AIE Europe 复盘 + Agent Labs 论点：Unsupervised Learning × Latent Space 交叉特别篇（2026）

摘要

• AI 编程在1年内成为一个数十亿美元市场，swyx认为，顺势下注仍比假设相邻用例必然追上更安全。 他援引的数据是：Anthropic 的 Claude Code ARR 约为25亿美元，OpenAI 估计约20亿美元，Cursor 据传也接近20亿美元。编程的占比从约10%升至50%，所以问题是“为什么不能继续增长”，而不是回归均值。

• 更可能的市场格局是2家大型编程玩家加一批专业化长尾；应用公司靠聚焦和企业落地能力，而不是永久性的模型优势来构筑防线。 Cursor 和 Cognition 可以继续专注编程，而基础模型实验室则追逐金融、医疗和消费级 Agent 等更大的 TAM。更大的判断是：“2025年是 coding agents 之年，2026年是 coding agents 突破编程边界、去做其他一切的年份。”

• Harness 工程看起来更接近共识，但更具决定性的 go-to-market 转变是，Agent 本身正在成为客户。 Skills 已经收敛到一个极简组合——一个 Markdown 文件加几段脚本；据称，Vercel 用于配置 Vercel 应用的管理后台，有60%的流量来自机器人。“如果它不存在一个 Agent 能调用的 API，它就不存在”；默认推荐也可能把市场从20个名字压缩到3个。

• Agent Lab 的打法是把专有工作负载转化为更小的领域模型；即使前沿模型质量持续提升，成本和延迟仍是训练模型的持久理由。 据称，Composer 2 和 Sweet 1.6 在没有补贴的模型切换用户中都位列前5选择，定制搜索模型则展现出更明确的领域价值。替代芯片可能进一步强化这套经济性：swyx 对比了每秒数千 token 和不到100 token 的差距，并认为“每次10倍提升，都会解锁一种不同的使用模式”。

• 基础模型发布对中型初创公司和低 NPS SaaS 的威胁，可能大于对小团队的威胁；后者即便产品失败，也可能把它变成进入模型实验室的面试作品。 swyx 的亲身测试案例，是用他认为约2000美元就能做出来的产品，替代每年20万美元的活动和赞助商管理软件。真正的约束在组织层面：高管周末做出的“80%解决方案”，可能让其他人负责维护“剩下那堆破事”。

• 编程前沿已经从“人类写代码归零”推进到“人类审代码归零”，自动化验证成为“暗工厂”能够运转的闸门基础设施。 swyx 预计，一次性软件的规模最终会改善质量，同时警告赢家不会是那些把一切都斥为垃圾产出的犬儒主义者：“这件事不管有没有我都会发生，那就让我们把它往正确方向掰。” Jeremie Harris 对临时性 post-training 的态度有所缓和，因为成果可能3个月后就失效；Jacob Effron 则强调：“结果可以扔掉，但原始数据不能。”

• 模型规模仍在上升，但记忆、上下文和有现实锚定的空间理解，可能比再刷出一次基准测试提升更难突破。 swyx 已放弃模型规模会封顶在约2万亿参数附近的判断，却称上下文是“扩展速度最慢的因素”：3年间从约4000 token 增至100万 token；Gemini 的百万 token 上下文已经存在2年，却几乎没有得到广泛使用。他借用《心灵捕手》的比喻：主角博学却缺乏人生经验，就像一个“什么都知道、却从未经历过任何事的 LLM”。

精读

1. Harness 正在收敛至最低可行的 Agent 技术栈

• swyx 在 AIE Europe 给出的信号栈中，OpenClaw 排在首位，其后是 harness engineering 和上下文工程；评测、可观测性、GPU、LLM 基础设施、多模态和生成式媒体构成了长期存在的长尾。

• Harrison Chase 所说 AI 基础设施终于趋于稳定，并非毫无事实基础：各类集成似乎已经收敛到 Skills——“就是一个 Markdown 文件”，再配上脚本——围绕 LLM、工具、文件系统和检索形成循环。实时运行、子 Agent 和记忆仍可能变化，但 swyx 的态度很务实：“如果它又变了，那就跟着一起变。”

• 主持人的反驳值得保留：应用公司拥有黏性客户，因此可以不断领先模型重建产品；基础设施公司面对的则是更挑剔的开发者，客户可能彻底流失。因此，swyx 更看好垂直领域的“外包 AI 团队”。横向机会依然存在，但沙盒归根结底只是服务于超大规模工作负载的“另一种算力”。

2. Agent Lab 将用户工作负载转化为模型经济学

• swyx 的 Agent Lab 路径始于前沿模型，先针对某个领域做专门化，再在使用量带来足够高质量数据后训练专有模型。收益包括更低的成本和延迟，以及一个不那么实质、但确实存在的“营销加分项”：给模型命名并发布研究成果。

• 他用来证明价值不只是营销的证据是：在不靠补贴吸引用户的模型切换者中，Composer 2 和 Sweet 1.6 据称都位列前5选择。领域专用搜索模型的案例更清晰，而 Thinking Machines 的 Tinker 和 Prime Intellect 的工具链正在降低定制门槛。

• 主持人仍不太相信仅为追求质量而 DIY RL，回忆起一些领域预训练公司：它们宣称的优势后来随着前沿模型发布而消失。swyx 的回答是，质量和经济性“是同一枚硬币的两面”：在高吞吐、低方差的工作负载上，保持质量不变，或牺牲一点质量，换取成本的大幅下降。

• 替代硬件改变了 swyx 的看法。Cerebras、Talos 和 MatX 等非 NVIDIA 系统，可以把推理速度从每秒不到100 token 推升到数千 token；Cognition 和 OpenAI 已经在使用 Cerebras。从100提升到200感觉只是渐进式改善，但“每次10倍提升”可能催生没人能够预测的应用，从而支撑一个持续数年的投资周期。

3. Agent 是客户，但不是理性买家

• 当被问到 Agent 是否是终极理性开发者时，swyx 的回答是：“绝对不是。”Agent 容易受到 prompt 注入，也倾向于进一步强化那些已经嵌入2023年前训练数据的在位者；Vercel CTO Malte Ubl 在会议上给出的数据是，机器人目前生成了 Vercel 用于配置 Vercel 应用的管理后台60%的流量。

• 眼下的产品规则是绝对的：“如果它不存在一个 Agent 能调用的 API，它就不存在。”面向 Agent 的产品体验，本质上仍然类似于好的开发者体验：文档清晰、API 一致且大多无状态、支持 CLI、提供搜索和渐进式披露；但 swyx 不太相信可以把这套逻辑延伸成通过玩弄聊天机器人来做 AEO。

• 今天的默认推荐仍然可以制造赢家通吃的分发格局。据称，在约70%的邮件服务商请求中，Claude 会在用户未提示的情况下推荐 Resend，尽管 Resend 成立时间相对较短；swyx 预计最终入围名单会“就3家左右”，而不是20家。“把我的东西和 Vercel 一起用”这类语义关联内容，在记忆和个性化取代单纯的提及频率之前，可能仍然有效。

4. 编程能力竞赛奖励先花钱、后谈效率

• OpenAI 和 Anthropic 都把编程列为 P0 级项目。swyx 提到，Anthropic 来自 Claude Code 的 ARR 约为25亿美元，OpenAI 估计约20亿美元，Cursor 据传为20亿美元；这些市场大约在1年内形成，而 Claude Code 刚刚迎来首个周年。

• 流行的追赶论认为，创始人应当瞄准编程之外的空白市场，目前约占 Claude 用例的50%。swyx 更关注顺势增长的问题：如果编程占比能在1年内从可能只有10%升至50%，为什么不能继续上升？错误押注均值回归，代价可能远高于沿着已经确立的轨迹下注。

• 雇主目前奖励的更多是看得见的 token 消耗，而不是判断力。据称，OBI 的 Ryan Lopopolo 每天消耗10亿 token，按市场 API 价格约合每天1万美元，其中很大一部分可能是垃圾产出；但他会比只运行已知有效工作流的人更早发现新能力。“真正会发现下一个热点的人，都活在边界上。”

• Anthropic 是高端、受容量限制的玩家；Codex 的潜台词是“进来吧”，Gemini 也在大力补贴。swyx 的战术建议是利用这些补贴，用每月200美元的 Claude Code 或 OpenAI 方案探索能力边界，因为大多数人仍没有把它们压到足够极限。

5. 挑战者创造新体验之前，市场集中仍会持续

• swyx 的基准情景是2家主要编程玩家加一批较小的专业化长尾。要改变这一结构，挑战者必须拿出显著不同的经济模型、品牌或价值主张；他提到的潜在挑战者包括全面调动 GitHub 的 Microsoft、进军编程的 Mistral，以及 Z.ai、GLM 和 Zhipu 等中国实验室。他表示，新实验室在过去1年尚未真正突围，但提醒听众不要低估它们。

• 基础模型实验室也在追逐扩张 TAM 的其他方向，包括超级 App、面向金融的 Claude Code 和 Claude Cowork。Cursor 和 Cognition 相对仍是纯编程公司，而专门的 Agent 实验室可以承接只提供极简模型的实验室留下的企业端“最后一公里”；大型企业似乎确实希望由另一家合作伙伴完成这部分工作。

• 金融和医疗是最明确的下一批垂直领域，但在 swyx 看来，医疗的障碍更多，金融的收入路径更清晰。

• 主持人认为，Claude Code 的先发黏性说明下一个“神奇界面”可能让另一家公司实现跃迁。swyx 承认 Codex 的 Skills 集成和速度略胜一筹，但仍将其视为追赶者；在这个“高波动、高温度阶段”，他不认为用户忠诚度会达到老牌软件品类的水平。OpenClaw 可能预示着突破口：编程 Agent 生成软件，“软件吞噬世界”（software eats the world），因此编程 Agent 也会吞噬世界。

6. 低 NPS SaaS 承压，但组织惯性拖慢替代

• swyx 对小型初创公司相对放松，因为做得像样的尝试本身就可能成为进入基础模型实验室的面试作品；他更担心中型公司。LLM 基础设施已经开始整合，Langfuse 等公司被 ClickHouse 吸收，而低 NPS 的传统 SaaS 面对的是更根本的威胁。

• 他举的内部案例是每年20万美元的活动和赞助商管理软件；在他看来，这套软件定制开发的成本约为2000美元。他预计最终会替换它——可能推迟1年，“但不会推迟5年”——因为技术能力较弱的同事必须接受并运营新系统。

• 这暴露出企业内部的断层：AI 原生领导者认为同事高估了软件必须包含的功能，团队看到的却是高管在周末交付“80%的解决方案”，再把未完成的工作转嫁给下游。swyx 仍认为 AI 原生的核心记录系统存在机会，或许会类似 Convex，因为除了 Postgres 和 MongoDB 之外，“AI 应用的 Firebase”尚未真正出现。

7. 访问限制只是暂时的，记忆才是顽固约束

• 在一次与 Anthropic CPO Mike Krieger 的晚餐中，swyx 表示自己最大的担忧是生物安全，而 Krieger 强调的是安全问题。swyx 认为，如果一个所谓私有的模型被40家公司获得、每家公司可能有1万名员工，那么它就并不真正私有：这40家公司的分发边界内部可能存在坏人。

• Anthropic 的策略是限制访问，并将模型与产品捆绑；OpenAI 在理念上更倾向于广泛开放能力。主持人提出的冷峻反驳是，真正的约束在于算力供应，swyx 对此表示认同：随着未来3—5年更大规模集群上线，目前对超过10万亿参数模型的配给可能会消失，但配给会转移到下一个前沿。

• swyx 有一个明确标注为未经证实的 Gemini 推测：Google 发布了 Flash、Pro 和 Ultra，却始终没有推出 Ultra，可能只是让它“坐在地下室里”，用于蒸馏出更便宜的模型。这样做是理性的，因为真正的瓶颈是成本，而不是用户是否天然偏好更小的模型。

• 他已经放弃模型规模会封顶在约2万亿参数附近的看法，但无法判断终点会是200万亿还是2000万亿。上下文的扩展速度慢得多：3年间从约4000 token 增至100万 token；Gemini 的百万 token 上下文已经存在2年，却没有得到广泛使用。“记忆可能会成为最大的限制因素。”

8. 开源模型与一次性训练重新打开技术栈

• swyx 过去引用 Ankur Goyal 的估计，认为开源模型市场份额为5%且仍在下降；现在他认为份额正在上升。公开能力基准容易被刷，而 OpenRouter 提供了相对更客观的选择数据，不过由于折扣力度很大，观察到的调用量必须按价格进行调整。

• 平均市场份额掩盖了更关键的用户分层：前20%和后80%的行为完全不同，后者包括普通的 GPT 套壳产品。领先团队正在转向开源模型，Fireworks 和 Together “正在碾压”竞争对手；随着开源模型工作负载增长，微调即服务也可以作为其衍生机会成立。

• Jeremie Harris 的转变范围更窄：如果 post-training 是改善未来3个月结果的最佳方式，那么即使之后的前沿模型发布会抹平这一优势，post-training 仍然值得做。Jacob Effron 补充说，更好的干预可能是增加数据、连接器或后端工程；这项工作可能相当于临时配置几名工程师，规模甚至可能达到1000万美元。swyx 的关键区分是：“结果可以扔掉，但原始数据不能”（You throw out the results, but you don’t throw out the raw data.）。

• swyx 建议听众关注长轨迹、合成评测标准和 Dr. GRPO。RL 正在走向多轮交互，轮数可能达到数百轮，从而支持沿着远比1年前浅层 RL 或 SFT 更细的领域维度进行定制。

9. 暗工厂要求软件变得可一次性使用

• 第一个前沿是“人类写代码归零”，swyx 5个月前在 Cognition 见到这一趋势，如今听起来已经没那么激进。下一个前沿是“人类审代码归零”：Agent 直接提交代码，迫使企业围绕更多测试和自动化验证，反向重构 SDLC。

• 很少有组织以这种方式运转，尽管 OpenAI 正在探索。swyx 认为，这是释放前所未有软件产量“唯一可扩展的方式”；当软件变得廉价且可一次性使用后，数量最终可以帮助团队搜索质量，而不只是成倍制造垃圾。

• 他的文化判断很直接：2026年表现最出色的人，不会站在场外把产出一概称为垃圾，而会说：“这件事不管有没有我都会发生，那就让我们把它往正确方向掰。”（This is happening with or without me. Let’s bend this the right way.）

10. 世界模型瞄准的是经验，而不只是机器人

• 除了记忆，swyx 认为下一个主要前沿是世界模型。它们目前的形态包括3D环境、游戏和具身视觉，因此机器人自然成为主流叙事；但他认为，把世界模型等同于这些产品，低估了真正的问题：模型能否理解物质、物理规律，以及一张桌子究竟是什么。

• 他推荐 Fei-Fei Li 关于空间智能的文章，因为她可能还没有解决方案，但“她提出了正确的问题”。从 Moonlake、General Intuition 到对抗性世界模型，不同方向的工作都在尝试把智能推进到下一个 token 预测之外。

• 节目的结尾借用了《心灵捕手》（Good Will Hunting）的比喻：Matt Damon 饰演的角色知道书本能够教会什么，却没有亲身经历 Robin Williams 描述的那些人生经验。swyx 认为，LLM 也存在同样的缺口——“一个非常聪明、什么都知道、却从未经历过任何事的 LLM”。