摘要

2025 年上半年，AI 的主线从 pre-train scaling 转向 post-train 与强化学习，同时从模型竞争外溢为 Agent 军备竞赛。 DeepSeek R1 将 RL 推理带入公众视野，OpenAI o3-pro、Claude 4、Gemini 2.5 Pro 轮番打榜，国内则有 R1 的 0528 版本、通义千问 3、豆包 1.6；Meta 计划以约 150 亿美元投资 Scale AI 并重组 AI 部门。模型迭代没有如预期放缓，反而进入“全民的军备竞赛”。
Agent 与普通聊天应用的分界，不是多一个对话框，而是能感知环境、自主规划并通过 tool use 改变环境。 浏览器、搜索、沙盒、Computer Use、MCP 和代码工具让模型不再只是“纸上谈兵”，其能力边界被认为提升了“不止一个数量级”。但“万物皆可 AI Agent”的热潮也模糊了模型厂、应用公司与所谓套壳产品的边界。
AI coding 最先验证 PMF，关键不是代码天然适合生成，而是它拥有完整且可验证的反馈闭环。 代码可以在虚拟环境中完成生成、验证、编译、实现与结果呈现，成熟的编译器和 DevOps 又提供明确奖励信号，因此 Cursor 等产品率先成立；具身智能则卡在“从代码到物理世界的映射”及真实反馈获取，挑战更大。
长期技术判断偏向 RL 驱动的 Agent，但短期商业产品仍会大量依赖 workflow。 OpenAI Deep Research 与 Kimi Researcher 代表端到端 RL 路线，推理、上下文、memory、工具调用和多步思维链在一个模型内联合优化；Manus 一类产品更像工程化组合，将不同模型能力、RAG 与搜索工具拼成系统。“战争远远没有结束”，两种架构谁能长期跑赢仍待验证。
Agent 创业值得积累的能力包括垂直 know-how、用户关系和高密度反馈环境，而不是把优势只建立在当前的工程“雕花”上。 The Bitter Lesson 提醒团队“不能忘记技术的边界会扩张”：浏览器、IDE 或保留 GUI 的专业工具能持续收集上下文和用户反馈。产品应先完成 PMF，同时为未来 learning-based 迭代“埋下伏笔”。
Agent 的商业模式尚未闭环，订阅、按量和按结果收费各有悖论。 用户不可能为大量低频 Agent 各付每月 20 美元；按 token 收费会让用 1 万 token 的低效 Agent 比用 1 千 token 的高效 Agent 贵十倍；按结果收费又受旅行规划、行业研究等任务的主观价值影响，多 Agent 协作还会引入内部结算问题。理想终局是“多劳多得”，但如何衡量结果可能首先是社会学问题。
未来一至两年的投资偏好落在垂直 To B Agent，以及 To C 的小众、个性化、长链条任务与 AI 硬件。 To B 可从 prompt、workflow 演进至 agentic workflow 和全托管交付，并把链条从工具延伸到服务和结果；To C 则不必一开始追求通用平台，细分需求乘以庞大用户量同样可能创造新品类。旅行、长内容生成、陪伴和消费电子被列为探索方向，但两位投资人也明确提醒：很多观点可能在半年内或明年被快速革新、甚至推翻。

精读

1. 2025 年上半年，模型与应用同时进入军备竞赛

刘鹏琦把 DeepSeek R1 视为加速点：它把基于 RL 的推理模型推到公众面前，促使各厂商进入新的赛道；颜前航则将主线概括为从 pre-train scaling 转向 post-train scaling。
海外模型并未按此前预期放慢：OpenAI 已迭代至 o3-pro，Anthropic 推出 Claude 4 系列，Google 以 Gemini 2.5 Pro 加入“轮番打榜”，甚至提出 AI OS 概念。
国内追赶同样密集：DeepSeek R1 的 0528 版本大幅增强编程能力，市场继续期待 V4，以及基于 V4 的 R2；通义千问 3、豆包 1.6 及其他厂商仍在迭代，但部分“六小龙”已放弃模型训练。
Meta 则呈现另一种压力：开源路线受到 DeepSeek 冲击后，公司准备重组 AI 部门，并计划投入约 150 亿美元投资 Scale AI；节目认为其产业影响仍值得继续观察。

2. Agent 热潮打破了模型厂与应用公司的旧边界

OpenAI 在一月后相继发布 Operator 与 Deep Research，被刘鹏琦视为 Agent 赛道正式开启的标志；随后 MiniMax、Kimi 等模型厂也直接推出 Agent 产品，“模型归模型、应用归应用”的分工并未出现。
Cursor 已率先验证部分 PMF；Windsurf 被节目描述为经历 OpenAI 收购及 Anthropic 停止供应大模型 API，Lovable、Replit 等产品也高速增长。Anthropic 自己进入 coding，更说明“战争远远没有结束”。
Manus、Lovart、Genspark 等中外团队争相发布“全球第一某某 Agent”，市场由此走向“万物皆可 AI Agent”；甚至有人把 ChatGPT 形容为“包着语言模型的一个 Agent 公司”。
颜前航承认，两年前他们曾认为应用必须与模型厂保持距离，否则“随时有可能被淹没掉”；如今，离模型极近、曾被称为套壳的团队，反而凭用户体验和市场位置取得了声量，这是一次明确的观点挑战。

3. Agent 的质变是从回答问题转向改变环境

刘鹏琦将 AI 应用分为三个阶段。第一阶段是 ChatGPT 式 prompt—answer，用户提问、模型回答；按他的估计，当前全网可能仍有 80% 以上的 AI 应用停留在这种简单交互。
第二阶段是 workflow：人预先定义节点和路径，把搜索、私有数据读取、处理及模型能力工程化串联。Dify、Coze、LangChain 等提供过相关架构，而当前商业化较成熟的产品大多仍属于这一阶段。
第三阶段的 Agent 要“自主感知环境、自主决策，然后同时能够去执行相应的任务”：它不仅读取指令、上下文和长期记忆，还会规划步骤、调用工具并改变环境，区别于可控但不够灵活、通用的固定 workflow。

4. Tool use 让模型不再只是“纸上谈兵”

刘鹏琦认为，今年 Agent 相对 ChatGPT 或 o4 最显著的增量不是单纯推理，而是工具使用：浏览器、搜索、沙盒、Computer Use、编程以及日益普及的 MCP，共同打开了执行能力。
预训练模型受训练截止日期和公开数据限制；能自主检索、获取外部信息并执行操作后，AI 的有效能力“肯定不止一个数量级”地扩张。节目借用人的类比：“区别于其他生物最重要能力”之一正是使用工具。
Coding 最早跑通并非偶然。代码兼有语言属性和高度结构化的训练数据，而过去二三十年形成的编译器、测试与 DevOps 工具，使 Agent 能完成生成、验证、编译、运行和结果呈现的虚拟闭环。
颜前航强调，早期 ChatGPT 写出的代码“看起来行”，放进编译器却常常不 work；今天的工具链能立刻暴露幻觉。具身智能则必须跨越代码与物理执行之间的 gap，真实反馈与闭环更难建立。

5. 可验证闭环决定了 Agent 的进化速度

编程任务有明确的对错与奖励信号，因此既便于产品交付，也适合继续做强化学习；这被两人视为 coding 能快速形成 PMF，而很多主观任务仍进展缓慢的共同原因。
颜前航以 AlphaZero 描述理想闭环：智能体既能决策如何下棋，又能评估结果、反复对弈并反思；若 Agent 在环境内同时拥有思考、执行、验证和反馈能力，它便重新进入经典强化学习框架。
但 RL 不能替代基础能力。颜前航用网球作比：必须先由老师教会正确挥拍，再靠练习优化；若起点动作错误，大量强化可能把错误动作固化下来，因此能力上限同时受基础模型和强化学习决定。

6. 强化学习被视为 Agent 走向更高智能的长期路径

刘鹏琦的核心判断是：“基于强化学习去迭代的 Agent，可能才是未来 AI 应用走向所谓终极智能的一个路径。”Agent 本就是经典强化学习框架中的行动主体，依据环境奖励或惩罚调整行为，以追求长期目标。
他提到教材《Reinforcement Learning: An Introduction》，并称其两位作者获得 2024 年图灵奖；强化学习又与认知科学、心理学和神经科学相互促进，因此不只是计算方法，也像一种“普世的进化规律”。
最直观的类比来自学习过程：读书听讲类似预训练，老师讲例题类似 SFT，真正掌握知识则依靠作业和考试给出的反馈。若 Agent 要超越竞争者甚至人类，它最终必须自行探索，而不只是等待人类逐步告诉它怎么做。

7. 两条架构路线划分了模型厂与应用公司的能力边界

OpenAI Deep Research 与 Kimi Researcher 代表端到端路线：memory、上下文、工具调用和多步思维链由一个模型在完整流程中通过 RL 训练。这近似模型后训练，目前看来主要由模型厂商完成。
端到端的优势是用户需求与上下文留在一条连续链路中；挑战则是上下文可能“爆炸”，且能否稳定完成超长链条、复杂任务尚未得到证明。
另一种路线是将 Agent 能力模块化：推理规划可以使用 R1，coding 可以使用 Claude，memory 可由 RAG 等外部机制承担，再接入搜索和其他工具；Manus 可能大致属于这种工程化框架。RL 在这里主要提升各单点能力，而不是全局优化整个 Agent。
颜前航据此判断，端到端 Agent 需要同时懂模型后训练和产品，团队门槛显著提高；模块化路线则通过外部软件和工程框架连接不同能力。

8. The Bitter Lesson 指向 learning-based，但不否定短期 workflow

颜前航援引 Richard Sutton 2019 年的《The Bitter Lesson》：AI 的长期进步来自算力、数据利用率与通用方法，而非不断嵌入人类先验和特征工程。节目还提到 OpenAI 研究员每日朗读它，并“向优化之神祈祷”。
这一经验也解释了 decoder-only 等大一统路线为何受到重视：这类架构被认为更能利用数据与算力进行 scaling up。RL 驱动的 Agent 因依靠自身探索，较符合这条长期规律。
刘鹏琦同时加上两个条件：Agent 不能是毫无先验能力的“小白”，垂直 know-how 仍不可缺；环境还必须提供充分上下文、定义较清楚的奖励函数，以及足够多的反馈，否则算力也无法找到最优路径。
两人没有因此否定 workflow。短期创业首先要找到技术边界与产品需求的交点，“先做成一个 PMF”；只是团队心里要留一根弦，为未来 RL 和 learning-based 演进预留数据与产品结构。

9. 真正的产品护城河是高密度反馈环境

刘鹏琦反对把通用 Agent 简化为一个 language UI：语言只是信息的压缩形式，未必能准确表达需求和结果。设计、绘图等任务仍需要圈选、局部修改和视觉反馈，GUI“不那么容易被取代”。
浏览器和 IDE 的价值不仅是方便操作，更在于提供丰富上下文。Cursor 没有扔掉 IDE，从而能采集大量用户反馈信号。
如果产品只接收一句需求、返回一次结果，反馈将过度稀疏，Agent 甚至不知道交付是否有效。《The Bitter Lesson》要落到应用层，必须先构建模型与用户能够持续互动、自我迭代的环境。
两人的“AI 应用版 bitter lesson”是：可以用工程技巧逼近今天的技术上限，但“不能忘记技术的边界会扩张”。若不沉淀用户数据和反馈，下一代模型或产品到来时，当前的“雕花”可能迅速被淘汰。

10. 具身智能的分歧是通用基础模型还是多物种协作

颜前航认为，具身智能仍处科研早期，连基础模型的 scaling law 都未找到；算力不是主要问题，数据才是瓶颈。他希望行业瞄准可 scaling up 的通用基础模型，而不是因困难停留在垂直小模型。
刘鹏琦同意应走数据驱动路线，却对“通用”有所保留：RL 上限由环境决定，即使所有生物都生活在地球，也会因各自环境与物种关系分化，而非进化成一种包办所有任务的形态。
由此推演出的长期形态可能是多 Agent 协作。单个人进入自然环境可能“活不了两天”，人类的优势来自家庭、公司、国家等大规模组织；未来不同 Agent 或具身形态也可能各有专长，再通过协作形成更强能力。

11. Agent 的技术上限和壁垒都尚未定型

当前产品虽已明显进步，真实效果仍褒贬不一：长上下文如何维持、memory 如何管理，以及用数学和编程等客观数据训练出的推理能力，能否处理社会中的主观判断与随机结果，都未解决。
Tool use 也只在浏览器、搜索和编程等环境较成熟；一旦进入企业内部复杂软件或物理世界，如何与这些环境交互仍存在很大差距，因此现阶段 Agent 上限不会特别高。
刘鹏琦把长期壁垒联系到网络效应与规模效应：更多用户和使用能否反向提升产品体验与模型能力。这个闭环目前“还远远没有到”，可能要到 2025 年下半年或次年才逐渐显现。

12. 订阅、token 与按结果收费各有悖论

当前最常见的模式是每个产品每月约 20 美元订阅，但如果未来出现大量低频垂直 Agent，用户不可能逐个付费；若订阅不是终局，以当期订阅推算 ARR 的意义也会受质疑。
按 token 付费同样不自然：更强的 Agent 或许只用 1 千 token 完成任务，较弱者却消耗 1 万 token。用户未必愿意因后者低效而支付十倍价格，“计算消耗”并不等同于“用户价值”。
按结果收费看似合理，价值却高度主观：一位用户看重旅行规划，另一位更在意行业研究，即使两项任务的 token 相差一个数量级，也无法据此决定价格。通用 Agent 调用多个垂直 Agent 后，还会产生复杂结算问题。
颜前航把它扩展为生产关系问题：人类尚未完全解决如何评价人的劳动，更难立即给 AI 的独立交付定价。若组织逐渐变成人与 AI 协作，收费、激励、管理乃至企业管理是否仍以原形态存在，都需重新磨合。

13. 投资机会落在垂直 To B 与细分 To C，而非只赌通用平台

刘鹏琦更偏好垂直 To B Agent：行业 know-how 不在基础模型里，团队又更贴近用户。产品可以从 prompt、workflow 起步，随模型进步演化为 agentic workflow，最终实现全托管交付。
在“一个人可以做一个独角兽”的想象之外，他仍建议创业者利用原有经验与积累，并把服务链条尽量做长——“从工具到服务到交付结果”覆盖得越完整，越有机会积累用户关系和反馈。
颜前航补充，To C 不等于必须通用或平台化。庞大用户量乘以小众、个性化需求也能形成大市场；短程文字任务已接近 OpenAI、Kimi、MiniMax 的边界，更值得探索的是旅行、长内容、陪伴等长链条需求。
AI 与消费电子的结合也是重点：正如大疆、Insta360 从垂直产品做出新品类，AI 硬件也可能从具体需求扩张，而非一开始解决所有问题。最终判断保持克制：“很多观点可能明年或者半年之内都会被快速革新或者推翻掉。”