从开源到 Agent，从组织到个体：AIEC 大会现场侧记

摘要

• 到2026年中，模型与应用厂商已围绕 Claude Code 式 Agent 形成强共识，竞争主战场从模型榜单扩展到可执行工作台。 Code Agent 与通用 Agent 的界线正在消失，产品几乎都是“左边项目栏，中间对话栏，右边一个执行栏”，再挂 MCP、Skill；Harness、Loop 则代表与之相配的执行和训练逻辑。界面同质化之后，胜负转向上下文、成本、易用性与各家既有生态。

• 企业AI真正短缺的是可用上下文和组织准备，而不是老板的关注。 美的观察，数字化时代是下面急、老板不急，AI时代则变成“老板比较急，但干活的人不一定那么急”；没有数据、权限、流程和KPI改造，模型便“没得结合”，过去未补的数字化课如今必须重修。

• 落地路径不会只有“小步快跑”：成熟主业可能由高层从核心指标向下压，创新项目则从边缘原型向上冒。 美的主张AI价值已经无需反复论证，可在预算和文化支持下直攻核心；腾讯 WorkBuddy 则从个人边缘项目变成内部明星产品，说明同一家公司需要同时容纳战略推进与草根试验。

• 黄仁勋口中的20万亿美元应用层约合140万亿元人民币，但规模不等于模型公司可以一竿子到底。 垂直赛道只要快速跑出明星公司，模型厂商便可能下场；创业公司的反向优势，是一个20—30人团队可能比大公司内部仅有的2个人投入更深，庄明浩更期待“一亿个小公司，而不是二十万个1亿美元的公司”。

• 多Agent正从产品功能上升为第三条Scaling路线，并呈现出类似人类组织的分工逻辑。 Kimi在token效率、超长上下文之外加入多Agent集群，让不同角色携带不同上下文和能力，再由审查者收口；企业也不应把所有任务丢给最贵模型，而应通过路由兼顾结果与成本，“数据中心的天才之国”同样需要组织者。

• 开源的企业价值首先是业务连续性和数据主权，商业模式则会转向组合拳。 传统工厂不能容忍关键模型的开关握在别人手里，也不能把“可口可乐配方”般的上下文交给全世界；开源模型可以向下绑定基础设施、向上绑定Agent，再通过token、plan和工具变现，因为商业很难建立在单纯善意的信任上。

• 模型竞争已进入约1.5—2个月一轮的月级迭代，“保密开发、年底发大招”的组织方式越来越危险。 对谈列举 Kimi 3.2、MiniMax M3 等连续版本，用“按住五秒，这个世界就过去了五年”概括节奏；这也解释了为何大厂即使有钱、有人、有算力，仍可能因封闭开发和反馈周期过长而失速。

• 软件越能实时生成，越稀缺的将是两端：受物理约束的硬件，以及无法外包的人类判断。 一端是电力、芯片与设备供给短期无弹性，可能迎来重估；另一端是情绪反应、品味、信任、现场和“手搓”的痕迹——哪怕AI替你写下“全场最惊讶的一句话”，人仍得保留自己的第一判断：“只要你在意，它就有意义。”

精读

1. AIEC把分散热点收束成开源、Agent与组织三条主线

• 庄明浩认为，AIEC 2026的议程刻意配置了行业分析者、学者、前沿模型团队和传统企业，试图覆盖开源、Agent、组织及产业转型，而不是只讨论模型分数。

• 他的总体判断是“今天这个时间点似乎没有所谓的标准答案”：各家都在主张自己的路径，像训练模型一样，“训一点出来，你也不知道会训成什么样子”，只能边做边看。

• 高飞观察到 world model、Physical AI 等词随机登上热搜；两人随后谈到Agent、内容创作、模型公司与SpaceX上市等议题可能如何被投资叙事和中美二级市场串联起来。

2. 技术发明只是起点，组织适配决定生产率兑现速度

• 庄明浩以蒸汽机为参照：从技术发明到显著提升GDP，中间可能隔着30—40年，真正耗时的是组织、生产关系、交易结构和产业上下游完成适配。

• AIEC的三个样本覆盖了不同尺度：全球业务复杂的美的、身处IT基础设施链条的浪潮，以及借助OPC改造传统能源企业的团队；哪怕效率只提高2%—3%，也有现实价值。

• 这些案例共同表明，企业AI已经不只是技术方案或产品采购问题，更是文化、流程、权限和人与既有制度如何重新咬合。

3. 企业AI的第一道门槛是上下文工程，不是模型采购

• 高飞转述美的魏总的变化：数字化转型长期“有价值，但不可能马上衡量出来”，所以C-level口头认同、行动未必支持；大语言模型持续轰炸管理层后，问题已从“要不要做”变成“怎么做”。

• 魏总把企业落地难题概括为上下文工程：没有完成数字化、没有结构化数据，模型就没有东西可结合。AI热潮反而迫使企业补上过去拖延的内部功课。

• 庄明浩认为中美面对的是同一种摩擦：即使模型已经很ready，企业的数据、流程、架构、人员惯性和KPI仍未准备好，因此需要FDE或类似角色连接能力边界与真实部署。

4. 数字员工迫使企业重做权限、数据围栏与成本核算

• 浪潮的基础逻辑是：当Agent成为“数字员工”，它也需要权限、数据围栏和专门运行数据的地方；Agent并发增加后，多Agent管理、软硬件协同与企业数据隔离都会成为基础设施问题。

• 员工现有工作还得被整理成AI能理解和接纳的上下文。浪潮通过内部黑客松、Skill Hub及IT团队沉淀能力，成熟后再向购买其硬件和基础设施的客户复用。

• 真正困难的是新体系与旧KPI并不天然兼容，不同职能对AI的接受程度和改造收益也不同。

• 成本约束已取代简单的“最大化token”：此前激进的中美企业都开始重新计算token成本效率，比较同等任务少用多少token，或同等token能解决多复杂的问题。

5. 核心业务自上而下，边缘创新自下而上

• 美的对传统“小步快跑”提出修正：数字化需要先在边缘证明价值，但AI是否有用已不是争议；只要老板、预算和文化支持，完全可能从核心系统开始，再用先进能力替换落后流程。

• 与之相反，腾讯 WorkBuddy 最初是受 Claude Code 出现启发的边缘个人项目，小范围试用效果好后才成为内部明星产品，展示了AI原生创新由下至上的另一条路。

• 庄明浩结合自身互联网公司经验区分两类任务：成熟社交主业围绕留存、转化由上层给方向；孵化项目则利用技术积累寻找“涌现”，先扔出小产品，看用户反馈、同行反应甚至有没有人copy。

• 两条路径可以同时发生。“没有标准答案”不是停止行动，而是允许核心业务接受战略约束、边缘项目保持低成本试错。

6. Claude Code式工作台已经成为行业共同语言

• 庄明浩原以为模型公司与Agent团队会讲两套故事，听完却发现除Kimi的侧重点外，几家分享都指向同一共识：Claude Code代表的形态正在统一模型与产品路线。

• 这种形态不仅是界面，也会反向影响模型训练；Harness和Loop也属于类似的组织与训练逻辑，Code Agent与通用Agent的边界随之模糊。

• 产品命名和结构也高度趋同：Claude Code/Cowork、Kimi Code/Kimi Work、Trae Solo/Trae Work、腾讯 CodeBuddy/WorkBuddy，以及阿里 Qoder/Qoder Work，几乎都采用项目栏、对话栏和执行区。

• Chatbot之外因此出现了新战场。腾讯、字节、阿里、Kimi、MiniMax、智谱、OpenAI、Anthropic和Google都在投入宣传、算力、收费方案与推广资源，竞争仍会持续。

7. 界面越同质，生态兼容与低门槛交付越值钱

• 庄明浩用iPhone统一智能手机外形作类比：Agent可能把软件也统一成相似工作台，到了“谁也别说谁抄谁”的阶段，甲方自然会寻找真正不同的部分。

• 各家最直接的区隔是向既有生态回撤：腾讯连接腾讯文档、腾讯云，阿里连接阿里云、电商、千问与灵光，字节则可串联火山、多模态和抖音。

• 庄明浩以长春婚纱摄影工作室为例：朋友想做营销Agent，只知道豆包和元宝，也没有工程背景。真正的推荐依据不是模型榜单，而是可用性、兼容性、安全、信任及与具体工作流的匹配。

8. 大多数用户要的是“十字螺丝刀”，不是无限模型

• 高飞由婚纱摄影案例意识到，很多用户并不需要“一套能力”，只需要确定的工作流。模型加Cowork再加Skills或许能完成任务，但把这套组装方法直接交给非技术用户，仍然无法使用。

• “背背佳”、电子词典和学习机的共同价值，是把可自行拼装的功能包装成确定答案；用户愿意付费，不是因为底层能力不可替代，而是因为它拿来即用。

• 对谈中的关键比喻是：当前AI“不是螺丝刀，也不是一双筷子”，Coding或许例外。模型的无限性是优势，但普通用户可能只需要一把明确的十字螺丝刀。

9. 二十万亿美元应用层不会自动归模型厂商

• 庄明浩援引黄仁勋的“五层蛋糕”：应用层上限为20万亿美元，按其换算约140万亿元人民币、相当于中国GDP。悬而未决的是，这一层会被模型厂商通吃，还是长出大量超级应用和小公司。

• 对谈以Cursor为例：其早期据称一度贡献Anthropic约50%的收入，后来Anthropic用 Claude Code“亲手干掉了自己的甲方”；据报道Cursor被xAI收购，且可能仍在继续增长，并尝试基于开源模型做自己的模型。

• 法律行业也重复相同轨迹：Harvey与另一家名称在 transcript 中未清晰辨识的法律AI公司快速达到1亿—2亿美元规模后，Claude也推出面向法律场景的产品。只要赛道够大，基础模型公司便有动力向上侵入。

• 创业公司的“反向错位”在于，一个细分场景可投入20—30人，而大公司内部可能只有2人；真正限制巨头通吃的，是组织熵增、能力边界，以及模型能否自行生成个性化产品。

10. 水泥智能体说明垂直壁垒藏在数据与驻场里

• 水泥智能体并非单纯依靠大语言模型，而更像面向材料科学的专用时间序列模型。只要语言仍是大模型的主要语料，它与工业过程数据就存在天然区隔。

• 即使基础模型未来吸收这些数据，其泛化能做到何种程度仍是问号；更现实的壁垒是，模型公司未必会派前端部署工程师进入单个水泥厂驻场三个月。

• 因此下一步仍存在强烈非共识：继续扩展语言模型，转向world model、AI for Science、自我进化，还是通过多智能体解决复杂任务，没有哪条路线已经胜出。

11. 多Agent既是Scaling路线，也是新的组织结构

• 高飞把未来路径分成两种：一种是集中式智能持续自我进化，另一种是单体不必无所不能，依靠多智能体协作完成复杂目标。

• 高飞回顾Kimi的路线：年初重点还是token效率和超长上下文两种Scaling，如今第三项变成多Agent集群，并与Kimi从2.0、3.0到3.2主推的功能相匹配。

• 多Agent系统让不同角色拥有不同上下文、能力和责任，再配置综合整理与审查者收口；这与Harness、Loop训练模型的方式，也与人类设计工作流程的方式趋于一致。

• 企业调用模型同样需要路由层，而非所有任务都交给最贵模型。Anthropic创始人所写的“数据中心的天才之国”仍面对曼哈顿工程式问题：天才之间也需要分工和组织。

12. “天才之国”仍需要工程师、协调者和组织边界

• 庄明浩援引一份AI实验室招聘统计：多数岗位并非纯研究员，而是来自AWS、Meta等体系的基础设施和后台工程师；“天才连自己吃饭的问题都解决不了，更不用说解决GPU吃饭的问题。”

• 对谈还提到Meta监控鼠标键盘、裁员8,000人，以及Alexandr Wang抽调数千工程师进入AI实验室做任务标注；员工的抵触被概括为“像被扔进了集中营一样”。

• 庄明浩的回应是，这种方法只能优化已知问题。把既有员工变成Skill，可能降低成本，却无法自动解决未知问题；Meta原有social、眼镜等业务并非简单的效率短板。

• 华尔街购买的是“未来”，未必奖励单纯提质增效。庄明浩因此对持续买卡的趋势相对没那么乐观；高飞则指出，对既有巨头而言，AI业务、云和原主业怎样同时获得市场认可，本就是极难命题。

13. 月级迭代正在终结“闭门憋大招”

• 科技巨头从能源、数据中心、芯片一路做到模型、云、to B和to C，竞争对手在另一层又可能成为合作伙伴。庄明浩称其为“乱成一锅粥”，状态是“不撞南墙不回头，撞了南墙也不回头”。

• 对谈以马斯克相关业务、Nebius成为Anthropic云推理服务商，以及太空算力计划为例：行业边界尚未固化，所有人都想先撞一次墙，再确认自己的生态位。

• 庄明浩开玩笑说，训练不好模型的可能是“保密工作做得太好的公司”，举了xAI与Apple；钱、人和长期主义都不缺，问题是封闭三个月时，外部技术可能已经迭代数轮。

• 当前约1.5—2个月就有一轮更新：对谈列出Kimi 3.2、Claude 5.2和MiniMax M3。SSI已闭门两年；除非范式发生颠覆性变化、完全不再是Transformer，“发大招”的形态很难成立。

14. 开源与闭源从极端对立回到动态中间态

• 高飞把DeepSeek视为第一波：以低成本推理打开市场，也催生了后来无疾而终的一体机叙事；第二波是Qwen，大量海外模型基于它微调，近期还有团队基于Qwen 3.5做微调训练。

• 但当前很难找到新的“扛旗者”。早期叙事认为训练昂贵、科学家稀缺，所以闭源必胜；去年又摆向中国开源模型代表的另一极端，到今年双方都在寻找中间态。

• 闭源公司会学习开源生态，并释放非核心模型；开源厂商也要决定是否继续开放最大、最Pro的版本。Kimi、MiniMax与智谱仍在继续竞争，天平还会不断摇摆。

• 对谈还以美国政府禁用Claude最新五代模型为例，讨论监管“一刀切”的副作用。开放到什么程度、哪些能力必须受控，对监管者和厂商都没有简单答案。

15. 对传统企业而言，开源首先是不断电与不泄密

• 高飞用工厂供电作比：如果AI已经进入核心产线，企业不能容忍开关握在别人手里；制造流程一停，可能不是稍后重启，而是“一批料就全废了”，因此必须自备“发电机”。

• 企业上下文同样是护城河。把全部语料和数据交给外部模型，近似把可口可乐配方交给全世界；即便别人觉得没那么神秘，企业也不会主动公开。

• 开源因此不等于做“菩萨”，而会形成组合商业模式：卖token、token plan和工具，向下结合基础设施、向上结合Agent。开源生态能建立影响力，但长期商业不能只依赖善意。

16. AI越逼近白领工作，人的反应、品味与在场感越升值

• 幸福心理学者彭院长强调善良、体验、在场和个性。庄明浩提到，连李飞飞周围的高认知家长都在问“孩子以后学什么专业”，说明职业焦虑已经没有明确的认知避风港。

• 庄明浩把围棋、同声传译、Coding、图片和视频创作放在同一条线上：技术一旦跨过门槛便“挡不住了”。Claude 5带来的无力感是，某些白领任务里，人最好的工作可能只是站在旁边看，而不要瞎指挥。

• 李世石五局棋被用来描述心理过程：先怀疑，再担心，到第三局“道心破碎”。这一代人像蒸汽机时代的纺织工，可能亲历生产率上升，却也亲历专业、职业与一生稳定关系被打散。

• 人仍可保留第一情感反应、品味和信任。AI会抢先写“这是全场最惊讶的一句话”，但好恶不能也交给它；手搓PPT、现场会议、长播客和不被预加工的表达之所以珍贵，正因为“只要你在意，它就有意义”。

17. 生态最终会分层，物理受限的硬件可能先被重估

• 对谈只愿展望未来3—6个月：一份材料从1月、3月、4月底到6月中已需连续重写，信息每隔一个半月便溢出，谈一到三年的确定判断并不现实。

• 庄明浩期待产业从“一棵奇异植物”长成真正的森林：模型、Agent、基础设施、垂直应用和企业服务会在反复博弈后形成更清楚的角色与边界。

• 收尾的硬件判断是，“软件正在被实时生产”，硬件却受制造周期和物理条件限制；向下需要电力，向上承接供给与需求，供给曲线缺乏弹性，因此“老登股”和硬件枢纽可能获得新一轮重估。