后 Agent 世界，先重估的不是岗位，而是经济学
Practical AI 的 Fully Connected 双主持人对谈，把 IBM 的市场震荡、企业 AI 预算迁移、Agent 规模化和软件入口变化放进同一条链里：当数字劳动力可以被大量复制、编排和调用，企业的成本结构、软件护城河与人的工作方式都会重新定价。1
单集：Surviving the New Economics of a Post-Agentic World
节目：Practical AI，第 365 集，2026 年 7 月 23 日发布，时长约 36 分钟。2
先看结论
这期对话没有把问题停在「AI 会不会取代工作」。Daniel Whitenack 和 Chris Benson 更关心另一层：如果企业开始部署成千上万的 Agent，工作、公司、软件和生产率赖以成立的假设还剩多少？1
他们沿着一条很具体的路径展开：企业把 IT 预算从传统软件和服务挪向模型、硬件与基础设施；长时运行、彼此协作的 Agent 把数字劳动力变成可编排资源；软件的入口从 GUI 逐渐转向 Agent-to-Agent 交互；人的位置也要从守住旧流程，转向对结果、判断和新协作方式负责。1
这不是一份对未来的确定预测。节目里有市场数据、主持人的公司观察，也有对模型能力和意识问题的开放讨论。下面把已经说清楚的事实、主持人的判断和仍然悬而未决的问题分开整理。
按节目顺序整理
1. IBM 的单日暴跌，被两位主持人当作预算迁移的信号
Daniel 从一条早餐时听到的新闻开始：IBM 股价单日下跌 25%，市值减少约 700 亿美元。节目把这次下跌描述为 IBM 50 多年来最严重的单日跌幅，甚至超过 1987 年「黑色星期一」时期的损失。这里的数字是节目讨论时引用的市场报道，正文不把它扩大成对 IBM 长期价值的独立判断。13
Chris 说，IBM 的变化并不让他意外。他正在思考「后 Agent 世界」这个主题，试着把个人的期待和恐惧先拿开，再把今天的市场事件向几个月、几年之后推演。对他来说，重点不是一家公司偶然跌了多少，而是技术同时替代旧技术、部分岗位和原有流程后，企业的基本经济学会怎样变化。1
他也没有说人会全部从企业里消失。更接近他的判断是，人仍然在系统里，但角色和所做的活动会快速改变。节目把这段变化描述成企业尝试寻找「比人力更高生产率的替代方案」，而不是简单的无人化口号。1
2. 预算正在被拉向模型、硬件和基础设施
Daniel 把 IBM 案例拆成几个互相牵制的因素。模型公司需要让客户更黏，以回收前期投入；企业又担心未来模型调用变贵、上下文变长、Agent 运行时间变久，于是出现了提前购买硬件和基础设施的冲动。有限的 IT 预算，开始在企业软件、服务、硬件和模型之间重新分配。1
Chris 补充了地缘政治变量。美国对部分能力设置出口限制，而中国的开放模型在成本和可用性上有自己的优势。节目提出的担忧是，如果中国也开始限制这类模型的流动，企业原本设想的「用另一套模型作为备用」就可能变得不确定。于是，企业花钱不只是为了提高效率，也是为了降低被供应、价格或政策变化卡住的风险。1
这会带来一个很现实的结果：一些传统上被视为关键的 IT 支出，被临时挪去购买算力、模型访问和基础设施。主持人认为这不是一次短暂的市场噪音，而是会继续影响企业资本分配的过程。1
3. 访问受限时，Token 也会长出灰色市场
Daniel 提到工程师告诉他的「中国 Token 黑市」。节目把它解释成一个围绕 API 访问形成的地下或灰色转售网络：由于 OpenAI、Anthropic 等西方 AI 服务在中国大陆受到访问和支付限制，一些经纪商、代理和转售者开始提供折价的访问方式。1
Chris 的判断是，政治或监管试图人为塑造技术流动时，黑市往往会出现。这里不是在说这个市场的规模，而是在说明一个机制：当企业必须同时面对访问权限、价格、供应和政策的不确定性，AI 预算会被迫承担风险对冲功能。1
4. 模型越小、Agent 越长寿，自托管重新有吸引力
Chris 观察到，很多组织曾经因为通用模型足够好，而放弃微调和自建模型。现在，随着更小的模型被用于具体目的和边缘场景，微调又重新回到讨论里。Daniel 举到 Unsloth 等工具，说明一些微调流程甚至可以在 MacBook 上更高效地运行。1
Daniel 进一步把问题和 Agent 的运行时长连起来：在笔记本上和个人助手来回对话，能消耗的上下文有限；如果 Agent 被放到云上，连续工作数小时、数天，甚至数周，那么按调用付费的 API 和一个小型自托管模型之间，会出现完全不同的成本结构。1
5. 规模从一个 Agent，跳到几千、几万甚至更大
Chris 认为，只讨论「一个长时间工作的 Agent」已经不够。更大的变化是：成百上千个 Agent 被放进循环，分别负责很细的任务，再通过大量交互生成复杂的上下文和结果。他在对话中把可能的规模说到数十万甚至数百万个 Agent。这里是主持人的情景判断，不是节目提供的全行业统计。1
Daniel 则给出自己在公司交流中的观察：最近几周，他们接触到一家已经运行约 70,000 个 Agent 的公司，另一家约有 6,000 个。这个例子说明，成千上万 Agent 的企业基础设施并不一定要等到几年以后才出现，但它仍然是主持人的一手交流观察，不能替代普查数据。1
当 Agent 可以运行 Agent，传统企业软件的价值主张就会被重新审视。原本的软件把流程、表单、权限和人类操作组织起来；新的 Agent 系统可能直接完成传统软件碰不到的复杂任务，软件公司不能只把这看成新增一个聊天入口。1
6. 软件入口从 GUI 转向 Agent-to-Agent
Daniel 提到企业软件公司正在尝试两条路。一条是通过 MCP 把数据、功能和连接器暴露给 AI 世界，押注自己的数据平台、数据组织方式和业务功能仍然有价值。另一条是自己做一套封闭或半封闭的垂直 Agent，不把能力完全暴露给通用 Agent 生态。1
Chris 的判断更明确：未来跨系统的多数交互，可能不会发生在传统 GUI、网页界面或 App 里，而是以 Agent-to-Agent 的方式直接完成。人不一定进入某个页面下单，Agent 会依据权限、资源和 MCP 配置完成业务交易。1
这不等于权限和治理消失了，反而相反。企业要设置 Agent 能访问什么、哪些资源可调用、MCP Server 如何配置，以及如何在大规模运行时管理这些关系。Chris 认为，这里会出现一整类新机会：管理大规模 Agent、资源和 MCP 的控制层。1
7. 变化太快，连「Loop Engineering」都可能只是过渡词
Chris 提醒企业不要把时间表放得太远。几个月前行业还在频繁谈 Agentic Engineering，最近开始谈 Loops；但在他看来，Loop Engineering 也可能在年底前就被下一种组织方式取代。1
这不是让公司追逐每个新名词，而是要求公司用更短的周期重新检查自己的接口、权限、数据和收入来源。认为变化几年后才会发生，可能比技术本身更早带来风险。1
Daniel 随后提到同一天的其他市场变化：他看到 Workday 下跌 10%、Salesforce 下跌 9%、ServiceNow 下跌 8%、Adobe 下跌 6%，而 NVIDIA、Intel 等芯片供应商上涨。节目把这些数字作为对企业软件承压、硬件受到追捧的补充观察，不把它们当作经过独立复核的因果证明。1
8. 人的角色要从守住旧流程，转向定义结果
Chris 认为，人不会从方程式里消失，但守住旧岗位和旧工作方式不是好策略。更可行的方向，是承认 Agent 在某些工作上已经能做到人做不到的事情，然后寻找人在新系统里能负责什么、判断什么、连接什么。1
他引用 George Lucas 的比喻：如果没有跟上 Agent 的变化，就像在汽车出现的年代还抓着马车不放。这个比喻的重点不是要求每个人马上成为 Agent 专家，而是不要把过去的角色当成永久不变的边界。1
Daniel 说，一位客户曾建议他们从「结果」的层面思考，而不是只围绕每家公司各自的 Agent 架构。需要什么人类输入、哪些 Agent 系统可以完成、最终要达成什么结果，这三个问题比复述某一套架构更能帮助企业做判断。1
9. 结尾转向模型的工作空间，而不是贸然谈意识
Daniel 提到 Anthropic 的论文《Verbalizable Representations Form a Global Workspace in Language Models》。他把讨论落在一个较谨慎的功能层面：模型可能具备路由和报告信息的能力，这种能力和 Agent 需要的上下文调度有关，但不能直接推导出模型有情绪或人的意识。14
Chris 解释，论文讨论的「工作空间」可以理解为一种与人类工作记忆承担相似功能的结构。至于这是否算意识，节目没有给答案。他提醒，意识本身没有一个被广泛接受的统一定义；如果一个模型用和哺乳动物大脑完全不同的路径完成某种功能，人们是否愿意承认那是有意义的相似能力，仍然是开放的哲学和科学问题。1
给创业者和产品团队的四个核对问题
- 如果模型供应、价格或访问权限突然变化，产品是否还有可运行的成本结构？
- 长时运行的 Agent 需要多少上下文、多少调用，以及什么情况下自托管或微调更合适？
- 你的软件价值是停留在 GUI，还是已经准备好被 Agent 以权限受控的方式调用？
- 在新的 Agent 系统里，哪些结果必须由人定义、审核或承担责任？
这些问题来自本期对话里的案例和判断，不是节目给出的统一方法论。它们的用处在于把「AI 会改变一切」改成能被产品、工程和经营团队逐项核对的具体问题。
逐句全文翻译
以下部分按官方节目页提供的完整逐字稿顺序翻译，保留原有说话人标签和时间标记，只呈现中文译文，不压缩对话。节目页把开场播报、主持人对话、论文讨论和结尾播报都纳入同一份逐字稿。1
开场
旁白（00:01）：欢迎收听 Practical AI 播客。我们会拆解人工智能在现实世界中的应用，以及它如何塑造我们的生活、工作和创作。我们的目标是帮助大家把 AI 技术用得更实际、更高效，也更容易理解。无论你是开发者、企业领导者，还是只是对这股热潮背后的技术好奇，都欢迎来到这里。欢迎在 LinkedIn、X 或 Blue Sky 上关注我们，获取新节目、幕后内容和 AI 洞察。你可以在 practicalai.fm 了解更多。
旁白（00:35）：现在进入节目。
Daniel（00:41）：欢迎收听 Practical AI 播客的新一期节目。我是 Daniel Whitenack，Prediction Guard 的 CEO。和往常一样，今天还有我的联合主持人 Benson，他是一名首席 AI 与自主系统研究工程师。欢迎你，Chris。今天又是只有我们两个人的一期，可以聊聊各自感兴趣的事情。
Daniel（01:03）：我很期待。我错过了上周对你的采访，那期很棒。不过我很高兴回来，也很高兴今天能一起聊。
Chris（01:10）：欢迎回来。我知道，最近我们都因为暑假、度假、家人和各种事情，出现了一些中断。现在能重新一起录节目感觉很好。我们把这种只有彼此两个人、可以随意展开话题的节目叫作 Fully Connected。对我来说，这种节目总是很有意思。和有嘉宾的节目相比，它让 Dan 和我有机会自由发挥，不必只围绕一个固定主题，可以走到任何我们想去的地方。所以我们总能聊得很开心。最近确实发生了很多事。
Daniel（01:46）：发生了很多事。也提醒一下听众，我们有几件平时在有嘉宾时不太会说的事情，因为有嘉宾时我们会直接进入访谈。但请大家在线上和我们互动。如果你还不知道，我们现在也开始在 YouTube 上发布视频了。还没关注的话，至少去 YouTube 搜索 Practical AI Show，订阅一下。当然，你仍然可以在其他平台收听。还有一件事，十月份我们会在印第安纳波利斯举办 Midwest AI Summit，去年那次体验很棒。
Daniel（02:27）：去年 Chris 和我也在现场参与了一些活动，今年已经安排了很多很有意思的演讲嘉宾。现场还会有很实用的 AI 工程交流区，你可以坐下来和实践者讨论架构、设计、Agent、计划、安全，以及任何你想讨论的事情。去搜索 Midwest AI Summit，记得报名。还有很多内容，我先把话题交给你。
Chris（02:56）：在你离开这个话题之前，我想补充一句，那是一个很有意思的会议。我们两个人都参加过很多会议，而那个会议真的很有意思。
Daniel：确实。
Chris：而且每个人都很容易接触。如果你想和某个人聊聊，对方就在现场。
Chris（03:10）：体验很好。我只是想特别说一下，我很喜欢那个会议。好，你想从哪里开始？
IBM 与后 Agent 世界
Daniel（03:16）：好。今天早上发生了一件有意思的事。我想现在大多数人都没有固定看电视了，但有时候我和妻子会在吃早餐时，听 Prime Video 上类似 CNN 新闻摘要的节目。我们有时会在吃麦片的时候听一听。
Daniel（03:38）：今天早上，新闻摘要提到了 IBM 股价遭遇重大打击，单日下跌了 25%，这有点惊人。报道说 IBM 股价下跌 25%，原因和 AI 有关。我当然立刻注意到了。
Daniel（04:01）：我不确定自己是否完全理解了报道里的解释。按照它描述的方式，这件事没有立刻对我形成完整解释，所以我又做了一点研究。我也在想，这会不会是整个科技行业正在出现的更大趋势。Chris，你有没有看到过类似的情况，或者最近一直在思考这个问题？
Chris（04:21）：我一点也不意外。我的意思是，我没想到一定会是 IBM 发生这件事，但这确实是我最近经常思考的事情。我之前提过，我正在和一家出版公司的 CEO 讨论写书的可能性。我不透露名字，就说到这里。最后也可能不会写成，但他们请我写一些他们感兴趣的书，我回答说，我更愿意写另一本，主题就是后 Agent 世界。
Chris（04:21）：如果这本书真的写出来，它大概会做这样的事情：看看现在市场上发生的一切，把自己的偏见、想要什么、害怕什么，先从分析里拿开，让情绪暂时退到一边。然后问，按照今天的情况，把这些事件向几个月、几年后推演，各种结果出现的概率是什么？
Chris（05:28）：我一直在做这个推演，也花了不少时间。所以 IBM 的事情没有让我意外。为了把话说得吓人一点，我认为未来几个月和几年里还会看到很多类似的扰动。因为现在的技术正在同时替代既有技术、已有的人类岗位，以及人们原来参与其中的流程。随着这种技术在 Agent 世界里扩张，企业运作的基本经济学会受到很大影响。
Chris（05:28）：我们已经看到科技行业的大规模裁员。现在企业正在试验比人力更高生产率的替代方案。这不等于所有人都会从方程式里消失，但它会改变人的角色，也会改变人参与的活动，而且变化非常快。
Chris（06:42）：一开始，这听起来可能很不祥。但与其只是害怕，我认为关键是看到变化速度现在正在加速，而且是指数式加速。纽约时报把 IBM 的事情称为煤矿里的金丝雀，这是一种看法。我们正在进入快速变化的开端，变化的不只是技术，也包括使用技术的商业本身。人们必须理解这一点。你怎么看？
Daniel（07:27）：我觉得这里有很多事情纠缠在一起。有些是 IBM 案例里提到的，有些可能没有提到。我们可以聊几个方面。一个方面是，AI 公司正在努力让客户更黏，确保客户继续使用它们，以收回之前投入、并且在一段时间里大量消耗掉的成本。
Daniel（07:27）：另一个方面是某种恐慌式购买。人们希望确保自己不会被 AI 的价格变化挡在门外，所以想提前获得真正的硬件，让自己对未来更有韧性。
Daniel（08:15）：我还看到一篇文章，或者可能是你发给我的，也可能是我在别处看到的。文章提到 Anthropic 正在明显加强实施和服务的一侧，而 OpenAI 似乎更多被放在模型一侧。这里面有很多因素。
Daniel（08:15）：先给 IBM 这个案例补几项数字：单个交易日下跌 25%，市值大约减少 700 亿美元，被描述为 50 多年来最严重的单日跌幅，甚至超过了 1987 年黑色星期一期间的损失。我的研究重点是，这件事背后到底发生了什么，以及 IBM 和其他分析人士至少明确提到了哪些相关动力。
Daniel（09:18）：他们谈到的一点是，企业正在把 IT 预算或技术预算，从企业软件和服务转向其他东西，比如我刚才说的，提前购买硬件和基础设施。企业担心未来 AI 模型的使用价格会上涨，担心 Agent 世界需要更多上下文和更长时间运行的流程。于是，企业软件和服务的资本支出，至少有一部分正在转向硬件和基础设施支出。预算是有限的，现在这里出现了一场拉扯。你怎么看这部分？
预算、模型访问和 Token 灰色市场
Chris（10:18）：我认为这些因素都在起作用，还有一件事。我不知道你有没有看到，它在新闻里安静地掠过，我觉得没有得到太多关注。中国现在开始认识到自己的开放模型所拥有的价值。与美国那些昂贵的专有模型相比，这些模型使用成本低得多。
Chris（10:18）：美国已经对相关能力设置出口控制，而中国也意识到，世界原本可能会因为这些开放模型领先，而在未来转向它们；但这些模型接下来也可能受到限制。于是，一边是美国在某些能力上更强，并且正在对此设置保护；现在中国也认识到，自己在另一组具有经济价值的能力上更强，并且正在对此设置保护。
Chris（10:18）：所以，我们之前谈到的所有事情，都在影响人们如何使用技术。企业高层会有一定程度的恐慌，他们要同时处理美国专有模型的风险和成本，也要处理另一个备用方案正在变得不确定的问题。至于某个行业能不能使用中国模型，还要看具体情况。
Chris（12:01）：这些因素从多个方向给企业施加压力。企业会把内部预算转去降低风险，这往往会牺牲一些过去被视为关键的核心运营。无论是 IBM 的下跌，还是它正在做的调整，你看到的都是这些影响共同作用，推动企业紧急分配资本。
Chris（12:01）：我不认为这个过程会停止，也不认为这只是一个短暂插曲。这个过程会继续变化，企业的反应也会继续发生。
Daniel（12:47）：Chris，今天早上我和工程团队开会时，有一个人提到了中国 Token 黑市。你听说过吗？
Chris（12:58）：听说过。
Daniel（13:00）：这正是我一直在学习新东西的例子。我的工程师比我更常逛 Reddit，所以很多事情都是他们先告诉我的。它和你刚刚说的事情有关。
Daniel（13:15）：所谓中国 Token 黑市，指的是一个地下或灰色市场。经纪商在转售西方人工智能平台的折价 API 访问权，比如 OpenAI 或 Anthropic。由于这些服务对中国大陆用户存在访问限制，用户也缺少直接支付的能力，于是出现了一个由转售商和代理组成的经济或生态系统，试图绕过访问限制。
Chris（13:55）：当监管为了政治目的而人为塑造技术流动时，几乎总会出现这种事情。所以看到黑市出现并不应该让大多数人惊讶。接下来真正的问题是，一切会走向哪里？
Daniel（14:21）：如果你是一家企业，或者……
Chris（14:23）：如果你是一家企业……
Daniel（14:24）：对。如果你是企业软件的消费者，或者是企业软件供应商，未来会是什么样？如果大家都减少对企业软件的投资，我们会走向哪里？
从微调到长时运行 Agent
Chris（14:41）：我觉得最近有一个有意思的变化。人们不只是在寻找其他开放权重模型，而且开始认识到，尤其是现在模型越来越小、可以服务很多具体用途和边缘场景，企业可能需要重新训练模型，或者重新回到微调。
Chris（14:41）：我记得以前我们经常谈微调，后来模型变得足够好，很多组织就说，为什么还要做这个？直接拿一个模型来用，不用微调，也不用承担微调成本，效果已经够好了。
Chris（15:35）：现在我又听到很多人问，当我们同时从两个方向受到挤压时，应该怎么办？过去被说成不需要做、不需要参与的事情，似乎又绕了回来。大家重新开始讨论这些事情，我觉得很有意思。
Daniel（16:04）：我觉得这也会受到工具的推动。有 Unsloth 这样的平台，可以让你在 MacBook 上微调模型，并且更高效地运行。它也和我上次在你休假时录的那期节目有关，那期和 ZenML 团队聊了这些问题。
Daniel（16:04）：如果我们把 Agent 从笔记本上的个人助手，逐渐转移到云上，让它成为一个持续运行的 Agent，连续工作几个小时、几天，甚至几周，那么经济学就会发生变化。按用量付费的 API 端点，和一个运行 Agent 的小型自托管模型，成本结构会完全不同。
Chris（17:15）：我同意。但我认为我们正在越过这个阶段。当然，这也取决于行业、需求和具体要求。现在我关注的是，一些循环可能会包含数十万甚至数百万个 Agent。它们共同创造非常复杂的上下文和结果。
Chris（17:15）：如果你给 Agent 分配很多非常细的职责，并且每类职责都有自己的团队负责，再让它们大量互动，我认为这就是我们正在走向的方向。随着这种做法在各个行业变得普遍，你看到的会是一组能力。回到 IBM，这种大规模 Agent 实施，以及 Agent 运行 Agent 的方式，正在把我们带入一个新的世界。
Chris（17:15）：它会完全改变很多企业软件的价值主张，因为你突然拥有了一种能力，在很多情况下可以完成传统企业软件根本触及不到的事情。
Chris（18:40）：IBM 只是其中一家重要公司，其他行业里还有很多采用类似企业软件模式的公司，它们在不同程度上都面临风险。这个过程会继续在市场里展开。世界正在改变，运作范式正在发生很大的变化，由此产生的经济学也会逐渐显现。
Agent-to-Agent、MCP 与新的控制层
Chris（19:14）：所以，你看到一些高管已经意识到了一部分问题。也许他们还没有看到全部图景，但已经足够让他们说，我们需要花钱，需要把资本从这里移到那里。这也会影响员工。
Daniel（19:31）：作为一家软件公司的创始人，我当然相信未来仍然有软件的位置。但我想确认你刚才的判断。以 Prediction Guard 的方向为例，我们正在面向你说的 Agent 劳动力未来，也就是成千上万、几十万的 Agent，需要安全运行、受到治理，并且带有身份。
Daniel（19:31）：为了确认这不是很遥远的想象，过去几周，我们和一家已经运行 70,000 个 Agent 的公司聊过，也和另一家大约运行 6,000 个 Agent 的公司聊过。
Daniel（20:32）：很多人现在可能还只是在一对一地使用自己的编程 Agent，或者某个个人助手，所以企业基础设施里同时运行成千上万个 Agent，听起来可能很遥远。但我认为这不是五年后的事情，来得非常快。它也迫使软件供应商思考，应该怎样为这种变化做准备。
Daniel（20:32）：如果你有一家企业软件公司，客户已经使用你的产品很久了，无论是 IBM 这样的公司，还是规模更小的中型或垂直软件供应商，你要怎样把公司带进这个世界？什么策略会变得重要？
Daniel（21:39）：我看到有些公司采取了这样的办法：NetSuite 之类的产品向 AI 世界提供连接器。它们可能认为，自己的价值在于数据平台、数据组织方式和提供的功能，然后通过 MCP 把这些价值以 Agent 能理解的方式暴露出来。
Daniel（21:39）：另一类更垂直的软件公司可能会说，我们不把能力暴露出去，而是创建一组属于自己的专有 Agent，让这些 Agent 在客户需要的场景里运行，不和更通用的 Agent 生态紧密连接。你怎么看？是不是还有其他策略？
Chris（22:38）：我有一些想法。我认为未来的交互方式不会是传统界面，也就是人们熟悉的 GUI 和网页界面。早期互联网、云时代，甚至 AI 时代的早期阶段，我们都在通过 App 界面进行交互。
Chris（22:38）：但当 Agent 开始完成各种事情、彼此协作时，交互会以 Agent 的方式直接发生。你可以把它理解成某种 B2B，但更准确地说，是 Agent-to-Agent。不同系统之间的大多数交互，可能都会在没有人直接介入的情况下，以 Agent 方式发生。
Chris（23:39）：所以，如果你是 NetSuite 这样的公司，或者面临 IBM 那类问题的公司，你必须思考怎样从现在走向一个 Agent 被纳入业务交易的世界。业务交易可能在没有任何人打开 GUI 的情况下完成。
Chris（23:39）：这意味着你要设置权限，规定 Agent 能访问什么资源，还要配置不同部分的 MCP Server。这件事很复杂，但我认为这里存在一整类新行业机会：如何在大规模情况下管理 Agent、资源和 MCP。
Chris（24:44）：如果你是一名创业者，还没有关注这个方向，它是一个开放领域，而且我知道你的公司已经在处理其中很多问题。回到刚才的话题，这件事现在发生得非常快。
Chris（24:44）：几个月前，Loop Engineering 或 Agentic Engineering 还是行业里的热门词。最近大家开始谈 Loops，因为 Agent 被放进了循环。但明天可能又会超过 Loops。Loop 是很短暂的东西，因为整个领域变化太快了。
Chris（24:44）：我很确定，在今年结束之前，Loop Engineering 这个概念就可能因为后续演化而显得过时。如果你是企业负责人，应该先掌握眼前已经出现的东西，然后开始思考未来的 Agent 接口会是什么样。企业要从自己的业务角度，准备好迎接那些接口。
市场信号与人的位置
Daniel（25:53）：为了确保我们没有只拿一个数据点来讲故事，我刚才在你说话时看了一下。同一天 IBM 下跌时，Workday 似乎下跌了 10%，Salesforce 下跌 9%，ServiceNow 下跌 8%，Adobe 下跌 6%。它们似乎都在经历类似的动力。
Daniel（25:53）：上涨的是 NVIDIA、Intel 这类芯片供应商，因为大家又开始恐慌式购买硬件。这里也有很多和网络安全有关的干扰因素。一部分和硬件有关，更多可能和 Mythos 以及网络安全有关，大家会讨论 Agent 如何违反网络安全规则。这些注意力也可能盖过了人们对一般 SaaS 软件和企业软件的关注。
Daniel（27:13）：我只是想补充几个点。我希望我的 Agentic 研究能支持我们刚才的判断，而看起来它确实支持。
Chris（27:23）：我认为这些都是很好的补充。企业软件公司正在承压，因为人们开始意识到事情已经发生，而不是未来才会发生。
Chris（27:23）：我认为还需要重新思考人如何进入这套方程式。我不认为人没有位置，但未来的位置会非常不同。
Chris（27:59）：试图守住旧角色不是最好的策略。更好的方向是保持创造力。我经常和一些人讨论，他们还在抓住过去不放，不愿意让它离开，因为那是他们熟悉、也最舒服的东西。
Chris（28:19）：我今天早上看到 George Lucas 的一句话。他说，如果你没有真正跟上 Agent 的变化，就像汽车出现的年代还抓着马车不放。我认为这种情况仍然很常见，尤其是和我年纪相近的人，他们看着世界很快从脚下变走。
Chris（28:19）：我认为正确的策略，是承认 Agent 真正擅长什么。我们也在看到 Mythos、Fable 这样的最新一代系统，它们能够完成一些人类做不到的事情，尤其是 Mythos 在网络安全方面的能力。你应该接受这个变化，承认它不会消失，然后寻找自己可以参与的地方。
Chris（29:07）：接下来我还会继续探索这些想法。如果最终真的写些什么，我会进一步展开。不过，现在世界变化得非常快，比过去任何时候都快。它比一年前加速得更多。所以现在是一个适合人们稍微自我反思的时刻。
Global Workspace、功能能力与意识问题
Daniel（29:34）：这可能要留到另一期节目，等我们完成完整研究后再聊。你刚才说到事情发展得很快，Anthropic 最近发布了一篇论文，题目是《语言模型中的可言说表征形成全局工作空间》。这是一串很长的词，但它讨论了模型里的某些意识形式、访问方式、涌现行为，以及理解是怎样在模型中被表示的。
Daniel（29:34）：一旦开始讨论什么是认知、什么是意识、意识有哪些类型、哪些东西可以被纳入模型、模型到底理解了什么，意见会变得非常多。不同人会有非常不同的判断。
Daniel（30:34）：无论你对意识和认知的看法是什么，我对这篇论文的理解是，模型拥有一种功能上的能力，而且这种能力在提高：它们可以路由信息，也可以报告信息。这不意味着模型一定有感受、情绪或其他形式的意识，但它们确实拥有路由和报告信息的能力，而这显然和我们正在看到的 Agent 转型有关。未来我们可能还会继续讨论。
Chris（31:21）：我觉得你提到的论文指出了一件事：Anthropic 注意到，模型正在创建他们称作工作空间的东西。这个工作空间承担的功能，和人类大脑里的工作记忆有些相似。
Chris（31:21）：这里有一个很大的问题。关于意识，人们分成两边。一边说这不是意识，另一边会问，如果是呢？我想说的是，遗憾的是，我们从来没有一个被广泛接受的、统一的意识定义。这一点需要先说清楚。
Chris（32:08）：但还有一个问题：如果模型根据自己的行为实现了某种结果，看起来完成了某种结果，但它实现结果的方式和我们传统上认为的方式完全不同，我们是否愿意接受它？
Chris（32:08）：如果你试图用哺乳动物大脑的工作方式来定义意识，或者定义它实现功能的方式，你是否愿意承认，还存在另外的路径？如果一个系统在某项任务上到达了相同类型的结果，和这个任务相关的部分功能是否可以被认为是合法的相似？这就是现在的争论。
Chris（32:08）：有人坚持非常严格、非常狭窄的定义，通常是从传统神经科学角度出发；也有人会说，如果它在功能上到达了同一个地方，不是完整意识，但具备一些可能促成意识的能力，这算不算？这里存在一些关于什么才算合法的哲学争论。我觉得很有意思。
Chris（33:17）：如果一些涌现性质最终以完全不同于我们预期的方式出现，我也不会感到意外。某种我们从没预料到的东西，可能会为最终想要的结果贡献力量。我对事情可以怎样发生，保持开放态度。
Daniel（33:37）：我也喜欢这个方向。其实这是我们的一位客户提出的建议。公司通常会围绕一套 Agent 架构来思考，但也可以从结果的层面来想：我们要怎样达成某个结果？需要什么样的人类输入？我们部署的 Agent 系统有哪些可能性？
Daniel（33:37）：我觉得，从结果的层面思考非常有用。Chris，我对这次讨论的结果挺满意的。你觉得呢？
Chris（34:20）：这是一次愉快的对话。
Daniel（34:21）：我也觉得是一次很好的对话。
Chris（34:21）：对听众来说，这些节目完全没有脚本。只是我们两个人聊天。所以今天这期不错，也给了我很多接下来继续思考的东西。
Chris（34:38）：希望大家能在社交媒体、YouTube 和其他找到我们的地方和我们互动。告诉我们你的反馈，也告诉我们你对这些问题的看法。我们很希望听到大家对这些内容的见解。
Daniel（34:52）：当然。祝你今天愉快，Chris。我们很快再见。
Chris（34:54）：保重。
结尾播报
旁白（35:00）：好了，这就是本周的节目。如果你还没有访问我们的网站，请前往 practicalai.fm，也欢迎在 LinkedIn、X 或 Blue Sky 上关注我们。你会看到我们发布和最新 AI 发展相关的洞察，我们很希望你加入讨论。感谢我们的合作伙伴 Prediction Guard 为节目提供运营支持。
旁白（35:20）：你可以在 predictionguard.com 了解他们。也感谢 Breakmaster Cylinder 提供音乐，感谢你收听节目。暂时就到这里，下周再见。
댓글
로그인하면 댓글을 작성할 수 있습니다.