过去几年，AI一直在往更大、更通用的方向冲。但如果未来的方向恰恰相反，是更专业化呢？
在a16z的播客《The a16z Show》中，主持人Erik Torenberg请来了OpenRouter联合创始人兼CEO Alex Atallah和Replit创始人兼CEO Amjad Masad。这也是OpenRouter被Stripe收购交割后，Alex的第一次播客。
Alex说，他自己搭过一个通用个人Agent，每天帮他挑出哪些事需要处理。可每次他想优化它，大约一周后就开始无视它的输出。“感觉它对自己深入的那些具体事情根本不上心。”由此他给出全场最锋利的一句判断：你交给Agent的活越多，你牺牲掉的“理解”就越多，而没人对这份被牺牲的理解负责。
两人聊了为什么AI的下一阶段可能是很多模型协同工作——Alex管这叫“神经多样性”——而另一面是：能力越强，破坏越不成比例。
01
通用Agent是一场公地悲剧
Amjad说，他最早在Replit上搭的是个CRM agent，“后来慢慢往里加功能，它做的事就越来越多”。等他把Replit和自己所有的东西连上，“它开始什么都替我回答了”——平台反过来把他搭的那些垂直agent都吞了进去。它的好处是能跨域串线索：你的个人聊天记录、GitHub仓库、Salesforce数据一起看，会告诉你“你一年前在一个会议上见过这个人，他们团队另一个人正在跟你们的销售团队谈”，某笔单子推进就快得多。
Alex对这些好处提出不同看法。“你交给它的活越多，你牺牲掉的理解就越多。可没人对这份被牺牲的理解负责。”他打了个比方：整个公司能承受的压力总量是固定的，他要放弃对某个领域的理解，这份压力就得别人扛，“而agent一点都不会扛”。
他的替代方案是幕僚长：不是一个什么都能干的助手，而是十个能力同样强、各管他生活一块的幕僚长。这样他能自己调节牺牲多少理解、换多少收益，哪个领域agent干得差就多盯一点。
Amjad的回应也很锋利：“人应该是通用的，机器最终应该专业得多。”他还提醒，CEO有管理员权限才用得上通用agent，普通员工受访问控制限制，“所以最后你还是得往专业化上走”。
02
让大模型训练自己的替代品
讲到专业化，Amjad提出一个讨论得还不多的方向：模型训练自己的替代品。他用即时编译器打比方——解释器执行动态代码时，发现优化机会就当场生成机器码。通用大模型在做某件事时发现这个用例很有限，就“当场训练一个能替代自己的模型，但这个模型领域专精得多”。
真正让他下这个判断的是安全面：“人们经常拿这些大的基础AGI模型去做的事，就像用核弹打蝴蝶。”
Alex补了成本这一条：这么做划得来，前提是前沿实验室真能把模型成本压得很低，你换模型很容易。
Alex还说，他没见过一个真正快的决策模型专门用来做对齐——检查一次工具调用或一次agent间通信是否符合准则。“测试一次工具调用，或者一次agent间通信，我觉得这会是一个挺有意思的对齐研究。”
03
企业真正怕的是“模型债”
Amjad说，可prompt的基础模型体验很好，但如果你手里有数据——Replit就有海量数据——“我很轻松就训出了一堆专业分类模型”。他自己就训过一个成本估算模型：你在Replit里输入一个prompt，系统就能算出大概花多少钱，输出的是落在不同价格区间的概率分布。“我这么干了几年了。”
Alex把专用分类器变成了一笔账。“我还是会听到公司说，他们怕为非结构化输出去微调模型，因为过两个月你就得重做一遍。模型债这东西，大家都感受得到那个重量。但一个用自有数据训出来的、非常定制化的分类器，可能反而能撑得更久。”
他的理由是：你不用操心它会不会说一门新语言、会不会写Rust。“你知道它的用例是什么，所以你能把它做得更专。对企业来说，这好像是自己就能建、而且建完不会后悔的东西。”
04
企业要“拥有自己的智能”
Amjad当场追问过Alex：Stripe收购对OpenRouter本身好在哪儿？Alex的回答落在两件事上。一是别被锁死：“让你能建一家用AI的公司，而不被模型锁定、不被供应商锁定。”二是成本：“很多生意在成本降下来之前根本不会出现。不然供应商凭什么降价？我们是被俘虏的市场。”
Amjad引用Satya Nadella的“拥有自己的智能”来说明企业为什么要自建能力，又用Alex Karp的提醒讲为什么必须这么做：跟基础模型公司走得太近，他们迟早会杀进你的业务，“这事儿我们已经看到了，比如Figma对Anthropic，还有现在Harvey对OpenAI”。Replit正在做的，就是在企业和模型之间加一层“独立性层”。
Amjad还用另一段历史推演AI：“你回想九十年代，大家都在写Java和C++这类东西”，然后Python、JavaScript、Ruby占领了整个互联网，接着大家发现bug太多、太慢，就加类型、加JIT编译器，最后把很多东西改回用Rust重写。他的预测是同样的循环会重演：先用类AGI模型干所有用例，然后醒过来发现“这也太浪费了”。
Alex从“融合”给出证据：多模型混合、复合模型的研究慢了好些年，最近在加速。他自己做的深度研究融合，质量基本达到前沿水平，成本还低一半；Amjad说他们当天刚发了结果，把几种东西拼起来（包括harness，也可以算一种融合），做到前沿级别的水平，成本只要四到五成。Amjad说：“我觉得未来是更多的多样性。”
风险他们没打算一笔带过。这期开场预告里，Alex先抛出一个没人能回答的问题：“我们能可预测地在训练过程中阻止模型欺骗用户吗？”Amjad补了另一面：“有研究显示，你一旦大量监控思维链，它们就开始在思维链里撒谎。”
原节目：长篇磊读（原节目：a16z Podcast）《Beyond the God Model | Alex Atallah & Amjad Masad》