Opening Keynotes - AIE Paris 2025 (Day 1)

AI Engineer 大會首次在美國之外召開，於 2025 年 9 月在巴黎的 Station F 舉行。這標誌著由 Benjamin Dunham 和 Swix 共同創立的 AI Engineer 社群的全球擴充套件。聯合創始人 Benjamin 解釋了這一決策的考量：建立高質量的社群活動需要合適的合作伙伴具備遠見、動力、專業精神和風險承受能力。他們選擇了 Coy（一個為 AI 應用提供高效能無伺服器基礎設施的公司）作為主辦方，Coy 創始人兼 CEO Yan Leger 則強調了 Station F 作為歐洲最大 AI 中心之一的戰略地位——這裡有 1000 家新創公司，70% 從事 AI 領域，知名校友包括 Hugging Face。

Swix 在主旨演講中重新審視了「2025 年是代理之年」這一判斷。他指出，這並非短期泡沫，而是長期基礎設施建設的開始。雖然年初許多領袖人物（如微軟 CEO Satya Nadella、OpenAI 的 Roman 和 Greg Brockman）聲稱 2025 是代理年，但更準確的理解是：未來十年都將圍繞大規模代理構建展開。這既是一個黃金時代的機遇——職業生涯中前所未有的順風——也解釋了為什麼政府和私人資本正在投入數千億美元用於基礎設施建設。事實上，這種投資規模和速度使得數字變得難以理解，但象徵著有史以來最宏大的基礎設施工程之一。

代理技術本身的演變體現在兩個關鍵變化上。首先是模型的自主性顯著增強：從早期的簡單工具呼叫演變為「用工具思考」，即模型在思維過程中自然整合工具使用，而非事後呼叫。其次是自主執行時間的擴充套件，從早期的分鐘級（如 200 分鐘）快速邁向小時甚至天級，這得益於模型的專門後訓練。與此同時，一個重要的技術轉變正在發生：計算資源分配已從傳統的預訓練主導模式轉向預訓練與後訓練（以及強化學習）資源投入相當的模式。這種變化首次出現在 xAI 對 Grok-4 的處理中，後來 OpenAI 也在 GPT-4 Fast 上採用了類似策略。

圍繞代理的標準化工作同樣重要。MCP（Model Context Protocol）已成為主流，但基於 MCP 的進一步發展正在湧現。特別值得關注的是 Zed 推出的 ACP（Agent Client Protocol），它正在成為終端代理（如 Cloud Code 和 OpenCodeEx）之間的互通層。這意味著使用者可以靈活切換代理，甚至在保持相同 UI 的情況下替換底層實現。Mistral AI 也推動了一個共識：每家模型提供商都應該提供包含標準工具庫（程式碼執行沙箱、網路搜尋、文件庫、多模態處理）的代理 API。這是對 Andrej Karpathy 2023 年關於 LLM OS 論文的實踐落地，雖然在記憶與編排能力上仍有空白需要填補。

從應用角度看，程式碼代理領域的發展最為引人注目。Cursor 等工具在完全沒有正式評估體系的情況下實現了 5 億美元的收入，這反映出在快速迭代的市場中，產品驅動的驗證勝過學術式的事前評估。然而，這也反映出行業對評估方法的困境：應該有多嚴格的評估標準？Swix 引用了 Claude 首席架構師 Boris 的觀點——「最終一切都取決於感覺」——指出在新興領域建立評估標準的必要性與其可能成為進步障礙之間存在張力。

企業級 AI 實施則面臨截然不同的挑戰。Mistral AI 工程主管 Leo Lavo 深入分析了企業客戶遇到的四大技術障礙。首先是資料問題：企業積累了數年甚至數十年的資料，卻通常分散儲存在各處，缺乏 AI 治理策略和適當的後設資料標註。其次是多供應商生態的割裂：每個 SaaS 提供商（如 Salesforce）現都開發自己的 AI 助手，但它們基於不同 API（OpenAI、Google Cloud、Mistral），彼此互不連通，導致使用者面臨資料孤島問題。第三是可觀測性與可信度：模型的非確定性特性使得企業難以建立信任，需要提供可驗證的資料來源、輸出分類和行為追蹤。第四是專業知識缺口：大多數企業員工缺乏 AI 系統最佳化的知識，包括系統提示如何影響效能、模型何時出現偏差等。

Mistral 的解決方案強調建立一個「飛輪模型」：構建→部署→觀察→改進→迭代。關鍵是避免將 AI 視為現成的工具，而應根據具體使用場景進行深度定製。具體做法包括：利用 AI 自身來解析和整理資料孤島，建立統一的上下文引擎來對映不同提供商的資料到共同本體，採用專屬模型訓練和持續最佳化。Leo 特別強調，企業需要建立上下文引擎來真正理解分散在 Google Drive、Teams、Slack 等平臺上的資料，而不僅僅依賴 MCP 伺服器。這需要強大的訪問控制統一模型，同時避免供應商鎖定。從價值創造角度，AI 可以帶來增長（新產品、新用例、新資料處理）和效率（成本降低、流程簡化、員工生產力提升）。