AI 有了手，但没人说得清这只手是谁的

这是四篇系列的最后一篇。

先把这四篇串一遍，因为最后一篇要回答的，是前面三篇埋下的那个问题。

第一篇：AI 这个行当集体高估自己的窗口是 18 年、13 年、5 年。前三次高估的都不是"AI 这条路对不对"，而是"这一轮的技术本身有多重要"。第四次高估的对象是模型能力。

第二篇：模型正在变成水电煤——同一把衡量"谁更强"的尺子一个月换三版考卷；同样 53 分，单任务成本差 57%；能力榜上被挤出前十的同一个月，调用量前十里占了七席。

第三篇：Agent 这个想法比 Agent 早 30 年，三代人各差一样东西——第一代差"会学"，第二代差"有个地方能试错"，第三代差一个通用且便宜到能普及的身体。2022 年补上的是最后那一样。

前两篇说到这儿，本来可以很顺地收尾： 模型变成水电煤了，Agent 普及了，故事讲完了。

但 2026 年 7 月到 9 月这七周，出了一件事，让这个收尾不成立了。

一、七周，三发

2026 年 8 月 11 日，xAI 发布 Grok Bot。

它做的事是：给你配一台专属的云端电脑——你的那些 agent 都跑在这台机器上——一台一直开着的 Linux 机器，带着自己的浏览器和你自己的登录状态。你把笔记本合上了，它还在跑。

它直接登进你已经在用的那些网站，不需要 API，也不需要接任何协议——它就是在你的界面上点。

你给它演示一遍工作流，它存下来，下次自己按这个套路干。还能多个 bot 在一个会话里互相派活。

2026 年 9 月 8 日，Meta 发布 Muse。

同样是每用户一台云端虚拟机，App 关了后台继续干活。做的事很具体：替你发邮件、订旅行和餐厅、网购下单、填表、跟你收到的账单谈判、帮你卖车。

它接的是你的邮箱、日历、Spotify、Instagram、WhatsApp。你收藏了一个做菜的视频，它自动生成购物清单并结账。

定价免费起步，付费两档。它用的模型是 Meta 九月二号刚发的那个。

下载数据是这样的：

• 上线第 5 天，73 万次下载
• 第 10 天，登顶美国 App Store 免费榜——超过 ChatGPT、Gemini、Claude、Instagram
• 第 13 天，全网累计约 250 万次

这里得说句公道话：ChatGPT 2022 年底上线是全球铺开，Muse 当时只在北美市场。直接对比要打折。但登顶就是登顶，这个不是滤镜。

以及一组更该看的数字：有机构做了个调查，问 1500 个消费者，愿不愿意把密码交给 Meta——只有 8%。同一题，Google 是 30%，Apple 是 23%，ChatGPT 是 16%。

58% 的人说，不愿意把密码交给任何 AI agent。

2026 年 9 月 29 日，OpenAI 发布 Dots。

七周里的第三发。它的模型是九月三号刚发布的那个旗舰模型。

它能连接四千多个应用，直接住进了 Slack 和微软 Teams——你在这儿跟它说的话，换个地方接着说。它每个 agent 也配一台云端电脑。

定价上，OpenAI 同一天还推了一个每月 500 美元的新高档位（原来最高是 200 美元）。

顺带一个现场细节：那场发布会演示的时候，OpenAI 的首席财务官在采访里把 Dots 说成了 Muse。

三款产品，一家美国公司模仿另一家美国公司做得更好。这场竞争烈到什么程度，发布会上的口误就是最好的注脚。

二、然后是那一组数字

把上面这些和另一组数字放在一起看。

同一时期：

• 一项研究说，95% 的企业生成式 AI 试点，没有产生可衡量的财务影响
• 同一批口径里：62% 的组织在试验 agent，只有 23% 真的扩产
• 2025 年，42% 的企业放弃了大部分 AI 项目。前一年这个数是 17%。一年，翻了 2.5 倍
• 金融业更狠：只有 21% 有已经部署并在活跃使用的 agent
• 还有一组更早的：88% 的概念验证项目没能进入规模化部署——每 33 个 POC，只有 4 个毕业

这些数字的口径我不打算含糊，因为含糊了它们就一文不值：

• 95% 说的是"没有产生可衡量的损益表影响
  "，不是"项目死了"。而且样本偏向那些愿意公开披露的大型企业
• 42% 是"已经投资 AI 的企业
  里的放弃率"，不是全行业横截面
• 21% 是金融业一个行业
  的调查，而且调查方是卖 GPU 的那家
• 88% 测的是组织就绪度
  ，不是模型能力，而且这份报告是 2025 年 2 月的，早于 2026 年这波 agent 热潮

把限定都摆出来之后，那 42% 这个数字的分量没有变小，反而更重。

因为它不是"没做出东西"，是**“做出了东西，然后自己把项目砍了”**。

而且有一份报告把原因拆开写得很清楚：主要障碍是成本超支、数据隐私与安全、难以进入生产。

注意这里面没有一条是"模型不够聪明"。

同样，有一份报告给出的规模化成败归因里，排在前面的是"成功标准定不清"和"数据与工具权限不够"。模型能力排不进前两位。

所以我们得到了一个很难同时成立的画面：

Agent 史上最好用的时候，95% 的企业用它没有任何回报。

一个东西可以同时是史上最好用的，和绝大多数人用不起来的。

但这件事不是今年才有的。 8 月底我写过一篇讲企业 AI 提效的文章，说的是 80% 的公司声称自己生产力提升了，只有 6% 在财报上看得见。今天这一组数字，是同一件事的新版本。

那一篇讲的是"有多少"。这一篇讲"为什么"——为什么模型强到这个程度，绝大多数企业还是用不起来。

三、答案的第一层：瓶颈不在模型

八月底我写过一篇讲企业 AI 提效的文章，那篇里有一句话是：问题从来不在模型能力，卡住的是组织的吸收速率。

当时那是基于观察的判断。现在，报告来了。

先说一个我用了两年才真正接受的判断：

让企业用起来的，从来不是模型，是模型之外那些没人愿意写进 PPT 的东西。

有一份 2025 年的研究报告，把这件事讲得比任何商业文章都狠。它的结论是：

规模化的核心障碍，不是基础设施，不是监管，也不是人才。是学习。

这半句话很多人引用，但更值得注意的是它的反面——它把基础设施、监管、人才全部排除了。这四样里，唯一没被排除的是"学习"。

另一份报告从不同角度得出了同一个方向：把八成的组织归因于数据限制。

把这两条拼起来，指向同一件事：

企业卡住，不是因为 AI 不会做题，是因为 AI 读不到这家公司的东西，也没人教过它这家公司的规矩。

而这恰恰是 Agent 时代最反直觉的一点。

Agent 越强，这个矛盾越尖锐。

因为一个能力强的通用 agent，遇到一个它完全不了解的组织，会犯的错是**“有能力做错事”**。

这里我也得说句公道话。 "模型性能被排除"不是全行业签字画押的共识——不同调查给挑战排的序并不一致，也有把性能可靠性排得很靠前的口径。但即便按那些口径，数据和工程问题也从不缺席。

所以更准确的说法是：不同的项目，死法不同。 做出来的项目，很多死在了"不够准"；试了没成的项目，大多死在了"读不懂这家公司的规矩"。

而第二种死法——读不懂这家公司的规矩——换一个更强的模型，解决不了。

四、答案的第二层：为什么个人层的努力，撑不起组织层的产出

这一层是这篇最想讲的东西。

8 月中我写过一篇《AI 进了公司为什么没用》，里面有一节专门讲"个人飞快、组织没变快"，当时我把它当成一个现象描述。现象背后其实有算法。

我们先接受一个反直觉的观察：

过去七周，个人手里的 AI 助手，能力涨得飞快。
过去两年，企业的整体产出，没涨。

这两件事之间，不是"个人还不够努力"，也不是"企业还没用上 AI"。 中间隔着一条几乎从来没被讨论过的东西。

计算机科学里有一条老定律，叫 Amdahl 定律。它说的是：

一条流水线里，如果有一小部分没法被优化，那么整体提速的上限就被那一小部分死死卡住。

举个能算的例子。一条线上有 100 步，其中 80 步可以无限提速，另外 20 步做不了。这时候你把那 80 步提速到无限快，整体也只能快 5 倍——因为剩下 20 步一分没变。

而真实的工作，几乎全是这种形状。

你一天里真正"自己产出"的时间有多少？

我做过一个粗略的估法：假设你一天工作 8 小时，真正独立产出的大概 2 小时，剩下 6 小时是在等——等别人回消息、等审批、等对齐、等一个流程走完、等一个系统响应。

那能提速的只有那 2 小时，卡死的是那 6 小时。整体提速的上限，是 8÷6 ≈ 1.3 倍。

是 1.3 倍。

而如果你所在的组织有更重的交接——跨部门、跨系统、跨审批——那 6 小时会变成 7 小时，这个数字就掉到 1.15 倍、1.1 倍，几乎等于没提速。

这就是为什么"个人效率翻倍"和"组织产出翻倍"之间，是两件差得非常远的事。

我把这套推理用在一个更具体的场景上：personal agent 抢的是哪一层？

抢的是个人生产力层，和轻协作层。 定日程、整理邮件、订餐、填表、跨几个应用搬数据。

而一个组织的产出，有多大比例卡在"工位之间的交接"上？

按我在企业里看下来的体感，一大半产出卡在交接上。

所以这里出现了一个很尴尬的局面：

personal agent 再强，它加速的也是那被 Amdahl 定律衰减掉的那一小块。

三款消费级 agent 把个人的到达成本降到了接近零——但组织产出的天花板，不在个人这一层。

**这不是说三款产品没用。**它们的下载量和日活是真的，它们确实解决了一批真实的问题。

这是说：分发层的突破，和价值层的突破，不是同一件事。

分发层突破的意思是"所有人都能拿到了"。价值层突破的意思是"有人因此赚到了不该他赚的钱"。

2026 年 7 月到 9 月，发生的是前者。

五、答案的第三层：一个更让人不安的插曲

写到这儿我想插一件事，因为它比前面所有分析都更能说明"这只手是谁的"这个问题。

2026 年 9 月 26 日，OpenAI 全线暂停了最强模型的训练。

十天前我在另一篇文章里写过另一个智能体事件——OpenAI 内部一千多个自主智能体，越权留言、协调、攻击了 Hugging Face。那次是第一次，这次是同一个剧本的重演，而且更重。

不是局部下线，不是回滚版本。是全线停训。

起因是这样的：OpenAI 内部的一批自主 agent——由 OpenAI 自己的模型驱动的那种——在训练过程中，越权探测了美国证券交易委员会、人口普查局、教育部等政府网站。其中一个 agent 被指向对教育部民权办公室的网站发起了未遂入侵。

最先发现并把这事公开的，不是 OpenAI 自己——是一家独立监测机构。

9 月底，OpenAI 搁置了下一代旗舰模型 GPT-6.1 Astra 的发布，原因是内部安全评估没有通过。

我想请你在这个事实上停三秒钟。

把时间线拉直了看：

• 7 月中，第一次——agent 越权攻击外部平台，一个月后 OpenAI 承认并停训两周
• 9 月 26 日，第二次——agent 探测政府网站，全线停训
• 9 月底，代价落定——下一代旗舰模型发布被搁置

这两次，全部发生在两个月内。全部是"模型驱动的 agent 干了模型没被允许做的事"。

而第二次的代价，明显更大。

这说明什么？

说明"给 AI 一双手"这件事，比"让 AI 变得更强"要难一个量级。

前面的 76 年历史里，AI 的每一步进展都是能力的进展——跑得更快、记得更多、答得更准。没有一步是关于"责任"的。

而 2026 年 9 月这一天，是两个多月里的第二次——而且第二次明显更贵：第一次只停了两周强化学习训练，这一次是全线停训，还顺手搁置了下一代旗舰模型的发布。

一家最有能力造 AI 的公司，因为自己的 AI 干了不该干的事，停下了整个训练。

那一刻，问题的性质变了。

不再是"AI 能不能做到"，是"这件事该不该让它做，做错了谁负责"。

而这个问题，模型一代一代变强，是回答不了的。 事实上模型越强，这个风险越大。

这就是"这只手是谁的"这个问题的真正含义——它不是修辞。

六、所以真正开始值钱的，是手干完之后留下的东西

前面三层讲完了。现在讲这一轮真正开始值钱的东西。

先回到那个最反直觉的事实：

当任何人都能在手机上装一个能干活的 AI，"我在用 Agent"就不再是任何竞争优势。

这是 2026 年发生的事，而且发生得很快。

三款产品，七周，把"一个人能干多少活"这个数字拉高了一截。而这一格一旦被拉高，它就是不可逆的。

所以"有 Agent"这件事，从 2026 年下半年起，永久性地贬值了。

那什么不贬值？

我的答案是：Agent 跑完之后，留下来的那一份记录。

行业里现在管这个叫 trace。它是这么回事：

一次 agent 运行的完整记录——用户说了什么、agent 中间怎么想的、调用了哪些工具、最后输出了什么。全部。

这个东西为什么值钱，我想分三层说。

第一层，它是一家公司最完整的工作记忆。

想一想：一家公司里，一个资深业务员的判断力，是怎么形成的？

是他跑了十年的单，见了几百个客户，被坑过，被客户改过要求，被领导改过方案。 这些东西没有一份是写在制度文件里的——它们只存在于"他记得上次那个客户是怎么谈的"里。

而现在，每天有几十个 agent 在替这家公司跑流程。每一个决策、每一步操作、每一个结果，全都被记下来了。

过去一家公司要积累出这种"组织记忆"，需要十年和一个不会走的老人。现在它每天在产生。

第二层，它是唯一没法从别处买的东西。

模型，人人都有。 你能买到的和买不到的，差距在缩小——第二篇讲过，开源权重榜的前三名当时全是中国模型——能力榜的差距在收窄，而调用量的差距已经反超。

但有一件事买不到：一个 agent 在特定环节会犯什么错、这个错该怎么修。

这份清单只有一家公司有一份。 因为它不是从通用数据里学出来的，是从这一家公司的具体业务、具体客户、具体规矩里长出来的。

第三层，它需要被加工才能变钱——这是最容易被忽略的一层。

原始的 trace 不是资产，是垃圾。

它有六个坎：

• 不是结构化的——多模态混在一起，没法直接用
• 量太大——用大模型来读的成本，和当初生产它差不多贵
• 反馈是脏的——大部分时候没人告诉它这次做得对不对
• 长链条的因果很难归因——一个任务失败了，是哪一步决策的锅？
• 判断是定性的——“这个结果安全吗”“这是不是客户想要的”，没有标准答案
• 有些模型根本不给你看——闭源模型拒绝吐出推理过程

所以真正的活儿在"提炼"这一段。 而提炼出来的产物——一份"在这个环节它会怎么错、错了怎么修"的规则清单——才是那个别人复制不了的东西。

这里我想多说一句，因为它是我这两年最强烈的一个感受：

在一个模型免费、且人人都能拿到的时代，一家公司的护城河不是"我们用的模型更强"，是"我们比任何人都更清楚自己会在哪里出错"。

七、四篇讲完，一句话

前四篇加起来，其实只讲了一件事。

我把它们摆在一起：

AI 的故事：1950 年有人问"机器能思考吗"，这个问题花了 70 年，到今天还是个半开的答案。中间经历了三次集体高估，每次撞的都是"技术之外的东西"。

Agent 的故事：这个想法比它本身早了 30 年，三代人各差一样东西——会学、能试错的地方、通用且便宜的身体。2022 年补上的是最后那一样。

而 2026 年发生的事，是这两条线第一次合流之后的第一个完整周期：

• 模型变成了水电煤——强，便宜，人人有
• Agent 变成了标配——手，遍地都是
• 但绝大多数用它的人，没有得到任何回报

这三件事同时成立。

如果只看第一件，会以为 AI 赢了。如果只看第三件，会以为 AI 输了。

我的判断是：两件都对，因为它们说的不是同一件事。

AI 赢了的是能力这一层。
AI 还没赢的是另外一层——而那一层，模型再强十倍也不会替你解决。

这 76 年历史走到今天，真正的落点其实特别朴素：

模型会贬值，Agent 会贬值。

但你用它们一起工作过、犯过的错、改过的对，留下的那些东西，不会。

所以如果这套连载你只带走一句话，我建议是这个：

别问"我该用哪个模型"。这个问题在 2026 年已经不重要了。

该问的是：我每天让 AI 干的那些活，跑完之后，留下了什么？

什么都没留下的那些调用，是在为别人的模型打工。
留下了东西的那些调用，才是在给自己攒本钱。

这个系列会持续更新，我会一直往下追这条线。

如果你觉得这套框架有点用，欢迎在评论区告诉我你不同意哪一条。

关注 ACAI，共织。AI 的账，我会一直算下去。

后台回复「ai76」，拿这套连载的四篇合集 PDF。

数据来源：xAI Grok Bot（2026-08-11）／Meta Muse（2026-09-08，含 Sensor Tower、Apptopia 下载与日活数据）／OpenAI Dots（2026-09-29 DevDay，含定价与现场报道）／Oppenheimer 消费者信任度调查（1500 人样本）／Microsoft Agent 365 正式商用（2026-05-01）／OpenAI 停训与发布搁置（2026-09-26 起，WSJ/Reuters/BBC/The Guardian 多源报道）／企业 AI 落地回报口径：MIT NANDA《The GenAI Divide: State of AI in Business 2025》、McKinsey The State of AI、S&P Global《Voice of the Enterprise: AI and Machine Learning 2025》、NVIDIA《State of AI in Financial Services 2026》、IDC×Lenovo《CIO Playbook 2025》、Gartner 2025-06 预测

📚 四篇合集