作者 ｜ PRO
郵箱 ｜ pro@pingwest.com

The Agent Takeover is Here！

2025年7月17日，在GenAI Assembling 第五期硅谷Meetup上，最近火熱的明星AI Agent 公司Genspark、Lovart、和Simular.ai的創(chuàng)始人，以及新一代基礎(chǔ)設(shè)施公司SambaNova的Agent技術(shù)負(fù)責(zé)人，一起討論了他們?cè)诮裉霢I Agent發(fā)展第一線所觀察和感受到的一切。

以下為這場(chǎng)對(duì)話的實(shí)錄。

Thomas Luo： 大家好，我是GenAI Assembling的創(chuàng)始人，也是本次panel的主持人。首先請(qǐng)各位簡(jiǎn)單介紹下自己。

Pushkar：大家好，我來(lái)自SambaNova Systems。我們提供從云端一直到自研芯片的一整套解決方案，并且為所有開源的LLM（大型語(yǔ)言模型）構(gòu)建了完整的基礎(chǔ)設(shè)施。

Ang Li： 大家好，我是Simular的聯(lián)合創(chuàng)始人兼CEO。Simular主打自治計(jì)算機(jī)（autonomous computer）的理念，我們正在構(gòu)建一款通用型agent（通用智能體），可以控制您的電腦（鼠標(biāo)和鍵盤）來(lái)替您執(zhí)行任務(wù)。

Elena Leung： 大家好，我是Elena Leung，Lovart的聯(lián)合創(chuàng)始人兼COO。Lovart是首款設(shè)計(jì)領(lǐng)域的agent，用于創(chuàng)建社交媒體帖子、海報(bào)、視頻、3D等內(nèi)容。我們幾個(gè)月前推出了測(cè)試版。很高興來(lái)到這里。

Lenjoy Lin： 大家好，我是Lenjoy Lin，Genspark的聯(lián)合創(chuàng)始人。

OpenAI來(lái)了，Agent初創(chuàng)公司們怕不怕它

Thomas Luo：我想先從OpenAI的agent（智能體）入手來(lái)提問，開啟今天的討論。OpenAI最近推出了自己的agent。請(qǐng)?jiān)谧课缓?jiǎn)要評(píng)論一下OpenAI的agent戰(zhàn)略，以及這對(duì)你們自身的產(chǎn)品設(shè)計(jì)戰(zhàn)略有何影響。這件事意味著什么？意義重大還是無(wú)足輕重？

Lenjoy Lin：我認(rèn)為OpenAI的模型非常出色。他們推出agent這一舉動(dòng)釋放了一個(gè)強(qiáng)烈信號(hào)：智能體在應(yīng)用層非常重要，而且一個(gè)更大的市場(chǎng)空間正在打開。未來(lái)會(huì)有越來(lái)越多人開發(fā)智能體，這很正常。想一想：如果我們要解決更大的問題，就需要更多智能體來(lái)幫助人們完成更有意義的事情。所以我想說(shuō)，不要過于關(guān)注當(dāng)前眼前的一切。展望未來(lái)，我們將能夠完成許多我們的前輩曾經(jīng)想做卻做不到的事情。
從戰(zhàn)略角度看，我們與很多伙伴有合作，OpenAI的模型也是我們集成的模型之一。業(yè)務(wù)發(fā)展很重要。我希望OpenAI能構(gòu)建出能夠真正賦能開發(fā)者、用于實(shí)際應(yīng)用的東西。最終，一切歸結(jié)為消費(fèi)者的選擇。舉例來(lái)說(shuō)，在Genspark，我們只是想讓每個(gè)人的工作變得更出色。我認(rèn)為在任何特定領(lǐng)域，每個(gè)人都可以為用戶做出貢獻(xiàn)。

Elena Leung：我覺得這是好事，因?yàn)樗兄谙蚴袌?chǎng)科普什么是智能體。對(duì)我們Lovart來(lái)說(shuō)，我們是設(shè)計(jì)領(lǐng)域的垂直智能體，我反而有點(diǎn)興奮，因?yàn)樵谶@個(gè)細(xì)分領(lǐng)域我們不必直接面對(duì)與OpenAI的競(jìng)爭(zhēng)。這給了我們更多時(shí)間來(lái)打磨產(chǎn)品。

Ang Li：首先，OpenAI的agent可以說(shuō)是又一個(gè)“元”平臺(tái)。當(dāng)這種“meta”平臺(tái)出現(xiàn)時(shí)，就預(yù)示著競(jìng)爭(zhēng)的到來(lái)。今天的局面就是這種反映。我一直在想的另一點(diǎn)是，人類本身就是一個(gè)agent。如果考慮最終形態(tài)，每家公司最終都會(huì)走向同一個(gè)方向，因?yàn)榇蠹叶荚谧非驛GI（通用人工智能）。作為一家公司，我必須考慮這一點(diǎn)——每個(gè)人類其實(shí)都是一個(gè)AGI系統(tǒng)。最終，我們可能會(huì)擁有十億甚至百億個(gè)完全相同的AI系統(tǒng)。
那么每家公司還能靠什么來(lái)區(qū)分自己呢？就像我們?nèi)祟愐粯樱總€(gè)人都有不同的專長(zhǎng)。最終，AI也將如此。這個(gè)世界總是在遞歸地前進(jìn)。所以即使大家最后都在做同樣的事，他們依然會(huì)有所不同，朝著不同方向發(fā)展。競(jìng)爭(zhēng)并不是我們需要過度擔(dān)憂的事情。我們應(yīng)該高興有更多公司在為同一個(gè)目標(biāo)努力。

Pushkar Nandkar：我個(gè)人并不直接構(gòu)建智能體，但我感覺隨著我們邁向一個(gè)萬(wàn)物皆智能體的世界，這對(duì)我們是好事，因?yàn)槲覀優(yōu)檫@種生態(tài)提供推理服務(wù)。人人都在使用智能體意味著LLM（大型語(yǔ)言模型）的使用量會(huì)大增，從而需要更高的能效。所以這是一個(gè)積極的發(fā)展，它將推動(dòng)我們?cè)谥悄荏w驅(qū)動(dòng)的世界中探索如何實(shí)現(xiàn)更高的能效。

ThomasLuo：確認(rèn)一下，SambaNova目前主要支持的是開源模型，而非閉源模型，對(duì)嗎？

Pushkar Nandkar：是的，沒錯(cuò)。

從"Vibe Working"到"人即 Agent"

Thomas Luo：好的，謝謝。接下來(lái)我們來(lái)說(shuō)說(shuō)“vibe working ”。現(xiàn)在聽起來(lái)這詞有點(diǎn)流行，是不是只是炒作？請(qǐng)用20到30秒解釋一下，為什么vibe working真正重要。

Lenjoy Lin：這意味著能極大提升你的工作效率，讓你的生活更美好。vibe工作不只是工作本身；它是一種積極的反饋循環(huán)。你會(huì)看到自己的工作效率和質(zhì)量提高，生活狀態(tài)也隨之改善，進(jìn)一步提升工作效率。關(guān)鍵在于如何讓它成為一個(gè)有用的工具，在實(shí)際工作中成為你真正的伙伴。（不同的工作有不同的流程，這也是我們正在做一個(gè)大項(xiàng)目來(lái)適應(yīng)這些差異的原因。）

Thomas Luo： 現(xiàn)在是2025年。1925年——一百年前——美國(guó)開始推行八小時(shí)工作制。如今一百年過去了，你對(duì)未來(lái)的工作有什么預(yù)測(cè)或期望？或許不用說(shuō)到2125年那樣遙遠(yuǎn)，就到2035年吧，在“vibe工作”模式或智能體輔助下，人們每天將工作多少小時(shí)？

Lenjoy Lin： 我認(rèn)為這會(huì)分階段發(fā)生。比如大約30年前我們每周工作六天，后來(lái)改為五天。以后可能會(huì)是四天，再往后是三天。我大膽猜測(cè)，也許五年內(nèi)我們就能實(shí)現(xiàn)每周三天工作制。

再往后，工作的本質(zhì)都會(huì)發(fā)生變化。公司的架構(gòu)和商業(yè)模式都會(huì)改變，因?yàn)槟壳斑@些是建立在固定工作時(shí)間這一制度上的。當(dāng)AI智能體能完成大量工作時(shí)，供應(yīng)鏈會(huì)變得不同，我們銷售產(chǎn)品的方式會(huì)不同，人們互動(dòng)的方式也會(huì)不同 —— 也許那時(shí)候就是智能體和智能體在對(duì)話了。這將帶來(lái)完全不同的公司結(jié)構(gòu)。所以我的預(yù)測(cè)是，我們最終會(huì)迎來(lái)每周三天工作制，而再之后，工作和生活的界限可能就不那么清晰了。

Thomas Luo： Elena，Lovart能夠把一個(gè)簡(jiǎn)短的提示詞變成完整的設(shè)計(jì)作品。我自己經(jīng)常用，真的很有意思。但有件事讓我很好奇：在不經(jīng)過大量反復(fù)詢問的情況下，你們是如何捕捉客戶的想法和風(fēng)格的？用其他工具時(shí)，我們經(jīng)常需要不斷細(xì)化提示詞。但在Lovart上，一個(gè)非常簡(jiǎn)單的提示就能得到一個(gè)完善的結(jié)果。這個(gè)工作流程背后的秘訣或策略是什么？

Elena Leung： 感謝你使用Lovart！在Lovart背后，我們有一個(gè)主導(dǎo)的agent負(fù)責(zé)調(diào)度，還有多個(gè)agent負(fù)責(zé)不同類型的任務(wù)。我們采用多智能體系統(tǒng)來(lái)拆解復(fù)雜任務(wù)。舉例來(lái)說(shuō)，如果你想生成一套品牌視覺形象，我們會(huì)用不同智能體把它拆解成更小的任務(wù)，比如制定品牌指南或配色方案。

另外，系統(tǒng)會(huì)從用戶的行為中學(xué)習(xí)。我們希望智能體能夠更好地理解用戶需求。當(dāng)你與這個(gè)設(shè)計(jì)智能體交互時(shí)，它會(huì)記住你對(duì)風(fēng)格、顏色、布局的偏好，最終能夠預(yù)測(cè)你想要什么。我們?cè)谥悄荏w中融入了大量的設(shè)計(jì)知識(shí)，因此它們可以像真正的設(shè)計(jì)師那樣思考，理解你的要求并完成相應(yīng)作品。

Thomas Luo： Lovart團(tuán)隊(duì)里有多少設(shè)計(jì)師？

Elena Leung： 在我們的創(chuàng)始團(tuán)隊(duì)中，我認(rèn)為所有產(chǎn)品經(jīng)理都必須是設(shè)計(jì)師，因?yàn)槲覀兪窃跒樵O(shè)計(jì)師打造智能體。我們有5位設(shè)計(jì)師。

Thomas Luo： Ang，現(xiàn)在輪到你闡釋一下“human as an agent”（人即智能體）意味著什么，以及你們的智能體的工作流程與Anthropic那種用于操作計(jì)算機(jī)的agent有何不同。我記得我們首次討論你們的方法是在去年的9月底，那時(shí)Anthropic的計(jì)算機(jī)使用模型還沒發(fā)布。現(xiàn)在我們看到OpenAI的agent也運(yùn)行在虛擬環(huán)境中，看起來(lái)幾乎一樣，那么區(qū)別在哪里呢？

Ang Li： 好。首先，從技術(shù)角度講，我們與他們不同。我想先聲明，虛擬瀏覽器并非正確的道路。各種方法我們都試過，包括瀏覽器。瀏覽器的好處是有大量現(xiàn)成支持，比如Playwright和Puppeteer這樣的庫(kù)。不過這反而讓通用的計(jì)算機(jī)操作更難了，因?yàn)椴]有類似的標(biāo)準(zhǔn)庫(kù)來(lái)控制鼠標(biāo)。然而，瀏覽器有一層“玻璃天花板”——有些操作在瀏覽器里根本無(wú)法實(shí)現(xiàn)。許多傳統(tǒng)行業(yè)的應(yīng)用需要的不只是瀏覽器。

虛擬瀏覽器的另一個(gè)問題是，一家公司開發(fā)的agent往往無(wú)法訪問競(jìng)爭(zhēng)對(duì)手的服務(wù)。競(jìng)爭(zhēng)是人之常情，這種情況可能永遠(yuǎn)存在。這就是個(gè)問題，所以一些客戶才會(huì)來(lái)找我們。他們嘗試過基于瀏覽器的方案，但由于太容易被檢測(cè)為機(jī)器人，任務(wù)無(wú)法完成。最終他們采用了我們的方案——讓一個(gè)運(yùn)行在他們自己電腦上的agent直接控制電腦。從外觀上看，它和人操作沒區(qū)別，沒辦法識(shí)別它是智能體。在這種情況下，智能體就真正和人一樣了——這其實(shí)也是我們對(duì)AGI（通用人工智能）的定義：你無(wú)法區(qū)分人和智能體。

從技術(shù)角度來(lái)說(shuō)還有一點(diǎn)：我們的方法從研究到工程再到產(chǎn)品，都很樸素——先讓人來(lái)完成任務(wù)，然后看看能否用AI自動(dòng)化人的操作。我們用LLM（大型語(yǔ)言模型）和各種神經(jīng)網(wǎng)絡(luò)來(lái)自動(dòng)化整個(gè)人工工作流程，這就變成了對(duì)人類行為的模擬。在我們的技術(shù)管線中，每個(gè)組件都是可替換的：你可以用人來(lái)替換某個(gè)AI組件，或者用AI agent替換某個(gè)人工環(huán)節(jié)。AI正越來(lái)越接近成為我們世界中人類的平等伙伴，你可以即插即用地部署它們，從而優(yōu)化運(yùn)營(yíng)成本。

Context、延遲與算力成本的三重博弈

Thomas Luo： 談到智能體，人們想到的一個(gè)詞就是“上下文窗口（context window）”。使用更多上下文意味著需要更多算力，會(huì)使系統(tǒng)變慢。那么從基礎(chǔ)設(shè)施角度看，目前構(gòu)建一個(gè)流暢高效的AI智能體時(shí)，最大的拖累因素是什么？是超大的模型規(guī)模，還是內(nèi)存限制？

Pushkar Nandkar： 你問是什么讓智能體變慢。這其中有很多方面的原因。智能體并非單一實(shí)體；它在執(zhí)行多重計(jì)算，其中很多是在CPU上完成的。就基礎(chǔ)設(shè)施而言，多個(gè)客戶的多個(gè)智能體會(huì)調(diào)用同一個(gè)云服務(wù)，這就引入了排隊(duì)延遲等問題。你還需要對(duì)這些請(qǐng)求進(jìn)行負(fù)載均衡，并有一個(gè)高效的路由。

接著，當(dāng)涉及到在芯片上進(jìn)行推理時(shí)，你需要使用批處理將請(qǐng)求集中起來(lái)一起處理。所有這些階段都會(huì)帶來(lái)延遲，影響到“首個(gè)token輸出時(shí)間”（time-to-first-token），也就是用戶或智能體所感受到的響應(yīng)延遲。這正是Dataflow（數(shù)據(jù)流）架構(gòu)發(fā)揮作用的地方。在SambaNova，我們專注于確保為所有客戶提供盡可能快的每秒生成token數(shù)量（tokens-per-second）。

Thomas Luo： 我們?cè)僬務(wù)勑逝c用戶體驗(yàn)的取舍。如果要在三件事之間平衡，你會(huì)如何排序它們的重要性：

將任務(wù)準(zhǔn)確率提高5%；將任務(wù)完成速度提高5倍；和讓用戶使用智能體時(shí)感到驚艷并由衷喊出“哇”。

Ang Li： 我們公司是一家智能體公司，我們的文化可以用一個(gè)詞概括：“agency”（自主智能代理）。Agency的定義是一個(gè)獨(dú)立的系統(tǒng)，能夠通過與環(huán)境交互和學(xué)習(xí)，像人類一樣完成任務(wù)。因此按照我們的文化，提高任務(wù)準(zhǔn)確率5%是最重要的，因?yàn)檫@關(guān)系到智能體獨(dú)立完成任務(wù)的能力。如果這不是最優(yōu)先，那這個(gè)智能體更像是一個(gè)協(xié)作助手（copilot）或助理。第二重要的是加快速度，因?yàn)榇藭r(shí)仍然有人在流程中。第三是讓人驚嘆的“哇”體驗(yàn)——不過有時(shí)為了市場(chǎng)營(yíng)銷我們可能會(huì)把這一點(diǎn)臨時(shí)放在前面。

Lenjoy Lin： 這讓我想起之前在公司花很多時(shí)間定義績(jī)效指標(biāo)。（如果把智能體當(dāng)作你的隊(duì)友，用類似于績(jī)效評(píng)估的框架來(lái)看待也未嘗不可：比如影響力、能力和軟技能。完成任務(wù)就像對(duì)初級(jí)工程師的期望，而更資深的人應(yīng)當(dāng)能端到端推動(dòng)新的項(xiàng)目。對(duì)智能體也是一樣。）

任務(wù)完成當(dāng)然重要，但準(zhǔn)確性、速度或體驗(yàn)三者誰(shuí)優(yōu)先取決于任務(wù)本身。比如涉及合規(guī)或安全的任務(wù)，準(zhǔn)確性就是唯一重要的。而對(duì)于錯(cuò)誤容忍度高的項(xiàng)目來(lái)說(shuō)，用戶體驗(yàn)可能更為重要——因?yàn)橹灰幸环矫娉霾剩w效果就會(huì)出彩。

Elena Leung： 我認(rèn)為這三方面都很重要。但如果一定要排序，我會(huì)把讓用戶驚艷的體驗(yàn)放在第一位，因?yàn)槲覀兪窃O(shè)計(jì)類智能體，應(yīng)該像一個(gè)能激發(fā)你靈感的創(chuàng)意伙伴。（當(dāng)你給出一個(gè)簡(jiǎn)單的提示而它產(chǎn)出的結(jié)果非常驚艷時(shí)，會(huì)給予你更多靈感。）第二是提高速度，我們需要幫助設(shè)計(jì)師和創(chuàng)作者從繁雜重復(fù)的任務(wù)中解放出來(lái)，激發(fā)他們的創(chuàng)造力。最后才是準(zhǔn)確性。

Pushkar Nandkar： 從SambaNova的視角，在過去七年里我們經(jīng)歷了幾個(gè)階段。最初訓(xùn)練模型時(shí)，準(zhǔn)確率是最優(yōu)先的。現(xiàn)在進(jìn)入推理服務(wù)階段，我們提供的模型已經(jīng)相當(dāng)準(zhǔn)確。所以當(dāng)模型足夠準(zhǔn)確后，關(guān)注點(diǎn)就轉(zhuǎn)向了速度——如何在芯片上優(yōu)化映射以提升速度。我們采用張量并行（tensor parallelism）、數(shù)據(jù)并行（data parallelism）和流水線并行（pipeline parallelism）等策略來(lái)提高速度。對(duì)我們來(lái)說(shuō)，“哇”的因素在于我們能夠以出色的準(zhǔn)確率、驚人的速度提供服務(wù)，同時(shí)還能保持極高的能效。

Thomas Luo： 對(duì)于一家早期智能體創(chuàng)業(yè)公司來(lái)說(shuō)，成本依然關(guān)鍵。每月的云服務(wù)賬單達(dá)到什么程度時(shí)，為模型增加額外上下文對(duì)年輕的初創(chuàng)公司來(lái)說(shuō)就太昂貴了？

Ang Li： 我的看法是：如果需要更多資金，我們就去融資。這就是風(fēng)投的玩法——關(guān)鍵在于如何使用資金。只在需要的時(shí)候融資。如果我們能證明有途徑訓(xùn)練出一個(gè)顛覆性的智能體模型，我們就可以先做出原型，然后再融更多錢全力投入那個(gè)方向。所以我的回答是，沒有上限。

Elena Leung： 我同意。我認(rèn)為與其關(guān)注賬單金額，不如看你花的錢是不是值得。對(duì)我們來(lái)說(shuō)，我們?cè)谑褂胒oundation model（基礎(chǔ)模型）的 API 上花費(fèi)了很多錢，現(xiàn)在正致力于技術(shù)方案來(lái)降低這部分成本。我相信未來(lái)基礎(chǔ)設(shè)施成本會(huì)下降。因此我們專注于為智能體打造合理的工作流程。

Lenjoy Lin： 是的，現(xiàn)金流很重要。不管資金來(lái)自VC還是會(huì)員收入都無(wú)所謂，如果現(xiàn)金流長(zhǎng)期大幅為負(fù)，我覺得是很危險(xiǎn)的。

Thomas Luo： Pushkar，就你的觀察來(lái)看，那些垂直領(lǐng)域的智能體公司擔(dān)心什么？SambaNova如何幫助它們以更具成本效益的方式運(yùn)行基礎(chǔ)設(shè)施？

Pushkar Nandkar： 隨著越來(lái)越多智能體公司出現(xiàn)，成本重心正從人力轉(zhuǎn)向基礎(chǔ)設(shè)施。我們的客戶始終關(guān)心如何降低成本，所以我們與他們緊密合作。如果他們有自有的模型或checkpoint（檢查點(diǎn)），我們會(huì)將其接入并微調(diào)，確保我們以非常高的能效為其服務(wù)。

憑借我們的多層次內(nèi)存結(jié)構(gòu)，我們有足夠空間為同一模型保存成千上萬(wàn)的checkpoint，并可以在HBM（高帶寬內(nèi)存）和DDR（雙倍數(shù)據(jù)速率內(nèi)存）之間切換。（由于我們的切換延遲極低，客戶并不會(huì)感覺首個(gè)token輸出變慢。）我們通過讓多位客戶共享同一臺(tái)機(jī)器來(lái)優(yōu)化成本和盈利，客戶則能以更低成本獲得更高的每秒token生成速率。（通過與客戶合作找到合適的價(jià)格點(diǎn)，我們創(chuàng)造了雙贏的協(xié)同效應(yīng)。）

重新定義增長(zhǎng)：Agent產(chǎn)品的成功，不靠 ARR 靠什么？

Thomas Luo： 對(duì)于一家正在成長(zhǎng)的智能體初創(chuàng)公司來(lái)說(shuō)，追蹤什么指標(biāo)更能體現(xiàn)健康增長(zhǎng)？是ARR（年度經(jīng)常性收入），還是傳統(tǒng)的日活/月活用戶數(shù)（DAU/MAU）？在硅谷，許多人都在談ARR，有時(shí)創(chuàng)始人甚至?xí)ハ噘?gòu)買服務(wù)來(lái)把數(shù)字做漂亮以獲得融資。哪個(gè)指標(biāo)更重要？

Ang Li： 我們公司是一家技術(shù)導(dǎo)向公司，所以內(nèi)部并不怎么跟蹤收入。我們關(guān)注的是“明天”，什么意思呢？就是關(guān)注任務(wù)成功率。成功率是我們的頭號(hào)指標(biāo)。我們每天都會(huì)跟蹤當(dāng)天的成功率，并著眼于如何明天做得更好。我們有一張圖表描繪智能體能力的成長(zhǎng)軌跡。就像人一樣，你希望明天成為比今天更好的自己；我們也希望智能體明天比今天更出色。這不在于某一個(gè)靜態(tài)數(shù)字，而在于曲線的上升勢(shì)頭。只要明天比今天哪怕好一點(diǎn)，就算成功。

Lenjoy Lin： 對(duì)我來(lái)說(shuō)，活躍用戶意味著人們?cè)谟梦覀兊漠a(chǎn)品，并且激勵(lì)我們做得更好。這讓我們感覺被認(rèn)可，從而能創(chuàng)造更多。既然我們還處于早期階段，我認(rèn)為不需要過分拘泥于某一個(gè)數(shù)字。我們希望保持大膽，專注于廣泛的創(chuàng)新，去創(chuàng)造真正的價(jià)值，錢自然會(huì)跟上來(lái)。真正驅(qū)動(dòng)我們的是用戶體驗(yàn)。

Elena Leung： 對(duì)我們來(lái)說(shuō)，有兩件事比ARR或MAU更重要。第一是“revision”（用戶對(duì)產(chǎn)品的依賴程度）。這個(gè)指標(biāo)衡量用戶有多依賴你的產(chǎn)品。我們不希望我們的智能體只是個(gè)玩具，用戶只拿它來(lái)生成幾張搞笑圖片而已；我們希望它能真正幫助用戶提高效率。第二是基準(zhǔn)測(cè)試。我們把Lovart的所有輸出都拿來(lái)跑模型評(píng)測(cè)，以確保我們的交付質(zhì)量是市場(chǎng)最優(yōu)的。如果把這兩點(diǎn)做好，ARR自然就上去了。還有一個(gè)重要指標(biāo)是使用Lovart的創(chuàng)作者和設(shè)計(jì)師的數(shù)量——目前那條增長(zhǎng)曲線呈現(xiàn)出指數(shù)級(jí)上升。

2026年，AI Agent主導(dǎo)的世界會(huì)變成啥樣？

Thomas Luo： 現(xiàn)在是2025年7月。一年后的2026年7月，你希望在《經(jīng)濟(jì)學(xué)人》或《紐約時(shí)報(bào)》等大眾媒體上看到關(guān)于AI智能體的什么標(biāo)題？

Elena Leung： 到2026年7月，我覺得AGI（通用人工智能）或許已經(jīng)出現(xiàn)了。也許我們都將去休一個(gè)長(zhǎng)達(dá)一年的長(zhǎng)假呢！AI技術(shù)的進(jìn)步以及其上的產(chǎn)品將讓全世界驚嘆。來(lái)自不同垂直領(lǐng)域的我們這些創(chuàng)始人會(huì)為各行各業(yè)打造出運(yùn)轉(zhuǎn)模式。所以，那時(shí)的新聞標(biāo)題會(huì)描繪這樣一個(gè)世界：不同的智能體從各個(gè)角度賦能整個(gè)社會(huì)和各種產(chǎn)業(yè)。對(duì)于Lovart來(lái)說(shuō)，標(biāo)題可能會(huì)是：“人人都成了創(chuàng)意藝術(shù)家”。

Thomas Luo： 不會(huì)是“Lovart 摧毀了廣告代理公司”這樣的標(biāo)題嗎？

Elena Leung： 不，不。我認(rèn)為我們的產(chǎn)品會(huì)幫助他們激發(fā)創(chuàng)意。

Ang Li：我想到的標(biāo)題是：“AI已能以人類水準(zhǔn)使用計(jì)算機(jī)。”因?yàn)橛袚?jù)可循：2024年1月，OS-World基準(zhǔn)上的最佳成功率只有5%。2024年10月我們發(fā)布了首個(gè)開源智能體，成功率達(dá)到20%。一周后Anthropic發(fā)布了他們的智能體，達(dá)到15%。今年4月，我們發(fā)布了第二代智能體，達(dá)到了41.4%。而在人類在該基準(zhǔn)上的水平是72%。照這個(gè)趨勢(shì)，再過一年AI就能達(dá)到人類水準(zhǔn)。在這場(chǎng)競(jìng)賽中，主要的玩家是OpenAI，可能還有Google DeepMind，以及我們Simular。

Lenjoy Lin： 我會(huì)準(zhǔn)備兩個(gè)版本的標(biāo)題。第一個(gè)常規(guī)版本類似：“AI隊(duì)友來(lái)了” —— 會(huì)伴隨一些人類與AI協(xié)作成功的故事。第二個(gè)更勁爆的版本是，當(dāng)更多AI智能體融入人們生活后，可能會(huì)出現(xiàn)關(guān)于“殼中幽靈成真”的新聞。

Pushkar Nandkar： 照現(xiàn)在技術(shù)的發(fā)展趨勢(shì)，我們看到硬件和軟件的融合更加緊密。一年內(nèi)，會(huì)有更多初創(chuàng)公司專注于“芯片上的智能體”。我想現(xiàn)在已經(jīng)有一些創(chuàng)業(yè)公司在研究這些想法，到時(shí)候我們會(huì)了解更多。這是硬件基礎(chǔ)設(shè)施發(fā)展的一個(gè)方向。另一個(gè)是在手表等可穿戴設(shè)備上出現(xiàn)“微型智能體” —— 也就是在芯片上運(yùn)行的非常專用的智能體。

Thomas Luo： 最后一個(gè)問題。請(qǐng)用一句話給當(dāng)前正投身智能體開發(fā)的人一些建議。

Pushkar Nandkar： 天空才是極限（The sky is the limit）。你越富有創(chuàng)造力，就能做出越多產(chǎn)品、賺到越多錢。外面有很多工具可用，盡管去嘗試吧。

Ang Li： 我想說(shuō)：用Simular吧。我們有位客戶用Simular構(gòu)建公司，剛剛在種子輪融了500萬(wàn)美元。我期待會(huì)有另外十家這樣的公司用Simular再各融到500萬(wàn)。

Elena Leung： 簡(jiǎn)而言之，速度就是一切。

Lenjoy Lin： 我有兩點(diǎn)建議。首先，在基礎(chǔ)架構(gòu)層面，要用AI的思維重新設(shè)計(jì)架構(gòu)——過去的編程范式會(huì)被改變。其次，我鼓勵(lì)大家在日常工作和生活中多嘗試AI產(chǎn)品。我希望Genspark能成為你的選擇之一，幫助你實(shí)現(xiàn)更有意義的工作。

Elena Leung： （受到Ang的啟發(fā)，我也想再補(bǔ)充一點(diǎn)。）你不需要再雇設(shè)計(jì)師或找設(shè)計(jì)公司了，Lovart就能幫到你。

Thomas Luo： 好的。感謝大家。非常精彩的討論。

點(diǎn)個(gè)愛心，再走 吧