真正在做 AI 的人今天说了什么。一页读完，约 5 分钟。
今天有两个观点占了主场，而且指向同一个方向：Aaron Levie 说全世界 99% 的 token 都会消耗在企业内部，而普及要花上好几年，因为工作流得推倒重建；Meta 的 Madhu Guru 则认为落地慢是因为产品到今天还要求用户先学会一套实验室黑话，才能真正把事办成。Jeff Dean 从 Google 离职的消息就砸在这中间。今天最好的一篇长文观点是：下一个爆款消费级 AI 产品不会是一个更好用的输入框，而会是多人在线的。
全世界 99% 的 token 都会消耗在企业内部
Levie 的判断是：绝大部分 token 都会烧在企业场景里，用来写代码、梳理生命科学研究、做制造业自动化、给公司做安全防护、识别欺诈。这些地方最容易算得清 inference 的成本账，也最能体现一堆 agent 并行替你干活的价值。就算是面向消费者的 agent，多数也会包装成端到端的服务出现，比如更快的保险理赔、更快的银行开户，用户那头根本看不见 AI 的影子。他补的那句提醒才是重点：普及需要好几年，因为工作流要围绕 agent 重做一遍，所以指望这事一夜之间发生的人，该改改自己的时间表了。
AI 落地慢，是因为我们逼着用户学实验室黑话
瓶颈不在能力，而在于我们甩给用户一个空白窗口，让他自己写 prompt、选模型、判断要不要用 agent，还得莫名其妙地搞懂什么是 context window、reasoning、MCP、memory 和 skills。大多数人根本不在乎这些。他们只想把一件事办完，谁能给他们这个，谁就赢。他判断，这样一款把所有复杂度都藏起来的突破性产品会在 12 个月内出现。他还回忆了 Gemini 时期的 Jeff Dean，说那是他共事过最接地气的高管：一场技术深水区的讨论里，他本没什么立场发表意见，Jeff Dean 却愿意把他的话完整听完。
下一个消费级 AI 赢家会是多人产品，而不是又一个输入框
消费级计算的主角一直在从技术极强的创始人，滑向产品天才。Google 有 95% 是后端魔法，Facebook 的技术含量比 Google 低、比 Friendster 高，到了 Pinterest、Snap 和 Instagram 这一代，CEO 已经完全不是技术出身。AI 现在还停在自己的 Google 阶段，ChatGPT 顽固地是个单人产品，重度用户把自己的 custom instructions 当成民间秘方藏着掖着。说到 custom GPTs，Benchmark 的 Sarah 毫不客气：“我觉得这简直是犯罪，做出它的团队能力强得离谱，可这东西一点社交性都没有。”缺的是身份感和信任：你能看到有 3,000 人用过某个人的 GPT，却永远看不到里面的 prompt 和文档，所以没人有理由去关注任何人。
Jeff Dean 要离开 Google，外加一份 AI 下一批热词预测
Jeff Dean 从 Google 离职、Nikita 从 X 离职，用他的话说，这是回旧金山最灾难的一天。他的另一项贡献是列了一份观察名单，预测接下来 6 到 9 个月会被用滥的词：out of distribution、control plane、unverifiable fields、rails、intelligence per watt、cope 和 angst。有些已经在流传了，他赌的是出现频率会飙升。
Google 在编程上落后，Demis 却押注 world model
Shipper 对 Google 处境的解读：要在今天保持竞争力，它必须在前沿编程能力上追回来；但 Demis 认为，world model 这类不同的基础研究方向对他的长期目标更重要，哪怕它们眼下在竞争层面没那么关键。这看上去是一次有意的取舍，而不是疏忽。
一万个 agent 并发、每分钟 5,000 个 CPU 核，配额还能再提
Rauch 在推销一种近乎无限的 agent 算力：10,000 个并发运行，外加每分钟 5,000 个 CPU 核，而且这些配额还能往上调。另外，他给机器智能定的标准是搞笑能力：写出一条爆款推文属于 AGI 完全问题，如果你能证明某个模型可以在多项式时间内做到，那你就把整类 AGI 问题都解决了。
一个粗糙的多 agent 调度器：任务跑完自己回个话
多 agent 的近期未来，粗糙版本长这样：让一个线程在跑完后主动回个话，你就得到了一张隐式的看板或者瀑布图，上面是彼此依赖的线程，每个 agent 各自保留自己的工作成果。目前还没有工具把这件事做好，但你现在就能在大多数编程 agent 里手动拼出来。他想要的是给这个模式配一个真正的界面。
一个 /human-review skill，给 agent 的草稿开一个可视化编辑器
给 Codex 和 Claude Code 写的新 skill：输入 /human-review 加上文档名，就会打开一个可视化编辑器，你可以直接改文字和排版、调整图片大小，还能像在 Google Doc 里写批注那样给 AI 留反馈。点一下发送给 agent，它会把所有修改一次性应用上。这个 skill 是为 PRD、落地页以及其他 HTML 或 Markdown 文件做的，前提假设是：最后 10% 的打磨还是得靠人，而不是再让 agent 跑一遍。
只要产出足够好，AI 检测就不重要了
他用一个类比来看待围绕 AI 检测的这波焦虑：银餐具从前都是手工打的，可现在没人会抱怨自己那把餐叉是机器冲压出来的。真正要紧的是想法本身的质量，是大家能吃上饭。他在等模型好到某个程度，让整个检测生意变得毫无意义。
源数据来自 zarazhangrui 的开源项目 follow-builders，以 MIT 许可发布。摘要由 LLM 基于该项目的公开 feed 生成，摘要 prompt 亦改编自该项目。上面每一条都链接到原始出处。
摘要由程序自动生成。据此做判断前请先看原文。