李丰
大模型已经是过去 1 年半当中，不管是在美国、中国，还是在政策、一级市场和二级市场，大家最关注的热点方向。去年年底以来，最受关注的对象已经从大模型本身和大模型企业，转向了大模型的应用层，也就是各种各样与 AI agent 有关的事情。
不管是企业级应用、大模型公司自己开发的 agent，还是创业者开发的不同类型的 agent，其中既有中国和美国都有的 AI coding，也就是用 AI 应用来编程，表现为不同类型的 agent 形态；也有金融企业服务，甚至还有一度走红的 Manus 等产品。所有这些，大概都是当前讨论和投资中大家关注的热点。
这也说明，大家的关注已经从纯技术、从大模型企业，转向了应用，再转向 agent。基于最近的这些热点，这期产业观察我们请两位科技组的同事，和大家一起聊一聊、回顾一下过去这半年 AI agent 市场关注的热点、大家为什么关注，以及他们各自从不同角度出发的一些思考，供大家参考。
颜前航
大家好，我是峰瑞资本的颜前航，主要投资方向是前沿科技和泛科技领域。本期我和同事刘鹏奇一起来聊一聊 AI agent 这半年的进展，以及我们对未来的预期。先请鹏奇跟大家打个招呼。
刘鹏奇
大家好，我是峰瑞资本的刘鹏奇，也是颜博士的同事。目前我主要负责公司泛科技领域的投资，近期也重点关注具身智能，尤其是 AI 应用这些方向。
颜前航
我们先来一起聊一聊过去半年 AI 和大模型领域的一些热点事件。过去半年，AI 大模型领域的信息爆炸密度非常高。没错，从 1 月份的 DeepSeek 到现在的 agent 爆发，可以先让鹏奇来说一说，过去大家看到的事件里，有什么是你特别感兴趣，或者说超出预期的？
刘鹏奇
1. 模型军备竞赛
整个上半年，自从 DeepSeek 发布之后，感觉整个赛道都快速提速了。上半年最典型的事件，其实是在模型侧和应用侧都有非常大的变化。
模型侧，尤其是推理模型，以 DeepSeek-R1 为代表，迅速打开了市场，然后各大模型厂商都在加速进入这个领域，并开始军备竞赛。DeepSeek 的重要贡献，就是把基于 RL，也就是强化学习的推理模型，摆在了公众的视野之下。我觉得这开启了一个新的大模型赛道。
海外应用侧非常典型的一个事件，就是 OpenAI 在今年 1 月份之后，相继发布了 Operator 和 Deep Research 这两个偏应用层面的产品。我觉得这算是正式开启了 AI agent 这个赛道。今年大家也认为是 AI agent 的元年，我觉得这是一个非常重要的起点。
除了产品层面以外，模型的迭代也非常快。包括最近 OpenAI 已经迭代到了 o3-pro，前一段 Anthropic 发布了 Claude 4 系列模型，Google 发布的 Gemini 2.5 Pro 也加入了这场军备竞赛。大家轮番打榜，整个模型迭代的节奏并没有像之前预期的那样放缓，甚至看起来变得更快了。这也是开启新范式之后出现的一个情况。
当然，有些公司也在经历挑战。比如 Meta，大家都能看到，它在开源这一块确实受 DeepSeek 冲击很大。最近 Meta 也打算重整旗鼓，重组整个 AI 部门，这件事也非常值得关注。它还打算花大概 150 亿美元投资 Scale AI，这也是一件非常有意思的事，大家可以关注这件事会对未来整个 AI 产业带来什么影响。
除了海外这些大模型公司，中国厂商追得也很快。DeepSeek 已经证明了，我们和海外的差距没有那么大。R1 在 5 月份又发布了 0528 版本，编程能力也在大幅提升。R1 还是基于上一代 V3 模型，大家都非常期待它很快会不会有 V4，以及基于 V4 会不会有 R2，这也是很值得期待的事情。
除了 DeepSeek 以外，很多其他国内大模型厂商的声量可能不如原来，但迭代速度其实也很快，包括通义千问 3、豆包 1.6，以及其他“六小龙”公司，也都在持续演进和迭代。所以我觉得，这件事情仍然处在一个快车道上。
2. 应用层验证 PMF
刚才谈的更多是模型层面。应用层面回顾起来也非常热闹。首先，整个编程赛道已经率先验证了 PMF，也就是 Product-Market Fit，产品和市场需求之间非常好的匹配。像 Cursor，就是一个火到出圈的产品；Windsurf 后来被 OpenAI 收购，也是一件很大的事件。但 Windsurf 后来又被 Anthropic 停止供应大模型 API，这其实也是一件很有意思的事。
除了这两家公司以外，Lovable、Replit 这些产品也都在快车道上。更值得关注、也更引起广泛热议的，可能就是这一波 AI agent 创业热潮。很多团队，尤其是中国团队，我们看到了很多中国团队的身影，发布了非常多号称“全球第一”的某某 agent 产品，比如 Manus、Lovart、Genspark 等等。整个市场确实处在一个非常热的赛道和热潮之下。
最近两周，大模型厂商也加入了这个赛道。比如 MiniMax 和 Kimi，也都相继发布了自己的 agent 产品。所以这确实是一件很有意思的事情，大概就是这些。
颜前航
从我的角度回顾，上半年最有意思的事情，还是模型本身的推理性能。大家开始从过去追求 pre-training 的 scaling law，转向 post-training 的 scaling law。
推理能力的获得，其实阿万最早也是第一个说复现了 OpenAI o1 的那套推理模式。后来马斯克投资的 Grok 做了一件力大砖飞的事情，但结果证明效果并不算特别突出，反而把大家的热度更多地吸引到了：怎么在其他领域，或者在其他方面，推动模型进一步 scaling up。
3. 万物皆可 Agent
应用这一块，确实就像鹏奇聊的，今年上半年大家感受最大的冲击，就是“全球第一”的各种 agent 团队，可能来自中国，也可能来自海外，包括 Manus、Lovart、Genspark 或者 Flowith。
这里有一个比较有意思的现象。对海外大厂而言，它们也全部入局了 agent 领域，甚至并不像我们当时预期的那样，模型厂商做模型厂商的事情，应用交给应用公司来做。反而是 Gemini、OpenAI、Claude 自身，都在 agent 上发力。
大家甚至有一个很有意思的论调：OpenAI 的 ChatGPT 是包着语言模型的 agent 公司；国内的 Fellow 是一个 agent browser，但它背后其实也是一个 AI agent。于是大家就变成了“万物皆可 AI agent”，所有人都会去做这个赛道，整个市场非常热。
简单介绍完这些事情之后，我们可以总结一下。模型这一侧，大厂介入的军备竞赛，把整个模型行业从过去大家认为由 OpenAI 这类初创公司带领的新热潮，变成了全民军备竞赛。包括 Gemini 目前的反超，Gemini 2.5 表现非常好，甚至提出了 AI OS 的概念。
国内则明显可以看到，“六小龙”和大厂之间的竞争趋于白热化，而且“六小龙”中也有部分公司放弃了模型训练工作。应用这一侧，通过 Manus 这类 agent 公司，以及 Cursor 这类在不同场景中做 agent 的公司的推广和验证，我们可以看到，在一些垂直场景中 PMF 已经落地。
但如果从更多场景，或者通用 agent 的角度来看，它长期的商业化，以及它到底要给用户交付什么样的结果，我觉得从我们的角度看仍然有待观察，也想看看鹏奇有什么可以补充。
刘鹏奇
刚才谈到编程赛道确实验证了部分 PMF，但这场战争有没有结束？肯定远远没有结束。Anthropic 也发布了自己的 coding 产品，很多人认为它的效果非常好。
刚才颜博士也讲了，模型厂商在做自己的应用和 agent 产品，很多第三方创业公司也在做。大家之间的边界变得越来越模糊，但未来到底谁更有可能长期跑赢，仍然有待观察。
这里面需要重点关注的，是模型能力和应用数据壁垒到底怎么划分。当然，一会儿我们还可以再深入聊一聊。我觉得这件事才刚刚开始。
颜前航
当然还有很多商业化问题，比如到底应该采用什么样的商业模式，我觉得这些都还没有定论。回顾上半年，可能每天都有新的事情发生，很多结论也在快速被证伪。所以我们今天的很多观点可能不一定正确，但我也非常希望未来能够被打脸，我觉得这才是一个不断学习的过程。
再回顾两年前，ChatGPT 出来之后，我们当时在内部形成过一个比较阶段性的观点：做 AI 应用，一定要和模型厂商保持一定距离。不然在模型边界不确定的情况下，随时有可能被淹没。
但今天回过头来看，像 AI agent 这一波，反而是一些在大家看来离模型厂商非常近的公司，甚至大家会说它们是套壳公司，和模型没有太大区别，或者只在模型上做了很简单的工作，但它们同样在用户体验和市场位置上取得了非常不错的进展，也获得了很大的市场声量。这可能是我们第一个快速受到冲击、或者说遇到挑战的观点。
我也非常期待，未来很多观点会不断冲刷我们的思维，让我们重新思考和观察，更新自己的想法和观点。
4. Agent 的三阶段演进
既然刚刚提到，今年可能是 AI agent 爆发的元年，要不鹏奇先给大家简单介绍一下 AI agent 的概念。现在有一种说法叫“万物皆可 agent”，大家会把各种概念都往 agent 上靠。
一个概念火起来的时候，就像当年 ChatGPT 火起来时，所有东西都会加上一个对话框，说自己是 chatbot。今天的 agent 和过去的 ChatGPT、过去的一些 AI 应用，或者像 Midjourney 这样的文生图应用，究竟有什么质的区别？它为什么特殊，为什么现在这么热？鹏奇先帮我们解答一下。
刘鹏奇
可以简单回顾一下。自 2022 年底 OpenAI 发布 ChatGPT 之后，其实已经开启了所谓 AI 应用的赛道，因为 ChatGPT 本身就是一个 AI 应用。从那时到今天，大概可以分成 3 个阶段。
第 1 个阶段，是用户直接通过聊天的方式和大模型对话。你简单地给它一个 prompt，提出一个问题或需求，然后它给你一个答案，这已经是最简单的 AI 应用形态了。
我觉得今天全网 80%以上的 AI 应用，可能仍然是以这种非常简单的交互形式落地的，这可能是第 1 个阶段。
第 2 个阶段，是大家发现简单聊天可能无法满足复杂需求。一个需求里可能需要接入外部数据源，这些数据源可能是搜索数据，也可能是企业或用户自己的数据。
完成一个任务可能还需要多个步骤，不是简单的一步问答就能够完成。因此，一些应用逐渐过渡到一种叫 workflow 的形式。workflow 指的是，通过人工预先定义好的一些节点和路径，把大模型的能力编排进去。
相对于单纯通过 prompt 和大模型交互，workflow 增加了数据读取、数据处理等路径。流程中的一些节点，可能由大模型完成，也可能通过其他方式完成。整体来看，它仍然是用工程化的方式把这些节点拼起来，但已经能够完成比简单问答复杂得多的应用。
目前看，落地和商业化比较好的应用，很多是基于第 2 阶段的 workflow 形态。也有一些公司为应用厂商提供 workflow 架构，包括 Dify、Coze，以及早期的 LangChain。这就是第 2 个阶段。
到今年开始，刚才前面也谈到了，OpenAI 发布 Operator 和 Deep Research，才慢慢开始过渡到第 3 个阶段。不过第 3 个阶段虽然今年很热，但也只是一个起点。
agent 这件事怎么定义？区别于前两类，一个相对广义的定义是：它能够自主感知环境、自主决策，同时执行相应任务，从而完成特定目标的智能系统。
这里面有几个关键词。首先，它要能够和环境交互。感知环境，包括用户给它的需求和指令，以及它所处上下文的信息，甚至包括长期记忆，我觉得这些都是感知环境的一部分。
它和之前 prompt 以及 workflow 更重要的区别在于，它能够进一步改变环境，对环境进行操作和执行。这就是我们看到的 tool use，也就是工具使用方面的进展，为今天 agent 这件事做成提供了很大助力。
更重要的一点，是它需要能够自主决策。它要能够规划到底应该按照哪些步骤去完成一个任务，而不是像第 2 阶段的 workflow 那样相对固定。workflow 仍然依靠专家，也就是人，来编写相对固化的流程。
workflow 的好处是非常可控，但坏处是肯定不够灵活、通用和可泛化。当智能体具备一定的自主决策和规划能力之后，就能够表现出一些超出我们想象的能力。
当然，现在还处于非常早期，很多时候它表现得还不够好，但我们至少看到了这样的潜力。把这些点加在一起，我们就能在今年上半年看到 agent 这种第 3 种应用形态逐渐出现，并走入大家的视野。这是一个逐渐发展的过程。
颜前航
刚才鹏奇提了 3 个非常重要的点：agent 需要感知环境、自主决策，并通过 tool use 这类工具执行任务。这个过程和传统的 ChatGPT 相比，核心优势会是什么？
另一个问题是，具体展开到应用，目前哪些赛道比较适合做这件事？哪些赛道未来长期做起来会比较难，挑战又在哪里？
刘鹏奇
5. 编程率先验证 PMF
从目前的情况来看，先给大家一点信心：agent 这件事能做成，也是在开发和编程赛道有了 PMF 验证。以 Cursor 为代表的工具证明，编程确实可以交给 agent 来完成一些闭环操作，这是非常重要的一点。
另外，前面也谈到，大模型今年的演进，尤其是开启通过强化学习做后训练的范式之后，整个推理能力的提升大大增强了模型和 AI 应用的能力。
这个事情肯定还在不断演进，但现在能够让它落地，并且显著优于 ChatGPT 本身或者 o4 这类模型的最显著特点，其实就是使用工具的能力。我觉得这是今年变化最大的一点。
编程能力本身也是一种工具，还包括浏览器操作、沙盒应用、Computer Use，以及普及率越来越高的 MCP 这类通用接口。
大家常说，人区别于其他生物最重要的能力之一，就是使用工具的能力。我们如果只会纸上谈兵，也干不了什么事情。但 AI 有了使用工具的能力，就能够从外部获取信息。
原来大家对大模型最大的问题之一，就是它的训练数据存在截止日期，截止到哪一天，它大概就只有哪一天的数据，而且这些数据都是公开数据，没有私有数据。当 AI 具备使用工具、自主检索，并通过工具和外部世界交互的能力之后，它能够发挥的能力就比原来高很多，肯定不止一个数量级。
所以我觉得，这可能确实是它和传统纯对话、聊天式预训练大模型最大的差别。
颜前航
我补充一下，可能很多观众不清楚，为什么今天一定要先做编程，反而是编程这个方向发展得最快。
最早 ChatGPT 刚出来的时候，大家就意识到，编程本身是文字和语言数据的结合，而且它的输出，或者说它拥有的大量训练数据，是非常结构化的。所以 ChatGPT 刚出来时，在写代码上就能展现出很强的能力。
但当时 ChatGPT 写代码有一个很大的问题，就是写出来的代码充斥着幻觉和虚构代码。甚至它写出来的代码看起来可行，但放到编译器里运行时，实际上并不能工作。
后来大家发现，agent 最重要的一件事就是 tool use。对于代码，或者说对于整个 agent 体系来说，编程的验证、编译以及结果输出，今天这套编译工具和 DevOps 工具经过过去 20—30 年的发展，已经相对非常完善。
所以对编程行业来说，它反而形成了一个闭环：从代码生成、代码验证，到代码编译、实现，再到代码结果呈现，都能在虚拟计算机里形成一套闭环。今天看来，编程天然非常适合做 AI agent，也适合快速迭代。
刘鹏奇
而且这个闭环非常有利于它进一步做强化学习。这个可以一会儿再深入聊，但它能不能形成闭环，确实非常重要。
颜前航
刚才也提到什么场景特别难做。我觉得目前具身智能相对比较难的地方，就在于它涉及物理世界中的执行和操作任务。从代码到物理世界的映射，这个过程中的 gap 会导致一个问题：今天大家怎么去做闭环，怎么把真实结果反馈到物理世界中？
这反而是一个比较大的挑战，而不是模型能力发展强大之后就能立刻解决的问题。所以相对来说，挑战会更大一些。
颜前航
刚才我们也提到，闭环这个概念很有意思。它非常像在一个环境内，如果一个系统既能思考、又能执行、还能验证和反思，就回到了最早强化学习的框架，也就是 AlphaZero 的框架。
在虚拟环境里，它既能决策怎么下棋，又能评估自己下得好不好，还能通过对弈进行大量训练，大概率有可能形成一定程度上超越人类的智能。
回过头来看，AI 智能在这个范式上，和强化学习有一个非常接近的思路。我想问一下，对于现在的 AI agent 来说，强化学习和 AI agent 结合的现状是什么？为什么未来进一步发展时，大家会预期强化学习和 agent 之间会形成非常强的耦合，并成为一种基础方法？这可以让鹏奇来介绍一下。
刘鹏奇
6. 强化学习成为下一路径
我们刚才谈到，这一波 agent 最开始落地，还是因为 tool use 能力的提升。但再进一步提升，可能就要靠强化学习了。
我的观点是，基于强化学习迭代的 agent，可能才是未来 AI 应用走向所谓终极智能的一条路径。为什么这么说？首先可以简单回顾一下强化学习的历史，以及它和 agent 的关系。
agent 这个概念最早在计算机领域提出，并得到广泛认知，其实就是在强化学习领域。熟悉这段背景的人可能都知道，强化学习领域有一本非常经典的教科书，叫《Reinforcement Learning: An Introduction》。这本书的两位作者获得了 2024 年图灵奖，我觉得这也从某种程度上说明了他们的贡献。
在这本书里，作者详细讨论了 agent 这个概念，以及它作为强化学习框架核心组成部分的角色。在强化学习中，agent 被定义为：能够在环境中执行动作，根据环境反馈——可能是奖励，也可能是惩罚——调整自己的行为，从而达到长期目标的实体。
从这个概念就能看出来，它和今天我们在 AI 领域讨论的 AI agent，形态上其实很类似。
强化学习虽然是计算机领域的一个名词，但提出之后，就一直和认知科学、心理学、神经科学等领域相互促进。所以我觉得，强化学习不仅代表计算机科学领域自身迭代和演进的路径，也是一种普世的进化规律。
拿我们每个人来举例。小时候上学时看书、听讲的过程，其实相当于自监督的模仿学习，和今天大模型预训练的过程很像。老师有时会帮我们讲解例题，这可以对应到后训练中的 SFT，也就是监督微调。
但如果我们真正想掌握一个知识点，还是要通过写作业、参加测试来得到真实反馈。这个过程，其实就是我们作为人的强化学习过程。
这个过程在进化领域里也同样适用。我们可以想象，每个物种的基因组合，都是不同环境中的一个 agent。它同样要通过适者生存的进化过程，让自己变得越来越强。
所以今天讨论 AI agent，如果它想变得更强，我觉得就需要进入强化学习的迭代路径。刚才颜博士也提到，在一些领域，比如编程领域，已经有数据反馈的闭环环境：你写一段代码，它是否正确，是一件很好验证的事情，有非常明确的奖励和激励信号。
在这样的环境中，agent 的能力，尤其是代码能力，就很容易快速迭代和演进。这也是为什么编程方向发展得这么快、能够这么快发展出 PMF 的原因。但在其他领域是不是也有同样的现象，大家可以自己思考。
结论是，如果未来我们想让 agent 具备超越竞争对手，甚至超越人类智能的能力，就一定需要让它自己进入强化学习的闭环，探索学习方法，而不是依靠人去教它到底应该怎么做。
颜前航
强化学习从 2016 年到现在，一直是推进 AI 往前走的一种基础学习方法。只是在大语言模型预训练时，预训练的自监督方法暂时压低了强化学习的声量。
那时候大家尝试了很多强化学习的探索。其实强化学习用在机器人或者游戏上，在 2016、2017 年 AI 兴起之后就已经有大量应用。OpenAI 最早成立时，就是用强化学习做机器人和游戏 AI 应用，后来才转向 AGI 这类生成式模型。
但回过头来会发现，当大语言模型发展到一定阶段、基础模型性能足够强之后，今年年初 R1 的出现让大家发现，强化学习在基础性能达到一定水平之后，反而能够给模型本身带来巨大的性能突破。
这里有一个很有意思的结论：强化学习需要基础模型达到一定能力水平之后，才能贡献出非常强的价值。
怎么对应到生活里？以运动为例。大家打网球时，反复练习之前，必须先让老师教会你基础的挥拍动作。学会基础动作后，再通过练习持续优化和迭代，才能把网球打好。
如果老师没有教你，或者你学的动作本身不标准，却大量进行强化学习，就可能把错误动作固化下来，反而影响性能上限。模型的上限，既由基础模型能力决定，也由强化学习能力决定。
回到 agent，模型只是它的大脑，它还加上了感知和工具。在这个过程中，如果用强化学习提升 agent 的性能，是不是也有类似规律：需要 agent 本身先具备很好的技术性能，再由 RL 来提升上限？
第 1 个问题是这个。第 2 个问题是，进一步预判一下，什么时候会进入 RL 给 agent 带来巨大提升的 scaling 阶段？
这里也可以先讲一讲我们目前观察到的情况。现在虽然有很多厂商发布了自己的 agent，但如果仔细看大家的技术文档，会发现它们走的路径并不一样。这个路径可以分成 3 种、4 种、5 种、6 种不同形态，但我们简单理解为两种形态。
第 1 种形态，典型代表是 OpenAI 的 Deep Research，以及 Kimi 最近新发布的 Researcher。这两个 agent 都是完全端到端、通过 RL 强化学习训练的 agent。
所谓端到端，就是训练一个模型。这个模型包括它的 memory、上下文、工具调用，以及多步思维链的过程，完整地在端到端流程下完成。它完全是在这样一个端到端的过程中实现的。
目前看，这种能力的 agent 可能只有模型厂商能做到，因为它本质上是模型能力的体现。所以我们看到的类似产品，可能只有 OpenAI、Kimi 这样的模型厂商能够发布。这是第 1 类。
第 2 类，是把 agent 的能力拆分开来。刚才讲到，agent 具备推理规划能力、有调用工具的能力，也有 memory 的需求，于是可以把这些模块拆出来。
比如推理能力用某一个模型或 agent 完成，memory 用外部 RAG 或其他工具集成，tool use 则可以接入搜索工具，编程再接入一个代码工具。它相当于在一个工程框架下，把 agent 的能力拆分开，然后在每个单点上提升能力。
比如在推理规划能力上，可以依靠模型自身的 RL 能力提升。DeepSeek 可能没有一个 agent 应用，但 R1 可能是一个很好的推理模型，于是可以拿 R1 做推理这一部分。
编程能力则可以暂时不用 R1，而使用 Claude 的能力。它相当于在外面搭建一个工程化的 agent 框架，在里面分别提升不同模块的能力。
强化学习在这里可以分成两类体现。一类像 OpenAI、Kimi，它完全融入端到端过程，训练整个 agent。这件事非常前沿，好处可能是整体上下文都在线性链条里，能够完整把握用户需求。
但挑战在于，如果上下文爆炸怎么办？它是否能够完成非常长链条、非常复杂的任务？
另一类框架中，强化学习更多发挥在单点能力提升上。比如只提升 coding 能力，只提升 tool use 能力，只提升推理规划能力，或者提升多模态能力，然后再通过外部软件和工程把它们连接起来，Manus 可能大概就是这样一种框架。
它并没有全局使用 RL 去优化整个 agent 的能力，可能只是依靠大模型自身 RL 能力的提升，来提升 agent 的整体效果。这就是目前看到的两种强化学习提升 agent 能力的方式。
颜前航
可以总结一下：目前强化学习在单点能力上的提升肯定有效。不管问题的规模大小，反复练习都会带来能力提升。
但如果想实现端到端的 RL，我觉得这更像是模型的后训练。既需要懂模型后训练，又需要懂产品，因此对 AI 产品或 AI agent 团队的能力要求会大幅提升。
颜前航
7. 工作流对决强化学习
目前看来，确实只有模型厂商，以及像 Kimi 这样产品和模型能力都很强的公司，才有能力做这件事。
今天 agent 领域有一个很有争议的问题，就是 workflow 类型的 agent 和 RL 驱动的 agent 之间的比较。现在大家更强调 workflow 的可视化、白盒和可解释性，因为它更可控。
RL 理论上限更高，但目前大家都觉得它不可控。所以很多人投入 workflow agent，甚至认为短期商业化会采用 workflow agent，而 RL 是一个长期、困难、也不一定有效的方向。从商业化角度，大家会选择先做 workflow agent。
这里有一个很有意思的历史观察。2019 年有一篇文章，被大家奉为 AI 领域的经典文章，叫《The Bitter Lesson》。
《The Bitter Lesson》是强化学习领域的奠基人 Richard Sutton 在 2019 年发表的一篇经典文章。它的核心观点是，人工智能的长期进步应当依赖算力和通用方法的进步，而不是人类知识的直接嵌入。
这一观点对 OpenAI 以及后续一些 AI 大模型机构的技术路线产生了非常深远的影响，也被大家视为大模型时代的理论基石。
这里还有一个很有意思的小故事。OpenAI 的一位研究员在 X.com 上发布了自己的工作日程。每天早上 9:45 开始工作之前，他都有一个必备的仪式感，其中最重要的事情，就是朗读《The Bitter Lesson》，最后再向“优化之神”祈祷，希望当天的实验能够顺利进行。
当时《The Bitter Lesson》提出，对于过去几十年的 AI 训练，大家会发现，当在 AI 模型里加入过多的人类先验知识，或者不依靠算力和数据的提升，而是依靠各种特征工程、各种人类先验知识去提升性能时，效果反而不好。
最终能够胜出的，肯定是基于未来算力提升、基于数据利用率提升而带来性能提升的路线。这篇文章回过头来，已经指导大家看到了大模型的诞生。
回顾大模型早期的发展，从 Transformer 出现，到 attention 机制，再到 Transformer 论文发布，以及后来大家利用 Transformer 做 NLP 工作，当时在路线和架构上也有非常多争议。
现在各种架构里，只有 OpenAI 坚持了 decoder-only 架构，并趋向于大一统。它当时也是意识到，这种架构在泛化性能，以及对算力和数据进行 scaling up 的利用率上是最高的。
从鹏奇的角度来看，《The Bitter Lesson》提到的这些观点，在 agent 里是否有所体现？对于刚才提到的 workflow agent 和 RL 驱动、learning-based agent 之间的发展争议，你觉得有什么启示？
刘鹏奇
8. 环境决定 Agent 上限
我觉得，learning-based，包括 RL 驱动的 agent 形态，非常契合刚才谈到的《The Bitter Lesson》里的结论。
RL 的本质就是不需要教模型太多东西，或者只给它一个先验能力就可以了。但它未来到底怎么迭代、怎么提高，要靠它自己。所以我觉得，这符合《The Bitter Lesson》的结论。
但怎么让它真正通过自我学习来提高？更重要的是，我们怎么为它构建一个适合学习的环境。如果这个环境拥有相对充分的上下文信息，以及定义明确的奖励函数，再加上足够多的算力——我觉得算力现在已经不是问题——就有能力让 agent 自己迭代出更好的能力，而不是依靠专家去编写 workflow。
当然，这仍然是一个长期愿景。如果想走到这一步，我觉得需要关注两个点。
第 1 个点，刚才也谈到了，它仍然需要一定的先验能力。如果它完全是一个小白，让它自己迭代、探索路径，就太复杂了，很难找到最优解。
这个先验能力一方面可能是模型能力，另一方面，尤其是对于垂直领域的 agent，它一定需要在垂直领域积累的先验 know-how 和经验。我觉得这件事在今天仍然不可或缺。
我们不可能认为大模型本身就能够学会一切。尤其针对垂直领域，还是需要给它一些先验能力。因此，垂直领域的 know-how 作为先验知识，仍然十分重要。
第 2 个点，是要给它构建一个相对好的环境。环境也是今天一个很重要的争议点，有些方面已经形成共识，有些方面还没有。
目前市面上看到的通用 agent，都在追求纯粹通过 language UI，也就是通过对话框的形式让用户提出需求，然后直接返回结果。但我们都知道，语言只是一种信息压缩形式，在很多情况下，它并不能很清楚地描述需求，也不能很好地交付结果。
尤其对人来说，多模态信息、视觉信息都非常重要。所以我觉得，GUI 这样的环境不容易被取代，图形界面的交互仍然很重要。
比如做设计、绘图，或者需要对图片某些地方进行圈选和修改时，不可能仅仅通过语言描述完成，肯定还需要很多交互工具。
另外，通过更复杂的交互，让用户参与到整个流程中，也能够收集用户对模型、对 agent 最终结果的评价。这些评价是非常重要的反馈信号，能够进一步帮助 agent 迭代能力。
如果只是给一个需求，然后返回一个结果，结果好不好，甚至用户自己都不知道，那么这个反馈信号对于 agent 和模型来说就太稀疏了。仅通过这些特别稀疏的信号，环境不足以让模型和 agent 自己迭代、提升能力，《The Bitter Lesson》里的结论也就无法真正发挥作用。
所以第 2 点很重要：做产品时，要非常关注我们是不是在模型和用户之间，构建了一个具有足够丰富上下文和反馈闭环的环境。
这个环境可以是浏览器，所以我们看到很多人在做浏览器；也可以是 IDE，所以我们看到 Cursor 做得很成功。Cursor 没有直接扔掉 IDE，而是继续用 IDE 和用户交互，从而采集到大量用户反馈信号。
这只是两个例子。在其他场景里，大家也可以思考如何构建这样一个和用户交互的环境。
总结来说，一方面要基于行业和垂直领域的 know-how，形成专业能力，让产品先做起来、形成 PMF；另一方面要给用户提供一个具有充分反馈和上下文的人机交互环境，让 agent 能够在这个环境下通过和用户交互，自我迭代。
只要这两个条件能够满足，我觉得 agent 和模型就非常有可能自己迭代出更强的能力。
颜前航
从产业角度来看，如果想创业做 agent，也不是要用《The Bitter Lesson》逼着大家一步到位，直接追求 RL 驱动的 agent 作为最终产品形态。
在中间的过渡过程中，怎么找到当前模型、当前技术供应的边界和产品之间的交界点，为用户提供目前最接近技术极限、体验最好的产品，反而是 AI 创业者和产品经理应该花心思去琢磨的问题。
从《The Bitter Lesson》的角度来说，它更适用于 researcher，或者说追求极致的 AI 科研人员。对于产品而言，《The Bitter Lesson》意味着不能忘记技术边界会不断扩张，不能简单地把自己局限在当前工程化的一些雕花，或者各种工程化 tricks 里。
就像鹏奇说的，如果后面不去收集用户数据，为未来做准备，很有可能在新一代产品出来之后，被革新或者淘汰。
刘鹏奇
这可能更像是 AI 应用的《The Bitter Lesson》。
颜前航
我特别同意。虽然刚才我们讲的是长期路径，但从短期来看，确实很难一步就走向通过 RL 学习和迭代。
不过我觉得，每个创业者心里都需要有这样一根弦：在搭建环境、和用户交互的过程中，要埋下这些伏笔，思考未来是不是有机会进一步迭代。但第 1 步，可能确实还是先做成 PMF 更重要。
9. 具身智能走向多物种
我们看了比较多具身智能项目。按照我们的理解，具身智能和 AI agent 是同构的一类产品，具身智能算是 AI agent 的一个子集，大概是这样的关系。
今天具身智能里有没有什么《The Bitter Lesson》？我先说说我的想法。
如果和 AI agent 相比，具身智能还非常早期。今天大家连具身智能基础模型的 scaling law 都没有找到。目前也有一些不同声音，认为具身智能可能不会出现 foundation model 这样的通用模型，未来可能像过去基于任务编程一样，变成各种各样的垂直小模型。
也有人比较坚定地认为，应该长期探索具身智能中的通用基础模型。这两条路线目前仍有争议。
既然具身智能短期内还是一个相对早期的科研阶段，从我个人的观点来看，我希望整个行业、所有参与者都朝着更长远、机会更大的、能通向 scaling up 的通用模型方向去考虑，尽可能利用具身智能中的各种数据，提升数据学习能力。
因为算力对具身智能来说不是问题，反而数据是问题。假设数据逐渐变得充分，那么大家应该像当年大语言模型走过的那条路一样，继续向前走，而不是因为觉得这件事特别难，就停留在垂直场景的小模型训练，或者垂直场景的具身智能简化应用上。
这是我的想法，也看看鹏奇对这块有什么观察和想法。
刘鹏奇
这块我部分同意。大家思考具身智能路径时，肯定需要尽量通过数据驱动的方式做这件事。我觉得这可能是未来必然的路径，而不是通过雕花的方式。
上一代控制算法，大家主要做的就是这些事情。但我觉得现在确实有能力迭代出完全数据驱动的路径，实现相对智能的机器人。
不过，能不能做到通用，我可能有一些不同观点。就像刚才讲的，所有 agent，所有基于 RL 训练的智能体，最终能够达到什么样的能力和上限，完全取决于 RL 环境是什么样的。
前面我们也谈到，RL 是一种世界的普适规律。我们的物种其实也符合 RL 的规律。虽然所有生物都生活在地球这一个环境下，可能拥有同一个起点，但我们仍然分化出了不同物种。这些物种分别适应自己的那部分环境。
这里的环境既包括自然环境，也包括和其他物种之间的边界与关系，这些同样是环境的一部分。所以我觉得未来大家都将在这样的环境中自我迭代。
通过数据驱动没有问题，但未来的形态可能确实会非常多样化。这里还可以引申出一个话题：未来不同形态的具身智能，或者不同形态的 agent，从更长期、更远的角度来看，可能会处于一种多物种协作状态。
这其实也是现在一些公司和一些人在谈的多 agent 协同，而不是一个 agent 完成所有任务。这可能是一个更前沿的探索方向：每个 agent 拥有不同能力，但组合在一起，反而能够发挥更好的能力。
拿人类社会举例。每个个体的人能力有多强？把一个人扔到自然环境中，可能根本活不了两天。但人之所以能够统治其他物种，是因为我们有非常强的协作能力，可以组织起来进行大规模协作。
这种协作让我们从小到一个家庭，大到一个国家，包括中间的不同公司和公司内部组织，都能够形成协作。这可能是未来的一种终极形态。当然，这可能还有些遥远，但它是一个很有意思、可以去想象的未来。
颜前航
刚才鹏奇也提到了我想问的问题：未来 agent 到底应该是什么样子？
今天大家在争论通用和垂直，也在讨论未来到底要通用到什么程度。这个问题还有待讨论。今天大家说的大语言模型是通用模型，但它也没有通用到我们预期的程度，并不是任何场景、任何具体任务都能做得非常好，所以才衍生出很多在模型之上搭建的应用。
回到商业模式和商业预期，刚才鹏奇也提到，今天 AI 应用的商业模式仍有争议，或者说有待判断。从商业和落地角度来看，目前 AI 应用在商业模式上有什么痛点，或者说有哪些瓶颈？
刘鹏奇
10. 商业模式尚未定型
我相信大家通过自己使用产品，应该已经有了一些认知。
在使用工具的能力、模型推理能力上，已经有了非常长足的进步，所以我们才能在 2025 年上半年看到这么多 agent 落地。但大家对它们真实效果的评价仍然褒贬不一，这里面肯定还有很多技术层面的挑战。
比如，是否有足够长的上下文，以及如何管理 memory 机制，我觉得仍然是很大的挑战。推理能力目前还能不能持续演进，也是一个问题。
现在的推理能力，看起来仍然主要基于一些相对客观的数据训练，比如数学题、编程问题。但我们生活在社会中，很多问题并不客观，有很多问题需要主观判断，结果也非常随机。
在这种情况下，怎么进一步迭代推理能力，仍然是一个有挑战的话题。这可能需要更多依赖模型厂商去努力。
另外，在使用工具方面，虽然现在浏览器、编程、搜索访问等能力已经很强，但仍然和真实世界存在很大差距。尤其是企业内部复杂的软件，以及真正进入具身智能之后，如何和物理世界交互，在工具使用上仍有很大差距。
在这些方面没有充分发展之前，agent 的上限不会特别高。
这是技术层面的瓶颈和挑战。另一个问题是，未来大家的壁垒到底是什么？
我们看了很多项目，也会问自己，当然也会问项目方：你们的壁垒是什么？这个壁垒和上一代互联网时代虽然不同，但我觉得可以借鉴。它本质上仍然是网络效应和规模效应的问题：能不能通过更多用户、更多使用，反过来提升产品体验和模型能力？
刚才也谈到，能不能收集更多反馈可能很重要。但我觉得现在还远远没有到这一步，可能要到今年下半年或者明年，才能慢慢看出一些答案。所以产品这一点，还可以继续观察。
第 3 点是我最近也在思考的问题：商业模式到底会怎么演化？
现在看起来很简单，大家普遍采用订阅服务，比如每个月 20 美元。但未来大家都认为 agent 会很多，可能会有很多垂直 agent。可是我们不可能每个 agent 都花 20 美元订阅，有些 agent 一个月可能用不了几次。
所以，订阅模式是不是真正长期可持续的模式？如果不可持续，现在大家计算 ARR 可能就没有意义了。
如果订阅模式不是未来的终局，大家可能会转向按 token 使用量付费。但 token 的使用量是不是合理？比如一个 agent 能力更强，只需要消耗 1,000 个 token 就能完成一个任务；另一个 agent 可能需要消耗 10,000 个 token 才能完成同样的任务。
先不谈结果，用户真的需要为 10,000 个 token 付出 10 倍的价格吗？这对用户来说也很难接受，所以这里面存在一个悖论。
第 3 种模式，是为结果付费，也就是衡量结果对用户的价值。但价值高低又是一个很主观的问题。
对一个用户来说，帮他制定旅行计划可能非常重要；对另一个用户来说，帮他完成一份行业研究可能很重要。但它们消耗的 token 数量可能相差一个数量级。对于用户来说，他可能并不在意消耗了多少 token，只看这件事对他的价值。
对于 agent 厂商来说，商业模式就会受到另一个层面的挑战。
未来如果是多 agent 协同的方式，比如通用 agent 还会调用垂直 agent，那么它们之间如何结算，就会是更加复杂的问题。也有朋友谈到，未来虚拟货币是不是能在里面发挥作用，但现在肯定还看不到，未来也许有可能。
这里面还有很多变量，尚未达成完全共识，我觉得这也是很有意思的一件事。
颜前航
如果今天人类对于人的劳动结果如何付费和激励，都没有特别清晰的判断，每个乙方总会觉得甲方给的钱太少，那么回过头来，以 AI agent 作为一个独立结果交付时，今年还有一个比较热的词，叫“以交付结果为商业付费”。
但交付结果怎么评估，也会成为一个基础的商业问题。这可能更像人与人之间的社会学问题：从如何评估人与人之间的劳动、如何为别人的劳动付费，过渡到如何把 AI 看作类似于人的劳动付出，以及用户愿意为 AI agent 付多少钱、接受什么样的定价。
这件事需要一个变化和磨合的过程。我们当然会期待，最终 AI agent 能够按照交付结果进行合理评估和收费，形成多劳多得的模式，实现比较合理的价值回报。如果能够做到，这肯定是理想的商业价值状态。
所以 AI 改变的不只是生产力。大家一开始可能认为它改变了生产力，但这样看来，它也会改变很多生产关系。
无论是人和 agent 如何收费、如何协作，还是未来如何管理、企业管理是否仍然需要，这些事情都很有意思。甚至可以说，宏观组织不再只是人的组织，也可能变成人与 AI 之间的组织协同，或者说在这个组织中，如何管理 AI 的行为和整个组织的预期。
今天大家会强调对 AI 做优化，为 AI 提供 prompt，或者进行数据梳理，让 AI 更好地理解组织当前的任务和目的。
11. 投资聚焦垂直场景
最后一个问题。作为投资人，我知道大家未来肯定都有自己的投资偏好。作为早期投资机构，针对未来短期，或者说未来 1—2 年的投资，你更偏好什么样的 AI 方向？
刘鹏奇
我们会更加看重垂直领域 agent 的机会。前面也谈到，通用 agent 长期来看离模型能力更近，但垂直领域确实需要很多行业和领域的 know-how 以及知识。这些东西是模型不了解、也没有掌握的，而且它和用户的关系会更近。
所以我们更看好在垂直方向上创业的 agent 项目。甚至一开始也不需要完全是 agent 形态。现在多数应用还是 prompt，一部分做成 workflow，只有很少一部分刚刚开始做 agent。
workflow 形态在做 PMF 的过程中，已经能够发挥很多作用。随着模型能力不断演进，再把 workflow 逐渐变成所谓 agentic workflow，最后变成完全 agent 式的托管，我觉得这条演化路径是值得期待的。
但现在整个行业竞争仍然非常激烈。大家都在谈，一个人做出一家独角兽的时代很快就会到来。我们在看方向、给创业者建议时，还是希望他们尽可能发挥原来的经验和积累，把服务链条尽可能做长，从工具到服务，再到交付结果，覆盖得更多一些。
颜前航
我比较认同鹏奇刚才提到的 to B 垂直场景 agent。我可以补充一些对 to C 方向的想法。
大家往往有一个误解，认为 to C 产品一定要做得非常通用或者平台化。比如目前市场上比较火的通用 to C AI agent，包括 Manus、Genspark、Flowith 等。
但其实在 to C 场景中，会有很多小众化、个性化的需求。乘上 C 端比较大的用户量，这同样是一个很大的市场。所以我们比较看好，在 C 端环境下，能不能挖掘一些垂直、个性化的需求。
对于 AI 来说，深挖个性化产品价值，是一个不错的探索机会。
如果只是做一些相对短链条的任务，而且离文字生成和交互比较近，那么 OpenAI、Kimi、MiniMax 这一类厂商做得已经差不多了。它们最近推出的 AI agent，包括 OpenAI 的 Deep Research，都是面向 to C 的 AI 应用尝试。
再往下走，就是个人 C 端的一些长链条任务规划，或者大家之前提到的旅行规划、长链条内容生成，以及过去大家谈到的 AI 陪伴，还有如何把 AI 能力和硬件结合起来做成 AI 硬件产品。这些都是当前大家比较感兴趣的 AI 应用方向。
为什么说 to C 不一定要平台化或者通用化，垂直 to C 同样有市场价值？回头看 C 端很多智能硬件，从诞生到最后蓬勃发展，最早都是从一个垂直场景做起来的。没有人一开始就在 C 端做非常通用的东西。
因为 C 端体量足够大，即使在一个垂直场景里把产品做深、做透，创造出一个新品类，也有很多机会把原来的小蛋糕做成大蛋糕，或者创造一个新品类的蛋糕。过去我们看到的大疆、Insta360 等消费电子产品，都是这样的例子。
过去我们可能看好的是消费电子 C 端产品的智能化。今天 AI 出来之后，我们也期待 AI 加上消费电子 C 端需求，在中间找到新的重合点，诞生新的产品形态，交付给用户。这是我们对 AI 产品 to C 方向比较好的预期。
今天我和鹏奇简单回顾了过去半年 AI 和 AI agent 领域的发展，以及很多关键变化。我们也聊到了对未来 agent 的一些预期。
从长期技术发展层面，我们看好 RL 驱动的 agent 形态。它不仅在 agent 交互性能的上限上有很大潜力，在 agent 交付价值的提升上也有很大潜力。
回到商业角度，我们长期看好 to C 和 to B 各个垂直领域 AI 应用的进一步发展。我们也相信，从 2025 年开始，随着模型发展到一定阶段，AI 应用和 agent 这类新产品会迎来爆发机会。
最后再说一点，我们的很多观点，可能明年或者半年之内就会被快速革新，甚至被推翻。在这样一个快速变化、激烈变化的时代里，交流和学习都是必不可少的。