浙江丞达主营高温尼龙材料，年收入约1000万元，一家手握12项专利的高新技术企业，但像丞达这样的小微企业，倘若“穿越”回十年前找金融机构申请贷款，那可是件麻烦事儿。 十年前，国务院设立600亿元国家中小企业发展基金，通过市场化方式支持初创期企业，同时银监会放宽小微企业贷款不良率要求，但小微金融还是难展开——无他，还是缺信用记录，银行风控是“难为无米之炊”。当年曾有小微企业主手里没有别的抵押物，只能拿着自己租赁商场铺位的合同和租金支付记录上门，银行也大着胆子把这笔贷款办下去了。 十年过去，千行百业蓬勃发展，诞生无数新兴业态，能够证明小微企业主有还款能力的记录，已不止一份租约了。但问题在于，怎么把这些记录从小微企业经营的细枝末节里扒拉出来，成为一份份强有力的证明？ ## 技术加持，给小微企业“找定位” 这件事，网商银行说，他们很在行。 本文开头提到的浙江丞达，雷峰网一年前曾有过观察，网商银行也通过产业大模型“透视”到了丞达的情况： 它生产的尼龙的材料，经过了层层加工、装配后，最终去了比亚迪汽车、华为手机的绝缘层。 它位于浙江嘉兴平湖，浙江四大新材料基地之一，拥有完善的产业链生态与原材料优势。 这套有大模型加持的产业链金融系统，被命名为“大雁”。传统的产业链金融还是倾向于以明星企业为核心，供应链上的其他企业只是明星光环下的一个小点。但“大雁”俯瞰全产业看到的，是一个又一个独立平等的个体，信用平权的理念与AI技术，牵引小微的信用刻画效率产生10倍级跃升。如今，大雁系统已经构建了9大产业链图谱，精准识别了2100万家企业链上小微，将原本不到30%的金融服务覆盖率提升到了80%。 大雁系统已服务超58万家科创型小微企业，覆盖全国26%的科创型企业，授信金额超千亿元——大雁过境之处，专利证和房产证一样好使。 在过去一年时间里，网商银行又成功分析了丞达的厂房视频，确认生产面积为500平米；识别其采购发票和订单合同，发现近期新增1家合作伙伴，涉及订单金额300万元。 同时，丞达的资金流也有规律可循：回款周期较长，每月有固定支出；采购高峰是4月和8月；出货高峰在9月；回款高峰则在年底。 至此，这家不轻易出现在台前的高新技术企业，终于在辽阔的产业地图上有了清晰的定位，定位的“坐标”正是来自于生产链、订单情况、经营流水等等细节。 能为丞达们找到“定位坐标”，这与网商银行的技术储备密不可分。在此过程中，网商银行运用计算机视觉和多模态模型技术，直接分析小微企业提供的各类材料。无论是合同、发票，还是店面、设备、库存的照片或视频，这些原本零散、难处理的信息，在技术的帮助下成为了小微企业的新画像。目前，网商银行基本能识别所有与小微经营相关的材料，包括税务、合同、资质、水电煤缴费单、专利证等。 网商银行也透露，资金流动的预测借助了时序大模型的能力，分析包括制造业、电商、经销商等在内不同行业的小微企业资金波动规律，如今他们的小微资金流预测准确率能稳定在95%以上。 ## AI时代，想给小微企业配置专属CFO 但积攒了多年AI能力的网商银行，想做的、能做的，似乎不止于此。 提到小微金融，业界想到的通常是怎么向小微企业借钱、借出合适的钱、再想办法尽快收回来。不过在今天刚结束的网商银行十周年分享会上，他们提到了融资之外的事情：财富管理。 别看小微企业麻雀虽小，同样也有财富管理的需求，但相关产品多如牛毛，光是分类就有固收、银行理财、基金、黄金、股票、保险等多个大类。 每一细分品类下，又有成百上千的产品。以网商银行重点布局的理财为例，市场产品就超4万种。 网商银行做的一件大事，正是基于对银行理财底层资产和历史表现的深度认知，结合精准的小微资金流预测，从上万产品中筛选出约500款，精准匹配小微的理财需求。 小微企业的资金增值痛点很强，需求也很大。但小微企业的经营资金流动性极高，面向大企业的资管服务，门槛高、费用贵，他们“用不起”；面向个人的理财产品，在流动性设计上存在错配，没法满足经营周转需求，“不好用”。这就导致小微的流动资金理财长期处于“没人管”或者“管不了”的状态。 如果小微企业的投资性收益可以带来净利润1%的提升，将极大提升经营韧性。1个点的净利润，对大企业而言，只是赚多赚少的区别，但足以把那些缺乏现金储备的小微企业，推到生死线的边缘。 这样一来，给小微的理财产品必须定制，网商银行“布谷鸟”智能普惠理财系统应运而生，对千行百业的小微进行资金流预测，从而为银行理财公司提供申赎情况预测，与其联合定制贴合小微经营周期的银行理财产品。 如今，网商银行在小微理财领域，已经合作了23家理财子公司。 与此同时，网商银行也希望能帮助企业摸透行业趋势，就以刚刚提到的浙江丞达为例：定位企业处于新能源汽车产业链后，运用AI能力，进一步分析行业景气度、研判产业政策与竞争环境、了解学习行业标杆企业，从而评估企业竞争力与发展空间。 这套面向小微企业的服务，具备梳理企业经营、摸清行业趋势、认知金融工具三大能力，网商银行决定将这套服务和能力定义为： 千万小微企业的AI CFO。 一名合格的CFO，首先要有强大的认知能力，懂企业经营，懂行业趋势，懂金融工具。这也正是网商银行在充分发展AI能力之后，沉淀下来的小微金融服务内容。 网商银行行长冯亮认为，在全世界，优秀的CFO都是稀缺品，只有大企业能够拥有，小微企业不可能请得起。但是，在AI时代，让小微企业也拥有一名CFO，是具备可能性的： “要做大如此强大的认知，在过去难以想象，但未来，让AI的认识水平，能接近一位商学院毕业的高材生，甚至有从业经验的CFO，并非天方夜谭。” 冯亮表示，网商银行已经开始探索建设AI化的小微认知平台，上述图景已有部分实现。 ## 未来已来，服务范式迎巨变 冯亮也在分享会上透露，AI CFO的认知能力提升后，将触发银行服务范式的三大改变。 首先，从“给产品”到“当管家”。比如，票据收付和贴现是一个标准化金融产品，小微企业可以用，但甄别票据真假，如何组合付票，研究贴现利率，选择贴现时机，对他们来说，显然难度“超纲”。  其次，从“金融”向“经营”延伸。比如开连锁店的小微企业，不仅希望银行能一站式处理多门店、多平台的收款，还希望银行能帮他统计分析，哪个门店生意好，哪个差，营销预算怎么分配，和自己同类型的连锁店生意怎么样，有什么好的营销举措，如果想开新店，去什么区域布局，性价比最高。  第三，从“独立提供”到“跨应用调度”。比如小微企业招投标场景，周期很长，小微企业需要搜索投标项目、分析自身竞争力、撰写投标文书；如果中标，要写合同，要融资。  一位好的CFO，正好能够解决这些痛点，有望成为小微企业的“贴身管家”“生意参谋”和“资源调度大师”。 需求很复杂，但服务范式的变革正在萌芽。 “网商银行做不了所有服务，但可以为小微企业调起其他Agent（智能体）的服务。”冯亮畅想称，“AI票据管家”“AI连锁通资金大脑”“AI投标助手”……有一些应用正在酝酿，不久的将来会尝试运行。 回顾十年前，二维码的身影已逐渐为人们所熟悉，用户们开始尝试在手机银行App上处理水电缴费，小微企业贷款启动了线上化进程，网商银行也在那一年正式登场，与小微企业的故事在十年间徐徐展开。现如今，大模型和AI agent也出现在了金融服务的方方面面，正准备向小微金融的更深处走去，走进乡间地头，走进无数人的创业岁月，网商银行也翻开了它的AI银行新篇章。 冯亮认为，网商银行从科技起家，过去10年是一家不设网点的数字银行，未来10年，要成为一家创造增量价值的AI银行。 “AI的使命，不是替代人，而是创造增量价值，上千万小微企业过去请不起CFO，如果因为技术进步，他们也有了AI CFO，生意做得更大更好，这是社会的增量价值，我们相信，每一次技术的突破，都是通往金融服务平权的阶梯。” 当科技穿透信息壁垒、化解风控难题，小微金融便超越了单纯的经济行为，成为推动社会公平与创新的基石。如今小微金融还是那样难做吗？是的，但无数人在为此努力，努力让乡村农夫的收成、科创企业的专利、个体商户的烟火气，都能在数据与算法的赋能下，获得与大型企业同等的金融“尊严”。

芯片巨头「断臂求生」。

又见“卖青苗”。

新型FileFix攻击手法曝光，ClickFix攻击激增517%。

如果是从电商行业看拼多多，被“再不入场就晚了”的追逐风口思维推着走，那答案当然是“该”。可若是从拼多多看拼多多，从其自身优势特点出发，就免不了得思考一个问题：拼多多真有必要全面布局即时零售吗？

英特尔为AI搏命。

灯还亮着，但没人想看下去了。

一文读懂我国长护险试点的背景、现状、困境与优化。

依托于流量，又不沉迷于流量。

马斯克如何翻过“土萝卜”这座大山？

红海竞速：技术内卷与资本突围的生死局。

传感器正在重构人类认知边界。

6月26日，星竞威武集团（NASDAQ: NIPG）正式发布首份可持续发展报告。作为中国电竞行业的首份可持续发展报告，其全面披露了星竞威武在环境、社会与治理（ESG）方面的战略布局与实践成果，展现了星竞威武以可持续发展为长期战略核心的坚定承诺。   报告围绕“集团发展、规范治理、多元成长、以人为本、向善向远”五大主题展开，全面呈现了星竞威武的发展历程及其在治理机制、业务创新、人才培养和社会影响力等方面的关键举措，体现了集团将可持续发展理念转化为组织实践和长期价值的能力。 星竞威武集团董事长兼联席CEO 何猷君表示：“企业的可持续发展不仅关乎商业的成功，更需承担起推动产业进步与社会进步的责任。星竞威武不仅追求赛场上的胜利，更希望通过电竞这项新兴运动，构建开放、包容的产业平台，为全球玩家与合作伙伴创造共享价值，让电竞成为连接多元文化、促进国际交流的桥梁。” 星竞威武集团联席CEO Hicham Chahine表示：“可持续发展是星竞威武集团战略的基石。星竞威武通过实际行动减少环境足迹，助力全球气候目标实现。同时，我们通过构建数字娱乐生态系统，推动电竞与科技、娱乐、文旅等领域的深度融合，持续构建更加包容、可持续的未来。”   作为全球领先的数字娱乐集团，星竞威武已建立覆盖亚洲、欧洲、中东及美洲等市场的业务网络，旗下拥有知名电竞品牌eStar Gaming与Ninjas in Pyjamas。集团从电竞赛道切入，延展至游戏和泛娱乐领域，打造了包括电竞俱乐部、赛事活动、数字体育人才经纪、游戏发行及电竞酒店等多元业务在内的数字娱乐生态系统。全球化与多元化的发展模式为星竞威武集团在不同市场推进可持续发展战略奠定了坚实基础。   星竞威武集团始终坚信，可持续发展是实现企业长期价值的关键路径。集团积极回应社会、环境与行业的深层需求，积极推动产业进步与社会共益。此次发布可持续报告，不仅体现了集团对责任治理的持续投入，也明确了其将商业增长与环境保护、社会价值和良好治理有机融合的发展路径。星竞威武集团将继续以实际行动推动全球数字娱乐行业的可持续发展，与各方携手共建更加多元、包容的未来。

  作为一家上市公司的老板，出门问问创始人、CEO 李志飞在最近的新品发布会上并未亲自讲解产品，而是分享了一场个人的「行为艺术」——一场「一人公司」的实验。 他给自己设定了一个看似不切实际的目标：在几天内，用 AI 工具开发出一个专为 AI 组织设计的「飞书」。 作为上一波 AI 浪潮的实践者，每一次他都走在最前面。2012 年，他离开 Google 科学家的职位回国创立出门问问，立志「用 AI+语音重新定义人机交互」，从语音助手、智能硬件到 AIGC。当这一波 AGI 浪潮兴起时，他最初也是很兴奋地积极投入，但很快意识到这似乎是一场巨头间的游戏，中小公司难以创造太大价值，一度感到迷茫甚至沮丧。 然而，他通过使用 AI 编程工具，让自己变身为「一人公司」去实践和体验，实践过程中，他遇到了许多实际问题，但正是这些细节和经历，又让他重新找回了 AGI 的信仰。 他突然发现，过往世界中的种种「摩擦力」，所有构建复杂事物的障碍，仿佛都消失了。 那种与 AI 一同狂奔向前，油然而生的自由感和看到希望的激动，在现场演讲时溢于言表。     **以下为李志飞的****发布会****演讲内容，为便于阅读，经极客公园编辑整理：** 我最近投入大量时间在 AI 领域，并亲身实践了许多具体项目。因此，我对大模型和 AGI 有了新的认知和感悟。今天，我想和大家分享一下这段时间以来，我一直在思考的问题以及我的一些感受。 首先，我们究竟应该如何做 AI？ 我这里有一个口诀：「用 AI 的 AI 做 AI」。 这听起来有些拗口，简单来说，第一个「AI」指大模型；第二个「AI」是指 Coding Agent，它本身可能也是由 AI 制作的，或者其主要能力源于 AI；最后一个「AI」则是我们自己要做的应用。 我认为这可能会成为一种新的软件开发范式，稍后我会为大家详细展开。  _新的软件开发范式｜图片来源：出门问问_ ##   ## 一个人，2 天，打造 AI 时代的「飞书」 我前段时间萌生了一个大胆设想：为 AI 原生组织打造一款全新的「飞书」式协作平台。 美国硅谷有许多独角兽企业，仅一两个人团队就能估值数亿美元，也有许多新闻提及 AI 将替代大量工作。 于是我开始思考，作为一家企业组织，像我们在国内高频使用的飞书、钉钉、企业微信等工具，若无它们，我几乎无法开展工作。 在以「人」为中心的传统企业中，我们高度依赖飞书、钉钉、企业微信这类工具，它们承载着信息的快速流动与高效协作。 在传统的企业中，主要的生产力或工种几乎百分之百是人。所以，以往的信息流动和协作都围绕着人进行。 但当一个组织中，10 个工种里有 8 个由 AI 承担，仅剩 2 个人类角色时，现有的协作工具将无法适应。 那么，对于新型组织而言，他们会使用什么工具呢？ 因此，我希望能开发一款产品，它能让 AI Agent 之间、以及 AI 与人类之间无缝进行群聊、私聊、知识库问答和任务协作，也期待通过这个项目，验证自己能否成为一个真正的「超级个体」或「个人独角兽」。 接下来是如何执行。 通常，像飞书、钉钉这类软件的开发是极其复杂的。过去，要做这样的产品，通常需要产品经理、设计师、前端、后端、测试以及算法工程师等多个工种。每个工种可能还有负责人，比如前端负责人、算法负责人、产品负责人。通常，拉一个群很快就会有 20 个人。这 20 人并非所有都是全职做这件事，但他们可能需要花费一个月的时间才能做出一个原型。 在 AI 时代，这实在是太慢了。 等我做出来的时候，或许相关的创业团队已经成为 AI 独角兽了。 因此，我决定抛弃旧有模式，亲自上阵，并尝试完全依赖 AI 来完成这项工作。恰逢端午节前夕，我决定沉浸式投入这项工作。当时有三天假期，我想能否利用这三天把这件事做出来。因为只有这样才不会有人打扰。 于是，我便开始了这项工作。 我一个人，连续两天，每天工作到大概凌晨一点多，最终在 6 月 1 日晚上 11 点半，完成了这款产品的原型。它具备登录、私聊、群聊、文件上传、消息转发和回复等核心功能。 登录后，可以选择私聊并发送消息。比如，我们可以问产品经理这个角色会不会脱口秀，如果他不会，我们可以动态调整角色，增加一个技能，AI 会自动重新生成一个 Prompt。 稍后我们再问他，他现在就会了。它还可以上传文件（虽然当时文件内容没有真正读取），也可以转发和回复具体消息。**请记住，它背后是一个 AI，并非真实的人。它可以根据你发送的消息进行回答和转发。** 转发时，大家可以看到显示效果非常复杂，与微信类似，因为转发中嵌套了其他信息。这是一个群聊，也可以 @ 具体的人。同样，可以转发、回复、添加附件，甚至可以切换成中文。 请大家鼓掌吧，两天时间！ 两天时间，我完成了一个带数据库、有前端、有后端、有 AI 算法的系统。刚才的 AI 能够自动回答，当你修改角色配置页面后，它的 Prompt 会自动重新生成，技能也会立刻显示出来。 说实话，刚开始我做了半天就差点放弃了，因为数据库问题搞不定，总是出现各种 Key 错误，AI 编程目前确实存在这类问题。但我最终还是在两天内把它做出来了。 随后，我思考如何推广这款产品。 以前，我们公司会有专门的工程师来做这个网站，市场部会有一群人定义产品亮点，可能五六个人忙活一个星期才能做出一个网站。 但我这次决定采用 AI 原生方式。既然 AI 知道所有代码，它也了解我的所有想法和产品功能，于是我让 AI 做了一个网站。  _用 AI 打造的该产品的官网页面｜来源：出门问问_ 于是，我让 AI 在短短 5 分钟内搭建了一个带有产品亮点和独特功能的网站，又在 5 分钟内为营销活动创建了可配置的广告位。这在过去可能需要多名市场和工程师团队一周的工作量。 以前我们公司的网站，做了一个营销位后，如果圣诞节过了要撤下，或者要更换新的内容，以前又要找工程师折腾半天。我就想，我能不能做一个网站，营销位是可以配置的？ 又花了 5 分钟，AI 做了一个可以配置营销位的网站。这意味着营销人员可以登录这个网站，上传图片或其他内容，然后直接修改主网站的相应部分。 做完这些后，我想，因为这是一个全新的产品，它有一些新概念，或者说有一定的复杂度。我能不能制作视频来解释这个网站的功能，无论是营销视频、操作指南还是产品导览。 但是端午节，我的员工是不会理我的。所以我只能自己动手。于是，我又写了另一个程序，它能自动生成整个脚本，包括如何介绍网站、如何操作网站 UI 的工作流程，并进行自动录屏和配音。 虽然声音对齐方面还有些小瑕疵，但整个视频百分之百由 AI 完成。我只需下达指令，它就能自动操作，最终将完成的视频呈现在我眼前。 这让我很有成就感，仅仅几天时间就做出了这个东西。 然后我想看看其他人会如何看待这件事。于是我把代码上传到 GitHub，让我的同事下载下来。但请记住，我们是两个不同的个体，GitHub 并不知道我是如何与 AI 交流并完成这些的。 所以我的同事最终只看到了代码，并在本地运行了它。 当我的同事下载我在 GitHub 上传的代码并运行后，他们对其复杂性和完成速度感到震惊。他们认为这需要数十人几个月才能完成，而当我告诉他们，这是在 AI 辅助下，由一个工程师在两天内完成时，他们的反应是：「This is absolutely insane.」（这简直是疯了。） 他们惊讶于其中包含的 4 万多行代码，这远超我以前在 Google 一天 300 行算法代码的产出。 以前我在 Google，一天写 300 行算法代码（非简单代码），这已经算是高产了。而我最近写了一个通用的 Agent，它在 3 个小时，也就是一个晚上，给我写了 3000 行 Python 代码。也就是说，那 3 小时，而且代码质量绝对比我写的好，里面是没有任何 UI 的纯粹后端逻辑。 换句话说，它 3 小时代码的能力，相当于我以前 10 个工作日的工作量。就是这样一个比例。 所以我就在想，一个人就可以完成一个 Google Translate。以前 Google Translate 是由 20 个全世界最顶尖的博士在那里写代码，写了很久。而我现在，我一个人就可以完成那 20 人的工作量。当年 Google Translate 至少还是一个非常了不起且复杂的系统。所以，我觉得从这个角度来说，**所有事情都与以前大不相同了。** 我认为，最终 AI 的关键在于你能够构建一个自我进化的 AI 系统。  _李志飞的实践心得｜图片来源：出门问问_ 为了方便测试这个 AI 组织的 App，我又自动编写了代码：左边是网站代码，右边是一个测试框架。然后，它自己就像左脚踩右脚一样往上飞。你们可能觉得这是永动机，确实有这种可能性。当然，它有时也会左脚踢右脚往下跌，也就是会负向循环，也会正向循环。 为了实现这个目标，除了工程师，所有非工程师也能够直接修改我的代码。我又做了各种各样的 Agent。 当然，很多这些都是 Prompt，我只是验证了可行性，并没有达到真正的可部署或产品化。 但我认为，这证明了这个想法，或者说向团队演示这就是我想要的东西，以前可能需要花费大量时间才能弄清楚。**现在你直接做一个 Demo 给他们看就好了。所以我认为，即便是一个 CEO，如果你有这种能力，你的产出真的是放大了 100 倍。**   ## 踩过的坑 前面是我的经历，接下来我给大家讲一下抽象的理论，希望你们不要睡着，因为这还是非常独一无二的。 我想分享的是在使用 AI 编程时遇到的几个问题。 **第一个问题是每个 Agent，即便我没有写 Agent，它仍然需要人工参与。** 也就是说，我还是得说「我要写一个这样的 Agent」，虽然你可以参考我旁边的通用 Agent 框架，然后修改一下，再告诉我。但我仍然需要做这件事。有时它总是忘记我的原则，我又要跟它说：「你又忘记我的原则了」，或者「智能到底应该放在哪里？」它仍然存在这些问题。 **第二，如果你用过它，它总是喜欢偷工减料。** 比如你让它做某件事，明明还需要涉及到后端数据库，但它没做。它完成后就给你写一份很长的报告邀功，说它做完了。我通常看都不看，直接说：「你已经写了数据库了。」它会立刻道歉，然后开始行动。比如我要求它做 AI 时，它经常连远程的 AI 都没有调用，自己写一些 Fallback 或者假的东西。 因为我一看它运行得这么快，就知道一定有问题。我说：「你真的调用了远程的 AI 吗？」它又开始道歉，然后去处理。每次都这样，它还是很喜欢偷工减料，重复的错误更是不胜枚举，我就不赘述了。 **另外，我觉得今天的 AGI 事实上做不了超长任务。**而我现在的任务很多时候都超过半小时。 我每天消耗的 Token 就是 50 美元。只要我那天想工作，从早到晚它都在消耗 Token。我真的觉得，我完全可以跟它说：「我有一些 Idea，这是我的 Idea 方向，请你帮我完成一个 10 天的任务，帮我赚 500 万美元。」 我认为这并非神话，只是我好像对此没有那么大的吸引力，就没有去做，或者说，因为这可能要消耗自己很多情绪和精力，赚不到钱的时候会很痛苦。 但我就想，它能否连续工作 10 天，你不用干预它，或者偶尔提醒一下方向，它能否工作一个月，甚至一年？ 我觉得在不久的将来，达到诺贝尔奖或菲尔兹奖级别的成果是完全没有问题的。 因为我与它交流时，有时会讨论我们以前学过的超级复杂的算法，全世界可能都没几个人研究，它都比很多人聊得好多了。所以，如果你给它足够的上下文和代码，它其实可以进行非常深入的沟通。 ### 回归本质：什么是通用**Agent 和**智能 接下来，我想跟大家分享一下我对智能和 Agent 的思考。 简单来说，一个 AI Agent 包含两个核心部分：规划器（Planner）和执行器（Executor）。  _AI Agent 的结构｜图片来源：出门问问，下同_ 规划器通常依托大型语言模型，承载了 Agent 的主要职能。它根据任务制定详细的计划。执行器则负责将这些计划付诸实践，无论是编写代码，还是自动化浏览器操作以制作视频。 Agent 的运作是一个持续的反馈循环： - **规划**: Agent 根据任务制定具体行动方案。 - **执行**: 执行器按计划操作。 - **获取反馈**: 执行过程中，Agent 从环境中获得即时反馈。例如，当 Agent 尝试运行「python」命令而本地实际是「python 3」时，系统会报错，Agent 便能识别并修正为正确的命令。 - **调整与迭代**: Agent 根据反馈重新规划，更新对当前情境的理解（**上下文**），然后再次执行。 - **目标达成**: 当预设的成功标准（如程序编译通过或测试全部完成）达到时，循环结束。 **如果我们思考智能的本质，我认为，智能的第一个本质是进化。** 就像人类作为智能体，在特定环境中（无论是社交还是任务执行），通过获取反馈来不断调整自身行为并进行反思一样，AI 也应如此。这种进化是自动的，无需人工干预。Agent 自主建立循环，通过规划、在环境中执行、获得反馈、调整规划并更新上下文，实现持续的自我完善。 在此进化过程中，关键在于：从自身经验中学习，以及 Learn from others，就是所谓的群体智慧，从别人那里学习经验。 **智能的第二个本质，我认为是递归。** 递归是一种「分而治之」的思想：一个复杂问题被拆解成更小的、相同类型的问题，直到它们可以被直接解决（即「基本情况」）。 例如，计算斐波那契数列的第 99 个数，就是依赖于第 98 个和第 97 个数，直至追溯到初始的 F0 和 F1。 若 Agent 要实现真正的智能，它也应具备递归架构。例如，一个接收「赚 500 万」这样宏大任务的 Agent，会逐步将其分解为具体的子任务：分析商业机会、搭建网站、制作视频、集成支付、社交媒体推广等。每个子任务最终都能追溯到可执行的「原子 Agent」。 **这种递归架构的关键在于实现自我繁衍。**就像人类文明的传承依赖于一代代人的探索与知识积累，Agent 亦应如此。更重要的是，Agent 必须具备修改自身源代码的能力。 这与当前 Agent 仅仅调整计划不同，它意味着 Agent 能够像修改自身基因一样，根本性地改变自身运行逻辑。 我相信，如果一个 Agent 能够： - 持续执行并优化其计划。 - 在遇到无法解决的问题时，自主**修改其核心源代码**。 - 最终通过这种机制形成知识库，甚至能够**反向修改大型模型本身**。 那么，这将是通向通用人工智能（AGI）至关重要的一步。  这并非科幻。以前我特别不喜欢讨论什么超级智能之类的东西，而是我在与大模型的深入探讨后，我突然觉得这完全是有可能实现的。 另外，真正的 AI 源代码可能极其简洁，核心代码也许不超过百行，但其中蕴含着多层递归，使其能在不同环境中探索、学习反馈并自我迭代。 我曾有过信仰崩塌。2023 年我有了 AI 信仰，但做了一段时间，主要是因为没有资金支持，觉得烧不起，所以就放弃了。去年，别人跟我讲 AI，我都不想听。 但最近我重新找到了对 AI 的信仰，甚至信仰了 AGI，信仰了超级智能。这是一个难以想象的转变。我希望我对这份信仰能够这次持续更久一点。   ### 个性化环境与上下文的重要性 那么，除了大模型之外，最重要的是什么？**最重要的是你要有个性化的环境和 Context****（上下文）****。**  以我的创业为例，我之前做了一个智能硬件，结果小米把价格拉到我们十分之一。我做大模型，结果所有大厂都进来了。你每次获得这种反馈之后，就让你放弃这种东西，或者你就不停地调整你的 Plan。 如果在美国，我做了一个大模型，我可能就被 Google 收购了，赚了很多钱。或者我做了一个硬件，我可能被苹果收购了，赚了很多钱。所以这种反馈一定会造就你这个人的行为是完全不一样的。同样一个创业者，同样的智商，在中国和美国不一样的创业环境下，得到的反馈不一样。最后你的行为，你的思考模式就会完全不一样。这就是我想说的，什么是个性化的环境，个性化的上下文。 **上下文更多是一个历史的记录**。 所以回到我之前讲的，在大模型时代，我是第一批站出来说要做大模型的，但可能也是第一批意识到这不是我的菜。然后，基本上没有全身心投入去做这件事，就是因为我不知道如何参与。 今年上半年时，我更觉得除了全世界那三四个巨头，其他公司都没有资格谈论模型，不要凑热闹，不要浪费你的生命。更不要浪费你的情绪在这里面。因为你根本就没有机会，那完全是在烧钱，而且事实上大模型本身这个东西，我觉得已经变得超级无趣，反正就是烧钱。我找不到切入点，我更不能理解绝大部分 AI 公司到底还有什么价值。 但是这一次，通过实践和重新审视，我觉得哪怕是高大上的 AGI，至少我自己觉得我好像又可以参与了。 所以，这就是 Agent 的 Planner 和 Executor 这个循环迭代的事情。**如果你投入足够清晰，你能****让****智能产生智能，我认为你是可以参与整个 AGI 的过程的。** 而大模型本身对你来说就是一个芯片一样。大家想象高通的芯片、苹果的手机，到上面的 TikTok。这是完全不一样的东西。最后反而是做 TikTok 的那家公司获得了最大的价值。 我发现，即使是雄心勃勃的 AGI 目标，也并非遥不可及。**通过构建我所设想的递归 Agent 体系，所需资金可能并不庞大，更依赖于创新的智慧。我相信，只要拥有足够深入的思考和技术能力，即便不是行业巨头，也能参与到 AGI 的进程中。** 出门问问的历程也印证了我的这些思考。我们自 2012 年起便成为中国首批 AI 公司，从语音助手起步，随后探索智能硬件（如 TicWatch、TicMirror）。虽然经历了市场竞争和技术不成熟的挑战，但我们始终走在最前沿。 2019 年后，我们转向软件，成为中国乃至全球首批 AIGC 软件公司之一。例如，魔音工坊曾为抖音等平台贡献了大量配音内容，我们还开发了奇妙元（数字人视频生成）等产品。 **在中国这样的竞争环境中，一家科技公司就像一个不断迭代、自我修正的 Agent。** 正如出门问问的「源代码」已与 2012 年初创时大相径庭，这是我们持续进化的体现。