Kevin Simback

小型企業導入 AI 很容易——你可以直接做事，而且應該在公司中所有可能的地方使用 AI
一旦達到某個規模，50-100 人，就會開始變得更加複雜
舊有系統、審批流程、公司行為規範——這開始需要更多變革管理，要直接做事變得更困難，但有強勢的執行長／企業主授權仍然可以做到
實際上最棘手的是中型企業，公司規模介於 300-3,000 人之間
這些組織通常沒有專門的 AI 團隊或像多數大型企業那樣的 AI 長，也沒有足夠的規模和／或資源聘請大型顧問公司及部署公司來執行 AI 轉型計畫
它們的規模足以意識到 AI 能帶來可觀的影響，卻無力擴編團隊來執行試點，也無法投入管理層的時間來制定周全的 AI 策略——它們忙於經營業務
這是我最看好在 @codos_ai 服務的市場區隔
我們會進場執行一項簡短的診斷，內容同時涵蓋業務策略與 AI，列出按優先順序排列的高影響力計畫，接著與現有團隊並肩執行部署
這些公司獲得的是一位由業界基準評比領先的公司大腦上下文層所支援的「虛擬」AI 長，能夠在全公司推動 AI 自動化
而且我們提供這項服務的成本，僅是中型企業支付給大型顧問公司或部署公司的成本的一小部分

我深信不疑：
1. AI 對多數企業攸關生死存亡
>不採用 AI 是博弈論上的最糟選項——如果你想要完整的解釋，請參閱我置頂的貼文
2. 如今多數公司幾乎還只停留在起步階段
>儘管你在這個應用程式上讀到的內容可能不是如此，但如今最常見的實作方式，是讓員工使用前沿企業帳戶來改善搜尋功能並進行一些基本自動化，而且大多處於單人模式
3. AI 發展得如此迅速，對多數企業來說令人難以招架
>多數企業不會整天待在 X 上，也不會掌握最新的模型發布與工具公告；他們有實際的日常工作，無法跟上，也可能不想跟上。他們希望有人告訴自己該做什麼，並直接讓損益與 KPI 變得更好
4. 多數中型企業以及相當一部分大型企業，仍然沒有真正的「AI 負責人」或企業 AI 策略
>他們擁有內部推動者和零散的部署，而不是一套相互連結的策略與計畫，來規劃 AI 應如何在整個企業中被運用
5. 多數企業尚未將 AI 與損益連結起來
>提供 AI 工具給員工確實能提升生產力，但他們要如何運用那些能讓公司受益的額外時間？這往往正是缺少的連結
6. 對服務提供者而言，從未有過比這波 AI 轉型浪潮更好的市場機會
>過去所有「企業變革」催化劑——網路、行動裝置、雲端——與 AI 將帶來的顛覆性相比都相形見絀，因為 AI 要求我們從根本上重新思考如何組織輸入以產出輸出
至少，企業必須以 AI 為核心重新設計流程；而在光譜的另一端

現在是我這邊週一上午 9 點，目前聽說這週我們會迎來：
>DeepSeek V5 壓過 Astra
>Astra 6.1 壓過 Opus 5.5
>Gemini 4 壓過其先前版本
另外還有一款 OpenAI 代理產品要與 Muse、Grok Bot 等競爭
我漏掉什麼嗎？

我一直在用 @runwayml 試做一些影片，但不得不說，我非常失望
我是在看到幾個由 Opus 5.5 驅動、效果很棒的「一鏡到底」範例後，才想試試看，但 Runway 似乎完全是個燒錢坑
事情是這樣的——它會生成一些片段，每個片段都要花不少點數，然後你想微調幾個地方，就得再支付一些點數
但如果它把整個作品搞砸了，而我就遇過好幾次這種情況，你還得支付更多點數來撤銷它搞砸的部分
所以最後你確實可以得到相當不錯的成品，但前提是得花費驚人數量的點數，讓它修正自己的錯誤
我打算把同一個提示詞交給 @higgsfield_ai，看看是否也會發生同樣的事

LinkedIn 真是個爛透的地方，我們怎麼到現在還沒有更好的替代方案？

在 @codos_ai，我們有一項用於招募的帶回家完成測驗
過去這項測驗一直難到足以挑戰應試者，但 Opus 5.5 一次就完成了
所以現在我們得把它做得難上許多
有趣的是，Astra 6 嘗試了兩次都失敗，Opus 5.5 的程式碼能力實在太強了

我剛算了一下——今年光是為了我的代理相關工作就新增了 6 顆 CPU
這包括幾台 VPS、代理程式附帶的 CPU，以及一台 Mac mini
我之前只有一台筆電和一台桌機，所以 CPU 數量增加了 3 倍
看好 CPU 製造商 $INTC $AMD

個人代理將會像電子郵件一樣無處不在——每個人至少都會有一個
電子郵件剛出現時高度分散，而且花了很長時間大家才加入其中
像 EarthLink 和 AT&T 這樣的 ISP 將電子郵件提供給使用者，接著 AOL、Yahoo 和 Hotmail 變得流行起來，而且很多人很有趣地長期使用他們的大學信箱
直到 5-10 年後 Gmail 正式推出，市場才開始整合
我懷疑代理領域也會出現相同的情況——未來幾年會是大量出現與分散，然後我們才開始看到整合
所以，在 $10b 上下注前要仔細想想，因為它可能只會是另一個 Prodigy 或 EarthLink

一家正在虧損（無法獲利）的公司要如何支付代幣費用？
這就像一名需要手術卻沒有資金的病人——你會借錢、背上債務，不惜一切代價
因為如果沒有 AI，你就無法獲利，這個窟窿只會越來越深

如果前沿模型「被限制速度」會發生什麼？
我認為代幣支出會開始狂飆
他們必須因為「太強大」而暫停這一事實，讓所有認為 AI 無法創造價值的企業看空論點失效
因此每個董事會和企業所有者都會利用這段窗口期推動 AI

人們的提示詞風格大不相同
我總覺得看到其他人的提示詞很有趣
有些人非常簡短又直接，有些人則分享過多資訊
我往往比較偏向分享過多資訊，只是假設細節越多越好，但我可能可以刪減一些

儘管取得了所有進展，今天的代理仍然相當笨拙
我們拿一個極其聰明的 LLM，卻需要在上面套一層工具框架，讓它能記住昨天做了什麼，然後不斷檢查它，以確保它不會搞砸
想像一下，雇用一位每天來辦公室、沒有任何記憶的博士，必須閱讀筆記本才能弄清楚自己正在處理什麼，接著老闆還得整天盯著他或她的一舉一動
但如果那本筆記本是持續強化學習的訓練資料呢？
這位博士會記得昨天處理的工作，因為它現在已經成為永久記憶的一部分，不再需要筆記本
CRL 這個概念目前尚未解決，但我猜想未來幾年內會找到解法
這將是讓代理更實用的最大突破之一，尤其是在 TAM 最高的企業環境中
如今的 LLM 已經足夠聰明，能夠完成大多數知識工作，只是仍需要大量外部工具框架管理方面的工作，才能將它們投入生產環境使用
這就是為什麼工具／解決方案市場如此分散，也解釋了為什麼對 FDE 的需求如此高
我不認為目前這種情況會永遠持續下去
更有可能的是，我們會擁有無限多個在基礎模型之上運用 CRL、進而成為獨一無二代理的客製化 LLM
後訓練工作會走出實驗室，交到任何運行代理的人手中

AI 發布的這一週真瘋狂
如果 Grok 4.7 明天發布就好笑了
星期二：
>Claude Fable 5.1 / Mythos 5.1
>Qwen3.8-Max-0902
星期三
>Gemini 3.8 Flash
>Meta Muse Spark 1.3
星期四
>GPT-6 Astra