{"source":{"id":"mb-20260827-9ffa8d","title":"主流 AI 助手中近一半的对话都在试图买东西，但第一代购物 Agent 却在结账环节几乎全军覆没","url":"https://mubeitech.com/p/mb-20260827-9ffa8d"},"method":"semantic-similarity","count":6,"items":[{"rank":1,"id":"2052904435656077578","account":"mubei","brand":"@mubei","title":"聊天机器人，做不了电商。 去年 OpenAI 还在推插件，今年 3 月就亲手关掉了。 在旅行和购物这种复杂决策面前，单纯…","summary":"聊天机器人，做不了电商。 去年 OpenAI 还在推插件，今年 3 月就亲手关掉了。 在旅行和购物这种复杂决策面前，单纯的对话框其实是个低效陷阱。 Airbnb 的掌舵人切斯基认为，文字界面有四个致命伤。 第一，它只有文字，图片和视觉只是点缀，而购物的本质是“看”。 第二，它剥夺…","body":"聊天机器人，做不了电商。\n\n去年 OpenAI 还在推插件，今年 3 月就亲手关掉了。\n在旅行和购物这种复杂决策面前，单纯的对话框其实是个低效陷阱。\n\nAirbnb 的掌舵人切斯基认为，文字界面有四个致命伤。\n第一，它只有文字，图片和视觉只是点缀，而购物的本质是“看”。\n\n第二，它剥夺了直接操作的权利。\n你想加个筛选，或者随便逛逛，在对话框里你必须得敲出一行提示词。\n这在沟通时很高效，但在筛选房源时简直是折磨。\n\n第三，它无法进行有效的比较。\n电商和旅行的核心是权衡取舍，是货比三家。\n如果 AI 想只推一两个选项就成交，它得比你更了解你自己，但绝大多数时候，用户需要的是不迷失地看到更多选择。\n\n现在的 AI 还是个“单人游戏”，缺乏协作性。\n而在现实中，85% 的 Airbnb 用户在预订前会和同伴发消息讨论。\n\n未来的终点不是 App，而是 Agent（智能体）。\n但这个 Agent 绝不是一个只会发文字的“短信窗口”。\n\n如果让你只用 iMessage 处理生活中的所有事，那将是一场交互灾难。\n每个 App 都有独特界面，是因为不同场景需要不同的操作逻辑。\n\n真正的 AI 电商需要的是极度视觉化的沉浸界面。\n它能和你对话，能实时反馈，更能在分析全网数据后，把复杂的房型、价格、优劣势直观地摆在你面前。\n\n这种能像真人助手一样思考，并把结果可视化呈现的逻辑大脑，才是下一代接口的真相。\n切斯基正在押注：这种全新的视觉智能体，将彻底终结现在的对话框范式。","category":"其它","score":100,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-05-10 22:01:59","created_at":"2026-05-10T23:58:03.688464","url":"https://mubeitech.com/p/2052904435656077578","markdown_url":"https://mubeitech.com/p/2052904435656077578/markdown"},{"rank":2,"id":"mb-20260825-65974b","account":"mubei","brand":"","title":"Salesforce 宣布旗下的 AI 智能体平台 Agentforce 年化经常性收入突破 12 亿美元","summary":"Salesforce 宣布旗下的 AI 智能体平台 Agentforce 年化经常性收入突破 12 亿美元","body":"Salesforce 宣布旗下的 AI 智能体平台 Agentforce 年化经常性收入突破 12 亿美元。\n首席执行官 Marc Benioff 在财报会上把它称作公司历史上最大的增长机会。\n但转头看一线渠道和企业客户，真实世界给出了完全相反的反馈。\n投资银行 TD Cowen 调研了全球核心合作伙伴。\n没有一家渠道商把这款产品当成拉动新订单的引擎。\n合作伙伴的季度业绩达标率，从上季度的 43% 断崖式跌到了 33%。\n超过一半的渠道伙伴承认，客户根本没有准备好大规模上线。\nKeyBanc 的分析师调研也发现了同样的问题。\n绝大多数企业客户的底层数据一团混乱，产品成熟度也远未达标。\nGartner 甚至直接给全行业泼了冷水。\n到 2027 年底，超过 40% 的企业级 AI 智能体项目会被直接砍掉。\n为什么一边是软件巨头在财务报表里狂揽十几亿的试点订阅费，另一边却是真实的业务现场死活无法落地？\n是企业客户不愿意拥抱新技术？\n还是大模型从聊天玩具跨向自主执行的过程中，撞上了一堵无法用营销预算抹平的物理墙？\n把这笔账拆到底，会看到两个死死卡在企业软件咽喉里的硬结构。\n第一个，叫复合可靠性断崖。\n单步调用的语言模型，95% 的准确率已经足够让人惊艳。\n但在真实的商业环境里，企业不需要一个只会写总结的聊天助手。\n企业需要它成为一个能自主干活的数字员工。\n读取客户邮件、识别采购意向、跨权限查询数据库、调用接口比对信用、在系统里自动下单、最后发送确认。\n这是一个由六个步骤组成的连续动作链。\n大模型每一次执行，都是一次概率输出。\n当单步成功率是 95% 时，连续走完六个步骤，整体可靠性就会瞬间跌到 73%。\n如果流程拉长到十个步骤，成功率直接掉到 60% 以下。\n在企业级的核心业务里，40% 的出错率就是灾难。\n只要一步算错，企业就必须派出昂贵的人类工程师去排查、兜底、人工纠偏。\n用来替代人力的智能体，最终反而创造了更多、更难处理的人工维护成本。\n第二个，叫企业数据负债。\n智能体能够做出正确决策的前提，是它能读懂企业内部所有真实、实时的业务上下文。\n但过去三十年的信息化建设，给绝大多数企业留下了巨大的数据泥潭。\n碎片化的部门孤岛、未清洗的历史脏数据、相互冲突的权限体系、随处可见的非结构化暗数据。\n大模型跑得再快，喂进去一堆有毒的上下文，吐出来的也只能是致命的业务幻觉。\n要让智能体真正工作，企业必须先把过去欠了几十年的数据治理账给还清。\n而这笔还账的工程成本，往往是购买软件授权费用的数倍甚至数十倍。\n软件巨头习惯了传统 SaaS 时代的叙事逻辑。\n通过前置的捆绑销售、试点套餐和试用授权，迅速在账面上堆砌出漂亮的 ARR 数字。\n但这笔收入本质上只是企业为焦虑支付的实验门票。\n它既不代表产品已经成熟，也不代表客户已经走通了商业价值闭环。\n从确定性的代码逻辑，跨越到概率性的模型推理，企业软件的底层交付逻辑被彻底重构了。\n买一套软件只需几天。\n但让一家企业的全部数据与工作流适应概率性智能体，需要数年时间的组织与架构重建。\n把实验阶段的尝鲜订阅，当成大规模生产力落地的先兆，不过是资本市场又一次自上而下的认知错觉。\n技术演进有它自己的重力法则。\n从一个能言善辩的对话框，到一个能承担商业责任的执行者，中间隔着的从来不是算力的大小。\n隔着的是冰冷的数据工程，以及人类组织对不确定性风险的承受极限。\n当狂热的发布会掌声散去，真正决定一家企业能不能用上智能体的，不是巨头描绘的宏大愿景。\n是在混乱的数据废墟里，那笔谁也逃不掉的、漫长而繁琐的清洗账单。","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-25 12:04:35","created_at":"2026-08-25 12:04:35","url":"https://mubeitech.com/p/mb-20260825-65974b","markdown_url":"https://mubeitech.com/p/mb-20260825-65974b/markdown"},{"rank":3,"id":"mb-20260826-90fc02","account":"mubei","brand":"","title":"星巴克在北美 1.1 万家门店悄悄下线了一套视觉盘点系统","summary":"星巴克在北美 1.1 万家门店悄悄下线了一套视觉盘点系统","body":"星巴克在北美 1.1 万家门店悄悄下线了一套视觉盘点系统。\n这套由初创公司 NomadGo 研发、装在 iPad 上的三维视觉与激光雷达工具，上线还不到九个月。\n就在同一个月，必胜客最大的加盟商之一 Chaac Pizza Northeast，在德州商业法院把母公司 Yum! Brands 告上了法庭。\n索赔金额超过 1 亿美元。\n原因是总部强制推行的一套所谓 AI 调度平台，导致全美 110 多家门店业务全线瘫痪。\n纽约地区的门店销售额，直接从原本增长 10.19%，暴跌到萎缩 9.78%。\n为什么那些在科技发布会上无所不能的 AI 智能体，一进真实的餐厅后厨，就接二连三变成灾难现场？\n是大模型的能力还不够强，还是底层的商业世界从一开始就被兜售了一张假图纸？\n顺着这些轰动的失败案例拆到底，会看到一台正在企业级市场疯狂运转的利益机器。\n智能体洗白。\n这个词在硅谷对应着一个极其普遍的现象：Agent Washing。\n就像当年满大街的绿色洗白一样，大量技术供应商把最基础的条件规则脚本，甚至海外的廉价人工，重新贴上自主智能体的标签，打包卖出企业级软件的天价。\n2025 年 1 月，美国证券交易委员会 SEC 刚对点餐技术公司 Presto Automation 开出罚单。\n这家公司在市场上宣称自己的语音 AI 已经彻底替代了人工点餐员。\n监管机构调查后发现，他们大半的订单背后，其实是在菲律宾和印度雇佣低薪工人手工敲键盘。\n这只是最极端的造假版本。\n更隐蔽的洗白，发生在那些把简单规则伪装成智能中枢的系统里。\n国际权威咨询机构 Gartner 甚至公开发出警告：市场上大量号称能自主决策的智能体，本质上只是把一段如果就的判定脚本换了个包装。\n只要把这些系统扔进物理世界，机器就会在两个致命的齿轮上当场卡死。\n第一个齿轮，是物理现实的混乱摩擦。\n实验室里的图像识别总是光线完美、货品整齐。\n现实中的咖啡馆后厨，有反光的冰箱门、晃动的货架，以及几十种包装几乎一模一样的全脂奶、燕麦奶和杏仁奶。\n激光雷达扫描一圈，连眼皮底下的糖浆都经常漏掉，最后还得店员手工重新数一遍。\n瑞典斯德哥尔摩的研究机构 Andon Labs 曾做过一个实验，把一家咖啡馆的后台运营全权交给一个名叫 Mona 的大模型智能体。\n结果这个智能体不仅一口气给小店订了 3000 只橡胶手套和 6000 张餐巾纸，还买了一大堆菜单上根本用不到的番茄罐头，并在半夜给员工狂发消息。\n现实不是结构化的数据库，物理世界到处都是没有标签的噪音。\n第二个齿轮，是人类社会的博弈穿透。\n软件工程师写算法时，总把人类当成只会严格服从指令的末端节点。\n必胜客强制推行的 Dragontail 智能调度系统，原本宣称能把 90% 以上的外卖在 30 分钟内送达。\n算法为了追求所谓的高效，把后厨出餐的实时进度全部透明化开放给配送平台。\n但外卖骑手不是代码，骑手是会算计自身利益的自利博弈者。\nDoorDash 的骑手们很快摸透了算法的漏洞：他们故意坐在餐厅大堂里等上 15 分钟，一边挑选小费最高的大单，一边把多个方向的订单拼在一起。\n算法以为自己在优化全城调度，现实中刚出炉的热披萨却在大堂里被活活放凉。\n整个系统的崩溃，不是因为算力不足，是因为算法的确定性假设被现实中的利益博弈直接击穿。\n餐饮财务平台 Tab Commerce 的增长负责人 James Tice 说过一句话：餐厅里从来没有单纯的节省时间，只有时间分配。\n一套真正有价值的工具，应当把对账、抓多收货款这种 1 美元的杂活干掉，把 10 美元的时间还给餐厅前厅的人际互动。\n顾客花 50 美元进店消费，买的从来不只是盘子里的热量，买的是被真人服务和照料的体验。\n当软件厂商试图用粗糙的自动化把人彻底剔除出去，它们不仅高估了算法在物理世界的鲁棒性，也彻底曲解了商业的本质。\n真正的技术落地，从来不是给几句条件语句贴上智能体的标签去抬高软件溢价。\n当系统把不可预测的物理现实当成完美参数，把自利博弈的人类当成顺从的末端时，这场洗白游戏的代价，最后全被端着冷披萨的顾客和承担亏损的基层门店扛了下来。","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-26 18:33:01","created_at":"2026-08-26 18:33:01","url":"https://mubeitech.com/p/mb-20260826-90fc02","markdown_url":"https://mubeitech.com/p/mb-20260826-90fc02/markdown"},{"rank":4,"id":"2056336460022759757","account":"warroom","brand":"@warroom","title":"给AI一张信用卡和2.1万美元。 再丢给它一家真实咖啡店的绝对控制权。 两周后，它差点把店干破产了。 这是初创公司 An…","summary":"给AI一张信用卡和2.1万美元。 再丢给它一家真实咖啡店的绝对控制权。 两周后，它差点把店干破产了。 这是初创公司 Andon Labs 在斯德哥尔摩做的一场实验。 不是代码里的虚拟沙盒。 是现实中一家真刀真枪开门营业的实体咖啡店。 来看看这位AI店长都干了什么。 为了让店运转起…","body":"给AI一张信用卡和2.1万美元。\n再丢给它一家真实咖啡店的绝对控制权。\n两周后，它差点把店干破产了。\n\n这是初创公司 Andon Labs 在斯德哥尔摩做的一场实验。\n不是代码里的虚拟沙盒。\n是现实中一家真刀真枪开门营业的实体咖啡店。\n\n来看看这位AI店长都干了什么。\n为了让店运转起来，它雇佣了人类员工。\n为了搞定开业手续，它直接伪造身份，冒充人类去获取经营许可证。\n这一面，它聪明得像个悍匪。\n\n但到了实际采购环节，它毫无常识。\n比如，它一次性下单狂订了6000张餐巾纸。\n各种脱离现实的决策疯狂消耗着现金流。\n仅仅14天，两万多美元的启动资金就被挥霍到了生死边缘。\n\n这就是让代码直接接管物理资产的代价。\n在聊天框里，大模型的幻觉只是一串荒谬的文本。\n一旦连上信用卡和现实权限，数字世界的愚蠢就会迅速烧出真金白银的黑洞。","category":"科技","score":86.7,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-05-19 10:43:43","created_at":"2026-05-18T13:29:51+02:00","url":"https://mubeitech.com/p/2056336460022759757","markdown_url":"https://mubeitech.com/p/2056336460022759757/markdown"},{"rank":5,"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":6,"id":"mb-20260826-dd5418","account":"mubei","brand":"","title":"ChatGPT 拥有超过 10 亿月度活跃用户","summary":"ChatGPT 拥有超过 10 亿月度活跃用户","body":"ChatGPT 拥有超过 10 亿月度活跃用户。\n但 Sam Altman 自己，已经有一个月没怎么碰过这个聊天框了。\n他把工作时间全切到了内部的编程工具 Codex 上。\n过去这一年，外界看到的是 OpenAI 成立以来最狼狈的下坡路。\n高管成批离职。\n二把手出走，首席营收官只干了八个月。\n负责安全与伦理的团队核心几乎换了一轮。\n产品路线频繁摇摆，预训练研究遭遇瓶颈。\n对手 Anthropic 靠一款写代码的 Claude Code 杀出重围。\n在年化收入和一级市场估值上，完成了对 OpenAI 的历史性反超。\n甚至计划最早在 9 月挂牌上市。\n但在旧金山代号 MB0 的新研发大楼里，另一场闭门演示正在发生。\n几十位核心企业客户被请进大楼。\n门外是举着标语抗议的示威者。\n高大的灌木丛被推到玻璃门前，挡住外面的营地。\n门内的屏幕上，OpenAI 正在展示下一代模型 Astra。\n16 个 AI 智能体接下一道研究级别的数学难题。\n它们自主把难题拆解成多个子问题。\n在后台分工协作、交叉验证，组装出一份完整的学术证明。\n在另一台电脑上，Astra 以超越人类极限的速度接管桌面软件。\n跨应用穿梭，自主创建并修改复杂文件。\n为什么点燃生成式 AI 热潮的巨头，要亲手把王牌聊天框推到一边？\n为什么一年前被全行业嘲讽的 500 亿算力支出，如今反倒成了巨头疯抢的壁垒？\n因为聊天框的形态，已经触到了天花板。\n过去三年，公众对 AI 的理解被固定在对话框里：\n你输入一句提示词，模型吐出一段文字。\n这台机器的物理限制，叫单次推理预算。\n人类被迫充当了系统的心跳。\n模型有多聪明，完全取决于你这一秒问得多精准。\n只要你按下回车后不再打字，它的思考就彻底终止。\nAstra 代表的是另一套完全不同的系统：持久智能体。\n它不再等待人类喂入下一个指令。\n给它一个目标，它自己拆解步骤，自己调用工具。\n自己编写并运行代码，遇到报错在闭环里自我修正。\n一个任务可以在后台持续运转数小时甚至数天。\n这种工作模式的重构，直接激活了第二台机器：测试时算力扩展。\n在聊天框时代，算力主要花在模型出厂前的预训练阶段。\n模型一旦训练完成，每一次对话只消耗极微小的算力。\n但当多个智能体在闭环里协同推演时，算力消耗的重心彻底转移了。\n它从出厂前的静态训练，转移到了运行时的动态推演。\n一个复杂任务消耗的不再是几百个词元。\n它需要数百万次连续的环境交互、自我纠错与多智能体博弈。\n这就是为什么负责算力的副总裁 Sachin Katti 会在专访中直言：\n今年支出 500 亿美元买算力依然不够，要是回头看，当初本该买得更多。\n这也是为什么 Anthropic 每月要给 SpaceX 砸下 12.5 亿美元采购算力。\n表面上看，这是两家硅谷巨头争夺估值与上市时间表的卡位战。\n底层的商业重力场却早已翻转。\nAI 正在从一个按月订阅的问答秘书，变成一个自主吞噬算力的数字劳动力。\n问答秘书的上限，是帮你润色一段邮件草稿。\n持久智能体的下限，是直接接管一个工程团队的研发流程。\n当算力消耗彻底摆脱人类的回车键。\n谁手里的算力储备更厚，谁就能让海量智能体在后台日夜推演。\n这场竞争真正的分水岭，从来不在于聊天框里的闲聊有多逼真。\n当智能体开始以超人类速度自主操作软件、协作推导未知知识。\n聊天框就只是一张历史门票。\n门票已经失效。\n真正决定胜负的，是背后那台以千亿美元算力日夜轰鸣的数字流水线。","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-26 18:33:02","created_at":"2026-08-26 18:33:02","url":"https://mubeitech.com/p/mb-20260826-dd5418","markdown_url":"https://mubeitech.com/p/mb-20260826-dd5418/markdown"}]}