Después de que el "Padre de la langosta" criticara internet humano, finalmente alguien tomó esto como un asunto para resolver.

（来源：机器之心）

編集｜张倩

No sé si todos ustedes todavía se acuerdan: en marzo del año pasado, el gurú de la IA Karpathy publicó un tuit. En términos generales, quería decir que: la mayoría de los contenidos actuales todavía se escriben para los humanos, pero en el futuro, quien lea esos contenidos quizá no sea un ser humano, sino una IA. Por lo tanto, a partir de ahora tenemos que pensar en cómo escribir documentos de una manera más amigable para la IA.

Para ser sincero, cuando vi esta opinión, todavía no había reaccionado a lo que eso realmente significaba. Es posible que muchos internautas también pensaran así. Incluso alguien dijo: “Considerarlo ahora es demasiado temprano, después de todo, ahora quien más usa Internet sigue siendo la gente”.

Pero en solo un año, la situación cambió. Después de que mucha gente probó “el cangrejo”, ni siquiera les da pereza hacer por cuenta propia tareas como organizar archivos en el escritorio; y mucho menos para buscar información en Internet, que son trabajos sucios y pesados.

Casi se puede asegurar que lo que dijo Karpathy, “la IA se convertirá en la fuerza principal de Internet”, se volverá realidad muy pronto. Después de todo, los humanos que ya han probado el “dulce” no pueden volver atrás. Entonces, ¿en qué situación está Internet hoy en día? Como dijo un internauta: todavía es “el camino de piedras del tiempo de los carruajes”.

Para los Agentes, este camino está lleno de obstáculos: todo tipo de validaciones y programas de inicio de sesión se atascan; las herramientas encontradas en Internet hay que probarlas una por una; los tokens se usan como si fueran gratis (aunque en realidad son muy caros); incluso si la tarea se completa, hay que esperar medio día, como cuando la gente se conectaba a través de módem telefónico.

Liu Hongtao, que ha recorrido desde la era del Internet para PC y la era del Internet móvil, me dijo: “Ahora esta situación es realmente difícil de aceptar”. Hay que saber que el estándar de usabilidad del Internet humano es 99,9%, y ese grupo de personas incluso llegó a pelear para que ese número incluyera más “9”. Sin embargo, en la actualidad la tasa de éxito de los Agentes al llamar herramientas externas es solo del 60%; y eso es el resultado de una sola llamada paso a paso. Con más pasos, cae a menos del 30%.

Por eso, cuando “el padre del cangrejo”, Peter Steinberger, se quejó en una entrevista de que la infraestructura de Internet actual es extremadamente “no amigable” para los Agentes, Liu Hongtao sintió una fuerte resonancia. Y el problema que señaló Peter es justamente la dirección de emprendimiento que él vio con antelación el año anterior e implementó formalmente en la primavera del año pasado: Agent Internet Infra.

El juicio central de Peter Steinberger es: Internet actual no está diseñada para agentes y se vuelve cada vez menos favorable para ellos debido al bloqueo, los CAPTCHA, el sistema de permisos, la falta de CLI/API y otras razones; por lo tanto, la próxima generación de infraestructura de Internet/software debe ser reconstruida en una dirección “amigable para agentes”. (Subtítulos generados por IA)

La nueva empresa que formó Liu Hongtao se llama AgentEarth. El equipo central tiene tres personas y sus currículos son sólidos. Él mismo fue presidente en la unicornio de operación inteligente y mantenimiento en la nube, Cloud Wisdom, y tuvo experiencia en validación a escala de infraestructuras empresariales de 0 a 1. El CTO, Dan Minghui (Lucas), fue un constructor temprano del sistema operativo de inteligencia automatizada de Didi; con él se desarrolló un sistema de emparejamiento en tiempo real a gran escala para cientos de millones de personas y una gran cantidad de servicios de transporte bajo demanda. Tiene experiencia en construir y operar. La científica jefe, la profesora Xue, lleva muchos años profundizando en tecnologías de red de vanguardia a nivel nacional; su fortaleza es la pila de protocolos a nivel base.

CEO de AgentEarth

Liu Hongtao (izquierda) y el CTO Dan Minghui (derecha)

Con una combinación así, es evidente que no van con la intención de hacer una simple herramienta de Agentes. Según las palabras de Liu Hongtao, lo que quieren hacer es “trabajo de infraestructura”: en la capa base, construir para Agent Internet una “línea de logística de alta velocidad” para que la transmisión de datos funcione de manera estable y rápida; en la parte superior, abrir una “tienda de autoservicio premium”, no para que la gente compre, sino para servir al Agente como usuario final real. En cuanto entran a la tienda, pueden llamar rápidamente herramientas de alta calidad que han sido filtradas y gobernadas. La primera parte depende de sus nuevos protocolos de transmisión de próxima generación desarrollados durante años; la segunda, consiste en hacer sólido el conjunto de agregación, alojamiento y orquestación inteligente de herramientas, de modo que los Agentes ya no tengan que probar en todas partes como un “cerebro sin cabeza” y chocar por doquier, ahorrando tiempo y tokens valiosos.

En cuanto a cómo hacerlo específicamente, Liu Hongtao también habló en detalle.

Internet diseñada para humanos

Demasiado mala para los Agentes

Recientemente, Anthropic y OpenAI han vuelto a impulsar una palabra: Harness Engineering. En su blog, Anthropic dice que con los mismos modelos y los mismos prompts, al principio los juegos que salen no se pueden jugar. Pero cambiando una forma de ejecución y el entorno, se puede obtener un buen juego.

Estas instituciones de vanguardia han alertado a todos con experimentos: aunque la mejora del propio modelo es crucial, el entorno externo alrededor del modelo también no se puede ignorar, o de lo contrario afectará el desempeño del modelo grande.

Esto también explica por qué OpenAI ya había afirmado en 2024 que en algunos aspectos los modelos grandes habían alcanzado el nivel de competencia de doctorados, pero hasta este año, el lado de la productividad recién empezó a ofrecer una sensación práctica “en el cuerpo”.

La construcción de este entorno es mucho más compleja de lo que se imagina. En los últimos uno o dos años, los ingenieros del campo Agent Infra han estado intentando resolver algunos problemas, como almacenamiento de memoria a largo plazo y orquestación de ejecución, proporcionando un sistema de soporte de base para que los Agentes operen de manera estable. Pero esta ola de “calentura del cangrejo” también expuso plenamente una debilidad: la llamada externa. Hay que saber que incluso para una operación sencilla de compra de boletos, el Agente tiene que llamar a herramientas externas más de una docena de veces. Por lo tanto, cuando el Agente empieza a “hacer trámites en Internet” como una persona, la capa de red se convierte en el nuevo campo de batalla.

Liu Hongtao mencionó que, frente a este nuevo campo de batalla, la construcción de la infraestructura relevante debe seguir una lógica nueva, porque la conducta del Agente al navegar en Internet no se parece en nada a la de los humanos.

Los humanos navegan: abren el navegador, buscan palabras clave y luego hacen clic en las páginas web que les interesan. Después vienen la lectura, el pensamiento y la toma de decisiones. Una persona suele permanecer bastante tiempo en una sola página, pero el acto de navegar en general no es complejo, y además hay tecnologías de caché como el CDN (la caché sirve una vez y beneficia a mucha gente) que garantizan la velocidad, y varios diseños de UI bien pensados para mejorar la eficiencia; también hay muchas herramientas que, durante muchos años, han resultado bastante fáciles de usar.

Pero el Agente es diferente: no “mira” Internet; se conecta a Internet para “terminar el trabajo”. Una tarea requiere herramientas que abarcan varios modelos y plataformas; la cadena de ejecución es larga. Si en un punto se bloquea, toda la tarea cae en un agujero negro de prueba y error. Además, le exigen más velocidad que a los humanos, porque no necesita tiempo de reacción: solo quiere resultados cada vez más rápidos para pasar inmediatamente al siguiente paso.

Sin embargo, la realidad es que en la Internet actual la mayoría de páginas y herramientas siguen siendo diseñadas para humanos (como la verificación que menciona Peter en la entrevista, donde el Agente tiene que hacer clic en “no soy un robot” en la página). No hay selección ni adaptación específica para los Agentes, por lo que las cadenas largas del Agente se rompen fácilmente. Además, algunas de las cosas que el Agente obtiene al navegar son solo las que necesita él mismo (por ejemplo, generar una imagen determinada). Cuando él termina de usarlo, otras personas no pueden usarlo, así que el CDN pierde validez y la velocidad no puede subir.

Al combinarse estas características, la infraestructura del Internet humano empieza a mostrar “falta de adaptación al entorno” frente a los Agentes. Y en este momento, Agent Internet aún está en su etapa de desarrollo salvaje: las herramientas externas son de todo tipo y condición, las interfaces son confusas y la calidad es desigual. En el proceso, los Agentes se “pierden” con frecuencia; en la repetición de pruebas y en la transmisión redundante de contexto se gastan grandes cantidades de tokens en vano. La velocidad para completar tareas tampoco puede mejorar.

Dicho esto, queda muy claro qué hay que hacer en la dirección de Agent Internet Infra: permitir que millones de agentes descubran de forma autónoma, se conecten de manera segura y cooperen de manera confiable mediante protocolos de red y middleware de base; su objetivo es resolver cómo se conectan los Agentes con lo externo y cómo, entre Agentes, se coopera sin fisuras como lo hace la humanidad con Internet. Sus capacidades centrales incluyen autenticación de identidad, protocolos de comunicación, gobernanza de permisos, llamadas de herramientas multiplataforma, optimización de transmisión de datos, pagos transaccionales, gestión de seguridad y más.

Actualmente, ya hay algunas empresas que empiezan a impulsar esta dirección. Por ejemplo, Cloudflare publicó Markdown for Agents para que los Agentes lean páginas con facilidad; Google publicó WebMCP para conectar el entorno del navegador con los recursos informáticos locales… Pero en general, todavía estamos en una etapa temprana del desarrollo. Aún faltan proveedores de nueva generación de servicios de Agent Internet Infra.

Internet para Agentes

¿Cómo ahorrar dinero y tiempo?

En esta dirección de Agent Internet Infra, la lógica de emprendimiento de Liu Hongtao y otros tiene un ancla central: desde el primer día, tratar a los Agentes como usuarios principales de la red, es decir, end user (antes se asumía por defecto que eran humanos). Esto coincide con el juicio de Karpathy.

Una vez anclado este supuesto, el rumbo de la optimización de la infraestructura de red pasa de “servir a la experiencia humana” a “servir a la tasa y eficiencia de completar tareas”; de “que la plataforma ofrezca conexiones” a “que la plataforma se haga responsable del resultado”. En otras palabras, lo que principalmente consideran es: si tu “cangrejo” puede completar la tarea con alta calidad, alta confiabilidad y alta eficiencia gracias a mi plataforma, yo me hago responsable de tu resultado y quiero ahorrarte dinero y tiempo.

Lo más importante es que esto no se quedó en lo conceptual, sino que se tradujo en decisiones de producto.

La más evidente es que deliberadamente no hacen interfaces para personas, ni una experiencia compleja para desarrolladores. Lo que hacen es solo interfaces de Agentes estandarizadas. Detrás de esto hay un juicio muy firme: en el futuro no serán los desarrolladores quienes configuren herramientas, sino que el propio Agente ensamblará las herramientas. Si crees esto, entonces todas las capas diseñadas para “hacer más cómodo el uso humano” son solo una transición a corto plazo.

Entonces, ¿cómo convierten “alta calidad y alta confiabilidad” en su diferenciador? En realidad hay tres capas de tecnología detrás de todo.

En la capa del medio, mueven el problema de “la calidad de las herramientas” desde el lado del Agente hacia el lado de la plataforma. El enfoque dominante actual es hacer que el Agente elija herramientas por sí mismo, pruebe y corrija, llenando los huecos con más tokens. El resultado es costo alto, tasa de éxito baja e ingobernable. En esta capa, ellos se hacen cargo y construyen para el Agente un “único gateway” para acceder a servicios externos. Es decir, el Agente no necesita saber qué herramienta funciona bien: la plataforma ya se lo ha seleccionado y tiene planes de contingencia. Si ocurre una falla, cambia de inmediato. La liquidación también se unifica aquí: todos los datos son transparentes. La gente detrás del Agente puede ver qué herramientas se usaron, cuántas veces se llamaron y en qué se gastaron los tokens; ya no es un agujero negro que se traga dinero.

Y la capa de arriba se dedica a garantizar la calidad temprana usando la lógica de “tienda propia”. Al principio no abren ecosistema: eligen ellos mismos las herramientas, enfatizando estabilidad, eficiencia y alta calidad, como el ecommerce de tienda propia de JD en sus primeros tiempos. El objetivo central era ayudar a “los cangrejos” a completar tareas con alta calidad. Una vez que se genera tráfico, también abrirán la entrada de terceros y usarán un algoritmo de recomendación de herramientas basado en modelos grandes, junto con estrategias de optimización de llamadas, para hacer que el proceso sea altamente inteligente.

La capa de abajo, que además es la más “dura”, consiste en hundir la “confiabilidad” en la capa de transmisión, usando un protocolo propio de agendar “transmitir-almacenar-calcular” para acelerar la transmisión de datos a nivel base.

En pruebas en entornos reales, este protocolo es 2-10 veces más rápido que el mejor protocolo open source actual en la industria, el de Google QUIC. En pruebas recientes incluso llegó a ser de más de diez veces. Es decir, si tu Agente quiere transferir archivos, imágenes y videos desde un nodo remoto, especialmente contenidos personalizados generados justo al momento, este protocolo es mucho más rápido que los métodos tradicionales.

Los profesionales del sector probablemente ya lo sepan: los protocolos son un conjunto de reglas auto-consistentes, así que investigar y desarrollar protocolos no es un trabajo de corto plazo. No se puede descomponer en módulos y empujar en paralelo como al escribir una APP. Diseñar un nuevo protocolo es como criar una nueva especie: tienes que empezar con una semilla y luego crecer paso a paso en un orden específico. Cada etapa debe esperar a que la anterior esté completamente definida antes de poder empezar. Incluso si juntaras a más ingenieros, no puedes comprimir el tiempo de “hacerlo crecer”. Además, dentro del diseño del protocolo hay conocimientos implícitos—por ejemplo, casos marginales del comportamiento de la red y los “errores” que se han pisado—que dependen de la acumulación a largo plazo. Liu Hongtao dice que este protocolo tampoco lo hicieron de la noche a la mañana: los periodos de I+D se miden en diez años. La acumulación de experiencias más temprana en realidad era para optimizar TCP/IP, pero terminaron convirtiéndose en el principal muro de contención técnico de la empresa.

Este es el techo del asunto

Quizá sea más alto de lo que imagina

En la era del Internet para PC y del Internet móvil, el crecimiento del número de internautas y del tiempo que cada uno pasa navegando suele considerarse la fuerza motriz central del crecimiento del mercado. Pero a medida que ambos se acercan al límite, este tipo de crecimiento ya ha llegado a su punto máximo.

La aparición de un nuevo carril como Agent Internet está reescribiendo las reglas del juego. Una empresa o una sola persona puede desplegar cientos o miles de Agentes; un Agente puede ejecutar múltiples tareas al mismo tiempo; y además estos Agentes no necesitan dormir. Esto significa que el límite de tráfico y valor que puede cargar Agent Internet Infra, por el momento, aún es difícil de estimar.

Esto también implica que esta capa es muy propensa a dar origen a una serie de nuevas grandes empresas. Volviendo atrás y mirando el Internet para PC y el Internet móvil, en casi cada capa de infraestructura apareció una empresa independiente al final, porque los problemas eran lo bastante comunes y las necesidades lo bastante fuertes; tarde o temprano alguien lo convierte en una plataforma. Agent Internet es igual. Y esta vez, el tamaño de usuario y la intensidad de llamadas son todavía más extremos: muchos problemas básicos están en blanco, por lo que quedan aún más espacios.

En esta etapa recién iniciada, AgentEarth ya ocupa una posición bastante buena.

Por un lado, juzgan temprano y de forma decisiva: desde el principio construyen el sistema con “los Agentes son usuarios”, centrados en lograr de manera confiable y de alta calidad la finalización de las tareas. Por otro lado, la estructura del equipo es poco común: las capacidades del protocolo a nivel base no se pueden alcanzar rápidamente, y las personas que han luchado en escenarios de “cientos de millones de usuarios y emparejamiento masivo en tiempo real” son realmente escasas. Este tipo de sistemas tienen exigencias extremadamente extremas de estabilidad, eficiencia y tolerancia a fallos; en condiciones normales, rara vez hay oportunidad de “practicar” eso. Cuando el volumen de llamadas de los Agentes crece, estas experiencias se vuelven muy valiosas, y además no se pueden compensar en poco tiempo.

Ayer, AgentEarth acababa de publicar su versión de prueba del producto, iniciando pruebas a pequeña escala. El enlace de prueba es el siguiente: Agentearth.ai

Los lectores interesados también pueden escanear el código para entrar al grupo y conversar sobre experiencias:

Innumerables noticias y análisis precisos, todo en la app de Sina Finance