昨天晚上，6月1日，我刷到一条消息，当时就没绷住。

Agnes AI，一家全球排名前十的AI实验室，把他们的全模态API，无限期免费开放了。

不是限时不限量，不是新用户送额度，是无限期免费。

文本、图像、视频，三个模态，一次性全放开。

我盯着屏幕看了好一会。

先说说Agnes AI是谁。

可能很多人没听过这个名字，正常，这家实验室不算高调，但实力摆在那。

全球AI Lab排名，他们排第九。

文本模型Agnes-2.0-Flash，上了Claw-Eval榜单。图像模型Agnes-Image-2.0-Flash，进了Artificial Analysis的Image Editing Leaderboard。视频模型Agnes-Video-V2.0，也上了Artificial Analysis的Image to Video榜，还带音频。

三个模型，各自都在国际权威榜单上有名有姓。

不是那种跑出来刷榜的野鸡实验室，是真刀真枪在全球前十待着的。

结果就是这样一个玩家，突然把全模态API免费了。

全模态API到底是个什么东西，为什么这事值得专门写一篇，我来试着说清楚。

以前你接AI能力，文本归文本，图像归图像，视频归视频，三个API要分别对接，分别计费，分别管理调用逻辑。

开发者做一个人机交互的应用，要先调文本模型理解意图，再调图像模型生成配图，再调视频模型做内容输出，三套API Key，三套错误处理，三套计费账单。

全模态API的意思，一套接口，文本图像视频全跑通。

不是简单的把三个模型塞一个文件夹里打包，是真正在同一个语义空间里，文本推理、图像生成、视频合成可以串联、可以交错、可以同一个上下文里连续完成。

举个具体场景。

你做一个AI旅行助手，用户说，帮我规划一下杭州三日游，要小众一点的，最好附上每个景点的实景参考图，最后给我剪一个15秒的短视频预览。

以前这件事要拆成三块来做，文本模型出行程规划，图像模型根据每个景点生成配图，视频模型再把配图和文字合成预览视频，三块之间还要做状态同步和错误处理。

全模态API下面，这一个请求可以在同一个上下文里连续完成，文本规划出来了直接喂给图像生成，图像生成完了直接喂给视频合成，中间不需要人工把输出拷来拷去。

这才是全模态的真正价值，不是三个模型打包卖，是三个模态在同一个智能体工作流里协同。

然后最狠的地方来了。

免费。

无限期。

这件事在2026年的今天，冲击力比很多人想象的要大。

我来解释为什么。

2025年到2026年，AI行业发生了一件事，大家可能都有体感，就是Token越来越贵，或者说，用起来越来越心疼。

Claude API按Token计费，跑一个大项目，账单出来几千刀，跟割肉一样。GPT-4o的API，图像生成按张收费，做内容创作的人，每次点生成之前都要犹豫一下，这张能不能用，不能用的话钱就白花了。

视频生成更夸张，一秒钟多少钱，跑出来四秒钟的预览片，钱包先瘦了一圈。

所以2026年上半年，AI圈其实出现了一个词，叫Token焦虑。

不是AI不够强，是用不起。

个人开发者做Side Project，还没等验证产品方向，先被API账单劝退了。大学生想做个AI小工具练手，一看文档里面的定价页，关掉网页去刷题考公了。

做内容创作的自媒体，想用AI生成配图配视频提升效率，算了一下月度开销，还是打开了Canva手动改。

Agnes AI这个时候把全模态API免费了，等于在大家都在绞尽脑汁怎么省Token的时候，有人直接在高速公路上宣布，这条路以后不收费了。

我也是半信半疑的去试了一下。

登录platform.agnes-ai.com，注册，创建API Key，整个流程大概两分钟。

然后我拿了一个真实场景去测。

我让Agnes-2.0-Flash帮我生成一个可交互的地图App原型，要把某个城市的咖啡店数据可视化，支持按评分筛选，点击弹出详情卡片。

以前这件事，我要么自己写前端代码折腾半天，要么让Claude帮我写，但Claude出完代码我还要自己调试、装依赖、跑本地服务器。

Agnes-2.0-Flash直接出了完整可运行的HTML文件，包含CSS和JavaScript，下载下来用浏览器打开，功能完整，交互流畅，地图渲染用的是Leaflet，数据点加载正常，筛选逻辑也没问题。

我看完代码，心里一个念头冒出来。

这玩意如果一直免费，前端工程师的部分工作，确实在被重新定义。

不是AI替代人类那种陈词滥调，是具体的一件事，以前可能要花半天折腾，现在两分钟出结果，而且出来的质量，能直接拿去给客户演示。

然后我测了图像模型。

Agnes-Image-2.0-Flash，我给的Prompt是，赛博朋克风格的城市夜景，中文霓虹灯招牌写着AI时代，街道上有无人驾驶出租车驶过，画面要有景深，近处有一个机器人坐在路边摊吃面。

出来的图，我就不贴在这里了，省得你们觉得我收了钱。

我只说一点，指令遵循的准确度，比我之前测过的很多收费图像API要强。

中文霓虹灯招牌写着某某文字这个需求，一半以上的图像模型会直接忽略，或者生成乱码一样的伪汉字。Agnes-Image-2.0-Flash生成的霓虹灯招牌，AI时代四个字，是正确的简体中文，笔画没问题，甚至霓虹灯管的光晕效果都处理了。

这件事说小很小，说大很大。

AI生成图像能不能正确处理中文，背后是训练数据的语言覆盖问题。能搞定这个，说明他们的训练数据里，中文语料的占比和质量，是认真做了工作的。

不是那种拿英文模型汉化一下的半成品。

视频模型我也测了。

Agnes-Video-V2.0，我给的剧本是，一个龙族苏醒的片段，15秒，史诗风格，要有烟雾、有鳞片反光、有低沉的背景音效。

生成出来的视频，15秒，带音频，音画同步。

龙鳞反光的物理渲染，说顶尖肯定算不上，但放在2026年6月的今天，这个质量的视频生成，如果是在别的平台，我大概率要付钱，可能还不便宜。

它现在是免费的一部分。

我在测的过程中，脑子里一直在转一个念头。

他们图什么。

全球前十的AI实验室，三个模态的模型同时开放免费API，服务器成本、推理成本、带宽成本，这都是真金白银花出去的。

不可能永远免费，这个道理大家都懂。

但正是这个不可能永远，让这件事变得特别有意思。

Agnes AI不是慈善机构，免费开放全模态API，底层逻辑跟当年Google开放Android是一样的，先把生态占位做起来，让尽可能多的开发者和创作者的第一行的AI代码跑在他们的接口上，等生态长成了，收费的抓手多得是。

但这恰恰是这件事最值得关注的地方。

AI能力的基础设施化，正在以超出很多人预期的速度发生。

2026年之前，大家还在讨论AI能力的壁垒在哪里，2026年过了不到一半，已经有人在把全模态能力当公共基础设施来铺了。

把视角拉远一点，这件事拆开来看，味道就出来了。

对开发者来说，Token焦虑暂时缓解了一个口子。

不是所有AI能力都免费了，但Agnes AI这个口子一开，别的实验室面临的压力会变大。

你免费，我是不是也要跟？你不跟，开发者流量就往你竞争对手那边跑。

这种一石激起千层浪的效应，在AI行业不是第一次发生。2024年GPT-4o发布的时候，多模态能力突然免费开放了一段时期，直接把一大批收费多模态API的产品打懵了。

现在Agnes AI干的事，规模更大，是全模态，是无限期，是三个模型一起放。

对AI应用生态来说，一批之前被成本卡住的项目，现在有可能跑起来了。

我举个例子。

一个做教育内容的小团队，之前想做AI自动生成知识点讲解视频的功能，脚本都写好了，一算API成本，生成一分钟的视频要花X块钱，如果每天有几千个学生在用，这个成本小团队根本扛不住。

现在这个团队可以把Agnes-Video-V2.0接进去，成本这一步先去掉，先把产品跑起来，先让用户用起来，先让数据转起来。

产品活下来了，才有资格谈以后。

这种先让产品活下来的意义，很多人可能没有体感，但做过Side Project的开发者都懂，一个好的API免费政策，救活的不只是一个项目，是一批本来应该存在但被成本掐死在摇篮里的想法。

第三层，对国内AI圈来说，这件事有一个很微妙的对比效应。

Agnes AI这家实验室，名字听起来不像国内的，但他们的模型对中文的处理质量，我实测下来是认真的。

这时候就会出现一种很微妙的声音，为什么不是国内实验室第一个做这件事。

这个问题我没有答案，我也不打算在这篇文章里展开讨论。

我只说一个观察。

2026年，中国AI的使用量、调用量、开发者规模，在全球都是靠前的。我们在应用层、在落地层、在让AI真正被普通人用起来这个维度上，有很多做得非常出色的地方。

但基础设施层的免费开放这件事，目前看起来，还是海外实验室走在了前面。

这事值得想一想。

写到这，我想起来一件事。

大概两个月前，我写了一篇关于面壁智能ForgeTrain的文章，讲的是AI自己写训练框架这件事。

当时写完，有人在后台留言，说，卡兹克你有没有发现，我们现在讨论AI的姿势，跟2010年前后大家讨论移动互联网的姿势，其实很像。

我看完这条留言，想了很久。

2010年，大家在讨论的是，智能手机会不会普及，APP Store能不能赚到钱，移动端的体验跟PC比差这么多，谁会用。

2026年，大家在讨论的是，AI会不会替代我的工作，大模型能不能免费，Agent能不能真正跑起来。

两个问题，问的是同一件事。

技术在变，人在问的问题，好像一直没变。

回到Agnes AI这件事。

我不会告诉你赶快去接他们的API，再不接就晚了这种话，因为我自己也不知道他们的免费政策会持续多久，也不知道服务的稳定性怎么样，更不知道以后如果收费的话定价会是什么样的。

这些信息，需要时间给出答案。

但有一件事，我觉得是值得现在就想一想的。

AI能力的获取成本，正在发生结构性的变化。

不是线性下降，是阶跃式的。

一个全球前十的AI实验室，把全模态API免费了，这件事本身会倒逼整个行业重新审视自己的定价策略，会倒逼更多的实验室把让开发者先用起来放在先从开发者身上赚钱前面。

这种倒逼，对每一个想用AI做点什么的人来说，都是好事。

最后一个想法。

我有时候在想，2026年再过几年回头看，大家会怎么描述这个时代。

可能不会是那个AI替代了很多工作的时代，可能也不会是那个大模型变得越来越聪明的时代。

更有可能是，那个AI能力变成水和电的时代。

你打开水龙头，水就出来了。你按下开关，灯就亮了。

你写一个Prompt，AI就帮你把文本、图像、视频全部生成好了。

这件事在发生，Agnes AI的免费全模态API，是朝这个方向走的其中一步。

是很大的一步，还是很小的一步，我现在也说不准。

但方向是清楚的。

测完三个模型，关掉平台页面，我坐在电脑前又想了一会。

做AI公众号做了三年，看了无数产品的发布和关闭，看了无数API的开放和收费，有一个感受越来越清晰。

每一次免费的出现，短期看是价格战，长期看是在重新定义什么是基础设施。

2010年，大家觉得智能手机是奢侈品。2026年的今天，智能手机是日用品。

2026年，大家觉得AI能力是专业工具。不知道哪一年，也会变成日用品。

Agnes AI这一步，是在往那个方向推了一把。

至于推了多远，要看后面有没有人跟。

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标～

谢谢你看我的文章，我们，下次再见。

TechCrunch的播客《Equity》，那一期的核心话题只有一个——什么叫”AI精神病”（AI psychosis）。

造这个词的人，是Box的创始人Aaron Levie。

他的原话是这么说的：科技行业的CEO群体，”uniquely prone to AI psychosis”——对AI精神病有独特的易感性。

这个词一出来，社交媒体上炸了。有人觉得他疯了，有人觉得他说出了真相，还有人开始认真讨论：什么叫AI精神病？CEO们到底怎么了？

我今天把这件事从头到尾理了一遍，发现Levie骂的其实不是CEO们”相信AI”，而是另一件事——一件很多人没注意到、但正在发生的事。

“AI精神病”，他到底在说什么

Levie后来解释了他造这个词的本意。

他说的是这件事：很多CEO对AI的认知，完全停留在PPT层面。他们听了一遍又一遍的”AI将提升X%效率”，看过无数张”AI赋能业务流程”的幻灯片，但自己从来没有真正坐下来，用一个AI工具从头到尾做完一件真实的工作。

他们没有经历过AI写出一段代码然后发现编译不过的那种烦躁。没有经历过让AI助手帮忙写一个产品需求文档、然后发现它写出来的东西全是套话的那种失望。也没有经历过，团队说”我们用AI把效率提升了3倍”、但你看完他们的输出物之后发现质量其实在下降的那种困惑。

不是AI没有用。是有用的那部分，和CEO们在PPT上看到的那个”AI”，根本不是一回事。

Levie说的”精神病”，指的恰恰是这种认知和现实的断裂——你在上面看到的AI，和你在实际工作里能用的AI，中间隔着一道巨大的鸿沟。而CEO们坐在阶梯的最上端，离那条鸿沟最远，所以他们对AI的认知也最不真实。

他后来补了一句很关键的话：”sufficiently distant from the last mile of work that still has to happen to generate most value with AI.”——足够远离生成AI大部分价值仍需完成的最后一公里工作。

这句话才是核心。AI的价值在那”最后一公里”里，但CEO们从来不走那段路。

Google这件事，其实是个注脚

就在Levie这番话曝光的同时，Google的AI搜索正在经历一场舆论危机。

事情是这样的：Google在I/O大会之后，进一步把AI功能强推进了核心搜索体验。用户一搜，出来的不是蓝色链接，而是一个AI生成的答案框。你想要自己选来源？对不起，AI已经帮你”总结”好了。

然后问题开始接连爆发。

最讽刺的一个案例是：如果你问Google的AI，”Google这个单词里有几个字母p？”，它会回答你”2个”。正确答案是1个。

一个搜索公司，用自己的AI，数不清楚自己公司名字里有几个p。

这件事被TechCrunch专门写了一篇报道，标题叫《Why Google’s AI can’t spell Google or anything else》。这不是孤例。类似的基础拼写错误、事实错误，在Google AI搜索里频繁出现。

用户的反应很直接。DuckDuckGo——那个一直打”隐私保护”牌、体量只有Google零头的搜索引擎——官方披露，在Google强推AI搜索功能之后，它们的安装量同比上涨了30%。

30%。对于一个已经存在了16年的老产品来说，这个涨幅近乎疯狂。它的增长不是因为自己做了什么，而是因为巨头在用户最在乎的核心体验上，主动把用户推走了。

这件事和Levie说的”AI精神病”其实是一回事：做决策的人相信”AI优先”是一个正确的战略方向，但在执行层面，没有人认真地、反复地、用真实用户的视角去测试——AI到底有没有把最核心的那个体验搞坏？

Google显然没有。或者更准确地说，当”AI优先”变成一种政治正确的时候，没人敢站出来说”我们的AI还没准备好接管搜索”，产品就会变成现在这个样子。

反AI情绪，正在以一种很真实的方式蔓延

如果你觉得”AI精神病”只是一个硅谷内部的八卦，那你可能低估了公众对AI的反感正在积累的速度。

几个信号，都是过去几周内真实发生的：

美国几所大学的毕业典礼上，演讲嘉宾提到AI相关的内容，台下响了嘘声。不是一两个刺头在起哄，是成片的声音。毕业生们在用这种方式表达一个态度：别跟我扯AI了，我的工作呢？

科技行业的AI相关裁员，已经不再是”我们尽量不裁”那种温和版本了。摩根大通CEO杰米·戴蒙公开说过，竞争对手因为AI自动化已经裁了8000人。这个数字本身可能还有争议，但它代表的方向没有争议。

更多的人开始用行动投票。除了DuckDuckGo，一大批”无AI干扰”定位的产品开始冒出来。编辑器不给AI补全、搜索不给AI摘要、笔记不给AI整理——”没有AI”正在变成一种卖点，而不是缺点。

这个趋势很有意思。一年前，所有产品的唯一故事是”我们接入了AI”。现在，有一部分产品开始讲另一个故事：”我们不做AI，我们尊重你的注意力。”

两股力量在同时增长。一股是”AI无处不在”，一股是”我受够了AI无处不在”。它们会在某个时间点碰撞，而碰撞的结果，会决定接下来三年AI落地的真实节奏。

CEO们的”AI精神病”，到底害了谁

回到Levie的原意。他批评的不是AI没用，他批评的是：CEO们对AI的认知方式和AI真正创造价值的方式，是错配的。

这种错配会造成什么后果？

第一类后果，是投资决策变形。CEO们相信”小团队+AI”能做出大团队的事，于是在人力规划上开始激进瘦身。这个逻辑在PPT上很漂亮：3个工程师+AI工具=以前30个工程师的产出。但落地到真实工程场景里，AI生成的代码需要有人review，AI做的架构决策需要有人validate，AI发现的bug需要有人理解和修复。这些”最后一公里”的工作，AI自己做不了，而且因为代码量变大了（AI写代码很快），review和validate的工作量反而可能增加。

第二类后果，是组织内部的信任损耗。当CEO在全员大会上说”AI将提升我们每个人3倍的效率”、而台下的员工正在为了修AI生成的bug加班到凌晨两点的时候，CEO说的每一个关于AI的话，都会变成噪音。不是员工抵制变化，是员工经历的真实，和CEO描述的故事，完全对不上。

第三类后果，是产品体验的退化。Google搜索就是一个典型。决策层相信”AI概述能提升用户体验”，但真实用户想要的是：我自己决定看什么，我不想要一个黑盒替我总结。当产品团队被KPI压着走”AI优先”的指标时，用户真实的不满会被系统性地忽略，直到它变成DuckDuckGo安装量上涨30%这种看得见的失血。

Levie说的”AI精神病”，描述的其实就是这个决策层和真实世界之间的断裂。它不是在骂CEO们蠢，它是在说：你们离最后一公里太远了，远到你们已经听不到真实的声音了。

真正的机会，藏在”反AI”的情绪里

说到这里，这件事最有意思的部分才刚刚出现。

当整个行业都在往一个方向狂奔的时候——”所有产品都要接入AI”、”所有工作流都要用AI重构”——反过来想，机会在哪里？

DuckDuckGo已经给出了一个答案：有一群用户，他们不想要AI替他们做任何事，他们只想要一个干净、可控、自己掌握主动权的工具。这群人的规模有多大？DuckDuckGo 30%的增长说明，至少够养活一个差异化的产品了。

更大的机会可能是这个：帮助企业”去AI化”某些关键流程。有些场景下，AI确实还没准备好——比如法律文书、医疗诊断、财务审计。如果一个产品能帮企业在这些场景里建立”人类审核不可跳过”的工作流，它可能反而比”全AI自动化”的产品更能赢得信任。

还有一个被低估的方向：AI透明度工具。当AI越来越多地出现在产品里，用户有权知道”此刻跟我对话/替我总结/帮我决策的，是一个模型还是一个人？”能做这件事的产品，会在监管收紧之前，抢先建立用户信任。

这些方向有一个共同特点：它们不是”反AI”的，它们是”认真对待AI的能力边界”的。这种态度，和Levie说的”CEO应该亲自用AI工具”其实是一回事——你得先搞清楚AI能做什么、不能做什么，然后你才知道该在哪里用它、在哪里不用它。

最后

Aaron Levie造了一个不太礼貌的词，”AI精神病”。但它刺破了一层窗户纸。

过去三年，硅谷（和全球科技圈）运行在一种近乎狂热的叙事里：”AI将改变一切，现在不上车就晚了。”这个叙事的受众，首先是CEO们、投资人们、以及各类”战略负责人”。他们离一线最远，但他们对AI的决策影响力最大。

“AI精神病”这个词的价值在于，它让”离最后一公里太远”这件事，变成了一个可以被讨论、被质疑、甚至被嘲笑的问题。

这本身就是一种纠正。

更正的第一步，永远是让问题被看见。

前两天，有个朋友找我帮忙看一个活动策划的方案，他所在的团队要做一波推广，需要输出一份完整的活动方案文档，背景分析、目标设定、执行节奏、预算分配、风险预案，这些模块一个都不能少。

我本来想直接推掉。

不是不想帮，是写方案这个事情，对我来说一直是个负担，每次要写，就得先把之前类似的方案翻出来，对着看结构，再找这一次的背景资料，看看行业最近发生了什么，竞品有没有类似动作，然后再开始动笔，写的过程中还要反复确认格式对不对、有没有遗漏什么模块。

一整套下来，半天没了。

而且写出来之后，过两天要写另一个类似场景的方案，又得重新翻资料，之前攒的那些东西，都在各个地方散着，微信里几篇公众号文章，电脑里几个Word文档，浏览器书签里几个参考链接，每次都要重新找一遍。

我就想，有没有可能，让AI直接读我之前攒的那些资料，然后帮我写。

不是那种泛泛的让AI生成一段文字，而是真的把我的资料喂给它，让它基于这些具体的东西，输出一份能用得上的方案。

之前不是没试过，把文档上传给AI，让它读，但每次对话结束，那些资料就清空了，下一次又要重新上传，磨磨唧唧的，用起来很鸡肋。

直到前两天，Workbuddy官方发了个消息，说 ima 知识库接入了 WorkBuddy。

我当时没太在意，觉得又是一个联动宣传，直到我仔细看了一下这个联动到底能干嘛。

ima 我之前就用过，是腾讯那边出的一个知识库工具，可以把微信文章、本地文档、网页内容，一键导进去，它会自动帮你整理、提炼，变成一个可以检索的知识库。

之前用 ima 就是纯当知识管理工具和笔记用，把平时看到的好内容存进去，偶尔上去搜一下。

现在它接进了 WorkBuddy，意思就是，WorkBuddy 在帮你写东西的时候，可以直接调用 ima 里的知识库内容，作为上下文。

你之前存进去的所有资料，WorkBuddy 都能看到，都能用来帮你写内容。

而且，WorkBuddy 生成完的内容，还可以一键存回 ima 知识库。

这就成了一个闭环，资料存进 ima，WorkBuddy 调用这些资料帮你写方案、写文章，写完了自动存回 ima，下次再用的时候，这些新内容也在里面了。

我当时就觉得，这个东西，拿来写方案，可能真的有点意思。

于是我就决定，拿朋友那个活动方案来试一下，看看这套东西到底能不能用。

我先把之前攒的关于活动策划、品牌推广的资料，全部导进 ima 知识库。

有几篇之前在公众号上看到的关于活动操盘的文章，直接微信里一键导入 ima，有几个之前下载的 PDF 行业报告，上传进 ima，还有几个之前自己写过的类似方案的 Word 文档，也上传进去。

一顿操作大概十来分钟，一个关于活动策划的资料库就建好了。

然后在 WorkBuddy 里，找到资料库的入口，把 ima 知识库接进来，授权一下，选好刚才建的那个知识库。

接完之后，我直接在 WorkBuddy 里输了一段话，描述了朋友那个活动的背景，说他们是一个做智能硬件的团队，新品上市，要做一个面向年轻用户的线下体验活动，预算二十万，周期一个月，要出一份完整的活动方案。

然后我特意跟它说，调用 ima 知识库里的内容作为参考。

它就开始生成了。

生成的过程我就不细说了，大概两三分钟，出来了一份方案文档，背景、用户画像、活动主题和核心创意、线上线下联动玩法、媒介投放策略、预算分配、执行时间表、效果评估指标，这些都有。

我仔细看了一遍。

说真的，能用。

不是那种AI生成出来的泛泛而谈的废话，里面的用户画像部分，参考了我知识库里上传的那几篇行业报告里的数据，给出的画像描述是有依据感的，不是凭空编的。

活动创意部分，它结合了这个硬件产品的特点，给出了一个体验式互动的思路，不是那种套模板式的建议。

预算分配那块，它给了几个不同侧重的分配思路，让我根据实际情况选。

我当时就觉得，这个东西，确实比之前那种每次重新上传文档的方式，顺滑太多了。

资料只要存一次，后面每次写相关的东西，它都能用上。

而且我后来发现，ima 里不光可以存自己的知识库，还可以订阅别人的公开知识库，也可以建共享知识库，跟团队成员一起维护。

意思就是，一个团队里，有人负责往知识库里塞行业资料、竞品分析、过往方案，有人负责用 WorkBuddy 调用这些资料写内容，写完了存回去，整个团队的知识和产出，都在一个库里流转。

这个事情，如果真的跑通了，对需要频繁输出方案、写内容的小型团队，帮助还是挺大的。

至少对我自己来说，之前写方案要半天，现在把资料准备好、知识库建好之后，让 WorkBuddy 调用知识库来写，5来分钟就能出一版初稿，我再做些调整就能用。

时间压缩了，而且出来的东西，因为有知识库里的资料作为参考，质量比凭空让AI生成要靠谱。

说到这里，刚好有一个事情可以跟大家说一下。

WorkBuddy 官方最近在办一个活动，就是围绕 WorkBuddy 资料库接 ima 知识库这个功能的，让大家用这个功能去完成一个真实任务，然后把过程分享出来。

任务很简单，就是用 WorkBuddy 接 ima 知识库，完成一个真实场景的任务，写一份方案、整理一批笔记、查一份资料，都可以。

然后把你的使用过程，截图或者录个屏，发到任意一个社交平台，小红书、抖音、B站都行，发的时候带两个话题标签。

发完之后，扫描活动海报上的二维码，或者点进活动投稿表单链接，填一下你的投稿信息，等审核通过，就算成功投稿了。

奖品方面，写得好的、场景有意思的，官方会评佳作奖，五名，每名500 credits，人气高的，按点赞收藏播放量排，前十名每名300 credits，所有有效投稿，都能拿到100 credits的参与奖。

credits 这东西，在 WorkBuddy 里是可以当钱花的，用它可以换调用模型的额度，相当于你分享了一下使用体验，官方给你返点使用额度，挺划算的。

活动时间是5月29日到6月12日，还有十来天，有兴趣去试一下的，还有时间。

我自己是觉得，这个功能如果真的用顺了，对经常需要写东西、做方案的人，确实能省不少事。

至少我现在再遇到有人找我帮忙看方案，我不会第一时间想推掉了，因为我知道我可以把它接进 WorkBuddy 和 ima，让AI先帮我出一版初稿。

当然，它现在也不是完美的。

比如知识库里如果资料太多太杂，它没有那么精准的知道你这次想让它重点参考哪几篇，你需要在对话里稍微说明一下。

再比如，它生成出来的方案，还是一个初稿的底子，你需要根据自己的实际情况做调整，不能完全不改就用。

但这个方向，我是看好的。

让AI帮你写内容，但AI参考的资料，是你自己筛选过、沉淀下来的，这样出来的东西，才不会是大路货。

你的资料库越用越厚，AI写出来的东西就越贴合你的需求。

这个事情，值得慢慢打磨。#WorkBuddy#ima

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标～

谢谢你看我的文章，我们，下次再见。

作者：Wyat联系邮箱：wyat.sun@qq.com

前天晚上我刷到一个消息，腾讯在香港Cloud Day上放了一个东西，叫Miora，中文名妙境。

我当时没太在意。

腾讯嘛，船大，什么东西都做，智能体这块已经有一堆了，WorkBuddy是办公的，元宝是聊天的，还有各种行业智能体，Miora这个看起来也就是又一个垂直场景的尝试，对吧。

结果我多看了两眼介绍，没绷住。

这个东西的定位是全场景创意智能体工作室。

翻译一下是什么意思呢。

它不是一个给你提供一个AI生成图片功能的工具，它是把整个创意生产的流程，从脑暴、构思、出图、做视频、搞3D、弄UI/UX，全部打包成一个智能体工作室，你跟它聊，它真的把活干了。

我研究AI工具三年了，见过各种AI赋能创意的饼，大多数最后就是输入关键词，生成一张图，然后你要反复抽卡抽到满意为止。

Miora不是这个路数。

它更像是一个真的懂创意的同事，你跟它聊你的需求、你的感觉、你想表达的东西，它不只是给你出图，它会跟你一起把整个创意方案推演出来。

这个区别，我待会详细说。

先说结果。

我现在用Miora（目前是邀测阶段，我找了点关系拿到邀请码）做公众号阳光海边的配图和一些创意方案的初步构思，以前这部分我要么自己折腾半天，要么得找设计师朋友帮忙，现在大概10分钟能出一个可用的方向。

而且它出来的东西，不像那种一看就是AI生成的完美但没灵魂的图。

有点意思。

我来把这件事拆开跟你聊。

先把这个东西到底是什么说清楚

Miora是腾讯做的，官网在miora.design，目前国际版在邀测，国内版应该也快了。

它的核心定位是全场景创意智能体工作室。

这句话每个词都有含义，我给你拆解一下。

全场景的意思，它不是一个只做一个事情的工具。你用Midjourney，它主要给你生成图片。你用Runway，它主要给你做视频。你用Sora，它主要给你生成视频片段。

Miora不是这样，它集成了多个海内外主流的视觉大模型，然后在这一层之上，做了一个智能体工作室的壳。

什么意思呢。

打个比方，你进到一个设计公司，不是直接坐到电脑前打开PS，而是先跟一个创意总监聊，告诉他你想做什么，他听完之后，自己去找设计师出图、找视频师做视频、找3D设计师建模，然后统一把结果拿给你。

Miora就是这个创意总监，只不过它找的设计师是各种AI模型，它自己负责理解你的需求、拆解任务、协调不同模型的能力、最后把结果整合出来。

创意智能体工作室这个定位，核心就在这里。

它不是一个工具，它是一个会主动帮你把事情想清楚、然后去找资源把事情做完的智能体。

这个定位，目前我在市面上没看到第二个这么做的。

大家都在卷我的模型生成图片质量更高、我的视频更逼真，腾讯这个做法是，模型质量我不一定卷，但我让你用起来像一个真的有整个创意团队一样。

这是两条完全不同的产品思路。

它能干什么，我来具体说

这块我来把它的能力拆开说，不说官方介绍里那些漂亮话，说实际能干什么。

第一个能力，多模态内容生成。

这个是最基础的。你跟它说你想要什么，它可以生成图片、视频、UI/UX设计图、3D内容。

但这不是输入关键词出图那么简单。

实际的体验是，你可以用自然语言跟它聊，比如你说我要做一个关于AI改变教育的海报，要有一点未来感，但不要太科幻，要让人一看就觉得温暖、有希望，不是那种冷冰冰的科技感。

它听完之后，不是直接扔给你几张图让你选，它会先跟你确认，你说的温暖感，是指配色偏暖色调，还是指画面里有人的元素，还是指一种整体氛围，你确认完，它再去生成。

这个先确认再动手的逻辑，看起来是个小细节，但用起来差别很大。

因为创意这个东西，很多时候你自己也描述不清楚你想要什么，你只有一个模糊的感觉，Miora的做法是帮你把模糊的感觉厘清，然后再去执行。

第二个能力，UI/UX设计。

这个我实测了一下，效果挺让我意外。

我有一个小项目想做一个落地页，以前我要么得自己学Figma，要么得跟设计师反复沟通，现在我把需求用大白话告诉Miora，我要一个产品落地页，产品是一个AI写作工具，目标用户是自媒体创作者，页面要让人感觉简单、好上手，不要那种很复杂的科技感。

它给我出了三套方案，每套方案有完整的页面结构、配色方案、字体建议，甚至还有简单的交互说明。

虽然不是直接能用的设计稿（这个也合理，因为最终还是要人工介入调整），但它把你从空白画布推进到了有一个完整方向可以改的阶段。

这个跳跃是非常大的。

以前从0到0.3，你要自己想很久，现在这部分它帮你做了，你从0.3开始改到1.0。

第三个能力，3D内容生成。

这个是目前AI创意工具里比较新的方向。

Miora可以生成3D模型，用途其实比很多人想的多。不是只有做游戏才需要3D，现在电商、广告、内容创作，3D素材的需求量很大，但3D建模的门槛又很高。

我试了一下，让它生成一个科技感的AI大脑3D图标，它给我出了一个可以直接在blender里打开的模型文件。

虽然细节上肯定还需要专业的人来打磨，但从0到有一个能用的毛坯，这个时间被压缩到了分钟级。

第四个能力，创意工作流。

这个是Miora真正区别于其他工具的地方。

前面说的三个能力，别家也能做，最多是质量差异。

但创意工作流这个东西，是目前我看到唯一一个真正在做的。

什么意思呢。

你做一个创意项目，很少是生成一张图就完事的。你可能是先做海报，然后做落地页，然后做宣传视频，然后做3D展示素材，这些事情之间是有逻辑关系的，色调要统一、风格要一致、视觉语言要延续。

Miora的做法是，你告诉它你的整个项目是什么，它帮你把需要的素材清单列出来，然后统一风格去生成。

不是生成一堆风格各异的东西让你自己拼，而是它理解这是一个整体，然后按照整体的逻辑去帮你推进。

这个能力，目前还在早期，我实测的时候偶尔会有风格不统一的情况，需要人工介入调整，但方向是对的。

创意智能体和创意工具的区别，就在这里。

来说几个实际的应用场景

光说能力比较抽象，我来举几个具体的场景，你一看就懂这个东西适合干什么、不适合干什么。

场景一，自媒体创作者的配图和创意支持。

这个是我自己在用的。

我做公众号阳光海边，以前每次写文章，配图是个很烦的事情。去图库找，要么贵，要么同质化严重，要么版权不清晰。自己拍，我又不是摄影师。找设计师做，频率高了成本扛不住。

如果用Miora，写文章的时候，同时跟它聊，这篇文章讲的是AI对创意行业的影响，配图想要一种技术与人的对话感，不要太抽象，要让人能一眼看懂。

它给出几张图，创作者选一个方向，让它微调，然后就用。

全程创作者自己操作，10-15分钟搞定，不需要等设计师排期，不需要解释需求解释半天对方还理解偏了。

这个场景适合的人群是：自媒体创作者、独立博主、小型内容团队。

场景二，小型创业团队的品牌和物料设计。

很多小型创业团队，早期是没有设计团队的，创始人或者产品经理兼着做设计，或者外包给设计平台，要么贵，要么沟通成本高。

Miora可以帮这类团队把一个品牌的视觉方向快速定下来。

logo方向、配色方案、字体选择、物料模板，这些东西它都可以帮你出初稿，然后你拿着初稿再去跟专业设计师沟通，效率会高很多。

因为最难的从0到1它帮你做了，从1到10的专业细化交给人来做。

这个分工其实很合理。

场景三，产品经理和开发者的原型设计。

这个场景可能很多人没想到。

PM朋友应该都懂一个痛点，跟开发解释一个功能的时候，嘴上说半天，开发理解的可能跟你想的不一样。

以前解决这个问题是用原型工具，Figma、Axure这些，但学起来有门槛，画出来又费时间。

现在你可以跟Miora聊，我有一个功能，用户点击按钮之后弹出一个表单，表单有三项，分别是xxx，整体风格要简洁，它直接给你出可交互的原型图。

你拿着这个图去跟开发沟通，效率完全不一样。

场景四，电商和内容创作者的3D素材制作。

这个是比较新的应用场景。

现在电商主图、详情页，用3D渲染图的比例越来越高，因为3D可以随意调整角度、打光、配色，比实拍灵活。

但以前3D建模的门槛很高，现在Miora可以帮你快速生成基础的3D素材，虽然不一定能达到商业级的质量，但快速验证方向是完全够用的。

方向确定了，再找专业3D设计师细化，成本和时间都能省很多。

来说说它目前的问题和局限

这个部分我觉得很重要，因为一个工具你得知道它能干什么，也得知道它干不好什么，才知道要不要用、什么时候用。

第一个局限，目前还在邀测阶段，体验门槛高。

这个是现实问题，你得有邀请码才能用，官网miora.design可以申请，但不是申请了就能立即用。

这个也正常，腾讯的新产品一般都会先小范围测试，跑稳了再放开。

但如果你现在就想用，可能得等等，或者找找有没有渠道能拿到邀请码。

第二个局限，生成质量不稳定，需要人工筛选和调整。

这个是目前所有AI生成工具的共性问题，Miora也没有完全解决。

它生成的东西，有时候会给你惊喜，有时候会给你惊吓。你需要有人工筛选的环节，不能直接拿它生成的东西就用。

我的做法是，让它一次性出5-8个方案，我快速扫一遍，选1-2个方向，让它在这个方向上微调，然后人工再做最终调整。

这个工作流是目前比较合理的用法。

第三个局限，创意的灵魂感还是差了点。

这个是最难描述、但也最关键的局限。

AI生成的东西，质量可以很高，技术可以很完美，但总感觉缺了点什么。

缺的那个东西，有人叫它灵魂，有人叫它人性，有人叫它不完美的温度。

Miora在这方面比那些纯生成工具要好一些，因为它有先理解再生成的环节，出来的东西不会那么模板化，但跟一个真的有生活阅历、有情感体验的设计师比，还是有差距的。

这个差距，目前我觉得合理的做法是，Miora负责把效率和方向拉上去，人来负责注入灵魂。

它帮你把从0到0.7的事情做了，0.7到1.0的部分，还是得人来。

这个定位搞清楚了，用起来就不会有AI能不能取代创意人的焦虑，而是AI怎么让我变得更能专注于只有人能做的事情。

最后说一点我的感受

我研究AI工具三年了，从最早的对每个新工具都兴奋，到中间的怀疑这些工具到底能干嘛，到现在的有些工具真的在改变工作方式。

Miora属于第三种。

它不是那种让你哇好厉害然后试用一次就再也不打开的工具，它是那种你用了一段时间之后，突然发现我好像已经好几天没找设计师朋友帮忙了的工具。

这种润物细无声的改变，才是最可怕的。

因为它不是在跟你喊我要颠覆创意行业，它是在默默地把创意生产的门槛一点一点往下拉。

门槛拉低了，会发生什么？

会发生以前做不到的事情，现在有人能做到了。

一个以前想做自媒体但卡在我不会做图的人，现在可能被Miora拉过了门槛。

一个以前想做独立产品但卡在我不会做设计的开发者，现在可能被Miora拉过了门槛。

一个以前想做个人品牌但卡在我不会做品牌视觉的创作者，现在可能被Miora拉过了门槛。

这些人跨过门槛之后，会做出什么东西来？

我不知道。

但这正是最有意思的地方。

工具永远只是工具，它让更多人有了把想法变成现实的可能性，至于变成的现实是什么，取决于用工具的人。

Miora可能会让很多创意人睡不着觉，因为它让以前只有专业团队才能做的事，现在一个人加一个智能体就能做。

但我觉得，真正应该睡不着觉的，不是创意人，而是那些还在认为我有专业技能所以我安全的人。

因为AI时代最危险的不是你没有技能，最危险的是你以为你的技能是护城河。

真正的护城河，从来都是你对事情的理解、你跟人连接的能力、你在不确定性中做判断的能力。

这些东西，Miora生成不了。

目前还生成不了。

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标～

谢谢你看我的文章，我们，下次再见。

上一篇发完，后台留言炸了。

有人说，看完文章立刻去装WorkBuddy，装完打开，对着屏幕发了十分钟呆，不知道从哪下手。

有人问，Skills技能市场点进去，几百个技能包，他根本不知道该装哪几个。

还有人说，自动化工作流配完了，跑起来发现选题方向偏了，或者写出来的稿子味不对，又不知道怎么调。

我一条一条看了。

说实话这些问题我都踩过。

所以这篇不是续集，是补丁。我把我当时卡住的地方、想通了什么、以及现在跑稳的那套配置到底长什么样，全部摊开说。

不画饼，只说真事。

第一个坑，装完之后不知道它是谁

这个坑我自己也踩了。

你装完WorkBuddy，打开，它看起来就像一个普通的聊天窗口。你跟它说句话，它回你，你觉得，就这。

就这的话，跟网页版AI助手有什么区别。

区别在这里，WorkBuddy这个东西，它跑在你本地电脑上，它能操作你的文件、跑你的脚本、调用你装好的各种工具。

翻译成人话就是，普通的AI对话工具是个住在云端的顾问，你问它它答，但它碰不到你的东西。WorkBuddy是个坐你工位旁边的实习生，你让它去桌面找个文件，它真去找。

但问题是，这个实习生刚来的时候，它什么都不懂。

它不知道你写文章是什么风格，不知道你的公众号排版规范是什么，不知道你选题的偏好是什么，不知道你哪些平台发什么内容。

所以很多人装完之后觉得”就这”，原因是还没把它训练成”你的”WorkBuddy。

怎么训练。

用SOUL.md。

这个文件在C:\Users\你的用户名\.workbuddy\SOUL.md，装完之后就去改它。

我给你看我现在用的SOUL.md里最关键的一段：

关于我的写作风格：口语化深度长文，严格去除AI痕迹。标题风格冲突感强、口语化、有画面感。写完之后必须用Humanizer技能检查一遍，修复追问句式、并列结构、泛化收尾、负面平行结构。

关于我的账号：公众号「阳光海边」发AI商业科技深度文。

关于我的工作流：每天早上7点自动选题，7点半我人工确认选题，8点自动写稿，8点半自动排版，9点我审稿，9点半自动分发。

你把这些信息写进SOUL.md，WorkBuddy下次启动的时候会读这个文件，然后它就知道了。

就像你给新员工做了入职培训。

这个步骤，官方教程里没写那么细，但这是最核心的一步。很多人跳过这步，然后觉得AI写出来的东西不对味，原因就在这里。

第二个坑，Skills装了一堆，不知道各自干什么

Skills技能市场里有几百个技能包，第一次点进去，真的会懵。

我来把我自己目前在用的几个说一下，你可以对照着参考。

multi-search-engine，这个是用来搜索素材的。你让它写文章，它需要先去搜最新的相关信息，这个技能包就是干这个的。不装的话它也能写，但素材可能不够新、不够准。

Content Writer，这个是我自己写文章必装的。装上之后WorkBuddy写出来的东西有那种”有见识的普通人在认真聊一件事”的语感，不会有一堆”首先其次最后”的套话。

humanizer-zh，这个就是去AI味的技能包。每次稿子生成完，让WorkBuddy调用这个技能检查一下，把AI写作的典型痕迹修掉。这个步骤我现在是放在自动化工作流里的，每次自动写稿完自动跑，不用我手动触发。

wechat-publisher，这个是用来自动推送到公众号的草稿箱。装完之后，稿子写完好，你跟WorkBuddy说”发到公众号”，它会直接推送到公众号草稿箱，你进去看一眼，没大问题就点发布。这个省掉的是，你以前要复制粘贴进公众号后台、重新调格式、插封面图，现在这些它帮你做。

你刚开始不用装很多，先把写作、去AI味、发布这三个核心的装上，跑通了再慢慢加。

很多人一上来装十几个，然后哪个都没配置好，最后哪个都没用起来。

第三个坑，自动化工作流配完了，但跑出来的东西不对

这个坑是最隐蔽的。

你配好定时任务，早上7点它准时跑了，选题出来了，稿子写好了，你一看，选题方向偏了，或者写出来的东西味不对。

问题出在哪。

出在，你的自动化工作流里，没有告诉WorkBuddy「按照什么标准」去做选题、「按照什么风格」去写稿。

它只能用默认的方式去做，出来的东西当然可能不对你的胃口。

解决方法，在自动化工作流的配置里，加「上下文指令」。

具体的做法是，在WorkBuddy里配置自动化任务的时候，不要只写「每天早上7点做选题」这种模糊指令，要写清楚，比如你是个财经领域创作者，举个例子：

后者出来的结果，才会真的可用。

这块我自己的经验是，先不要全自动，先半自动：让它做选题、写稿、排版，但发布之前你人工审一遍。跑顺了、连续一周出来的东西都不用大改了，再打开全自动。

一口气全放开，容易出事故。

第四个坑，微信集成配完了，但消息通知乱了

这个坑我当时也踩了。

ClawBot配好之后，WorkBuddy的各种通知消息会推到你的微信上，这个很方便。

但如果你像我一样，同时用好几个自动化任务（每日选题、每日盘感、每周复盘），微信上会同时收到好几条通知，有时候还会混在一起，你分不清哪条对应哪个任务。

解决方法，在配置ClawBot的时候，给每个自动化任务设置不同的「通知前缀」。

这样微信上收到消息，一眼就能看出是哪块的内容。

还有一个小技巧，如果你不想被通知轰炸，可以在自动化任务里配置「只在出现异常时通知我」，正常跑完静默就好，只有选题跑出来是旧闻、或者写稿失败的时候才推消息给你。

这个配置完之后，微信就清净了，不会被各种”任务执行成功”的消息刷屏。

来说说现在这套东西到底帮我省了什么

上面说的都是坑和怎么填坑。

现在来说，填完坑之后，这套东西到底帮我省了什么。

时间层面。以前每天2-3个小时的内容生产时间，现在压到10-15分钟。多出来的1个多小时，我用来读书、思考、跟读者互动。这个不是虚的，是每天真实多出来的时间。

质量层面。以前稿子写久了会疲，晚上写的稿子和早上写的稿子质量差很多。现在自动化跑起来，稿子的基准质量是稳定的，因为风格和标准是统一的。人要控质量很难，但标准定好了让AI按标准执行，反而稳定。

心态层面。以前每天到了下午就得想着”今晚还得写稿”，这个心理负担其实挺重的，相当于你永远有一件事没做完。现在这篇稿子系统帮我写了，我只需要审，心理负担小了很多。人有余力了，反而更容易写出好东西。

但这件事也有我觉得需要警惕的地方。

警惕的是，因为生产内容变容易了，你可能会不知不觉开始追求数量而不是质量。

以前一天写一篇觉得累，现在一天写三篇好像也行。

但读者关注你是因为你写的东西有价值，不是因为你发得勤。

这个度，工具帮不了你，得自己把握。

最后说一下，哪些人适合搭这套东西，哪些人不适合

这篇写到这里，你可能已经心动了，想回去就动手搭一套。

我先给你泼个冷水。

这套东西不是所有人都需要搭的。

适合搭的人：你已经有一定的内容生产能力，只是被重复劳动拖住了。比如你每周固定写几篇稿子，质量和方向都清楚了，只是每次都要手动做，这时候自动化才有意义。自动化的前提是「你的手动流程已经跑通了」，它帮你放大，而不是帮你从零到一。

不适合搭的人：你还在摸索内容方向、还在试不同写作风格、还不知道自己的读者是谁。这个阶段你需要的是密集的手动实践，去感受哪类选题有反响、哪种写法有人看。这时候把流程自动化了，你反而失去了跟内容直接接触的机会。

还有一个不适合的情况，你对AI生成的内容有心理上的排斥。这个也正常，有些读者就是冲着”这是真人写的”来的，你换成AI写的，哪怕去完AI味，那种感觉还是会变。这种情况不要勉强，工具是帮你节省时间的，不是帮你变成另一个人。

写到最后，我想起来一件事。

上一篇发完，有个留言问我，”用了这套自动化之后，你还觉得自己是个创作者吗？”

我当时想了一下，觉得是的。

因为创作者最核心的东西，不是”我亲手打了每一个字”，而是”这个东西里的判断是我做的”。

选题的判断，我来做。稿子要不要发的判断，我来做。读者留言怎么回的判断，我来做。

AI做的是把”已经想清楚的事情”变成文字，这个部分其实不一定要人来做。

想清楚，这个部分，AI目前还替代不了。

也许以后可以。

但那是以后的事了。

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标～

谢谢你看我的文章，我们，下次再见。

前天晚上，我刷到一条消息，当时就没绷住。

面壁智能，一家国内AI公司，搞出了一个叫ForgeTrain的东西。

不是新模型，不是新应用，是一整套大模型的预训练框架。

重点是，这玩意是AI自己写的。

零人工代码。

你没看错，AI写了一个用来训练AI的框架，然后用这个框架，又训练出了一个新模型MiniCPM5-1B。

从框架到模型，全程没有人类程序员手写核心代码。

如果这事是真的，那就是全球第一次有人跑通这件事。

我先压一下情绪，把事情捋清楚。

大模型训练框架这东西，普通人可能没概念，我打个比方。

你要造一辆车，训练框架就是那条生产线。以前这条生产线是谁搭的？英伟达的工程师搭了Megatron，Meta的工程师搭了Fairseq，谷歌的工程师搭了TensorFlow。

全是人力，一行一行堆出来的。

现在面壁智能说，这条生产线，他们的AI自己设计、自己写代码、自己搭起来了。

他们给这套东西起了个名，ForgeTrain。

然后最狠的地方来了。

ForgeTrain跑起来之后，训练速度比英伟达的Megatron还快10%。

在华为昇腾芯片上跑，比昇腾自己的原生框架还快10%。

也就是说，AI写的框架，打赢了人类工程师写给自家芯片的优化框架。

这事我盯着屏幕看了好一会。

要理解为什么这事重要，得先搞懂ForgeTrain到底做到了哪一步。

面壁智能搞了一套分级，从L1到L5，说的是AI自主研发能走到哪一步。

L1就是AI给建议人来执行，GitHub Copilot干的就是这个。L2进了一步，AI能帮你写完一个函数、改一段脚本、调几个参数，Cursor和Claude Code在这个位置。L3是另一回事了，AI端到端产出下一代模型，不需要人类在中间不停介入。ForgeTrain，就站在这个L3的位置。再往上，L4是AI能改造自己的训练管线，L5更遥远，AI自己决定明天要研究什么。

现在业界绝大多数产品，还在L1和L2之间挣扎。

面壁说他们摸到了L3。

我一开始是怀疑的。

AI写个爬虫脚本、写个前端页面，这事不稀奇。但预训练框架是干嘛的？是定义神经网络怎么通信、怎么分配算力、怎么在成千上万张卡上协同训练的基础设施。

这东西出了bug，不是跑不通，是跑出来一堆垃圾还不报错。

AI能写这个？

然后我去看了他们的技术路径，稍微有点信服了。

ForgeTrain的核心是一套叫Harness的自动验证系统。

说人话就是，把AI关进一个自动测试的考场里。

流程不复杂，AI生成一段代码，系统自动运行测试，把结果反馈给AI，AI根据反馈修改代码，再跑测试，再改，循环往复。

全程不需要人类干预。

他们的方法其实分三个阶段来推进。

先从现有预训练框架采集关键数据，形成评测标准和Harness。然后拿这个Harness去逼AI写代码，写到能通过所有评测为止。最后一步最有意思，不再要求AI写的代码跟参考实现二进制一致，放开手脚让AI继续优化，一直跑到比人类写的参考框架还快。

我看到这段的时候，脑子里冒出来一个画面。

就像一个老师，先出了一套卷子，然后把AI关进教室，说你做完我自动批改，批改完你接着改答案，改到满分为止。

区别在于，这套卷子考的不是数学，是「写出一个能跑通且跑得快的训练框架」。

这事的可验证性，是ForgeTrain最聪明的地方。

因为训练框架对不对，一跑就知道，要么能训练出正常模型，要么不能。不存在「看起来对但实际不对」的模糊地带。

AI在有一个明确对错标准的环境里，是能迭代出可用代码的。

然后就是那个让人有点难受的对比数据了。

相同硬件条件下，ForgeTrain比英伟达Megatron训练速度快10%。

Megatron是什么？是英伟达花了好几年、投入大量工程师、专门为自家的GPU优化的训练框架。结果一个AI花几十分钟「写」出来的框架，跑得比它还快。

这事放在以前，我会觉得是营销话术。

但这次，ForgeTrain开源了，代码在GitHub上能查到，地址是 github.com/OpenBMB/ForgeTrain。

他们还用ForgeTrain在华为昇腾上预训练了MiniCPM5-1B，相比昇腾原生框架也有10%的速度加速。

昇腾的MindSpeed框架，是华为工程师专门为昇腾芯片调优的训练框架。AI写出来的版本，又赢了一局。

我看到这里的时候，其实心里冒出来的第一个念头不是兴奋，是一种很复杂的感觉。

就是那种，你知道这件事迟早会发生，但它真的发生的时候，你还是会被击中一下。

MiniCPM5-1B这个模型，值得单独说两句。

1B参数，FP16精度下权重体积约2GB，INT4量化后约0.5GB。

0.5GB是什么意思，就是你手机上装个App，随便一个都要比这个大。

但就是这么小一个模型，综合评测平均得分42.57，在MMLU-Pro、MMLU-Redux、AIME-2025、AIME-2026、BFCL-v4、AA榜单这些公开评测里，都排在同尺寸模型的前面。

更狠的是，在AA-Index国际知名榜单上，它超过了所有2B参数以下的模型。

三个月前发布的Qwen3.5-2B，参数量是它的两倍，效果还不如它。

面壁智能想用这个案例证明一件事，小参数模型也能实现高智能密度，模型能力不是只能靠堆参数。

他们给这个趋势算了一个速度，大模型智能密度，大约每3.5个月翻一番。

这个速度如果维持下去，一年不到，1B模型就能达到别人4B模型的水准。

这事对整个行业的冲击，我觉得可以从几个角度来想。

最直观的肯定是成本。训练一个大模型，算力成本是天价。ForgeTrain如果能把训练速度稳定提升10%，意味着同样的预算可以多跑11%的实验，或者同样的实验少花10%的钱。

10%听起来不多，但大模型训练的规模摆在那里，几个亿的投入，10%就是几千万。

再往下一层，是研发效率的问题。

以前要写一个训练框架，人类工程师团队可能要花几周甚至几个月。ForgeTrain的路径如果成熟，这个周期可以压缩到几十分钟——只要你能定义好Harness测试用例。

人类工程师的角色，从「亲手写代码」变成了「设计验证标准」。

面壁智能把这个变化描述成，从Human in the loop，变成Human on the loop。

以前是人类在循环里面执行，以后是人类在循环外面监督。

还有一层，是最让我在意的，国产算力的机会。

华为昇腾的硬件这些年进步很大，但软件生态是短板。英伟达的CUDA生态积累了15年，开发者习惯了Megatron、PyTorch、TensorFlow这一套，迁移到昇腾要重新学、重新调。

如果训练框架可以由AI自动生成、自动适配，那这个生态差距就有了一个弯道超车的可能。

AI不需要15年来积累生态，AI可以在几天内生成适配昇腾的优化代码。

这事如果真的跑通，国产算力的软件短板，有可能被AI自己补上。

我写到这里，估计已经有人要说了。

Wyat你是不是又在吹？AI写框架这事，靠谱吗？不会因为一两个案例就上头吧？

我诚实说，ForgeTrain目前还是一个特定场景下的成果。它现在验证的是预训练框架这个特定环节，而且是在1B这种小尺寸模型上跑通的。

能不能推广到更复杂的模型、更通用的场景，还需要更多验证。

但我觉得，方向比距离重要。

以前我们讨论AI能不能写代码，讨论的是「AI能不能辅助人类程序员」。

现在ForgeTrain把问题变成了「AI能不能替代人类程序员写核心基础设施」。

这两个问题的答案，如果是前者，那AI是工具。如果是后者，那AI是另一种东西。

我不确定最终答案是什么，但我确定的是，这个问题现在值得认真想了。

说个让我印象很深的细节。

面壁智能同时提出了一个叫Forge Engineering的编程范式。

核心思路是，打破传统通用框架的「均码适配」逻辑，针对不同模型、不同硬件、不同任务，由AI自动生成专用代码。

翻译成人话就是，以前我们做衣服，先做一个均码版型，谁穿都差不多，但不完全合身。现在AI的做法是，你来一个人，我现场给你生成一件只适合你的衣服。

均码的逻辑是「我做一个通用框架，你们都来适配我」。

Forge Engineering的逻辑是「你的模型+你的硬件+你的任务 = 我给你生成一个专用框架」。

这两个逻辑的区别，本质上是软件开发范式的一个可能的大转向。

从「平台化、通用化」转向「按需生成、专用优化」。

如果这事真的能跑通，以后可能不需要那么多通用框架了，你需要什么，AI现场给你生成一个，专门为你优化。

这事听起来很科幻，但ForgeTrain已经把这个路径跑出来了一个可验证的样本。

我想聊聊这件事让我想到的更远处。

去年的时候，大家还在争论，AI会不会取代程序员。

今年，AI开始写框架了。

明年呢？

我不是一个容易焦虑的人，但ForgeTrain这个事，确实让我认真地想了一下。

如果AI能写训练框架，能训练模型，那下一个被AI「自己造出来」的东西会是什么？

AI写的操作系统？AI写的编译器？AI写的数据库？

面壁智能的L5阶段，写的是「AI自主设定研究议程，开放式探索」。

那个阶段如果到来，AI就不再是工具了，它是一个能自己决定「我下一步要研究什么」的东西。

我现在说这个，肯定有人觉得太远了、太科幻了。

但ForgeTrain在两天前，把「AI造AI」从口号变成了可复现的工程样本。

这事发生在2026年5月26日，记住这个日期，以后回看，可能是一个节点。

最后说一个我挺认同的判断。

面壁智能的团队在发布里写了一段话，大意是，大模型竞争的逻辑正在转变，从「堆资源、拼参数」转向「提效率」。

ForgeTrain就是效率逻辑下的产物。

以后比的可能不再是「我有多少张卡」「我模型有多少参数」，而是「我用什么框架训练」「我的训练效率比你高多少」。

这个转向，对资源相对有限的公司和地区，其实是一个机会。

因为效率是可以弯道超车的，堆资源不行。

中国AI这次在ForgeTrain这件事上走的路径，跟之前不太一样。不是跟在后面追，是在一个很前沿的方向上，自己先踩了一脚。

这个事能不能跑通、能不能规模化、能不能真的改变行业，现在下结论还太早。

但我觉得，它值得你停下来认真看一眼。

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标～

谢谢你看我的文章，我们，下次再见。

/ 作者：Wyat/ 联系邮箱：wyat.sun@qq.com

前两天有个做自媒体的朋友找我吐槽，说现在这活儿越来越卷了。每天早起看热点、想选题、写稿子、排版、多发几个平台，一套流程走完，大半天就没了。

我问他，你没试过自动化吗。

他愣了一下，说试过啊，那些AI写作工具，生成出来的东西味儿太冲，发给读者怕掉粉。再说自动化那套东西，又是API又是代码的，他一个写字的哪搞得定。

我笑了。

我说你现在还把AI当成一个给你提供建议的工具，而不是一个真的能替你干活的员工。这两个认知之间，差了起码三代产品。

然后我给他看了我现在的操作流程。

一条真的能跑通的流水线

我先说结果。

我现在运营两个账号，以前每天至少花2-3个小时在内容生产上，现在这套WorkBuddy流水线跑通之后，每天真正需要我动手的，就是审稿和点击发布，10到15分钟搞定。

选题是它做的，稿子是它写的，排版是它弄的，多发平台分发也是它搞定的。

全程我没有写过一行代码。

这不是画饼。我来把整个搭建过程拆解给你看。

WorkBuddy到底是什么

之前的推文我已经介绍过WorkBuddy，这里就一笔带过。

WorkBuddy是腾讯云团队做的一个AI助手，但它跟那些你问它答的对话工具不太一样。它的定位是AI大脑加上本地执行引擎。

什么意思呢。

普通的AI对话工具，你说帮我整理一下桌面文件，它会告诉你你可以这样操作，第一步打开此电脑、第二步新建文件夹。

WorkBuddy不是这样，你说同样的话，它直接就把文件分类整理完了。它不是给你建议，它是真的去帮你把事情干了。

这个区别非常关键。

因为自媒体自动化这件事，核心难点不在于知道该怎么怎么做，而在于真的动手把每一步都做了。WorkBuddy的能力就是，你把流程告诉它，它真的会去执行。

搭建流水线的第一步，把WorkBuddy变成你的专属员工

好，现在来说具体怎么搭。

你装好WorkBuddy之后，它其实还是一个通用助手，你得先把它训练成懂你账号风格、懂你工作流程的专属员工。

这块用的是WorkBuddy的Skills机制。

Skills翻译成人话就是技能包。你把它想成一个员工上岗之前需要接受的培训。你给WorkBuddy装哪个技能包，它就获得对应的工作能力。

比如说，我给自己的WorkBuddy装了这么几个技能包：

自媒体排版技能包。装完这个，它生成的文章直接就是排版好的，标题层级、段落间距、重点标注都处理好了，我基本不用再手动调整。

AI绘图。这个装完，它直接给你生成文章的封面图。

多平台发布技能包。这个装完，稿子写完好，它自动按照不同平台的格式要求做适配，然后一键分发。

这几个包装完，你的WorkBuddy就已经是一个懂写作、会排版、能分发的完整自媒体运营人员了。

整个过程就是在技能市场里点几下安装，没有一步需要你写代码。

自动化流水线的核心，让AI包揽全流程

技能包装好了，接下来是最关键的部分：怎么让这一套东西自动跑起来，不需要你每天手动去触发。

这块用的是WorkBuddy的自动化工作流功能。

我来把我的配置逻辑说一下。

早上7点，自动选题。

我设了一个定时任务，每天早上7点，WorkBuddy自动去抓昨天下午到今天早上这段时间全球领域热点资讯。它抓完之后不是直接扔给你一堆链接，而是自己做第一轮筛选：哪些跟你的账号定位相关、哪些有讨论空间、哪些还没被写烂。

筛选完，它给你出3个选题建议，每个选题附带上为什么这个值得写和大概可以从什么角度切入。

这一步我以前每天要花40分钟，现在完全不用管。

早上7点半，自动写稿。

选题确定之后，这个目前我还是人工确认一下，主要是保证方向不出错，WorkBuddy自动进入写稿环节。

它按照你之前通过技能包培训好的写作风格，把整篇稿子写出来。

写到什么程度呢。

我现在的习惯是，它写好之后我先快速扫一遍，看看有没有明显的逻辑问题或者事实错误，然后直接用。如果你的要求更高，可以设一个人工二次润色的环节，WorkBuddy写好之后先发给你确认，你改完再进入下一环。

早上8点，自动排版。

稿子定好之后，WorkBuddy调用排版技能包，自动把文章排好。

标题层级、段落间距、重点加粗、配图位置，全部按照你账号的既定风格来处理。我自己的公众号“阳光海边”有一套固定的排版规范，我把这个规范教给WorkBuddy一次之后，它每次排出来的东西都是一致的。

早上8点半，自动分发。

排好版的稿子，WorkBuddy按照预设的平台列表，自动做格式适配然后发布。

WorkBuddy会按照每个平台的规则自动做调整，不是把同一篇稿子到处瞎发。

发完之后它还会自动给我发一条微信通知，这块用的是WorkBuddy的微信集成能力，装一下ClawBot插件就搞定了，告诉我今天的稿子已经发布成功。

整个流程从选题到发布，全程自动，我需要做的就是在7点半左右看一眼选题、8点左右审一下稿子，加起来10到15分钟。

几个你可能关心的问题

说到这里，你可能有一些疑问。

第一个问题：AI写出来的东西，读者看得出来吗。

这是我一开始最担心的事。

后来我发现，问题不在于AI写，而在于你有没有把AI训练好。

如果你直接拿原始的大模型输出往公众号上贴，那读者肯定看得出来，因为那种首先其次最后的味儿太冲了。

但如果你像我前面说的，先通过技能包把写作风格教给WorkBuddy，然后不断地通过持久化记忆让他完善写作风格，让它按照特定的风格和逻辑来写，出来的东西还是有价值的。

第二个问题：自动化流水线会不会让内容变得同质化。

这个问题问得好。

我的做法是，选题环节保留人工确认。WorkBuddy每天给我推荐3个选题，我从里面挑一个，或者有时候它推荐的3个我都不满意，我就自己想一个选题告诉它。

这样既能享受自动化的效率，又能保证内容方向上有人工把控。

第三个问题：配置这套东西难吗，需要懂代码吗。

我搭这套流水线的时候，没有写过一行代码。所有的配置都是点按钮和说人话。

装技能包就是去技能市场搜关键词然后点安装。配置自动化工作流就是用自然语言告诉WorkBuddy你每天早上7点帮我做这个，做完之后做那个，它会自己理解你的意思然后配置好。

唯一的门槛可能是第一步装WorkBuddy本身，但这个去官网下一个安装包、双击运行，跟装一个微信没什么区别。

这件事真正改变的是什么

最后我想说一点感受。

以前我觉得，AI对自媒体创作者最大的价值是帮你提速。

现在我意识到，它真正改变的是创作者的时间分配结构。

以前你每天2-3个小时耗在内容生产上，能拿出来做深度思考、跟读者互动、研究账号长期方向的时间非常有限。

现在内容生产这个环节被自动化了，你每天突然多出来1个多小时。这一个多小时你用来干什么，决定了你的账号半年之后跟别人的差距。

有人拿这1个小时继续追热点、做更多内容，这是一条路。

我拿这1个小时来读更多书、思考更深层的问题、跟读者做更真诚的互动。因为我觉得，AI越能把内容生产这件事标准化，真诚和深度就越值钱。

工具是中立的。

它让你的效率变高了，但你的账号变成什么样，还是取决于你自己想成为一个什么样的创作者。

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标～

谢谢你看我的文章，我们，下次再见。

/ 作者：Wyat/ 投稿或爆料，请联系邮箱：wyat.sun@qq.com

昨天晚上我刷到一条新闻，英伟达CEO黄仁勋公开说了句话，我当时就愣住了。

他说，AI时代专业选择的重要性下降，核心能力是掌握AI工具的使用方法，未来所有行业都将和AI深度结合。

说实话，这话从一个站在AI算力巅峰的人嘴里说出来，味道很复杂。

一方面，你觉得他是在给年轻人指路。另一方面，你又觉得这话里藏着某种你可能还没准备好的未来。

我今天想认真聊聊这件事。

我们这代人，包括比我们更年轻的那批孩子，从小被灌输的一套逻辑是这样的。

好好读书，考个好大学，选个好专业，然后这辈子就有了着落。

医生、律师、工程师、会计师，这些职业标签像护身符一样，被家长和老师在耳边念叨了十几年。

我有时候在想，如果黄仁勋这句话是对的，那这套逻辑是不是从根子上就歪了。

不是专业不重要，而是专业的壁垒正在被AI一层一层地刨掉。

我举个具体的例子。

前两天我去体验了一个产品，阿里通义千问最新版的编程能力，已经超过了Claude Opus 4.6。

换成以前，你要写一段代码，得懂语法、懂逻辑、懂调试，至少得是个程序员。现在呢，你对着Qwen说一句，帮我写一个能够自动抓取电商网站价格并且每天定时发送邮件的小工具，它真的就能给你写出来，而且能跑。

我试了。

真的能跑。

那结果会怎样呢，那些花了很多年学编程、刷LeetCode、面试八股文的人，他们的专业技能正在被一个对话框给抹平了。

黄仁勋说的会不会用AI，指的就是这个。

但事情没那么简单。

我这几天一直在想一个问题，如果专业不重要了，那什么才重要。

是会用AI工具就够了吗。

我自己的感受是，没那么简单。

我用AI工具也用了快三年了，从最早的好奇到现在的日常依赖，我发现一个很有意思的事情。

同样一个工具，不同的人用，出来的结果天差地别。

我见过有人用ChatGPT写周报，就是把今天做了什么列出来，让它润色一下，然后复制粘贴就发出去了。这叫用了AI吗。我觉得不叫。

我也见过有人用同样的ChatGPT，但他们会先想清楚自己要表达什么，然后用AI来帮自己梳理逻辑、找更好的表达方式、甚至挑战自己的观点。最后出来的东西，你看得出有AI的痕迹，但底子是那个人的思想。

这两种用法的差别，不是工具的问题，是人的问题。

有些人是真的在用它思考，有些人只是让它帮自己偷懒。

这两种人的未来，不可能是一样的。

我前两天在 X 上看到一个人分享他的工作流，他是做电商的，用AI来做什么呢。不是让它写商品描述，而是先让自己把产品的特点、用户可能的痛点、竞争对手的弱点都想清楚，然后让AI帮他把这些点组织成不同风格的文案，他再一个个挑、一个个改。

他说现在写文案的速度比以前快了五倍，但最重要的是，他觉得自己变聪明了，因为每次用AI之前，他都被迫先把自己的思路理清楚。

这才是黄仁勋说的那个会用AI。

我一前同事，做视觉设计的。

去年的时候他特别焦虑，说AI绘图出来了他是不是要失业了。

我那时候跟他说，你试试用Midjourney和Stable Diffusion来辅助你的工作，而不是跟它们对抗。

他半信半疑地试了。

半年之后他跟我说，现在出方案的速度比以前快了三倍，而且客户满意度反而更高了，因为可以把更多时间花在创意和沟通上，而不是耗在反复修改线条和配色这种机械劳动上。

但他的另一个同事，同样的工具，用了一个月就放弃了，理由是生成的图没有灵魂。

什么叫没有灵魂。

是你根本没花心思去调Prompt，没去研究怎么把AI的输出和自己的审美标准对齐，然后就说这东西不行。

这两种态度的差别，我觉得就是黄仁勋想说的那个会不会用AI。

但这里面有个更深层的问题，我觉得黄仁勋没有说透。

专业不重要，不等于知识不重要。

会用AI，不等于只会跟AI对话。

我观察到的情况是，那些能把AI用得很好的人，往往在自己的领域里已经有相当深的积累。他们知道什么样的结果是好的，知道怎么判断AI的输出值不值得用，知道怎么把AI的能力嵌进自己已有的工作流里。

反过来说，一个对这个领域完全不懂的人，就算手里有再强的AI工具，他也判断不了输出的质量，更不知道怎么把这件事做成。

所以黄仁勋这句话，如果你只听到专业不重要，那你可能会误以为以后不用学习了。

不是的。

以后要学习的，可能不再是某一个具体的专业技能，而是怎么跟AI协作，怎么在AI把90%的执行工作都做了之后，你还能提供那10%的、属于人的东西。

这10%是什么，我现在也没完全想明白。

但我有几个猜测，都是这些年在用AI的过程中，慢慢模模糊糊感觉到的。

第一个是品味。

AI可以生成一个80分的方案，但它不知道什么叫90分，什么叫100分。这个判断，需要人有足够的审美和经验积累，不是算法能算出来的。

我前两天在群里看到一个案例，有人用AI生成了一个APP的UI设计，发到群里让大家点评。懂行的人一眼就看出来，布局是对的，配色也在流行趋势上，但就是没有那种让人眼前一亮的感觉。

什么叫眼前一亮。

就是你看到一个设计时，不是觉得它漂亮，而是觉得它聪明。它解决了一个你没意识到但一直存在的痛点。

AI现在还做不到这个。

它能做对，但做不出彩。

第二个是连接能力。

AI可以做执行，但把一个复杂问题拆解成AI能理解的子任务，然后把各个部分的输出再整合成一个完整的解决方案，这个能力，目前看来还是人在主导。

我有一个朋友在做企业咨询，他跟我说，以前他的工作是收集数据、分析趋势、写报告。现在这些AI都能做，而且做得很快。

那他的价值在哪里呢。

他说，是把客户没说出来的需求，翻译成AI能解决的问题，然后把AI的输出再翻译成客户能理解和执行的方案。

这个翻译的能力，需要对两边世界的理解。

AI懂一边，客户懂另一边，但能把两边连起来的人，现在是稀缺的。

第三个是责任感。

AI写了一篇稿子，你直接发出去了，出了问题谁负责。AI写了一段代码，部署到生产环境把服务器搞崩了，这个锅算谁的。

这些事情，AI现在还承担不了。

你用AI写了稿子，你是作者，你就得为它负责。你用AI写了代码，你是开发者，你就得为它测试、为它维护、为它出的问题背锅。

这个背锅的能力，说得好听点叫责任感，说得难听点叫背黑锅，但不管怎么说，目前还是只能人来。

而且我觉得，以后会越来越值钱。

因为当AI把90%的执行都做了之后，那10%的负责，就是最后属于人的东西。

回到黄仁勋的那句话。

我觉得他说的既对，也不完全对。

对的地方在于，他指出了一个正在发生的事实，就是专业的边界确实在模糊，单一技能的护城河确实在被AI填平。

不对的地方在于，他可能低估了在AI时代，深度仍然是一种稀缺品。

不是专业不重要，而是只有专业、没有AI协作能力的人，会越来越难。反过来，只会用AI、没有专业深度的人，很快会碰到天花板。

我前两天在群里跟几个做投资的朋友聊天，大家聊到一个话题。

以后投项目，是投那些AI原生团队，还是投那些在传统行业里有深度积累、现在开始用AI赋能的团队。

两派观点争得很厉害。

一派说，AI原生团队懂工具、跑得快，是新时代的孩子。

另一派说，不懂行业的人用AI，生成的东西看着漂亮但一深究就露怯，就像用AI写的代码能跑但维护不了，因为你根本不理解它为什么能跑。

我当时没说话。

但后来我想明白了一件事。

未来可能不属于任何一派人，而属于那些能在两个世界之间搭桥的人。

懂行业，也懂AI。有专业深度，也会用新工具。知道自己不知道什么，所以懂得让AI来补，但也知道AI不知道什么，所以不会盲目信任。

黄仁勋的这句话，如果被家长拿去当借口，说那孩子以后不用好好学习了，选什么专业都行，那就完蛋了。

如果被年轻人拿去当理由，说那我以后不用学编程了、不用学写作了、反正AI都会，那也完蛋了。

这句话真正的意思，我觉得是提醒你，别再把安全感和竞争力寄托在某一个具体的专业技能上了。

因为那个东西，AI迟早能学会。

你要寄托的，是你持续学习的能力，是你判断什么是好东西的品味，是你知道怎么把AI当工具而不是当大脑的使用方式。

我有时候在想，我女儿以后长大了，如果她跟我说，爸爸我不想学编程，我想学画画。

我会跟她说，你想学画画就去学吧，但要学会用AI来帮你画画，而不是让AI替你画画。

这两个句子的差别，就是黄仁勋那句话里藏着的全部重量。

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标～

谢谢你看我的文章，我们，下次再见。

/ 作者：Wyat/ 联系邮箱：wyat.sun@qq.com

5月19日晚上11点，安德烈·卡帕西（Andrej Karpathy）在X上发了四句话，AI圈直接炸了。

他说，我加入了Anthropic。

就四句话。没有铺垫，没有仪式感，甚至连个感叹号都没加。半小时不到，这条帖子浏览量冲到300万。

我是后来看到的，当时其实已经睡了。醒来刷手机看到这条，第一反应是。卧槽。

不是因为觉得Anthropic赚了，而是因为，这个人，他选的路，每次都踩在关键节点上。

先说一下他是谁，免得有朋友不太熟。

安德烈·卡帕西。斯洛伐克出生，15岁移民加拿大。本科多大，博士斯坦福，博士导师是李飞飞。

这几个名字串在一起，你大概能感受到这棵学术树的密度。

更大的密度在后面。2015年，他是OpenAI创始研究科学家。2017年，马斯克把他挖去特斯拉，做自动驾驶AI高级总监。2022年离开特斯拉，回来搞教育，YouTube开了一个频道叫Neural Networks: Zero to Hero，现在破百万订阅。

2023年，他回OpenAI。2024年，他又走了，自己搞了个AI教育公司Eureka Labs。

然后就是5月19号这条深夜四行短帖。

Vibe Coding这个词，也是他今年2月在X上造出来的。后来被柯林斯词典选成年度词汇。一个词能定义一个行业现象，这本事，我目前只在他身上见过。

我有时候会想，一个OpenAI的联合创始人，特斯拉的AI老大，干啥不好要去给Dario Amodei当二把手。

这是新智元那篇文章的原话，二把手。说实话，这个问法有点刺耳，但确实问到了很多人心里。

Anthropic现在谁在管事，Dario Amodei。OpenAI出来的人，跟Sam Altman之争的故事不在今天展开。但Karpathy去Anthropic，相当于一个拿过NBA总冠军的首发前锋，跑去隔壁球队当第六人。

你可能会说，人家想回来做研究不行吗。

行，当然行。但这个选择背后的信号，我觉得比他本人加不加入重要得多。

说回Anthropic这边，给他安排的位置很有意思。

预训练团队。

预训练是什么。就是你在大模型出来之前，拿几十亿美金烧一大堆GPU，把模型从零训到能聊天的那个阶段。这是整个大模型食物链的最顶端，也是最烧钱、最吃工程经验和理论直觉的地方。

而且他不是进去当一个普通研究员。他要组建一个新团队，专门研究怎么用Claude来加速预训练研究本身。

这个想法Karpathy之前就玩过，今年3月他做过一个实验，让AI编程智能体在无监督的情况下跑了两天，自己做了700次实验，发现了20个优化点。他把这个方法叫autoresearch。

当时他发出来，我自己试着复现了一下，你知道结果是什么吗。我复现不出来。不是代码不会跑，是我根本没有那个直觉去判断哪些实验方向值得让它自己跑。

这就是Karpathy的恐怖之处。他的价值不在于写了多少代码，而在于他能把「怎么去做研究」这件事，变成一种可以传递给AI的结构化直觉。

现在Anthropic让他把这件事系统化。

然后我看到了一个我觉得特别值得玩的细节。

过去三年，OpenAI往Anthropic单向输送了三个人。

2024年5月，前对齐负责人Jan Leike走了，去了Anthropic。

2024年8月，联合创始人John Schulman走了，也去了Anthropic。

2026年5月，Karpathy走了，还是去了Anthropic。

三个都是OpenAI最核心层的人。一个对齐，一个训练架构，一个现在把预训练也带过去了。而你几乎找不到一个反向的案例，一个Anthropic的人跑去OpenAI。

你要说OpenAI不好吗。当然不是。GPT-4o、o3、Sora 2.0，哪一个不是炸裂级别的产品。但Karpathy在帖子里写的那句话，我觉得值得认真读一下。

他说，我认为未来几年大语言模型的前沿发展将尤为重要。

他没有说OpenAI不重要。他只是觉得，前沿最激烈的战场，现在在别的地方。

再说一个我自己觉得挺微妙的事。

Anthropic现在的估值，二级市场已经跑到OpenAI上面去了，超过1万亿美元。他们正在谈一轮300亿美元的融资，估值约9000亿。Polymarket上那些交易者对Anthropic在6月底前拥有最佳AI模型的概率定价是65%，OpenAI只有4%。

这些数字当然不是真理。但聪明钱历来都是用脚投票的。

我再翻译一下大白话。顶尖研究者用脚投票的时候，他们看的不只是当下的模型能力，而是「接下来三年，我能不能在这里做我最想做的事」。

Karpathy想做的事很明确。用AI来加速AI研究。这件事在Anthropic能做成，在OpenAI能不能。他自己给出了答案。

顺着上面的再聊聊，这个选择对普通人有啥影响。

可能你会说，大佬跳槽，关我啥事。

我试着回答一下。

Vibe Coding这个词，是Karpathy今年2月造出来的。然后过去三个月，全世界有几十万人开始用自然语言写应用。Vibe Coding的本质是什么。是把编程这件事的门槛，从「你要学语法、学框架、学部署」降到了「你只要能说清楚你想要什么」。

但门槛降低的同时，另一种东西的门槛反而升高了。就是「判断力」。

以前你要写一个应用，你得懂代码，懂架构，懂安全。现在AI帮你写，你反而不知道它写出来的东西安不安全、架构合不合理、会不会哪天突然崩掉。

安全公司RedAccess上个月出了一份报告，说他们用简单搜索就找到了5000多个用Vibe Coding做出来的应用，完全没有身份验证，数据直接裸奔。其中有2000多个，真实用户数据已经在泄露了。。。

38万个AI生成的应用被搜索引擎收录，其中40%有某种程度的安全问题。

这个事情我跟几个做安全的朋友聊过，人家的反应是。这玩意迟早要出大事。

再绕回来，Karpathy去Anthropic，跟这件事有关系吗。

有。而且关系很大。

因为预训练团队决定了下一代模型「默认会什么」。如果下一代Claude在预训练阶段就被喂了大量高质量代码和安全最佳实践，它生成的代码自然会更安全。如果它学到的「什么是好代码」的标准更高，那普通人用Vibe Coding做出来的东西，天然就更不容易裸奔。

听起来有点玄学是吧。但这就是基础模型的本质。你在预训练阶段塞进去的东西，决定了模型「直觉」的水平。

我在之前的文章里写过，AI正在从「回答问题」变成「完成任务」。这个跃迁最可怕的地方在于，当AI自己会写代码、自己会做实验、自己会优化自己的时候，整个迭代速度就不是人类研究者的节奏了。

Karpathy去Anthropic干的就是这件事。让Claude帮人类把Claude做得更好。

这话听着眼熟不。对，就是那个传说中的递归自我改进。以前大家觉得这是科幻，现在Karpathy亲自去把它变成工程问题了。

我自己有时候会被这种想法震住。

你想想看。一个人，15岁移民，博士跟着李飞飞做计算机视觉，参与创立OpenAI，去特斯拉把自动驾驶纯视觉方案推到量产，回来做教育让百万普通人看懂神经网络，然后造了一个词（Vibe Coding）定义了整个行业的编程范式转移，现在又去Anthropic研究怎么让AI改进AI。

这条人生弧线，我已经找不到合适的形容词了。

但让我觉得最有意思的是他帖子里的最后一句话。

「我依然对教育事业充满热忱，计划适时恢复相关工作的推进。」

也就是说，他加入Anthropic做预训练研究的同时，没打算放弃教育。YouTube那个百万订阅的频道，大概率还会更新。

这玩意有啥实际影响。说直接点，全世界学AI的人，以后学的不只是「怎么用AI」，还有「怎么理解Anthropic做出来的这些模型到底是怎么想的」。

这话有点绕，我翻译一下。

以后你要真正理解Claude为什么这么做、为什么这么回答，大概率要去看作者的YouTube，或者读他写的代码。

这点我觉得才是最值钱的。顶级研究者亲自出来做教育，说到底是在帮整个社会建立「理解AI的心智模型」。这个东西一旦建立起来，就很难被取代。

最后说一个让我今天想了比较久的细节。

X上有个网友评论Karpathy的跳槽，说了一句话。Anthropic正在变成2000年代中期皇家马德里，把所有AI传奇人物和CTO都招进来。

皇马那个年代，菲戈来了，齐达内来了，罗纳尔多来了，贝克汉姆也来了。然后他们拿了很多冠军。

但皇马的故事同时也告诉我另一件事。堆砌巨星不等于赢。更衣室的化学反应、战术体系的适配，更关键的是，有没有一个人能把所有人的能量拧成一股绳。

Anthropic现在有了Karpathy，有了Jan Leike，有了John Schulman。理论、对齐、预训练，三条线都有了。Dario能不能把这三股绳拧起来，接下来两三年见分晓。

说真的，这个局我已经看得津津有味了。不是作为观众，是作为这个行业里一个认真想搞懂发生了什么的人。

回到标题那句话。他，选择了Dario。

三年前，这件事看起来像是「二把手」。三年后回头看，这可能是「选择了未来」。

时间。流逝的本身。

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标～

谢谢你看我的文章，我们，下次再见。

/ 作者：Wyat / 投稿或爆料，请联系邮箱：wyat.sun@qq.com