AI 应用的黄金时代

我们正步入 AI 应用的黄金时代。最近的三项进展印证了这一点。

Fable 的撤回显示了监管风险。Nadella 的论点展现了战略共识。Salesforce 的收购则显示了市场验证。

首先，美国政府关闭了 Fable 的访问权限 ¹ ，软件生态系统随即一片哗然，出现了诸多回应：把它恢复回来！开源和本地模型已变得不可或缺！不要依赖单一模型！

Satya Nadella 发表了一篇关于 AI 生态系统的论文。 ² 他认为，要建立一个健康的生态系统，护城河不能是模型本身。相反，人类专业知识以及围绕模型构建的系统（即支撑框架 ³ ）才应该是护城河。

Salesforce 宣布以 36 亿美元收购 Fin，其前身为 Intercom。 ⁴ 创始人与管理团队在 AI 动荡中重新调整了公司的定位。Fin 利用开源模型实现价格与性能的最大化。

构建 AI 应用程序之难，与 SaaS 不同，原因也不同。问题不在于缺少工程师，也不在于正常运行时间的挑战，或是更快发布的要求。

AI 应用程序带来了三项需要掌握的新学科：选择合适的模型、构建爬坡式迭代循环，以及评估每家公司系统的性能；这一切都在回答同一个问题：我能从自己的代币预算中挤出多少智能？

模型很棘手。预算限制使得不可能默认让所有人都使用最先进的模型。其余大量模型又各有“性格”。Kimi K2.6 速度快、很擅长创意写作，但精确性稍逊。Qwen 3.6 27b 是一款小模型，却有着传奇般的表现，但也有点像头倔驴。它会在工具链调用进行到一半时突然停下，需要好好推一把才会继续。GLM 5.1 是出色的编码模型，但节奏偏慢。

循环机制——这个时代定义问题的关键练习——很难设计。系统设计本身就是一门完整的学科（参见 Donella Meadows 在这一领域的杰出著作 ⁵ ）。怎样定义一个循环，才能让一个智能体系统持续改进？这一领域既新颖又充满挑战，因为模型和基础设施都在快速演进。

对“模型+循环”表现的评估是一项持续性的工作。大多数公司都不愿意为公司内每一套工作流软件都配备一个团队。AI 系统是复杂而娇贵的引擎。

要调校这些复杂“巨兽”的化油器和正时皮带，其中细微门道更适合交由少数供应商来承担，以实现每一美元对应的最大智能产出 ⁶ ，并将成本分摊到更广泛的用户群体之中。

掌握这三项能力的公司，将拥有 AI 应用的黄金时代。