Kevin Simback

小型企业中的 AI 很简单——你只需做事，并且应该在公司中尽可能广泛地使用它
一旦达到一定规模，即 50-100 人，就会开始变得更加复杂
遗留系统、审批链条、公司行为规范——这开始需要更多变革管理，做事也更难，但在强势 CEO/所有者的明确要求下仍然可以做到
实际上，最困难的阶段是中型企业，即拥有 300-3,000 名员工的公司
这些组织通常没有专门的 AI 团队或像大多数大型企业那样的首席 AI 官，也没有足够的规模和/或资源聘请大型咨询公司和部署公司来实施 AI 转型项目
它们的规模足以意识到 AI 能带来可观的影响，但无法承担组建团队来运行试点项目，也无法投入管理层精力来制定周详的 AI 战略——它们忙于经营业务
这是我最看好为其提供服务的市场细分领域，@codos_ai
我们会介入，开展一个简短的诊断，涵盖业务战略和 AI，列出按优先级排序的高影响力项目清单，然后与现有团队共同实施
这些公司获得的是一位由在基准测试中胜出的公司大脑上下文层提供支持的"虚拟"首席 AI 官，从而实现全公司的 AI 自动化
而且我们的交付成本只是中型企业向大型咨询公司或部署公司支付费用的一小部分

我非常确信：
1. AI 对大多数企业的生存至关重要
>不采用 AI 是博弈论意义上最糟糕的选择——如果你想要完整解释，可以看看我的置顶帖子
2. 如今大多数公司还只是触及了表面
>尽管你在这个应用上看到的情况并非如此，但如今最常见的实施方式是开通一个前沿企业账户，让员工用它改善搜索并进行一些基础自动化，主要还是单人使用模式
3. AI 发展得如此之快，以至于大多数企业都应接不暇
>大多数人并不是整天泡在 X 上，也不会持续关注最新的模型发布和工具公告，他们有实际的日常工作，跟不上这些变化，或者根本不想跟进；他们希望有人告诉他们该做什么，并直接让他们的损益表和 KPI 变得更好
4. 大多数中型企业以及相当一部分大型企业仍然没有真正的“AI 负责人”或企业 AI 战略
>他们拥有内部倡导者和零散的部署，而不是一套相互关联的战略和计划，来规划 AI 应如何应用于整个企业
5. 大多数企业尚未将 AI 与损益表连接起来
>向员工提供 AI 工具确实可以提高生产力，但他们会如何利用这些额外时间来让公司受益？这通常正是缺失的连接
6. 对于服务提供商而言，从未有过比这波 AI 转型浪潮更好的市场机会
>此前所有“企业变革”的催化剂——互联网泡沫、移动互联网、云计算——与 AI 将带来的颠覆性影响相比都相形见绌，因为 AI 要求我们从根本上重新思考如何组织输入以产生输出
至少，企业将不得不以

按我的时间现在是周一上午9点，到目前为止，我听说本周我们会迎来：
>DeepSeek V5，碾压 Astra
>Astra 6.1，碾压 Opus 5.5
>Gemini 4，碾压之前的版本
另外还有一款 OpenAI 智能体产品，将与 Muse、Grok Bot 等竞争
我漏掉了什么吗？

我一直在用 @runwayml 尝试制作视频，不得不说，我非常失望
在看到几个由 Opus 5.5 驱动的精彩“一镜到底”示例后，我想试试看，但 Runway 似乎完全是个吞金洞
事情是这样的——它会生成一些片段，每个片段都要消耗不少积分，然后你想调整一些东西，于是又要支付更多积分
但如果它把整个作品搞砸了，而我就遇到过好几次这种情况，你还得支付更多积分来撤销它搞砸的部分
所以最后你确实可以得到相当不错的输出，但前提是要支付多得惊人的积分，让它修正自己的错误
我打算把同一个提示词交给 @higgsfield_ai，看看是否也会发生同样的事情

LinkedIn 真是一团糟，我们怎么到现在还没有更好的替代品？

在 @codos_ai，我们有一项用于招聘的带回家完成测试
从历史上看，这项测试一直足够困难，能够挑战候选人，但 Opus 5.5 一次就完成了
所以现在我们不得不把它变得难得多
有趣的是，Astra 6 尝试了两次都失败了，Opus 5.5 的代码能力实在太强了

我刚数了一下——今年仅为我的智能体相关事务就新增了 6 个 CPU
这些分布在几台 VPS、随智能体附带的 CPU + 一台 Mac mini 上
我之前只有一台笔记本电脑和一台台式电脑，所以我的 CPU 数量翻了 3 倍
看好 CPU 制造商 $INTC $AMD

个人代理将像电子邮件一样无处不在——每个人至少都会有一个
电子邮件刚出现时高度碎片化，花了很长时间才让所有人参与进来
EarthLink 和 AT&T 等 ISP 将其提供给用户，随后 AOL、Yahoo 和 Hotmail 变得流行起来，很多人还滑稽地长期使用他们的大学邮箱地址
直到 5-10 年后 Gmail 正式发布，市场才开始整合
我怀疑代理领域也会出现同样的情况——未来几年将是普及和碎片化阶段，然后我们开始看到整合
所以，在为$10b 押注某个可能只是 Prodigy 或 EarthLink 的东西之前，请仔细考虑清楚

一家亏损（无利可图）的公司如何支付代币费用？
这就像一个需要手术但没有资金的病人——借钱、负债，不惜一切代价
因为如果没有 AI 你就已经无利可图，那么这个窟窿只会越来越深

如果前沿模型“被限速”会发生什么？
我认为代币支出会开始狂飙
他们必须因为“太强大”而暂停这一事实，使每一个认为 AI 无法创造价值的企业看空论点都失效
所以每个董事会和企业所有者都会利用这个窗口推动 AI购彩平台

人们的提示词风格千差万别
每当我看到其他人的提示词时，总觉得很有意思
有些人的提示词超级简短生硬，有些人则分享过多
我往往更倾向于分享过多，我只是觉得细节越多越好，但我可能确实可以删减一些

如今的智能体尽管取得了所有这些进展，但仍然相当愚蠢
我们使用一个极其聪明的 LLM，但需要在上面加一层工具框架，让它记住昨天做了什么，然后不断检查它，以确保它不会搞砸
想象一下，雇用一名每天来到办公室却没有记忆的博士，他必须阅读笔记本才能弄清楚自己之前在做什么，然后老板还得整天盯着他或她的一举一动
但如果那个笔记本是持续强化学习的训练数据呢？
这名博士会记得昨天做了什么，因为这些内容现在已经成为其永久记忆，不再需要笔记本
如今 CRL 这一概念尚未得到解决，但我怀疑未来几年内它会被解决
这将是让智能体变得更实用的最大突破之一，尤其是在 TAM 最高的企业环境中
如今，LLM 已经足够智能，可以完成大多数知识工作，只是还需要在所有外部工具框架管理方面投入大量工作，才能将其用于生产场景
这就是为什么工具/解决方案市场如此碎片化，也解释了对 FDE 的需求为何如此旺盛
我不认为当前这种情况会永远持续下去
更有可能的是，我们会拥有无限多的定制 LLM，它们在基础模型之上使用 CRL，最终成为独一无二的智能体
后训练工作将从实验室转移到任何运行智能体的人手中

人工智能产品发布简直疯狂的一周
如果 Grok 4.7 明天发布就搞笑了
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

等着所有购买 20 美元/月订阅计划的人抱怨 Fable 5.1 很快耗尽额度，说它很烂
你只需支付 Netflix 的价格，就已经离 AGI 更近了一步，别抱怨了