Ведущие эксперты собираются вместе: размышления и прорывы в эпоху AI Agent

null

Сегодня экономика агентной деятельности уже не является научно‑фантастической концепцией: она приносит не только скачок эффективности, но и перестройку способов экономической организации и перераспределение ресурсов. В частности, открытый проект OpenClaw получил мировую популярность, что дополнительно ускоряет вывод больших моделей из лабораторий к масштабируемым прикладным сценариям — все стороны наперегонки стремятся принять участие в «гонке за вход в Agent».

Тогда какая из больших моделей должна быть выбрана? Хватит ли токен‑ресурсов для долгосрочного использования? Если не следовать хайпу вокруг OpenClaw («омар»), тебя неизбежно выведут за борт перемены эпохи? В этой ускоренной эволюции AI‑преобразований — как лично каждому найти свое место и прорваться вперед?

Отталкиваясь от этих вопросов, 3 апреля, Научно‑инновационный район Сюйцзяхуэй, Шанхайская ассоциация распределенного консенсус‑технологического сотрудничества, PANews и юридическая фирма Mankun совместно провели тематическое мероприятие под названием «Не ‘омарись’ тревогой».

В тематическом выступлении «Принятие непредсказуемой волны AI» главный архитектор Conflux Tree Li Chenxing отметил, что на текущем этапе неизбежная тенденция — передавать больше автономии AI, а не чрезмерно ограничивать технологию ограниченным опытом людей. Проблема «недоучтенности», проявляемая AI сейчас, по сути заключается в том, что в сложных сценариях он не способен стабильно улавливать и последовательно запоминать ключевые контекстные ограничения. С точки зрения технической архитектуры AI в основном полагается на параметрическую память, контекстную память и внешнюю память, но у этих механизмов все еще есть трудности с обновлением, ограничения по окну и недостаточная эффективность вызова. Поэтому в будущем следует сосредоточиться на усилении возможностей вызова внешней памяти, исследовать механизмы непрерывного обучения и повторного использования опыта, а также постепенно накапливать опытную память через практику в вертикальных доменах, чтобы повысить полноту и надежность решений AI в реальных сложных сценариях.

Он также указал, что нынешние ключевые достижения AI в основном проявляются в усилении возможностей автономного анализа и рефлексии; в будущем, по мере наращивания памяти, есть шанс преодолеть критические узкие места и оказать глубокое влияние на разные отрасли. Например, сейчас потенциал цифровой идентификации и систем цифровых платежей долгое время сдерживается порогами разработки и для пользователей, а AI может высвободить их ценность, снижая затраты на разработку и подменяя процесс обучения пользователей агентным подходом. В целом AI не следует воспринимать как угрозу занятости; это ключевой инструмент, который повышает производительность и ведет к появлению новых возможностей. Личностям и отрасли стоит сохранять открытое мышление и активно изучать пути интеграции AI.

Как отметил архитектор продукта Tencent Cloud Workbuddy Фэн Хэцин, по мере существенного повышения возможностей больших моделей AI уже перешел от раннего этапа, когда он поддерживал только базовую помощь разработчикам, такую как автодополнение кода, к способности самостоятельно выполнять сложные задачи; при этом ключевая способность настраиваемого Agent проявляется в поддержке задач end‑to‑end, многороловой кооперации, многоуровневой системе памяти и интеллектуальном разбиении задач на основе контекста. Кроме того, через согласованную работу нескольких Agent обеспечивается передача данных между задачами и параллельная обработка; на уровне безопасности используются локальное хранение данных и механизм подтверждения критических действий человеком, чтобы гарантировать безопасность данных. На прикладном уровне WorkBuddy охватывает типовые офисные сценарии, такие как отбор резюме, автоматическая генерация PPT, анализ данных и сводка/интеграция недельных отчетов, и может с помощью корпоративных возможностей интеграции стыковаться с такими системами, как QQL/WeCom; это позволяет осуществлять единое управление задачами. В технической архитектуре акцент сделан на full‑stack самостоятельной разработке, изоляции среды выполнения и корпоративном контроле прав; поддерживаются развертывание как локально, так и в облаке. В модели бизнеса можно ориентироваться на пользователей — корпоративных разработчиков и занятых на позициях с высокой долей цифровой офисной работы. В целом WorkBuddy нацелен на повышение производительности предприятий за счет настраиваемого Agent и возможностей координации множества задач, а также за счет постоянной оптимизации разбиения задач и расширения экосистемы — чтобы дополнительно усиливать адаптацию и внедряемость в сложных корпоративных сценариях.

Соучредители Biteye и XHunt Teddy сосредоточили свое выступление на практиках цифровых сотрудников, проблемах применения больших моделей и стоимости, технической конфигурации и рисках безопасности, а также оптимизации способов сотрудничества. В частности, в части практики цифровых сотрудников, чтобы снизить галлюцинации модели и частоту ошибок в коде, нужно внедрять более высокий по уровню «审查型 Agent» для повторной проверки кода, генерируемого низкоуровневыми Agent, формируя обязательный процесс code review; поскольку сейчас код, написанный Agent, все еще содержит определенные баги, ошибки можно уменьшить, стандартизируя процесс разработки, усиливая дизайн подсказок и добавляя механизмы многораундовой валидации. Также в операционных сценариях нужно особенно контролировать частоту публикаций и по возможности обеспечить стабильность через единую диспетчеризацию по backend API. В сложной среде командного сотрудничества Discord обычно подходит лучше, чем Telegram, для координации Agent и распределения задач; при этом в управлении ресурсами следует особенно внимательно относиться к расходу токенов. Кроме того, агентной системе все еще требуется человеческое время на обучение, настройку и коррекцию поведения.

В отношении установки и развертывания OpenClaw Teddy предложил запускать его можно на простаивающих компьютерах или на Mac Mini — с более высоким уровнем самостоятельного контроля, при этом весь код открыт, подчеркивается способность защищать приватность, и система может подключаться к международной экосистеме; однако порог установки и конфигурации относительно высок. В процессе использования нужно особенно следить за рисками изменения конфигурации модели и каналов, чтобы избежать сбоев системы из-за некорректных настроек; при возникновении проблем можно использовать инструменты вроде Grok и Gemini для дополнительного поиска причин. Также на уровне безопасности нужно защищаться от рисков, таких как атаки через подсказки и инъекция злонамеренных skill. В части ресурсов и затрат также требуется контролировать расход токенов, чтобы избежать слишком высоких эксплуатационных расходов.

Партнер юридической фирмы Mankun, адвокат Чжао Сюань, в тематическом выступлении поделился тремя ключевыми юридическими вопросами и решениями, на которые должны обращать внимание предприниматели в эпоху AI. Во‑первых, «внешняя оболочка организации», то есть «ложная изоляция», которую формирует фирма одного лица (OPC): на поверхности создается независимый субъект, но по факту трудно реально изолировать ответственность и риски; необходимо создать подлинную физическую и правовую изоляцию — включая введение партнеров в архитектуру, использование отдельной корпоративной карты и добавление в контракты AI‑дисклеймера и предельных сумм возмещения. Во‑вторых, вопрос права собственности на ключевые активы: неравенство усилий и прав — важно доказать собственную власть управления, полностью фиксировать процесс создания и осуществлять нотариальное/свидетельское хранение доказательств. В‑третьих, системные риски «выдергивания сетевого шнура», возникающие из платформенной гегемонии, включая положения «условий для Бога», техническую фиксацию и «locks»: отделяйте ключевые данные от сторонних сервисов, заранее планируйте планы замены и внедряйте децентрализованные технологии.

В круглом столе «От безумного энтузиазма к ясности: реальные потребности AI и ложные тезисы в глазах VC» несколько инвесторов поделились своими взглядами на стадию развития AI, границы применений и инвестлогики.

Основатель и партнер Waterdrop Capital Юй Сюй полагает, что AI все еще находится на ранней стадии развития: чтобы по‑настоящему достичь зрелого пользовательского опыта и быть широко признанным «имеющим смысл», потребуется еще немало времени. Он отметил, что скорость итераций AI‑технологий крайне высока, и одной опоры на технологическое лидерство недостаточно, чтобы сформировать долгосрочный ров/замок защиты, поэтому инвестициям стоит уделять больше внимания базовым уровням с незаменимой ролью — например, таким ключевым ресурсам, как вычислительные мощности. На прикладном уровне он привел пример: такие инструменты, как «омар», не дружелюбны для обычных пользователей‑программистов, но в будущем, возможно, их окажется более целесообразно упаковать в вертикальные сценарии вроде «семейного врача», который будет давать профессиональные рекомендации на основе实时‑данных о здоровье. Также он считает, что AI в корпоративной сфере может заменить инструменты производства информации вроде аналитических записок, но не может заменить роль финального принятия решений; он может существовать только как вспомогательный инструмент для принятия решений.

Основатель Enlight Capital Tang Yi заявил, что в текущей сфере инвестиций в AI сложно сформировать заметные возможности, не совпадающие с консенсусом: быстрая итерация больших моделей может продолжать «сглаживать» преимущества компаний на прикладном уровне. Он в большей степени позитивно смотрит на направление связки Web3 и AI, полагая, что каждое из них представляет передовую производительность в своем домене. Что касается открытых инструментов вроде OpenClaw, он считает, что они по сути «дают большие модели “руки” и “ноги”», усиливая способность связываться с внешними системами и социальными приложениями; но одновременно это несет высокие риски безопасности и данных, поэтому требуется сложная конфигурация и это не подходит обычным пользователям. В настоящее время более идеальный путь — повышать общую удобность и опыт через обертки/упаковку.

Инвестор First Rule Ventures Yinghao рассматривал возможности приложений с точки зрения пользователей и продукта: глубина отраслевых сценариев, AI‑творчество, связка софт/хард и т. п., и оценивал потенциал проектов на основе пользовательских действий и данных взаимодействия. Он отметил, что даже если не пробовать лично все новые продукты AI, это не означает, что можно упустить ключевые тенденции, потому что технологические возможности часто быстро модульно упаковываются и встраиваются в существующую систему продуктов.

В сравнении с одной‑единственной продуктовой линейкой он больше фокусируется на трех долгосрочных структурных изменениях: во‑первых, формируется ли новый носитель памяти для взаимодействия с AI, чтобы когнитивные процессы и рабочие накопления пользователя закреплялись в какой‑то системе; во‑вторых, обладает ли такая память способностью переноситься между продуктами или она будет постепенно привязываться к одному продукту, создавая высокую стоимость миграции и «закупорку» опыта; в‑третьих, появится ли новый супер‑вход, который станет центральным хабом для AI‑взаимодействия и распределения трафика.

Партнер юридической фирмы Mankun адвокат Чжао Сюань при использовании AI‑продуктов чаще всего использует инструменты для обработки данных, поиска и анализа и ожидает, что в будущем появится больше интегрированных продуктов, объединяющих эти возможности. Он также подчеркнул, что в AI‑стартапах важнее всего избегать одномоментного крупного провала: рекомендует компаниям на раннем этапе уделять внимание ключевым юридическим проектным элементам, таким как комплаенс данных, арбитражные оговорки и оговорки об освобождении от ответственности, чтобы при появлении неконтролируемых рисков по возможности добиться изоляции рисков и защиты ответственности, тем самым не допустить, чтобы точечный риск привел к общему краху компании. Кроме того, он также заглянул вперед: в дальнейшем Agent станет основным экономическим исполнителем — отвечая за получение данных, покупку информации, выполнение стратегий и даже за кросс‑системные транзакции, тем самым формируя машинную экономическую активность и платежную систему «машина‑машина».

В круглом столе на тему «N способов открывать AI: поговорим об возможностях новаторов» несколько гостей с разных ракурсов обсудили изменения, которые уже приносит AI. CEO Matrix Intelligence Zeno предложил, что пользователи могут связать несколько устройств в единое целое, меняя свои собственные скрипты или плагины, добиваясь синхронизации памяти и согласованности состояния; тогда информация не потеряется, а задачи не прервутся. Также можно добавить ежедневный механизм «очистки/рефлексии», чтобы поддерживать стабильность системы. По сравнению с использованием готовых инструментов, глубокая кастомизация на основе корпоративных прав или возможностей платформы обычно эффективнее, свободнее и проще в настройке под рабочие процессы конкретного человека. Заглядывая в будущее, он считает, что AI станет единым входом: пользователю достаточно взаимодействовать через один AI‑мозг, чтобы вызывать различные инструменты и системы для выполнения всех задач. По мере роста использования AI будет постоянно накапливать память пользователя, предпочтения и рабочие процессы, формируя эффект «колеса» из данных и возможностей — и в результате AI будет все лучше понимать пользователя и приносить все более высокую эффективность. При таком тренде личность, настраивая AI‑систему и оплачивая подписку, может получить прирост производительности, значительно превышающий традиционную работу человека, тем самым существенно расширив разрыв в эффективности между людьми.

Соучредитель ClawFirm.dev 0xOlivia раскрыла, что при реальном использовании AI все еще существуют проблемы системной нестабильности и фрагментации памяти и возможностей автоматизации; пользователям нужно, подобно сборке LEGO, постоянно соединять и склеивать разные инструменты и скрипты. Для пользователей не высокого уровня обычно более стабильно и эффективно напрямую использовать зрелые коммерческие платформы в сочетании с официальными приложениями и возможностями постоянных итераций, чем строить сильно фрагментированный собственный сценарий. При этом при слишком активном введении открытых компонентов можно дополнительно усилить возможности обработки данных и генерации контента. Она подчеркнула, что текущие основные ограничения AI заключаются не столько в мощности самой модели, сколько в том, что инженерный способ использования пока полностью не соответствует возможностям модели, поэтому остается огромный потенциал оптимизации и внедрения. В будущем, по мере быстрого усиления возможностей больших моделей, сценарии применения AI будут постепенно охватывать все стороны работы и жизни и продолжать сливаться с разными форм‑факторами продуктов.

Соучредитель Biteye/XHunt Teddy, говоря о цифровых сотрудниках AI, отметил, что можно подключать AI к внутренним системам через API или автоматизационные интерфейсы, чтобы он выполнял конкретные задачи — генерацию кода, реализацию требований, обработку контента и т. п., а люди фокусировались на дизайне продукта и определении требований, сохраняя ключевые полномочия на принятие решений. Такая модель сотрудничества более стабильна и расширяема: она не только повышает общую эффективность разработки, но и заметно снижает уровень ошибок — делая AI больше похожим на диспетчеризуемую и управляемую команду внешних разработчиков, а не на единичный инструмент. Он также подчеркнул, что все, что является процессно‑ориентированным и сильно повторяющимся, имеет шанс быть переработанным или замененным AI: даже если на старте эффект нестабилен, в долгосрочной перспективе это будет продолжать оптимизироваться и постепенно наращивать производительность. В сложных задачах и областях управленческих решений AI также уже начал демонстрировать заметные вспомогательные возможности и постепенно проникает в более высокоуровневые бизнес‑сценарии.

Старший инженер по разработке AI‑приложений Доу Гэ добавил, что все в целом признают тренд на аутсорсинг AI, автоматизацию и инструментальную кооперацию; а с точки зрения компании, более важно уделять внимание безопасности, управлению правами, механизмам сотрудничества сотрудников и оседанию/накоплению активов. На рынке существует множество AI‑фреймворков и инструментальных экосистем; они по разным направлениям делают акценты — в легковесности, low‑code, высокой интегрируемости, безопасном контроле и т. д. В выборе предприятиям нужно балансировать между гибкостью и контролируемостью и проектировать архитектуру с учетом реальных бизнес‑сценариев. При этом по‑настоящему понимать и внедрять эти AI‑системы нельзя оставлять только на уровне теории — нужна реальная вовлеченность и учет затрат на использование. Он подчеркнул, что AI ускоряет перестройку рабочих процессов и организационных структур: независимо от того, личность это или компания, нужно быстро адаптироваться к этому изменению, повышая эффективность через непрерывное обучение и инструментализированное применение; иначе очень легко оказаться позади из‑за темпов технологической итерации.