KeyFrame內部研究專用

Surviving the New Economics of a Post- Agentic World |Episode #365|

Practical AI34 min英文
觀看原始影片

三句話摘要

AI智慧體技術正在顛覆企業軟體價值鏈,傳統企業軟體公司面臨生存危機與戰略轉型。 企業軟體公司不能消極地維護過去的角色,而應主動接納智慧體時代,從大規模智慧體的管理、安全驗證、許可權控制等基礎設施層面開闢新的價值創造空間。 企業軟體衰退的經濟根本:智慧體正取代傳統企業軟體功能,企業高管意識到需重新分配預算,從軟體和服務轉向硬體基礎設施。大規模智慧體需要更多計算資源、上下文資訊和長期執行能力,這徹底改變了企業的資本配置邏輯。

重點整理

  1. 企業軟體衰退的經濟根本:智慧體正取代傳統企業軟體功能,企業高管意識到需重新分配預算,從軟體和服務轉向硬體基礎設施。大規模智慧體需要更多計算資源、上下文資訊和長期執行能力,這徹底改變了企業的資本配置邏輯。

  2. 多重地緣政治壓力並存:美國專有模型成本昂貴且受出口管制,中國開源模型成本低但政治受限。企業同時面臨兩方壓力,產生了黑市現象(如中國代幣黑市),經紀人以折扣價轉售西方AI API訪問權。

  3. 互動模式的代際演進:從網頁介面→API時代→智慧體直接互動的完整遷移。未來大多數B2B和企業內部系統互動都由智慧體自主完成,無需人類干預,這是本質性的架構轉變。

  4. 企業軟體公司的兩條出路:透過MCP(模型上下文協議)連線到通用智慧體生態,或構建專有智慧體叢集。無論選擇何者,大規模智慧體的管理、許可權控制、身份驗證本身正成為新的產業機會。

實用技巧與重點

  • 資料指標:
  • IBM單日跌幅:25%(市值蒸發約700億美元,創50年最大單日跌幅)
  • 同日企業軟體公司跌幅:Workday -10%、Salesforce -9%、ServiceNow -8%、Adobe -6%
  • 硬體供應商漲幅:Nvidia和Intel股價上升
  • 企業執行智慧體規模:7萬個和6000個(兩家公司的實際部署)
  • 技術工具與標準:
  • MCP(Model Context Protocol)——企業對接AI生態的標準
  • Unsloth——在MacBook上進行模型微調的工具
  • 微調方法——組織重新重視模型微調能力
  • 市場現象:
  • 中國代幣黑市——經紀人折扣轉售OpenAI等西方平臺的API訪問權
  • 硬體恐慌搶購——企業為規避AI模型成本上升而搶購晶片和基礎設施
  • 技術演進速度:
  • 熱詞更新週期:智慧體工程→迴圈工程→下一代(數月內迭代)
  • Anthropic最新論文:討論可符號化表示與全域性工作空間、語言模型的關係

結論

企業軟體公司不能消極地維護過去的角色,而應主動接納智慧體時代,從大規模智慧體的管理、安全驗證、許可權控制等基礎設施層面開闢新的價值創造空間。

完整解析

這期播客的起點是一個市場訊號:IBM股價在單日內暴跌25%,蒸發約700億美元市值,創造了50多年來最嚴重的單日跌幅,甚至超過1987年黑色星期一的損失。看似突如其來,實則有跡可循。

Chris Benson坦言,這個事件並未令他驚訝。他長期在思考一個核心問題:技術如何系統性地取代現有的技術、工作流程和職業崗位。更具體地說,是智慧體在規模化時代如何衝擊企業的基本商業模式。他甚至正與出版社籌備一本專著,核心主題就是這種技術遷移的必然性。

Daniel Whittenaker進一步剖析了這一現象的經濟學根源。企業正在進行預算大轉移:從企業軟體和服務領域轉向硬體和基礎設施投資。為什麼?因為大規模智慧體運作需要三樣東西:第一是更強大的計算硬體;第二是更豐富的上下文資訊儲存;第三是長期執行的能力(跨小時、天甚至周)。這些需求都直接指向對硬體和基礎設施的投資,而傳統企業軟體—— CRM、ERP、專案管理工具——在這個新正規化中的價值被不斷侵蝕。

同一天股票下跌的不止IBM。Workday跌10%、Salesforce跌9%、ServiceNow跌8%、Adobe跌6%——企業軟體類公司幾乎全線下滑。與此相反,硬體供應商Nvidia和Intel的股價上升,因為市場上演出了大規模的硬體搶購潮。

地緣政治環境加劇了這種焦慮。美國對其先進AI模型實施出口管制,試圖維持技術優勢。但中國在開源模型領域已經建立了成本優勢。企業高管們被夾在中間:使用美國專有模型成本高,使用中國模型又面臨政治風險。這種壓力下,甚至出現了中國的"代幣黑市"——經紀人組成的灰色經濟,以折扣價轉售OpenAI等西方平臺的API訪問權,因為中國使用者無法直接付費。這是典型的政策管制下的市場反應。

從技術架構角度,企業面臨兩種選擇。第一種是透過MCP(模型上下文協議)充當中間層,向通用的AI生態開放自己的資料和功能,成為大AI生態的一個節點。第二種是完全自建,構造專有的智慧體叢集,在內部進行閉環運作。但無論選哪一條,一個根本性的轉變不可避免:互動方式從API介面時代進入智慧體直接對話時代。

未來的企業世界中,大多數系統間的互動不再是人類操縱UI去呼叫API,而是智慧體與智慧體直接協作。Daniel提到Prediction Guard已經接觸到正在執行7萬個智慧體的公司,還有一家執行6000個。這不是五年後的未來,是現在進行時。技術演進速度之快令人瞠目:三個月前"智慧體工程"還是熱門詞彙,現在已被"迴圈工程"(agents-in-the-loop)取代,而到年底恐怕這個詞彙也會過時。

另一層討論觸及AI的意識問題。Anthropic最近發表論文,討論語言模型如何創造"工作空間"——一種類似人腦工作記憶的機制。雖然"意識"的定義迄今沒有統一共識,但關鍵在於:這些模型已具備資訊傳遞、報告和處理的功能能力,而且這種能力在持續提升。無論我們如何定義意識,從結果層面看,如果一個系統能達成預期目標,其實現機制如何就變得相對次要。

4 min
AI 技術中文11月21日

Make.com Automation for Beginners: Your First Automation in 10 Minutes

AI Workflow Lab看原片 ↗
  • Make 的核心是「情景」(Scenario) 概念,由多個模組組成,每個模組執行一個應用程式的單一工作。當第一個應用程式中發生事件時,Make 自動將資料傳遞到下一個應用程式,就像一個從不睡眠也不遺忘的數位助手。
  • 映射 (Mapping) 是自動化的核心。使用者需要明確告訴 Make 每筆資料應該放在哪裡,確保表單欄位正確對應到試算表的列,以及郵件內容能夠動態插入客戶資訊。
編輯精選
企業管理英文11月21日

What Anthropic's $900 Billion Bet Means for You

Nate Herk看原片 ↗
  • 訂閱用戶成為上市公司的收益基礎:4000 萬名小客戶(含 Claude Pro、Max、Ultra 或 API 用戶)合計貢獻 25% 的收入,形成 Wall Street 下注的對象。用戶每次訂閱續約都直接影響 Anthropic 股價,
  • 循環融資制造生態系統性風險:Amazon、Google、Broadcom 與 Nvidia 等公司既是投資者、又是運算服務提供商,同時採購 Anthropic 服務,形成相互依賴的閉環。若任一環節需求放緩,所有參與者將同時受創,系統風險無法
編輯精選
AI 技術英文11月20日

6 Lessons I Learned From Installing AI in a $10M Business

Liam Ottley看原片 ↗
  • AI 負責前 80% 工作,人的品味決定最後 20% — 系統一開始生成的提案很基礎,直到 Isaac 的設計師介入決定風格、選擇產品後,品質才大幅提升。需要將品味優秀的員工的規則和案例提供給 AI,讓初版更接近他們的標準。
  • 聚焦單一瓶頸,不要全面改造 — 分析發現提案環節是最大痛點:每月 15-20 張圖、每張 10 小時、成本 $500-1000、9 成無結果。選擇同時改善速度、成本、品質的用例,才是 AI 真正發揮價值的地方。