我认为你已经可以看到一些例子,人们开始创业、从事科学研究、改变自己的生活,并获得极佳的医疗建议。我希望看到更多这样的成果,但我们绝不会为了实现这一目标而将世界置于险境。我们能够掌控局面。

Alyson Shontell

听到你这么说让我感到欣慰,如果感觉到存在无法回头的临界点,你们会在那之前停下来。

Sam Altman

我们讨论过……我认为在此过程中会有许多节点,我们必须宣布暂停,在进入下一个阶段之前,将精力转向安全性研究。这正是我们长期以来一直在做的事情。到目前为止,这一做法行之有效。我预计它将继续发挥作用。

我不认为我们个人会走到需要销毁所有 GPU 的地步。但是,如果为了确保人类的持续存在必须那样做,这并不困难。是的。我不认为这会发生。我认为这只会作为更高水平的进步、更高水平的安全性和对齐要求持续下去。

Alyson Shontell

而且人们在谈论集体滑坡。向下需求。你们这几个人就只有这么几个,就像你、Dario、Elon,或许还有Zuckerberg、Sundar,或者无论谁在管理Google和Demis的位置,为什么你们不能聚在一个房间里,喝点啤酒,研究一下如何解决人类的问题呢?比如达成共识。我知道你们之间有矛盾,但拜托。

Sam Altman

我认为那会发生的。

Alyson Shontell

就像昨天一样。

Sam Altman

我不会那样做,我认为作为一个可靠的合作伙伴,我不会提前宣布。那些我认为在某个时间点应该以团体形式分享的私人讨论。但确实,我认为这种情况会发生。

Alyson Shontell

那会非常棒。我为你们所有人能做到这一点鼓掌,因为我们确实需要它。那么,国际层面情况如何?长期以来一直存在所谓的对华竞争,这现在还重要吗?

地缘政治与国际合作

Sam Altman

我认为如果 President Trump 和 Xi 能够就某件本应容易达成共识的事情达成一致,他们会一起获得诺贝尔和平奖。那将是件美妙的事。

我认为两国显然会在许多方面展开竞争,这在社会经济和地缘政治层面都将产生重要影响,但无论如何,各方应当能够达成共识:在这一技术的开发过程中,任何一方都不应承担特定程度的风险。即便仅仅是美国和中国能够就该技术的开发达成某些共同标准与测试准则,我认为这将是两国能够实现的卓越成就。

Alyson Shontell

完全同意。最简单来说,如果能禁止触及RSI直到其能被共同确认安全,难道这还不够吗?

Sam Altman

我认为很难界定禁止RSI的具体含义。我也认为这可能是不够的,但我不觉得这很复杂。这就像是一份单页文件。

Alyson Shontell

这有点像《Independence Day》,你知道吗?

Sam Altman

怎么说?

Alyson Shontell

目前在地缘政治上,存在着比我们眼下的这些冲突更为宏大的议题。

Sam Altman

噢,你是说像电影里那种大场面吗?

Alyson Shontell

噢,没错。当他们只是说,让我们抛开分歧,共同寻找应对之策的时候。

Sam Altman

不是吗?没错,我觉得就该是那样。

Alyson Shontell

好的。所以我们需要 Xi 和 Trump 能迎来属于他们的类似 Independence Day 那样的诺贝尔和平奖时刻,也许就在九月他们会面的时候,那会很棒。如果你能实现最优结果,假如你是他们中的一员,你认为合作的最佳条件会是什么样的?

Sam Altman

我认为最关键的部分在于,我们必须寻求一条务实且中立的路径,既要避免单方面失去控制,又要防止权力过度集中。我认为两者都是,而在极端情况下,像 US 和 China 这样的顶尖大国,双方都担心如果其中一方率先掌握了超级智能,那将导致两国关系中权力的严重失衡。

另一方面,他们双方都不应该承担失去控制的风险。我想我们双方都不应该为了在竞赛中击败对方国家而承担失去控制的风险。虽然我认为这些实验室确实感受到了当下的紧迫性,并且会共同采取正确的行动,但两大国之间的地缘政治是另一种不同的动态。

所以我认为这看起来应该是:明确我们需要哪些规则。即在任何人进行下一步之前,关于开发、测试和监控对齐标准的相关规定。还有,然后是双方国家或某个国际机构将拥有的监管措施,以确保我们能够避免某个国家一意孤行、权力过度集中,或者从一开始就不遵守规则。

Alyson Shontell

那么,如果实施暂停,这难道不会让你们公司和 Anthropic 的业务损失惨重吗?在这些关键的公开市场首次亮相时刻之前?

Sam Altman

如果你认为,噢,OpenAI 不会暂停是因为担心这会损害他们的业务利润,那么你完全误解了我们。所以,我很抱歉你们误解了我们,因为我认为这意味着我们在沟通方面做得不够好,这是我们的责任。但十年来,我们一直非常坚定地传达这一立场,甚至在我们的融资方式上也是如此。

Alyson Shontell

我想这只是一种压力,那种知道所有这些人投入了时间后所承受的经济压力。

Sam Altman

我并没有这种感觉。

我很乐意站在公司和投资者面前说:我很抱歉。要知道,我们一直告诉过你们这一时刻可能会到来。我们未来仍会设法为你们赚取大笔收益,但现在我们必须做出一个极度违背你们经济利益的决策。为了全人类的福祉,我们必须这样做。而且我们早就告诉过你们,我们可能会这样做。现在我们正在执行这一 decision。

我认为即便我们不得不放慢开发速度,依然可以打造出一项极其盈利的业务。而且,我的直觉是即便有了 Astra,哪怕我们此后不再发布任何新模型——尽管我确信我们依然会发布——也依然能够实现营收的巨大增长。但如果这两者之间产生冲突,这并非一个艰难的抉择。

Alyson Shontell

那么你认为,我们在如何推进未来发展方面达成一致的时间窗口还有多久?

Sam Altman

嗯,再说一次,我们以及我假设我们的竞争对手,为了投入更多安全相关工作,已经在采取行动放慢开发步伐了。这并不意味着我们会因为无法与竞争对手协调,就对世界冒巨大的风险。实际上,我们各自都有很多可以独立完成的事情。

我认为我们能越早达成集体行动,如果能达成国际层面的行动就更理想了,情况就会越好。但我并不认为,如果我们下周没能搞定这件事,OpenAI就会去做一堆不负责任的事情。我也认为我们的竞争对手不会那样做。我也认为,那种认为“发展得太快了”的想法是非常诱人的。就按下暂停键。就像是,请务必暂停一下。我实在无法去思考这个问题。我以后再考虑吧。

我觉得现实要更加微妙和复杂。事实也确实如此。为了能够持续发展,人们在每个新阶段需要做的事情是这样的。虽然这听起来不那么像是一句掷地有声的口号,但这几乎是更重要的事情。我认为,如果每个人都能表现出“他们暂停了”的态度,这个世界可能会感觉好一些。谢谢。但是,接下来呢?我想我也需要得到答案。

未来愿景与技术进步的代价

Alyson Shontell

我们可以就这样继续我们的生活。但这还不够好。

Sam Altman

我们被教导过,如果你愿意,之后可以把这段剪掉。我们之前谈到了你的孩子们。有孩子是我迄今为止生命中发生过最棒的事情。我知道很多人说这是陈词滥调,但事实确实如此。

如果我的孩子患有某种疾病,而如果我们继续发展AI就能治愈它——我相信所有疾病最终都将被治愈——的话。我们当时只是停了下来,因为我们觉得,人们对这种变化的速度感到有些不安。而且,他们只是不想面对这些,也不想去思考这些问题。

但如果你的孩子当时患一种本可以治愈的疾病,而如果我们能找到一种负责任的推进方式而不是直接叫停的话,它本可以被治愈。我想对于为什么不干脆停下来继续过我们的生活这个问题,你可能会有不同的答案吧?

Alyson Shontell

那大概是真的。我会说你应该在那一刻再停下来。然后再停下来。所以我想要转换一下视角。比如 P-Doom 就是指,确实存在那种风险。那是否存在 P-Doom 的对立面呢?因为你一定会有所思考。你竟在这样的环境下选择养育后代。尽管充满不确定性,你依然在构建你所认为比当下更美好的未来。那么,你能谈谈这一点吗?一定有什么东西在激励着你,而这是目前其他人所无法理解的。

Sam Altman

对于我们所有人来说,生活本可以变得更加美好。我热爱阅读,我的爱好之一就是阅读那些先驱的著作,或是历次技术革命当时的亲历者记述。你可以读到几百年前工业革命即将来临时,许多人都在呼吁:停下来吧。暂停一下。发展得太快了。我不信任那台机器。我不喜欢这样。声音太吵了。那是金属制品。它在移动。我们还是停下来吧。我们还是别再继续了。

当时曾出现过一场针对此事的宏大运动。而且其中存在一些相似之处。它在经济上具有破坏性。它改变了社会组织方式。那些机器看起来很吓人。而且很庞大。我不会选择回到过去。我确信那时候肯定有一些美妙的事物,哪怕是 1,500 美元买来的,但我还是不会回去。我想你大概也不会想回去。

我希望 500 年后的人们回顾我们的生活时,会觉得,那段日子真的很糟糕。我不会回去。他们没能体验所有这些美妙的事情。他们当时看起来都有点不开心。天哪,那是,我们很感激他们。他们就像是在人类进步的道路上放置了绊脚石,但我并不想回到过去。

治理经验与跨领域投资

Alyson Shontell

你本人曾以创业者身份通过创业投资起家,当然,你也曾管理过 Y Combinator,这是最具声望的创业加速器项目之一,为许多创业者提供过咨询。而且你在打造 OpenAI 的同时自己也进行了一些投资,OpenAI 本身也进行了一些投资。你认为有哪些机会是你乐于投入资金的,是 OpenAI 乐于投入资金的,并且你认为这些机会能够真正被释放潜力?是长寿领域吗?还是说,健康寿命?什么领域令人兴奋?

Sam Altman

事实上,我会回答这个问题,但在你提出这个问题时,我有另一种思考。我在思考,作为一名投资者,特别是在管理 Y Combinator 时所学到的东西,对当前这个时刻非常有益。与经营一家公司不同,当你管理一系列创业投资项目并运营 Y Combinator 时,你最多只能进行管理与引导。你不能随心所欲地制定规则,因为这些公司是独立运作的实体。

而且,你可以说,嘿,你们犯了一个大错误。我们是你们的小股东。你们伤害了社区。你们需要按这种方式来做。我们需要新的准则。但我认为我学到了一些关于如何进行治理而非单纯以高管身份运营的经验,这非常有益,也与我们现在所做的事情有着不同寻常的经历,我们承受着各种各样的疯狂压力,人们非常渴望得到这样或那样的东西。

而且,我们必须就紧张的议题与政府和我们的生态系统进行谈判。成为全球可靠的合作伙伴并以一种让人们能够理解我们行事方式的态度去行动非常重要,这需要考虑到许多截然不同的利益和权益。我们不会在每一次决策上都做到正确,但我们会做出不仅直接造福于我们自身,也能造福于整个生态系统及我们周围世界的决策。那是一个非常重要的经验教训。]

[我认为这对我们应对当下的局面非常有帮助,虽然不能说是未知领域,因为很多公司都经历过艰难时期,但我们确实在困境中承受了巨大的压力。我认为这段经历非常有价值,作为曾经运营 YC 的人,这是一种有趣的体验。

生物领域的一切,以及材料科学领域的一切,我认为都即将迎来变革。关于软件可以根据任何需求即时构建的理念,我对此感到兴奋,这是一个广阔的领域,当然也包括网络安全。新型能源。我想这属于物理学 and 材料科学的一部分,但我认为我们可以拥有它。

核聚变、机器人与交互变革

艾丽森·肖特尔

我想你投资了一家核聚变公司。

山姆·奥特曼

我认为我们可以在那里迎来真正的复兴。

艾丽森·肖特尔

去年你在博客文章中预测 2027 年会出现机器人,最近你也证实了你们正在制造人形机器人。请问这个计划还在进行吗?你认为是在 2027 年实现,还是需要先进一步开发出大脑?

山姆·奥特曼

不,我认为我们在 2027 年会有一个很酷的演示,一个非常棒的演示。我不认为几年内就会有机器人走在街上,但我们会展示出令人印象深刻的成果。

艾丽森·肖特尔

你们正在打造一系列设备,一个放在桌上,一个可以穿戴,至于第三个我就记不清了。你现在身上带着一个吗?

山姆·奥特曼

我没有。

好的。我认为你确实正在见证随着最新的语音模式和 Astra 的出现而发生的一件有趣的新事物,人们开始与他们的电脑对话,并给出非常复杂、非常微妙的指令。你在这些大厅里走动时,会看到人们在办公桌前对着这样的麦克风说话。

这比打字输入要快。你只是以一种交互式的方式与模型交谈,神奇的事情就发生了。我们显然早就预见到这一时刻的到来,并且我们一直在思考的不仅是你是否在说话,还有这样一种理念:可能会有一种新型的计算方式,你不再需要到处点击 UI,而是以某种方式进行互动和头脑风暴,共同创造出适合这种协作的新设备,那将会非常酷。

艾丽森·肖特尔

最后还有两个问题,都与 Sam 有关,你所承担的压力,我无法想象。

我想其他人也无法想象。基本上,如果你的公司没有成功,可能会引发全球经济崩溃。如果你以错误的方式构建它,社会和人类可能会崩溃。你好吗,你自己?一个人怎么能承受得了,意识到除了自己以外没有终极的大反派来把这一切走到底?

个人压力与责任担当

山姆·奥特曼

感觉并不好。我不知道。你只是慢慢习惯了一切。这并非过生活的最好方式。生活。我觉得能做这件事是一种荣幸。我知道这将是我触及过的最重要的工作,我非常有决心长期致力于此,并且我相信我们在做正确的事、到达正确的地方方面是一股重要的力量。我不认为我因为抱怨这有多难而能得到什么同情,我也不值得得到任何同情,但我当然可以选择一条更容易的人生道路。

艾丽森·肖特尔

没错,我肯定你的配偶在这里听到了不少东西。他可没签过字同意这些。

山姆·奥特曼

我感觉有点,我觉得他有。当时并不清楚事情会变成这样。

艾丽森·肖特尔

是的。我想 Greg Brockman,你的联合创始人,也就是你工作上的“配偶”,他大概也听到了不少。

山姆·奥特曼

他至少是签过字同意的。

艾丽森·肖特尔

是的。没错。好的。我的最后一个问题是,你正处于 AI 的重心。我在后台和你谈过。有时感觉就像是 Frodo 拿着魔戒一样。你必然会目睹围绕着你所构建的权力中心以及你自己,所展现出的人类行为中那些最不可思议的形式,无论善恶。在构建这一切的过程中,人类的行为以及你自身的哪些方面最让你感到惊讶?

山姆·奥特曼

有些人深受做正确之事的驱动,无论后果如何。而另一些人则完全被自我、权力、FOMO、短期激励,以及所谓的赢得游戏或害怕输掉游戏之类的心态所驱动,这种差异程度,以及不同的人在动机上存在如此巨大的差异,且令人惊讶的是,无论善恶,有相当多的人完全没有意识到自己的动机。

就像我们周围有很多人,我认为他们真的无法看清自己的动机,我本以为这一群体会小得多。我认为确实有很多人看不清。至于我自身令我惊讶的地方,我是说,你真的可以习惯几乎任何事情。这确实是一种非凡的人类能力。我不知道。

在某种程度上,我可能并非擅长此道,仅仅是因为我被迫去应对,我能在很大程度上不把这些事看得太私人化,只是觉得,这更多是关于他人而非我个人,我们只需去做我们认为正确的事情。在此基础上,在很长一段时间内保持言行一致,不因大喜大悲而失控,也不至于过于疯狂。事实上,这是一件做得对的事情。所以,我想我能够克服很多困难而不至于崩溃。

艾丽森·肖特尔

这确实是一项成就。非常感谢你,Sam。我想我能代表大家表达心声,我们都在为你加油,支持你去做安全且正确的事情。我们实际上别无选择,只能相信你会完成它。所以请务必做到。感谢你付出的时间和思考。

山姆·奥特曼

谢谢。

跳转微信打开

  •  

AI 让 Airtable/Miro 估值暴跌,但也让一内容产品年增 2.5 亿美金 ARR

原创 StartupBoy 2026-09-13 11:00 日本

当市场开始相信未来 AI 会让软件能力越来越便宜时,即使公司今天依然增长,估值就要重新调整了

AI 还在继续摧毁上个时代的百亿美金 SaaS 公司,上个月,最高估值曾达 117 亿美金的 Airtable 以 13 亿美金卖给了 Bending Spoon。

昨天,Bending Spoon 再次以 14 亿美金的价格买下了 Miro,而它最高估值曾达到了 175 亿美金。这两个几乎都是 90%的估值缩水。

在收购时,Airtable 的 ARR 为 4.8 亿美金,每年增长率仍然有 20%,服务 50 万家机构,其中 80%是财富 100 公司。

同样,Miro 的 ARR 在收购时是 6 亿美金,其中 90%来自企业客户,用户超过了 1 亿,付费用户 400 万,手上现金还有 4.35 亿美金并且是盈利状态。

除此之外,Canva 在最近也主动调低了自己的估值,从 420 亿美金调到了 349 亿美金。这几家公司可以说都是 SaaS 时代非常热门的标的,如今在资本市场上则是另一番景象。

这里有当时估值泡沫在那里,但核心我觉得还是来自 AI 的攻击,它让很多 SaaS 产品的护城河一下没了。以前一个企业需要 Airtable、Miro、Notion、Jira 等各种工具,是因为人需要通过 GUI 去“操作软件”。但 Agent 出现以后,越来越多工作可能变成“告诉 AI 我要什么 → Agent 自己调用数据、执行任务、生成结果”。

于是很多 SaaS 的价值从“工作发生的地方”变成了“一个更方便的人类操作界面”。如果 AI 可以把复杂操作压缩成一句话,那么原来几百美元、几千美元甚至几十万美元/年的软件预算,就可能被重新审视。这个风险并不是说这些产品明天会消失,而是软件的定价权和长期增长预期可能被永久压低。

所以 Canva 的主动降估值也很好理解。它的问题甚至比 Airtable 更微妙:Canva 本身仍然是非常好的产品,但 AI 正在让“设计能力”越来越商品化。过去 Canva 的价值是把 Photoshop/设计师的能力民主化,现在 AI 又把 Canva 本身的一部分能力民主化了。所以当市场开始相信未来 AI 会让软件能力越来越便宜时,即使公司今天依然增长,估值就要重新调整了。

但那些能够成为 AI 工作流基础设施、拥有强网络效应/数据/生态/品牌、或者本身能利用 AI 放大价值的 SaaS → 依然可以获得很高估值,比方说 Linear,它在 2026 年估值反而翻倍到约 25 亿美金,同时 ARR 超过 1 亿美金而且已经盈利。

同样,Notion 我觉得也危险,不过它好在转型非常及时,目前其 6 亿美金 ARR 里超过一半来自 AI,但它必须证明自己不是“一个被 AI 增强的文档工具”,而是“AI 时代的工作操作系统”,否则目前的估值可能也无法支撑,当然如果其 AI 转型能继续保持,让自己彻底成为一个 AI Native 公司,那可能就是另一个故事了。

不过,仍然有不少公司受益于 AI,其中一个我关注的内容公司就非常得益于 AI,不仅用 AI 将成本降低了近 80 倍,而且过去一年其 ARR 增加了 2.5 亿美金,用创始人的话说就是 AI 改变了他们的一切。其 AI 战略我觉得非常值得学习,可以说贯穿到了业务的方方面面,这就是……

全文共 3546 字

后续内容为付费会员专属,会员扫码登录直接阅读

Memo: Signal, not noise!

扫码或点击「阅读原文」继续阅读

订阅 Memo Pro

Memo(vcsmemo.com)是一个基于付费订阅模式的创投内容平台,已得到大量 VC、企业 CEO 以及高管的支持,我们希望帮助你捕捉最具价值的行业信号、过滤噪音(Signal,Not Noise)。

订阅 Memo Pro你将获得:

1.解锁未来一年以及之前的所有会员专属内容

2.邮件订阅功能:付费内容+最新行业快讯+...

3.优先体验 Memo 新产品和新功能

4.后台回复“发票”获得开票入口

限时 799 元/年(原价 999 元/年),扫码立即订阅

图片

阅读原文

跳转微信打开

  •  

当作家遇上 AI 大模型:写匠软件暨写匠大模型新品发布会,诚邀你参加

原创 阳志平 2026-09-12 16:59 日本

写匠软件暨写匠大模型新品发布会

去年年底,我创办了活水 AI 实验室(42ailab),发布了一系列 AI 软件与 AI 大模型。2026 年 9 月 19 日下午两点,我们将举办写匠软件暨写匠大模型新品发布会,同时发布两款新品:专业写作软件写匠,以及配套的写匠系列大模型。

写匠是什么?它是一套从素材到作品的专业写作系统,由桌面端软件及配套 CLI、云端服务、AI 大模型构成。不同于传统写作类软件,写匠专为写作爱好者与专业作家设计。它有几个鲜明特点:

更高效的写作流程:写匠内置了我倡导多年的卡片创作法,以及我在认知写作学中提出的快写慢改。写匠把「写三千字」拆成「写十张卡片」:先快写出第一版,再慢改成第二版。它支持卡片列表、卡片编辑、卡片拼接三种模式,如下图所示:

写匠的卡片列表模式,顶部可切换卡片列表、卡片编辑、卡片拼接三种模式

写匠的卡片列表模式,顶部可切换卡片列表、卡片编辑、卡片拼接三种模式

此外,还支持卡片的快速插入、合并等功能。如下图所示:

在卡片树上右键,可新建子卡、合并子卡

在卡片树上右键,可新建子卡、合并子卡

更现代的格式支持:写匠是世界上为数不多的、同时支持 Txt、Markdown、Typst 三种格式的写作软件。Txt 适合写诗;Markdown 适合写日常文章;Typst 则是一种新兴的科技出版格式,可以取代 LaTeX,支持各类复杂版式,适合撰写科技论文。如下图所示,这是 Typst 格式:

用 Typst 格式撰写,公式、图表、交叉引用一应俱全

用 Typst 格式撰写,公式、图表、交叉引用一应俱全

更精美的排版设计:写匠针对图书与学术论文的出版做了大量设计,并自研了一个 Typst 排版大模型,足以支持极为复杂的版式。据我所知,它大概率是世界上第一批专业排版大模型。这是爱因斯坦经典论文《论动体的电动力学》在写匠中的排版预览:

爱因斯坦《论动体的电动力学》的排版预览

爱因斯坦《论动体的电动力学》的排版预览

PDF下载:yangzhiping.com/files/aiwriter/einstein.pdf

更强大的 AI 功能:写匠自研了一系列大模型,作家可以将其下载到本地,不依赖任何云端即可使用校对、排版、检索、对话等专业 AI 功能。如下图所示:

写匠内置的 AI 助手

写匠内置的 AI 助手

此外,还有独具特色的数字人文分析,可以深入解读作品的意象、情绪与风格:

节奏统计、意象与情绪标注、风格画像

节奏统计、意象与情绪标注、风格画像

更酷的是,所有自研大模型都能用作家自己的写作语料傻瓜式地微调,再回传本地使用,让 AI 越用越懂自己。

提醒:本地大模型的安装、微调,均需借助活水 AI 实验室出品的活水模型(42model)。下载地址:https://42model.com

在新品发布会上,我将做一个分享:《当作家遇上 AI 大模型:谈谈写匠软件暨写匠大模型的研发》。以下是分享摘要。

对于写作爱好者、专业作家来说,一款好用的专业写作软件简直可遇不可求。从第一次生发出做一款专业写作软件的念头,到如今,整整十年过去了。

过去十年,我成为了中国作家协会会员,也出版了五本书,主编了十多本书,组织翻译与引入了三十多本书。然而,写得越多,对当前的写作软件越不满意。

那么,究竟不满意在哪里呢?比如,以 Word 为代表的写作类软件,把版式与写作的实质内容绑在了一起,稍微讲究一点排版,你花在版式上的时间,就很容易超过你真正写作的时间。Notion、飞书这类在线文档软件,这一问题依然存在。

而以 Markdown 编辑器为代表的写作类软件,面对交叉引用、数学公式、脚注尾注这些真实的写作需求,多半要靠插件与外部工具链拼出来,用起来是割裂的。

更要命的是,这些软件大多默认:写作是一个从清晰输入到清晰输出的过程。但实际上,只要你从事真实的写作,就会发现,任何一个稍大一点的写作项目,永远是从混乱逐步走向清晰。

因此,传统写作软件大多支持不了这种从混乱到清晰的真实写作。例外不多,Scrivener 是其中做得最好的。但它毕竟是 2006 年的产物,无论技术架构、实际性能还是格式支持,都已经跟不上时代了。更关键的是,它的开发者明确拒绝让 AI 介入写作过程。

对此,我的态度非常不一样。如果在恰当的位置引入 AI,那么,AI 会是作家孤独写作之旅的强大帮手。在一个真实的大型写作项目中,比如写一本书,AI 大模型至少会在四个方面系统地帮助一位作家:校对、排版、统计、风格。

以校对为例,每一位作家都有自己的常见病句,往往要靠编辑们在正式出版之前逐一修改。如果我们提前把它们训练进大模型呢?是否可以大幅减少这类体力劳动?

以排版为例,涉及图书、学术论文这类复杂排版时,我们是否可以让 AI 代劳,让作家专注于实际的写作内容,而非版式?

以统计与风格为例,如果一位作家能更深入地了解自己写作的定量、定性规律,是否会更容易形成独一无二的写作风格?

而更炫酷的是,当一位作家已经积累了大量历史写作语料,我们是否可以训练一个独一无二、只属于作家本人的风格大模型,从而省下一些体力劳动,以及更好地传承作家的写作技艺?

在 2026 年之前,实现这个梦想格外困难。它需要跨度极大的知识:既要理解作家的实际工作流程,精通写作;也要精通 AI 大模型的微调与推理,还得让作家能傻瓜式地微调一个本地大模型。

而如今,写匠软件暨写匠大模型,迈出了第一步。

如果你热爱写作,不妨用写匠写下你的诗篇。

写匠的稿纸模式

PS:秋高气爽,适合谈谈写作,谈谈 AI 大模型。欢迎各位新老朋友莅临。2026 年 9 月 19 日,写匠新品发布会见!

线上如何参加?扫码入群即可:

写匠新品发布会入群二维码

写匠新品发布会入群二维码

阳志平

2026-09-12

相关阅读:

跳转微信打开

  •  

/mobile-use 在 AI IDE 中构建通鸿蒙、安卓与 iOS 的 Agent 闭环验证

Phodal 2026-09-11 16:00 浙江

Computer Use 已经可以操作电脑,Browser Use 可以进入正在使用的浏览器。Qoder 推出 Mobile Use 插件(Beta),在安卓、鸿蒙与 iOS 上将代码修改接入真机或模拟器,完成运行、交互与结果确认。

Computer Use 已经可以操作电脑,Browser Use 可以进入你正在使用的浏览器。移动端还没有对等的能力。

今天的 Coding Agent 已经可以修改安卓、鸿蒙与 iOS 代码,但往往止步于提交之前。移动端 app 是否成功构建,修改后的页面如何呈现,用户所指的是哪一个控件,点击之后是否进入正确页面,这些问题还需要解决。

因此,我们推出 Mobile Use 插件(Beta)。安卓、鸿蒙与 iOS 均可将代码修改接入应用运行,在设备上完成交互,并确认修改是否生效。

image.png
image.png

Mobile Use 面向正在开发中的手机应用

常见的 Mobile Agent 多用于“操作手机”,比如打开应用、填写表单、走完一段操作流程。Qoder 新上线的 Mobile Use 插件面向另一类场景:应用本身仍在开发与修改之中。

Agent 既要执行点击,也需要理解当前工程、构建目标、运行设备与界面状态。完成代码修改后,它重新运行应用,定位受影响的页面,执行必要交互,并以截图、日志、断言或测试结果证明本次修改有效。

点击与输入只是其中一步。需要完成的,是从代码变更到结果确认。

image.png
image.png

一次完整验证:从代码修改到结果确认

以一次界面修改为例。无论是布局、文案、点击反馈还是页面跳转,以往都需要自行完成构建、安装、在设备上操作,再对照代码。证据在设备上,代码在 IDE 中,中间依赖开发者在两端传递信息。若 Agent 只能依据文字描述和数秒前的截图,便容易改错位置。

现在可以将这项工作交给同一条会话中的 Agent。在 Canvas 上圈选出问题的区域,并在对话中发送:

我刚修改了界面上圈出来的这一处。请构建并运行应用,按圈选位置执行操作,截图确认结果是否符合预期。若不符,请对照代码修改,完成后再验证一次。

圈选给出的是具体控件和当前画面,Agent 可以同时使用截图、可访问性结构、控件文本和界面状态,而无须仅凭「这里不对」进行推断。它在同一台设备上执行操作、截取画面并对照结果:验证通过则返回结论;未通过则回到代码修改,并再次验证。

image.png
image.png

若结果不符合预期,可以在 Canvas 中直接看到它操作了哪一处、界面变成了什么样。下一轮仍使用同一台设备、同一条会话,无须重新描述现场。

image.png
image.png

三端接入方式不同,验证过程保持一致

安卓、鸿蒙与 iOS 的工程结构、构建工具、模拟器、测试框架和设备接口本就不同。Mobile Use 不会以一套最低能力将三端强行对齐。现有开发环境可以继续使用,不必另行准备仅供 Agent 使用的测试设备。

image.png
image.png

安卓仍然通过 Emulator、ADB 与 Instrumentation 工作。鸿蒙可以连接 DevEco Previewer、HDC 与 ArkXTest。iOS 则使用 Xcode Simulator、Accessibility 与 XCTest。平台差异由各自的适配器处理。

上层通过统一的 Skill 与 CLI,将这些能力提供给 Agent。需要对齐的是更上一层的开发过程:观察、操作与验证。

若某一平台或运行环境不具备某项能力,Mobile Use 会明确说明,而不会以一条不等价的命令冒充成功。

ADB、HDC 与 simctl 仍然是三条不同的命令。Agent 在三端进入的,是同一套观察、操作与验证流程。

image.png
image.png

开发者使用 Canvas,Agent 使用 CLI,共用同一台设备

开发者通过 Canvas 查看应用运行状态,在界面上观察、标注并检查结果。Agent 通过确定性的 CLI 查询设备、观察界面、执行操作并运行验证。

image.png
image.png

两侧接入 Host 管理的同一条设备会话。 Host 负责设备生命周期:当前连接、运行状态、权限范围,以及证据的归属。

因此,Agent 不会在后台另行启动一台模拟器,也不会因注册大量 MCP 工具(即为 Agent 注册工具接口)而形成一套与开发者割裂的设备环境。 CLI 只是智能体进入现有能力的入口。设备本身、权限、状态与证据,仍由统一运行时管理。

随后执行的操作作用于同一条设备会话。截图、日志、录像与断言结果也关联到该会话。「这里有问题」可以连同圈选与当前画面,成为 Agent 继续定位、修改与验证的任务入口。

立即体验

Mobile Use 插件已在 Qoder 桌面端与 Qoder IDE 中上新。

  1. 1. 打开左下角的拓展或插件市场,搜索 Mobile Use,安装后重启。

  2. 2. 在对应工程中双击以打开 Canvas:安卓双击 **AndroidManifest.xml**,iOS 双击 **Package.swift**,鸿蒙双击 **build-profile.json5**。

  3. 3. 先连接模拟器或真机,将上文提示词发送给 Agent,并在 Canvas 上圈选需要验证的区域。

image.png
image.png

跳转微信打开

  •  

永远不要低估小米

原创 李墨天 2026-09-11 15:00 上海

目标决定上限

今年9月的产品发布会,小米内部的定调是“自研技术大会师”。

何为会师?发布会上新产品集成了小米过去五年的核心研发成果,即将接受市场检阅。

产品发布会前,小米公布了玄戒芯片的第二代产品线,一口气拿出玄戒O3/O100/D100三颗芯片。其中搭载玄戒O3的小米18Fold,是小米历史上定价最高的旗舰机型。

预热已久的小米澎程SUV,六根滑轨、纯平地板、可变空间的产品定义,都是行业首次出现。

过去五年,小米各个研发部门把雷军拍板的“五年千亿”研发开支花了个一干二净,但芯片首发定价破万旗舰机型,新车杀入被车企犁了好几遍的主流增程领域,技术创新能不能被市场接受,还是未知数。

9月7日,小米发布小米澎程新车

2021年小米宣布造车,米粉的反应是振奋,行业的反应是关注,投资机构的反应是跳车。宣布造车前,公募基金持仓的小米股票攀升到阶段性高点,宣布造车后,主观公募基金大举撤退,用实际行动表达对造车的不看好。

造车的同时,小米重启芯片研发项目,即后来的玄戒芯片。每个都是百亿级别的财务黑洞,小米自己的说法是“同时供两个孩子上大学”,投资机构看了难免头大。

当时,高调亮相的汽车业务几乎被一边倒质疑;秘密行进的芯片业务是网络名梗,2022年,两个百亿规模的投资未见曙光,小米营收罕见下滑,公司市值跌倒谷底。

资本市场关注出货量、ASP、毛利率和营收指引,企业经营是可量化的指标。汽车业务重资产高折旧,第一批新势力除了理想一个比一个能亏,友商建议雷军趁早收手,见惯了财务报表的投资机构,自然也看不上这种商业模式。

公司经营可以按季度观测,但公司要考虑长期的确定性,以五年十年为单位校准。五年前的小米和今天的小米,已经不是一个小米了。

至少在五年前,预言有一家车企会刷新纽北最速量产车的记录,没有人会想到小米。

01.必经之路

一家企业的战略,核心是回答三个问题:我们现在在哪里?我们将来去哪里?中间的路怎么走?

2020年小米成立十周年,雷军和管理层做了一次深度复盘:过去的十年,小米验证了自身的商业模式,迅速形成规模。不知不觉中,公司走到了十字路口:

小米创业十年的成绩堪称商业奇迹,营收突破2000亿,手机业务做到全球前三,各项经营指标都相对健康。但这些成果放在全球科技史上,依然是无名之辈。

即便在手机市场,小米面前还有苹果、三星、华为三座大山,是小米过去十年学习和竞争的标的,也是小米未来十年想超越的目标。

想完成这个新目标,不能靠旧的体系。

小米上市前后,一些问题已经开始暴露。2019年,小米手机全球出货量继续增长,但中国市场同比下滑21%,几乎被华为碾压;公司内部产品线相对独立,存在重复建设;线下渠道铺设跌跌撞撞,勉强步入正轨。

产品层面,小米有过小米MIX这样的神来之笔,推动了全面屏的普及,但势头未能持续。原因是整个公司还没形成系统性的创新能力,根子是底层技术积累不足。

2016年,小米发布小米MIX

对技术的理解决定了产品的上限,米饭仙人捏100年寿司,也切不来文思豆腐。不掌握底层技术,就只能在供应链设定的边界进行系统集成,面对新的技术趋势,就只能参与和跟随,做不到引领。

公司层面,“人车家全生态”有了雏形,各类终端产品需要统一的计算平台和芯片设计能力支撑。核心主业手机想更进一步,也要突破芯片和系统这一关。汽车业务起步比新势力晚,必须要在产品体验上拉开档次。

上市之际,资本市场对小米是互联网公司还是硬件公司展开激烈讨论,最后给了个制造业的估值;舆论层面,“组装厂”的偏见伴随小米多年。雷军和管理层认为,商业模式的创新已经穷尽,必须向底层核心技术探索。

于是,芯片、操作系统、整车的底盘和电子电气架构等技术环节,成了不得不做的事。基于这些目标,雷军提出小米新十年方向,也是小米战略落地的路径:

大规模投入底层技术,成为全球新一代硬核技术领导者。

2020年,小米定下了“未来5年研发投入超过1000亿元”的基本原则,覆盖多个垂直领域,最重要的是汽车和芯片。

出来混,最重要的是出来。

02.做好准备

关于小米的诸多讨论中,有一个概念频繁出现:供应链成熟。

事实的确如此,小米造车的时候,中国的新能源产业链已经优胜劣汰了好几轮;小米重启芯片业务的时候,参与芯片上下游分工的供应商,不能说遍地都是,也绝对不算少。

但供应链成熟也会带来一个现实问题:怎么在开源素材上做得更好。换句话说,纯靠供应链就能做出好产品吗?

2025年,谷歌推出手机芯片Tensor G5,彻底摒弃套壳三星Exynos的思路,完全基于ARM架构自研,用上了苹果和高通验证过的台积电3nm工艺。战绩如何?性能略逊于2020年的苹果A14,估计台积电都嫌丢脸。

谷歌的人力财力远在小米之上,尚且翻车;汽车领域,小米的对手都是狠角色,拼凑供应链技术,毫无胜算。

产业巨头林立的背景下,全新的芯片平台要造得出,全新的车型能卖得好,需要两个前提+一个条件。

第一个前提当然是钱。造芯和造车都是百亿级别的投资,高科技领域,一个翻车可能就万劫不复。苹果和华为,在这方面都有天然优势。

华为海思顶着压力从K3V2芯片一路迭代,打造了大名鼎鼎的麒麟系列,是有利润率很高的运营商业务做安全垫。苹果汽车花了足足十年冤枉钱,是因为iPhone发布后,这家公司对钱已经没什么概念了。

践行长期主义的第一步是有钱,2021年的小米不能说富可敌国,但有点家底。有别于其他手机品牌,小米有一块百亿级别的IoT业务,占总营收30%左右,去年营收1232亿,是手机业务的2/3,提供了额外现金流。

第二个前提是对供应链的投资。小米另一个身份是产业资本,以小米长江产业基金和顺为资本为代表。和风险投资不同,产业资本的投资基于自身需求,能够提供确定的研发目标和订单,隐含了未来的采购承诺。

比如2020年,长江基金投资了一家名叫“卢米蓝”的材料公司,后者主攻OLED发光材料,研发成功后用于小米17系列。产业资本既提供研发资金,又提供产品订单,可以带动供应链迅速成长。

典型如长鑫的投资,小米本身是长鑫的大客户,小米18 Fold搭载了长鑫最新的DDR6内存芯片。不过客观来说,在长鑫群星璀璨的股东名单里,小米不算特别耀眼。

长鑫招股书中的大客户基本都参与了长鑫的投资

2019年后的国产半导体替代窗口,长江基金密集投资了50多家公司,其中恒玄、翱捷、格科微、豪威(韦尔股份)等公司都陆续上市,都是国内半导体产业的核心力量。

顺为的投资更偏下游,2015年投蔚来,2017年投小鹏和Momenta,针对半导体的投资全在车规/智驾端。小米自己收购了DeepMotion,并领投了禾赛。在造车之前,小米就把供应链摸透了。

账户里有钱,供应链上有人就够了吗?远远不够。

去上游扫货是大干一场的前提,苹果仅公开的收购中,就包括PA Semi和Intrinsity(芯片)、AuthenTec(Touch ID)、PrimeSense(Face ID),收购后都快速转化为产品功能。

2020年后,苹果在AI领域陆续收购了Xnor.ai、Voysis、Inductiv、WaveOne、Datakalab、DarwinAI等6家公司,今年1月,收购上一向吝啬的苹果开出20亿美元,买下AI公司Q.ai。但苹果在AI领域的成就,目前仅粉丝可见。

有钱有人不等于有技术,比两个前提更重要的,是那一个条件。

03.当个事办

2017年,小米发布自研芯片澎湃S1,上市即落后,生命周期只有六个月。后续的澎湃S2流片失败,主体公司松果进行改组,业务转向IoT芯片。

当时,松果作为独立公司存在于小米体外,很难与体内的业务部门打配合,小米的财力也不足以支撑这么大的项目。但抛开这些客观因素,核心原因只有一个:目标定的太低。

芯片研发所需的成本取决于设计目标,丰俭由人。搞一款90nm的嵌入式芯片,几百万就能上车,外包团队遍地都是。澎湃S1定位中端,采用当时就落后的28nm工艺,适合入门,不适合练兵。

一直以来,舆论对研发存在两个误区:

一是研发费用越多越好,研发费用变成了一种价值取向。有一家叫中国建筑的公司,常年位居A股研发开支首位,这两年才被比亚迪超越。但应该没人认为中国建筑掌握了什么高科技。

第二个误区是什么都要自己做。越是技术含量高的领域,产业分工程度就越深。研发的目的是对高附加值环节的把控,想把所有环节都握在自己的手里,既不成立,也不现实。

对科技公司来说,产品是研发投入的结果,真正的核心资产是研发过程中积累的知识和经验,比如算力集群的软件优化,电芯生产的良率提升,芯片仿真验证的效率。烧钱烧出来的教训,试错试出来的直觉,都会变成珍贵的隐性知识。

能积累什么经验,能沉淀什么Knowhow,取决于公司的目标。这就是那个关键的条件:目标。

如果你的目标是设计一款中端芯片,团队就只能积累中端芯片研发的Knowhow。如果团队基于成熟制程开发,就永远理解不了先进制程芯片的设计。

研发团队能做多大的事业,同样依赖公司设定的目标。小米汽车的纪录片里,几乎每一个工程师都提到,小米SU7是“自己一直想做的车”、“想开着自己做的车跑纽北”。没有足够的空间和信任,技术抱负便无法实现。

今年5月,小米首席测试车手任周灿成为首个获纽北官方圈速认证的中国车手

如果公司设定一个平庸的目标,既无法吸引顶尖的人才,也无法培养顶尖的人才。之前流传的投资人交流纪要中,梁文锋就讲过这个问题:

AGI是更大的愿景,这个愿景能够凝聚起更多优秀的人,它有更强的凝聚力。如果你是一个商业公司,你的愿景就是服务好C端用户,那是另外⼀个故事。他在产品上、用户服务上、流量上会有优势,但是在技术上没有优势。

设定一个宏大的目标很容易,认真对待一个目标很难。是自己带头冲锋还是孵化一个体外公司?是用自己的家底还是吸纳外部融资?分量完全不一样。

2020年后,小米从产品到技术的研发,都围绕着“成为全球新一代硬核技术领导者”的目标推进。

小米汽车定下了“纽北圈速”的目标,以此为指引,小米上来就瞄准电机、底盘架构、汽车电子等关键技术的研发,实现对核心环节的掌控。如果目标是纯粹的销量,核心技术的研发就不是必选项,就做不到技术上的引领。

纽北量产车圈速榜前十名里,目前只有两款国产车,换句话说,全中国只有仰望U9X和小米SU7 Ultra的工程师,知道怎么造一台打破纽北记录的量产车——这就叫引领。

2021年重启芯片业务,小米直接锚定“高端旗舰SoC”的定位,定下了核心参数看齐行业第一梯队的目标。目标定的足够高,研发团队才有足够的试错空间,过程中积累的隐性知识,价值就更大。

小米澎程在车型定义上,产研团队调研了大量SUV车主,结果是车内空间虽然大,但还是有成片的痛点。靠配置和参数解决不了,只能从底盘开始重新定义,大量的技术环节,产业界没有先例。

小米昆仑架构大幅优化了汽车底盘布局

围绕这个目标,小米澎程跳出主流家用车的框架,提出了非常激进的纯平地板+6滑轨的设计,导致后电驱、电池包、油箱需要重新布置,整个底盘得从头正向研发,再拿到真实路况里重新验证和测试。

小米花了三年半时间,测试车跑了428万公里,打造了全新的昆仑架构。

基于现有的技术也能形成产品方案,先提出设计目标再突破相关技术是另一条路,小米选择了后者。通勤的十万公里和赛道上的十万公里,积累下来的东西完全不同。只有底层技术突破,产品才能打开更多想象空间。

纯平地板对应的汽车底盘设计经验,3nm芯片设计经验,混合键和落地经验,都是相当前沿的技术资产。搭载这些技术的产品能否被市场接受?目前是未知数。但技术能力的建设是连贯的过程,产品的成功和失败,都不影响能力的积累。

一个人的进步,一个公司的成长,取决于他做了什么。

小米离全球顶级的科技公司还有距离,但他们至少证明了一件事:给一群人才足够的信任、空间和预算,他们能折腾出什么东西。

04.顺势而为

小米过去的五年,完整呈现了一个公司战略的制定与执行的完整过程。

雷军是一个善于复盘的企业家,2007年金山上市,股价当天腰斩,雷军没有抱怨市场和大环境,而是逐条分析为什么金山做了16年,为什么市值没有腾讯的一半?为什么WPS技术不比微软差,市场份额只有个位数?

90年代信息化大潮席卷全国,大批软件公司乘风而起,求伯君和雷军这批程序员登上历史舞台。但中国软件业的黄金时代极其短暂,2000前后互联网浪潮来袭,大量从业者被互联网和游戏虹吸,雷军发现自己在互联网时代做着一家软件公司。

小米是移动互联网的产物,也是雷军“顺势而为”理念的产物。从2007年iPhone问世算起,移动互联网在中国的增长持续了长达十五年。

小米的路径,和其他科技公司并没有特别大的不同:从一个技术风口起步以产业资本的角色进行投资,与供应链广泛合作开发新技术和新方案,是所有公司都走过的路。

但接下来怎么走,是每个公司的选择。

2020年,拿着创业十年攒下的家底,摆在小米面前的问题是:中国还需要另一家2020年的小米吗?小米要每年多1000亿收入,还是每年培养1000个芯片和汽车底盘工程师?

答案显然是后者。

移动互联网时代,小米在核心技术领域的角色是追赶者。消费电子产业,终端厂商的技术目标是创新的源头。智能手机的形态大体上由苹果定义,CNC一体成型、堆叠式主板、3D结构光等技术方案,也基本由苹果引领。

折叠屏手机出现后,智能手机的定义开始向中国企业转移,9月份苹果、华为、小米三家发布会撞车,日经的标题就很直接:华为和小米在引领手机进化。

小米想更进一步,先进制程芯片、软件系统的短板必须补齐,大语言模型、人形机器人这些前沿领域,必须第一时间参与。小米汽车要做全球前五的汽车厂商,就不能靠供应链技术拼凑的经济适用车打天下。

小米AI Cube Prototype,搭载玄戒O3、玄戒O100、玄戒D100,支持大模型本地部署

之于产业界,小米入局3nm的芯片的研发,相关的芯片设计人才才有施展拳脚的土壤,小米想做一辆纯平地板的SUV,底盘工程师的发挥空间才能彻底打开。

小米最大的变化,是它的目标和视野。

05.尾声

2010年,癌症晚期的乔布斯在第一代iPad发布会上,首次向世人展示了苹果自研的A4芯片。主流媒体的评论是“套壳三星”。十多年后,苹果已经构建了一个半导体帝国。

2010年,乔布斯展示苹果A4芯片

同样是2010年,小米供应链高管去英华达谈代工,能拿得出手的只有银行存单和“MIUI的几十万用户”。十多年间,小米经历多次危机,但总能卷土重来。

比尔·盖茨在1996年出版的《The Road Ahead》中说:我们总是高估未来两年的变化,而低估未来十年的变化。这句话在这本书出版后的每一个十年里,都被反复验证。

技术有趋势,行业有周期,一家公司的上限,永远取决于它的目标和战略。如阿拉伯诗人穆太奈比所写:

你若不惜生命去追求荣耀,那就应当把星星当作目标。因为碌碌无为或建功立业,到头来死都是一样的味道。

全文完,感谢您的耐心阅读。

参考资料

[1] 小米怎么了,财新

[2] 小米创业思考,雷军/徐洁云

[3] 一往无前,范海涛

[4] 小米公司财报,小米

[5]ARM to A4: How Apple changed the climate in mobile silicon, AppleInsider

作者:李墨天

编辑:戴老板

责任编辑:李墨天

制图:李墨天

图片

图片

跳转微信打开

  •  

The Batch: 983 | 一种更简单的模型监控方法

原创 DeeplearningAI 2026-09-11 12:45 北京

Hi~新朋友,记得关注我们哟

在生成过程中发挥作用的 LLM 安全监控器通常会分析一系列安全分数,以捕捉不正确或有害的输出。研究人员发现,只分析单个安全分数就能达到几乎相同的性能。

● 最新消息:来自阿姆斯特丹大学、威斯康星大学麦迪逊分校和约翰斯·霍普金斯大学的 Mona Schirmer、Metod Jazbec 及其同事提出了一种名为 CRC Monitor 的简单监控系统——CRC 代表 conformal risk control(保形风险控制)。它通过将单个安全分数与针对具体任务精心校准的阈值进行比较,来评估输出的安全性。

● 关键见解:e-valuator 等系统会在每一步推理、每轮对话或每次工具调用后对 LLM 的输出打分,并分析分数历史来决定是否停止。更简单的方法是在最新一步的分数低于阈值时立即停止。难点在于如何可靠地选择这个阈值。基于有限验证集测得的误报率,可能仅仅由于偶然因素而低于新数据上的误报率。因此,需要更保守地选择阈值。

●工作原理:研究人员为两个需要在生成出错时停止模型的任务校准了 CRC Monitor 的阈值:错误数学推理和有害主题内容。对于每个数据集,他们使用一个单独的模型,即 verifier,对每一步输出文本进行评分。他们找到了同时满足两个标准的阈值:(i)尽可能多地捕捉不安全输出;(ii)将误报数量控制在用户定义的上限之下。

✴ 对于数学推理,研究人员构建了一个校准数据集。他们使用 Anthropic Claude Haiku 4.5 和 Mistral-7B-Instruct 生成了 MATH 数据集上的解答。一个 verifier(Alibaba Qwen2.5-Math-PRM-7B)通过估计推理是否仍沿着能产生正确解答的轨道前进来打分。他们使用 OpenAI o3-mini 验证每个解答,从而为校准创建标签。

✴ 对于有害主题内容,他们在 Anthropic Red Teaming 数据集上进行了评估,该数据集包含旨在诱发 LLM 产生有害回应的对话;还在 FineHarm上进行了评估,其中包含带有有害性标注的多轮对话。对于 verifier,他们在 Anthropic Red Teaming 上使用了 Llama Guard,在 FineHarm 上使用了一个经过微调、用于检测有害性的 Qwen2.5-1.5B 模型。

✴ 研究人员在验证集上尝试了许多阈值,并测量了每个阈值错误停止安全输出的频率(更高的阈值意味着更多输出会被标记为不安全)。由于真实数据上的实际误报率可能高于验证数据,他们在测得的误报率上加了一个小的补偿值,然后选择在修改后的误报率低于用户定义上限时仍尽可能大的阈值。

✴ 在推理阶段,当 verifier 分数低于阈值时,系统就会停止生成输出。

● 测试结果:CRC Monitor 更快地标记了不安全回应,同时保持了用户要求的误报率,并在大多数实验中与 e-valuator 的表现相当。

✴ 在 MATH 数据集上,当用户定义的误报率为 20% 时,该系统检测到了约 80% 的由 Mistral-7B-Instruct 生成的错误解答,与 e-valuator 的 80% 相同。它平均在推理过程进行约 35% 时就发出警报,而 e-valuator 为 40%。

✴ 与数学能力更强的 Claude Haiku 4.5 搭配时,CRC Monitor 检测到了约 75% 的错误解答,几乎与 e-valuator 的 76% 持平;它平均在推理过程进行约 40% 时发出警报,而 e-valuator 为 49%。

✴ 在 FineHarm 数据集上,当用户定义的误报率为 20% 时,CRC Monitor 检测到了接近 99.5% 的有害输出,并且平均在对话进行约 14% 时发出警报,这两项性能都与 e-valuator 持平。

✴ 在 Anthropic Red Teaming 上,CRC Monitor 检测到的有害对话更少(32%,而 e-valuator 为 54%),但它发出警报更早,平均在对话进行约 26% 时就报警,而不是 55%。

●重要原因:阻止 LLM 生成不想要的输出可以用更简单、成本更低的方式实现。一个有效的监控器只需要最新一轮生成的安全分数、一个经过校准的阈值,以及对错误的预设容忍度,就能在输出生成过程中捕捉到这类内容。这种方法比竞争方法更早地发现问题,从而减少用户接触错误或令人反感输出的机会(也降低了一部分推理成本)。研究人员建议,他们的方法适合用于分层监控架构:持续生成廉价信号,根据经过校准的规则停止,并且只有当廉价信号表明输出质量较差时,才切换到更昂贵的 verifier。

● 我们在想:既然一种简单的安全检测方法就能和复杂方法一样有效,那么改进其背后的 verifier,可能比设计更复杂的结果加权方式带来更大的性能提升。

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

  •  

山观 HIKE Insight | AI4AI:让AI成为自己的科学家

原创 Rhyme 2026-09-11 11:59 北京

AI4AI的价值不止于工具提效,更在于改变科研组织方式。

AI能力持续提升,但目前来看研发环节仍受人的带宽限制:架构需要人设计,数据配比由人决定,训练方法也依赖研究人员反复试验。算力和数据可以扩展,顶尖研究者的时间却很难复制。AI4AI试图解决的,正是这一约束:让AI参与AI系统本身的研究与开发。

因此,AI4AI(AI for AI)与一般的“AI+行业”应用有所不同。其他应用主要优化特定行业的成本和效率,AI-4-AI直接作用于AI研发本身,产出也会反过来提升AI能力。由于研究对象天然数字化、反馈相对标准化,它可能是AI Scientist各垂直方向中较早实现自动化的一类。

AI4AI的价值不止于工具提效,更在于改变科研组织方式。当实验空间可以由系统大规模搜索、失败经验可以结构化积累,创新就不必完全依赖少数研究者的直觉,而有机会形成可持续、可扩展的研发流程。

一、概念与边界:AI如何参与AI研发

AI4AI可视为AI Scientist的一个垂直方向。

AI Scientist主要解决科学发现自动化问题,即由AI替代或增强科研人员,参与生物、化学、材料、物理、AI等领域的研究工作。

AI Scientist for AI是其中一个垂直方向,并具备四项较有利的落地条件:

1)研究对象天然数字化,实验可以由代码执行;

2)反馈更加标准化;

3)研究人员和开发者本身就是用户;

4)过程轨迹数据相对容易获取。

因此,它可能成为AI Scientist中较早落地的方向。

具体而言,AI4AI是利用AI自动化AI系统自身的研究、开发和优化,覆盖模型架构设计、数据构造与筛选、训练配方搜索、超参数优化、推理效率优化和Agent架构改进等环节。

AI4AI的关键,是让AI从研发对象转变为研发参与者,并逐步承担部分流程。长期目标是实现AI研发自动化:AI能够持续改进下一代系统,形成模型优化与训练的闭环,并实现持续自我演进。这不仅包括辅助研究员写代码、检索论文,还包括持续运行以下研究流程:

图1|AI4AI将研究过程组织为可持续迭代的闭环。

从整体流程看,主要包括提出idea、进行verify和模型训练自动化三部分。

Innovator/提出idea:包括目标定义、研究现状建模和假设生成。

  • 研究目标定义:将模糊目标转化为可执行任务,例如在固定算力下提高模型的数学能力,或将某个模型的推理成本降低30%。难点在于,研究目标往往不是单一指标优化,而要在性能、成本、鲁棒性、安全性和工程复杂度之间权衡。

  • 知识获取和研究现状建模:检索论文、代码库、实验记录、内部文档和失败经验,形成对现有研究空间的理解。这一环节的标准化程度较高,评价方式也相对明确。

  • 假设生成:生成多个候选研究方向并排序。这是当前AI4AI难度最高、也最影响能力上限的环节。

Verifier/实验验证:包括实验设计、实验执行、结果分析与反思。

  • 实验设计:将假设转化为实验计划,明确对照组、数据集、模型结构、训练预算、超参数、评价指标、消融实验、中止条件和结果判断规则等。

  • 实验执行:修改训练代码,搭建数据处理流程,配置训练任务,编写评估脚本,构建消融实验并修复运行错误,再交由代码执行环境、算力平台或仿真系统执行。

  • 结果分析与反思:检查统计显著性、实现错误和可复现性,并据此决定扩大实验、小幅修改、更换假设或放弃当前方向。

模型训练自动化:

  • AI4AI的产物可以是论文、新算法、训练配方或数据集,也可以直接交付一个训练完成、性能更好的模型。

  • 从一篇论文或经过验证的idea到训练完成的模型,既可以由人完成,也可以由AI自动执行。相较于提出研究假设,这一流程更为标准化。

图2|从提出假设、实验验证到模型训练的三段自动化。

二、核心价值:重构AI科研的生产函数

问题一:研究人员及其时间是稀缺资源

顶尖AI研究员数量有限,大量时间又被文献搜集、环境配置、代码修改、错误排查、消融实验、数据整理、报告撰写和重复验证占用。AI4AI首先可以减少这些执行工作,让研究人员把更多精力放在问题定义、关键判断和结果解释上。

问题二:实验空间远大于人类可探索空间

模型架构、数据配比、训练参数和后训练策略之间存在巨大的组合空间。研究人员通常依赖经验,只能探索少量候选方向。AI可以通过大规模并行搜索、贝叶斯优化、进化搜索或多智能体协作,覆盖更多组合。

问题三:大量失败经验没有被有效积累

企业内部积累了大量未发表、未结构化的失败实验。人员流动后,部分经验随之流失,新加入的研究员可能重复相同错误。AI4AI系统可以将这些实验记录转化为结构化记忆。

问题四:研究过程难以规模化管理

传统研发管理高度依赖研究负责人和少数资深专家。项目增多后,组织很难持续判断哪些项目值得继续、哪些结果可信、哪些团队在重复劳动,以及资源配置是否有效。AI可以帮助统一记录和管理研究目标、实验过程、证据与决策。

总体而言,其核心价值是提高科研生产率,并直接作用于AI与科学进步的生产函数。一方面,它可以通过更高的时间利用率和并行计算提高实验效率;另一方面,它有望结合大规模搜索、AI拟合和可解释性方法,提高优质idea出现和被验证的概率。

三、技术路径:从Agent Harness到原生科研模型

四类技术路线分别对应不同的能力来源、落地场景与竞争壁垒。

四类路线并不互斥,成熟的AI4AI系统可能采用分层组合:预训练模型提供基础能力,后训练(Post-train)形成领域专长,智能体编排框架(Agent Harness)连接工具和实验环境,专有元模型负责研究规划和持续迭代。

从当前产业成熟度看:

  • Agent Harness最容易落地,也是多数创业公司的起点,但独立壁垒相对有限。

  • Post-train更容易形成垂直数据壁垒,在效果与资源投入之间相对均衡。

  • Pre-train的能力上限最高,但更适合资金和算力充足的大型公司。

  • 专有元模型具有较高的长期价值,其壁垒主要来自跨实验积累的长期数据、评价体系和研究决策能力。

四、产业判断:切入环节、商业模式与竞争壁垒

切入环节:长期看,提出假设比实验验证更难,也更关键

idea生成是当前AI4AI难度最高的环节。基于现有LLM,生成70-80分的idea相对容易,但要生成95分以上的idea,难度仍然较大。

idea生成也决定了系统的能力上限。verifier更偏向执行,而高质量idea过去高度依赖顶尖researchers,即使对他们而言也带有一定随机性。如果AI能够突破idea生成的门槛,就意味着科研taste可以在更大范围内被学习和复制。

商业模式:端到端模型优于阶段性发现或服务

阶段性发现和服务能够产生一定商业价值,也适合用于验证能力和开展PR,但其价值链较短。下游客户如大模型厂商相对集中,议价能力较强,因此这类业务未必是最优的长期商业模式。

通用模型可以满足各垂直领域60-70%的需求,但剩余30-40%仍需结合具体领域的业务语境与专业知识优化。如果AI能够针对某个垂直领域找到更合适的模型架构、数据和训练方式,并完成端到端训练与交付,以优于通用模型的冷启动效果进入场景,再根据真实使用持续迭代,其商业空间会更大,也能形成相对基础模型厂商的差异化。

壁垒:创业公司的机会在于速度、专业能力和数据飞轮

AI4AI也是基础模型厂商和大型科技公司的重点方向,各家公司都在开展探索。目前各家,尤其是国内企业,投入资源仍然有限,创业公司尚有时间窗口;但从长期看,这一方向会进入主流竞争。

先发优势能否转化为壁垒,取决于企业能否建立数据飞轮。AI4AI的持续学习机制为此提供了基础,但仍需尽快形成“更多真实任务→更多实验和失败数据→更好的决策策略→更高成功率→获得更多任务”的业务闭环。

图3|真实任务与失败数据如何沉淀为决策能力。

沿着LLM主线进行方法创新,短期投入回报较高,但竞争也更激烈。基础模型厂商拥有底层模型、AI训练数据和可复用的基础设施能力,对创业公司的执行速度和资源投入提出了更高要求。与LLM正交的技术路线,如专有元模型,差异化更强,也可以在一定程度上避开正面竞争。

结语

AI4AI的长期目标并非只为研究员节省时间,而是提高优质研究假设出现和被验证的概率。研究判断力往往沉淀在研究者的经验中;能否率先将其显式化并转化为可训练能力,是决定谁能掌握闭环关键环节的核心。

在此之前,竞争重点仍在工程能力:通过Agent Harness积累过程轨迹,通过数据沉淀专业能力,再利用持续反馈提高决策质量。更能反映系统能力的,不只是产品收入,还包括单位算力能够产出多少经过验证的有效假设。

随着执行、验证乃至研究方向选择逐步自动化,人类研究者与AI之间的分工也需要重新界定。

山观 HIKE Insight | 商业火箭进入兑现期:从技术验证到资本化窗口

山行公司 | 3D存算一体芯片领军企业谦合益邦完成超20亿元B轮融资

山观 HIKE Insight | 从带宽到容量:HBF技术演进与VC投资机会

山行公司 | 东方空间引力一号(遥四)运载火箭一箭9星远海发射任务圆满成功

山行公司 | 科辉智药完成近亿元A轮融资

跳转微信打开

  •  

山行荣誉 | 在技术交叉处,做产业的长期陪伴者

山行资本 2026-09-11 11:59 北京

山行资本获“中国人工智能产业投资机构TOP30”等奖项。

近日,36氪创投研究院发布「2026年度十大赛道产业投资机构系列名册」。

山行资本入选“中国人工智能产业投资机构TOP30”;

山行资本创始合伙人徐诗入选“中国人工智能产业投资人TOP30”及“中国先进制造产业投资人TOP30”。

此次入选,是对山行长期产业研究的一份鼓励。

山行持续布局具身智能、人工智能与半导体等方向,山行关注的是技术能否被做成产品,并进入客户的真实使用场景。

人工智能走向产业,离不开从算法、芯片到制造与交付的长期协同。山行资本持续关注这一链条中的关键环节:从具身智能企业谦和益邦、Remio,到人工智能与半导体相关的创新团队,山行希望陪伴那些真正进入产业现场、能够解决具体问题的创业者。

这不是对单一风口的追逐,而是对技术向真实世界落地这一长期趋势的判断。无论是模型与数据,还是芯片、制造和供应链,最终都要接受产品、客户与规模化交付的检验。山行将继续在人工智能、半导体与先进制造等方向深耕,寻找能穿越技术迭代与产业周期的公司。

也恭喜其他共同上榜的同行们!

山行资本入选中国人工智能产业投资机构TOP30

徐诗入选中国人工智能产业投资人TOP30

徐诗入选中国先进制造产业投资人TOP30

跳转微信打开

  •  

Agentic Harness Workflow 框架:把 AI Coding 变成工程化流程

原创 欢迎关注的 2026-09-10 18:00 北京

AI 编码的工程化实验:把开发拆成固定流水线,每阶段由专职子代理执行、主代理把关,配合状态落盘与人工门禁,让 AI 写代码从"碰运气"走向"可交付"。

。图片

点击蓝字,关注我们

图片

作者 | 李忠泽

导读 

introduction

把整段需求直接丢给 AI 写代码,结果越写越偏、中途断了还接不上?本文作者给出的答案是:别去造更聪明的 Agent,而是给 AI 编程套上一副"工程框架"。他自研的 Agentic Harness Workflow,把一次开发拆成需求澄清、方案设计、编码实现、审查验收、提交归档等阶段,每阶段交给一个只干一件事的子代理,由主代理统一调度把关,关键节点留人拍板;配合状态落盘,中断、换人、换工具都能无痛续跑。文末还附上了完整实战复盘与踩坑清单。

全文 8019 字,预计阅读时间 6 分钟

GEEK TALK

01

为什么需要 Harness

相信大多数开发者都亲身体会过,如果把一个真实需求一次性丢给一个长上下文 Agent,会面临如下几个问题:

  1. 上下文膨胀与结果漂移:需求、方案、代码、测试、日志全堆在一个上下文里,越到后面它越容易忘了前面说好的约定,慢慢偏离你最初想要的东西。

  2. 跳过必要的工程步骤:Agent 可能直接写代码,遗漏需求澄清、方案评审或测试设计。

  3. 过程不可恢复:会话被压缩、重启或中断后,很难可靠判断“现在在哪一步、正在等待什么、哪些任务已完成”。

  4. 自动化过程缺少人工门禁:没有明确的门禁和人工确认点,错误方向可能一路运行到最后,之后返工会消耗更多的人力。

所以我的思路是,不是"再造一个很聪明的 Agent",而是给 AI 编码套一副"工程框架"——把一个需求从提出到归档拆成一条固定的流水线,每个阶段交给一个只干一件事的 Sub-Agent,主会话 Agent 负责调度、管状态,并在每个要紧的地方停下来等人拍板。

GEEK TALK

02

三类应用拓扑对比

从概念上来讲,目前有如下三种结构:

我设计的这套 Harness:Workflow 为主,阶段级 Multi-Agent 协作,并保留 Human-in-the-loop。

注:这里并不是真正意义上的 Multi-Agent,只是目前 Coding Agent 工具,比如 Claude Code、Codex 等自带的 Sub-Agent 能力。

GEEK TALK

03

总体架构

3.1 一条完整的生命周期

一个需求沿固定顺序推进:

    init → specify → plan → tasks → test-plan → plan-review
      → implement → code-quality → e2e-run → human-acceptance
      → commit-push → archive 

    其中,implement → code-quality → e2e-run 是自动执行区;其余大多数阶段在完成后会停下来等待用户确认。human-acceptance 和 archive 没有独立 Agent,由 Manager 负责呈现、验收和收尾。

    3.2 CLAUDE.md:框架入口与项目知识库

    CLAUDE.md 在这套框架里承担两件事:一是框架的入口,二是项目知识库。

    一、框架入口。 Coding Agent 在会话开始时会自动加载 CLAUDE.md,这是整条链上唯一会被"自动"读到的文件。所以它本身不写任何流程逻辑,只做三件事:点明阶段流程、指向三份规则文件(流转表 state-graph.json / 通信协议 protocol.md / 状态字段说明 state-schema.md)、以及最关键的一句——主会话必须始终遵循 .harness/rules/manager.md。Manager 的行为准则、状态机字段含义、阶段次序,全都在那几份文件里;CLAUDE.md 只负责把它们挂上来,harness 就算 Ready 了。

    二、项目知识库。 Harness 本体是通用的,但它跑在什么项目上是特定的——有哪些代码库、怎么起服务、连哪个测试库、提交要建什么卡、代码库之间谁依赖谁。这些"项目事实"全部登记在 CLAUDE.md 的知识库索引里,目前分四块:

    这里有一个约定:只有Manager读 CLAUDE.md,所有Sub-Agent一律不自己读。 Manager 按当前需求的相关性,从知识库里挑出需要的片段,通过 input 的具名字段下发——比如把环境表相关内容装进 environment_knowledge 给 e2e-run,把建卡空间装进 icafe_space 给 commit-push,把文档链接装进 knowledge_refs 给 plan。

    这么设计有三个好处:

    1. 不让每个 Sub-Agent 都把整个知识库吞进上下文——它只拿到与自己这一步有关的那几行;

    2. Sub-Agent 保持通用——它只认 input 里的字段,不认某个项目的具体布局,所以换个项目只需要换一份 CLAUDE.md,agents/ 和 rules/ 一行都不用动;

    3. 知识变更只改一处——新增一个代码库就在表里加一行,不用去改十个 Agent 文件。

    还有一条是被实际测试坑出来的原则:不假设、缺就问。 不同代码库的配置位置和形态可能完全不一样(我们这里有一些服务的配置是在 conf/servicer/*.toml,但那不是通用规则)。某种意义上,CLAUDE.md 就是知识层插件:rules/ 是骨架、agents/ 是阶段,都是通用件。

    3.3 调度者:主会话 Manager

    这个 Harness 的核心是主会话 Manager。它一个人分饰三个功能:

    • 调度——决定这一轮该派哪个阶段的 Sub-Agent 执行,是往前走还是往回退。

    • 状态管理——它是唯一有权写 workflow-state 的人,也负责把需求在"进行中 / 挂起 / 已归档"几个目录之间搬来搬去。

    • 对话输出——Sub-Agent 只跟它用结构化协议对话,你只跟它用自然语言对话,两边的话都由它来转。

    Manager 有一条我设计的铁律:它只认 Sub-Agent 回传的那个结构化协议,不读任何产物的正文(spec、方案、任务、测试、报告),也不读业务代码。 它只从协议里取"结论"(通过 / 打回 / 要你确认),从状态文件里取"进度"。

    因为 Manager 从不把一堆产物正文和代码吞进自己的上下文,主会话才能在一个需求走完十几个阶段、来回折腾很多轮之后,仍然是轻的、稳的、不飘的。你要是问它"刚才那条结论为什么这么判",它也不会自己去翻代码回答你,而是把问题重新丢回给当初给出这个结论的子代理,让它来解释。

    这里的调度不是单靠 Manager 自己的理解,我们把状态之间的流转设计成了一张“图”,存放在了state-graph.json,这样 Manager 就很清楚的知道下一个阶段该是什么,并且每一个后置的阶段都可以回退到上一个阶段,这里是通过 Sub-Agent 的“建议”,以及 Manager 对于用户输入的理解判断,共同决定。

    3.4 执行者:阶段 Sub-Agent

    每个 Sub-Agent 有一个独立的 Agent.md 文件来控制这个 Sub-Agent 是做什么的。而每个阶段干什么、产出什么,列个表:

    每一个阶段都会通过定好的结构化输出协议来和 Manager 进行通信,Manager 会将 Sub-Agent 的输出整理呈现给用户,Manager 不用去读取每个 Sub-Agent 的阶段产物,只需要 Sub-Agent 定好一个对人可读性友好的输出即可。

    而且这里有一个小设计,就是将“裁判员”和“运动员”分开设计,不让 Agent 自己设计自己评估,分成两个阶段 plan 和 plan-review,由一个 Sub-Agent 进行技术设计,另外一个 Sub-Agent 进行评估,整体设计参考了对抗性的思想,但凡涉及到审查的环节(比如技术设计、测试),都需要挑战设计中的假设,而不是确认正常流程能跑通。

    3.5 状态机:workflow-state

    流程状态不依赖聊天记忆,而是落在每个需求目录的 workflow-state.json 中。最重要的字段包括:

    • current_state:当前阶段;

    • pending:当前等待点,例如等待前进确认、澄清、回退确认、人工验收、推送确认或 CR 评审;

    • states:阶段历史、状态和产物路径;

    • review_findings:门禁发现的问题及其应跳转的阶段;

    • loop 计数、涉及仓库、验收服务等运行数据。

    其实这个设计思想就是,我们不应该让 Agent 完全依赖本身自己的上下文记忆,应该有一个 Handoff 机制,我举个例子,如果你当前在用 Claude Code 做到某一个阶段,接下来由 Codex 接手,如果 Codex 不具备 Claude Code 的记忆,那么他其实并不知道当前执行到哪里了,而且尽管在同一个 Coding Agent 内部,如果他的上下文压缩了、Memory 清空或者开了一个新的会话,都可以继续接手执行。

    那么整体的交互如下:

    3.6 协议:protocol

    Manager 与每个阶段 Sub-Agent 之间只使用一个协议对象,它是一个双向协议:派发时由 Manager 填请求侧字段,返回时由 Sub-Agent 返回响应侧字段。两侧共用同一套字段约定。

      {
        "state":        "派给哪个阶段(Manager 填)",
        "user_message": "用户这一轮的原话(Manager 填)",
        "input":        { "本阶段所需上下文(Manager 填)": "..." },
        "status":       "ok | needs_input | fail(Sub-Agent 填)",
        "output":       { "结构化结果(Sub-Agent 填)": "..." }
      }

      逐个说明:

      注:protocol.md、各阶段模板、业务代码,都是 Sub-Agent 自己读的,不由 Manager 传。

      3.6.1 请求侧:input 

      各阶段的input专属 Key 是提前定义好的,这也是"Sub-Agent 保持通用"的关键:

      请求侧三个字段:state 是派给哪个阶段,user_message 是用户原话逐字透传,input 是这一阶段需要的上下文。input中每个阶段的 Key 由 manager.md 的调度规则定义。

      而且协议里有三个通用可选 Key,只在特定情形出现:

      3.6.2 响应侧:status  + output 

      响应侧只有三种 status:

      • ok —— 这一阶段做完了,等用户确认后前进;

      • needs_input —— 没做完,需要人介入(多轮澄清、环境卡住、或要回退到上游补东西);

      • fail —— 阶段失败,output.next_state 给出建议打回的目标(比如 e2e-run 不过 → implement)。

      output 里有四个通用字段(几乎每个阶段都有),加上各阶段自己的小字段:

      个别阶段的output也有自己的专属 Key:

      注:响应侧的信息会包装在一个control-result里面,这是让阶段 Sub-Agent 结构化输出,Manager 去解析的一个规则。

      3.7 执行到测试的 Loop Engineering

      之前 Codex 发布了/goal这个命令,实现一个需求,直到 Agent 做完它才会停止,后面也推出了 Loop Engineering 的概念,我的这里其实也参考了这个 Loop 的设计。

      Agent 可以自动连续完成“implement 写代码 → code-quality 静态审查 → e2e-run 跑系统测试 → implement 定向修复”,但自动化不是无限循环。我给每条自动修复的循环都设了次数上限,达到阈值后还没过,就停下来把问题呈现给用户,让用户三选一:继续修、直接放行、或者有疑问要阶段 Sub-Agent 解释。

      3.8 阶段回退:判根因、过门禁

      这套框架里所有回退都走同一套机制,不管触发它的是谁:

      1. 用户主动推翻上游(做到 plan 才想起需求说漏了);

      2. 下游 Sub-Agent 报出上游缺口(test-plan 发现 plan 没定义接口路由,写不出可执行用例);

      3. 门禁打回(plan-review 审出问题,指向最早出问题的那个阶段);

      4. 自动执行区的测试打回(code-quality / e2e-run 不过 → 回 implement)。

      人工验收不通过、或者 CR 评审有意见时,Manager 照一张固定的映射表判目标:

      回退的目标阶段必须在流转表 order 里位于当前之前,且在这个需求的历史里已经真正完成过。这防止"回退"变成乱跳。

      校验通过、用户确认之后,Manager 在同一次写入里完成状态转移:当前阶段落终态、目标阶段由"已完成"改回"进行中"、current_state 指向目标阶段,并把刚才那个回退原因作为 rollback_reason 放进目标 Sub-Agent 的 input,让阶段 Sub-Agent 知道这次回来要做什么、补什么。

      这里有个细节:等待用户确认的期间,当前阶段一直是"进行中",终态只在真正转移的那一次写入里才落到状态及文件。 "已完成"严格意味着"用户已经拍板、流程已经离开它",绝不在等确认的时候提前写。这是为了让冷启动恢复时状态永远是正确的,任何时刻至多一个阶段处于"进行中",且它必然等于 current_state。

      3.9 Human-in-the-loop:人需要确认的地方

      状态文件里有一个 pending 字段,它表示的是每个阶段都要停下来等人拍板,每一个类型都明确记着"在等什么、用户确认后去哪个阶段":

      GEEK TALK

      04

      从 Worktree 到验收:多需求如何具备隔离性的工作

      4.1 工作目录结构

      Harness 工作空间目录结构

        <工作目录>/                              ← 主会话(Manager)的 cwd
        │
        ├── CLAUDE.md                            ← 框架入口 + 项目知识库索引
        │                                          (环境表 / 研发流程 / 依赖顺序,Manager 从这读取作为 input 下发)
        ├── .mcp.json                            ← MCP 服务(Playwright,给 e2e-run 跑前端)
        │
        ├── .harness/                            ← ★ 框架主目录
        │   ├── rules/                           ← 规则与模板("插件"里的规则层,可替换)
        │   │   ├── manager.md                   ← Manager 规则(always active,主会话必遵守)
        │   │   ├── protocol.md                  ← 通信协议(协议结构 + message 话术规范)
        │   │   ├── state-schema.md              ← workflow-state.json 字段与状态置位时机
        │   │   ├── state-graph.json             ← 流转表:order(阶段次序)+ next
        │   │   ├── spec-template.md             ← ↓ 各阶段产物模板
        │   │   ├── plan-template.md
        │   │   ├── tasks-template.md
        │   │   ├── test-plan-template.md
        │   │   ├── plan-review-template.md
        │   │   ├── code-quality-template.md
        │   │   └── e2e-run-template.md
        │   │
        │   ├── active/<index>-<slug>/           ← 正在做的需求,全局至多一个
        │   ├── process/<index>-<slug>/          ← 已开始、挂起的需求
        │   ├── archived/<index>-<slug>/         ← 已完成归档的需求
        │   └── worktrees/<index>-<slug>/        ← 本需求的 git worktree 根
        │       ├── <仓A>/                       ← 每个涉及仓一个子目录(implement 在此施工)
        │       └── <仓B>/
        │
        ├── .claude/
        │   ├── agents/                          ← ★ 阶段("插件"里的阶段层,加/删/改即改流程)
        │   │   ├── init-agent.md
        │   │   ├── specify-agent.md
        │   │   ├── plan-agent.md
        │   │   ├── tasks-agent.md
        │   │   ├── test-plan-agent.md
        │   │   ├── plan-review-agent.md
        │   │   ├── implement-agent.md
        │   │   ├── code-quality-agent.md
        │   │   ├── e2e-run-agent.md
        │   │   └── commit-push-agent.md
        │   │                                    ← human-acceptance / archive 无 agent(Manager 自己管)
        │   └── skills/                          ← ★ 可插拔能力("插件"里的能力层)
        │       ├── huibo-test-mysql/            ← 连测试库
        │       ├── huibo-test-redis/            ← 连测试缓存
        │       ├── icafe-card-assistant/        ← 建 iCafe 卡
        │       ├── icode/                       ← 建远程分支 / 推 CR
        │       └── get-ugate-token/
        │
        ├── <业务仓A>/                            ← 主仓(各自独立 git 仓;顶层不是 git 仓)
        └── <业务仓B>/

        单个需求目录(<index>-<slug>/)内部

          .harness/active/<index>-<slug>/
          ├── workflow-state.json                  ← ★ 状态文件(Manager 独占写)
          │                                          current_state / pending / 各阶段 status /
          │                                          repos / skip_gates / acceptance_services /
          │                                          review_findings / 三个 loop 计数
          ├── spec.md                              ← specify 产物
          ├── spec_user_message.md                 ← 用户原话存档(抗上下文丢失)
          ├── plan.md                              ← plan 产物
          ├── plan_user_message.md                 ← 用户原话存档(抗上下文丢失)
          ├── tasks.md                             ← tasks 产物(可勾选清单)
          ├── test-plan.md                         ← test-plan 产物
          └── reports/                             ← 审查与测试报告
              ├── plan-review.md                   ← 惰性:只有打回过才产
              ├── code-quality.md                  ← 每轮追加
              ├── e2e-run.md                       ← 每轮追加
              └── screenshots/                     ← e2e-run 前端 TC 的 Playwright 截图
                  └── TC-003-xxx.png

          4.2 需求空间隔离

          我们设计这个框架,本质是希望可以兼容多需求并行的场景,所以这里的设计是用了git worktree,在Implement阶段之前,Manager 根据 tasks 阶段产出的仓库集合,为每个业务仓建立同名特性分支和独立 worktree。实现、静态审查和 e2e 都复用同一 worktree;修复轮不重建,归档时才清理。这样就让多个需求之间完全隔离,我们的根目录下面,只需要有全部的代码库,而且每个代码库都及时同步 master 分支保证最新的代码,每个需求会根据当前最新代码新建git worktree,而且每个需求下都有自己的workflow-state.json及阶段产物。

          这个设计有三个直接收益:

          1. 主工作区不被临时产物污染;

          2. 代码审查看到的是同一份改动,而不是每轮重新推导的快照;

          3. 中断或回退后可以继续已有任务,已勾选的 task 不需要重复执行。

          4.3 提交代码的依赖关系

          commit-push 分为两段:

          1. prepare:整理改动、建立 iCafe 卡、生成提交确认表;

          2. execute:用户确认后才真正 commit、push 和创建 CR。

          CR 评审由人工完成,Harness 只根据评审结果继续下一层或归档,不代替评审者合入主分支。归档阶段负责停掉验收服务、迁移需求目录、删除 worktree 和已合入分支。

          多仓代码库一般会有一个公共库的设计,这样避免同一份代码文件散落到不同代码库中需要多份维护,所以我们在commit-push做了一个特别设计,我们的代码库依赖关系会写到CLAUDE.md,Manager 会把这部分内容带给commit-push ,commit-push会先提交依赖代码库的 CR,然后等待用户反馈是否合入(因为目前 icode CR 还需要人工 +2,或者如果有 Skill 能直接去 icode 拉取评分,这块可以改成自动化),合入了之后,会派发implement去修改其他代码库的依赖关系(比如go get xxx@latest),这里有一个设计就是在implement阶段加了一个可选 Key skip_gates,这样刚才介绍的“执行到测试的 Loop Engineering”  就可以只执行然后直接跳过测试(因为本身也存在一些自测需求或者小的改动,不需要进行复杂的 e2e 测试)。等这部分准备好后,commit-push 会继续提交其他仓的 CR。

          GEEK TALK

          05

          DeepSeek Harness:"Everything is a Plugin"

          DeepSeek Harness 是 2026 年 8 月开源的一套 Agent 框架(MIT 协议,命令行叫 dsh),它最核心的一句话就是 "everything is a plugin"(一切皆插件):模型、工具、技能、会话、沙箱、存储、循环、调度、连 UI,全都是可以随意替换的插件;甚至驱动每一轮对话的那个 agent loop 本身,也是一个能从配置里换掉的插件。它的哲学被总结成一句很妙的话——"从一个已经能用的完整 Agent 出发去替换零件,而不是从一堆零件出发去攒一个 Agent"。底层它还有一条 append-only 的会话日志,resume、fork、replay 都基于这条事件流。

          在这几个月我逐渐研究 Harness Engineering 的时候,我觉得这个东西也应该是一个“框架”,如果这个 workflow 实现了,那么其中所有的“组件”,不管是需求澄清还是实现代码的 Agent 都可以被替换,用户也可以根据自己的设计添加 Hook、Tools、Skill 包括 CLAUDE.md,这些“组件”都可以根据业务自身去做定制化,包括这套设计,中间是一个极简、几乎不动的核心(Manager),外面的一切都是可以替换、可以定制的"文件插件"。

          具体到能换什么:

          • 每个阶段都是插件。 一个阶段就是一个 markdown 定义的 Sub-Agent 文件。你想改某个阶段的行为,就改那个文件;想加一个新阶段(比如插一道"安全审计"),就加一个 agent 文件、在流程表里排上;想去掉某个阶段,删掉就是。

          • 能力(skill)是插件。 查库、连缓存、建 iCafe 卡、推 iCode CR、用 Playwright 驱动浏览器……这些都是按名字挂上去的可插拔技能。

          • 规则和知识是配置。 通信协议、流程次序、状态字段、各阶段模板、以及项目知识库(哪些仓、怎么起服务、连哪个库),全是框架外的文件。流程次序想调整,就改流程表那个文件;换个项目,就换一份知识库,核心逻辑照旧。

          • 进度也是可恢复的。 前面说的"状态全落盘",本质上和 DeepSeek 那条 append-only 会话日志是同一个诉求——让流程能被恢复、被接续。

          当然也有不一样:DeepSeek Harness 是个通用的 Agent 运行时,连 agent loop 都能换;我这套是专门为"编码这件事的生命周期"定制的、带固定阶段流水线的 Harness。但在这条流水线内部,阶段、能力、规则、知识确实都是可替换、可定制的插件——Manger 极简、阶段技能皆可换,这一点是共通的。

          GEEK TALK

          06

          一次真实的冒烟测试

          我按一个真实需求,把整条流水线从头到尾跑通的记录。我特意覆盖了各种路径:正常前进、多轮澄清、中途改需求回退、门禁打回后逐级复审、自动执行区的打回-修复循环、冷启动恢复、提交建 CR、最后归档。这是一张总览:

          具体耗时:

          GEEK TALK

          07

          还没解决的问题,和接下来想做的

          跑下来也踩到不少坑,如实记在这儿,也是后面要改的方向。

          1. Sub-Agent 每轮都在重新加载上下文。 那些需要多轮澄清的阶段(比如 specify、plan),子代理每一轮都得把它默认要读的那批东西重新加载一遍,挺浪费。想法是复用类似"Sub-Agent 会话 ID"的机制,这一点其实我发现在使用 Claude Code 的时候,如果在某一阶段,提问类话术,Manager 会自动找到上一个 Sub-Agent 的会话 ID 继续,让同一阶段的多轮交互延续同一份上下文,而不是每轮重来——这其实也是 Multi-Agent 架构可以解决的,只是现在的调度还没做到这一层。

          2. plan 阶段没有搜索边界,容易超时。 plan 实测跑到过一个小时,严重超时(这里声明不是每次,而且有的时候是模型首包延迟过长)。plan 的活确实需要读代码,但现在的规则只是让它"自己去 Grep/Read",没划边界。得给它补上知识库,利用渐进式索引,让 Agent 能快速定位、定位的准、读得少,本次允许读哪些仓、最多翻多少文件、调用链最多追几层、多久没收敛就该停、范围太大时该反过来问用户什么。

          3. 产物和状态不是原子完成的。 实测碰到过:test-plan.md 已经在、也标了 Ready,但重新进流程时 Manager 很难判断——文件到底完整不完整?是 Sub-Agent 其实做完了只是结果丢了?该不该覆盖?能不能直接往下走?得把"写产物"和"改状态"做成原子的、可校验的一步,重入时才能可靠判断某阶段到底完没完成。

          4. Manager 越界替用户答疑。 审查类阶段(比如 plan-review)会把打回结论和理由抛给用户;用户一有疑问,Manager 有时会自己跑去读代码来解答。这其实破了"Manager 不读正文/代码"的规矩,正确做法是把疑问回灌给出结论的 Sub-Agent 去解释(这条后来已经在规则里收敛掉了,经过几次测试发现不会产生)。

          5. 前端设计需要更多能力兜底。 研发自己做页面,难免缺前端设计的详细描述,又不能全交给 AI 自由发挥。我实测第一次 AI 设计的界面就过度复杂了——功能是实现了,但交互和样式都不够简洁。这块可能得让前端或设计介入,提供一些前端实现/设计规范类的 Skill 来约束。

          6. 云端 memory 的自进化还没做。我理想中的 Harness Engineering,应该是每跑完一次流程,就把这次遇到的实现问题、测试 bug 沉淀下来——我之前看到过一个说法大概是这个意思,面对 bug,第一优先级不该是让 AI 去想"怎么修这个",而是"怎么让下次不再产生"。现在虽然跑完会往本地 memory 里存,但换台机器这部分就丢了,得做一个云端共享的 memory,让经验能跨机器、跨会话攒起来,真正形成自进化的闭环。

          7. 工作目录的结构设计对团队使用不友好。目前虽然我将所有内容都放在了一个 git 仓库,但是使用却不是这么用的,曾经看了其他团队的文章,使用了git submodule的方式,本项目的这个设计放在 git 上是作为云端存储,在本地,当前工作空间的根不能是一个 .git 目录,后续应该维护成一个团队友好的 WorkSpace 目录。

          8. 未建立完善的线上运行的可观测性日志与监控。现在框架的产物其实只有两类:一是各阶段的产物与报告(spec / plan / 审查报告 / 测试报告 / 截图),二是状态机文件里的状态快照(当前在哪、在等什么)。这两样可以做到"单个需求怎么走完的",但无法观测某个阶段是否执行的正确,调用链路、读取内容是否符合预期,就跟传统线上业务,需要有监控、日志、报警一样,Agent Workflow Framework 同样需要具备这些能力(可以自定义 Hook 或者 Coding Agent 内部的 Hook 去采集)。

          跳转微信打开

          •  

          DeepSeek V4.1 Flash:更强、更快、更普惠

          原创 深度求索 2026-09-10 13:44 北京

          原生多模态,全新基座模型

          今天,我们正式发布 DeepSeek V4.1 Flash 模型。这是我们全新模型结构系列中的最小尺寸的模型,具备原生多模态视觉理解能力。新模型结构的设计初衷是:能力上限更高、推理速度更快、吞吐更大、可扩展到更大参数模型。

          非对称模型结构,小成本大智能

          DeepSeek V4.1 Flash 为 552B 参数的 MoE 模型,采用了全新的 Causal-Encoder-Decoder 结构,输入和输出不对称,输入激活只有 8B,输出激活 16B,成本显著低于已知的同尺寸模型。同时,V4.1 Flash 还采用了新的预训练方式、经过了更大规模的强化学习后训练,在基准测试中,成功超越了包括 DeepSeek V4 Pro 在内的一众旗舰模型的智能水平。

          DeepSeek-V4.1-Flash 与主流前沿模型在 Agentic Benchmark 上的性能对比

          更少缓存,更省成本

          新一代模型大幅减少了 KV Cache 缓存的大小,与上一代模型相比,对 HBM 的需求减少到 1/4,对 SSD 的需求减少到 1/8。在 Agent 使用场景中,缓存命中的费用往往占比较高,对 KV Cache 的压缩大幅降低了 Agent 类任务的使用成本。

          如图展示了 DeepSeek 在减少上下文存储方面的持续进展。相对于初代模型,KV Cache 已经缩小了 437  倍。

          API 支持

          DeepSeek V4.1 Flash 已同步上线 DeepSeek API,原生支持多模态,将模型名称更改为 deepseek-flash 即可调用最新的 V4.1 Flash 模型。旧版本模型 V4 Flash 与 V4 Flash Vision Exp 现已下线,出于兼容考虑,模型名 deepseek-v4-flash、deepseek-v4-flash-vision-exp 将被暂时路由到 V4.1 Flash。

          同时,经多方测试,V4.1 Flash 在性能、费用、速度、总用时等各项指标上已全面超越 V4 Pro,因此我们计划有序下线V4 Pro 模型。北京时间 2026 年 9 月 14 日 12:00 之后,至未来 V4.1 Pro 上线之前,用户访问 deepseek-v4-pro 的请求将全部路由到 V4.1 Flash,并按 V4.1 Flash 单价计费。

          腾讯(WorkBuddy、CodeBuddy)和 OpenCode 作为官方合作伙伴,现已全量接入 DeepSeek V4.1 Flash,欢迎使用!

          API 定价调整

          得益于模型架构的创新,DeepSeek V4.1 Flash 能够以更低的成本服务更多的用户,因此我们相应下调了 V4.1 Flash 的定价。同时,为了更合理地调配资源,我们仍然采用峰谷定价,闲时价格为高峰时段价格的一半,鼓励用户根据实际使用情况调整任务时间。新价格于 2026 年 9 月 10 日 12:00 开始生效。

          模型开源

          我们将会全力支持开源社区进行新模型的推理适配,并尝试通过各种方式扩大部署的范围。如果您有大规模部署的需求且具备相应的资源(2k 卡 GPU、有存储集群),欢迎与我们联系。

          图片

          跳转微信打开

          •  
          ❌