大家说在一些outsourcing的领域
或者是以前是很服务驱动的领域
那这些领域中本来就是
人在做很多data处理相关的
summary相关的事情的时候的话
那明显你的Agent或者是AI也好
你其实是能够去更好地
处理输入的数据
输出更结构化的 更丰富的
更有高价值的结果和数据的时候
甚至任务的时候的话
这个对startup是一个挺好的
挑战这种incumbents的一个路径
鸭哥则从了解用户偏好
和使用习惯的角度
提出了“默契”
这个有趣的护城河概念
最浅显的一个护城河
可能在数据方面
比如说Manus或者Devin
它有一个功能是说
它可以记下来你对它的纠正
并且把这个知识
再用到以后的对话中间去
比如说我是一个公司
我用Minus做PPT
做出来之后
它第一次给我用的主色系是绿色
那我就跟它说不行
你帮我把主色系改成蓝色
这就是一个数据的积累的例子
它就会把这个知识记下来
那未来比如说我或者公司里其他人
在叫它做PPT的时候
它就知道它是用蓝色来做
那当这样的事情多了之后
就会逐渐产生一个东西叫做默契
你会觉得这个很好用
它知道我老板喜欢什么
知道我们公司内部的各种规章制度
我不用去天天跟它纠正
这时候来了一个竞争对手
但是它再厉害
它也不知道我们公司内部的
一些东西
就文档里没有的东西
它可能上来还是用绿色来做PPT
那我们就会觉得
这玩意吹的那么厉害
它怎么其实那么傻呀
它跟我一点默契都没有
那像这种东西
就是一个非常大的护城河
哪怕它真的很聪明
但我们也不愿意去用
那在这种情况下
就意味着我们的创业者
或者说产品经理就要去想一个问题
我们到底怎么样通过数据
来构建这样一个护城河
怎么样让用户和AI之间
产生一种默契
这个才是最有效的竞争的手段
晓音还进一步指出
我们表面上看来是写代码
实际上我们是帮用户
run他的business
实际上我们是通过我们的这个软件
或者是他的APP或者他website
帮他塑造一个品牌形象
帮他吸引用户
帮他更好的留住用户
帮他更好的挣钱
所以最终来讲
我们是以帮助用户挣钱
就这个Agent最终的目的
还是帮助用户挣钱
而不只是说我给你做了一个东西
我给你做了一个软件你用吧
所以我觉得这个情况下
我们就需要更多的了解它
更多的后面的数据
包括它引流引的怎么样
用户这个网站上停留了没有
我们需要了解更多这方面的数据
那我们在这个垂直领域做的越深
当然我们的不可取代性就越强
如果我们只是说纯粹设计个网站
开发这个网站就结束了
也不需要考虑最终有没有人用
以及转没转化
那可能我们的护城河也不是很高
我觉得可能护城河
也取决于整个这个东西是不是做深
是不是end to end都能够给用户
解决他最终的那个目的
比如说挣钱
这是他最终的目的
前面都是些就是一步一步一步的
所以我们如果能直接给他
最终的目的
我们就更难被取代
如果我们给的是中间的一个某个步
就是比如要三步才能挣钱
我们解决的是第一步
那我们可能会更容易被取代
像OpenAI Anthropic
这些大模型公司
自己也在加强Agent能力
它们会不会最终挤压创业公司
尤其是通用类Agent创业公司的
生存空间呢
高宁对此有一个很辩证的看法
像现在的GPT的Deep Research
和Manus或者是Genspark
就是这样的通用型的Agent
那理论上也会多少存在着一些
竞合的关系
但是因为它们都在做
越来越多新增的用户
让越来越多的小白用户知道
Agent能做什么事情的时候
中短期内
我觉得还是没有太大问题的
那只是说长期可能模型的用户
模型的产品用户越来越多了
那他同时在用两款产品的时候
如果大家表现出来的差异化
不那么明显的时候
那一定会有一些替代
但我觉得从长期的角度来说
因为对于这种应用型的产品
它的好处在于
它可以选择各种各样的模型
哪个好
甚至是怎么样的一个组合更好
它的成本 它的效率更优
那是非常有可能的事情
那我觉得这两方面
其实都有pros and cons
俞舟教授也从企业级应用的角度
进一步强调了应用层中立性的价值
中立的第三方
像我们这样子的平台
其实更容易 更快速的推进
因为谁也不知道
将来我是不是要跟OpenAI绑定
没有人想跟任何一家公司
做深入绑定
因为我们大家都想要有一个backup
那我们这样子的中立的平台
就是给它提供这种方式的
那我们知道大的企业enterprise
它都要做Multi cloud
所以说 为什么我要跟AWS绑定
我要用它的这个framework呢
万一它这个突然不行了
我得换一个
我怎么办呢
所以说这个第三方的
像我们这样子中立的平台
是非常有优势的
那么具体而言
Agent创业公司应该如何避免
与大模型公司正面竞争呢
高宁给出了一个很实际的建议
其实VI自己也会跟Harvey
或者跟垂直的一些应用去合作
而不是完全的去做
因为这里面涉及到的
一方面你不太可能拥有每家公司
私有的数据
二方面的话
你涉及到跟工作流的磨合打通
这些事情是脏活 苦活
你要去搞清楚
人家在日常工作中是怎么用的
workflow是什么
上下游是怎么样的
系统层面上又是怎么样的
我觉得这些事情
大概率大模型公司不会去做
尤其是现在越来越
大家更focus在以AGI为目标
或者是模型的基础能力的
提升为目标的情况下
二是说
如果你是偏通用型的产品的话
多少就会有这个隐患了
就像你说不管是你用文生图
或者Agent这个方向上
但是你作为一个应用型的产品
你就更可能地要往你的核心的用户
去做成一个
越来越workflow base的
一个SaaS的工具也好
或者是越来越跟大客户去合作
做一些定制
为他们做一些解决方案也好
这些事可能startup
直面这些大模型公司
应用产品冲击时候的一些选择
最后我们来聊一个很现实的问题
Agent由于需要多轮交互
和调用工具
经常会消耗大量的tokens
这会不会带来严重的成本压力
对此HeyBoss AI创始人晓音的回答
很有意思
因为我们是以结果为导向
用户他的比价是说以前这个
我要找一个巴基斯坦工程师
一个开发团队
有设计 有文案 有SEO
然后他多少可能几千刀
我们再怎么贵
也不会比巴基斯坦的这个团队要贵
并且我们再怎么慢
也不会比巴基斯坦的团队更慢
所以对我们来讲用户的预期
就是说只要能你给我deliver结果
价格跟速度
可能都已经足够让我惊艳了
我要的是效果
对于这种情况下
我觉得其实我们不是很担心
token本身的成本的问题
因为用户本身这个服务
本来花的钱更多
因为用户不是说你们便宜
但是这个巴基斯坦的
比如说打分是90分
设计你们是60分
但你们便宜
比如说10倍我也用
不是的
用户是说你至少要跟他一样好看
我才会考虑
如果我一旦考虑
价格可能就不是问题
所以是对我们来讲
我们最重要的是效果要达到
跟人一样牛逼的水平
技术发展
从来不仅仅是技术本身的事
它往往也会带来深远的社会影响
随着Agent技术的普及
它可能会重塑人与机器的关系
甚至影响社会结构
接下来让我们一起来听听
嘉宾们对于Agent时代的哲学思考
和未来展望
Kolento分享了他对Agent
与人交互方式演变的一些思考
传统AI对吧
传统AI workflow上面
人类先给AI
就是搭建好一步一步的操作
然后AI给出来一个response
让人类来看 对吧
其实你会发现
人类会有两个审核点
一个点是我最开始搭的时候
过程中审核
第二个点是Agent给出结果之后
我对那个结果审核
审核完之后再返回到第一步再去改
其实这个是有点小麻烦的 对吧
因为你要看两次
我不会觉得这个次数可能会变少
我会觉得你检查的方式
应该有一些变化
就是未来的Agent
它应该是上来第一步
是去跟你对齐你的价值观
对齐你的记忆
对齐你的所有的偏好
那你做第一步应该是做alignment
这个alignment
不只是行为上的alignment
而是他对你这个人全人的
就是whole person的alignment
然后你放手
让AI识别清楚你的意图之后
去干所有的事
那什么时候AI来找你呢
什么时候你需要去审核
就是当出现一些高危情况
或者是一些极端情况的时候
Agent来找你问你
你confirm一下
我刚才说这种形态
我在rapid身上看到了
如果你们去输一个query 对吧
它不会每一步都会叫我来confirm
那你如果用Windsurf
如果你不开那个auto模式
你每一步都得confirm
很多东西
其实我觉得是不需要confirm的
就你应该让它放手去干的
这是一个宏观上的解释
鸭哥从更广泛的社会匹配角度
讨论了在他看来对于赋能Agent
有关键影响的环境因素
AI到底能够在人类的社会中
或者在我们的日常工作中
发挥多少作用
很大程度上取决于
这个问题到底有多AI friendly
或者说AI native
就像蒸汽机的例子一样
如果我们把整个船它的工作方式
都围绕着蒸汽机来构建的话
○很可能这是我们能够实现
最优化工作流程的关键
从数字世界的角度来说
哪怕AI没有物理世界这个隔阂
在数字世界我也非常痛苦
我觉得很多东西
都不是AI native的
比如说我写了一个代码
我写了一个库
我希望别人来用
或者我写了一个产品
希望别人来用
现在的产品说明书或者说文档
都是面向人类的
它比较零散
因为知道人很弱
他阅读速度很慢
所以给你拆成很多很多页
你要自己去点那个超链接才可以
但AI完全没有这个问题
你可以给扔给它几万字
它piu一下就读完了
所以AI需要的
其实恰恰是一个 all in one
同时你可以贴很多代码
因为它完全没有障碍
就可以阅读很多代码
不像人类
是这种code heavy
all in one place
这种东西是最适合AI的
那如果有两个库或者两个软件
一个是AI friendly的
他给了AI这个东西
Cursor看了这个东西
立马就能写code
另外一个是human friendly的
在未来可能我觉得AI friendly的
竞争优势会很大
所以这是另外一个AI native
就非常现实的价值的一个例子
在AI面前
人应该扮演怎样的角色
又有哪些AI难以替代的价值
Kolento就表达了这样的忧虑
我们跟机器之间的交互
变得越来越薄了
举个例子
原本你用Google search 对吧
你发一个query
它给一个response
你这个其实是有点平等了对吧
虽然它可能会给一个result
你可以选 对吧
但也是比较平等的
你现在跟GPT呢
是无边界的交流
直到你token耗尽 对吧
你发个query
它给你出来一长段
你给Manus说一个query
它给你工作80分钟
给你完成一个任务
那你的意义在哪呢
你只是给这种高层引导
那未来是不是你也可以
你也可以被替代掉
我会很担心一个人自己的价值所在
面对这种担忧
新琦提出了
她对人类创造价值的理解
我会觉得我依然是那个
能够首先形成想法 提供指令
精雕细琢 保障成品的
这一个核心的人
而AI是我的一个合伙人
我需要它给我出力气
如果这个内容是一个结构化的
可以非常能够被AI所获取的
这些东西
那这个就不能够成为增量价值
而真正我觉得有价值的
在音频的世界里面
更多的可能是来自于
要么是你在某一个非常深入的领域
有非常深度的
不管是商业洞察还是学术研究
这些东西尚且没有为AI所消化
要么就是以我们自己
个人身边的例子
它并没有以一种结构化的方式
把这个信息上传到互联网上去的
这样的一些信息内容
我觉得第三点就是
尤其是在多人播客里面
以我们的节目为例
我们三位主播是在三个不同的时区
是在不同的人生的成长的发展阶段
那因此我们的观点相对来说
它是有一种差异化的张力的
而这个张力可以给我们节目
带来的效果就是
我们的讨论通常来说
是更立体 更多元
并且更有火花碰撞的
我觉得这是一个非常非常好的
在AI时代下面
我们就是要不断地鼓励
有观点的碰撞
有认知的迭代提升
而这个东西可能我们一对一单点
跟AI去做合作
也许不太能够实现
而鸭哥则从人与AI的工作关系角度
提出了一个有启发性的观点
你就想象一下AI
它是一个team member
它不是一个工具
也就是说我们跟AI之间的关系
在逐渐的发生了改变
以前当你说一个工具的时候
你会说
我用我的螺丝刀
我开我的车
但是不太会说我把一个什么东西
delegate给我的车
但是你把这件事给说
我给AI来做
大家会觉得很自然
所以这个是AI这个工具
跟以前的工具不一样的地方
因为它能做的事情越来越多
所以我们跟它的关系在发生变化
我们跟它更多的
变成一个领导和下属之间的关系
这就意味着我们人类的核心竞争力
往往是从以前的怎么样去
你要会用计算器
变成了怎么样去会管理AI
这是一个很大
但是被忽视的问题
因为其实会管人的人非常的少
管理本身是一个博大精深
需要很多培训和学习的东西
其实这恰恰是我们在管理AI的时候
需要学习的东西
它不是说这个tool你像螺丝刀一样
拿到手你去看了说明书你就会用了
而是你需要会管理才能用好
我觉得这是另外一个
要做好的mindset change
最后Kolento还强调了
人类在价值判断上的不可替代性
因为我觉得在哲学层面上来讲
AI是没有办法代替人做价值判断的
如果你回看
整个计算机发展历史的话
一直是分久必合 合久必分的
你会发现
整合都是以牺牲个性化为代价的
所以我就会越来越想
什么东西是我们应该去放弃
就什么个性化
是我们不应该被放弃的
我认为是人进
是人本身是绝对不能放弃的
所以我会那么想去
觉得应该有一个属于个人的大模型
因为现在你可以看到
所有的GPT Cloud
或者说是纯Gemini这边
这些都是中心化AI
或者说想要打败魔法的只能是魔法
你想打败这些
所谓的“centralized AI”
你得有一个personal的
centralize AI给到每个人
然后每个人可拥有 可迁移
所以我会很关心AI怎么跟人对齐
怎么做responsible AI
就是如果说拿硅谷那两派做比喻
我更像是Jeff Hinton那派
而不是Sam Altman
最后晓音则从更宏观的社会学角度
思考了AI社会可能出现的新型关系
我之前看过一个心理学的研究说
人跟其他的物种的区别
就是我们能够组织大量的人
很多动物一个族群里
可能就100个大象
或者 50个大象就很多了
我们可以组织几百万人 几千万人
这是我们人类跟其他动物的
一个本质差别
那下一个问题就是说
AI能不能组织更多的AI Agent
发表回复