劃重點：

1、行業：模型競賽冷卻，AI進入產品化與生態整合。各大平臺不再僅僅卷參數和論文，而是爭奪用戶入口、智能體標準和終端能力。

2、模型：大模型不再是簡單被動的“回答器”，在生成回答之前，它會進行復雜的“自我對話（Self-Reflection）”和多步推理。變得越來越像人一樣：一邊思考，一邊行動。

3、智能體：正在根本性地改變人與軟件交互和工作的方式。從“知識助理”或“內容生成器”，進化成能獨立完成任務的“數字員工”。人機界面從傳統的“工具欄+菜單”，變成更自然、更直觀的“自然語言+智能執行”。

4、AI編程：AI編程從輔助走向全面委派。編程不再是一種純粹的“手藝活”或“體力活”，價值重心從具體的編碼技能，轉向了更具戰略性的產品設計能力、系統架構能力和決策能力。

5、商業模式：2025年，行業共識從MaaS（Model as a Service，模型即服務），轉變為RaaS（Results as a Service ，結果即服務）。AI從成本中心直接轉化為利潤引擎。

6、職業沖擊：品味、判斷、方向感，才是人無法被替代的核心能力。別怕AI會搶走你的工作。怕的是，你沒有準備好，成為一個能夠和AI協作的人。

作者 林易

編輯 重點君

5月以來，大模型浪潮繼續加速。從紅杉AI內部峰會（Sequoia AI Ascent）、微軟 Build 2025、Google I/O 2025，到蘋果 WWDC 2025，一系列重量級行業大會接連召開，清晰地勾勒出了AI領域最顯著的趨勢：模型競賽冷卻，AI進入產品化與生態整合的“第二幕”。各大平臺不再僅僅卷參數和論文，而是爭奪用戶入口、智能體標準和終端能力。

AI領域的關鍵詞不再是“更大的模型”、“更快的推理速度”，而是“Agent(智能體)”、“自主執行”、“連接器”和“委派編程”。2025年，或許真的可以被稱為“智能體元年”。 它正在改變我們每天的工作方式、開發模式，乃至人與技術之間的關系。

但在一切AI都能勝任人類工作的未來，人類的價值到底是什么？在這次AI月報中，我們將從基礎模型、AI Agent、AI編程、商業模式以及職業沖擊五個維度，總結AI領域最顯著的變化和趨勢，并試圖給出一個答案：當AI可以包辦一切，品味可能才是人類的護城河。

基礎模型：思維方式變革，從ChatGPT 到 ThinkGPT

如果說2022年末發布的ChatGPT是AI技術走向大眾視野的開始，那么，2025年陸續亮相的GPT-4.5、Gemini 2.5 Pro等新一代基礎模型，則可以被視為這一輪AI革命的“操作系統級更新”。這些模型不止是參數量級或上下文長度的簡單提升，更帶來了AI思維方式上的根本性變革。

這些先進的大模型已經不再只是簡單被動的“回答器”，它們在生成回答之前，開始進行復雜的“自我對話（Self-Reflection）”和多步推理。這意味著什么？當你向一個大模型拋出一個復雜的問題時，它并不會立刻給出答案。相反，它會在“內心”經歷一個類似人類思考的過程：拆解問題結構；對多個可能路徑進行推理；選擇最優解，并進行驗證。這種內部迭代和反思，是AI智能水平躍升的關鍵標志。

英偉達創始人黃仁勛巴黎GTC大會上說：“未來的AI模型在一次推理中，可能需要生成成千上萬個token，進行反復的反思、改寫、驗證。這背后，是對實時算力的千倍需求。”

這種AI的“反思能力”和自主思考的趨勢，也在開源社區中同步演進，并催生了許多創新項目。例如，ThinkGPT等一系列開源項目致力于為大模型加入更為精巧和高效的機制，使其擁有類似人類的認知能力，如長時記憶（Long-term Memory）、自我提升（Self-Improvement）以及目標分解（Goal Decomposition）等模塊。這些模型不再是孤立地處理每一個請求，它們能夠記住過去的交互信息，從歷史經驗中學習并優化自身的行為，甚至能將一個宏大的目標智能地拆解為一系列可執行的子任務。它們變得越來越像人一樣：一邊思考，一邊行動。

一個從前只會根據指令答題的機器人，現在開始主動“想問題”、分解問題、規劃解決方案。這一刻，才是AI真正邁入生產力主角的起點。它不再是提供信息的工具，而是能夠主動參與到復雜任務的分析、規劃和執行中來，成為我們工作流程中不可或缺的伙伴。

智能體：持續進化，從工具變成隊友

如果說基礎大模型是AI的強大“大腦”，賦予了機器理解、推理和生成的能力，那么AI智能體（Agent），就如同是這個大腦開始“動手做事”的“手腳”，將抽象的智能轉化為實際的行動。智能體的崛起，標志著AI應用從單一的問答和生成，邁向了自主執行多步復雜任務的新階段。

OpenAI首席產品官凱文·威爾近日接受紅杉資本專訪時，對Agent的定義是：“一種能夠感知環境、自主規劃、調取工具、連接數據并完成多步任務的AI系統。” 這個定義拆解開來，揭示了智能體區別于傳統AI工具的關鍵特性：

感知環境（Perception）：它能理解當前的任務背景和所需信息。

自主規劃（Autonomous Planning）：它能根據目標，獨立制定詳細的執行步驟。

調取工具（Tool Use）：它能根據需要，靈活調用各種外部工具（如瀏覽器、辦公軟件、API接口）。

連接數據（Data Connection）：它能訪問和整合分散在不同系統中的數據資源。

完成多步任務（Multi-step Task Completion）：它能將復雜任務分解為一系列子任務并逐一完成。

目前，ChatGPT接入Google Docs、SharePoint、Gmail等關鍵生產力工具，我們來舉一個例子可能更容易理解：現在你可以對ChatGPT或其他智能體輸入提示詞，“幫我撰寫一份下周的項目匯報PPT，所有內容請從我最近的Google Docs文檔、會議紀要和Gmail郵件中自動提取和匯總。”

一個先進的智能體接到這樣的指令后，它的“自主執行”流程將是這樣的：

理解任務目標：它首先會解析你的指令，明確核心任務是“撰寫項目匯報PPT”，并且內容需要來源于特定的多個信息源。

訪問信息來源（因為有“連接器”）：通過其內置的“連接器”功能，智能體會安全地訪問你授權的Google Docs、會議紀要系統（可能是特定應用或企業內部知識庫）以及你的Gmail賬戶。

數據提取與篩選：它會從這些海量信息中智能地識別并提取與“項目匯報”相關的關鍵信息，比如項目進展、遇到的問題、下一步計劃、關鍵數據等。

內容分析與匯總：它會根據提取到的信息，進行深度的分析和匯總，梳理出邏輯清晰、條理分明的內容結構。

規劃PPT結構：智能體可能會根據常見的項目匯報PPT結構，規劃出引言、背景、進展、挑戰、解決方案、下一步計劃、總結等幻燈片部分。

內容生成與填充：它會將匯總分析后的信息填充到PPT的各個部分，并可能自動生成圖表、數據可視化或提煉關鍵結論。

輸出結果：最終，它會輸出一個完整、可編輯的項目匯報PPT草稿，甚至可以直接生成PPT文件。

整個過程中，你不再需要手動切換不同的應用程序、復制粘貼信息、排版布局。不再是“你問一句，它答一句”的被動響應模式，而是“你提出高層次的需求，它自己想辦法搞定所有細節”的自主執行模式。這，就是智能體的核心魅力和顛覆性所在。

更重要的是，智能體的進化正在根本性地改變我們與軟件交互和工作的方式。以前，我們是操作軟件，需要熟練掌握各種軟件的界面、菜單和功能。現在，我們正在向委托軟件的方向轉變，將任務直接委派給智能體，讓它自行處理。人機界面也因此從傳統的“工具欄+菜單”變成了更自然、更直觀的“自然語言+智能執行”。你不再需要記住復雜的命令或操作路徑，只需用日常語言描述你的需求，智能體就能理解并執行。

各大科技巨頭已經紛紛布局智能體生態：微軟推出了Copilot Studio，允許企業和開發者定制并部署自己的智能助手，深度整合到Microsoft 365等辦公套件中；百度發布了心響App，目標是用戶只需一鍵就能完成復雜任務，旨在構建一個個人智能體平臺；字節跳動也推出了“扣子空間”等產品，探索智能體在內容創作和生活服務領域的應用……所有這些大廠都在不約而同地做一件事：讓AI深度接入企業工作流，自動執行跨平臺、跨應用的復雜任務。AI正從最初的“知識助理”或“內容生成器”，進化成能夠獨立承擔職責的“數字員工”。

從人的角度，工作組織方式也在重塑：人開始更像是一個“管理者”或“指揮官”，職責重心從親力親為的具體執行轉向了更高層次的任務指派、目標設定、結果審核和戰略規劃。不再是流水線上的工人，而是協調和指揮智能“團隊”的管理者。

AI編程：從輔助走向委派，改變軟件開發的未來

編程是最早被AI顛覆的行業之一，速度和深度遠超許多人的預期。早在2023年，Codex和Copilot等AI編程工具的出現，就實現了革命性的代碼補全（Code Completion）和代碼生成（Code Generation）功能，極大地提升了開發者的編碼效率。到了2024年，全球開發者平均有40%的代碼已經能夠由AI輔助生成，AI成為了程序員不可或缺的助理。到近期，編程范式轉變越來越清晰：AI不再僅僅是輔助工具，而是走向了全面的任務委派。

OpenAI在5月推出的Codex智能體預覽版，便是這一轉變的標志性里程碑。它展示了AI在軟件開發中的自主能力。該智能體能夠在本地沙盒（Local Sandbox）環境中：

接受自然語言描述的編程任務：開發者只需用日常語言描述想要實現的功能，例如“開發一個用戶登錄模塊，需要密碼加密和錯誤處理”。

獨立完成代碼編寫：智能體會根據任務描述，自動生成高質量、可維護的代碼。

自主進行測試：它會為生成的代碼編寫測試用例，并運行測試以驗證代碼的正確性和穩定性，及時發現并修正潛在的bug。

自動進行打包和部署：代碼通過測試后，智能體甚至能處理代碼的打包、依賴管理等工作。

發起拉取請求（Pull Request）：最終，它能將完成的代碼提交到版本控制系統（如Git），并自動發起一個拉取請求，等待人類開發者進行最終的審查和合并。

開發者可以委托AI完成從需求理解到代碼提交的整個開發流程，這無疑將極大地解放生產力。

開發者的工作模式也隨之發生了革命性的改變。傳統的“結對編程（Pair Programming）”：兩名開發者共同完成一個任務，一人編寫代碼，一人審查，正在演變為更為高效的“異步委派（Asynchronous Delegation）”模式：

開發者提出需求：人類工程師將精力更多地投入到高層次的需求分析、系統設計和架構規劃中。

AI嘗試解決：AI智能體接管了具體編碼和測試的大部分工作，它們快速迭代，嘗試多種解決方案。

多個Agent并行工作：在復雜任務中，甚至可以有多個AI Agent并行工作，探索不同的實現方案，并進行內部競爭與優化，以找到最佳路徑。

人類只在重要節點進行審核和反饋：人類工程師的角色轉變為“代碼審查員”和“質量把關者”，他們主要負責對AI提交的代碼進行高層次的邏輯審核、性能評估和安全性檢查，并在關鍵決策點提供指導和反饋。

Cursor創始人邁克爾·特魯爾近期接受YC專訪時總結：“過去工程師的價值在于知道怎么寫代碼；未來工程師的價值在于知道要寫什么代碼。” 這句話揭示了編程領域核心競爭力的轉移。編程，不再是一種純粹的“手藝活”或“體力活”，其價值重心已經從具體的編碼技能，轉向了更具戰略性的產品設計能力、系統架構能力和決策能力。

AI正在幫助我們完成所有“手”的部分，即那些重復性、模式化、耗時耗力的編碼和測試工作。人類開發者將有更多的時間和精力投入到創新性、高價值的工作中。未來，真正優秀的開發者將是那些能夠清晰定義問題、提出創新解決方案、并有效管理AI協作團隊的“AI架構師”。

商業模式：從MaaS到RaaS，AI不再僅僅是一個成本中心

在AI領域，商業模式的演進速度與技術本身的迭代一樣快。如果說2023年/2024年是MaaS（Model as a Service），模型即服務，那么2025年，行業共識已經轉變為RaaS（Results as a Service），結果即服務。

2025年5月初，紅杉資本AI峰會 AI Ascent 2025 上，來自全球的150多位頂尖創始人和風險投資人（VC）達成了一個高度一致的共識：AI不再僅僅賣工具，而是要賣結果。這代表了一種全新的商業邏輯和價值衡量標準。客戶不再只是關心你使用了哪個最先進的AI模型，模型的參數量有多大，或者API調用的速度有多快。他們真正關心的是，AI能夠為他們提升多少效率、降低多少成本、創造多少實際價值。

這種轉變，使得AI公司的價值錨點從“API調用次數”、“模型吞吐量”等技術指標，轉向了更為具體和量化的“GMV增長”（商品交易總額）、“開發時長壓縮”、“GPU成本下降”、“客戶滿意度提升”等硬性商業指標。最終，這種商業模式將不可避免地走向一種“按產出計價（Pay-per-Output）”或“基于價值分成（Value-based Pricing）”的模式。

我們舉兩個例子幫助理解：

按照傳統模式下的AI搜索引擎公司：可能會收取固定的訂閱費，無論用戶是否通過搜索找到了滿意的解決方案。

RaaS模式下的AI搜索引擎公司：可能不再收取固定訂閱費，而是根據用戶通過搜索實際找到并采納的解決方案數量、或者解決方案帶來的實際業務提升（例如轉化率提升）來計費。

傳統模式下的AI寫作工具：通常會按月或按年收取訂閱費，或者按字數、文章篇數計費。

RaaS模式下的AI寫作工具：可能會與內容平臺或企業合作，不是簡單按月收費，而是根據AI生成的文章發布后所獲得的點擊率、閱讀時長、用戶互動量，甚至直接根據文章帶來的轉化率或銷售額進行分成。

在這種商業模式下，AI不再僅僅是一個成本中心，即需要投入資金購買和維護的工具，而是直接轉化為利潤引擎。AI解決方案提供商與客戶的利益被深度綁定，雙方共同承擔風險、分享收益。真正的贏家，將是那些能夠深刻理解行業痛點、將AI的“能力”商品化為可衡量、可量化的“結果”的公司。這不僅要求AI公司具備強大的技術實力，更需要它們具備深厚的行業理解、卓越的商業洞察力和以客戶價值為導向的戰略思維。

職業沖擊：品味是最后的護城河，人類獨有的價值

這無疑是我們當下最關心、也最焦慮的問題：當人工智能能夠寫代碼、撰寫報告、自動執行任務、甚至進行復雜的決策時，人類在職場中的價值和定位究竟何在？我們是否終將被機器取代？

AI具備學習和復制人類所有可習得技能的理論基礎。OpenAI前首席科學家Ilya Sutskever最近在母校多倫多大學畢業演講時說：“終有一天，人工智能將能勝任我們所有的工作，完成人類能做的一切。任何我們能夠學習的技能，人工智能也都能掌握。原因在于，我們的大腦本身就是一臺生物計算機。既然如此，一臺數字計算機，一個數字大腦，為何不能做到同樣的事情呢？這便是人工智能終將能完成所有這一切的核心邏輯。”

史蒂夫·喬布斯（Steve Jobs）曾對蘋果公司的成功解釋為：“一切歸結為品味（Taste）。”這句話看似簡單卻充滿智慧的解釋，很大程度上也是人在AI時代的生存指南。

什么是“品味”？在AI能包辦一切的未來，品味不僅僅是個人審美偏好，它更是一種復合型的、深層次的、難以被量化的能力，是人類作為復雜生命體特有的綜合素養：比如，對方向的判斷、對結構的理解、對用戶體驗的敏感、對美的把握、對道德倫理的考量、對文化語境的理解等等

未來的工程師，可能不再需要精通某種具體的編程語言，但他們需要深刻理解：用戶真正需要的功能是什么？哪種交互邏輯才最自然、最直觀？哪種設計方案才能完美契合品牌的核心氣質和市場定位？他們的價值將從“實現者”轉向“定義者”和“設計者”。

Cursor 創始人兼CEO 邁克爾·特魯爾（Michael Truell）近期接受YC專訪時說：“工程師的核心競爭力，正在從寫代碼，變成定義問題。”工程師不再是代碼的搬運工，而是問題的發現者、解構者和解決方案的架構師。他們需要具備抽象思維能力，能夠將模糊的用戶需求轉化為清晰、可執行的AI任務。

未來的開發者，將更像一位“導演”而不是“編劇”。他們提出富有洞見的創意，定義宏大的目標和愿景，并為AI團隊設定清晰的執行框架。AI團隊則負責將這些創意和目標轉化為具體的代碼實現。未來的產品經理，將更像一位“作家”而不是“制表員”。他們不再僅僅是收集需求、羅列功能列表，而是需要深入洞察人性、設計引人入勝的場景，構建能夠激發用戶情感共鳴和帶來價值的產品體驗。AI系統則負責將這些場景和體驗搭建成形。

而這，正是人類獨有的優勢，是機器難以企及的領域。AI可以高效、精確地生成一切，從代碼、文本到圖像和音樂。但唯有人，能夠決定方向、設定目標、賦予意義，并注入那些超越邏輯、關乎情感和價值觀的“品味”。

智能體時代，不是AI接管我們的一切，而是AI成為我們的“第二大腦”和“第三只手”。它會逼你進化：從執行者，變成策劃者；從手藝人，變成藝術家；從回答問題的人，變成提問問題的人。

正如2025年上半年所展示的：AI在變得更聰明、更能干；工作在變得更自動化、更流暢；人也必須變得更有判斷力、更有創造力。品味、判斷、方向感，才是人無法被替代的核心能力。別怕AI會搶走你的工作。怕的是，你沒有準備好，成為一個能夠和AI協作的人。