6714个AI从业者挤进旧金山,终于把一个问题想明白了

摘要：模型免费了，问题感知才是稀缺品。这可能是AI时代最重要的一句话。

正文：

兄弟们，三十七又来了~

上周，旧金山，HumanX大会。6714个AI从业者，79个国家，500多场活动，35000多分钟的内容。

三天之后，这帮人终于把一件事想明白了——不是AI不够强，是AI太多了。

三波浪潮，一个方向

黄仁勋在大会上画了一张图，把AI发展分成三波：

第一波（2023-2024）：生成式。你问，它答。你让它写文案，它写文案。你让它出图，它出图。关键词是"What is?" "Where is?" — 提取型任务。

第二波（2024-2025）：推理式。你说"帮我分析一下这个数据"，它真的开始推演、假设、论证。关键词是"Reason about this" — 思考型任务。

第三波（2025至今）：代理式。你说"把这个流程给我自动化"，它开始读文档、调系统、迭代、交付。关键词是"Build this for me" — 执行型任务。

这三波，不是三选一，是叠加演进。但大多数人的认知还停留在第一波，还在用"AI能帮我做什么"来框定它，而不是"AI能替我做什么"。

模型免费了，什么才值钱？

Open Proof，70个员工，35个工程师，120亿美元估值，60%的美国医生每天在用。

按照正常逻辑，这家公司不可能存在。没有自研大模型，没有独特的算法壁垒，凭什么值120亿？

答案是：它没有试图拥有模型，它拥有问题。

Open Proof从"医生真正需要什么"倒推，而不是从"我们的模型能做什么"正推。这是完全不同的思维方式。

这意味着什么？

意味着模型已经是基础设施了。就像电、就像水、就像互联网——你不会因为你用的是国家电网的电就觉得有竞争优势。模型也一样。当GPT、Claude、Gemini每周都在迭代，模型本身的优势窗口正在以周为单位关闭。

真正稀缺的是：谁离问题最近。

执行正在贬值，品味正在升值

OpenAI内部，Srinivas Narayanan的工程师已经不写代码了。他们指挥Agent写代码。

80%的时间花在判断上：AI这次做对了没有？下一个方向是什么？这个输出值不值得上线？

CodeX可以生成整个代码仓库，但判断这份代码值不值得上线的，是人。

Open Proof用70个人干了500人的活，不是因为他们效率高，是因为执行层被AI接管了之后，人被解放去做判断。

执行是机械的，可以被替代。品味是主观的，是关于"什么值得做"的直觉。

这对所有人都是一个警钟——如果你还在优化自己的执行速度，你正在把自己变成一种商品。真正的价值在于你能提出好问题，能识别AI输出的缺陷，能在模糊中找到方向。

这才是未来十年最值钱的能力。

Agent不替代人，替代的是流程

Salesforce的Agentforce已经做到了8亿美元ARR，25000个客户，数以十亿计的Agent交易。

企业没有裁员。企业在变得更大胆。

因为Agent替代的不是人，是那些本不应该让人来做的事——重复的政策查询、标准化的问题响应、八成只需要按规矩走的流程。

当Agent接手了那80%机械性的工作，剩下的20%反而变得更加清晰了：那些需要判断、需要同理心、需要复杂决策的场景。

人在这个体系里不是被淘汰，而是被升级——被推到了真正需要人类智慧的位置。

位置比能力更重要

Slack每天处理10亿条消息，AI应用构建量同比增长了1000%。

不是Agent变得更聪明了，是Agent搬到了对的地方。

一个单独的AI工具网站，访问量寥寥无几。同样的Agent，出现在Slack里——出现在人们真正工作的地方——使用率立刻跃升25%。

这不是技术问题，这是产品哲学问题：不要让用户来找工具，让工具出现在用户面前。

Slackbot的思路很简单：当你需要什么的时候，它就在那儿。不用搜索，不用登录，不用学新的界面。Agent融入了工作流，而不是要和工作流竞争。

Day 2比Day 1难得多

几乎每个创始人都觉得最难的是Day 1——构建Agent、让它上线、跑起来。

错了。Day 2才是真正hard模式。

Salesforce自己复盘：构建Agent用了6周。让Agent真正work——不断优化、测量、调整——用了超过12周。

因为Agent上线之后，你需要持续监控：它在处理对的场景吗？业务规则变了，它跟上了吗？KPI改了，Agent知道新的目标是什么？

在医疗和金融领域，"基本能用"不是能用，是"随时可能出医疗事故/合规风险"。

大多数团队在Day 1庆祝完之后，根本没有准备好迎接Day 2的持续运营。这才是差距所在。

真正的大机会：空间智能

李飞飞在大会上说了一句狠话：

"我们建的所有东西，都是黑暗中的文字匠。"

语言模型在文字上无敌，但它们对3D世界、物理规律、运动轨迹、因果关系一无所知。它们只是抽象的，漂浮在现实之上的。

空间智能——感知、理解、生成真实的3D空间——是下一个五年AI投资的主线。

训练语言模型的数据无处不在。训练空间模型的数据少得可怜。这就是为什么谁先建成"合成数据飞轮"——用AI生成3D世界→训练机器人→产生新数据→训练更好的模型——谁就能在2030年代占据基础设施层的核心位置。

如果你所在的领域和物理世界打交道——机器人、供应链、制造、医疗影像、游戏——空间智能不是选修课，是必答题。

原文链接：

https://businesscircle.co/2026/04/12/ai-conference-humanx-takeaways-and-frameworks/

今天的三十七手，你落子了吗？

作者：老登三十七