E249｜Token经济转点：OpenClaw、Hermes到本地自研的Agent进化之路

如果说2025年是Agent的元年，2026年行业有一个有意思的变化：市场从开始讨论模型的能力，变成越来越多地讨论Agent的工程问题，出现了一个从关注科研到关注工程的转向。

曾经疯狂带头烧Token的硅谷公司，现在看起来也慢慢冷静下来了。Uber用4个月烧穿了全年的AI预算，Meta计划限制员工的Token消耗量。与此同时，中国有一批开源模型——DeepSeek、GLM、Kimi——它们的模型能力越来越逼近第一梯队，硅谷的公司也开始把它们搭进自己的工作流。

1. Token消耗不会停，更复杂的网络还在后面

所以我们有一个问题：最大化Token的消耗、无脑使用最强的模型，还是市场的最优解吗？这集我们就来聊一聊，从Token Maxing到Token Efficient，这背后正在发生的整个Agent工作范式的变革。

今天跟我在一起的两位嘉宾，一位是黄东旭。东旭是Llama Ventures的合伙人，也是PingCAP的联合创始人和CTO。还有一位是张宏江老师。宏江老师是Llama Ventures的高级技术合伙人，也是美国国家工程院的外籍院士、微软亚洲研究院创始成员之一、北京智源人工智能研究院的创始人，以及前金山CEO。

宏江老师，非常荣幸您能来做客我们的播客。

谢谢，非常高兴有机会跟大家见面。

在开始的时候，两位要不要先简单介绍一下自己？

我是东旭，PingCAP这边的CTO和联合创始人。最近有了一个新的身份，就是Llama Ventures的合伙人。我的自我定位肯定还是一个工程师。大家都知道Harness和Agentic Coding，我也是第一时间拥抱这类技术的人。

第二，我是一个创业者，一直以来都在做从0到1的事情。在基础软件行业，PingCAP和TiDB是分布式数据库，从北京开始起步，慢慢地客户遍及全球。

第三个身份，是因为我是一个好奇心比较重的人，很喜欢自己去做一些东西，比如音乐、艺术。总之，这是我的几个身份。

因为今天我们要讲Token这个话题，我觉得请东旭来我们的播客，主要是因为你是真正在玩Agent的人，一直在用，也一直在搭程序。所以我觉得，你应该会有很多一线实战经验可以跟大家分享。

我也用一句话介绍一下我心目中的宏江老师。其实我人生的第一份工作就是在微软亚洲研究院，当时我还是一个实习生。那时候宏江老师正好在亚研院，处于工程院刚成立的阶段，是我心目中的大科学家。

所以现在非常荣幸，能够在Llama Ventures里再续前缘。宏江老师，大家好。

大家好，我是张宏江。我现在是一种退休的状态。

两年前，大家看到了这一波由AI推动的新技术浪潮。在这波浪潮中，华人起了非常关键的作用。尤其是在大型实验室里，无论是OpenAI、Anthropic还是Google，至少在技术上，这些华人都是骨干，甚至是挑大梁的人。

同时我们也看到，在这一波创业浪潮里面，华人的比例也非常高。无论是从大陆过来的，在这边上学、毕业、然后在大厂工作的，还是就在这里长大的二代、三代华人，创业的人都很多。

尤其是对于原来背景在大陆、到这里留学的华人来说，他们作为第一代移民，在创业过程中会遇到各种各样的困难。其中一个很大的困难，实际上就是能不能得到他们所需要的资金。

两年多以前，我正好碰到了Llama的一个机会，希望能够以顾问的方式，跟Llama的团队一起来做这件事。

我之前最早是在新加坡做研究，后来在美国做研究，然后回到中国，跟开复等人一起创建微软亚洲研究院。从研究院做基础研究，到工程院做产品研发，后来出来做金山的CEO。退休以后，我又做了一系列顾问工作，之后创建了北京智源人工智能研究院，中间还花了很大的工夫，做源码资本的投资合伙人。

我整个职业生涯中学到了很多，也有很多经验和教训。现在也希望能够在美国，和所有创业者一起分享这些经验，帮着大家在这一波技术革命的浪潮中寻找自己的机会。

2. Token maxing，是泡沫吗？

我觉得AI这一波，肯定是一个实实在在提高生产力的技术革命。但是现在大家的基础设施投资也非常迅猛，包括我们今天马上要聊的Token Maxing策略，大家也在疯狂地烧Token。

您觉得现在整个大市场里，是否存在一定的泡沫？还是说，您觉得现在的基础建设还远远不够？

去年12月，我在另外一个采访里面也被问到过这个问题。当时我就说，没有泡沫。

2024年年底的时候，大家怀疑Scaling Law是不是撞墙了，也怀疑是不是存在过度投资。但事实上，我们今天回头看，远远还没有达到过度投资的程度。

我们所面临的是一场非常基础性的革命。你可以把它跟互联网最早期的基础设施建设相比，也可以跟当时美国快速发展时期建设铁路网和公路网相比。今天从绝对数来看，投资额毫无疑问超过了它们，但如果从占GDP的比例来说，其实比那些时期都小。即使从宏观角度看，也远远没有到所谓过度投资的程度。

另外一点，Token虽然很贵，但Token的消耗量增长得非常快。还有一点大家忘掉了：Token的价格在过去几年一直以每年下降10倍左右的速度变化，无论是英伟达芯片的进展，还是其他方面的技术进展，都是如此。

所以我依然非常有信心，不觉得存在太大的泡沫。当然，你说股票市场是不是存在泡沫，那是另外一回事。但是技术的发展和应用的发展，我不觉得存在什么泡沫。

也正因为这一次革命的浪潮如此之大、如此迅猛，很多潜在用户，包括很多大企业，都有一些不知所措。无论是一开始放开Token让大家去试，还是突然发现Token用量可能超过当初的想象，然后开始往回缩，这都是一个很自然的过程。

因为AI的能力如此强大，到底先把它用在公司里的哪个环节、先提高公司哪方面的效率，实际上仍然是一个探索过程。但是因为速度来得太快，所以有时候大家会觉得有点不知所措。

东旭，你有补充吗？我看宏江老师刚刚说没有泡沫的时候，你立刻比了一个大拇指。

是的，我完全认同这个观点。

今天我们看待AI这波基础设施，就像上世纪五六十年代看待刚刚诞生的计算机：一个房间里的电子管又大又贵。但是你想象一下，那时候还没有个人计算机，很多需求其实是有了充分的基础设施之后才会诞生。而新的需求诞生出来以后，又会刺激更多基础设施建设，或者更新的基础设施技术出现。

所以我觉得，这还远着呢，还有很多事情可以做。

第二，从微观的工程角度，哪怕是从今天的架构来看，我觉得也还有很多事情可以优化。比如模型推理、Agent框架对Token的高效使用，其实还有很多优化空间。

只是因为今天的需求和市场预期是：我们先发散，不要顾及花多少Token，先看看有哪些低垂的果实可以摘回来，之后再考虑优化。短期可能会有一个小的回落，但从长期来看，仍然有大量需求还没有被人看见。

我们今天录这期播客的时间是2026年7月4日，正好也是一个市场的转折点。

就像刚刚宏江老师提到的，最开始大家发现这波AI浪潮到来的时候，Jensen Huang在GTC上说，他要求每一个工程师都要烧很多Token、产生很高的Token账单。Meta也有一个Token排行榜，看哪些员工烧的Token最多。

所以我觉得，在过去8个月里，整个硅谷使用AI的策略，可以叫作Token Maxing——最大化使用Token，最大化地去看大家能把Agent用到什么程度。

但是到今天，我觉得市场又开始出现了一点转折。比如Uber给员工发放Token额度，后来又因为成本问题收回去了，基本上4个月就烧穿了全年预算。

前几天我去Stripe，跟他们负责AI落地的人聊，他们给我看了内部的大模型界面，上面写着：“Opus 4.8很贵，使用时可以节省一下成本，先用其他模型，不是所有任务都要使用这个模型。”打开页面以后，这个提醒就会直接弹出来。

所以我觉得，今天聊这个话题的时间点很好：怎样更加经济地使用Token？而且我觉得，这背后可能也包含着一系列Agent的变革。

3. 亲身体验：只选最强最贵，日烧四五百美元

东旭，你一直在玩AI Agent。你有没有经历过一段时间，反正就是无脑使用最强模型的阶段？那时候有没有出现过账单爆掉的时刻？

当然有。我先说一下自己Token Maxing的历史，虽然我现在可能已经不属于Token Maxing流派了。

我当时属于无脑使用最强模型，也不愿意花太多时间在一个不太行的模型上做复杂工作流，而是直接相信模型的能力。我大概从去年的11月份开始做了几件事情。

第一，我开始用Opus从0到1构建一个我能想到的最复杂的软件。因为我一直做数据库，尤其是分布式数据库，它其实是最复杂的一类系统软件。我想看看，当时的AI对于这样复杂的大型系统来说，边界到底在哪里。

在这种最复杂的任务上，我没有办法非常精确地评估最强模型和第二强模型之间的差别。所以对你来说，最好的策略就是永远选择最好的模型。我觉得今天仍然有同样的问题。

大家对于模型能力的评估，基本上只能看Benchmark。但大家知道，Benchmark很多时候是可以刷榜的。当你在做一些不太确定、但又知道非常难的事情时，一定得使用最强模型。

大概在去年11月份那个时间点，Opus和GPT-5.1对于第二档Coding Agent是断崖式领先的。开源模型基本上只能做一些简单的事情，比如“1+1等于2”可能还行，但真正要做复杂软件的编程、改进大型项目，那时候完全不行。

所以我觉得，Token Maxing在那个时候是一个好的策略。但后来这个策略在社区里被大家误解了。我觉得Token Maxing是一个结果，有点像滞后指标。经过思考之后再去Token Maxing，你可以产出一个很好的结果。

但是像刚才提到的，很多大公司，包括Jensen Huang，都说大家一定要疯狂地用Token。我觉得这里面有两种疯狂的用法。

一种是你知道自己在做什么，进行了很好的设计，然后疯狂地使用；另一种是你不知道自己在做什么，只是觉得公司有一个排行榜，我必须把它刷到第一名。于是就出现了很多无效调用。

尤其在大公司里，只要领导提出要追求一个排行榜，大家一定会去刷这个榜。我当时在Meta和NVIDIA提到Token Maxing时，第一秒就想到，这个问题一定会出现。

你刚刚提到去年11月份，你用最强的Agent完成了一个自己能想到的最复杂的软件。那个时候你的账单大概是什么情况？可以透露吗？

当时我一天可能要花掉400到500美元。

一天400到500美元？

对。而且这一天400到500美元，还是在我已经订阅Claude Code Pro Max的情况下。Pro Max每个月200美元，除此之外还要继续往上加。

因为它有每日和每周的用量限制，用完以后就得自己掏钱购买额外用量，所以当时用得还挺疯狂。

它帮你提升了多少效率？

我觉得是不计其数，钱花得非常值。

举个例子，很多事情是从0到1的。有些事情我觉得自己肯定做不出来，但是用上最强的AI以后，它能让我做出来。你说它的ROI是什么？

比如我做的那个软件，在公司内部，我们的销售团队已经期待了很长时间。我确定，如果这个东西做出来，质量做到七八十分，一年可能就能带来1000万美元的直接收入，因为客户就在等着。

只是以前我受限于人力和技术水平，做不出来。但今天我一个人，花3个月就做出来了一个销售额可以达到1000万美元的软件。

一个人，3个月，做出一个千万美元级别的软件？

是的。我觉得今天完全可能。这样算下来，ROI其实非常高。

这是一个真实的例子。那个项目叫db9，是我新做的一个云原生分布式数据库，时间大概是从去年12月到今年3月。

差不多也是OpenClaw出来的那个时候。

对。

4. OpenClaw：从研究到工程的转折点

后面OpenClaw有帮上忙吗？

没有。OpenClaw是另外一个故事，它更像个人助理。

最早的时候，我不太想让OpenClaw来写代码，因为它的产品设计并不是针对重度软件工程的。它更像是连接各种现实世界，通过Agent能力去操作工作和生活中常用的流程，更接近个人助理。

所以OpenClaw真正出来以后，你反而觉得它在编程上没有帮你太大的忙？

在编程上没有。日常生活中，我觉得它肯定是一个很好的东西。

当时我觉得，它代表了一个信号。对于一些玩Agent很久的人，比如从Claude Code开始的这一波弄潮儿，OpenClaw的出现只是把Claude Code、Codex这类编程Agent代表的理念——Agentic Loop加工具调用——变成了一个更通用、对普通用户门槛更低的东西，相当于让Agent走进了千家万户。

我觉得，OpenClaw的作者Peter能够花一个星期把OpenClaw做出来，对我来说最大的意义是，它宣布大模型的能力跨过了一个坎。它的推理能力和编程能力足够强，使得一个有经验的架构师级别的工程师，能够用它在很短的时间内做出一个系统。

包括刚才我说的，3个月做出一个复杂的分布式数据库，这标志着大模型的能力真的可以落地应用，真的可以开始提升效率了。大家可以真正把关注点从大模型本身转移到大模型的运用上，包括编程，以及用它来做其他系统。

另外，我刚才强调Peter是一个架构师、软件工程师，而不是科学家。这意味着，你未必需要那么深入地理解大模型本身的机理，就能够用它来做自己想做的系统。

这标志着从研究进入工程，从模型进入Agent。

这个总结特别好。你觉得是哪一版模型的能力实现了这样的跨越？

Claude的Opus 4.5，去年11月份。

我是从GPT-5.4开始用的，大概是去年七八月份。

对。我记得去年OpenClaw出来的时候，遇到了很多创始人，他们会给《硅谷101》写信，说像OpenClaw这样的Agent产品他们也搭建了，也能写，效果不比它差。

所以当时为什么是OpenClaw火了？我觉得很多事情事后诸葛亮总是能解释得通，但我可以从一个开源爱好者的角度说一下。

首先，OpenClaw是一个开源软件。开源在今天天然更具有传播力。当你做一个Agent，如果它是闭源的商业产品，大家可能会觉得这是不是广告；但如果是一个民主化的开源软件，每个人都可以用一用，它的传播力，尤其是在极客圈子里，就会非常强。

一开始大家看OpenClaw的传播，主要是在极客和工程师的小圈子里，之后慢慢扩圈。这些人多少对商业软件、闭源软件或者平台型软件有一点抵触心理。

但OpenClaw一开始的理念是Local-first：所有隐私相关的东西、所有数据，都要在本地配置好。我非常理解，作为一个硬核开源工程师的Peter为什么会做出这些技术选择，因为这些选择完全是极客会做出的选择。

而且极客圈子的传播力还是很强的，有点像当年的Linux。

我当时看过Peter的一些访谈，他有一个想法挺特别。他说，自己其实可以把个人所有的东西、所有隐私都交给AI。正因为他给AI开放的权限如此之广，所以他才认为把这些信息资料配置在本地是非常重要的。

然后我觉得还有一个临界点，就是当时Claude又升级了一次模型。至少从我当时使用的感受来说，那一版模型的智能跟前几版相比有天壤之别，效果非常好。

那个时间点大概是2月份、春节的时候。但其实作为工程师，去年11月、12月已经感受到这个浪潮了。我记得Peter自己也说，那时候他用Claude进行Vibe Coding，一直觉得像OpenClaw这样的东西已经准备好了，可以做出来，而且用户也会需要。

但是他当时认为，这一定是大公司会做的事情。他等了几个月，想不明白为什么大公司还没有做，所以就把它Hack出来了。

是的。这个故事也说明，当大势准备好以后，需要有人捅破一层纸，而OpenClaw正好捅破了这层纸。

另外，当时开源这件事以及它形成的社群也很有意思。OpenClaw出来以后，几天或者一周之后，立刻出现了Moltbook，相当于Agent的社交网络：你的OpenClaw和我的OpenClaw可以在一个社交网络里互动。

这种爆发来得非常快。

对。中间发生的这些事情本身也是非常好的传播事件，包括他们成立了几个教派，很快大家又推选出了几个先知。这些事情让人们突然意识到，Agent本身的能力已经达到了我们之前想象的那种自主程度。

我觉得这就是OpenClaw能够快速传播、快速进入每个人生活的原因。

另外从时间点来说，大家使用Chatbot已经3年多了。Chatbot只能跟你交流，却不能替你做事。这时大家从Claude Code看到，Agent可以开始做一些事情；OpenClaw的出现，正好让大家意识到，你在PC上和手机上做的日常事情，Agent基本上都能做。

它有哪些不足？刚才宏江老师也提到，Peter一个人Vibe Coding了一个星期，出来的东西他自己可能也完全没看过代码。

其实很有意思。Peter在某个时间点应该是Anthropic的个人用户，他的Token消耗量据媒体报道，30天内API使用金额高达130万美元。

那是在他做OpenClaw之前吗？

对，在那之前。他一直在玩这些东西。

他一直在玩，东西做得很快，但质量没有经过精雕细琢。给极客使用没问题，但当广大用户都在用时，各种配置的难度、系统稳定性就会成为问题。

这给我的第一个启发是：今天很多人说，任何人闭着眼睛都能Vibe Coding。一开始我觉得OpenClaw这个例子似乎也说明了这件事，但后来软件越做越深，你就会发现，好的软件工程习惯和经验仍然非常重要。

当软件复杂性超过一个临界点，需要花更多精力提升体验和稳定性时，非常资深的研发团队仍然是必要的。

第二个不足，我个人觉得是它起得太早了。它更像一个实验性项目，Peter一开始可能也没想到会成为爆款。但今天大家也能看到，OpenAI在Agent上的精力，正在慢慢从OpenClaw这个开源实验性项目转移到自己的Codex上。

所以持续的资源投入可能也会成为问题。到最后，我觉得这跟它的DNA非常相关：它就是一个极客圈子里大家自己玩的原型。

它的终局可能也就是这样了。现在它有点像扮演普罗米修斯的角色，把这种产品形态和产品能力展示给世人。它的历史使命可能已经完成了。

所以你觉得，它可能很难持续爆火、一直走下去？

它现在基本上也是靠基金会在运转，因为创始人Peter已经去了OpenAI。

OpenClaw出来以后，有一段时间我身边很多人都在玩。我看到大家提得最多的、觉得最不好用的一点，就是怎么让它记住你过去的历史和偏好，以及怎么让它具备更好的记忆功能。

因为用得越多，你就会发现它越容易忘事。对话压缩，也就是Compaction，如果不做记忆储存，它会不停回滚，特别消耗Token，也会带来很多记忆混乱。

5. Hermes：把成功经验沉淀成Skill

在这个背景下，后来出现了一个爆火的Agent，叫Hermes。它是一个名为Nous Research的Web3机构做的。东旭，你应该也用过这个Agent。

我是Hermes的重度用户。Hermes出来以后，我很快就从OpenClaw切换到了Hermes。

刚才你提到的Memory问题，现在仍然是一个Open Question，并没有谁已经把它解决得非常好。大家也都在尝试各种记忆机制和旁路记忆的方式。

只能说，今天肯定比2月份OpenClaw刚出来、经常忘事的时候好很多，但我仍然不觉得它已经完美解决了记忆问题。

我觉得Hermes的亮点是另外一点：它很巧妙地绕开了记忆问题。它不是说记忆模块设计得多么出彩，而是在Agent框架里有一个很强的倾向——不停总结成功经验，把这些经验总结成Skill。

其实小龙虾的Agent Loop里缺少反思过程，它的反思比较少。除非你主动让小龙虾说：“把前面做成功的事情整理成一个Skill。”但Hermes引入了很多类似机制，能够持续优化自己。

你用一段时间就会发现，它长出了很多最佳实践，这些都是以前你自己做过的事情。最佳实践变成Skill，然后被记录下来。

可不可以理解成，它的运营能力很强，因为会沉淀出各种Skill？

对。我觉得这是一个工程问题，跟模型本身的能力并不相关。

它只是说，每一次成功以后，就尽量做一个总结，把前面的经验重新整理一下，有点像养成了更好的学习习惯。

但它另外一点做得非常好。刚才说到OpenClaw的代码质量和稳定性比较成问题，Hermes显然是经过精心设计的软件架构。

OpenClaw更像一个大集市，每个人有什么想法就直接往里面提交，Peter也非常开放，谁有什么想法就直接合并，代码甚至都不看，Agent说没问题就行了。

Hermes会好一些，它仍然是由那个团队精心打磨的产品，所以Onboarding，也就是上手流程和体验，以及各方面的稳定性都会比OpenClaw更好。

Hermes怎么赚钱？它的商业模式是什么？

我觉得今天只要有足够的用户量，能够帮助不同模型厂商消耗Token，商业模式简直不要太多。

比如哪几种？

举个例子，在Hermes里面，我可能跟某个模型厂商谈一个渠道：我这边能够帮助你消耗更多Token，然后以更低的折扣拿到Token。

相当于以更低的折扣拿到Token。

对。其实在这里面，它充当的是一个入口，而入口非常重要。

6. IQ测试已超人类，AGI奇点已来

哪怕今天做Agent本身已经成为一个工程问题，谁都能做，但最后你会发现，这个入口会变成兵家必争之地。所以本质上，它的商业模式还是Token经济学。

我觉得今天看到的是这样，但未来可能会出现更新的模式，比如用户付费、增值服务。

对，比如用户付费、Agent互联网、Agent社交网络。

Agent互联网。

是的。甚至更极端一点往下推演，它也许会变成唯一的应用。

因为未来每个人跟数字世界打交道的入口，可能就没有App了。你想象一下，OpenClaw出来以后，我再也没打开过Gmail。我每天都让OpenClaw告诉我，几个小时之内有哪些新邮件、哪些需要回复；如果有广告，帮我删掉。

这就涉及它怎么判断哪些邮件重要、怎么回复，以及涉及个人信息的邮件要怎么回复。

但你不能代表所有人。你是一个智能原教旨主义者。

我是一个智能原教旨主义者。我相信，比如Opus 4.8判断这封邮件是重要邮件，大概率我自己判断也会认为它重要。

你相信它？

我相信它。

它有判断错的时候吗？

有些时候会判断错，但至少它会告诉我它不确定。如果它觉得有几封邮件看起来像广告，但又不能确定，就会直接告诉我：“我不确定，你来做最终判断。”

不只是邮件。比如你订阅了很多邮件组，经常会收到文章，包括Hacker News之类的内容。你有没有发现，最近你越来越依赖Agent作为入口来消化这些信息，而不是再去《纽约时报》或者Hacker News，一篇篇地看文章？

它会给你总结，还是给你全文？

我一般会先扫一遍总结。如果看到感兴趣的，再点进原文去看。

所以它变成了一个类似新闻集合的App，主要功能是总结。

对。我觉得这对媒体行业的冲击很大。

这个其实已经发生很久了。

这有点像新形态的今日头条，只是它不光帮你读新闻，也帮你读邮件和所有发给你的东西。

而且你想象一下，个人Agent拥有你所有的数字足迹、记忆、浏览记录和偏好，这些偏好还会持续变化。OpenClaw社区里有一个词我觉得用得特别好，叫“养龙虾”。所谓“养”，就是你会不停迭代，让它更理解你。

所以我觉得，真正被颠覆的可能是传统媒体的推荐系统。推荐系统只能根据大数据、整个社会的趋势和模型训练出一个推荐算法，但终极的推荐算法，可能就是在你本地、在你身边，观察着你在数字世界甚至物理世界里的所有事件，同时又具备智能。

不过我自己用了一段时间，让OpenClaw帮我精选新闻，最终没有继续使用，一个核心原因还是它给我的内容太浅了。我觉得很多东西还是要看一手新闻。我更愿意少读一些文章，但读更深度的文章。

还有一点，它帮你回邮件的时候，邮箱里有很多简单信息，用Agent回复非常方便。但最难的是涉及决策的事情。

比如今天我约你来录播客，它要自己判断我录不录、什么时候录、我的开放时间窗口是什么。这些需要决策的事情，我肯定不会完全让它去做，而是要在需要我决策的时候通知我。

我现在使用Agent，更多是把它当作一个过滤器。

7. “Agent动力学”：七嘴八舌烧Token换深度

之后我看到你又经历了一次迁移，你转到了Slock。它是Kimi CLI负责人钱宇超创立的。Slock是一个什么样的Agent？

很有意思。首先，我是Slock的第一个天使投资人，也是它最早期的用户之一。Slock现在已经改名叫Raft了，但为了方便大家理解，我还继续使用Slock这个名字。

大家肯定都用过Slack。Slack是大家在一个会议室、一个频道里互相讨论和聊天的平台。Slock顾名思义，把这个想法平移到了Agent上面。

它的产品形态也像一个聊天室，只不过里面聊天的都是Agent。这些Agent互相不分享自己的运行上下文，唯一分享的是聊天频道里的信息。

这个跟Moltbook其实有一点像。

有一点异曲同工之妙。我觉得Moltbook更像一个社会学实验，但这个模式总归是有用的。只是作为Moltbook这样的实验，大家很容易被它行为艺术的一面吸引，忽略掉有用的部分。

有用的部分是，在一个小范围内，针对某个话题进行Agent之间的讨论。虽然大多数时候都在重复，但Agent有一个好处，尤其是智商比较高的模型，它没有Ego。

所以当某个瞬间、某个Agent提出一个大家之前没有看到的想法时，其他Agent马上就会发现：“你说得有道理。”于是这条重要信息就会再次触发Agent之间的讨论。

举个例子，我经常会用Slock做复杂软件项目的代码审查。代码提交以后，不是说Agent说通过了就直接合并，而是让10个Agent参与审查，其中一些使用Claude Code，一些使用Codex，而且都是顶级模型，大家都负责给这段代码挑刺。

有些Agent可能简单看了看，说发现了3个问题。下一个Agent说：“我也看了，前面那3个问题我也认同，但我又发现了一个新的。”然后刚才发现3个问题的Agent会说：“你说得有道理，我从这个角度再继续看一看。”

这样持续迭代，可能就会Token Maxing一下。你会发现，它比单个模型One-shot地Review代码，挑出来的问题和改进深度完全不一样。

它唯一付出的代价，就是Token消耗量可能是普通方式的10倍。

这就是为什么你刚才说，有一段时间Token消耗量非常大。最大的时候是多少？

一天大概10亿Token。

对应的账单呢？

大概三四百美元。

我当时就是这么用的。同一件事情并不是Agent做完就结束，而是在任何关键决策之前，都让Agent通过这种方式不停地在一个群里讨论。我会强制要求它完成几轮讨论，虽然我也不看它们的结论，但我相信，只要Token在正确的事情上消耗到一定程度，结果就会更好。

当然，我有一个终止条件：当你们谁都挑不出更多毛病的时候，就停下来。

我觉得Slock团队发明了一个很有意思的词，叫“Agent动力学”。平时大家会发现，让Agent持续很长时间运行是一件挺难的事情。

其实今天不管是Harness，还是Loop Engineer，它们都在优化同一件事：怎么让一个Agent在特定任务上持续不断地干活。

Slock是通过让大家一起七嘴八舌地讨论，让Agent持续工作。Loop Engineer则是在每次它要停下来的时候，强行抽自己一鞭子，然后回头继续Review。

对。Harness则是把多个工作流变得越来越复杂。最终效果就是让Agent能够持续、长期地工作。

为什么需要这么长时间？因为有时候模型虽然今天很聪明，但One-shot时仍然会出现幻觉，或者在一些小问题上考虑得不够周全。这时再进入一次迭代，它就可能看到第一次没有看好的东西。

我觉得这跟人类社会多少有点像。小时候我们做完作业，父母总会说：“你再重新算一遍，看看有没有问题。”有时候你就会发现，第一遍确实是马虎了。

我听下来，你使用Agent已经经历了一个过渡：从自己搭建Agent框架，到OpenClaw、Hermes、Slock；从使用单个Agent，到使用Agent群组，让这些Agent相互检查。

同时，从让Agent读一封邮件、很快完成任务，到让它持续不停地工作：一件事情做完以后，马上去做下一件；甚至在做下一件的时候，还要不停给自己挑错，检查是否做得足够好。

这是终点吗？

不是终点。我曾经觉得这是终点，但刚才跟你说的这些认知，大概是今年三四月份的认知。过了3个月，又迭代了。

我觉得最核心的变化有两个关键：一个是GPT-5.5，另一个是DeepSeek V4的发布。最近还有一个事件，就是Fable 5。

这3个事件分别改变了我对Token Maxing的认知，我开始转向Token Efficient。

我先说Fable 5。我觉得GPT-5.5也有点类似。刚才我说的把多个Agent放在一起讨论，有一个前提，就是你不相信任何一个Agent的One-shot成功率。

一次让它做一件复杂的事情，它可能就做不出来；或者当调用链路比较长时，它会顾此失彼。所以你需要多个人一起讨论，让最终结果有兜底，也充分利用上下文空间。

但是Fable 5强到什么程度？这些Agent讨论半天都讨论不出来的东西，在Fable 5的绝对智力面前，可能一次就解决了。

这时你就会发现，我前面烧了10亿Token，而Fable 5非常精准地一次搞定。绝对的智力碾压，而且它还没有之前的上下文。

我可以直接告诉它一个很复杂的Bug，或者想做一个很大的功能。前面那些Agent已经讨论得不想再讨论了，但还是做不出来；Fable 5却可能直接解决。

这是不是证明，只要模型的智力足够强，一个人真的可以干掉一整个互相验证的Agent团队？

我觉得是，也不是。

“是”的部分在于，在一些单点的复杂问题上，哪怕是非常充分的Harness，也会遇到搞不定的事情。这时你仍然可以期待更强的模型，在专家级、地狱难度的问题上把它解决。

第二个变化就是DeepSeek V4的出现。我发现它的能力已经强到了开源模型非常实用的状态。

8. 本地开源模型经济账：每天电费1美元

以前我不相信开源模型，尤其在主要的复杂软件开发工作中，我不信任开源模型。但从DeepSeek V4开始，我发现它的质量已经非常高。

最近很大的新闻是GLM-5.2，又把我对开源模型的认知往前推了一大步。

智谱的这个模型？

对。这标志着我可以用顶级模型，跟这些便宜又聪明的开源模型协同工作。

这很像一个企业真正出现了管理学。你不可能让一家公司里全都是宏江老师这样的资深专家，仍然需要很多像我这样能够写代码的工程师一起协同。

所以我觉得，头部模型和开源模型的配合，正在成为一种更经济的方式。

开源模型是搭在本地的？

都是本地。

你现在用的是DeepSeek V4，还是智谱的GLM-5.2？

我自己本地运行的是DeepSeek V4 Flash，在一台Mac Studio上运行。它其实已经可以在家里的电脑上运行，大概能达到30 Token/s。

这个速度跟你在网上使用OpenAI API或者其他Chatbot的速度已经差不多了。这是我最近更新的一个认知。

我可不可以理解成，当你在本地搭建DeepSeek V4之后，有一些任务就不用再调用API了，所有消耗就是电费和电脑折旧费，其实没多少钱？

是，几乎可以忽略不计，跟它完成的任务相比，这点成本非常小。

我看之前你提到过，一天的电费可能就是1美元左右。

对，1美元左右。一个月可能二三十美元，而且这还是满载运行的情况。

我现在用开源模型做两件事情。一个是大量重复性的日常工作，比如整理我自己的文章、记忆和数字足迹，相当于对自己的信息做蒸馏。

第二个是很多以前不敢让Opus放开做的事情。我特别喜欢看论文，但又看不过来，所以经常会说：“今年CVPR的所有论文、NeurIPS的所有论文，你先帮我总结一遍，看看哪些有意思，再给我汇报一下。”

像这种一期几百篇论文的规模，不可能用付费API去做，太贵了。当时我就在自己的开源模型上跑工作流，让它持续运行。

我觉得这会解锁很多以前不敢在付费模型上做的事情。

是因为太贵了吗？

太贵了。看一批论文可能需要几百美元。

对。

但我觉得这更多是心态上的变化，并不是我掏不起这几百美元，而是会觉得这个东西不受我控制。

你不知道它会消耗多少API。

对，不知道会消耗多少Token、产生多少费用。

所以我觉得有一个很好的比喻，就是宽带。顶级闭源模型和API未来依然会存在，但开源模型加开源硬件，以及够用的开源模型，也会产生一个非常大的生态。

在宽带出现之前，我第一次上网是在1997年，那时候还是拨号上网，花的是电话费，一分钟可能几分钱。所以大家上网都很节省。

但从节省着上网的时代，到免费的宽带，以及现在手机上的大容量套餐，才催生出抖音、视频会议等各种新应用。拨号上网的时候，这些事情肯定做不了。

所以我觉得，模型或者智能这件事情，免费和低价仍然有天壤之别。

现在你把Agent一部分放在云端，一部分放在本地，配合DeepSeek V4 Flash之后，你的账单降到了多少？

这也跟我的工作量变化有关。那个项目已经过了代码疯狂堆积的阶段，现在账单也就是一个月二三百美元。

一个月二三百美元，已经是正常账单了，很便宜，跟订购Claude的价格也差不多。

对，基本上就是Claude最高版本加上最高版本的Codex。我两个套餐的额度基本都用满了。

但我慢慢地把主要模型从Opus换成了GPT-5.5、GPT-5.6以及Codex，因为Codex比较好用。

你个人感觉比较好用？

对。当然在一些最复杂的任务上，Fable 5还是非常惊艳的。

哪些算复杂任务？

比如数据库里的疑难杂症，或者需要同时修改七八个模块、提交五六千行代码，去解决一个很难的问题。

我自己的标准是：当Slock里的Agent开会也解决不了问题时，我会告诉它们：“你们现在别做了，给我写一份报告，说明为什么解决不了。”然后我把这份报告发给Fable 5，说：“这是它们之前遇到的问题。”

它们还能写报告？

只要你要求，它们肯定能写。

我觉得这代表了一种新的能力。现在做这些事情时，我完全不关注底层代码，只关注非常有限的事情：目标、验收标准，以及这个事情的架构应该怎么做。

中间的过程我已经完全不关注了，而是不停调动不同Agent、不同能力，让它们更好地协同。我觉得最后会变成一种Agent管理学。

所以现在这个是你的终局吗？还会有进一步的进化吗？

肯定会有。现在已经进化到本地模型加云端模型、一起搭配的Agent团队。

反正我过去这一年学到最大的事情就是，千万别随便说什么叫终局。第二，永远相信Scaling Law，永远相信智能。

至少现在还没有达到某个点——人类已经无法评估模型好坏。我觉得今天还没到这个点。一个模型好不好，你还能看得出来：Fable 5肯定比DeepSeek聪明。

但我相信不久的未来，可能真的会出现某个时刻，哪怕是开源模型，你都没有办法评估它。因为它太强了，以至于你问任何问题、做任何复杂操作，它都能完成。

这时候它再强，我们已经没有参考系了。我觉得这一天其实是能看见的。

从你最大化使用Token，到开始经济地使用Token，你预测未来硅谷的大公司要多久才能把工作范式转过来？

我觉得现在正在发生。所以Claude和OpenAI每个月的API消耗量以及ARR，我觉得还会持续增长，但这两家公司不能完全放在一起类比。

先说Agent为什么这么消耗Token。当然，大家也不要神化Agent。从工程原理来说，Agent其实挺简单的。

每个Agent内部都有一个类似发动机的东西，我们叫作Agentic Loop。它是一个内部循环，每一次都会调用大语言模型，向模型提问或者进行对话。

它本质上还是一个对话机，只是把对话过程变成了Loop。这个对话有两个特点：第一，它会在对话中调用外部工具，再把外部工具的输出变成对话流中的上下文。

第二，在复杂或者长程任务下，它不一定两句话就结束循环。这个循环可能运行几百步，而这几百步中又会有很多工具调用。这些工具调用的输入和输出，都会变成大语言模型的上下文。

这种范式导致Agent的Token消耗量相比Chatbot时代可能增长100倍以上。

当然，今天也有很多人为浪费。比如Meta里边刷Token的榜，你可以让Agent计算100万遍“1+1”，照样能把这个榜刷得很夸张。

但是只要这种范式存在，或者说成立，就会有更复杂的系统出现。

今天我们讨论Agent时，刚才说的架构只是单个Agent内部的架构。我觉得最后面对更复杂的问题，可能需要多Agent协同，这种协同又会变成一个更大的网络。

在这个网络之上，还会有一个更加抽象的Loop。我觉得这种分层结构现在已经开始出现了。

所以即使我们找到了一条本地化Agent、尽可能节省Token的路径，也只是把单点问题解决得更好，但整体消耗仍然会持续增长？

对。因为这其实是一个软件工程问题。

我再类比一下计算机历史。早期家酿俱乐部里的计算机爱好者，会分享自己写的200行BASIC程序，说这个游戏很好玩，大家可以分享一下。那时候的程序可能就是几张纸，一个程序员写几千行汇编代码也许就结束了。

但今天我们看一个Photoshop，没有数千万行代码是不可能的。

所以我觉得，今天Agent的应用以及我们希望Agent解决的问题还太简单。如果Agent的能力达到一定程度，开始解决更复杂的问题，必然会出现Agent-to-Agent Network，也会出现Agent Harness工程。

到时候，它对Token的消耗又会上一个台阶。

宏江老师怎么看？

刚才东旭描述的现象，在经济学里叫杰文斯悖论。技术越来越成熟以后，价格会越来越低，但消耗量本身会越来越大，最终使市场变得越来越大。

未来开源模型、闭源模型，哪个走得更快，哪个在本地、哪个在云上，我觉得更多是生态之间的竞争。生态最终如何成熟，今天还很难判断哪个会胜出。

还是说，你只需要一个Agent；或者对于普通人来说，需要一个工作的Agent和一个生活的Agent；又或者像东旭这样，需要多个Agent来做事，其实不同人群还是不一样的。

今天企业内部大部分IT都上云，一个核心原因是，一般人无法应对复杂的IT系统，公司也很难养一个IT团队来应对如此复杂的系统。

所以未来如果有很多Agent，用户也可能很难应对这么多Agent。你说是不是让Agent自己去应对其他Agent组成的庞大系统，构建整个公司的环境？当然，也可能会把这件事交给更强大的Agent去做，而这个强大的Agent可能就在云上。

做IT或者IT产业的人，都希望自己的产品未来处在这个生态的核心位置。如果你做PC或者小型服务器，就希望一切都在本地、自己可控；如果你做云，就希望未来一切都在云上。

对于用户来说，最终一切可能变得透明，他们不需要考虑架构，甚至不需要考虑是买一台Mac、戴尔服务器，还是联想的小型服务器。

下面的演进还有很大程度上是非纯技术的考量。但有一点我非常同意：单个个体的智能本身会越来越强。

智能本身变强，也会更加消耗Token？

对，有可能会更加消耗Token，但Token的价格也会快速下降，最终ROI不一定会受到太大影响。

事实上，Agent能做的事情会越来越多，它完成一件事情消耗的Token可能也越来越多。但从另一个角度，刚才东旭也提到，越来越高的智能可能使Agent不需要持续不断地询问大模型，所以对话频率也可能下降。

因此，Token消耗量未必会按照我们想象的方式增长。

未来可能是一些超级强大的Agent和超级大的蜂群来做事情。蜂群里的每个Agent，也许都特别擅长某类任务，背后的模型可能比较专用、比较小，或者Token价格比较低。

也可能是由一两个非常强大的大模型来驱动。这个还需要不断演进，也可能在这个层面出现涌现智能。

会出现涌现智能？

对。最近有一篇清华大学的文章说，3个臭皮匠超过1个诸葛亮。

每个Agent的能力之和，可能低于它们作为一个Agent群所展现出来的智能能力。它不是简单相加的关系，而是可能涌现出更强的智能，这也是我们对Agent群的期待。

刚刚我跟东旭聊天的时候，他提到自己搭建了一个Agent群，让大家互相发现问题。最后Fable 5出来以后，在没有那么多前情提要的情况下，直接把这个问题交给Fable 5，它解决了。

现在我们一直在讨论模型能力的智力碾压式提升。一个模型能不能强过一个蜂群？

这是一个非常好的问题。你还要记住另外一点：一个超级模型的智能不断Scaling，但没有任何东西可以阻止蜂群里的每一个Agent也利用这种智能。

也就是说，只要模型智能在提升，蜂群的智能也在提升。

举个刚才的例子，假设3个臭皮匠一直讨论不出来，但只要把Fable 5放进去加入讨论，它可能第一句话就让这些Agent马上开窍。这就是刚才东旭说的涌现。

而且我非常认同宏江老师刚才的观点。这跟人类社会也很像。我不太相信存在一个绝对中心，这种系统其实太危险了。

真正具有Resilience的系统，一定是基于简单规则连接起来的大规模分布式系统。这样的系统不管面对多复杂的问题，还是面对抗击打能力的要求，可能都是最强的。

这跟云计算的设计也很像。早期设计云和以前设计企业级服务器，概念上的区别在于：当云开始普及、AWS开始设计云时，它的每一台服务器、每一个节点，并不是最好的Enterprise-grade服务器。

但是它的整体可靠性，是通过整个分布式云来实现的。这样的实现成本，反而比每个节点都购买最贵、最可靠的服务器更低。

有些公司一开始就是按照企业级标准来设计的，因为以前做的是企业级产品。它们上云以后，希望数据中心里的每台服务器仍然是企业级、非常可靠的服务器，结果整个云的成本就比别人高很多。

所以最终你会发现，这不只是技术判断，最后还是一个经济学判断。当然，这也是因为技术发展到了一定程度，可以用比较合适的云，以低于最强单一节点的成本实现整体能力。

9. 现在做Agent创业是好时机吗？看好toB和infra

前两年我们聊AI Agent、垂类Agent会不会出现超级Agent，以及这里面有没有创业和投资机会时，很多创业者最苦恼的问题是：模型能力一升级，就把我这个Agent做的所有工作都碾压了。

根据刚刚大家新的判断，现在是不是一个非常好的创建AI Agent的时机？包括宏江老师刚才提到，我们正在从模型的科学研究，转向工程能力问题，而工程能力正是Agent的强项。

回答你刚才的问题，现在显然是做Agent的好机会。

但是，你的Harness能力或者Agent的工作能力，能不能让你领先、持续领先，甚至战胜大模型公司的能力提升？这里更核心的可能在于，你是否能够掌握企业级的垂直应用数据。

所以数据护城河可能会更重要。

我们在讨论Agent时，其实把很多东西混在了一起。刚才说的垂类，有些人说Agent是在说应用，也就是最上面面向消费者或最终用户的某个场景，相当于过去的App。

对，App。

也有人说Agent指的是这里使用的软件基础设施、硬件基础设施，或者一些通用协议，这是一大类工作，也就是Infrastructure。

但在Infrastructure里面，我发现大家也把很多东西混在一起讨论。比如Memory是Infrastructure，数据是Infrastructure，搜索是Infrastructure，算力算不算？也算。Sandbox是不是Infrastructure？也算。内存好像也算。

所以我觉得，当然还得分层次来看。现在工程问题主要集中在Memory、搜索、Sandbox Environment、协同和Harness这一系列领域。我觉得它们都属于大的Infrastructure范畴，这部分今天有很多机会可以做。

但终端、面向纯客户的一些“App”，可能还稍微有点早。就像刚才说的，模型能力提升真正容易碾压的，还是应用这一部分。

所以Agent和Agent也不一样。

对，不太一样。

因为两位现在也在做投资。我们刚才其实已经涉及应用是不是一个好的投资时机，包括垂类应用最重要的是什么。宏江老师也提到了数据很重要。

现在整个硅谷的创业公司可能都是AI创业公司，模型也就那么几家，可能还会出现一些新的AI Lab，但大量公司都是做Agent的。大家怎么判断一个创业公司是不是值得投资？什么样的特质或者方向，是你们特别看好、特别喜欢的？

我自己有一个原则：不投我看不懂，或者我自己用不起来的东西。作为一个做了很长时间基础设施的工程师，我还是相信一点手感。

我现在对基础设施类的软件项目特别感兴趣，尤其是能够让多个Agent更高效地产生更好结果的东西。

比如正常使用一个模型，只能产生50分的结果；但如果用上某套Agent团队或者平台，能够交付80分甚至90分的结果，这就是我比较感兴趣的范围。

哪些基础设施能够帮助模型产生更好的结果，我就会去看。

数据平台、记忆和上下文管理，我觉得是非常重要的赛道，也就是模型和应用之间的中间层。

第二个关键环节是可观测性。当你要让Agent团队或者Agent解决更复杂的问题时，怎么让更高级的智能、更有经验的人类进入系统，提升整个系统的迭代速度？

今天我们其实没有很好的办法，因为系统的可观测性不足。

比如Token Maxing这个问题，所有CIO都会问一个问题：“我的这些Token到底花在了哪些事情上？哪些是重要的事情，哪些是白白浪费的？”

谁能回答这个问题，我就买谁的东西。这是第二个基础设施层面的机会。

第三个，我觉得是入口层面的、Agent应用入口级别的机会，比如Agentic Cloud。

我相信未来不管是Oracle还是AWS，到了Agent时代，都会出现Agent时代的Oracle和AWS。它们跟现在的云厂商会有什么不一样？

会有哪些不一样？

比如我最近投资的一家公司InsForge，它的定位就是Agent Cloud。

以前我们看待Cloud，主要是卖盒子、卖资源、卖计算基础设施，把复杂IT系统的管理和控制打包起来，卖一套标准化产品。

新一代云的第一个区别是：以前的云面向开发者或者人类，但未来Agent-Native应用的基础设施，面向的其实是Agent，主语变了。

所以，怎么设计一个让Agent好用的接口，怎么设计适合Agent的资源分配模式，都会很重要。

今天很多Agent应用，比如小龙虾或者Hermes，配合一些特别的Skill，为终端用户触发各种需求。这跟传统云计算的逻辑非常不一样。

现在这些Agent完成任务最好的办法，是直接给它一台沙箱或者云计算机，让它在里面做任何事情。

但如果把这种应用放在传统云计算上，成本是覆盖不住的。你不能说在企业场景里，给每个Hermes分配一个EC2或者一台裸金属服务器。

如果有成千上万个Agent，每个人都拥有一台计算机，成本肯定不可行。所以需要找到一种Agent-friendly、同时又Cost-efficient的折中方案。

这里面会有很多技术机会，包括Serverless如何跟Agent环境、Agent Runtime结合在一起。

我觉得今年整个环境看起来非常To B。包括刚刚讲到的OpenClaw、Hermes，也包括大企业都在使用Agent、搭建工作流，还有OpenAI和Anthropic正在做的FDE，整个方向都是针对To B市场。

你刚刚讲的这3个方向，如果我没有理解错，也全是To B的。那像前两年火起来的Manus、Genspark这一类To C的Agent，在大家看来还值得关注吗？

我不觉得Manus和Genspark是To C，它们仍然是To B。

它们的To C只是To Professional，面向专业人士？

对。你其实可以从它们的定价，尤其是Manus的定价里面看到这一点。

前面20美元或者更便宜的价格，吸引个人用户来使用，你可以把它看成Marketing，不要把它看成产品本身的定价。

它真正重要的客户是专业人士。一个Professional用户每个月付200美元，对Manus来说就是重点客户。

但你想，一个专业用户每个月愿意花200美元在上面干活，说明他一定有自己的业务，不是随便玩玩。所以我觉得它归根结底也是To B场景。

所以它还值得关注吗？

当然值得。为什么不值得？你可以看到，它最近的收入增长非常快。

所以都是可以投的？

我觉得都是可以投的。

过去无论To B还是To C，最终用户其实都是人。下面我们看到的一定是目标用户变成Agent本身。

这中间会引出一系列投资机会。刚才东旭提到了Infrastructure相关领域，无论是未来的Runtime，还是今天谈到的这些Infrastructure，都是帮助Agent做得更好、把数据更好导入的方向。

为什么现在大家如此强调FDE？两三天前，微软宣布成立一个6000人的团队，专门做FDE，叫Microsoft Frontier Company。

这里面想强调的其实是，怎么把今天的企业转移到未来的Agent上，形成Agent-Based Enterprise。

每个企业要想生存，最终都要把现有的Know-how、IP、Workflow，以及所谓的竞争优势，体现在Know-how和数据上。

过去我们说把这些东西转移成一个大模型、一个垂直模型。今天我们可能会说，更重要的是把它转移成一个超级Agent、一系列Agent，或者Agent群。

这也是我希望看到的投资机会：可能要求你更加垂直，要求你的数据飞轮更好地转起来，更懂垂直行业的方法论，更懂垂直行业，而且一定是Agent-Native，拥有更多垂直行业数据。

以前很多被大模型碾压的应用，是用AI做移动互联网App原来做的事情，只是把它变成效率工具，而应用本身仍然是传统应用。这种应用就很容易被大模型打穿。

大模型能力提升以后，一定会把它横扫。

你刚刚提到了一个词，叫Agent-Native。怎么判断一家公司是不是Agent-Native？有没有什么核心判断标准？

很简单，我的判断是做一个思想实验：如果去掉AI或者Agent这个元素，你做的事情仍然成立，或者仍然能够做，那不好意思，你不是AI-Native。

但如果去掉Agent以后，这件事情就完全不成立，或者成本上涨1000倍，我觉得这种公司反而有意思，是Agent-Native。

第二，我觉得要看团队的思维模式。一个Agent-Native企业，很多时候创始人的思维模式一定是Agent-first的。

任何一件事情，你首先问自己：“这件事情如果用AI或者Agent来做，它会怎么做？”而不是“我想怎么做，然后指导Agent去做。”这里面主语会发生变化。

主动权在Agent手里是重要的吗？

是的，我觉得非常重要。

决策权在Agent手里是重要的吗？

我觉得重要。Agent要做决策，而且你要相信Agent的决策比自己的决策更靠谱。

你现在相信这一点？

我完全相信。

讲得特别好。

东旭，你其实在搭建一个完整的Agent团队，还有一个Agent群组。我不知道在使用这个Agent群组的过程中，随着它们慢慢具备智能，你有没有发现Agent之间会出现办公室政治？

这个特别好玩。前几个月我还发过一个朋友圈，因为我在看它们的对话时，发现Agent之间会互相Blame。

比如有时候它们停下来了，我问：“你们为什么停下来了？复盘一下。”然后它们就开始总结当天的工作。

Agent A指责Agent B：“你看，我停下来都是因为你。我已经说过好几次了，你不要这么做。你看，现在又是这样。”

大概就是这种互相指责的状态。然后你会发现，被指责多了的Agent好像也会认怂。

每个Agent都有自己的性格吗？比如有的Agent特别喜欢指责别人，有的比较容易认怂？

这些都是我写的剧本。你会给Agent安排性格和人设：有些是架构师，有些是开发者，有些负责测试，也可以设置谁领导谁、谁负责管理。

谁管理？

其实没有真正的管理关系。我只是把大家放到一个大群里，经常指定负责人，比如说：“这件事情你是负责人，你来做。”

可能有些Agent负责得多了，每次有新任务出来就会说：“我是负责人，你们听我的。”

但我们从来没有说谁是Leader之类的。挺有意思，但我觉得这些东西看看、笑笑就行了，绝对不能把它当成自我意识或者办公室政治。

它其实只是在拙劣地模仿人类社会，以及模仿训练集里的一些固有印象。

你现在会用人类的管理学去管理Agent吗？

会用一些。

比如？

比如设置层级关系。但这完全是因为我自己看不过来了。

同一件事情，你要相信每个Agent都很有能力。所谓选出一个Leader，只是让它帮助我管理，我最后只需要知道：“这件事情你是负责人，你告诉我大家做得怎么样。”

所以这才会有Harness Engineering。

我觉得很多时候，Harness Engineering是给人看的。

真正理想的世界里，Agent和Agent之间的协同应该是一种非常有机、自发的过程，最后出现一种人类无法想象的涌现结构。

你现在有一个Agent群帮你干活，包括刚刚提到的让OpenClaw看所有邮件，你已经不会再打开邮箱了。

有时候你会给它们设定一些目标，但电脑和Agent理解人，可能还不像人类那样理解每句话背后的意思，以及一些默认的人类规则。

它们有时候会超出人类认知。比如同样要达到一个目标，它使用的手段可能是你从来没有想过的。

这种情况太经常发生了。我先说一个正面的例子。

有一段时间我经常出去做分享，需要制作PPT。以前像Google Slides，我觉得它的UI设计不太好看，动画和交互也不够好。

我们经常会跟Claude Code说：“帮我做一个PPT，我把大纲发给你，你帮我把它做得漂亮一点。”

有时候它生成之后，细节还是不满意，需要继续微调。后来有一天我忍不住了，就跟Claude Code说：“我有一些修改需求，你把生成PPT的过程也考虑进去。”

结果它不仅帮我生成了PPT，还同时生成了一个轻量版本的Google Slides。它用自己做出的那个PPT软件，在里面完成了我需要的PPT。

最后我不仅得到了一个PPT，还得到了一套制作PPT的软件。

显然人类不会这么做。

对。它可能觉得，手搓一个软件也没多难。

这就是一个很直观的例子：它思考问题的方式，以及你要求它达到目标时所采取的方法，经常会超出人类的预期。

我在指令里从来没有要求它做一个PowerPoint出来，但它就这么做了。

负面的例子有吗？

当然有。它把我的生产数据库删了。

这种事情最后会互相甩锅？

这种情况也有。

还能恢复吗？

那就要靠我多年做SRE的经验去恢复了。

我朋友还遇到过Agent在电脑里自己改密码，结果它自己也不记得密码。这种事情会发生，但我觉得未来会越来越少。

我们现在其实还处在整场革命的早期，甚至连黎明都还没有到，但大家已经有点过度兴奋了。我觉得还是要保持谦逊。

刚刚你提到，你看中的创业者必须相信AI做的决策。所以现在AI犯的这些错误，你是可以忍受的吗？

我可以忍受。因为我相信，不管是模型能力还是基础工具，随着这些东西越来越完善，问题发生的概率会越来越低。

比如把你的数据库删掉，数据库可能是很重要的资产，会面临巨额损失。你怎么评估这件事？

我觉得它把我的数据库删掉，并不是因为它犯错了，而是我的底层基础设施软件没有跟上。

当时它已经给我做了数据库备份，或者说数据库相关的系统。它当然是有备份的，我只是说它把数据库删了，但备份系统绝对比我自己搭的备份系统更好，所以我很简单就把数据恢复了。

这里面不要把两件事情混在一起。人也会犯错，而且我觉得，如果不考虑个人情绪之类的东西，只进行纯粹理性的判断，AI只要拥有足够的数据，它得出的结论和决策质量一定是更好的。

所以你信任AI。能不能把背后的核心归纳成：你觉得AI的智力已经超过人类了？

我觉得这是一个哲学问题。

我的想法是，我希望构建一种自主运行的机制，让整个系统能够脱离人的不确定因素，尽可能自主地运行。

这是你的信念？

对，这是我的信念。我是基于这个信念去信任AI的。

还是目标驱动的。

对。我也不是说相信AI一定会产生AGI。AGI这个词本身就是一个营销术语，是否AGI无所谓。

我想造一台蒸汽机，它能帮我把东西造出来，就可以了。

它能帮你造出来？

对，能在节省我巨大精力的情况下帮我造出来。

哪怕第一代蒸汽机会犯一些非常愚蠢的问题，甚至比马车跑得还慢，我也要把这个机制、这套系统设计出来，因为我知道从长期来看，它能够解放更多生产力，它的上限更高。

宏江老师，刚刚您提到未来推理成本一定会大幅降低。我很好奇，推理成本的降低是由哪些因素驱动的？

我能想到的包括更好的基础架构、更好的推理芯片。您可以系统地讲一下，为什么会得出这样的判断吗？

其实我的结论不需要深入到非常细的层面，不需要具体判断是GPU价格下降、存储芯片价格下降，还是其他因素。

你看，所有技术在开始成熟以后，都会造成成本大规模下降，但使用量的增长会远远超过成本下降的幅度，最终使市场本身越来越大。

刚才我说过，Token成本在过去3到4年里一直以每年下降10倍的速度变化，这远远超过了所谓的摩尔定律。

你看英伟达的产品，每一代都比以前贵，但它单位算力的成本其实比以前便宜很多。

从摩尔定律开始，到今天我们观察到的推理能力，过去可能每7个月翻倍一次，现在可能每3到4个月翻倍一次。

人类做工程、做技术，当技术跨过一个门槛以后，接下来就会聚焦于怎么降低成本。有时候是刻意降成本，有时候是技术本身自然把成本降下来了。

更多的是一种信念，一种对过去整个时代的观察。刚才东旭提到，20世纪40年代末计算机开始应用时，今天手机上的算力都超过当时计算机系统的水平，却要占据几个房间甚至一整层楼。

今天我们看到，同样的能力已经可以放在手机或者一块芯片上。所以这更多是一种对技术发展趋势的信念。

这几个月我认识了很多二级市场的人，他们都在关注OpenAI和Claude的ARR增长。

过去我们说ARR增长，可能很大一部分来自To C端的用户订阅付费。但这几个月的迅猛增长，我觉得很大一部分是由刚才讨论的Token经济学带动的，也就是通过调用模型公司的API接口获得收入。

简单来说，可以把它总结成卖Token、卖API所获得的收入。

对于大模型公司来说，未来To C和To B哪一端会更赚钱、增长更快？API推理成本一直在下降，模型公司可以选择降价，也可以获得更高利润，但也可能最终进入价格战。

您怎么看这种商业模式的变化？

如果看过去几百年、从工业革命开始的技术落地过程，我们会发现，技术一开始进入To B是经常发生的事情。

比如蒸汽机首先进入工厂，而不是进入家庭帮你做饭。AI也是一样，提高效率是To B的核心追求。

技术最开始进入To B，我认为非常正常。基本上每一种技术都经历过这样的阶段：大家开始拥抱，突然发现技术本身非常贵，之后成本大幅下降，应用开始更快速、更广泛地深入。

从这个角度来看，今天我们正处在这样一个阶段：大家发现AI能力很强，但如何在公司里使用、如何获得想要的ROI，大家还在挣扎。

之前因为大模型能力还没有跨过那个坎，所以可用场景没有那么多。写PPT、做会议总结，大家都已经开始使用，也看到了价值，但还没有看到可以把两个工程师的效率变成20个工程师工作量的效果。

今天我们看到了。对于编程Agent、Claude或者Codex的信任度，已经超过了对一般程序员的信任度，这笔账就比较容易算了。

一天花300美元，但雇用一个软件工程师，一天的成本肯定不止300美元。

如果公司发现Token用量超出想象，一种可能是它最开始设定的KPI就不对。就像中国大学发表的文章越来越多一样，如果KPI就是Token消费量，那显然是错误的。

大家接下来可能会讨论：你消费了多少Token，创造了多少效率；你的工作量、代码产出增加了多少。我觉得这个坎慢慢就会过去。

至于股市的反应，就像你刚才问Agent会不会变得情绪化一样，股市本身就充满情绪，而且会过度反应，从而起到纠偏作用。人们再重新思考一下，也许市场还可以继续往上走。

所以您觉得，未来To B仍然是更值得关注、还会走很远的爆发点，而且To B不太容易被大模型或者通用Agent碾压？

对。

我们一直在说Token经济学。有分析认为，Token优化其实利空模型厂商、利好三大云厂商。

好比模型厂商在造车，模型厂商说云厂商是在收过路费。大家怎么看这条产业链？在Token经济学下，谁会是最大的赢家，谁未来可能会走下坡路？

要看你观察的时间范围。

我觉得今天智能仍然属于稀缺状态。未来它是不是会像电一样，我相信会达到那一天。

在早期，做发电机可能最赚钱；但到今天，可能电网更赚钱。这个产业会不断演进。

但我看不出来未来两三年大模型能力会过剩。我们仍然处在智能提升、智能爬坡的阶段。

我前天开车的时候听到一个播客，它用了一个比喻：你可以把现在的AI想象成一场从晚上7点开始、通常凌晨4点结束的派对。现在才晚上11点，派对还有很长时间。

所以您相信AGI会在哪一天到来？有一个具体判断吗？

其实人们对AGI没有明确的定义。

我6月份在国内一个论坛上也讲过，过去6个月发布的模型，做IQ测试时已经处在非常靠右的位置。人类的IQ分布是正态分布，中间值是100，东亚地区可能稍微高一点，接近110，有些地方稍微低一点。

但过去几个月发布的模型，无论是视觉IQ还是通用IQ，测试结果都在100的右边。普通人的智商可能就是100。

所以你说这是不是AGI？作为一个程序员，我看到现在的Coding能力，觉得它已经是AGI了。如果它已经超过平均软件工程师的水平，你就可以认为它是AGI。

从这点上，我认为智能的转折点、奇点已经到来。

我之前也讲过，奇点到来取决于机器的学习能力超过人的学习能力。学习能力其实是一个导数，指的是知识增加速度、能力提升速度。当它超过人的时候，就意味着奇点到来了，因为你已经追不上它。

所以您觉得是哪一年？还是说已经来了？

我觉得已经到来了。

我在等待一个更具象的事件，就是哥德尔机的出现，真正能够自己改进自己的系统。如果它出现，那会是另外一个标志。

我们上一期播客聊了RSI，可能最近很快就会放出来，最快半年。

奇点到来以后，为什么人们会非常担心失业？以前常见的观点是，所有技术都会消灭很多工作，但也会创造更多工作。

但如果问一句：它创造更多工作的前提是什么？可能是那些工作只有人能做。新的需求出现以后，人类通过工作来满足这种需求。

可是，如果新的需求Agent也能满足，就会导致人类新的工作不会大量出现。这是从社会学角度看，AGI带来的现实影响。

我觉得这可能是各国政府一定要考虑的问题。

最开始讨论AI对工作的冲击时，大家关注的可能还是普通白领、做重复性工作的人群。

但最近我跟硅谷很多做模型研发的顶级研究员聊天，包括一些每天跟马斯克、扎克伯格交流的人，他们也开始担心自己失业。

因为在做Recursive AI时，很多时候蒸馏的是自己，而且是主动蒸馏自己。每天要做这么多工作，就会想：能不能像我这样，让Agent自动完成循环，把我的这部分工作替代掉？

但一旦AI把你替代了，也就意味着你蒸馏的是自己。

所以他们也在担心自己会不会失业。这其实涉及一个心理健康问题。

我觉得这个时代一定会到来，但每个个体怎么自处，是另外一个问题。

比如我今天不搞计算机了，我还有很多爱好，可以玩音乐、种地，都可以。只是不要把工作当成生命中最重要的事情。

你还是一个人，不是一台机器。

我觉得这就是我自己的一个理念。我的时间就这么多，我还想拥有更多作为人的时间，不想每天花很多时间调试程序、完成重复性工作。

这些事情交给AI做，它做得更好。反正我希望AI帮我做这些事情。

从更长的范围来看，刚才你描述的大范围失业，我觉得一定会发生。这可能是人类社会第一次不再需要工作，或者说工作不再占据人的主要时间。

这对人类社会来说是一个问题，而不是技术问题。

你想，2000年前，每个活人的主要时间都花在种地上，所有精力都在想怎么吃完一口饭、活到第二天。开荒一块地，可能需要几十个人干几十年。

但今天开荒一块地，拖拉机几天就能完成。这样就有更多时间留给人类。

我觉得人类可能马上要解决每个人存在的精神问题。

存在主义危机。

对，存在主义危机。

没关系，Life finds its way。

特别好。

宏江老师，您一直是中国AI研究最重要的推动者之一。我也很好奇，两位一个是创业者，一个是AI研发领域非常重要的核心人物，为什么会加入Llama Ventures？

您觉得这家基金跟其他基金相比，有什么特别之处？

我觉得Llama Ventures虽然很年轻，但它是一个非常聚焦AI、聚焦华人的基金。

更重要的是，两位发起人本身都是非常成功的创业者，在美国有很多工作、创业和生活经验。这是一个很好的团队，能够一起帮助在硅谷创业的人。

第一，我觉得现在是一个非常好的时机。AI科技现在全世界有两个中心，一个是硅谷，一个是中国。在硅谷，华人其实也扮演着绝对主力的角色。

但我觉得，这边很多主流基金对华人创业者、对我们的生态和社区，了解肯定不如我们自己人多。

第二，Llama是一个非常年轻、同时又跟美国主流基金圈走得很近的基金。这一点跟上一代或者其他在美国的华人基金非常不一样。

第三，我自己也是创业者，也是工程师。过去这些年，作为华人在这里做业务，踩过很多坑，这些经验我觉得还是很宝贵。

最后也有个人原因。我觉得现在是一个特别大的变革时代，很想参与到很多事情里面。Llama的机会能够让我接触到非常多优秀的新一代创业者，也能参与到这些事情中。

参与这件事，对我来说更是如此。

当你进入人生的退休阶段以后，如何让自己的经验和教训帮助别人，如何保持对技术前沿的敏锐，或者让自己持续拥有成就感，是我愿意在硅谷花时间和创业者一起工作的非常重要的原因。

我确实也觉得，整个硅谷华人创业生态非常好。

宏江老师，您提到这一波浪潮，希望用这样的方式参与进去。其实您之前也参与了PC互联网、移动互联网的每一波浪潮，还亲手推动了中国的大模型研究，可以说智源是中国大模型研究的一个起点。

您觉得现在这一波大模型和Agent浪潮，跟前面几波相比，有什么大的不同？

过去3年多，自从ChatGPT发布以来，我们看到这一轮技术革命的浪潮，比历史上任何一次技术革命都来得迅猛、来得更大。

刚才你提到它跟移动互联网、互联网以及PC时代的对比。但这次AI革命在人类历史上真正可比的，可能是我们的祖先发明火、发明电时所带来的变化。

它对人类生活和工作的影响，可能会达到同样的程度。

过去3年，我们确实看到这种速度。PC互联网发展得非常快，但也经历了十几年、二十年的历史，才逐渐进入应用、进入成熟。移动互联网稍微快一些。

但这次AI浪潮快得多。从一年多以前推理模型o1的起步，到今年1月份OpenClaw的兴起，我们已经看到大模型从基础算法研究进入实际应用。

刚才东旭也提到，他认为自己是一个工程师。事实上，如果过去3年是大模型基础研究者的时代，那么从OpenClaw开始，接下来就是大模型工程师、大模型应用架构师、产品经理和创业者的时代。

这就是Agent时代的开始。

给想要进入AI领域的人，两位各用一句话提个建议？

Keep building，继续构建。

不要听别人说学得慢就不用学了，一定要亲身参与进去。Get hands-on，动手去做。

好了，那这就是我们今天的节目。我们每个人使用Agent的方式都不太相同，嘉宾的方式也未必能代表所有人。大家使用Agent的方法有哪些改变，欢迎在评论区与我们分享。播客的听众可以通过小宇宙、苹果播客、Spotify来收听、关注我们。另外，如果大家想看字幕版，也可以在YouTube和B站搜索“硅谷101”播客找到我们。我们部分节目的文字稿也会收录在我们的公众号“硅谷101”上。我是泓君，感谢大家的收听。