2026上半场的共识与非共识

过去半年，模型能力、Agent 的入口位置、软件的交付形态和组织的工作方式，都在同时发生变化。下面分享下我关注的其中一部分问题。内容来自 8 月 8 日 43 College 返校日线下活动的分享。本文来自微信公众号：杨攀同学，作者：杨攀同学，头图来自：AI生成

一、Context：把个人上下文变成复利

演讲 PPT · 08 / 21

我在讲台附近发现有两部手机在录音，我自己也录着音，还拿了一台大疆 Pocket 跟拍。就像小七姐所讲的，我们都在疯狂收集并构建自己的 Context。这可能是今天最大的“共识中的非共识”，或者“非共识中的共识”。

我对 Context 这么敏感，要感谢李继刚。一两个月前，他请我做一次分享，说：“我们就聊聊 Context 吧，于是有了《Context 即 Agent：下一场 AI 产品战争，是上下文之争》。”深入思考之后，这件事给我带来了很大震撼。此后，我自己的很多事情都开始围绕 Context 展开。这次继刚让我总结过去半年，我也决定从这个话题讲起。

大家能看出来这份 PPT 是用什么做的吗？是归藏的 PPT Skill。先说说这份 PPT 是怎么来的：我让 Agent 读取我在 2026 年记入 flomo 的所有内容，以及近期和别人聊天、吃饭时留下的录音，再围绕这次分享的主题提炼内容。我随后做了不少点评和打磨。它最初总结出来的东西并不完全符合我的品味，但至少把这半年里我大脑装不下、记不住的内容重新提取和整理了出来。

一旦开始构建自己的 Context，并让它长期积累、形成复利，以后做这类事情就会非常方便。

还有一个小插曲。歸藏做出来的 PPT 很好看，但如果所有人做出来的东西都千篇一律，也就谈不上好看和品味了。我专门写了一段提示词，希望换一种风格，而且没有指定歸藏 Skill。Agent 回答：“好的，我启动歸藏 PPT Skill 给你做。”结果最后还是做成了这个样子，我只调整了一些颜色。

二、模型能力的变化

演讲 PPT · 02 / 21

这次我整理了一些共识和非共识。两者其实没有明确边界：有人认为是共识，有人认为是非共识，这并不重要。

第一个变化是模型能力。半年以来，模型能力发生了翻天覆地的变化。我主要关注四点。

第一是长程任务。智谱对今年模型路线图的规划，是从 5.1 开始，5.2 以及之后的每一个版本都能比上一个版本执行更长时间的任务。长程任务是模型自身的能力，也代表它能够处理更复杂的问题。只有具备这种能力，模型和 Agent 才能解决更大、更复杂的任务。

大家可以找出半年前或一年前曾经半途而废的任务、作品，选一两个重新捡起来，用今天的模型和 Agent 继续完成。这样能非常直观地感受到半年间的巨大变化。如果每天持续使用，反而不一定有这么强烈的感受。

第二是环境闭环。我认为，这是 Agent 接下来替我们工作时极其重要的能力。我们写代码、写文档，或者在某个环境里执行操作，经常需要人工介入。例如做 SEO，需要打开 Google Search Console 或 Analytics。以前只能自己手工操作；现在 Agent 可以使用 Computer Use 和 Browser Use。如果让 Agent 为一个网站做 SEO，只要打通这层能力，它就可以形成完整的自闭环。

这是今天模型和 Agent 突破中非常重要的一点。没有环境闭环，人就必须始终处于 Human in the loop 的状态：任务会卡在那里，等你点击鼠标或完成某项操作。环境闭环可以极大提升使用效率。现在我基本不再亲自操作很多线上服务：注册域名，只需要说一句话；配置线上环境、查看 SEO 数据，也都可以直接交给 Agent，不必再打开那些网站。

第三是完成终极任务（Goal）。我曾经让 Agent 写出一份非常详细的产品规划文档。自认为目标已经定义得足够清楚后，我要求它以这份文档为目标，把产品完整实现。当时我正在海外旅行，看着它在家里的机器上连续跑了三十多个小时，一直没有结束。

后来我发现，如果给出的目标不是非此即彼的 Yes or No，或者不是一个可量化、可验证的结果，任务就可能永远没有终点。Agent 做着做着会发现某处不够完美，修改之后又发现另一处需要调整，于是在不同方向之间反复摆动，循环无法停止。这个任务最后浪费了我约 200 美元、相当于半个月的 Credit，产出却是一堆没有实际用途的 Slop。

所以，给 Agent 定义目标时，目标是否可验证非常重要。

第四，模型的绝对能力仍在持续提升。一个典型案例是，最先进的模型已经可以自己优化 NVIDIA CUDA 运算，提升推理效率。AMD 芯片与 NVIDIA CUDA 不兼容，缺少相应的推理生态；AMD 最近使用最新的 Fable 模型完成 NVIDIA CUDA 的兼容适配和迁移，效果很好。这也说明模型的绝对能力还在向上发展。

三、从程序员破圈到知识工作者

演讲 PPT · 03 / 21

接下来是 Codex 和 WorkBuddy。Codex 在半年内从约 100 万周活跃用户增长到约 1000 万。国内的 WorkBuddy 月使用量飙升到 2000 万，这是一个非常震撼的数字。

我首先看到的是，Agent 正在从程序员群体破圈到知识工作者。

很多人每天用 Agent 写大量代码，但写出来的代码和软件不是最终结果，只是中间产品。知识工作者用 Codex 或 WorkBuddy 完成一项具体任务时，产出往往直接对应结果。例如，我用它完成一份 PPT，PPT 完成时，这项工作也就完成了；但我写出一个软件，如果没有人使用，也卖不出去，那么除了自用之外，它并没有产生最终的结果价值。

我曾在群里和玉伯、继刚、橘子讨论过这个问题：代码和最终作品，到底哪个是“电子泔水”？我的切入点是，你究竟只是完成了一个中间环节，还是借助它解决了问题、拿到了结果？两者有很大差异。

有些程序员疯狂使用 Agent，最后得到的只是自己的满足感，并没有创造其他结果价值。反过来，很多不懂代码的知识工作者，确实借助这些工具解决了真实问题。

四、超级 Agent 正在统一入口

演讲 PPT · 04 / 21

在座的大多数人应该都相信，未来会有一个超级 Agent 作为统一入口。但过去几年里，大家虽然相信这件事，实际行动却完全相反。多数软件从业者和产品经理都试图在自己的软件里加入 AI、加入 Agent；但我们信仰的未来，却是由超级 Agent 统一所有入口。这两者是矛盾的，是知行不合一。

从今年开始，超级 Agent正越来越多地占用我们的时间，也在逐渐吃掉其他入口。过去我需要亲自登录网站完成很多操作，现在只要向 Agent 提出需求，它就可以通过 Computer Use 或 Browser Use 完成。未来，我直接使用软件的时间可能会越来越少：一部分问题由 Agent 自己解决，另一部分由 Agent 操作其他软件解决。我们的认知和行动正在逐渐汇聚到同一个方向。

一两年前，Claude 和 Codex 都在做 Chrome 插件：用户在浏览器里调用 ChatGPT 或 Claude，让它们操作网页。后来 OpenAI 发布过浏览器产品 Atlas，并在近期将其关闭。现在推荐的方式，是在 Codex 的内置浏览器中打开网页，把需求直接交给 Codex，由 Codex 操作内部浏览器完成任务。这说明 Agent 正准备把电脑上最重要的软件之一——浏览器——纳入自己的内部。

我认为，这是从今年年中开始出现的一次巨大范式转变。

再举一个例子。ChatCut 是一个剪辑产品。使用剪映做复杂剪辑时，操作非常繁琐，对人并不友好。ChatCut 做了一个 Codex Plugin，把复杂剪辑能力以插件形式装进 Codex。用户不再需要用鼠标拖拽、点击，只要告诉 Codex 想怎样剪辑，Codex 就可以通过插件调用 ChatCut 的功能来完成任务。

过去几十年里，绝大多数软件功能代码都在解决人机交互问题：让人通过屏幕看见信息，通过鼠标和键盘操作软件、完成任务。刚才这个例子则是把需求告诉 Codex 或其他 Agent，由它们处理全部复杂交互，直接完成任务。这可能带来一次巨大的转换。

如果这个判断成立，软件作为独立交付结果、交付价值主体的重要性会大幅降低。软件会逐渐成为 Agent Harness 的一部分，而不再是一个独立主体。

五、软件与 Agent 的关系会反转

演讲 PPT · 09 / 21

我认为，软件和 Agent 的关系可能会开始反转。过去一两年，很多人开发了大量小软件，或供自己使用，或准备卖给别人。但接下来，构建软件再分发、销售给别人，可能会越来越难。反而是在 Codex、WorkBuddy 等平台中抢占一个 Plugin的位置，可能更有卡位价值。

如果我们构建的能力既能给人使用，也能被人的 Agent 调用，它仍然可能有价值。但这要求我们重新思考软件的形态。

六、AI 原生组织不是局部优化，而是整体再造

演讲 PPT · 05 / 21

演讲 PPT · 06 / 21

今年 4 月一个月内，我给美团、腾讯、百度和蚂蚁四家公司做过高管/全员分享，主题是 AI 原生组织变革。四个月后的今天再看，今天可能有新的迭代。

我们原来的组织结构，是把一个正方形或矩形组织从纵向切分改为横向切分。传统组织按部门划分，再在部门内按岗位和角色分工；这是静态结构，动态运行依靠企业内部流程。之所以这样划分，是因为人的能力和掌握的 Context 都有限：有人擅长产品，有人擅长开发，有人擅长测试，因此只能把不同能力、不同 Context 放在不同位置。

在 AI 的帮助下，人的记忆可以增强；如果 Context 构建得足够好，人的能力边界也会扩展。组织不一定只能纵向切，也可以横向切。

但这一页真正想表达的是：今天组织面对的并不只是工作、角色或流程的变化，而是整个组织的再造。每一个环节都要一起调整。如果流程不变，只提升个人岗位能力；或者只调整角色，都不足以构建 AI 原生组织。不存在只解决某个单点就能完成组织变革的方案。

我们经常说，烧 Token 更容易，商业化更难。产品、技术和商业化之间一直存在巨大鸿沟，今天没有改变。只是 AI 把产品和技术的成本、时间大幅压低、效率大幅提高，商业问题才变得更加突出。

原来有 100 家公司做产品，也有 100 家公司解决商业问题。今天可能有 1 万个人做产品，但仍然只有 100 家公司能解决商业问题，所以我们才会更强烈地感受到这道鸿沟。接下来，不能只让 AI 帮我们创造更多产品、解决更多技术问题，也要让 AI 帮我们完成商业化这一半。

七、Agent 越能干，越需要改变管理者自己

演讲 PPT · 07 / 21

当你雇佣了一批效率高出十倍、百倍的“博士生”，如果自己的工作方式没有变化，最需要变革的其实是你自己。这与今天我们和 Agent 的关系完全一样。

Agent 越能干，我们越应该把注意力放回最本质的问题：如何定义自己的目标，如何定义 Agent 的目标，如何协调彼此的关系，如何给 Agent 准备更好、更多的 Context，让它更好地工作。

过去，我们把太多精力花在惊叹、体验和实践 Agent 能带来什么，却很少从自己出发，改善自己的管理方式以及与 Agent 的协作关系。

小七姐已经用一个小时讲过 Context，上次分享时我们也讨论过很多。我只强调一点：要让 Context 形成复利。Agent 可以更换，Context 却不能替换。小七姐讲的也是这个方向：帮助用户守住 Context，再通过 Agent 构建 Context 的复利。

八、同时为人和 Agent 设计软件

演讲 PPT · 10 / 21

如果未来人们通过 Agent 使用软件，那么软件行业需要重新思考一个问题：什么样的软件，既能让 Agent 高效使用，也能让人顺畅使用？

过去的软件要么为人设计，要么像近期流行的方向那样，专门为 Agent 设计。我们现在需要的是另一种形态：人能够看见、能够在必要时参与，而且使用感受很好；Agent 也能够快速、方便地调用。今天整个行业可能还没有认真思考过这种软件应该是什么样子，我最近一直在琢磨这个问题。

以微信为例。某件事由自己操作可能需要一个小时；如果微信连接了 Agent，只要说一句话，40 秒就能完成。春节晚上给亲友群发祝福，而且每个人的内容都不同，人工可能忙一整晚也做不完；如果微信同时面向人和 Agent，这件事就会非常轻松。微信只是一个例子，几乎所有软件都可以这样重新设计。

九、“软件已死”的几种含义

演讲 PPT · 11 / 21

我原来给这个话题写的标题是“软件已死”，后来让 Agent 改了。软件其实有很多种“死法”。

这周一，我和一家年收入数亿美元公司的创始人聊天。他拥有很多企业客户，想用 AI 为这些客户开展 To B、Long-term 的业务。他开场说：“我用 AI 给这些企业做一些产品或软件，解决某些问题。”我马上打断他：这句话里仍然有软件时代的遗留思维，并不是 AI 时代的思维。因为他想的仍然是，用 AI 制造一个软件产品，再卖给客户。

过去之所以需要制造 App、编写软件、建设 SaaS，是因为生产力有限。为了规模化复制，只能做高度抽象，寻找用户需求的最大公约数。所有客户买回去的 App、软件或 SaaS 服务，都只能满足部分需求：有人能满足 80%，有人 50%，有人 20%，但他们仍然愿意付钱。

传统软件的生产周期也很长：调研、用户访谈、理解需求、生产、交付，用户觉得不好用后，再完成一轮反馈闭环，往往以年为周期。AI 正在彻底改变这件事。

软件最终会变成我们为客户交付结果的 Harness。今天用 AI 生产的，是帮助具体客户取得结果的 Harness，已经很难再称为传统软件，因为它是一客一件、一人一件。传统软件是制作一份 Copy，再销售无数份；如果为每个客户、每个人制作一套定制的、真正好用的东西，它就不再是传统意义上的 App、软件或 SaaS。从这个角度看，软件可能已经死了。

第二种死法是“生成即抛弃”。为了这一次解决问题，让 AI 写一个东西，任务完成后可能一辈子都不会再使用它，但没有关系，因为成本已经足够低。如果也把这种一次性生成物定义为软件，那么它生成后就死掉了。

第三种死法是“不再封版”。软件不再需要版本号。过去需要把一个版本封存，完成测试、回归和验证，再将同一份 Copy 卖出去。如果软件变成一客一件、持续滚动的 Harness，就不再需要封版和版本号。

第四种死法是，很多问题不再需要购买一个独立软件。刚才我在修改 PPT 时，笔记本很烫。我直接让 Codex 帮我解决。它找到一批 Chrome 孤儿进程并关闭，电脑很快就凉下来了。我没有必要再购买一个专门查找 CPU 高占用进程的软件，用 Agent 直接解决即可。

这些变化都会对软件行业产生巨大影响。

十、Vertical 的核心不在 Agent 本身

演讲 PPT · 12 / 21

很多人正在探索垂直 Agent。我的观点很简单：Vertical 的究竟是什么？不是 Agent，也不是软件或 Harness。真正 Vertical 的，是模型之外的东西：数据、接口、结果，以及闭环的商业化能力。垂直价值并不在 Agent 本身。

十一、把 Agent 当成人，既对也错

演讲 PPT · 13 / 21

今年上半年，我在极客公园的一次线下活动中讲过一句比较“装”的话：今天，把 Agent 当成人是对的；但把 Agent 当成人也是错的。

在 Agent 出现之前，我们从未面对过一种能像人一样工作、思考、执行并完成任务的东西。到 2026 年，仍有很多人认为大模型和 Agent 只是工具。前半句话是提醒大家，不要只把 Agent 当作工具。把它当成人，才能探索出一批与传统软件、传统程序完全不同的用法。

但一旦把它当成人，就必须同时意识到它和人并不一样。它的工作速度可能是你的百倍；你们成为“同事”后，拖后腿的反而可能是你。我们需要具备管理 Agent 的能力。前半句帮助我们突破一层认知，后半句则要求我们在使用过程中理解它与人的差异。这是两层不同的认知。

十二、在持续变化中寻找不变的复利

演讲 PPT · 14 / 21

前面那位公司创始人说，他想做一些 Long-term 的事情。我先打破了他“做软件卖给客户”的思路，又问了他一个问题：自 ChatGPT 发布以来，这几年不变的东西是什么？答案是，持续变化本身，才是这几年唯一不变的东西。

技术、产品、场景和我们追求的结果一直在向前滚动。如果团队和组织构建的是一种能够持续滚动的能力，今天才有机会留在牌桌上。如果现在决定做一款软件卖给别人，滚动周期就会一下变成几个月甚至几年；但如果把它做成一个持续滚动的 Harness，它可以随时调整，没有版本、没有版本号，只会不断向前。

变化是不变的。与此同时，还要寻找变化之外能够产生复利的东西。那个同样不变的东西就是 Context：它是在 Harness 和 Agent 持续滚动的过程中，能够长期保留下来的资产。

十三、高度共识是大厂的舒适区

演讲 PPT · 15 / 21

今天上午参加圆桌时，有人问我今年上半年的感受。我说，上半年特别无聊，因为几乎全是共识：Token 用量越来越多，模型发布越来越快，能力越来越强，Agent 每天都在出现；人人都有 Agent，每家公司都在做 Agent，小七姐做的则是 Context。方向没有变化，变化的只是数字——越来越多、越来越快。

创业者需要意识到：一旦市场形成高度共识，这件事就进入了大厂的领域。大厂可以在用户出现的每一块屏幕上投放广告，让所有人都看到。一旦达成共识，就进入了腾讯、阿里和字节的舒适区。

还有一个问题值得大家思考：如果大模型和 Agent 每三个月都会发生一次巨大变化，你是否也每三个月改变一次自己的工作方式？如果没有，一定有问题。工具发生巨大变化，使用工具的方式和整个工作方法也应随之变化。

大家可以重新找出半年前放下的一项工作，用今天的模型和 Agent 再跑一次。体验之后，要学会跟着它们迭代自己：哪些事情过去由你做，接下来可以交给 Agent；哪些事情以前想做却做不成，现在可以让它们继续完成，而你自己再向前一步，思考新的问题。

十四、FDE 是旧方法论，也是新的培训机会

演讲 PPT · 16 / 21

FDE 最近很火。但对一个有十多年经验的 To B 创业者来说，FDE 是非常老的方法论。真正把 To B 做对的人，一直都在这样工作，只是今天它又被一个新名词带火了。

十年前，真正具备 FDE 能力的人就是凤毛麟角，今天也不会突然改变。因此我预测，接下来 FDE 很可能被偷换成另一个概念：外包和定制开发。那些过去大家最不愿意做的事情，今天披着 FDE 的外衣重新回来了。

我在 flomo 里记过一句话：“我们需要 FDE 时代的北大青鸟。”这不是笑话，我认为其中存在一个巨大的商业机会。

北大青鸟在互联网时代规模化培养没有进入大学、但希望学习软件开发的人，再把他们送到各类公司。我身边有很多学历不高、从北大青鸟毕业的人，后来也成长为人才，拿到了结果。移动互联网时代也发生过类似的事情：2010 年前后，一批机构规模化培养 Android 和 iOS 开发人员。

今天，规模化培训和培养 AI 应用落地人才，同样是一件很有价值的事情，无论从商业还是社会角度都如此。这件事完全可以披上 FDE 的外衣，毕竟真正的 FDE 无论过去还是现在都很难做好。

十五、技术变便宜之后，什么会变贵

演讲 PPT · 17 / 21

演讲 PPT · 18 / 21

如果开发产品、解决技术问题变得更简单、更便宜、更快，那么哪些东西会变贵？我列出的内容来自不同维度，彼此并不完全同类，但都值得关注：Context、信任、信誉、Live Data、接口能力和结果。

信任正在变得前所未有地重要。过去，一个甲方要解决问题，可能有 5 个供应商来敲门，可以从中选择一个；今天，可能有 500 个人都说自己能解决问题，应该选择谁？这是甲方面临的巨大难题。

从乙方角度看，我为什么用归藏的 PPT Skill？做 PPT Skill 的人很多，但我认识归藏，归藏在我这里有 Reputation。这个判断的前提是：过去只有 5 个人能做的事情，今天有 5 万个人能做。供给爆炸之后，信任反而更加稀缺。

另一个维度是模型之外的东西。模型很强，但我们自己既不是杨植麟，也不是唐杰，不会亲自去做基础模型。对我们真正重要的，是模型之外的资产。

第一是 Live Data，也就是持续活动、实时变化的数据。这些数据既不能、也不需要被训练进模型。例如，在 2026 年 8 月 8 日问大模型北京的天气，它可能给出一个近似答案；但如果问此时此刻外面的实际天气，模型本身并不知道。资本市场也是一样：模型可以推测全年股价走势，却不知道此刻 NVIDIA 的准确股价。这些都是 Live Data。

第二是接口和能力。Agent 要与数字世界和物理世界交互，必须拥有相应的接口和执行能力。这同样属于模型之外。

第三是结果。写完一个程序不叫结果，那可能只是让自己获得满足感。真正帮自己或别人解决了问题，才叫结果。

十六、全民发明家的时代

演讲 PPT · 19 / 21

我最近一直在思考一个问题。经常刷小红书的人，应该能感受到一个扑面而来的趋势：全民发明家的时代正在到来。

很多没有接受过专业训练的普通人，过去无法完成的事情，今天可以在 AI 帮助下完成。我自己一直是个极客，平时会折腾电路、单片机和元器件，但从未系统学过。以前需要查说明书、找在线教程；今天，我已经可以让 AI 帮我设计电路，告诉我具体该怎么做。

3D 打印也是一样。为什么这两年 3D 打印企业估值和市值上升，技术进步突然加速？前几年技术一度停滞，并不是因为行业不掌握相关技术，而是市场太小，不值得投入资源把技术继续向前推进。

一旦供给和需求同时爆发，飞轮就会启动，参与者会投入资源解决技术问题，迭代速度也会迅速提升。3D 打印过去最大的困难之一，是没有足够多值得打印的模型。今天，Tripo、Meshy 这类 3D 模型公司受到重视，正是因为它们能大规模解决供给问题。

如果“全民发明家时代”这个叙事成立，其中会出现很多新机会。具体是什么，我现在也不知道，但值得继续寻找。

十七、DeepSeek 带来的不是降价，而是成本破圈

演讲 PPT · 20 / 21

最后是一个全产业到今天仍未形成清晰认识的问题。我认为，这一轮冲击从 DeepSeek V4 Flash 正式版开始，真正的爆发点会是 Pro 版发布。如果 DeepSeek 不跳票，Pro 版预计在后天，也就是 8 月 10 日发布；当然，它也可能继续跳票。

大家可以回忆 DeepSeek 上一轮 V3 与 R1 的发布，中间相隔约一个月。这一次，暂且不论质量，只看价格，差距达到 179 倍。过去我们说智谱模型或 Kimi 比 Opus 便宜，通常只是十倍量级。十倍已经足以带来巨大变化，但 DeepSeek 这次把差距推进到了百倍量级。

百倍量级会对整个产业造成巨大冲击。我关心的并不是模型价格降低了多少。很多人讨论它会迫使 Anthropic 或 OpenAI 降价多少，但这既不是最大的问题，也不是最大的机会，因为单纯降价并没有创造额外价值。

真正的额外价值来自成本破圈：过去因为模型太贵而用不起的场景，今天开始变得可行。这会带来场景和市场的扩张。

DeepSeek 把价格降到这个水平后，过去很多我不愿意花 Token 处理的 Context、不愿意挖掘的信息，现在都可以处理。例如，我每天都积累大量微信 Context。过去舍不得花 Token，最多只问几个问题；今天可以从 100 个维度提问，把每天微信 Context 里的信息全部挖掘出来。

当 DeepSeek 把成本降低 100 倍，我就有机会从同一份资产中挖掘出 100 倍的价值。我认为，这才是它将给产业带来的最大冲击和变革，而不是让 OpenAI 和 Opus 降价。后者与你我并没有太大关系。

演讲 PPT · 21 / 21

希望这些内容能引起大家的共鸣，但不构成投资建议。我不是在做完整的产业点评，只是分享自己真正关心的问题；还有很多领域，并不在我的关注范围内。

本文来自微信公众号：杨攀同学，作者：杨攀同学