乐于分享
好东西不私藏
夜雨聆风 > > 办公文件 > AI 投资下半场:Harness比大模型更值钱?

AI 投资下半场:Harness比大模型更值钱?

当前时间： 2026-08-07 17:04:08 分类：办公文件 评论(0)
AI 投资下半场:Harness比大模型更值钱?
最近的 Berkeley AI Summit 2026 上，微软研究院的 Jianfeng Gao 教授抛出了一个震撼行业的观点：“AI 应用的护城河将会出现在 Harness上。谁能把 Agentic 运行轨迹变成模型的训练数据，并真正跑通模型训练闭环，谁就能构建起真正意义上的应用护城河。”

01. 范式转移：从“学完再干活”到“边干活边学习”

要理解 Harness 的价值，首先要理解大模型“一生”的改变。
在旧范式下，大模型就像一个在学校死读书的博士。用海量的互联网文本（知识）把它“预训练”出来，然后它就毕业去上班了（推理阶段）。它在工作中遇到了什么难题、怎么解决的，这些经验不会回流到它的大脑里。想让它变聪明？对不起，等半年后重新花几亿美元训个新版本。
但现在，互联网上的文本数据快被刮干净了。新的 Scaling Law 亟需新的数据源。
这个新数据源，就是 AI Agent 在真实场景中解决问题的轨迹数据。
当一个 AI Agent 在帮你写代码、投广告、或者做客服时，它会：
  1. 启动一个沙箱环境
  2. 尝试调用工具、执行动作
  3. 成功了（正样本），或者失败了被人类纠正（负样本）
这些包含着“对错信号”的操作轨迹，是比互联网文本珍贵万倍的训练数据。 它们不再只是告诉你“世界是什么样的”，而是教模型“在特定业务场景下，怎么一步步把活干好”。
这就是“边推理边训练”（Online RL / 递归自我改进）的新范式。而收集这些轨迹数据、给模型提供执行环境和纠错机制的那套系统，就叫 Harness。

02. 大模型厂商的“反击”：为什么要做 Harness？

想明白了这个飞轮，你就能看懂大模型厂商（如 Anthropic、OpenAI、DeepSeek）最近的疯狂举动。
如果它们只卖 API token，那它们永远只是别人 Harness 里的一个可替换“引擎”。今天客户用 Claude，明天 DeepSeek 便宜 10 倍，客户一键就换了。更要命的是，客户在第三方 Harness 里产生的宝贵轨迹数据，大模型厂商拿不到！
没有 Harness，就没有轨迹数据；没有轨迹数据，就无法进行下一代模型的训练闭环。
所以，大模型厂商必须“全栈化”。Anthropic 做了 Claude Code，OpenAI 做了 Codex，DeepSeek 也在搞自己的 Harness。它们要用自己的 Harness 锁住用户，收集轨迹数据，然后反哺自己的模型，形成“自家模型 + 自家 Harness”的紧耦合闭环。
结论：在“编码”这种奖励信号清晰、高度标准化、不涉及企业隐私的通用场景里，大模型厂商会自己下场吃掉一切。这是它们的领地。

03. 垂直应用的护城河：大厂吃不到的深水区

既然大厂下场了，垂直应用公司还有活路吗？
有，而且机会巨大。大厂能吃掉编码，但它们吃不掉医疗、法律、金融、企业复杂工作流。因为这些领域有三道大厂跨不过去的墙：
  1. 数据隐私与合规：企业不可能把核心的业务数据、客户病历交给通用的云端模型去训练。
  2. 场景非标：每家企业的审批流程、每个医生的诊断习惯都不一样，没有通用的 Harness 能解决。
  3. 奖励信号延迟且复杂：代码跑通了就是对的（秒级反馈），但一个法律合同起草得好不好，可能要等半年后的判决才知道。
在这些大厂进不去的深水区，谁能先建起自己的 Harness 飞轮，谁就是未来的王者。
我们来盘点几个目前市场上最典型的“Harness 飞轮”标的：
1. 物理世界的终极飞轮：特斯拉 (TSLA)
如果你认同 Harness 飞轮逻辑，特斯拉就是目前全世界唯一一个在物理世界中跑通了这个闭环的公司。每辆在路上跑的特斯拉，就是一个物理沙箱；人类司机的接管，就是最清晰的负样本信号。几百万辆车每天产生海量的驾驶轨迹数据，不断训练其端到端神经网络。护城河：物理世界的数据不可复制，竞争对手（如 Waymo）在车队规模上差了几个数量级。
2. 广告界的超级 Harness：Meta (META)
不要以为只有写代码的才叫 Agent。Meta 的广告系统（Andromeda 检索 + Lattice 排序 + GEM 生成）本质上是全世界转得最快、最赚钱的 AI Harness。它每天根据 30 亿用户的点击/购买行为（毫秒级反馈），实时更新广告排序策略。现在，Meta 又推出了 Business Agent，试图把商业链路从“引流”延伸到“成交”。护城河：30 亿用户的闭环社交+购物行为数据。
3. 企业工作流的“操作系统”：ServiceNow (NOW)
ServiceNow 不是自己做一个垂直 Agent，它是做“管理所有企业 Agent 的 Orchestrator（编排器）”。企业把几千个业务流程、员工档案、IT 资产全放在 ServiceNow 上。任何第三方 Agent 想在这家企业干活，都必须通过 ServiceNow 的 Harness 来调度。护城河：极高的企业数据锁定和切换成本。它的 AI 合同价值（ACV）已突破 10 亿美元，且正在从“按席位收费”转向“按消耗/Agent收费”，彻底打开了收入天花板。
4. 网络安全的“以战养战”：CrowdStrike (CRWD)
每一次网络攻击，都是 CrowdStrike AI 模型的训练数据。攻击者越多，它的 Falcon 平台越聪明。这是一个完美的“敌人帮你训练 AI”的秒级反馈飞轮。护城河：全球几万家企业的终端安全日志。不过需要注意，资本市场非常聪明，目前 70-80 倍的 P/E 说明其飞轮价值已被充分定价。
5. “没有大模型”的万亿图谋：Palantir (PLTR)
Palantir 是“Harness 比模型更值钱”的最极端证明。它没有自己的大模型，全靠第三方 LLM。但它花几年时间帮政府/军方建的 Ontology（企业知识图谱），让 AI 能够在一个绝对安全、有丰富上下文的环境中干活。护城河：时间 × 信任 × 深度定制。模型随时可以换，但花了 5 年建的 Ontology 换不掉。

04. 投资策略：如何在“尴尬期”寻找超额收益？

当前 AI 投资处于一个微妙的“尴尬期”：第一波算力红利（Nvidia）已经被充分定价，而企业端 AI 的实际 ROI（投资回报率）还需要时间验证。
在这种环境下，普通投资者如何获取高额收益？我们建议采用“双主线”策略：
主线一：投“服务硅基人”的基础设施（卖铲人）
当成千上万的 AI Agent 开始“边推理边训练”时，它们需要无数个隔离的“沙箱”来试错和执行代码，需要底层的高速互连和算力调度。关注那些为 AI 提供运行环境的基础设施公司，如底层算力云（CoreWeave，一级市场）、沙箱提供商（Modal Labs、E2B，一级市场），以及云端虚拟化技术的间接受益者（AWS、Azure）。
主线二：寻找“飞轮在转，但尚未被 AI 定价”的垂直龙头
资本市场很聪明，像 CrowdStrike、Palantir 这样的顶级飞轮已经被给予了极高的估值溢价。真正的超额收益，在于寻找那些“奖励信号清晰 + 数据独有 + 飞轮已经在转”，但市场目前仍将其视为传统 SaaS 或传统垂直公司的标的。
AI 的竞争，正在从“算法时代”全面进入“数据主权与 Harness 时代”。
大模型终将走向商品化。未来的赢家，不一定是那个拥有最聪明大脑的人，而是那个在自己的领地里，建起了最坚固的脚手架，并让数据飞轮以最快速度转起来的人。

相关学习资料