非凡大赏 | MCP会是通用AI Agent时代的标准吗？

此次盛会吸引了超过80位AI领域的演讲嘉宾和千名AI相关从业者参与。通过主题演讲、圆桌论坛、互动展览和晚宴派对等丰富多彩的活动形式，非凡资本为参与者打造了一个全面而深入的AI行业交流盛会。

本场圆桌会议以《MCP会是通用AI Agent时代的标准吗？》为主题。主持人是GoodAI创始人，白话Agent自媒体主理人 古德白，嘉宾包括：NP开源技术社区 发起人 常高伟、有赞 前技术副总裁 怀民、Cherry Studio 联合创始人 Yinsen、函子科技 创始人&CEO 蒋耀锴。

以下是圆桌讨论核心内容：

· 通用Agent的存在性与价值：

通用Agent目前难以实现，技术尚不成熟，难以在复杂多变的场景下保持稳定和高效的表现。

专用Agent更具实用性，能够在特定领域内提供有效的解决方案，是当前AI应用的主流方向。

通用Agent的概念虽然吸引人，但在当前技术条件下，其实现路径和商业价值均存在不确定性。

· MCP（Model-Centric Protocol）的地位与重要性：

MCP已成为模型调用工具和资源的事实标准，对于促进AI模型的广泛应用具有重要意义。

MCP的出现为AI模型与实际应用场景的连接提供了高效的解决方案，但仍需进一步完善和优化。

智能体通信协议近来发展迅猛，比如谷歌的A2A，以及国内ANP开源技术社区的ANP，他们在解决智能体之间的通信与协作上，更加擅长。

· Chat Box形态的发展与局限性：

Chat Box作为AI应用的阶段性产品，以自然交互方式让用户直观感受AI能力，具有一定的市场吸引力。

然而，Chat Box在普及过程中面临用户门槛高、问题质量参差不齐等挑战，限制了其广泛应用。

未来，Chat Box可能会与其他数字化界面融合，提升用户体验和实用性，但并非AI应用的最终形态。

· Agent的定义与AI创业机遇：

Agent的自主性是精确定义的关键，能够感知环境并自主决策是Agent的重要特征。

AI技术的快速发展为创业提供了广阔空间，自然语言处理能力的提升、成本的降低以及新协议的出现均为创业提供了有利条件。

创业者应关注AI技术的实际应用场景，结合市场需求和技术趋势探索可行的商业模式和变现路径。

嘉宾自我介绍

古德白：我自己是叫古德白，我是一名技术背景的工程师，最早做麒麟操作系统，后来做互联网的创业者。最近两年主要在all in AI做创业。其实探索了很多东西，去年7月份开始做自媒体，现在平台上也有个几万粉，分享一些我对AI的认知。

常高伟：我是ANP开源技术社区的发起人常高伟。ANP的话是我们做了一年的开源项目，它和谷歌的A2A是非常像，但是我们做的时间应该更长一点，我们做的时间应该比MCP也要更长一点。我们也是为了解决智能体和智能体之间在互联网上通信与协作的问题。目标其实是想成为智能体互联网时代的HTTP。

怀民：我花名叫怀民，也算互联网老兵了，搞了二十几年码农，从23年开始主要是帮一些大客户做一些AI应用项目的一些落地。但大家都知道AI应用项目在C端是特别火，很风光，to b都是苦脏活累活。所以我更多的是干一些AI怎么落地的事情。

Yinsen：Yinsen，我们是做chat box形态的AI应用客户端。这个项目从去年7 8月份在github上面开源开始做，到现在大概半年多的时间。最开始cherry studio它是一个非常简单chat box的一个形态，现在他也开始集成一些像MCP，像一些智能体，还有知识库等等的一些功扩展性的功能。也希望能在AI应用这个场景里面找到一个是基于我们自己理解的，最终可以落地，并且可以走的比较长远的一种方式，谢谢大家。

蒋耀锴：大家好，我叫蒋耀锴，我是函子科技的创始人。我们的产品是Zion无代码，服务于非技术型创始人的开发平台，给他们做全栈的Web App和小程序，去年推出了AI Agent Builder，能让完全不会写代码的人能够利用AI去变现的产品能力，今年正在做的事情是无代码的AI Copilot。

古德白：我们先来聊一下这个通用Agent的这个话题，就是我们今天这个叫方向主题，MCP是不是通用Agent的标准？我们这个论坛主要以开喷为主，首先我喷一下这个主题其实是我提的，但是我想发表一下我的观点，我们先不要说MCP是不是标准，通用Agent我认为今天是不存在的。我们今天用AI调一下，一次知识库的召回都做不好，还谈什么通用Agent的，甚至是加上MCP，加上各种开源协议，要整个十次八次的循环，最后回来能控制得住吗？这是我的观点，我今天亮出我的观点，我认为通用Agent就是扯淡。今天我们能做好某一个场景下的Agent就是很好的事了。但是我们今天的自媒体环境，我们很多论坛场景下面，都在聊通用Agent，我的观点就是扯淡，不存在这个事儿。这是我的观点，那我们每个人可以聊一下，我先带个头，谁先来？

蒋耀锴：首先Manus出来的第一天，我就在公司内部发表了对它一些看法，Manus的技术的核心跟2023年的SuperAGI和那个AutoGPT其实没有本质的区别，在我看来它真正价值就只是让Agent在运行的过程有一个视觉的展现。并且因为有视觉的展现所以出了圈，这个是我第一看法。第二，它肯定在亏钱，而且亏得不得了。前两个礼拜，Manus创始人在硅谷那边转悠，背上穿了个T恤，T恤上写着“我第一周就烧了100万美金”，我不觉得这是一件值得自豪的事情。因为本质上是你的token太贵了。所以我觉得这个产品就是做一单就亏一单，实际上真正做出来的东西也不会特别可控。所以我是讨厌这种过于拔高期待的东西，这是我想喷的地方。

Yinsen：我会稍微温和一点。我觉得中短期之内，还是专用agent的这个比较容易被用户接受，也比较容易落地。更长期可能真到AGI时代的时候，会有通用Agent出来。我过去做AI音箱的时候，当时有一个感觉就是一个声称是通用性的产品，他内部的能力对用户来讲其实是非常的不透明，甚至会让用户觉得非常confuse。就是你房间里有一个灯，你有一个智能音箱，其实你不确定这个音箱能不能控制这个灯，他的能力是不可见的。在一个号称通用的系统里面，或者叫通用Agent里面，他到底有什么能力，他能不能做到？他的边界在哪？对用户来讲其实是非常不透明的。所以我认为要么你把能力清清楚楚的摆在外面，也就是专用agent。要么你就是真的是无所不能，开启上帝模式。这两个过程在我极端一点的观点里面，它只有0跟1，并没有中间态。

所以在当下阶段我认为可能在中间甚至偏浅一点的地方。这个时代谈通用agent我觉得还有点为时尚早。如果到了做通用agent那个阶段，我当下的观点可能是觉得做foundation model的公司会更有机会。因为他在做这个模型的阶段，会对这个模型能力逐渐产生一些跟我们不同的一些理解。当然也不排除有应用的人能跑出来，但是最先可以做这件事情的人我觉得可能是他们，但不一定是他们完全垄断这个市场。针对manus的评价，我觉得这个是一个非常有争议的话题。首先我觉得他看起来非常好，但是太贵了。他有点像迎合用户的预期，正向推导出来的一个产品，又显得有点不计成本，确实非常贵。无论是他token还是他的资源都非常昂贵。这一部分，我认为里面很多技术栈是非常不适合用于这种偏实时任务的。当然他们不认为这是一个实时任务，所以我觉得他可能会让很多用户。第一次看到通用agent是一个什么样的形态，是一个什么样的表现，这个我觉得是有点让大家更具象的去看到远方、听到远方的鼓声。但是无论从他的任务完成能力来讲，还是从他现在的这种技术结构来讲，我觉得都不是最佳的选择。当然批评这个非常的廉价，这个创意还是非常好的。

怀民：我的观点比较中性，我觉得manus本身来讲，营销的成本有点大。我搞企业应用，对企业应用来讲是一个挺好启发。因为企业应用里面其实不讲什么通用专用，其实就是被动型的agent和主动型的agent的差异。他至少给主动型agent往哪个方向走开了个很好的头。

目前大部分在企业落地的Agent应该还是workflow的方式为主，当然workflow方式局限性也比较明显，在适应性、泛化能力等方面都存在一些问题。但workflow也具备很明显的优点，落地速度快，确定性强，业务结果上可以快速见效。主动型Agent目前还有点儿画饼，对业务结果的帮助也存在较多不确定性。目前看来，至少越来越多的看到了主动型agent的价值，而且这种类型的agent的确可以做出来。我在服务企业的工作中也往这个方向推进，的确有一些逐渐由纯被动型向主动型智能体过渡的好现象。总的来说，我对Manus的出现持比较中性的观点。

常高伟：我还是比较同意大家看法，就是短期的挑战还蛮大的。但我们长期认为应该会出现的，特别是个人助手，个人的agent，我们认为未来会有这样的一个东西存在，而且对互联网应该会有很大的改变，这是我的看法。

蒋耀锴：我想补充一个关于用户付钱这个观点，这个点上来讲，我觉得绝大多数的用户只会为可预期的价值去付钱，也就是这个产品的底线要高。至于娱乐的角度上来讲，大家其实都是抱有一种surprise me的感觉，这个时候你的重点不是低的底线，是高的上限，对吧？所以你到底是不是要赚钱，这是个问题。还有就是你东西来太早，很可能不是勇士是烈士。

古德白：我明白，其实就是要看最后的价值。今天程序员AI编程工具，我觉得是落地最好的。一个原因是程序员很贵，第二个当然也可能和AI编程的准确性有关，。那我们来聊聊chat box，今天Deepseek火了以后，目前不管是开源的还是各个厂家的聊天应用也比较火。刚才我们Yinsen的Cherry Studio也是这一类的产品。那么下一步他会是怎么样的发展？会带来哪些价值？我认为chat box不是一个好的产品形态。我们在两年前大模型火了以后，就在讨论chat UI，大家可能应该多多少少听过。可能后面都是聊天去操作软件，订个机票什么的。当然两年以后，今天看下来，两年前吹的牛逼，不管大厂创业者还是大模型公司，反正很多人说过的事儿现在也没有实现。今天好像订机票还是人在定的，大家有用AI直接订机票的这个事儿吗？应该是没有的。我的观点就是chat box它是一个阶段性必须的产品。但它同时也不是一个非常好的真正让AI落地，让普罗大众去使用的一个产品形态。当然如果我们还在讨论chat box的时候，一定是AI大模型还没有大规模普及的时候，这是我的观点。

Yinsen：某种程度上我是同意的，就是chat box这种形态，他的角色更像一个领路人，他肯定不是终点，不是目标，但是他在当下阶段还是有他的意义的。GPT2发布的时候，当时我就有关注到。后来GP3发布的时候，我也通过微软的云服务申请到了API。但当时用起来感觉其实没有让我有很直观或者很有冲击性的这种感受。甚至很长一段时间我都忘了他这个东西了。后来3.5发布，他就是用ChatGPT的方式来去推出。我大概过了他发布之后的两周就用上了。我当时觉得非常震撼。大道至简，就用最简单聊天的方式让你感受到这个东西到底有多牛逼。而且我认为他的破圈就是因为他提供了chat的这种方式，这个是最自然，最Normal的一种方式，最让大家能容易接受，能容易理解的一种方式。我相信今天来参加这个活动的我们的嘉宾也好，我们的朋友也好，都是有一定的技术能力，或者起码在过去那个时代，搜索引擎用的特别好的用户。这部分用户对chat来讲，我觉得这个是如鱼得水。但是真到下一个阶段去，真的让普罗大众，让更广泛的人群去用AI的时候，chat的门槛其实是挺高的。就问出一个问题来不难，问出一个好问题是非常困难的。

古德白：你想我补充一个话题，就是MCP加上chat box以后，所谓现在已经几万个各种MCP的server是吧？到底有什么价值，你在这个点上给大家分享一下。

Yinsen：原来咱们那个foundation model，如果他纯粹的跟这个模型来去对话的话，那就是一个知识非常丰富的人。你把它关在一个房间里面，没有任何的工具，也没有任何的外部信息的连接。他其实能提供给你的帮助是经验性的，那其实并不能有实操或者是时效性。其实我觉得MCP它就解决了这个问题。他是把一个非常有能力的人从房间里面放出来了。所以他可以借助非常多的工具来去帮你完成原有模型层面完成不了的任务。我觉得MCP非常重要。甚至将来他不见得是MCP，但这种思路，这种理念我觉得非常重要。但是在当下阶段他还太粗糙了，太初级了，就单靠MCP是没有办法做到这个假设。

古德白：MCP经过技术发展以后不粗糙了，能力也很强了。也可以大量的to b的to c那些场景数据，工具这些都能接入了，会改变chat box，不是未来主流用户使用AI大模型的一个形态这个观点。

Yinsen：我觉得在一个阶段里面。这个阶段可能是在三年以内，三年以内的这个阶段里面，它跟chat这件事情是互相促进的。它的确会增强chat的体验和能力边界，但是这个人群还是集中在专业人群当中。再往三年之后往后推，我觉得这一部分的能力，他一定会进入到更加丰富，更加低门槛的应用当中。那个阶段我觉得可能就真不见得是chat。

怀民：我补充一下，个人觉得chat box未来还有一个很大的一个机会。我们现在是把聊天这件事和我们用上一代数字化工具区分的特别清晰。无论在to B的场景还是to C的场景都是如此。我觉得未来很快就会打破这件事情，特别是在MCP出现以后。MCP协议目前还有些细节没有处理的非常好，A2A里面增加了一些我觉得特别棒的内容。他把人交互的message和API交互的数据做了分割。就是对话的内容仍保留在message里，系统和系统传递的信息放到另外一个板块里去了，这是一个特别好的设计。这样就存在一种可能，可以把我们现在的chat box的入口放到任何一个老的数字化界面的任何一个界面上，chat box可以和当前界面快速建立起对话通道。我觉得这就是未来是一个很大的一个机会。因为现在这个就是我聊天归聊天，工作归工作，这个界限过于清晰了。

蒋耀锴：因为我觉得关于谷歌之前那边说他特地说我跟MCP是相辅相成的，但我觉得这绝对是假的。因为在 A2A 里，你可以创建一个 MCP，但你用 MCP 是不能创建一个 A2A 的，这两者其实并不对等。

常高伟：说到A2A的话，我先补充一些和chatbox关系不大的。MCP为什么重要？我认为它是最AI原生的一种方式，是AI和数字世界，AI和互联网交互最原生的一种方式。Computer Use和Browser Use肯定是过渡形态，这是我们一直以来坚持的观点。这是为什么我们在一年之前就在做协议这条技术线。从底层来看的话，A2A也好，MCP也好，或者我们的ANP也好，其实都是在这条技术路线下面的不同的技术。另外的话再补充chat box相关的。我认为未来的chat box应该要加一个UI，只是语言的话交互太低效了，应该会有一个个性化的UI，这个UI有可能是AI生成的，我认为未来可能会大概率这样子，这是我个人看法。

Yinsen：Google跟Open AI现在在做canvas。其实这个就是在提供UI这件事情，我们也在做这件事情。他可能在前期解决一些非常窄的问题，比如像代码编辑，像一些文档处理，在以后他就可以实时来去创建UI跟你去做交互。但是他确实还是在chat的流里面。到时候我觉得chat一个客户端的话，假如他还是客户端，他可能会有多窗口管理，多窗口分离来去实现更灵活的一些使用。

常高伟：而且未来的话有可能每个人的界面可能都不一样的。也可以为你自己生成个性化界面。

古德白：最后总结一下，我觉得有可能chat box统一未来，也有可能超级人工智能出现以后，就好比我今天是马化腾，我给下面某个人分配个任务，下面所有事他搞定就行了。他下面有几百几千人的团队，什么事都能搞定。我觉得有可能如果超级人工智能出现以后，有可能它也是一个终极形态，包括中间呈现的，需要用户选择的，给用户确认的内容等等，就是一个个性化的UI来解决好了，我觉得只是短期来说，可能不是一个最终形态。那我们再讨论一下，agent的定义，我觉得美国和中国都有，每个人都有定义，专业和普通人也有定义。但是我看到国内最认可的对agent和人工智能体的定义，在我看来就是coze和dify的工作流，这个是最大共识的人认可的。不知道有人有不同的观点吗？

Yinsen：我觉得dify跟coze不是Agent。

古德白：我的观点是：今天的大模型还不足以把一个复杂任务拆分成自动的形成一个执行的流程。包括智能体，包括工作流，都不能自动的拆分，再执行给一个结果。所以为什么我说智能体就是工作流呢？是因为工作流可以在某一个确定的场景下，把人的SOP，就是人们对做这件事的经验编排成一个流程以后，让AI去做执行。这件事儿是我们最近两年里面，我看到AI落地唯一可以控制的一个方法。除此之外剩下的都是在玩。今天我们用manus做一个很酷的写俄罗斯方块，那玩意儿有什么实际商业价值吗？那就是老蒋说的只是在猎奇和好奇，他不是在真正解决问题。所以我的观点就是国内谈agent还是要谈一下coze和dify这样的一些工作流的产品。虽然manus出现以后，他们的光芒被盖住了，热度降了很多。但是我觉得至少在前一个阶段，他们确实在解决很多非技术公司做AI大模型应用落地的事。因为我做自媒体，我也会分享很多coze的一些小的工作流，关注度是非常高的。这是我们下面要聊这个话题。我想跟大家分享一下，新的时代下manus这种火了以后，MCP、A2A等等，国内的这些场景会有什么样的变化？

Yinsen：讲Agent，其实我的定义确实分歧很大。如果要讲讲非常宽泛的Agent的话，我觉得加个提示词，它就可以帮你去完成很多事情。Chat box它本身就是一个agent，agent是什么呢？它可以感知什么环境，对吧？那你输入不是环境吗？从他的参数里面去找到你的答案，这不是自主性吗？但是我觉得我们真正接下来在讲的所谓的有一定通用能力，有一定泛化能力的方向去走。变成一个精准定义的agent的话，只有一个关键词就是自主性。自主性是对精确Agent定义的唯一标准，这是我的一个观点。

怀民：有很多人觉得如果大模型越来越厉害以后，agent就越来越套壳，我个人不认可这种观点。用拟人的方式来看，通用大模型更接近大脑这种逻辑。人要真的要跟世界交互，它还需要类似交感神经这套逻辑，这是省略不掉的。那这套逻辑沉淀在哪呢？大概率就沉淀在agent这个结构上。其实在具身智能上，它走的方式就非常清晰。运动控制和整个总控，这是完全两码事，不会放在一起去考虑的。所以我自己觉得我们未来跟数字世界交互，人跟现实世界交互，agent仍然站在一个非常重要的位置，类似交感神经这一套东西。

蒋耀锴：我非常认同这个观点，我觉得的确是不能两个东西都得有。我觉得自主是肯定是要有的，但是自主不代表所有的步骤都需要有意识的去控制，很多东西都是可以coze或者是dify里面，加上一个节点让他去做自主的。比方说工具召回，这也是自主。但不是说你要在这里面抛弃掉完全抛弃掉固化的工作流，固化的工作流和自主的决策是可以相辅相成的。

Yinsen：我有一个观点，其实这两天我在看那个O3，O3他最近有点出圈的，是做照片推理，分析这是哪个地方的，其实你看它已经不是原来CO那套了，它是真正是做了一些分布的拆分，然后推理，最终做一个汇总。他其实非常接近我们想象的agent的一些表现。这个模型本身它调用的是OpenAI定义的那一套，那一套已经用了快三年了，这个东西它的定义会不会扩充，它会不会演化，外面一定要有一套框架来去支撑这些东西，这个我肯定是认同的。但这一套框架会不会被吸纳进模型API里面去，我觉得对OpenAI来讲，他有动力做这件事情。

古德白：讲讲美国人现在玩的Agent和咱们国内到底有什么区别？美国现在搞MCP，A2A，感觉人家还有OpenAI，都是玩协议，玩标准。咱们国内确实有点low是吗？感觉就是什么coze，dify这个工作流。

蒋耀锴：这倒不是low，只是中国的环境会更加的封闭一点，就是大家都想自己吃更多的生态的红利，所以就会出现所谓的这种"walled garden"，就是我自家的花园你别进来。国外的话会更多一点把这个生态的红利往外分一点，以此让这个生态做的更大，这个是本质差距。比方说像coze做了那么久的插件市场，这个其实本来应该是他心目中的护城河，但是MCP这种东西一出来，coze你是跟还是不跟呢？你要是跟，那就相当于别人也不需要你继续做coze插件了。你要是不跟，那么你怎么跟一个完全开放的东西去竞争呢？所以如果我是他们的决策者，我会感到很难受的。

Yinsen：我觉得这是中国实用主义的一种惯性。中国面向需求去做工作，美国他面向构建未来去做工作，这个我觉得是大家在思维习惯上的一种差异性。其实这个事情我觉得在被改变，它就是不同的阶段。中国我觉得其实现在也已经在做一些这样的事情了，像Deepseek，像今天我们在台上的老师也在做ANP这一类的东西。他其实是我们度过那个阶段之后，会去往那个方向去靠，当然他们会不会到下一个阶段也不好说，但是我觉得这是第一个层面的问题。第二个层面我觉得就是在影响力角度来讲。中国的互联网公司，他的生意的基本盘在中国，他的生态的基本盘都在中国。但是美国的公司它的基本盘基本上都是全球的。这个从号召力和影响力上来讲，其实也不太能允许中国公司做这样的事情。甚至像google，他在去做chrome浏览器这个项目的时候，他其实在在立项大概是在06年07年之前。他在02年03年的时候他就想做浏览器了，他觉得IE太垃圾了。但是那会儿为什么还是没有做？他认为那会儿的号召力也不足以让他去定义下一个时代的这个外部标准。但是后来的时候，他的影响力到了，就去做了这件事情。我觉得中国公司在未来有这样的影响力和号召力之后，也会去做这样的。

常高伟：我们做协议做的非常早，比MCP做的还要早。刚才那个老师也说过，中国的话一般情况不怎么喜欢做协议，这确实是这样子的。但是我认为中国也需要有从0到1的创新的。像我们做ANP协议，我们是在去年大概这个时候开始做，我们发布的话应该是在去年6 7月份发布，中间的话还做了一次大的一个升级。我们在社区的反馈还蛮不错的，未来还是希望能够大家关注到我们的开源协议。说到协议，回应一下今天的一个主题，MCP是不是智能体的标准。首先我说的我一个观点，MCP它已经成为一个事实标准，是模型调用工具和资源的事实标准。全球范围来看的话，不会再出现第2个MCP，这是我的一个观点。第二个的话，谷歌的A2A出来之后，A2A其实是和MCP有一定的竞争的关系的，但是它竞争点不是直接MCP竞争，它的竞争出现在未来两个趋势，这也是我们观察到的两个趋势：工具智能体化，智能体工具化。未来的工具，它有没有可能演变为一种智能体，我们这个大概率是存在的。第二点就是智能体工具化。未来的话智能体它既是工具的消费者，他也是工具的提供者。从这种角度来看的话，未来如果工具都变成智能体的话，那A2A或ANP其实也能解决两个双方之间交互的问题，不一定会用MCP。所以说在这种程度上他们是有一定的竞争关系的。但短期来看的话，MCP在工具和资源调用上基本上已经是标准。那再回来A2A和我们的ANP，简单讲讲他们的区别。A2A的话大家看它的技术细节也好，看他的生态公司也好，能看到A2A它其实为了解决企业内部智能体之间复杂任务的协作问题。那ANP是解决什么问题呢？我们是解决跨域或者互联网上智能体之间连接和协作问题的。比如说我有个人助手，我要订一个酒店，那酒店是其他人开发的，个人助手是另外一家公司开发。那么他们怎么做交互？A2A做这种方式不大适合，因为A2A的实现方式，导致两个智能体之间的耦合比较大，不大适合这种场景。这里涉及到一些技术细节，今天时间原因咱就不展开了。但是的话整体来说ANP更擅长做这种场景，所以现在的三个协议，我的对他们定位是MCP做模型连接工具的资源，A2A做企业内部复杂任务的交互协作。ANP做的是智能体互联网上的连接和协作，这是我们的一个整体的看法。

古德白：最后最后一个问题，你们认为今天是AI大模型AI智能体创业的好时机嘛？答案说是或者不是？给一个简短的理由

蒋耀锴：因为原来所有的规则都必须用机器语言来定义，就是要用formal language。现在你可以用自然语言了，所以很多的场景实现成本会低很多。举个最具体的例子，我们有个用户，大二的一个学金融的一个学生，她跟他的男朋友做了一个宠物医院的流程管理。从视觉有可能有哪些症状到有哪些诊断。就这种东西，一个没有学过计算机很多年人根本没法搞。

古德白：我明白了，我觉得你这个思路未必可行，因为这是供给端的思路，我觉得供给端未必就决定了他能行，这是我的观点。你先不给你回应机会，等一会儿再说。

Yinsen：我简短说一下理由。我之前在上一代的AI四小龙之一，计算机视觉的CV四小龙。在当时也是中国比较有代表性的一家公司。那会儿其实也做了很多所谓AI的工作，深度学习，视觉甚至做语音等等。你能发现整个市场上公众根本不关注。很多人没有听说过商汤，他根本就走不进公众视野。但是到今天我们能明显发现，大语言模型这一波已经来到下半场了。很多公众在关注他了。说明模型能力他已经从实验室里面走出来了，它是可以解决这个社会上实际的问题了。所以从这个角度来讲，这个单元模型带来的这一波机会一定是对AI来讲是有史以来最好的创业机会。但是能不能成功，大家各凭本事。

怀民：我的观点也类似。原因比较简单了，每一次大的创业机会来的时候，他有一个基本的特征，就是社会劳动力的大迁移。比如说改革开放初期经历的下岗潮，下岗潮有好多人去创业了，这也一样的，也是有个大规模的劳动力的迁移的过程。我觉得在类似背景下都属于创业的好时候。

常高伟：我的答案也是，有三个理由。第一个理由是复杂任务的推理能力，我们肉眼可见在提升，这是第一个大的瓶颈。第二个瓶颈是成本每年都在降1到2个数量级。第三个的话是各种协议的出现，其实对智能体的影响还是蛮大的，特别是对原有的互联网的生态的影响也蛮大的。我其实是非常看好智能体对互联网整个结构的影响，这里面会诞生更多的一个机会。

古德白：我可能和他们不太一样。我做过自媒体，更多要从需求角度来看，因为供应是垂直角度，我们更多要做需求。做自媒体的感觉的话，方向是对的。而且早有早的好处，当然方向对的，你什么时候进来取决于你做什么。比如说作为技术人员来讲，AI编程是今天AI大模型真正落地最好的一个场景。而且收入非常大，我认为目前无论从实践还是从商业看起来是最成功的，对我们普通开发者来说，最大的红利是今天用cursor编一个程序，在你熟悉的行业去落地。我在自媒体上分享了很多视频。下面会有很多人说这个工具怎么用，哪里下载？这样的评论在各种各样的自媒体平台上面的评论区里都有。所以技术人员应该抓住AI编程的红利。那非技术人员的话，我能想到应该就是用AI去做内容，做短视频。无论你写文章还是去做视频，如果有镜头感，那你就做一个视频肯定是更好的。没有镜头感或者不想出面，那就去写文章，通过内容的方式去做一些变现或者增强影响力。我不确定这是不是大的创业机会，但是目前看下来，对于我们普通的人来说，我觉得是可行的这两件事情。

常高伟：我报两个。我用的比较多的，一个是编程工具windsurf，另外一个就是Open AI的Deep Research。

怀民：我觉得可灵做的特别棒，它把人的一种消费的方式改变了，本来你造不出来太牛逼的东西，现在可以做。虽然不能做长篇，咱们可以做一些很牛逼的视频。第二个是一个比较小众的叫也是YC应该是刚投的一家公司叫tamlabs，其实是在word上做了个AI插件。它的商业逻辑很简单，现在统计下来，全球还有数亿的人是用离线版word，没有在线。其中专业用户还有大几千万，他们其实需要在word有一个小工具，不改变原来的使用习惯的情况下能充分利用AI的能力降低专业文档写作的操作复杂性，减少思维被打断的次数。我觉得这是一个很大的机会，所以推荐给大家。

Yinsen：Deep Research。他搜索的数据来源确实很多，再有一个我觉得比较有代表性是must go，我不知道大家有没有用过，我最早其实是期待figma可以把这个东西做出来。因为FGM当时还收购了一个团队专门来做这件事情。但是后来这个动作也非常缓慢。前段时间看must go的时候，他也是有一个从对话去创建，而且还借鉴了take tape去实现一些补全。我为什么对他觉得比较感兴趣？就是他提供一个画布，又加入了这个AI的能力。但是我觉得可能还不够的，里面的每一个元素、每一个控件、每一个组件去直接的交互，这一步还是缺少的。但是我觉得一个画布加上这个AI对话的一个能力，它将来可能会带来超出我们想象力的一些东西。

蒋耀锴：那对于码农来说，有一个叫readdy的工具也挺有用的。它是一个直接用描述生成前端代码，react代码的东西，生成出来的代码质量还可以。style是用Tailwind CSS做的。所以这个对于各位码农的提效应该也是有意义的。

古德白：那我推荐几个，我推荐的都相对比较落地一点，不像他们说的，这个听起来好像不用，也没什么损失。我自己做了几个工具，一个微信机器人用RPN工具实现了python编程，可以实现微信回复、评论、点赞，商业价值非常高。但是我现在不敢卖，因为这外挂，免费玩是可以的。第二个AI编程，我弄了一个小工具，就是网页上面写个小程序，写俄罗斯方块。第三个，报销的一个插件。你把本月的一堆发票往上一扔，它自动整理，识别，分类。第五个是一个面向HR行业的简历库。你把简历文件导自动去识别简历的姓名等等，关键的是下一步，下一步生成岗位，根据岗位的描述自动在简历库里做和筛选的合适打分。分几个维度的打分，完了以后如果有人选中了做候选人，下一步可以生成面试建议，offer谈判策略。

蒋耀锴：我知道一个我的用户做的，她很有意思，是个商科大学生，她家里是做五金的，他就用Zion的AI Agent Builder做了一个东西，用户的订单过来都是微信截图和纸质单据，她做了一个微信截图识别到结构化输出，直接存进系统的这么一个产品。

古德白：听起来也是解决实际问题的，最后还有一个AI写标书，招标书文档传进去自动提取技术，生成这个章节，然后根据章节下一步生成一个几十万字的描述，这些工具暂时都是免费的。

蒋耀锴 ：我们上午的就到这里了，非常感谢大家。