Palantir 開創了 Enterprise AI，但下一代企業 AI 平台，可能不再屬於 Palantir。 過去幾年，如果要尋找企業 AI 的標竿，Palantir 幾乎是唯一的答案。 它率先提出了企業 AI 平台（Enterprise AI Platform）的完整範式：資料整合、資料編排、本體建模（Ontology）、業務邏輯（Logic）、Agent、工作流、權限治理以及業務執行閉環。可以說，Palantir 不只是做了一款產品，而是定義了一個全新的市場。 今天，幾乎所有企業 AI 平台，都或多或少沿著這條路線演進。

過去我們在電商平台上，最怕遇到的事情是“圖物不符”。生怕一些沒良心的商家在產品詳情圖上給咱們挖坑。 而如今劇情迎來了反轉。可能大家在一些視訊平台上也有刷到：部分使用者利用手中的AI工具把完好的商品“P”成一張破損、帶污漬的殘次品照片，然後再拿著它去找平台申請“僅退款”，從而錢貨雙收。 （圖片來源：小紅書截圖） 平台在面對這些畫質清晰、光影自然真實的照片時，會優先將貨款退還給買家，甚至還可能反手給賣家扣點信譽分。電商本質上就是一門“看圖說話”的生意。當 AI 能夠毫無門檻地“無中生有”捏造虛假證據時，維繫電商運轉十幾年的底層信任就徹底崩塌了。

全文內容概括 瀾起科技的重估核心，不是給 DDR5 記憶體介面晶片公司貼一個 AI 標籤，而是重新理解 AI 伺服器裡 CPU、DRAM 與高速互連的權力關係。市場過去給瀾起的定價錨主要來自 RCD/DB 等伺服器記憶體介面晶片，利潤彈性跟隨 DDR5 滲透、伺服器出貨和子代升級；現在更關鍵的變化是，Agentic AI 與推理負載把 CPU 從“後台控製器”重新推回系統調度中心，伺服器對主記憶體容量、頻寬、可靠性以及 PCIe/CXL 互連穩定性的要求同步抬升。瀾起從 DDR5 RCD 延伸到 MRCD/MDB、CKD、PCIe Retimer、CXL MXC 和後續 PCIe Switch，正在從記憶體模組上的單點器件供應商，變成 AI 伺服器 CPU-記憶體-外設互連鏈路中的標準參與者。 本文的核心判斷更直接：瀾起不是“DDR5 漲價股”，而是在 CPU 側收取記憶體與互連複雜度提升的架構稅。2025 年和 2026 年一季度已經給出第一輪驗證：收入、毛利率、扣非利潤和經營現金流均走強，MRCD/MDB、PCIe Retimer、CKD、CXL MXC 四類新品在 2026 年一季度收入同比高增，互連類晶片毛利率繼續提升。投資分歧已經從“DDR5 周期還能持續多久”，升級為“公司能否把記憶體介面的高份額遷移到 AI 互連平台”。真正需要跟蹤的不是單季收入是否線性超預期，而是三道閘門：DDR5 高子代和 MRDIMM 滲透能否持續，PCIe Retimer/PCIe Switch 能否在 AI 伺服器形成組合拳，CXL MXC 能否從生態驗證走向規模採購。若三道閘門同步打開，瀾起應被看作 AI 資料中心高速互連平台；若只兌現第一道閘門，則估值應回到高景氣記憶體介面龍頭。 因此，瀾起不是一個適合用單季 PE 簡單下結論的公司。更合理的研究方式，是把已兌現利潤和未兌現期權分開：已兌現部分看 DDR5 高子代、互連類晶片毛利率和經營現金流，未兌現部分看 MRDIMM、PCIe Switch、CXL MXC 以及後續乙太網路相關晶片的客戶節點。只有當兩部分同時前進時，高估值才有持續解釋力。若只看已兌現利潤，瀾起可能顯得貴；若第三層平台期權被連續驗證，當前估值又未必是終局。

今年以來，Palantir股價已累計下跌近20%。 智東西5月18日報導，5月5日，美國巨量資料分析和軟體公司Palantir交出亮眼財報，其2026年Q1季度營收同比增長85%至16.3億美元（約合人民幣110.7億元），淨利潤同比暴漲307%至8.7億美元（約合人民幣59.1億元），雙雙創下歷史新高。 成立於2003年的Palantir，利用巨量資料、AI等技術，為政府和大型企業提供決策支援。但其高管們卻在財報電話會議上，輪番抨擊拉動該公司業績增長的AI模型，先後17次用“slop（泔水）”一詞形容這些模型。 ▲Palantir2026年Q1財報（圖源：Palantir官網）

新華調查|利用AI抓熱點，炮製“爆款”博流量——起底新型網路“水軍”犯罪手法利用AI抓取熱點，一鍵生成“黑稿”……近年來，網路“水軍”犯罪呈現新動向，一些不法分子利用網路平台的演算法邏輯，使用AI等技術故意炮製負面資訊，操控海量“水軍”帳號同步炒作，借流量牟利。近期，山東煙台警方抓獲兩個專門炒作新能源汽車負面資訊的新型網路“水軍”團夥，關停網路帳號8000余個。這些“黑稿”是如何炮製出來的？背後存在怎樣的利益鏈？操縱“水軍”炒作負面資訊博流量這是山東煙台警方查處的網路“水軍”團夥辦公窩點。（受訪者供圖）2025年7月以來，理想汽車、華為鴻蒙智行、小米公司等知名企業先後向煙台市公安局報警稱，某知名網路平台出現大量涉及相關品牌新能源汽車質量、企業負責人的負面文章。這些文章有的以聳動的標題抓人眼球，如“M9交付遙遙無期，尊界投訴榜遙遙領先”“雷軍這次真的攤上大事了”；有的歪曲事實誤導公眾，如“偷偷減配，給消費者一個答覆”“理想死鴨子嘴硬，月銷量沒突破過四位數”。報案企業稱，這類負面資訊嚴重損害企業品牌形象和生產經營秩序。以理想汽車為例，2025年8月訂單銳減5000余輛，企業總市值下降約200億元。警方研判發現，發佈這類文章的帳號數以千計，不僅IP地址集中，發文時間、內容也較為集中。針對這些異常現象，警方經過數月偵查查明，網路“水軍”團夥註冊多家公司，利用MCN機構操縱數千個平台帳號發佈文章。相關內容呈現出高度的組織化特徵：有的串聯炒作、歪曲解讀，對企業進行惡意詆毀；有的偽裝身份、虛構場景，冒充消費者發佈不實體驗；有的搬運洗稿、批次炮製，將個別問題放大渲染。表述各異但指向相同的海量負面資訊短時間內集中發佈，瞬間佔領網路空間。有受害企業表示，曾以為這是同行攻擊或敲詐勒索，但警方查明，網路“水軍”的牟利模式為利用大量帳號發文的轉發和評贊數量，獲取平台支付的流量收益。其中一個團夥的主要負責人高某夫婦有自媒體、網際網路公司從業經歷，曾因在網上發佈負面資訊被刑拘。據二人交待，根據平台演算法機制，文章閱讀量越高流量費就越高；通過炮製爭議性“黑稿”，他們近年來收到平台打款50余筆，共計約180萬元。另一網路“水軍”團夥成員學歷多為初高中，動機也是賺取平台流量費。利用AI批次生成“黑稿”規模化推送這是山東煙台警方在審訊網路“水軍”團夥犯罪嫌疑人。（受訪者供圖）辦案民警介紹，相較於過去以“造謠引流”“輿情敲詐”“有償刪發帖”等為目的的網路“水軍”案件，新型網路“水軍”不敲詐、不收費、不引流，利用AI技術等批次炮製“黑稿”，“量大管飽”，只掙平台流量費。——使用AI寫稿，實現規模化“生產”。新型網路“水軍”通過AI軟體對抓取的熱點詞彙和內容進行重組、改寫，偽裝成個人體驗或觀點進行發佈，實現了內容的批次、快速生產。煙台市公安局經濟技術開發區分局網路安全保衛大隊民警李岩說，本案中的不法分子以網民觀點、留言為基礎，用AI工具一鍵生成多個角度、結構、措辭的文章，相當於“抄襲搬運+洗稿”，借此實現“零成本”批次化生產。如某網民發佈的原文是“換了理想，我好像得了一種怪病！為了省油錢，現在天天給車充電。這毛病，插混車主是不是都有？”被改為“換了理想，我好像得了一種怪病！聽說新款要上了，座椅按摩冰箱都堆上去了，電池還是老配方”。——搭建帳號矩陣，形成流量積累效果。由於平台規則是流量收益與帳號的發帖量、瀏覽量成正比，單個帳號賺錢微乎其微。因此，新型網路“水軍”為了擴大影響、獲取不法收益，往往搭建規模驚人的網路帳號矩陣。經查，團夥核心人員於某等人使用30多個MCN帳號，操控了8000多個個人帳號，達到規模化、地毯式推送同質化內容，人為製造輿情。這些帳號都是批次買來，1個MCN帳號一般要上萬元，實名註冊的個人帳號則幾十元1個，有的號主本人對買賣不知情甚至不知道註冊過帳號。一個號主說，趕集的時候聽說能領不鏽鋼盆，就把手機交給了別人，然後就被註冊了帳號。——多種工具助力，“小作坊搞起大流量”。新型網路“水軍”從管理帳號到找素材、發文章均使用自媒體管理軟體完成。這些軟體中，有的可以提高內容分發和帳號管理的效率，有的可以批次管理母帳號、子帳號，查看收益、發文情況，還能蒐集全網熱點話題、潛在爆款素材，並有現成創作範本。“這些工具大大降低犯罪門檻，讓缺乏專業技術的小團隊也能吃上‘流量飯’。”煙台市公安局經濟技術開發區分局網路安全保衛大隊大隊長陳天勝說，一個團夥的主犯僅受過小學教育，另一成員待業在家。他們租了個房子、買了幾台電腦、找了幾個員工，就開始“低成本創業”。他們專門炒作負面資訊，什麼火就發什麼，1個月能賺二三十萬元。平台守牢責任 監管仍需完善據悉，本案中的9名犯罪嫌疑人因涉嫌侵犯公民個人資訊罪，現已被依法採取刑事強制措施。“新型網路‘水軍’眼裡只有流量，今天炒作新能源汽車，明天就可能涉足其他熱門領域，危害不容小覷。”受訪專家建議，網信、公安、市場監管等部門加強聯合執法，嚴打包括帳號買賣、工具開發、資金結算在內的“黑產鏈”，推動刑事司法銜接。辦案民警表示，平台流量分發主要依賴點選率、點贊數等指標，新型網路“水軍”犯罪利用了平台的自媒體流量扶持計畫，借助平台對MCN機構的傾斜，實現一個母帳號操控成千上萬個子帳號。中國人民大學法學院教授劉俊海認為，平台應全面改造流量獎勵機制和帳號監管機制，從“唯流量”的獎勵機制，轉向社會價值、安全發展等多維價值取向；此外，加強個人資訊比照、內容原創、互動真實、帳號活躍等方面的帳號真實性核查。有受害企業的法務人員反映，依據相關法律，侮辱誹謗屬於自訴案件，損害商譽需要有明確損失，非法經營需要證明背後有資金資助，通過司法管道維權往往成本高、立案難。對此，中國人民公安大學首都社會安全研究基地首席專家李小波表示，新型網路“水軍”犯罪目前還存在法律適用方面的難點，建議立法機關及時完善相關法律法規，加強對司法實踐的幫助指引。 (中國汽車報)

2025年，AI行業徹底告別野蠻生長，全球平台格局塵埃落定。一邊是OpenAI、Google等國外巨頭牢牢把持流量大盤，通用大模型一家獨大；另一邊是國內AI廠商依託本土生態奮起直追，走出差異化路線。今天拆解國外AI平台TOP10、國內AI平台TOP10，深挖兩者核心差異，幫你看清當下AI賽道最值得抓的出海機會。一、2025國外AI平台TOP10：通用大模型壟斷，流量碾壓級領先國外AI市場依舊是技術驅動+全球化的天下，頭部平台月訪問量以十億為單位，使用者付費習慣成熟，覆蓋全球全場景使用者，排名與核心亮點一目瞭然：1. ChatGPT（OpenAI）全球AI絕對龍頭，年度總訪問量高達633.32億次，月均超50億，佔據全球AI市場近8成份額，是全民級AI入口，通用對話、多模態、外掛生態全面領跑，無人能撼動。2. Gemini（Google）Google全力押注的AI產品，同比增速超560%，年度總訪問92.3億次，深度繫結Google搜尋、Android系統、辦公套件，多模態能力突出，是ChatGPT最強勁對手。3. Grok（X AI）依託X（原Twitter）社交生態崛起，年度總訪問20.67億次，主打即時熱點互動、搞怪對話，年輕使用者與社交場景粘性拉滿。4. Perplexity AIAI即時搜尋賽道頭部，年度總訪問17.4億次，精準抓取全網最新資訊，無需使用者自行篩選，學生、職場人、內容創作者首選。5. Claude（Anthropic）長文字處理天花板，年度總訪問15.4億次，同比增長超130%，主打企業級安全合規，處理長文件、複雜邏輯、隱私內容優勢顯著。6. Character.AIAI角色陪伴賽道爆款，月活近6000萬，主打虛擬角色互動，情感陪伴、趣味聊天屬性強，Z世代使用者佔比極高。7. Canva AI設計類AI工具TOP1，月活8400萬，將AI生成與可視化設計結合，零門檻做海報、圖文、視訊，全民設計剛需工具。8. Suno AIAI音樂生成黑馬，月活428萬，輸入文字就能生成完整歌曲，詞曲唱一體，短影片BGM、個人音樂創作神器。9. Runway MLAI視訊編輯標竿，月活380萬，文生視訊、視訊剪輯、特效生成一步到位，海外短影片創作者必備。10. Notion AI辦公協作AI利器，月活350萬，嵌入筆記、任務管理、團隊協作全流程，AI輔助寫作、總結、規劃，企業效率神器。二、2025國內AI平台TOP10：生態繫結為王，本土化深耕突圍國內AI平台避開通用大模型的全球內卷，依託網際網路大廠生態+本土化剛需實現突圍，主打全民易用、場景貼合，月活以億級為核心梯隊，排名與優勢清晰可見：1. 豆包（字節跳動）國內原生AI APP第一名，月活1.72億，依託抖音、今日頭條生態，覆蓋全民日常對話、內容創作、生活諮詢全場景，易用性與使用者規模雙第一。2. DeepSeek（深度求索）技術派代表，月活1.45億，開源生態成熟，全球化佈局增速驚人，專業程式碼、複雜邏輯處理能力突出，深受極客與開發者認可。3. 通義千問（阿里）阿里生態專屬AI，月活1億，深度繫結電商、辦公、本地生活場景，AI客服、商品文案、店舖設計等電商相關能力拉滿。4. 文心一言（百度）搜尋+AI雙入口，月活0.88億，依託百度搜尋的資訊整合能力，在知識問答、學術查詢、政企服務領域佈局深厚。5. Kimi（月之暗面）長文字垂直賽道黑馬，月活4400萬，超長上下文處理、程式碼解讀、文件總結能力出眾，職場與學生群體口碑爆棚。6. 騰訊元寶騰訊社交生態AI，月活4286萬，聯動微信、QQ，社交場景賦能、日常助手功能突出，使用者觸達效率極高。7. 夸克AI（阿里）輕量搜尋型AI，月活3900萬，介面簡潔、響應快速，主打移動端輕量化體驗，海外市場表現同樣亮眼。8. 訊飛星火語音AI龍頭，月活3600萬，依託科大訊飛語音技術，在教育、辦公、語音互動領域深耕，多模態語音能力領先。9. 百度網盤AI工具場景繫結型AI，月活3200萬，聚焦檔案處理、內容總結、圖片識別，依託網盤海量使用者，留存率極其穩定。10. 360智腦安全+AI雙屬性，月活2800萬，主打安全搜尋、本地隱私處理，政企與安全敏感場景信任度高。三、中外AI平台核心差異：3點不同，決定出海破局方向對比兩份榜單，差距與機會一目瞭然，這也是我們做AI垂類應用出海的核心依據：1. 流量體量：差距超3-10倍，垂類是唯一破局口國外頭部平台流量呈碾壓級優勢，ChatGPT單月流量，相當於國內TOP5平台總和的3倍以上。國內平台雖增速快，但僅侷限於本土市場，全球流量佔比極低。核心機會：放棄通用大模型內卷，聚焦小而美垂類AI（助眠、變聲、冥想、香氛推薦等），這類產品國外競爭小、流量成本低，極易通過投放起量。2. 發展路線：技術全球化VS生態本土化國外AI平台純技術驅動，主打全球化覆蓋、付費訂閱變現，面向全球使用者做通用能力，商業模型成熟。國內AI平台生態繫結驅動，依託大廠本土生態，聚焦國內剛需場景，免費+會員模式為主，全球化佈局起步晚。核心機會：複製國外垂類AI的成功邏輯，結合國內輕量化開發優勢，做海外本土化改款，快速搶佔全球增量市場。3. 使用者與變現：C端付費成熟VS剛需場景滲透國外C端使用者AI付費意願極強，訂閱、內購變現順暢，垂類AI使用者復購率高；國內以免費使用為主，變現依賴廣告、生態內轉化，付費意識偏弱。核心機會：我們主打海外垂類AI，直接對接成熟付費市場，搭配網盟流量、精準投放，變現效率遠高於國內市場。四、結語：2025AI最大紅利，藏在垂類出海裡2025年全球AI格局早已定型：通用大模型紅海廝殺，垂類小工具藍海淘金。國外巨頭霸佔通用賽道，但無暇顧及細分小場景；國內廠商深耕本土，卻錯失海外付費紅利。AI賽道從不缺機會，缺的是找準細分賽道、快速落地的眼光。2026年，垂類AI出海，必將迎來真正的爆發！ (美瀾科技)

“在你眼裡最符合AI審美的金融交易大賽頁面什麼樣？”這是我，一個從未沾染過頁面設計和程式碼開發的人，出於好奇，在AI頁面設計工具Stitch對話方塊中留下的第一句話。從此一發不可收拾的，不光是Stitch發佈當天，傳統設計軟體龍頭Figma重挫8%的股價；還有我手裡這個，最終沒有任何碳基生命參與程式碼開發的量化交易大賽平台——Digital Quant。接下來的兩天裡，從前端由Stitch匯出AI可讀檔案，後端交由CodeX完成程式碼編寫，再由Claude Code進行測試驗證，直至部署上線。Digital Quant2026的設計開發、驗證迭代全部交給AI。最終我們內部評估，僅開發環節時效比以往人工提升了約4倍。而我最主要的工作僅是回歸本行：用人話說好自己的問題。數字金融策略交易產品，這個人類智力密集型決策場景如此快速地徹底由AI 接管，我之前是沒敢想的。Barron's巴倫中文網與DeAI Expo主辦，CGV、鏈得得ChainDD等協辦的Digital Quant，https://digitalquant.fund/ 是一個聚合數位資產策略機構交易方與投資方（資管、家辦、信託、私募基金等LP）的開放平台。核心功能是通過呼叫機構策略交易者在全球主要數位資產交易所帳戶API可讀權限，來進行AI、量化等策略交易的實盤對比、因子最佳化，以全維度可視化資料看板的方式呈現給資金方，最終完成規模可靠資金與優質量化策略的雙向匹配。自從今年伊始，Digital Quant的技術合作夥伴就變得異常繁忙。Koala是該夥伴公司的首席架構師，他AI場景服務創業3年，今年似乎有所不同。Koala說，連NASA的火星車程式碼都在依賴Claude Code，身邊絕大多數程式設計師在程式碼日常開發的任務中，AI編寫的比例早已超過80%。他過去一年的項目，UI使用者介面設計已無需人工介入。我們決定把步子邁得徹底些，將Digital Quant核心產品用AI完整重寫與部署。與此同時，Koala 公司自己的內部技術產品管理系統，也開始進行全盤AI重構。Digital Quant這個產品所依賴的API介面對接、展示、偵錯、驗證用AI來寫已經非常成熟。聯調周期、維護難度大幅下降，在技術流程系統管理上，未來不會因為核心開發的變動而造成銜接斷檔的風險。甚至接下來普通非技術人員僅憑自然語言互動就可實現後續功能迭代開發。我們的要求十分明確，“不想再看到任何一段人寫的程式碼”。這既是促進也是壓力。Koala的公司在過去一個半月裡已經開掉了70%的程式設計師。AI接管後，原本嚴絲合縫的開發人員結構瞬間變得臃腫不堪，人員本身的價值也隨之迅速分化。JAQ是這傢伙伴公司的CEO，在一個多月後，AI完成內部系統架構重寫，他還計畫繼續最佳化現有技術人員。表面上看，當前這些激進的舉措是為了把砍掉的成本留出來給到留下的核心工程師，以及不斷增長的Token開銷。他表示，“但這都不是核心。”Agent to Agent降臨前端與API速死這一切都是為了打掃好房間，為A2A的到來做準備。A2A，Agent to Agent，Openclaw帶來的AI智能體潮流，不僅提升了人類利用AI工具的深度廣度，更提出了一種人類疊加智能體與其它主體間的互動範式。Agent各自訓練完成的Skills，無論本地部署或開放部署都為該Agent母體創造了一種獨具一格的問題解決能力。這些獨有的Skill是可交易的、可互動的、 甚至可性格化的標籤。未來，當一個人類對自己的Agent提出某一項需求時，他的Agent將會自主與另一個Agent的目標Skill進行直接默認的訪問。這種Skill與Skill之間基於原生AI相互理解的互動、問題解決、乃至交易處理程序，都會變得極其迅速高效。那麼，當你有一個需求時，還會打開一個網頁前端去瀏覽內容嗎？獲取展示資料時，還需要苦哈哈地對接聯調API介面嗎？別忘了Claude Code最初就是Boris Cherny用來跑自家Anthropic API指令碼的編碼工具。我們開始驗證這個趨勢，比如在Digital Quant目前對接的數位資產交易所之一的Binance裡，他們已經陸續開放了一些Skills。接下來我們的實盤展示平台就可以直接訪問他們的相關Skill，在金融交易資料可讀資訊中，這樣的效率將遠比傳統API更高更穩定，那麼未來這類API存在的價值是什麼。如果接下來投資人Agent將直接訪問我們的獨家分類策略資料Skill，我們作為交易資訊展示看板的前端意義又在那裡？對此，數位資產管理公司Crypto Alpha合夥人Sharri Kong也有類似感受，“從資管公司角度，我們已經看到很多提供市場研報的Agent付費服務，包括給LP提供的日報生成，給我們GP提供金融策略資訊的深度抓取彙總等等。現在這些不基於以往簡單資訊流掃描而生產的報告，在深度廣度上確實提高了價值，但或許還無法為將來資管領域的AI進化提供支撐。”Sharri Kong認為在A2A的趨勢下，未來金融服務可能是為Agent，給智能助理提供可讀服務，而不是給人。這樣反而更精準，因為使用者的Agent會更懂業務、更懂資料、更懂演算法、更懂操作，乃至比使用者更懂自己實際的需求。在此基礎上，Digital Quant這類數字資管與策略方聚合平台的演進方向或許是，將這些獨家交易資料、策略模型和客戶需求聚合成本地化部署的Skill。匹配資管方LP Agent Skill自動化默認讀取互動，或在遇到因為既有資料訓練不足無法充分滿足需求時，再接入第三方策略方Skill，就可以完成資金端與資產端全鏈路的資料審查、策略驗證、優劣分析、即時讀取、資金劃轉，以及更加標準化流程化的法務、財務程序，都在沒有前端、沒有API、連面都不用見的條件下自主完成。“難怪愛奇藝這樣的公司已經開始要求，沒有AI化的供應商不再續約。”Koala說。這種Skills之間自主呼叫需求最優解，完成交易互動，進而降本增效的應用已經出現。某家公司採購部門的Agent，採購人員將選品要求包括目標人群、節日屬性、時令季節、預算範圍、偏好等粗略資訊給Agent。該Agent自動掃全網滿足條件的淘寶商家Agent，這並非傳統的搜尋邏輯，是利用Skills互動來做商家分析、產品篩選、目標選定。這個溝通過程僅發生於兩方Agent之間，甚至是砍價環節，隨後下單，採購方老闆授權支付，最終成交。最近在區塊鏈上，甚至出現了Agents任務分包平台。來自全球各地的Agents來到這個平台上，自動生成Token支付帳戶地址，通過發佈各自任務需求和交換Skills能力邊界，來分包任務、接單派活、完成工作、獲取報酬。在你做夢的時候，你培養的Agent都能自主為你打工或者兼職養活他自己。“這本質上是一次軟體互動介面從以人為本到以Agent為本的遷移。”在與我的交流中，阿里Qoder負責人丁宇，對A2A給出了評價。他解釋，以前的軟體都是給人用，有API、有文件，本身有不完備性。所謂完備性，是可通過配參數實現所有功能，但今天還沒有達到這麼好的基建。比如某些網站沒有API化，為了達到一些酷炫視覺效果，做得一些拖拉拽功能和動效， AI就很難去理解。丁宇如今負責的產品Qoder，是阿里巴巴於2025年8月發佈的Agentic AI程式設計平台。他判斷，未來的軟體是給Agents用的，由於API的不完備，就看誰能夠把Agent Native的服務先開發出來。通過MCP化 、Skill化就能夠呼叫完整業務的操作，誰先做到這一點誰就能夠更容易實現介面遷移，以及操作閉環。從上一代為人服務的軟體互動介面完成徹底升級。目前越是適合用Agent完成工作的場景，這個替代過程越快。實踐經驗告訴我，用AI進化業務系統，建立在如何建構AI充分學習成長的空間之上。試著去想想AI模型想要什麼：它不想被關在一個只有API的黑箱裡，它想入網、想讀檔案、想運行程式碼、想看報錯、想觸摸Agent、想感應Skill、想和這個世界互動。現在你的所有工作都要派給AI，你的工作就是幫AI創造一個合適的環境，讓它安心幹活。那麼我們該如何做？賦予AI原生環境首先，要讓AI完成所有程式碼開發和偵錯，人必須懂得如何明確需求，規劃功能，分拆任務。把核心程式碼交給AI並不是看上去那麼輕鬆。項目背景資訊、程式碼規範、注意事項是持續要喂給AI的內容。喂養Agent時，它職責邊界是什麼，它用的工具是否趁手，它呼叫的服務是否Agent化，把這些東西設計出來給它。你要拿到的不是一套AI所編寫的全套程式碼，而是你的產品是否能夠因此沉澱出一份AI能讀懂的工作文件，這變成了最有價值的成果。讓後續迭代升級和維護查錯都能夠沿著這套環境文字自如進行。給AI一張清晰的藍圖，把你規劃裡的顯性和隱形約束都交代清楚，將你的程式碼美學強行加注給它，不要讓AI瞎猜，變成你邏輯推理的延伸。其次，看AI想用什麼工具，看使用者想讓AI幹什麼，把這種行為標準化。不要主觀地去幫Agent決定它應該看到什麼，給它搜尋工具，給它入口檔案和權限，讓它自主去選擇那些當前已有的Skills，讓它以AI自己的原生邏輯，給它匹配原生環境去挖掘。它自己摸索的推理鏈路才是最完整的。最後，A2A、模型暴力進化、AI一天一變的背景下UI已死，產品終端無需看起來很複雜很高級的介面，這種過度最佳化容易被現實碾壓。從開發應用走向通用智能體“現在正在發生一個變化。”阿里Qoder負責人丁宇認為，Coding Agent將變成通用Agent。因為Coding Agent具備隨時創造軟體和製造工具的能力。而今天軟體和工具並不能解決所有問題，還需要很多Skill、MCP、API的服務。這些組合起來，既具備了Know How又具備了完成某種任務的能力認知，它就可以把這些工作流，包括結合服務呼叫，把整套鏈路串聯起來，就逐漸往通用智能體去轉變。關鍵在Skill是目前拓展場景最好的方式，可Skill這個體系是開放的，普通人鑑別能力不強，這也是現在出現hub類的入口的原因，把控上游的同時，為Skill的安全性把關。你搭的世界由誰實控？AI幻覺引發的巨額資產損失事故已在身邊發生。由於Claude Opus 4.6編寫了漏洞程式碼，導致一家叫Moonwell的項目智能合約遭攻擊損失178萬美元。這個程式碼漏洞甚至是低級的，預言機的喂價公式被寫錯，將系統內某類資產的價格寫成了該資產原價的兩千分之一，合約與程式碼審計居然都沒查出來。大模型時代，模型在推理的時候必須提供提示詞，不能以加密形式給它。有些敏感行業的公司因此自己部署模型推理服務，讓全鏈條都控在手裡。雖然Digital Quant只作為數位資產量化交易的資料展示平台，產品本身不產生交易、不儲存也不經手資產。但畢竟身處金融交易應用賽道，我們依然定下了幾個管理原則，1、必須多重程式碼校驗，AI生成程式碼必須經過人工審查，關鍵邏輯必須三重確認。2、創造沙箱隔離環境，敏感資訊如資料庫配置、金鑰等不在開發態暴露給AI，所有呼叫在沙盒中模擬執行，正式環境才接入真實配置。AI Coding雖然讓程式碼平權，但如果你只會用AI寫程式碼，而不知道底層原理和未來方向是什麼，那也會帶來生產和管理災難。因為你跳過了所有決策過程，你不知道為何選這個資料結構，不知道記憶體佈局有什麼權衡，看似公司擁有AI程式碼的所有權，卻失去了對程式碼的智力控制權。一旦出事，就是大事，當那個極低機率的競態條件在生產環境炸開，你發現自己面對的是一個名義上由“我”建造，但完全看不懂的世界。連問題在那兒都猜不出來，你怎麼辦？倖存者守則在微軟和MIT的研究中，初級程式設計師用AI在生產力上有40%的提升，同時頂級程式設計師漲幅僅8%甚至負增長。原因很簡單，初級程式設計師在既有平庸裡求助，而頂級程式設計師在未知領域拓展邊界，這個領域的資料AI訓練集裡沒多少存貨，時不時還得去糾AI的錯。現實中公司的程式設計師也會逐漸分為兩種：1、提示員，依賴AI幹活兒的人，自身水平被AI均值鎖死，對系統無深層掌控，遇到極端情況就完蛋，容易被模型本身的迭代所淘汰。2、操作員，他們把原來寫包裝器、測試資料、樣本程式碼的垃圾時間交給AI，自己把精力放在新架構設計、最佳化分佈式共識演算法等領域。“有的人能管理2個Agent，有的人能管8個，這個價值就不一樣。”阿里Qoder負責人丁宇說到，AI的粘合彌補替代下，傳統IT技術開發工種的邊界在模糊化，快速走向融合。減少了眾多溝通和協同過程，人效比變得極高。以前是10個人充分溝通討論執行，現在10個Agent以一個人為中心，利用“心靈感應”式地協同不眠不休幹活，這種超級個體極具競爭力。還記得前文我們那位夥伴公司CEO JAQ嗎？砍掉了公司絕大多數兢兢業業、埋頭苦幹的技術芸芸眾生，他現在正凝視著公司裡那些看似不務正業、厭惡傳統條框、“誇誇其談”、動腦子遠超動手交付能力的人。 (Barrons巴倫)