一文读懂Fugu:它不是更聪明的AI,而是第一个学会“管理”的AI模型

最近 AI 圈让我意外的事情，并不是 OpenAI 发布了什么新能力，也不是 Anthropic 又刷新了排行榜，而是一家来自日本的 AI 公司——Sakana AI 推出的 Fugu 突然火了。

很多报道都在讨论它的性能，比如代码能力、科学推理表现，甚至有人把它称为“日本 AI 的逆袭”。但在深入研究之后，我越来越觉得，大家关注的重点可能有些偏了。

Fugu 最重要的地方，并不在于它比谁更聪明，而在于它让我第一次清晰地看到，AI 正在从“员工时代”走向“管理者时代”。

如果说过去几年整个行业都在训练一个越来越强的超级个体，那么 Fugu 所代表的方向，是让 AI 开始学会组织 AI。这件事对创业者的意义，可能远远超过一次模型性能的提升。

Sakana AI 为什么值得关注？

要理解 Fugu，首先要理解 Sakana AI 这家公司。

“Sakana”在日语里是“鱼”的意思。刚看到这个名字时，我也觉得有点奇怪，一家 AI 公司为什么要叫鱼？后来才发现，这个名字其实对应着他们整个研究方向。

过去几年，大模型行业的路径非常清晰：更多算力、更大模型、更长训练时间，从而获得更强能力。OpenAI、Anthropic、Google 都在沿着这条路前进。

但 Sakana 想的问题不一样。他们关注的是：自然界为什么能产生智能？鱼群如何同步转向？蚁群如何找到最优路径？蜂群如何完成复杂分工？

如果仔细观察就会发现，单独的一条鱼或一只蚂蚁其实并不聪明，但当它们形成群体之后，却能表现出远远超越个体能力的智慧。这种现象在生物学中被称为“群体智能（Swarm Intelligence）”。

Sakana 相信，未来 AI 的进化不一定只来自更大的模型，也可能来自更好的协作。这是一个非常反直觉的思路，因为过去两年大家都在追求更大的“大脑”，而他们开始研究更聪明的“组织”。

Fugu 正是在这样的背景下诞生的。

Fugu 到底是什么？

很多人把 Fugu 当作一个新的大模型，但我更倾向于把它理解为一个“AI 管理系统”。

过去我们使用 GPT、Claude 或 Gemini 时，本质上是在和一个模型对话。无论是写代码、分析文档还是解决问题，都是同一个模型在完成。

但 Fugu 的思路完全不同。当一个任务进入系统后，它不会立刻给出答案，而是先进行判断：这个问题属于什么类型，需要哪些能力参与，哪些模型更适合完成不同部分，哪些结果需要交叉验证。

在此基础上，它再进行任务拆解、分发和整合。换句话说，它思考的已经不是“我该怎么回答”，而是“这个团队应该如何完成这个任务”。

这个变化看似不大，但背后的逻辑完全不同。过去的大模型更像一个能力越来越强的员工，而 Fugu 更像一个项目经理，它不一定亲自完成所有事情，但它知道如何让合适的资源发挥最大价值。

为什么我觉得这是一次重要的转向？

因为它让我开始认真思考一个问题：未来 AI 的终局，到底是超级大脑，还是超级组织？

过去几年，我们默认答案是超级大脑，所以大家都在不断提升单个模型的能力。但现实世界并不是这样运转的。苹果不是靠一个天才创造出来的，SpaceX 也不是靠马斯克一个人完成的，OpenAI 同样不是某一个工程师的成果。

真正创造巨大价值的，从来不是个体能力，而是组织能力。优秀的组织能够让不同的人发挥各自优势，放大个体能力，并完成单个人无法做到的事情。

如果把这个逻辑放到 AI 上，就会发现一个有意思的可能性：未来最强的 AI 不一定是参数最多的模型，而是最擅长调度资源、组织能力和协同工作的系统。

从这个角度来看，Fugu 的意义已经超越了一个普通模型，它更像是在展示 AI 的下一种形态。

Fugu 出来之后，我们还需要 Harness 吗？

看到 Fugu 之后，我一直在思考一个问题。

过去一年，我们经常讨论 Agent、工作流以及 Harness（驾驭工程）。很多人认为，未来最重要的能力是学会如何驾驭 AI，比如写 Prompt、设计工作流、调用工具，以及让多个模型协同工作。

这个逻辑本身没有问题，因为过去的大模型不会自己组织任务，所有流程都需要人类来设计。你需要拆解任务、分配工作、检查过程并完成验收，本质上一直在扮演项目经理的角色。

但 Fugu 让我意识到，未来很多底层的 Harness 可能会逐渐被模型吸收。模型会自己拆任务、调用工具、组织流程，并协调多个智能体。

如果是这样，我们是否还需要学习这些复杂操作？我的答案是仍然需要，但重点已经发生变化。

过去的 Harness 更偏向操作能力，比如如何使用工具、如何写 Prompt、如何设计流程；而未来的 Harness 更偏向组织能力，比如判断什么目标值得完成、如何定义问题，以及如何设计最终结果。

这其实和企业经营非常类似。老板最重要的能力从来不是亲自干活，而是判断什么事情值得去做。

但这里有一个很现实的问题：很多人其实并没有真正“亲自动手”过。

我之前一直主张，让老板们一定要自己去用 AI、去写 Prompt、去搭流程。现在我依然这么认为。原因很简单——如果你没有亲自做过，你其实很难知道 AI 的能力边界在哪里。

你不知道什么样的模型适合做什么事情，不知道哪些任务可以自动化，哪些地方一定需要人工判断。这些认知，不是听别人讲就能获得的，必须通过实践。

我更喜欢用一个类比来理解这件事：就像你在招人一样。你必须见过各种各样的员工，知道他们各自的能力、优缺点和适用场景，才能把他们合理地编排在一起。

AI 也是一样。你需要先“用过很多员工”，才能成为一个好的“管理者”。

但与此同时，也要意识到一个阶段性的变化。

当你已经做了一定积累，对工具、模型和流程有了基本理解之后，就不能一直停留在“亲自动手”的阶段。你需要逐渐切换到指挥官、组织者、拉队伍的位置。

你的时间精力，不再主要花在具体执行上，而是花在判断方向、设计结构、组织资源上。

这其实正是 Fugu 所代表的那种能力：不是自己做所有事情，而是让整个系统高效运转。

这件事为什么让我感到兴奋？

说实话，过去两年我有时也会感到压力。OpenAI 每年投入数百亿美元，Anthropic 获得巨额融资，Google 拥有顶级人才和算力，这让很多创业者产生一种感觉：这个时代似乎已经被大厂定义好了。

但 Fugu 给了我另一种视角。

Sakana 并不是最有钱的公司，也不是拥有最多 GPU 的公司，他们只是换了一个角度思考问题。当别人都在研究如何把模型做得更大时，他们去研究鱼群、蚁群，以及自然界几十亿年的进化过程，并从中找到新的路径。

这件事让我非常触动，因为创业很多时候也是如此。当你一直盯着竞争对手时，你看到的永远只是竞争对手；但当你开始观察真实世界时，会发现很多答案根本不在行业内部。

答案可能在人群中，在市场中，在用户每天的抱怨里，在一次聊天中，甚至在大自然本身。很多创新并不是来自更聪明的大脑，而是来自更开放的观察。

写在最后

Fugu 给我最大的启发，其实不是技术，而是一种看待世界的方式。

过去几年，我们总觉得答案在论文里、在排行榜里、在最先进的实验室里。但 Sakana 让我重新意识到，答案也可能存在于鱼群、蚁群，以及自然界运行了数亿年的规律之中。

对于创业者来说也是一样。我们未必有能力训练下一代基础模型，也未必拥有最顶级的人才和最庞大的资金，但依然有机会发现新的需求、新的场景和新的组织方式。

如果有一天你发现自己找不到答案，也许可以暂时离开屏幕，去见人、去聊天、去市场里看看，甚至去大自然中走一走。很多时候，当我们停止寻找标准答案时，新的答案反而会出现。

而我认为，这或许才是 Fugu 真正有价值的地方。它不仅展示了一种新的 AI 形态，也提醒我们：世界上最伟大的创新，很多时候并不是发明出来的，而是通过观察发现的。

但也许我们还可以再往前想一步。

每天太阳升起、落下，四季更替，潮汐往复，这些看似再普通不过的现象，其实都在提醒我们一件事：世界一直在按照某种更宏大的规律运行，而这种规律远远早于人类，也不会因为我们的意志而改变。

当我们沉浸在技术、模型、竞争和效率之中时，很容易产生一种错觉，好像一切都可以被我们设计、控制甚至重构。但如果把时间尺度拉长，就会发现，人类其实只是这个系统中的一小部分。

这也让我开始反思，我们在做产品、做公司、甚至做 AI 的时候，是否有时候 ego 太大了？是否过于相信自己的判断，而忽略了更大的环境、趋势和规律？是否在某些时刻，其实是在“闭门造车”，而不是在理解世界？

自然界经过数亿年的演化，留下来的往往不是最复杂的结构，而是最稳定、最适应环境的模式。这些模式之所以能够长期存在，是因为它们顺应了整体的运行逻辑，而不是试图对抗它。

也许 Fugu 真正带来的，不只是一个新的技术方向，而是一种提醒：当我们试图构建更复杂系统的时候，或许更重要的不是“我们能做什么”，而是“这个系统本身应该如何运作”。

当我们愿意把视角从“控制一切”转向“理解规律”，很多问题反而会变得更清晰。

而这，可能才是比任何模型性能提升都更重要的一件事。