为什么“高价值任务”变成了所有模型公司的第一优先级？｜拾象 AGI 备忘录

RayHu:备忘Memo：AI 陡峭质变、高价值任务与白领的终章 一、 现状观察：技术进步的质变与加速 技术进步重回快车道：2025年硅谷的技术变化曾被认为偏向线性甚至停滞，但自去年年底（以Opus 4.5、4.6发布为界限）开始，AI的进步表现出明显的质变。 工程师的危机意识：前沿Labs的Researcher与Engineer普遍感受到工作模式的剧变，从写代码转向Review代码。业内预期工程师的工作在一年内可能被完全替代，研究员则在两年内面临冲击。 数字虚无感与物理回归：由于数字世界的大部分任务AI已能胜任，部分顶尖开发者和创业者开始产生虚无感，转而在物理世界（如机器人、硬件）寻求新的意义。 二、 Coding AGI 的降临：从提效到替代 Coding AGI 的定义：单次提示词即可基本完成任务，无需打开代码编辑器。 量化质变：人类编写的代码占比从之前的70-80%骤降至5%以下。对于大厂程序员而言，不仅是技能被替代，由于AI能低成本完成简单软件，市场对基础开发的需求也在缩减。 科研闭环的半自动化：AI已开始承担数学定理推导、数据清洗与标注沟通等脏活。这种自我提升的闭环正加速整个AI研究的进程。 三、 Harness：驱动 Agent 的底层基座 Harness 的本质：为Agent搭建的基础设施，类似于为员工配发的工作环境。它解决了上下文管理、记忆设计、安全边界以及工作验收等关键问题。 主动性与时间感知：通过心跳和定时任务的设计，赋予Agent类似人类的主动性，使其能感知截止日期并主动反馈进度。 OS 化的潜力：优秀的Harness正表现出操作系统的特征。未来Agent的竞争可能不在于模型本身，而在于谁能搭建出更适合模型发挥的环境。 四、 重新定义高价值任务 战略重心的收敛：头部Labs正全力转向Coding及其衍生的知识工作。目前的共识主线是：代码编写、金融分析、法律服务与医疗咨询。 高价值的特征：单位智能消耗高、单位产出价值高。在Agent叙事下，AR（平均收入）比单纯的用户量更重要，一个用户量较小的专业产品其收入可能反超大众化产品。 从互联网叙事转向 Agent 叙事：不再追求单纯的用户规模，而是聚焦于能通过智能杠杆切掉的高薪岗位预算。 五、 硬件演进：AI Native Hardware 的崛起 推理速度与吞吐量的矛盾：高价值任务要求使用最顶尖的模型且具备极快的推理速度。新一代芯片旨在解锁这一瓶颈。 SRAM 的价值：为了加速推理，SRAM作为最高速缓存被大量应用，通过提升大模型处理中间过程数据的能力来实现加速。 硅谷投资热向硬件转移：VC开始批量化投资芯片公司，目标是实现短时间内的海量计算，以支撑复杂任务的实时反馈。 六、 Multi-Agent 协作与组织管理学 Multi-Agent 的 Scaling Law：通过多Agent的编排，任务质量随计算量投入增加而提升。 管理学视角的引入：Agent协作不再仅仅是任务拆分，而是参考组织管理学，设置角色审查、交叉Review、小组朝会等环节。 计算量的代际飞跃：Agent网络带来的Token消耗量将呈指数级增长，这种增量主要来自于Agent之间的内部协作与反复试错。 七、 职业终局与人类价值的重塑 最后一代白领：这不再是预测，而是正在发生的现实。传统高薪行业的起薪优势正因AI的擅长而消失。 选择比努力更重要：执行类工作将被Agent大规模承接，人类的核心价值将收敛于在不确定性中做出选择并承担后果。 失业即创业：AI大幅降低了组织成本和能力杠杆，未来可能爆发大量一人公司。失业潮可能逼迫人才利用AI杠杆成为新型企业家。 精彩言论摘要 我们这一代人可能是最后一代白领。 Harness（马具）这个词非常形象，当它已经是一个生命时，我们怎么最好地与其对齐。 高价值任务就是看哪些人工资高，把他们替代掉，就是高价值任务。 未来的社会形态可能是：失业等于新的创业。 人类会FOMO不住最好的AI Agent。

Feihong飞虹:有信息整理方面的，也有投资决策方面的。信息整理已经明显赶上人的水平，让 ai 做舆情分析、电话会纪要整理这些都不错。投资决策方面我更多视 ai 为头脑风暴的伙伴，我喜欢和 ai 做 bull bear debate，还喜欢让 ai 做情景假设并且估计各个情景的概率

July_777:1:00:12 平价模型与最好的模型也不矛盾。期待 DS 成为下一个最好&平价模型

薯条哲学家海鸥同学:53:59 平价模型的token应该会无限趋近固定成本（电价+设备折旧+运营费用），顶尖模型的token定价呢？另外在思考近期各家token plan的涨价现象跟这似乎又不是一回事

邓痕痕Penny:头部公司也有自己需要focus的方向，并没有无限的资源可以什么都做。头部公司不再投入并不代表这个领域不值得投入。