摘要

SemiAnalysis 正在把 Claude Code 变成一套智能体研究栈，其相较人工分析师工作的经济性颇具吸引力。 Dan 的 Wags 系统启动了 AOI 覆盖，约5分钟后返回一份部分乱码的合同相关结果；这次运行成本为3.52美元，若算上前期搭建可能达到10–15美元，相比“让分析师在这件事上耗上一天”仍然划算。目标是覆盖60–100家公司，让人类把时间放在“为什么发生、意味着什么”上。
真正的约束在上下文架构和持久记忆，而不只是模型智能。 专门智能体分别处理文字稿、新闻、事件和财务模型；由于它们只能通过主智能体沟通，每个智能体只负责流程中的一个离散环节，再由一个“洁净”的公司智能体吸收其输出。子智能体关闭后，上下文随之消失，但记忆文件也不可能无限膨胀。最棘手的未解故障很直观：生成的资产负债表无法平衡，必须加入监督检查，并安排一名实习生负责“鞭策智能体”。
低任务成本与使用量复利支撑强劲的 Token 和 GPU 需求，但企业采用仍是更大的不确定性。 SemiAnalysis 称其每位员工消耗的 Token 超过 Meta 的2倍；即使演示任务成本达到15–20美元，Dan 仍会选择运行它。IT 审批、激励不足以及与客户相隔甚远，都可能让50%的生产率提升变成提前50%收工，而不是多产出50%，因此 Token 支出未必能直接映射为企业盈利。
模型质量已经从需要谨慎使用的专家工具，跨过了用户可以用“给实习生的同样指令”来驱动的门槛。 Sam 说，1年前的软件工作还要求测试驱动开发、分步搭脚手架和严格的上下文管理；现在他会把产品介绍给父母或祖父母，并预计最终“每个金融圈的人、每个律师”都会依赖它。反方观点是，尽管输出已经足够好，采用率仍然疲弱。
Mythos 可能代表网络安全能力的一次跃迁，但 Dan 并不相信原始能力本身就足以解释这一点。 他指出，编码和网络安全领域的进步远超其他方向，并质疑围绕零日漏洞的“巨型营销活动”。在他看来，持续性、后训练、harness 以及奖励信号可能才是决定性技术栈。Dan 还说，很多其他模型在漏洞被解释清楚后可能同样能够完成利用，但通过长期任务自行发现漏洞是另一回事。
模型竞赛可能正在收敛，但真正的护城河正转向界面、工作流沉淀和用户惯性。 Meta 看起来仓促发布的 Avocado，被描述为大致与“Opus、5.4 和某个 Gemini”处在同一档，由此引出“四马竞逐”的问题。把 Claude Code 重新指向另一模型在技术上可能只需改一个 URL，但用户会积累知识文件、调整工作流、容忍可修复错误，并看重 Claude Code 控制电脑的能力，而不只是浏览器里的聊天功能。

精读

1. 如今是实习生指挥研究蜂群

Dan 介绍了 Terrence——一名在 NTU 主修 AI 与会计的学生，同时操作5个终端和3块屏幕。这个玩笑背后是组织方式的变化：“现在是实习生当老板了”，由他教智能体做财务建模，而不是亲自包办每一项任务。
Wags 是团队的“智能体研究总监”，负责监督处理财报电话会文字稿、新闻、事件、公司简报和财务模型的独立智能体。由于这些智能体只能经由主智能体通信，每个智能体只处理流程中的一个离散环节。这种分工让 SemiAnalysis 得以覆盖网络、TCO、数家交换机相关公司以及数十家光模块供应商，不必让单个上下文窗口吞下所有资料和操作指令。
这套架构让公司智能体基本保持“洁净”。其他智能体负责搜集和总结材料，再保存一份涵盖模型、文字稿和公司简报的索引；公司智能体被唤醒后吸收这些输出，只保留关键内容，而不把“得出结论的过程”留在自己的上下文里。
一次实时 AOI 查询返回了一份部分乱码的结果，提到“3.24亿”“1.2”，很可能涉及 Meta 和 Amazon，内容大多是前瞻性判断；Dan 说自己“得拿实际数据核对”。这次运行成本为3.52美元，若加上此前的启动工作可能达到10–15美元，却足以支撑他的经济性判断：即使成本达到15–20美元，他仍会选择它，而不是让分析师干上一天。

2. 离散技能正在复利成一套研究操作系统

3个月前，Dan 还不是这么工作的。春节期间工作放缓，给了他学习工具的时间，这些工具原本是为了减轻团队工作量；“总结一场活动、搭建财务模型、监控新闻稿”等零散需求，逐渐变成覆盖财报、新闻、事件、建模和监控的可复用技能，最终成为 Wags 的组件。
逻辑并不复杂：Dan 说，金融数据至今仍没有可靠的导入方式，而核验和修正导入数据，耗时可能超过直接手动录入。他的目标是在不制造过多包袱、让分析师失去行业视野的前提下，覆盖“60、80、100家公司”。人类应当少做数据录入和事件复述，多做“审核、编辑、思考、建立联系”。
会议智能体 Claudia 处理的是没人有时间亲自消化的材料。SemiAnalysis 每年参加50–60场会议；仅 GTC 就有621场 session 和830场演示，但团队因为会面优先，GTC 一场 session 也没听。Claudia 会把演讲和 YouTube 链接转成文字稿，整理会议演讲者的可聊主题索引，还能找到关于 CPO 的演讲，尤其是使用 DWM 做 CPO 的内容。她也能为 Julian 整理一份 ScalaCross 简报，再由 Julian 向 Dan 汇报。

3. 信任提升速度快于可靠性和记忆能力

主持人把态度转变定位在大约11月：SemiAnalysis 此前推动大家使用这些工具时，用户不信任任何输出；现在则倾向于默认相信，只有在风险足够高时才进行核验。他日益感到恼火的是：“现在我才是瓶颈”——模型想写代码、做分析、搭建系统，但真正限制它的是指令和任务设计。
Dan 给出的反例是一张生成后无法平衡的资产负债表。他不得不调查智能体是否把 FactSet MCP 数据与 SEC 文件混在了一起，团队也要求每次完成的模型迭代都经过监督检查。主持人的反驳很精准：这“不是分析师会犯的错”，因此如果把智能体完全当作初级人类员工对待，就会掩盖它们独有的失败模式。
记忆是更棘手的结构性问题：“子智能体一旦关停，就结束了。”经验必须被写入记忆，但记忆文件不可能无限增长。Sam 在研究 neoclouds 时遇到的是反向问题：他的知识都留在 Claude 的对话里，于是他做了一个 skill，把这些经验搬进 flashcard app，以便刻意回忆和检索。

4. Token 需求可能先于企业生产率兑现到盈利

SemiAnalysis 称其每位员工消耗的 Token 超过 Meta 的2倍，团队把这种对比称为“token mogging”。Dan 将演示任务的经济性与 GPU 租赁价格拐点联系起来：即使总成本达到10–20美元，他仍会选择它，而不是让分析师工作一天。
更广泛的采用仍处于早期。Dan 看到基金经理用模型做窄范围的摘要，但许多 Fortune 500 员工既没有 IT 审批，也没有能够随时间积累回报的工作流。如果 Meta、Amazon、Unilever、P&G 和 Boeing 都像 SemiAnalysis 一样深度使用 Claude，他认为，“唯一能缓解这一点的方式，说实话，就是大量芯片工厂。”
在 SemiAnalysis 内部，效率提升让“积压的想法大坝”决堤。据称有一名员工连续运行 Claude Code 24小时；其他想法在1小时内就变成可分享的 Slack 链接，而智能体编码追踪基准测试以及 Accelerator 或 ClusterMAX 仪表盘，都在2–3小时内形成了可运行版本。
主持人的保留意见值得记住：SemiAnalysis 能把更好的研究相对直接地转化为订阅收入，但一个距离 P&G 客户六层的人，可能会把50%的效率提升用来提前50%收工。Dylan 随后说，模型质量的提升反而让他对采用率感到悲观：“瓶颈其实不在输出质量”，而可能在于冷漠或激励错配。

5. 前沿能力取决于持续执行，工作流既有优势则成为护城河

Dan 发现 Mythos 的改进异常集中在编码和网络安全；其更广泛的能力提升“显著更少”，而系统卡据称表示这一结果并非有意设计。他质疑网络安全叙事是否部分只是营销：“如果我想让人们不要恶意使用某个模型”，就不会发起一场强调零日漏洞发现能力的宣传活动。一名 Stanford 网络安全研究人员曾警告他长期运行的智能体攻击，但这名研究人员及其朋友仍怀疑 Mythos 是否真正带来了模型质量的跨越式提升。
GPU kernel 编写和推理系统架构是另外两个平行前沿。AI 现在能产出大量领先的 kernel，这在6个月前还做不到；Dan 形容人类向 AI 的能力迁移总体上是一条“单行道”。不过，有经验的 kernel 作者即使使用 AI 仍然占据优势，单靠 Token 预算尚未让这项任务彻底商品化。
长期任务中的持续性仍然不足：模型可能停止查阅文档和源代码，建议向维护者提交 PR，却无法解决已经记录的 bug。Dan 的结论是，两层能力都不可或缺：模型后训练必须奖励持续编码行为，而设计良好的 harness 则要提供维持这种持续性的工具和结构。

6. 模型竞赛可能正在收敛，但工作流会制造惯性

Meta 的 Avocado 发布看起来相当仓促，甚至出现了错误图表，但其水平已接近“Opus、5.4 和某个 Gemini”，意味着最难的追赶阶段可能已经结束。Dylan 认为它还不如最领先的两三个模型，但大致处在同一档；Dan 则说，Meta 看起来已经完成了最难的部分，剩下需要追赶的空间相对有限。
切换 Claude Code 的配置在技术上可能非常简单——Dylan 形容只需改一个 URL——但积累的知识文件、预期行为以及对可修复错误的容忍，会共同形成用户惯性。Dan 的问题仍然没有答案：差异化是否会从原始能力迁移到“生态系统”“在位优势”和用户体验？
硬件故事同时指向两个方向。Dan 说，在 Claude Code 热潮期间，Mac mini 在美国的交货周期约为3个月，在亚洲约为1个月。Dylan 则反驳说，Mac mini 并非必需，因为大多数模型算力都在云端运行，他甚至考虑改用 Chromebook。

Anthropic 的300亿美元跃升、Mythos 末日、OpenClaw 遭断供、伊朗战争停火与以色列的影响力第179期—2026年4月10日