{"source":{"id":"16140969","title":"想做一个 AI Agent 公司，千万别一上来就写代码。 现在最聪明的打法是：先别写软件，先去卖一份有人愿意付钱的“工作…","url":"https://mubeitech.com/p/16140969"},"method":"semantic-similarity","count":5,"items":[{"rank":1,"id":"2081417126410109434","account":"mubei","brand":"@mubei","title":"下一个万亿美元的AI巨头，根本不卖软件。 它直接卖“干完的活”。 这是红杉资本（Sequoia）给出的最新AI创业推演。…","summary":"下一个万亿美元的AI巨头，根本不卖软件。 它直接卖“干完的活”。 这是红杉资本（Sequoia）给出的最新AI创业推演。 过去两年，卖“AI助手”（Copilot）的人过得有多心惊胆战？ 底层大模型每次发新版本，他们的护城河就跟着塌一次。 你今天刚熬夜写好的功能，明天就被巨头免费…","body":"下一个万亿美元的AI巨头，根本不卖软件。\n它直接卖“干完的活”。\n\n这是红杉资本（Sequoia）给出的最新AI创业推演。\n过去两年，卖“AI助手”（Copilot）的人过得有多心惊胆战？\n底层大模型每次发新版本，他们的护城河就跟着塌一次。\n你今天刚熬夜写好的功能，明天就被巨头免费集成了。\n\n怎么破局？\n红杉的答案是：卖结果。\n别卖“帮你审合同的工具”，直接交付“审完的合同”。\n别卖“辅助做账的AI”，直接交付“做平的账本”。\n\n这套模式的魔法在哪？\n大模型的进步，不再是你产品的催命符。\n底层AI越聪明、越便宜，你的交付成本就越低，利润率直接拔高。\nAI的进化变成了你的自动印钞机。\n\n在“全自动驾驶区”（Autopilot Territory）里。\n这里全是可以直接外包、高度依赖智能处理的行业。\n1400到2000亿美元的保险经纪市场。\n1000亿美元以上的IT托管服务。\n500到700亿美元的薪酬与合规管理。\n拿下这里，赚的是直接替代传统人力的钱。\n\n而左侧的“助手区”，比如3000亿美元规模的管理咨询。\n因为极度依赖人类的复杂判断，AI在这里只能继续打下手。\n\nAI创业的赛点已经转移了。\n护城河不再是谁的功能更炫。\n而是谁能啃下行业流程，直接把活干完。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2081726156500283740","translated_status_id":"2081726156500283740","published_at":"2026-07-27 12:04:28","created_at":"2026-07-27T14:01:35+02:00","url":"https://mubeitech.com/p/2081417126410109434","markdown_url":"https://mubeitech.com/p/2081417126410109434/markdown"},{"rank":2,"id":"2073544407643496771","account":"mubei","brand":"@mubei","title":"Andrej Karpathy 认错了。 他说，2016 年在 OpenAI，他们犯了个代价高昂的错误：直接让 AI 智…","summary":"Andrej Karpathy 认错了。 他说，2016 年在 OpenAI，他们犯了个代价高昂的错误：直接让 AI 智能体（Agent）去干活。 这一步迈得太大，直接让他们多走了 5 年弯路。 那时候的项目叫 World of Bits。 目标很宏大：让 AI 像人一样，操控键…","body":"Andrej Karpathy 认错了。\n\n他说，2016 年在 OpenAI，他们犯了个代价高昂的错误：直接让 AI 智能体（Agent）去干活。\n\n这一步迈得太大，直接让他们多走了 5 年弯路。\n\n那时候的项目叫 World of Bits。\n目标很宏大：让 AI 像人一样，操控键盘 and 鼠标，去网页上订机票、点外卖。\n\n结果呢？\n当时他们手里只有“强化学习（RL）”这一把锤子。\nAI 只能在简陋的网页上疯狂乱点，指望靠运气撞上高分奖励，最后证明根本走不通。\n\nKarpathy 总结说：当时最该干的事，是彻底忘掉 Agent，先去把大语言模型（LLM）造出来。\n\n先把脑子发育完全，再去学怎么用手。\n\n接着，他给现在的 Agent 热潮狠狠泼了一桶冷水。\n\n他说，Agent 跟自动驾驶、VR 是同一个物种：Demo 极其好做，产品化极其艰难。\n\n写个脚本，让车绕着街区开一圈，或者让 AI 跑通一个订票流程，一下午就能搞定，发到网上能拿成千上万个赞。\n但要让它变成真正能卖钱、不出错的产品？\n对不起，做好跟它死磕 10 年的准备。\n\n为什么这么难？\n因为今天的 Agent 只有一个“大语言模型”当大脑袋，它还缺了太多零件。\n\n海马体（记忆检索）在哪？\n基底神经节在哪？\n丘脑（当脑子里多个想法打架、争夺决定权时，用来分配麦克风的控制机制）又在哪？\n人类大脑进化了千万年的物理回路，现在的 AI 连毛皮都还没摸到。\n\n不过，这个大坑，反而给普通人留了条活路。\n\nKarpathy 顺便爆了大厂的底：\n在大模型训练上，像 OpenAI 这样的巨头已经把路线图摸得太透了。\n学术界刚发篇新论文，OpenAI 内部的 Slack 大概率就会弹消息：“哦，这玩意我们两年半前就试过，不信你看这儿有当年的失败数据。”\n\n但在 Agent 领域，大厂没有任何秘密武器，他们也正懵着呢。\n\n这也是为什么，现在真正站在 Agent 能力前沿、能做出新花样的，是那些在车库里连夜修 Bug 的黑客和创业者，大厂里写论文的科学家反而没做出来。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2074030551783141845","translated_status_id":"2074030551783141845","published_at":"2026-07-06 06:07:09","created_at":"2026-07-06T08:00:29.239922","url":"https://mubeitech.com/p/2073544407643496771","markdown_url":"https://mubeitech.com/p/2073544407643496771/markdown"},{"rank":3,"id":"2077452293772062857","account":"mubei","brand":"@mubei","title":"AI 最值钱的生意，可能不是卖模型，是派工程师进公司改管线。 Anthropic、黑石和高盛推出了一家公司，叫 Ode。…","summary":"AI 最值钱的生意，可能不是卖模型，是派工程师进公司改管线。 Anthropic、黑石和高盛推出了一家公司，叫 Ode。 开局就是 15 亿美元。 它不卖一个“万能 AI 套餐”。 It 派所谓的前线部署工程师，直接嵌进企业内部。 先看这家公司到底怎么运转。 订单怎么来，合同怎么…","body":"AI 最值钱的生意，可能不是卖模型，是派工程师进公司改管线。\n\nAnthropic、黑石和高盛推出了一家公司，叫 Ode。\n开局就是 15 亿美元。\n\n它不卖一个“万能 AI 套餐”。\nIt 派所谓的前线部署工程师，直接嵌进企业内部。\n先看这家公司到底怎么运转。\n订单怎么来，合同怎么走，财务怎么对，客服怎么回，销售怎么交接，审批卡在哪里。\n\n然后把这些流程重新画一遍。\n把一堆互相不说话的软件，先接成一个能跑的系统。\n最后才把 AI 放上去。\n\n很多公司现在的状态是什么？\n手里已经能用世界上最强的一批 AI。\n但日常工作还在靠 20 个断开的工具、表格、群聊、人工复制粘贴撑着。\n\n老板知道 AI 很厉害。\n员工也知道 AI 很厉害。\n问题是没人知道该把它插进哪一个环节。\n\nOde 的做法是：\n别先谈模型。\n先谈流程。\n\n流程本身是乱的，AI 叠上去就是更快地制造混乱。\n流程先被梳理成一个能工作的操作系统，AI 才像发动机一样有地方发力。\n\n黑石和高盛把 15 亿美元押在了“实施”上。\n\n走进一家公司，摸清它真实怎么跑，再把系统改到真的能省人、省时间、省错误。\n这比演示台上的炫技难多了。\n也比卖软件订阅更贴近企业的钱包。\n\n但 Ode 也不是要服务全世界。\n它的客户管线主要来自私募股权投资组合里的公司。\n高端、集中、数量有限。\n它自己也承认，这种工程团队的需求远远超过供给。\n\n美国光是年营收 200 万到 5000 万美元的公司，就有几十万家。\n这些公司够大，已经被流程折磨。\n又不够大，等不到黑石系的精品 AI 团队敲门。\n\n它们不会缺模型。\n缺的是有人坐下来，把那堆活拆开，把系统接上，把 AI 放到该放的位置。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2077726705473507654","translated_status_id":"2077726705473507654","published_at":"2026-07-16 12:07:29","created_at":"2026-07-16T13:37:20+02:00","url":"https://mubeitech.com/p/2077452293772062857","markdown_url":"https://mubeitech.com/p/2077452293772062857/markdown"},{"rank":4,"id":"16118689","account":"mubei","brand":"@mubei","title":"很多人以为玩 Agent 最贵的是大模型推理。 其实根本不是。 最烧钱、最折磨人的，是把网页喂给模型之前的“脏活”。 你…","summary":"很多人以为玩 Agent 最贵的是大模型推理。 其实根本不是。 最烧钱、最折磨人的，是把网页喂给模型之前的“脏活”。 你想让 Agent 帮你读个网页，得先抓取、清洗、去重。 一个几万字的超长网页，里面塞满了无用的 HTML 标签和垃圾信息。 你把这些玩意儿一股脑塞给大模型，To…","body":"很多人以为玩 Agent 最贵的是大模型推理。\n其实根本不是。\n最烧钱、最折磨人的，是把网页喂给模型之前的“脏活”。\n\n你想让 Agent 帮你读个网页，得先抓取、清洗、去重。\n一个几万字的超长网页，里面塞满了无用的 HTML 标签和垃圾信息。\n你把这些玩意儿一股脑塞给大模型，Token 烧起来简直像是在用金子当柴烧。\n\n最近 Hermes Agent 搞了个新动作，算是把这笔账算明白了。\n他们不吹嘘自己模型有多聪明，直接把刀子动在了“喂饭”的成本结构上。\n\n按照官方的宣传，他们现在读取网页的速度最高能快 60 倍，费用最高便宜 49 倍。\n当然，这只是厂商自己的测试口径，实际疗效还得看具体场景。\n\n但它解决问题的思路，确实戳中了开发者的心窝子。\n它的逻辑其实挺朴素。\n首先，抓取后端在源头就把网页清洗干净，直接把“纯肉”喂给 Agent，砍掉了所有冗余的重复处理步骤。\n其次，遇到那种巨长的网页，它不傻乎乎地一次性全吞下去。\n它先把大网页保存在本地，根据 Agent 的实际需求，按需进行分页读取。\n\n这就跟吃自助餐一样。\n以前是把整个牛排店连盘子带桌子一起吞下去，算账时按吨付费。\n现在是把肉切好了放在本地，吃多少、切多少、拿多少。\n\nAI 应用要想真正普及，别天天整那些“智力涌现”的宏大叙事。\n把抓取、清洗、本地分页这些工程细节抠明白，把成本打下来，才是真正的硬道理。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2072263080604483933","translated_status_id":"2072263080604483933","published_at":"2026-07-01 09:24:54","created_at":"2026-07-01T11:07:15+02:00","url":"https://mubeitech.com/p/16118689","markdown_url":"https://mubeitech.com/p/16118689/markdown"},{"rank":5,"id":"2075500276476522770","account":"mubei","brand":"@mubei","title":"OpenAI 曾经在 AI Agent 上，浪费过五年时间。 当年他们搞了个项目，叫 World Of Bits。 目标…","summary":"OpenAI 曾经在 AI Agent 上，浪费过五年时间。 当年他们搞了个项目，叫 World Of Bits。 目标很现实：让 AI 操控键盘鼠标，在网页上订个航班、点个外卖。 结果呢？彻底砸了。 AI 只能像无头苍蝇一样瞎点鼠标，试图靠撞大运拿高分。 为什么？因为那时候，他…","body":"OpenAI 曾经在 AI Agent 上，浪费过五年时间。\n当年他们搞了个项目，叫 World Of Bits。\n目标很现实：让 AI 操控键盘鼠标，在网页上订个航班、点个外卖。\n结果呢？彻底砸了。\nAI 只能像无头苍蝇一样瞎点鼠标，试图靠撞大运拿高分。\n\n为什么？因为那时候，他们手里只有一把叫“强化学习”的锤子。\n技术根本没准备好，死磕就是死路一条。\n事实证明，当时最正确的事，是彻底忘掉 Agent。\n把所有精力拿去卷大语言模型。\n这一放，就是五年。\n\n五年后的现在，Agent 又成了整个硅谷的狂欢。\n但工具箱已经全变了。\n现在开发 Agent 的人，几乎没人再碰强化学习了。\n底座换成了语言模型，曾经撞墙的死胡同，突然通了。\n大家都意识到，如果 AGI 真的到来，载体必然是 Agent。\n甚至可能是一个由无数数字实体组成的文明。\n\n但这事儿，必须泼一盆冷水。\nAgent 属于那种“做 Demo 极易，做产品极难”的巨坑。\n这就像自动驾驶和 VR。\n让一辆车绕着街区跑一圈，或者戴上头显看个炫酷画面，太容易了。\n但要把它变成真正落地的商业产品，起步价就是十年。\n做 Agent 也一样，别看现在的演示多酷炫，准备好死磕十年吧。\n\n接下来的技术灵感要去哪里找？人类大脑。\n大脑的海马体，对应的就是 AI 的向量嵌入（Embeddings）和记忆检索。\n大脑多个实体抢夺控制权的神经机制，就是现成的多 Agent 底层架构。\n\n最后，还有一点。\n在练大模型这件事上，大厂不可战胜。\n你现在想出一个改写 Transformer 的新点子，OpenAI 内部肯定有人会说：\n“哦，那个啊，两年半前我们试过了，没用。”\n但在 AI Agent 这个赛道，巨头并不具备统治力。\n因为他们当年放弃了，没在这个方向上偷攒五年的大招。\n现在，所有草根黑客、创业者和巨头，其实都站在同一条起跑线上。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2075655104431063110","translated_status_id":"2075655104431063110","published_at":"2026-07-10 18:55:14","created_at":"2026-07-10T20:38:47+02:00","url":"https://mubeitech.com/p/2075500276476522770","markdown_url":"https://mubeitech.com/p/2075500276476522770/markdown"}]}