10 个关键问题 Q&A
-
Q：什么是 AI 迷雾？ A：早年大模型迭代速度远超半年以上规划，不确定性高，产品团队很难对齐长期愿景。 -
Q：文章说的拐点是什么时间？发生了什么？ A：今年 8 月，前沿模型能力饱和绝大多数知识工作，日常工作中新模型升级体感差距变小。 -
Q：GPT‑6 很强，为什么作者日常工作感受不到明显提升？ A：作者的知识工作需求已经被前沿模型能力覆盖，模型增量落在数学、科研等前沿领域。 -
Q：三大核心推论是什么？ A：智能快速商品化；价值转移到产品层；AI 迷雾消散，支持长期规划。 -
Q：开源模型预计何时追上知识工作级能力？ A：2027 年 2 月，开源滞后前沿约 6 个月。 -
Q：现在 Agent 效果差，主要原因是模型不够聪明吗？ A：不是，大多是缺少上下文、缺少配套工具，属于产品问题而非基础模型问题。 -
Q：为什么不能长期绑定单一一家大模型服务商？ A：智能会快速商品化，锁定单一底座类似工厂只能接一家能源，失去成本与弹性优势。 -
Q：当前 Agent 协作模式有什么短板？ A：依托 Notion、文档等传统界面，不支持长周期、跨部门协同引导，本地运行 Agent 也有局限。 -
Q：文中提到的两类代表性替代产品形态是什么？ A：Frames（Agent 可视化载体替代 PPT）、Agent 托管业务应用替代表格与 Notion 数据库。 -
Q：前沿模型还有价值吗，未来价值在哪？ A：依然有重大价值，主攻基础科学突破、新药、新理论，影响地缘竞争；普通商业竞争看产品。 附录 《AI 迷雾的终结》(The end of the Fog of AI)
多年来，所有 AI 产品路线图的生命周期都十分短暂：模型能力迭代的速度，远超任何一份以 6 个月以上为周期的规划。我将这种现象称为AI 迷雾（the fog of AI）。这对产品团队是实实在在的难题 —— 相比 AI 时代之前的科技公司，AI 领域更难对齐长期愿景。
但情况已经发生改变。
从今年 8 月起，前沿大模型已经完全覆盖知识类工作的能力需求。从 GPT‑5.6 升级到 GPT‑6 就是这个转折点。作为一名热衷于形式化数学与自动形式化证明的人，GPT‑6 相对 GPT‑5.6 是一次巨大飞跃，完全是另一个层级。但作为软件工程师，我们在日常工作中几乎感受不到这种差别。
GPT‑6 在绝大多数任务上的表现确实优于 GPT‑5.6，但体感差异不大，是因为我的日常工作早已被前沿模型的能力所饱和。简单来讲：前沿模型的能力已经溢出了绝大多数知识工作的需求；往后，在日常工作场景里，新模型带来的实际体验差距会变得微乎其微。
这并不是说前沿模型就失去了价值。它们会助力我们发现新物理规律、新数学理论、研发新的治疗方案，拥有把社会推进到曾经只存在于幻想之中的潜力。但这属于科学层面的替代与加速，而非支撑我们经济运转的、大多数普通人从事的日常工作。
与此同时，达到同等能力水平模型的成本持续下降（详细数据分析见引用链接 [0]）。
具备经济生产价值的智能，成本正在趋近于零，并且供给会变得极其充裕。
由此引出三个重要推论：
补充思考：
当知识工作级别的智能彻底商品化，而前沿模型还在继续飞速突破，各大 AI 实验室的估值会走向何方，这里存在很多深刻疑问。在这样的世界里，Anthropic、OpenAI 达到 2 万亿美元估值是有逻辑支撑的：前沿模型会重塑地缘政治，推动整片大陆的发展。但接下来值得警惕的是自我迭代能力——OpenAI 和 Anthropic 一直在暗示自我迭代近在眼前。AI 实验室会不会在实现自我迭代之前收紧技术封锁，阻止开源追上？倘若自我迭代能力也被商品化，那么竞争就只剩下能源与推理算力。局势充满变数，未来走向尚不清晰。还是要感谢 OpenAI 与 Anthropic，烧掉数十亿美元，近乎免费地向世界交付了 AGI [1]。
那么当下还有哪些问题尚未解决？
-
智能将快速商品化
开源模型相比前沿闭源模型大约滞后 6 个月。如果前沿模型在今年 8 月就已经饱和知识工作，那么开源模型将在2027 年 2 月达到同等水平。在此之后，智能供给充足，不同模型之间的差距几乎可以忽略不计（速度、定价除外）。 -
价值将沉淀在产品层
如今智能体（Agent）的大部分缺陷，根源并不是模型智力不足，而是缺少上下文信息、缺少可用工具。这已经不再是科研问题，而是产品工程问题。 -
AI 迷雾已经消散
通用人工智能（AGI）已经到来。面向工作场景的智能已经超越人类水平，且供给充足。迷雾散去，我们终于可以制定并落地长期规划。 第一，业务绑定单一智能源的模式已经行不通。只要你认同上面的前提，就会发现这种模式完全不合理。就好比建工厂采购设备，却只能接入唯一一家的能源供电。正确的做法是：搭建属于自己的业务框架、工作流程、上下文体系，也就是你的整套工作范式；底层可以随时选用当下最便宜、速度最快的智能底座。
第二，智能体协作模式仍然存在缺陷。我们现在还在用 “单人模式” 的智能体，套在为传统工作设计的老旧产品界面里完成任务，这些产品本就不是为智能体协作而生。
除此之外，智能体承接任务的时间跨度越来越长：现在已经可以完成等价人类数日工作量的任务，如果参考 METR 的平滑外推，很快就会扩展到数周。企业里这类长周期任务，几乎无一例外都需要跨部门多人参与。这意味着任务的调控引导也必须支持多人协作。由此可得：在本地设备运行智能体的模式，从现在看已经存在明显短板。
迷雾消散之后，新的机遇是什么？
机遇就是：从零开始，重构后智能体时代的生产力套件。
过去几十年我们习以为常的各类生产力工具，都需要推倒重来，打造原生面向智能体工作的新产品。
我们已经看到这场 “替代革新” 正在发生的早期迹象：
我们尤其看好生产力赛道，但机会不止于此。以人类视角来看，大模型已经足够稳定，我们终于可以做长期规划。几乎每一类产品、每一套业务流程，都有机会以智能体为核心重新构建。
前沿模型向着更高目标持续突破，而它身后留下了一套稳定可用的基础设施。真正有意思的工作才刚刚开始：打造优秀产品，去改造、加速、振兴我们的整个经济。
AI 的迷雾已经落幕，舞台重新交还给产品本身。
按照过去十年我们提出的各类合理定义，AGI 已经成为现实。覆水难收。就算各大 AI 实验室现在立刻封锁模型，开源社区依然大概率可以追赶上。下一个问题是：我们处在 AGI 到超级人工智能 ASI 的哪个阶段？ASI 是否必须依赖模型自我迭代？
观点总结
名词注释
-
Fog of AI：AI 迷雾，指大模型高速迭代带来的不确定性，让企业难以制定长期产品路线 -
iso‑capability price：同等能力成本，实现相同输出能力所需要的算力 / 资金成本 -
OSS：Open‑Source Software，开源软件，这里指代开源大模型 -
Frames：Dust 产品的核心组件，AI 生成、可协作分享的可视化工作载体 -
METR：AI 评估机构，擅长长任务能力评测 -
ANT/OAI：Anthropic、OpenAI 简写 -
AGI 通用人工智能；ASI 超级人工智能；self‑improvement：模型自我迭代 / 自我改进 -
AI 迷雾概念：过去模型迭代太快，企业无法做长期产品规划；2025 年 8 月是拐点，前沿模型能力饱和绝大多数知识工作，日常场景下模型迭代体感差距变小。 -
三层推论：智能快速商品化；竞争从模型科研转向产品层；可以开启长期产品规划。开源预计 2027‑02 追上知识工作级能力。 -
现存两大痛点：业务不能锁死单一大模型；缺少原生支持多人协作的智能体工作界面，传统办公软件不适配 Agent。 -
未来方向：推倒旧生产力软件，构建原生 Agent‑first 产品；案例：Frames 替代 PPT、Agent 维护应用替代表格 / 低代码数据库。 -
补充思辨：AGI 已经落地日常工作，但科学突破、ASI 自我迭代仍在前方；未来竞争会分化：前沿模型博弈地缘与科研，普通商业竞争比拼产品、流程、上下文编排。 -
Frames（智能体生成、可分享的可视化组件）正在替代幻灯片（文中能力演进示例就是一个 Frame [0]）。PowerPoint 幻灯片的基础操作是画框、输入文字；而 Frames 的核心动作是引导、调控智能体。二者底层逻辑完全不同，Frames 里完全没有画矩形框这类操作，但在 Dust 的实际使用场景中，它正在取代幻灯片。 -
由智能体维护的业务应用正在替代电子表格与 Notion 数据库。电子表格、Notion 数据库设计之初就带有大量硬性限制，目的是让非程序员也能搭建业务流程，这套取舍在过去非常合理。但时代已经改变，代码的获取成本近乎为零，我们可以把员工从这些限制中解放出来，搭建更复杂丰富的业务流程，提升工作效率。我们已经看到大量原本靠表格实现的业务流程，正在被这类由智能体维护的应用接管、升级。