世界太吵,來原聲聽播客

AI鍊金術

FDE 填完企業滲透 AI 的縫隙就會消亡

一人公司不成立,小團隊才成立;FDE 不是長久業務,只是這個階段填補企業滲透 AI 縫隙的過程,縫隙填完這個職能就消亡。

企業服務agent組織轉型模型競爭可塑性軟件

原視頻在 YouTube 上放不出來,用音頻聽:

前半段新聞速覽可快進,中後段關於 Harness 取捨、可塑性軟件和 AI 原生組織實操的部分信息密度最高。

核心論點 · 點時間戳可跳到原聲

3:55

模型廠商的 token 毛利在擠壓三方 agent

三方 agent 應用活躍數比巔峰可能跌了三分之一。原因不復雜:模型廠商 token 毛利很高,可以用很低的成本提供 token,而三方是向它買 token 的,沒法打價格戰。更關鍵的是模型越強,Harness 的差別越小——之前 Manus 在上面打很多腳手架讓它變厲害,模型一升級,腳手架 80% 就廢了。寫 PPT、寫文檔、做調研這類普通任務,Harness 好一點壞一點差別不大。

6:13

OPC 不成立,先賣別攢技能

很多人失業了管自己叫 OPC,問最重要是搭 Harness 還是幹嘛,回答是都不重要,重要的是找到誰給你付錢。大部分 OPC 在那邊自嗨,提笑了這個提笑了那個,然後去哄騙一批也想做 OPC 的人來給他錢,但大家都沒錢了,無源之水撐不下去。幹活和把活轉變成錢是兩件事,難的是後面那件,而大部分人原來也不是做銷售出身,沒有在市場上直接賣過東西。

12:24

信息差比你想像的大:上門幫老闆裝 Codex

一群企業家覺得你是 AI 專家,問的問題卻是 Codex 怎麼安裝、信用卡怎麼存。有人專門找了一個英國回來的小朋友,上海地區負責上門,其他地方負責遠程視頻,幫他們刷卡、下載軟件。很多看起來非常高科技的公司,創始人平時是用豆包的,工作當中很多也在問豆包。傳統企業利潤薄,副總可能才 50 萬,研發負責人可能才 80 萬,懂還要加上表達能力,老闆也不信他,外來的和尚反而容易被信。

19:08

FDE 的宿命:填完縫隙就消亡

FDE 可能不是一個長久的業務,更像在這個階段去填補企業滲透 AI 縫隙的過程,隨著慢慢填補了,FDE 這個時針就消亡了。因為模型能力越強、產品越完善,就應該是公司自己內部的員工拿著一個 agent 自己噴一下。所有公司要解決的並不是 AI 問題,還是業務問題——餐館要有客人來花錢吃麥。外行 AI 的人不瞭解餐館怎麼運營,餐館不瞭解 AI,你想掙錢就拼命去了解餐館,慢慢幫他把縫隙填補完。

21:05

AI 轉型是政治問題,老闆需要一把外面的刀

公司內部的人熟悉公司,為什麼還要請麥肯錫講道理,這很多時候是政治。AI 革命的是自己:對員工是來搶飯碗的,對管理層是來搶權的,讓自己開刀自己這事很難。老闆雖然看起來很有權威,把下屬噴得像狗一樣,但已經干涉不了業務,甚至不敢把那個高管開掉。高管會非常直接地跟推 AI 轉型的 HR 負責人講,這件事情對我的好處,兩個人都很熟,說不出來沒有。所以要借刀殺人,不是能力上做不到,是位置上做不到。

28:09

蒸餾是 ROI 極高的數據獲取方式

蒸餾肯定很有作用,是 ROI 非常高的一個。讓 AI 寫代碼跟人寫代碼效率差多少倍,這就是準備數據的效率差距。獲取訓練樣本的方式是自動的,只要有足夠多的賬號跟足夠多的錢,它是橫向擴展的;而人要人去寫數據是手動的,且不一定能橫向擴展。從後訓練角度獲取 bootstrap 數據,兩邊效率差別非常大。至於字節為什麼沒做出 SOTA,不一定跟蒸餾有關,Google 也沒出來,而且字節跟 Google 都所有事情都做,可能期望做全模態統一的模型,早期融合會讓問題更復雜。

38:17

DSH 不是好 Harness,但是好內核

好的 Harness 或 Agent 都做了非常多的取捨,有很強的 opinion:Codex 有插件機制但自己的 Agent loop 改不了,Pi 認為不需要很多 tool,OpenCloud 重視通過各種 IM 接入。DSH 的做法是萬事萬物皆可改,所以它肯定不是一個好的 Agent 或好的傳統 Harness,噴它的人說做太爛了完全同意。但它的路徑有價值:為什麼整個 coding harness 是一個靜態的東西,為什麼不能這一輪對話是這樣、那一輪是那樣,整個 agent 運行時是不是也在動態發生改變。

43:27

可塑性軟件:每個人都要一個自己的廚房

海外把這個詞叫 Wearable Software,可塑性軟件。有兩張圖很說明問題:一個是製作室,下面是廚房,每個廚子或電工的工作間長得都不完全一樣,裝備、布局、習慣用的鍋鏟調料都不一樣。每個人用 Agent 也是這樣的,有人用 Cmax,有人用 Codex 客戶端,有人用 Herdr。原來這個需求很難滿足,大家捏著鼻子用不同軟件組合,在非常小的地方很難定製;今天根據我的需求寫代碼定製變得沒那麼困難,但也不應該從零做,而是基於某一個軟件或內核改成自己需要的東西。

56:35

AI 原生組織:讓 AI 來推進工作閉環

比較有效的不是改組織讓你更好地用 AI,而是用 AI 來完成組織的職能,AI 是組織的競品。具體做法:在飛書裡報 bug,Agent 會自動去看線上日誌、看當前代碼庫來回答,知道你是誰、你的郵箱、你賬戶實際的運行情況;每天掃線上報警發到不同群;每週自動掃代碼哪些模塊重複了、需要重構了、哪裡文檔沒有更新對齊,AI 把改完的發一個 PR 給你看。設計師要改界面,研發把 codebase 給他自己改,加檢查門禁只能提交分支,工程師幫他把環境設置好,本地就能模擬線上服務器。

原話 · 已逐字校驗

我覺得OPC本身不成立 但是我覺得團隊歸功小是成立的 我其實一直是這個觀點 FDE可能它不是一個長久的業務 它更像在這個階段去填補企業滲透AI縫隙的過程 隨著慢慢填補了 FDE這個時針就消亡了

我覺得 OPC 本身不成立,但是我覺得團隊規模小是成立的,我其實一直是這個觀點。FDE 可能不是一個長久的業務,它更像在這個階段去填補企業滲透 AI 縫隙的過程,隨著慢慢填補了,FDE 這個時針就消亡了。

最重要是找到誰給你付錢 他們就會說 OPC我們最重要是搭這個Harness 還是幹嘛幹嘛 我說不重要 不重要是給錢

最重要是找到誰給你付錢。他們就會說,OPC 我們最重要是搭這個 Harness 還是幹嘛幹嘛,我說不重要,不重要是給錢。

世界上絕大部分人的卡點卡在哪裡呢 我最近機緣巧合反正有一群企業家 一起混一些事情 他們覺得你是AI專家嘛 但是他們問我的問題 都是類似於Codex怎麼安裝 以及信用卡存儲

世界上絕大部分人的卡點卡在哪裡呢?我最近機緣巧合跟一群企業家一起混一些事情,他們覺得你是 AI 專家嘛,但是他們問我的問題都是類似於 Codex 怎麼安裝,以及信用卡存儲。

所有的公司要解決的並不是AI問題 還是業務問題 我今天是個零售商也好 我今天是一個餐館也好 我今天是一個製造業企業也好 我要解決的問題並不是我的AI多有效率 而是我這個餐館得有客人來 花錢吃我這個麥

所有的公司要解決的並不是 AI 問題,還是業務問題。我今天是個零售商也好,我今天是一個餐館也好,我今天是一個製造業企業也好,我要解決的問題並不是我的 AI 多有效率,而是我這個餐館得有客人來,花錢吃我這個麥。

因為AI它其實革命的是自己 自己對於員工來講 其實少少有一點事是來搶飯碗的 對於管理層多多少少 它有一點事來搶權的 讓自己開刀自己這事

因為 AI 它其實革命的是自己。對於員工來講,多多少少有一點是來搶飯碗的;對於管理層多多少少,它有一點是來搶權的。讓自己開刀自己這事。

而獲取訓練樣本的方式是自動的 而且你只要有足夠多的賬號跟足夠多的錢 它是橫向擴展的 但是你要人去寫這個數據 它是手動的 且不一定能橫向擴展

而獲取訓練樣本的方式是自動的,而且你只要有足夠多的賬號跟足夠多的錢,它是橫向擴展的;但是你要人去寫這個數據,它是手動的,且不一定能橫向擴展。

但是Deepseek的Agent的感覺就是所有東西都可以改 我覺得一個萬能的東西萬萬不等的 就是他一定他面臨這個問題 這東西到底該啥用呢

但是 DeepSeek 的 Agent 的感覺就是所有東西都可以改。我覺得一個萬能的東西萬萬不等的,就是他一定面臨這個問題:這東西到底該啥用呢?

其實就不是改組織 讓你更好的用AI 而是用AI來完成組織的職能 就是AI是組織的競品

其實就不是改組織讓你更好地用 AI,而是用 AI 來完成組織的職能,就是 AI 是組織的競品。

數字與實體

三方 agent 應用活躍數跌幅比巔峰可能跌了三分之一3:55
Manus 單任務成本跑一個任務 20 美金就沒了5:02
Cloud Code 訂閱價200 美金5:02
傳統企業副總年薪可能才 50 萬14:08
傳統企業研發負責人年薪一家不小的公司可能才 80 萬14:08
Kimi 訂閱價199 人民幣23:11
Grok 訂閱額度X Premium 自帶差不多 30 美金23:11
陣列麥克風開發板價格大概三四百塊錢1:02:28
攝像頭價格可能一百多塊錢1:02:28

術語

OPC一人公司
一個人運營的公司,節目認為它不成立,小團隊才成立。
FDE前置部署工程師
上門幫企業落地 AI 的角色,節目認為它填完縫隙就消亡。
Harness智能體外殼
包在模型外面的 agent 運行時,決定工具、循環和攔截環節。
Wearable Software可塑性軟件
基於某個內核改成自己需要的軟件,而非從零做。
early fusion / late fusion早期融合 / 晚期融合
多模態訓練中何時加入視覺能力的兩種決策。

收聽指南

誰該聽

做 AI 應用、企業服務、agent 產品的創業者和工程師,以及正在推公司 AI 轉型的管理者。

可跳過

開頭新聞速覽和結尾關於做視頻、Jarvis 的閒聊可快進。