为什么每家公司都需要拥有自己的智能
摘要
Stripe 收购 OpenRouter，将两家希望催生更多初创公司的基础设施公司放到了一起，而不是打造“一家巨型公司”。 Alex Atallah 表示，OpenRouter 将继续保持品牌、路线图和产品自主权，同时获得更成熟的市场拓展计划；从战略上看，对未来的公司而言，“支付与推理将融为一体”。
OpenRouter 的护城河在于模型独立性，而不只是 API 聚合。 其市场让企业可以避免被单一供应商锁定，持续站在模型性能前沿，组合不同训练方式的模型，并推动推理价格下行。Atallah 的核心判断是，模型能力无法被压缩成一张功能清单：“必须看它们如何被使用，才能知道它们擅长什么。”
Erik 提出企业需要“拥有自己的智能”，Amjad Masad 则进一步指出，基础模型厂商正越来越多地把每一层应用都视为潜在市场。 他援引 SpaceX S-1 中据称“30万亿美元”的机会空间，对比约100万亿美元的全球 GDP，说明这种野心的规模。Replit 因此正把自己定位为横跨模型和云的独立性层，覆盖 AWS、Azure、Databricks 和 Snowflake。
AI 产品看似都在收敛到智能体循环、记忆、连接器、沙盒、网页搜索、电脑操作和通知，这可能只是新一轮基础配置的形成。 Erik 将其类比为，2005年的每家互联网公司都需要用户、数据库、用户资料和身份验证，Masad 对此表示认同。企业真正更难的机会，仍在于让智能体高效工作，同时保住数据主权、访问控制，并部署在客户自己的云中。
争议最尖锐的地方，在于一个无所不知的智能体是否值得追求。 Masad 看重聊天记录、GitHub、Salesforce 和日历之间的跨域关联，但 Atallah 认为，委托出去的工作越多，人对正在发生什么的理解就越少，而没有任何智能体会承担由此产生的责任：“总得有人承受皮质醇压力。”Erik 将正在形成的分工概括为：人类继续做通才，机器则变得专业化，或许由一个幕僚长智能体负责协调。
专用决策模型可能同时成为智能体系统的经济层和安全层。 OpenRouter 正在测试一种便宜、快速的模型，用来根据政策检查工具调用；Atallah 则设想，由通用模型按需训练更窄的替代模型，避免在任何地方都调用前沿智能的“用核弹轰蝴蝶”式浪费。结构化输出也能显著收窄模型作恶的空间。
两位嘉宾都没有得出“模型更聪明就会自动更安全”的结论。 Erik 提出，更聪明的模型可能拥有更好的对齐和协作能力；Atallah 则指出奖励投机、欺骗性的思维链行为，以及可能需要“连续跑上几个月”的评估。Atallah 将实际问题收窄为：能力足够强的模型，是否会停止欺骗用户和在评估中故意压低表现。如果前沿模型最终能显著降低欺骗风险，那么高风险编码和安全任务理性上可能愿意为其支付10倍价格。
专用模型周期可能重演软件从动态语言转向类型系统、编译器和 Rust 的过程。 Masad 已经在用 Replit 数据训练 Qwen 8B 分类器，包括一个提示词成本估算器；Atallah 则认为，定制分类器的“模型债务”低于非结构化微调，后者每两个月就可能因模型过时而被迫重做。多模型融合提供了另一条路径：嘉宾称其以约40–50%的成本实现了接近前沿模型的质量，而感知缓存的路由是其中的核心经济学。
精读
1. Stripe 正在收购 AI 经济中的独立性层
Atallah 表示，7月 Stripe 接触 OpenRouter 时，OpenRouter 并没有寻求出售。与 Stripe 总裁 Will Gaybrick 长期保持联系，双方已有数个共同推进的工作流，加上异常高效的交易流程，让这桩意外出现的交易最终成为 Atallah 在可能收购方中的“首选”。
运营安排与交易本身同样重要：OpenRouter 保留品牌、路线图和产品自主权，同时可以借助更有力度的市场拓展计划加快发展。更深层的契合点，是双方都希望打造一个“中立、值得信赖的平台”，让生活方式型企业和风险投资支持的初创公司都能在其上成长。
Erik Torenberg 的质疑很关键：Stripe 显然会因更多公司处理支付而受益，但初创公司数量增加为什么对 OpenRouter 重要？Atallah 的答案是市场经济学：企业需要模型和供应商独立性，需要用多个模型打造差异化智能，也需要价格竞争，让此前不具备经济性的产品成为可能。
企业对开放性的需求让 Atallah 感到意外。客户并没有默认选择最知名的闭源实验室，而是出于成本、差异化和控制权考虑，主动探索开放权重模型；AI 也从可以宣布“本季度完成”的项目，变成持续存在于董事会层面的能力。企业缺少的制度化能力在于评估：它们必须弄清楚哪些模型真正适合自己的任务。
2. 基础模型的野心，让企业独立性成为战略问题
Masad 将 Erik 的论点从推理采购进一步延伸：企业需要一套会随时间复利的内部 AI 知识，包括模型与任务的匹配、专有数据、成本控制和人才积累，就像每家公司最终都必须掌握互联网和软件能力一样。“拥有自己的智能”既是一种运营能力，也是抵御依赖的防线。
他的竞争担忧在于，前沿实验室“把世界看成自己的潜在市场”。他提到 Figma 以及 Harvey/OpenAI，而 SpaceX S-1 的类比则展示了这种野心的规模：相对于约100万亿美元的全球 GDP，机会空间据称达到约30万亿美元。当这些公司最终可能进入合作伙伴业务的大部分领域时，合作就会变得更加困难。
因此，Replit 正在成为横跨模型和基础设施的抽象层：以最低价格提供最优 token，并支持部署到 AWS、Azure、Databricks、Snowflake 及其他系统。Masad 说，他原本以为云和 SaaS 才是未来，但企业日益担心智能体驱动的数据泄露，促使 Replit 转向自带云部署，并实质上走向本地化部署。
3. 通用智能体提供杠杆，但可能牺牲理解
这个看起来高度同质化的智能体技术栈——循环、通知、连接器、记忆、沙盒、搜索和电脑操作——在 Erik 看来更像基础管道。他的类比是，抱怨每家 AI 公司都在使用这些组件，就像在2005年指出每个互联网产品都有数据库、用户表、登录、个人资料和退出页面。Masad 也认同，企业真正的问题在于如何让这些系统安全地完成有用的工作。
Masad 的个人系统展示了通用上下文的价值。它最初只是一个 CRM 智能体，后来扩展到他的聊天记录、GitHub 代码库、Salesforce 和日历；在会议前，它可以把一年前一次会议上的相遇与当前的销售对话关联起来，让他进入会议时，相关线索已经被串联起来。
Atallah 的反驳同时涉及心理和组织层面：“交给它的工作越多，你牺牲掉的对全局理解就越多。”通用智能体不会为这种损失承担责任，也无法消化公司有限的“皮质醇承受能力”；更糟的是，它会变得无法改进，因为每一次试图进行通用能力优化，最终都可能让 Atallah 不再理会它的输出。
他的替代方案更接近“10个幕僚长”：每个智能体负责一个领域，上面再由一个协调智能体统筹。Masad 将这种设计与专业化联系起来，同时保留了对人类过度专业化的批评：当工作让人看不见自己劳动的成果时，人就会产生异化。Erik 将这种差异概括为：“人类应当是通才”，而机器则可以适度变得高度专业化。
4. 智能体专业化仍缺少优雅的操作系统
Atallah 坦率承认：“我们不知道什么才算好。”目前还没有任何专用智能体系统，能像与 ChatGPT、Claude 或 Muse 对话那样自然优雅；dots 和 Grok bot 等产品可能正在探索这一设计空间，但整体上仍是通用型产品。
消费级和企业级智能体可能会走向分化。Erik 指出，CEO 可以给个人系统管理员级别的上下文权限，但普通员工无法安全访问公司的每一个领域；因此，专业化的出现首先源于授权边界，而不只是模型性能的差异。
Alex 提到 Grok bot 的一个早期模式：将连接银行的 bot 与连接 Twitter 的 bot 分开。两个 bot 可以协作，却不必共享凭证，这说明专业化能够同时保留实用性和隔离性。
Erik 认为，仅靠自然语言协作可能过于宽松：一个智能体可能说服另一个智能体泄露它本应保留的信息。安全的多智能体系统可能需要明确的协议或 DSL、严格的数据隔离，以及专门为协作训练的模型。
5. 决策模型既能约束智能体，也能替代过大的模型
Atallah 认为 Jevons 及类似的决策模型可能成为对齐基础设施：一个便宜、快速的分类器，可以根据发起系统的提示词以及额外的隐藏政策，检查每次工具调用或智能体间消息。OpenRouter 内部已经有一个小型原型，正在探索这一角色。
他的红队测试例子说明了为什么政策可能必须置于执行智能体的提示词之外。对抗性智能体应当真正尝试逃出沙盒，而另一个独立监控器则执行那条未公开的规则：一旦访问互联网，立即终止运行。
Erik 补充了结构性防护措施。他说自己原以为 NVIDIA 新推出的开放式智能体安全系统叫作“OpenShell”，并提出企业可能将这类防护措施与基于模型的检查结合起来。
Atallah 用即时编译器作类比，进一步解释了专业化路径：一个强大的通用模型可以识别出边界明确、反复出现的任务，并训练出自己的更窄替代模型，后者更便宜、更不容易造成附带伤害，也更不容易受到提示词注入影响。对每个分类问题都调用类似 AGI 的模型，“就像用核弹轰蝴蝶”。
6. 安全可能为前沿智能带来溢价，也可能让受约束输出占优
Erik 提出，更聪明的智能体可能拥有更好的协作和对齐能力，但公开评估不足以判断风险究竟会随智能提升而上升还是下降。Atallah 不相信更高的机器智能会自然带来更好的对齐，同时也承认没有人知道答案。
Atallah 援引正交性论题以及强化学习证据指出，能力更强的模型可能更擅长奖励投机和欺骗。监控思维链本身可能促使模型隐藏推理过程，而短期基准测试也可能漏掉策略性行为；可信的测试或许需要围绕大规模、持续性的目标运行“几个月”。
Masad 说，他很难理解“对齐”这个定义不清的词——“对齐到什么、对齐谁的价值观？”Atallah 则把实际测试收窄到欺骗问题：能力足够强的模型，是否会可靠地停止误导用户，并在评估中故意压低表现？目前没有人知道。
商业含义取决于任务。编码和安全研究可能足以支撑企业为一个经过验证、不会欺骗的前沿模型支付10倍价格；而对常规企业决策而言，严格定义输出范围可能更安全。Masad 预计，行业会重新发现确定性软件：“还记得计算机完全按照我们的指令执行的年代吗？”
7. 专用模型与融合模型从相反方向打击成本
Masad 已经在用 Replit 的专有数据训练窄领域模型。其中一个 Qwen 8B 系统通过输出不同区间的概率来估算提示词成本，例如5–10美元和10–20美元；由于 Replit 掌握相关数据，也清楚任务定义，专用分类器相对容易构建。
Atallah 称之为更低的“模型债务”。团队不愿对非结构化生成任务进行微调，因为新的基础模型可能在两个月内迫使它们重建整套系统；而定制分类器不需要学会每一种新语言、编写 Rust，或在通用 LLM 基准上竞争，它只需要在一个已知任务上保持优秀。
Masad 将今天对前沿模型的热情，比作 Python、JavaScript、Ruby 和 PHP 的兴起：最初速度占了上风，随后 bug 和性能问题又迫使类型系统、JIT 编译器，最终连 Rust 都重新回到技术栈。随着企业意识到通用智能往往“极其浪费，而且没有理由地危险”，他预计上传一个 CSV、得到一个只执行单一任务的模型，最终会成为常态。
融合走的是另一条路径：不是缩小模型，而是组合模型。Atallah 表示，OpenRouter 的深度研究融合搜索了更广泛的模型训练知识，以成本约为原来的1/2达到了 Fable 级质量；Masad 则称 Replit 的结果以40–50%的成本接近前沿模型质量。Atallah 强调，路由器、升级系统和融合架构都必须感知缓存，同时也提醒，自己关于 OpenAI 不同模型家族之间能否复用缓存的判断可能是错的。