{"id":"mb-20260823-39bc6a","account":"mubei","brand":"","title":"过去两年，整个 AI 行业都在相信一件事","summary":"过去两年，整个 AI 行业都在相信一件事","body":"过去两年，整个 AI 行业都在相信一件事：\n给智能体的自主权越大，它的威力就越强。\n让它自己拆解步骤、自己调用工具、自己跑完一整套复杂流程。\n到了 2026 年，这套假设在真实的商业系统里撞了墙。\nGartner 给出过一份预测：\n正在运行的智能体项目里，超过 40% 会在 2027 年底前被直接叫停。\n叫停的原因不在模型能力。\n在飙升的调用成本、算不清的商业回报，以及交不出合格的风控方案。\n麦肯锡 2026 年的 AI 信任调查印证了同一个断层：\n企业的负责任 AI 平均成熟度，只有 2.3 分（满分 4 分）。\n只有 30% 的机构，能在智能体治理和控制上达到 3 级以上。\n两份数据拼在一起，说明了一个事实：\n能力跑得太快，控制没跟上。\n2024 年到 2025 年，行业在比谁能做出最自主的智能体。\n2026 年开始，竞争变成了信任竞赛。\n谁能让风控、法务和合规团队在审批单上签字，谁才能活在生产环境里。\n为什么完全自主的系统，一进真实业务就容易停摆？\n很多团队以为这是工程对接问题，以为多写几行胶水代码就能解决。\n真正的阻力不在接口，在底下一台运转了几十年的经济学机器。\n1976 年，经济学家詹森（Michael Jensen）和梅克林（William Meckling）提出了委托-代理理论。\n核心结论格外清晰：\n代理人的自由度越高、行动链条越长，委托人的监督与验证成本就会呈指数级暴增。\n当这个成本超过了效率带来的收益，系统就会发生崩溃。\n放在 AI 身上，就是自主性与可归责性的反向衰减。\n一个智能体在复杂流程里自主跑了十步。\n一旦第十步出现异常，追查它为什么在第四步做出某个决策，会变成一场高昂的数据考古。\n在生成闲聊时，这种黑箱没有成本。\n但在财务对账、合规审查、临床记录和制造质检里，无法溯源的决策，就是不可承受的违规风险。\n这也是为什么法务和风控部门会直接拔掉电源。\nGartner 统计过，市面上标着智能体标签的几千款产品里，真正具备多步自主能力的只有大约 130 个。\n但即便这 130 个真正能打的系统，也躲不开这台机器的制约。\n那些在 2026 年真正跑通商业闭环的企业，是怎么做的？\n它们没有给智能体无限的自由度。\n它们做的是拆解与约束：\n把端到端的庞大任务，拆成职责高度收窄的单一智能体。\n职责越小，失败的扩散半径就越小，审计的路径就越清晰。\n把人类的确认节点，死死卡在高风险决策执行之前，绝不留到事后补救。\n技术的早期狂热，比的是谁敢把缰绳彻底放开。\n技术的产业成熟，比的是谁能把缰绳最精准地扣在关键齿轮上。","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-23 00:21:45","created_at":"2026-08-23 00:21:45"}