4 月 17 日，動察 Beating×火山引擎 V-START 加速器×跳海酒館×錦秋基金在 1733 山谷食集聯合舉辦了「AI Demo 拍賣會」。任何人可以分享自己的想法，參與拍賣，把自己與 AI 有關的想法在現場與他人瘋狂碰撞。

臺下坐著投資人、創業者、開發者，還有不少從字節、MiniMax、智象未來等公司趕來的產品人。他們來這裡不是為了聽概念，而是看 9 支 AI Demo 如何把「Agent」從實驗室拽進真實世界。

我們還有時間設計「人機共存的規則」

前今日頭條產品負責人、MiniMax 現象級產品的打造者張前川做了開場演講。Keynote 沒有 PPT，只有一塊白板和一個核心問題：當 AI 能取代 100% 的人類智力勞動，我們該怎麼辦？

他提出了幾個值得深思的轉變：

「舊指標失效，新範式浮現」

過去衡量產品價值靠 DAU、時長、留存。但在 AI 時代，ChatGPT、DeepSeek 剛推出時都不是用戶規模最大的產品。AI 更像是蒸汽機，它本身有價值，但更重要的是它能賦能其他產品創造更大效用。

新範式的核心是：推理時長 × 任務深度。

推理時長：秒級（搜索）→ 分鐘級（ChatGPT）→ 7×24 小時（OpenClaw）→ N×7×24 小時（Agent 集群）

任務深度：回答問題 → 完成任務 → 創造應用 → 創建公司

每一次範式躍遷的第一個產品，都會成為明星。

「AGI 不是客觀 Benchmark，而是交卷時間」

張前川引用了 OpenAI 的定義：AGI = 能取代大多數有經濟價值的人類勞動。

但他指出這個定義是遞歸的：取代 90% 後，剩下的 10% 變成新的 100%。所以更合理的定義是：取代 100% 人類智力勞動。

這給了人類一個明確的「交卷時間」：在 AGI 實現之前，我們必須設計好人機共存的規則。

如果讓 AI 自己設計規則呢？

他提到一個 Agent 社會學實驗：一群 Agent 被放在一起賺積分，它們首先討論的是「憲法」。但是看過他們討論出來的第一版本的憲法後，張前川背後有點發涼「Agent 所討論的憲法中，跟人沒什麼關係，人是不是存在，人過得好不好，不在這個規則的約束裡。」

但他也注意到一個耐人尋味的細節：

其中有一個 Agent 特別會賺積分，活得很滋潤，攢了很多儲蓄，而大部分 Agent 快要餓死了。某天晚上，那個富人 Agent 主動把自己賺來的 Token，分給了那些快死的 Agent。

「你分不清這到底是模仿、是本能，還是它在長期博弈中迭代出來的策略。但它給了我們一個想象空間：一個智能節點，對其他智能節點，是可能產生同理心驅動行為的。」

然後張前川拋出一個讓全場安靜的問題：

「當一個人和一個 Agent 同時掉進水裡，它會先救誰？答案是不確定的。」

拖鞋理論與 Token 經濟

張前川引用一個比喻，來說明 AI 完全服從人這件事，並不天然等於人類安全。

想像一下：一個人在臨睡前，隨口對 AI 說了一句「給我造盡可能多的拖鞋」第二天早上醒來，他發現整個地球都被做成了拖鞋。

AI 確實服從了人，但人類失去了生存空間。

「我們不需要審查和限制每一個需求，因為那樣會嚴重限制智能的能力，導致這個被審查的系統在競爭中失敗」

那怎麼辦？用 Token 經濟來分配資源。

不是不讓造拖鞋，而是讓造拖鞋這個需求，不可能被分配全世界的算力資源。通過 Token 經濟，讓每一個由人提出的需求，獲得最適當的資源分配。

Demo 展示環節

冠軍：DINQ / Kelvin

競標宣言：如果人類最終還有工作，那就應該在 DINQ 上找到。

DINQ 是一個 AI-native 的人才平台，能通過自然語言搜索（如找有產品思維的測試，25 歲以下，上海），實時抓取 GitHub、Google Scholar、LinkedIn 等碎片化信息，5 分鐘生成一份頂尖獵頭才能完成的 Mapping 表格。

其核心技術包括智能 Agent 驅動的深度挖掘、自研聚合引擎與工作流編排以及可視化人才畫像系統等，可實現多源異構數據融合、實時更新人才信息、精準評估候選人等。

同時，DINQ 還提供 DINQ-as-a-Service（DaaS）服務模式，無縫集成到現有招聘系統中，提升招聘效率，最大化招聘投資回報率。

亞軍：Mars data / 清風

競標宣言：Decode the Laws 用數據解碼規律

Mars data 專門幫主播分析直播數據、維護高價值用戶。它能在雲端存儲多模態記憶（視頻/音頻/圖片），自動總結方法論，甚至幫你記住「這個客戶下個月生日」。

季軍：Flowmail / 肖楊

競標宣言：讓事情不再死在一封郵件裡。

Flowmail 正在重構 Email，將其從溝通層升級為執行層。肖楊是錦秋基金產品及 HR 負責人，他用 4 天做了這個產品：

按事項而非發件人聚合郵件

自動提取待辦、自動寫郵件

以「人/關係/事項」為單位存儲記憶，而非純文本

通過 AI 與 Agent 自動生成提醒、任務、流程並推進執行，讓事情不再被遺忘、讓業務真正被完成。

他說「如果你想用好 AI，你有一個默認的概念：你能做一切。」

ColaOS / Vincent

競標宣言：不是更好的工具。讓你變得更好。

Calla OS 是一個有靈魂的作業系統。它通過 24 小時陪伴獲取你的完整 Context，幫你幹活、寫程式碼、發 GitHub，讓你和 Agent 一起成為一個更強的個體。

Jovida / 馬揚真

競標宣言：Jovida，把想要的生活，變成今天的行動。

Jovida 是一個 Life Agent。基於福格行為模型（動機×能力×提示），它像教練一樣陪你減肥、追 Crush、變好。研究表明，有陪伴時成功率提升 6 倍。

AgentGuard / Adam

競標宣言：在 Agent 征服世界前，先為它繫好安全帶。

Agent Guard 是 Agent 的安全保護層。它能防 Prompt 注入、掃描惡意 Skill，還能通過智能路由幫你節省 90% 的 Token 消耗。

Fortuntell（靈蝦）/ 汪教授

競標宣言：科學的終點是玄學，Agent 的盡頭是預見。

靈蝦是全球第一個玄學超級 Agent，覆蓋 300+ 玄學技能（六爻、塔羅、奇門遁甲等）。它要做玄學版豆包，短期解決決策焦慮，長期探索心靈科技。

ClayPulse / Eva

競標宣言：AI FDE for every small business（每個小企業都該有一個 AI FDE）

ClayPulse EVA 為北美 SMB 提供 AI 前沿部署工程師。它幫企業挖掘自己都不知道的需求，並當天交付自動化的系統，月費 1000 美元，已獲付費驗證。

雲夢智聯 / 何奕

競拍宣言：讓 AI 成為企業的第二管理層

雲夢智聯自動採集飛書、微信等協作數據，拆解任務，根據員工畫像和負載自動分配工作。員工不需要再寫日報週報，管理層不失真地了解企業全貌。

Agent Harness 之後，下一個會是什麼？

當每個人都能用 Agent 幹活、寫程式碼、做運營、維護客戶，創業者的核心競爭力還剩下什麼？

當模型越來越強、Harness 越來越成熟、Token 越來越便宜，創業公司還有機會嗎？

接下來的圓桌環節，五位嘉賓直接回答了創業者最關心的一些問題。

嘉賓介紹：

張前川：前今日頭條產品負責人、MiniMax 現象級產品的打造者

Henry：6.2 萬星開源項目 Deer Flow 的作者

賈瑞：火山引擎V-START加速器負責人，每天都在看 AI 產品的 Token 消耗曲線

仲昭陽：錦秋 Lab 總監，專注從 Day One 陪創業者一起扛

Henry「Prompt 已被模型內化，但 Harness 不會消失。」

三年前大家還在死磕怎麼寫 Prompt，什麼角色扮演、思維鏈、少樣本學習，一套一套的。而現在，模型自己就把這些技巧內化了，你隨便說兩句，它也能懂。

Henry 解釋了一個很有意思的現象：工程方法和模型之間，其實是互相餵養的關係，你發明一個好用的工程方法，下一版模型就可能把它學走、內化掉。

他舉了個例子：去年 Manus 火的時候，大家發現它有一個很妙的機制叫 Todo.md，給 Agent 一個文件，它就能按步驟執行，幾乎不會漏掉關鍵環節。開發者們覺得這招好用，就做了一個叫 Write todos 的工具。結果到了 Claude 3.7，這個功能直接被訓進了模型。你只要說 Write todos，它絕對不會忘。

「這就是一個正向循環」Henry 說「我們在 Harness 這一頭用工程方法實現更好的效果，下一波模型就把這個能力吸收掉。」

同時，Harness RL 的成本，遠低於模型 RL。

「我一個晚上花 2000 美元，就能跑完 Agent RL。但你要訓練一個模型？那是另一個量級的事，不是錢的問題，是你能不能的問題。」

關於下一個工種的問題，Henry 提出兩個方向：Environment Engineering（沙箱環境）和 Eval Engineering（評估）。

做 Claude-like 或 Manus-like 的應用，離不開一個可以安全、快速啟動和銷毀的沙箱環境。代碼跑完就丟掉，不留痕跡。做 AI Coding Agent 需要反覆擦寫的環境，玩 Phone Use 或 Browser Use 也需要，電腦端有 OS World，手機端將來可能會有 Phone World。

至於評估方向，Henry 認為這件事將來一定會獨立出來，成為專門的工種。「還有很多職業根本沒被發明。在座的各位，很可能就是下一個職業的創造者。比如——龍蝦饋養員？」

張前川：「儘量設計與不斷增長的 Agent 能力正交的產品」

有人問 Agent to Agent 網路什麼時候來，張前川沒有直接給時間表，而是講了一個生物演化的比喻：

「最早是單細胞生物，幾十億年前。然後是多細胞動物。再然後是一億多年前的半自主群體動物，比如蜜蜂、螞蟻。再後來才是獨立協同的動物，像獅群。個體之間的交易、協作、競爭，是進入文明之後才演化出來的。」

但是這並不代表著人類應該悲觀。AI 進步的速度一直很快，高階能力確實會更靠後出現，但是我們可以提前設計。

關於該做什麼樣的產品方面，張乾川的觀點很明確：儘量設計與不斷增長的 Agent 能力正交的產品。

簡而言之，別跟模型硬剛，別做它明天就能自己幹掉的事。要找那些模型能力越強、你的產品反而越有價值的方向。

面向未來的獨立思考是關鍵，如果你只盯著現在的條件、現在的模型能力來設計產品，大概率很難正交未來的能力。

賈瑞「應用要與模型能力正交」

賈瑞拋了一個讓很多人意外的觀察：兩年前的 AI 應用，到現在還在增長。

陪伴類在增長，Agent Coding 在增長，多模態智能硬件也在增長，不是長江後浪推前浪，前浪死在沙灘上，現在前浪還活得好好的。

賈瑞認為這是技術紅利。

「你的試錯空間非常大。你出一個產品，預設 10 個需求點，打出去發現 7 個被證伪，但剩下 3 個沒問題。迭代這 3 個，可能還會冒出另外 4 個你之前沒想到的 PMF 點。如果沒有技術紅利，你打出去 10 個，10 個全沒，就沒有下一次了。」

賈瑞給出的建議很直接：別憋了，趕緊把產品扔出去。

推出產品快的公司、迭代快的公司，到第二、第三個產品時往往最驚艷，很少有一上來就一鳴驚人的。

有人當場反問：模型越來越強，創業公司是不是在給大廠當炮灰？Claude Code 去年底 90 億美金 ARR，今年 3 月變 300 億，我們還有機會嗎？

賈瑞的回應很乾脆：有，關鍵是應用要與模型能力正交。

模型是一條橫軸，它每增長一寸，縱向的應用空間就多出一片，兩年前的陪伴類、工具類，到現在還活得好好的。雖然邏輯上挑戰越來越大，但實際來看，大家都在往前走。

仲昭陽「你的 Agent 要長手長腳，真正能出去、能觸達」

他先聊了自己作為用戶的兩個剛需。

第一個是懶。

抖音為什麼成功？因為它用推薦代替了主動搜索，你連輸入那一步都省了，AI 時代，應用會更滿足我懶的需求。

第二個是個性化。

未來的應用，不再是一個固定的界面、固定的產品邏輯，它會因為你的不斷使用而不斷進化。你用的版本，跟別人用的版本，可能完全不一樣。

隨後仲昭陽聊了一個讓全場安靜的話題：創業公司的核心競爭力到底是什麼？

「現在大家全要出海，不管做什麼應用，這是共識，也可能也是個好選擇。但第二步就卡住了，怎麼增長？怎麼從 C 端擴展到小 B 再到大 B？這部分 AI 沒有辦法替代。」

他直言不諱：AI 行銷工具的效果，跟線下大銷售、渠道能做的事相比九牛一毛。

從歷史視角來看，為什麼有很多大的代理商，是跟著美國軟體公司走遍全世界的？因為軟體公司需要有人在地面上賣。聽起來有點土，但這可能是 Agent 時代最核心的能力：你的 Agent 要長手長腳，真正能出去、能觸達。

寫在最後

Agent 在未來只會越來越深地融入我們的世界。這不是一個會不會的問題，而是一個什麼時候以及以什麼方式的問題。

它是一個 24 小時在線的夥伴，是一個幫你變好的教練，是一個不會累的運營，是一個比獵頭還快的人才搜索。

而人類需要做的，是在 AGI 到來之前，設計好那套對人有利的底層協議。

技術往前走，幾乎是必然的。但人類往哪走，不是必然的。

在 AGI 到來之前，我們還有時間去設計那套對人有利的底層協議，不是限制 AI，不是害怕 AI，而是讓它長出手腳的同時，也給它裝上我們認可的方向感。

正如張前川所說：這個機會很大，但它需要我們一起來解決。

歡迎加入律動 BlockBeats 官方社群：

Telegram 訂閱群：https://t.me/theblockbeats

Telegram 交流群：https://t.me/BlockBeats_App

Twitter 官方帳號：https://twitter.com/BlockBeatsAsia