Henry Yin

OpenClaw 是 26Q1 最重要的应用信号：它没有发明新的 Agent 技术，却把本地权限、聊天软件、长期记忆、定时任务和工具循环组合成了“AI Agent 的 iPhone 时刻”。 Henry 称其 GitHub Star 约六十天超过 React 十年积累，核心变化是让“AI 来到你的生活，而不是你去找 AI”；它既证明个人 Agent 的大众需求，也为 Claude Code、NVIDIA 和 OpenAI 标出了产品路线。

Anthropic 本季从“技术上受尊敬的挑战者”变成了足以正面威胁 OpenAI 的平台型对手，驱动力主要不是 benchmark 领先，而是 Claude Code 的产品—收入飞轮。 节目给出了多组口径：Henry称 Anthropic 收入增长大约以每月 50 亿美元的速度增长；曼祺称 Claude Code ARR 从 2025 年 12 月的 9 亿美元升至 2026 年 3 月初的 19 亿美元，Henry另称 Claude Code 约 25 亿美元 ARR。OpenAI 则从 214 亿美元升至 250 亿；Anthropic 约 70%-75% 的收入来自 B2B 和 API。

Opus 4.6 与 GPT-5.4 的对阵揭示了 coding Agent 的真正胜负手：不是一次生成多少好代码，而是谁能更可靠地完成规划、改 bug、跑测试、读日志和提 PR 的完整工程循环。 Opus 4.6 有 one million context、据称可连续工作约 15 小时；GPT-5.4 在 OSWorld 得到 75%、高于节目所引人类的 72.4%，纯 coding 又常被认为更强。开发者却用 Claude Code 规划、调用 Codex 执行，形成“主人是 Claude Code，奴隶是 Codex”的尴尬分工。

Agent 的高频、多轮推理把价格重新变成模型份额的决定性变量，中国模型因此在 OpenClaw 生态获得了真实分发窗口。 MiniMax M2.5/M2.7 的输入、输出价格约为每百万 token 0.2/1.2 美元，对比 Opus 4.6 的 5/25 美元约差二十倍；节目估算切换后月成本可从 200 美元降至约 15 美元。“成本差二十倍乘以调用次数”，足以让阶跃、MiniMax、Kimi、智谱和小米进入 OpenRouter 的 OpenClaw 用量前列。

AI 自进化已经从科幻命题变成可跑通的小规模工程循环，但现阶段仍依赖人类限定目标和搜索空间。 Andrej Karpathy 的 AutoResearch 每次约 15 分钟、每晚可跑近 100 个实验，找到二十多个有效改进，把一个 GPT-2 级模型的训练时间缩短约 17%-20%；它最适合性能、kernel、数据库查询等“指标明确、反馈快速、结果可自动验证”的任务，是“加速度的加速度”，还不是自主选择研究方向。

算力投资的主线正从训练转向推理，而且 Agent 会同时拉动 GPU、CPU、存储和安全基础设施。 Henry 转述 Vera Rubin 平台的推理性能提升约 3-5 倍、token 成本下降约十倍，Google 的 KV Cache 量化工作又可能把存储需求压到原来的六分之一；由于“everything is becoming a computer”，Agent 写完代码还要开 sandbox、执行程序，CPU 也可能短缺，他听到的一个投资思路是寻找 Arm 这类相对纯粹的敞口。

企业组织已经开始把 AI 收益兑现为裁员和人才结构重排，这既抬高头部人才议价权，也可能压缩中间层岗位与传统 SaaS 利润。 Henry列举 Amazon 裁 1.6 万人、Block 裁 40%、Meta 拟裁约 20%即 1.5 万人并把 AI capex 加到约 650 亿美元；曼琪观察到中国创业公司也在从“一流加二三流”转向“超一流加 Agent”。这不是简单降本，而是资本、收入和湾区房产都可能进一步两极化，甚至催生“按 token 征税”的政策讨论。

🔗 原始收听与视频来源： 156: 与 Henry 的「AI季报 26Q1」：OpenClaw、OpenAI vs Anthropic的三重对阵、自进化

Gemini 3 Pro的意义不是某项 benchmark 领先，而是 Google 终于把长上下文、成本效率、多模态、生成体验与开发者入口合成了一个“across different dimensions 达到 SOTA”的产品时刻。 嘉宾把翻盘归因于长期 co-design：TPU—模型 infra—应用垂直整合，Workspace 与多种硬件 surface 又持续回流数据；Google Labs 则用编辑、作家和擅长创作爆火帖子、作品的人打磨传播。更重要的信号是，团队称 pre-training 仍“no war in sight”，这不是一次性追平。

GPT-5.2的 benchmark 跃升只有放进成本曲线才有意义：GDPval 从 GPT-5.1 的 38.8% 升至 77.9%，ARC-AGI-2 从 17.6% 升至 52.9%，且同等任务的实际成本反而下降。 嘉宾认为这体现的是更高的“intelligence per token”，而不只是靠 test-time scaling 暴力搜索；但 GDPval 的问题分布与文档入口仍可能偏 toy，模型连 Garlic 有几个 r 都只能概率性答对，“AGI 还有 long way to go”。

基础模型会持续内化通用 Agent scaffolding，却很难吃掉企业私有工作流形成的 heavy tail。 模型厂商能用 mock 工具交互训练出“自己的 shortcut”，但企业独有、不可公开的数据仍留下长期 gap；Cursor 等 Agent 拥有场景和用户，反过来又能推动模型强化 coding、debugging 与 multi-step 能力。因此“模型和 Agent 是相互成就的”，值得押注的是模型吞并旧功能后仍扩大的净增量市场。

Precur押注的是可训练工具层：工具不再是静态 API，而要记住“自己曾经在哪里跌倒过”，把 failure trajectory 沉淀为企业资产并自我迭代。 其 code-driven tool 试图降低长任务中的 context pollution，在早期客户的 blind evaluation 中相对原工具取得约 12% 提升，同时降低 latency、扩大 coverage，且无需更换现有 Agent。终局定位不是 To C 或 To B，而是服务由人和 vibe coding 批量创造的“To Agent”市场。

强化学习创业正在从“继续榨数据”转向争夺 interaction、reward 与高保真环境，机会被拆成 RL environment、RL as a Service 和高价值垂直应用三层。 环境层是未来智能体的“练习基地和考试中心”，但复制 Jira 已不再构成门槛，网络安全攻防、机器人和自动驾驶仿真更依赖领域知识；服务层解决企业不会自研 RL，应用层则瞄准药物、交易与 science discovery。Moe Capital 已沿此逻辑投资 Preference Model，Periodic Labs 被作为第三类代表。

Agent选模型首先是云、折扣和生态问题，其次才是榜单：企业数据迁云常需一至两年，Azure、GCP的既有关系足以压过短期模型领先。 Claude 的优势也不只是写代码，而是 MCP、programmatic tool calling、Claude Code 与开发者范式形成的闭环；实时 Agent 则常宁愿选 Gemini Flash、OpenAI mini 等低延迟模型。Qwen 等中国开源模型提供尺寸选择和做 ablation 的空间，团队也会基于开源模型做 post-train；美国企业的政策限制和价值观顾虑仍给“美国版 DeepSeek”留下空间。

下一轮 Agent 能力竞争集中在原生 long-horizon、多模态和可 post-train 的开放模型，而不是只靠再叠一层脆弱脚手架。 开发者需要训练中就见过大量 Agent trace 的开源底座，也需要模型直接理解脏 PDF、图像和混合模态，并在十几步任务中持续规划、行动和修正。即使模型把部分 context engineering 内化，框架使用数据仍会反哺模型训练；嘉宾的判断是，可服务范围扩张会快于被基础模型吃掉的部分。

🔗 原始收听与视频来源： 146: Gemini 3翻盘背后、Agent需要什么大模型、RL创业机会|与前 Google 创业者、硅谷投资人聊湾区动向

OpenAI 正把 Agent 的构建、部署、评估与优化压缩成一条标准化生产链。 Agent Builder 用拖拽式 workflow 编排 classifier 和 if/else，ChatKit 解决前端交付，datasets、trace grading、prompt 优化与 reinforcement fine-tuning 构成反馈闭环；Henry 的概括是，OpenAI “练出了一身武功，然后想把它传授给广大的开发者”。这会降低企业落地门槛，也可能让原本属于 Agent 创业公司的部分性能护城河逐渐标准化。

Apps in ChatGPT 的核心资产不是新 UI，而是 8 亿周活带来的操作系统级分发。 相比 2023 年多数只是“prompt 的包装”的 GPTs，新 Apps SDK 基于 MCP，加入 OAuth-style 授权、外部工具与交互组件，使 Canva、Figma 等应用能提供更完整的应用体验；但商业分成仍处实验期，所谓未来抽成 30% 只是类比 iOS 的推测。开发者同时面对数据与留存不对称：“有点像在别人家的地基上建房。”

Agent Builder 暴露了 OpenAI 商业化与 AGI 路线之间的真实张力。 AGI 路线希望模型吞掉人工写死的流程，Claude Code 式通用 Agent 会随底层模型升级直接变强；Agent Builder 却把流程画成图，优点是安全、可解释、今天就能卖给大客户。Henry 称其为一次“非常务实的转身”：OpenAI 既要追自主智能体，也要用当前企业收入支撑约 5,000 亿美元估值及更大的野心。

Agent Tooling 可能从约 200 亿—300 亿美元的 DevTools 子市场，跃迁为长期 2,000 亿—5,000 亿美元市场。 嘉宾的推演以全球约 6,500 亿美元软件收入、DevTools 占中低个位数百分比为起点，再引用软件因吞入服务业而可能扩至 10 万亿美元的判断；若工具层占新市场约 5%，规模可增长 10—15 倍。最有机会的不是工具拼盘，而是卡住身份、通信、观测或评估节点，并形成“越用通过率越高、成本越低”的数据闭环。

工具生态正在从“能调用”转向“能完成任务”，Composio 是这一迁移的典型样本。 它用 Agent 自动编写、修复 MCP server，再以 Rube 充当“one MCP server to rule them all”，让 Cursor 根据任务从数百个 server 中选工具；这既缓解上下文和 token 压力，也把可靠执行变成产品。MCP 更适合高成功率、尤其带写操作的关键流程，browser use 则补足未开放接口的长尾网站，二者更可能长期共存。

语音已经出现可量化的基础设施放大效应，LiveKit 一年内从每天承载约 100 万次语音通话增至 2,000 万次。 它不主要生产语音模型，而是承载实时音视频、turn detection 与 orchestration；其客户覆盖 Character.AI、Grok，并称支撑约 25% 的 911 traffic、平均每周帮助抢救一条生命。终局被判断为 speech-to-speech，但可插入 guardrails、成本和行为更可控的 STT→LLM→TTS cascade 仍有明确商业寿命。

Evals 与记忆不是附属功能，而是 Agent 从 demo 进入生产环境的控制层。 一个较大客户仍可能只让工程师试打三四通电话就发布，原因是标注数据昂贵、团队难对评分集达成共识，主观复杂任务又比 coding、数学更难验证；OpenAI 以 11 亿美元收购 Statsig，说明 A/B testing、灰度发布和指标闭环正在内建化。Letta 的 “sleep-time compute” 则代表另一条路径：Agent 在无人交互时花 token 整理长期记忆，把状态持续转化为可复用能力。

🔗 原始收听与视频来源： 137: Agent 是机会，造 Agent 的工具也是|从OpenAI开发者日聊起｜Agent#6