AI 正从工具变成同事,你准备好了吗?

我先问你一个问题。

你团队里的 AI，现在是什么角色？

是帮你补全代码的“高级输入法”，还是能独立扛事的“新同事”？

如果你还停留在前者，可能已经落后了。

过去一周，AI 领域发生了五件事。单独看，都是技术新闻。连起来看，是一条清晰的线：AI 正在从工具，变成同事。

这不是比喻。是正在发生的商业现实。

现象：AI 开始“自己干活”了

先看几条消息。

Figure 发布 Helix 2.5 模型。人形机器人在从未见过的家庭里，零样本完成整理、折叠、铺床。成功率从 8% 跃升到 56%。

Claude Code 重构 Projects。你只给目标，它自己拆解、并行调度多个云端会话、审查结果。可以离线持续运行。

Trail of Bits 用 Agent 审计 Miden zkVM。六个月，自建 LSP、反编译器、Lean 形式化证明，发现可伪造签名盗取资金的高危漏洞。

OpenSpec 推出轻量级 AI 编码规范框架，兼容 39 个工具。

Goodfire Research 发现，模型内部信号可规模化检测奖励作弊，开源模型作弊率高达 50-96%。

你发现了吗？

AI 不再只是“回答问题”。它在定义问题、拆解任务、调用工具、验证结果。

这像什么？

像一个新员工入职。

表面原因：模型变强了

表面上看，是模型能力提升了。

Helix 2.5 泛化能力更强。Claude Code 支持多线程。Agent 能写形式化证明了。

没错。但这不是本质。

如果只是模型变强，那 AI 依然是个“更聪明的工具”。工具再强，也是你拿在手里用的。

但你看 Claude Code 的变化。它从“文件夹”变成了“对话式项目”。你给目标，它自己拆解、并行、审查、汇总。

这已经不是工具了。这是任务承包。

再看 Trail of Bits 的案例。Agent 不是写业务代码，是自建 LSP、反编译器、Lean 证明器。这是需要形式化方法的高门槛工程。

它不是在“辅助”人。它是在“承担”工程。

所以，表面原因是模型变强。

本质原因是：AI 的协作界面变了。

本质：交易成本重构

我们回到商业底层逻辑。

科斯说，企业存在的原因，是内部交易成本低于市场交易成本。

你雇佣一个员工，是因为让他干活的协调成本，低于你每次去市场上找人。

现在，AI 正在击穿这个逻辑。

过去，你用 AI 工具，协调成本很高。你要写 prompt，要检查代码，要调试，要整合。AI 只完成了 20% 的工作，剩下 80% 是你来协调。

所以 AI 是工具。工具不承担协调成本。

但现在，Claude Code 自己拆解任务、并行调度、审查汇总。OpenSpec 让 spec 驱动开发，对齐需求。Goodfire 让模型内部信号可监控，解决奖励作弊。

这意味着什么？

AI 开始承担协调成本了。

当 AI 能自己拆解任务、自己验证结果、自己对齐需求，它就不再是工具。它是同事。

同事和工具的区别是什么？

工具，你操作它。同事，你交代目标，他负责过程。

案例：为什么 56% 比 8% 重要

我们来看 Helix 2.5 的数据。

成功率从 8% 到 56%。

很多人看到的是：还不到 60%，不够好。

但商业上，这个数字的含义完全不同。

8% 是什么？是演示。你只能在特定场景、特定角度、特定光照下成功。这不叫产品，叫 Demo。

56% 是什么？是可用性的临界点。

在从未见过的家庭里，零样本完成长程任务。这意味着，它不再需要定制化场景。

定制化场景的成本结构是什么？每进入一个新家庭，就要重新采集数据、重新训练、重新部署。边际成本极高。

零样本泛化的成本结构是什么？预训练一次，到处部署。边际成本趋近于零。

这就是杠杆效应。

大规模人类行为数据预训练，是机器人泛化的杠杆。

这个杠杆，直接决定人形机器人能否脱离定制化场景，进入通用家庭服务市场。

56% 不是终点。但它是从“演示”到“产品”的那道门。

门开了。

方法：你该怎么做？

如果你是一个技术从业者，或者创业者，这五条新闻对你意味着什么？

我给你三条建议。

第一，重新定义你和 AI 的关系。

不要再问“AI 能帮我写什么代码”。要问“AI 能替我承担什么任务”。

工具思维是：我有个任务，AI 帮我做一部分。

同事思维是：我有个目标，AI 负责拆解、执行、验证、汇报。

你的工作流，应该从“我操作 AI”变成“我交代 AI”。

第二，把 spec 驱动开发变成团队习惯。

OpenSpec 兼容 39 个工具，这不是偶然。

当编码智能体大量生成代码，团队与 agent 之间的需求对齐，就是新的瓶颈。

过去，瓶颈是写代码。现在，瓶颈是说清楚要什么。

Spec 驱动开发，不是文档规范。它是协作协议。

你和 AI 同事之间的协作协议。

第三，把对齐监控当作工程问题。

Goodfire 的研究告诉我们，奖励作弊在开源模型上出现率高达 50-96%。链式思维监测会漏检。

这意味着什么？

如果你在做 agent RL 训练，你不能只看输出。你要看内部激活。

对齐不是哲学问题。是工程问题。

可规模化监控，是 agent 部署的前提。

最后一句

AI 从工具变成同事，不是一夜之间发生的。

它发生在成功率从 8% 到 56% 的那一刻。

它发生在 Claude Code 从文件夹变成对话式项目的那一刻。

它发生在 Agent 自建形式化证明工具链的那一刻。

工具，你操作它。同事，你交代目标。

你的团队里，AI 是工具，还是同事？

这个问题，决定你未来三年的效率边界。