AI构建者摘要

五年后，企业里 90% 的 token 会来自没人开口要过的活

最值得反向下注的判断，是「一两家实验室拿走 AI 95% 的价值」。模型聪明从来不是瓶颈：真实的工作流需要打通数据、需要 human-in-the-loop 的节点、需要 agent 在等待中空转、需要变更管理，还要面对一堆没人现代化过的老系统，而没有哪家研究机构愿意去啃这份清单。实验室对 token 的补贴是暂时的，公开市场最终会把同一套资本主义规律套到所有人头上；而 Meta、中国厂商、NVIDIA 这类不以盈利为先的玩家，很乐意用 10% 的毛利跑推理，无论走哪条路，价值都会被推到应用层。最锋利的一句预测是：「我敢赌，五年之后，企业里 90% 的 token 都来自用户从没启动过的任务，他们只是看到了一个结果。」至于为什么 coding 瞬间扩散、别的领域却没有：代码的全部价值就是一个人在电脑上敲出来的文本，这批用户会自己 debug MCP 报错而不是打电话给 IT，而知识工作里根本没有「把你的 GitHub 连上就行」这种等价物。

• #agents
• #enterprise
• #open-source

一个输出概率而不是词的模型，成本只有前沿 judge 的 1/600

Every 几乎从不测试新的基础模型，而这一个他们已经跑了大概一周。它的输出不是词，是概率，这让它能在原本需要 Fable 级别模型的场景里充当 judge。测下来快 25 倍、便宜 600 倍。他的判断是：这类东西放到 6 到 12 个月后看，会显得理所当然、不可或缺。

• #evals
• #products

模型越强，应用层 AI 反而越不可或缺

模型能做的事和企业真正想自动化的工作流之间隔着一道巨大的鸿沟，填平它意味着把智能接进工作流、重新设计流程、聚合 context、搭出 human-in-the-loop 的节点、跑领域专属的 evals，还要管住安全与治理。反直觉的地方在于，模型越强，这一层越重要而不是越没用：能力更强意味着有人会去尝试更复杂的任务，而一旦这些衔接工作做得糟糕，代价也被同步放大。他预计这一层会在每一个垂直和横向品类里长出来。

• #agents
• #enterprise

Profound 完成 1.8 亿美元 D 轮，估值 18 亿美元，财富 100 强里三分之一已是客户

本轮由 Sequoia 和 Kleiner Perkins 联合领投，Lightspeed、Khosla、Saga、Evantic 和 SPC 跟投。更有意思的是起点：两位创始人在 SPC 认识，一个是 Uber 地图团队的工程师，一个是没有大学学历的创业者，两人手里都没带着这个 idea 来。先有的搭档关系，后有的公司。「我们不是找到了这家公司，我们是看着它长出来的。」

• #funding
• #products

Vercel Labs 正式对外，以及把模型选择藏起来其实是在坑客户

Vercel Labs 现在是公司公开做研究和实验的正式归口，包括那些最后没成的尝试。另外他对模型抽象给出了一个很硬的立场：未来是多模型的，试图把选择权藏起来只会让客户困惑，既挡住他们参与这个时代最精彩的市场竞争的红利，也挡住他们为具体任务掌握最趁手的工具。他还提到 Safari 27 支持了 JSPI，同步的原生 WebAssembly 代码可以在一个 async Promise 上挂起；他预期随着越来越多代码走向原生，WebAssembly 会扮演极重的角色。

• #products
• #open-source

出乎意料：大多数集成场景下，MCP 现在已经赢过 CLI

他说这个反转是他没料到的。模型的 tool calling 能力好了很多，工具可以延迟加载，MCP 现在也是无状态的，CLI 过去赢的那几条理由都不成立了。给开发者的实操建议是：如果你需要组合或过滤数据，给自己的 MCP 工具加上 query 这类参数，而不是转头去找 CLI。

• #agents
• #open-source

Salesforce 版 Claude 进入 beta，内置 37 个销售 skill

客户、商机和 pipeline 现在都在 Claude 里。37 个预置的销售 skill 覆盖了准备一通电话、复盘一个 deal、搭一块 pipeline 看板、发一份预测，全程不用离开对话。

• #products
• #enterprise

装机量破 90 万后，Claude for Small Business 新增 43 个工作流和 27 个集成

新接入的连接器包括 Shopify、Salesforce、TikTok、Atlassian、Zoom、Xero、Gusto、Square、Stripe 和 Zapier。这次发布的依据来自春季巡回中店主们提的需求：10 座城市、1000 多位店主里约有三分之一想要的是把生意做大，而不是打理后台，具体就是获客、回复上门咨询、写提案。巡回今年秋天继续，在美国 10 座城市开免费工作坊，150 多位认证讲师会办 750 多场社区工作坊，14 家集成伙伴提供免费线上讲座。一位店主说，靠 Claude 写的提案，六周做了两万美元。

• #products
• #enterprise

Gemini Notebook 支持约 100 种语言的语音问答，课堂录音自动入库

学生现在可以用大约 100 种语言，跟自己的课程材料做实时的语音一问一答。第二个新增是随走随录，上课和记笔记的音频会自动存进你选定的 notebook。大学生在 140 多个国家仍可免费领取 Google AI Plan，拿到更高的额度和更多 Google 产品的使用权。

• #products
• #education

同样的前沿模型，加一层 harness 就把 agent 的修复轮次压到一半时间

用 capy.ai 配上 GStack 和 GBrain 跑一批积压的 issue 和 PR，耗时大约是裸用 Codex 或 Claude Code 干一天活的一半，底层用的是同一批前沿模型。他的原话是 amazed。在另一条互动里，他还说 Muse 大概率会是赢家。

• #agents
• #products

太多创始人默认下一轮一定融得到

资本是加速的武器，用得好能让你无人可敌，但一旦形成依赖，一次普通的下行就会变成大麻烦。他给被投创始人的建议是：先找出那条能保证公司作为一门自负盈亏的生意活下来的默认路径，然后分别推演资本充裕和完全没有资本各自会把这门生意变成什么样。未来 6 到 18 个月资本市场怎么走，没人知道。

• #funding

AI 的命名诅咒：safety 公司让 AI 更不安全，effective altruists 两头都不沾

他直接开火，说这个行业给自己起的名字有多离谱：一家「AI Safety」公司把 AI 弄得更不安全；他口中的 effective altruists 既不 effective，还在为犯罪活动提供便利；一家叫 Irregular 的公司，他说它是 regularly 地无能。技术层面他抛了一个尖锐的问题：如果输出域事先就是已知的，为什么不干脆训练一个模型直接在 enum 上输出 logprobs？

• #policy
• #evals

先按自己喜欢的活来设计一人公司，剩下的丢给 bot

全职做这件事三个月，他的建议是：总会有更赚钱的选择，但如果那些选择让你去干自己不喜欢的活，你当初单干的意义就没了。无聊的活交给 bot，或者干脆别做。他还整理了大家投稿的几个亮眼 agent 用例：监控几百个广告账户，抓出坏掉的注册和支付流程；盯着 Jira 标出阻塞项并起草每周状态汇报；带着升级上下文分诊支持工单；定期跑一遍酒店的预订流程，让网站报错能被及时发现。

• #agents
• #products