AI構建者摘要

五年後，企業裡 90% 的 token 會來自沒人開口要過的活

最值得反向下注的判斷，是「一兩家實驗室拿走 AI 95% 的價值」。模型聰明從來不是瓶頸：真實的工作流需要打通資料、需要 human-in-the-loop 的節點、需要 agent 在等待中空轉、需要變更管理，還要面對一堆沒人現代化過的老系統，而沒有哪家研究機構願意去啃這份清單。實驗室對 token 的補貼是暫時的，公開市場最終會把同一套資本主義規律套到所有人頭上；而 Meta、中國廠商、NVIDIA 這類不以盈利為先的玩家，很樂意用 10% 的毛利跑推理，無論走哪條路，價值都會被推到應用層。最鋒利的一句預測是：「我敢賭，五年之後，企業裡 90% 的 token 都來自使用者從沒啟動過的任務，他們只是看到了一個結果。」至於為什麼 coding 瞬間擴散、別的領域卻沒有：程式碼的全部價值就是一個人在電腦上敲出來的文字，這批使用者會自己 debug MCP 報錯而不是打電話給 IT，而知識工作里根本沒有「把你的 GitHub 連上就行」這種等價物。

• #agents
• #enterprise
• #open-source

一個輸出機率而不是詞的模型，成本只有前沿 judge 的 1/600

Every 幾乎從不測試新的基礎模型，而這一個他們已經跑了大概一週。它的輸出不是詞，是機率，這讓它能在原本需要 Fable 級別模型的場景裡充當 judge。測下來快 25 倍、便宜 600 倍。他的判斷是：這類東西放到 6 到 12 個月後看，會顯得理所當然、不可或缺。

• #evals
• #products

模型越強，應用層 AI 反而越不可或缺

模型能做的事和企業真正想自動化的工作流之間隔著一道巨大的鴻溝，填平它意味著把智慧接進工作流、重新設計流程、聚合 context、搭出 human-in-the-loop 的節點、跑領域專屬的 evals，還要管住安全與治理。反直覺的地方在於，模型越強，這一層越重要而不是越沒用：能力更強意味著有人會去嘗試更復雜的任務，而一旦這些銜接工作做得糟糕，代價也被同步放大。他預計這一層會在每一個垂直和橫向品類裡長出來。

• #agents
• #enterprise

Profound 完成 1.8 億美元 D 輪，估值 18 億美元，財富 100 強裡三分之一已是客戶

本輪由 Sequoia 和 Kleiner Perkins 聯合領投，Lightspeed、Khosla、Saga、Evantic 和 SPC 跟投。更有意思的是起點：兩位創始人在 SPC 認識，一個是 Uber 地圖團隊的工程師，一個是沒有大學學歷的創業者，兩人手裡都沒帶著這個 idea 來。先有的搭檔關係，後有的公司。「我們不是找到了這家公司，我們是看著它長出來的。」

• #funding
• #products

Vercel Labs 正式對外，以及把模型選擇藏起來其實是在坑客戶

Vercel Labs 現在是公司公開做研究和實驗的正式歸口，包括那些最後沒成的嘗試。另外他對模型抽象給出了一個很硬的立場：未來是多模型的，試圖把選擇權藏起來只會讓客戶困惑，既擋住他們參與這個時代最精彩的市場競爭的紅利，也擋住他們為具體任務掌握最趁手的工具。他還提到 Safari 27 支援了 JSPI，同步的原生 WebAssembly 程式碼可以在一個 async Promise 上掛起；他預期隨著越來越多程式碼走向原生，WebAssembly 會扮演極重的角色。

• #products
• #open-source

出乎意料：大多數整合場景下，MCP 現在已經贏過 CLI

他說這個反轉是他沒料到的。模型的 tool calling 能力好了很多，工具可以延遲載入，MCP 現在也是無狀態的，CLI 過去贏的那幾條理由都不成立了。給開發者的實操建議是：如果你需要組合或過濾資料，給自己的 MCP 工具加上 query 這類引數，而不是轉頭去找 CLI。

• #agents
• #open-source

Salesforce 版 Claude 進入 beta，內建 37 個銷售 skill

客戶、商機和 pipeline 現在都在 Claude 裡。37 個預置的銷售 skill 覆蓋了準備一通電話、覆盤一個 deal、搭一塊 pipeline 看板、發一份預測，全程不用離開對話。

• #products
• #enterprise

裝機量破 90 萬後，Claude for Small Business 新增 43 個工作流和 27 個整合

新接入的聯結器包括 Shopify、Salesforce、TikTok、Atlassian、Zoom、Xero、Gusto、Square、Stripe 和 Zapier。這次釋出的依據來自春季巡迴中店主們提的需求：10 座城市、1000 多位店主里約有三分之一想要的是把生意做大，而不是打理後臺，具體就是獲客、回覆上門諮詢、寫提案。巡迴今年秋天繼續，在美國 10 座城市開免費工作坊，150 多位認證講師會辦 750 多場社群工作坊，14 家整合夥伴提供免費線上講座。一位店主說，靠 Claude 寫的提案，六週做了兩萬美元。

• #products
• #enterprise

Gemini Notebook 支援約 100 種語言的語音問答，課堂錄音自動入庫

學生現在可以用大約 100 種語言，跟自己的課程材料做實時的語音一問一答。第二個新增是隨走隨錄，上課和記筆記的音訊會自動存進你選定的 notebook。大學生在 140 多個國家仍可免費領取 Google AI Plan，拿到更高的額度和更多 Google 產品的使用權。

• #products
• #education

同樣的前沿模型，加一層 harness 就把 agent 的修復輪次壓到一半時間

用 capy.ai 配上 GStack 和 GBrain 跑一批積壓的 issue 和 PR，耗時大約是裸用 Codex 或 Claude Code 幹一天活的一半，底層用的是同一批前沿模型。他的原話是 amazed。在另一條互動裡，他還說 Muse 大機率會是贏家。

• #agents
• #products

太多創始人預設下一輪一定融得到

資本是加速的武器，用得好能讓你無人可敵，但一旦形成依賴，一次普通的下行就會變成大麻煩。他給被投創始人的建議是：先找出那條能保證公司作為一門自負盈虧的生意活下來的預設路徑，然後分別推演資本充裕和完全沒有資本各自會把這門生意變成什麼樣。未來 6 到 18 個月資本市場怎麼走，沒人知道。

• #funding

AI 的命名詛咒：safety 公司讓 AI 更不安全，effective altruists 兩頭都不沾

他直接開火，說這個行業給自己起的名字有多離譜：一家「AI Safety」公司把 AI 弄得更不安全；他口中的 effective altruists 既不 effective，還在為犯罪活動提供便利；一家叫 Irregular 的公司，他說它是 regularly 地無能。技術層面他拋了一個尖銳的問題：如果輸出域事先就是已知的，為什麼不乾脆訓練一個模型直接在 enum 上輸出 logprobs？

• #policy
• #evals

先按自己喜歡的活來設計一人公司，剩下的丟給 bot

全職做這件事三個月，他的建議是：總會有更賺錢的選擇，但如果那些選擇讓你去幹自己不喜歡的活，你當初單幹的意義就沒了。無聊的活交給 bot，或者乾脆別做。他還整理了大家投稿的幾個亮眼 agent 用例：監控幾百個廣告賬戶，抓出壞掉的註冊和支付流程；盯著 Jira 標出阻塞項並起草每週狀態彙報；帶著升級上下文分診支援工單；定期跑一遍酒店的預訂流程，讓網站報錯能被及時發現。

• #agents
• #products