模型不再是核心：AI未来12个月三大转变与七预测

我的文章通常来自测试和研究，用数据解释已经发生的事。今天放眼未来，看数据把行业带向何方。

人人都说AI变化快，但多数评论把噪音当信号。下面三个转变是地层级的：浮出水面很慢，但会推动上面的一切。超过一万亿美元已经募集并花掉，未来12个月，正是这三个核心转变决定这笔钱到底在哪儿产生回报。

转变一：价值不在模型，在“缰绳”

两年来，行业痴迷于一个问题：谁的模型最聪明。这问错了。你需要的不是更聪明的模型，而是一个更好的系统。

预测1：缰绳的崛起

开发者正在把忠诚从模型转移到缰绳上，就像当年vim和emacs之争。

大语言模型处理语言。它们是非确定性的、基于概率的预测引擎。缰绳是包裹模型交互的确定性程序，承载应用逻辑、评估循环、上下文和安全护栏。

更高级的缰绳会加入安全功能、特定用例逻辑，甚至复杂工作流。开发者正在拥抱Claude Code、OpenCode这类编码专用缰绳，他们可以根据口味和价格更换模型，但始终保持高质量工作流。面向PPT、代码、文档、数据抓取的任务型缰绳也在兴起。

大语言模型就像没培训过的新员工：只要流程设计得当，他们不需要特别聪明。

预测2：自建缰绳

别再把“提示词工程”当成长期技能了。企业AI开发最终回归软件工程的本职：把流程翻译成确定性代码。

非确定性模型让我们能规模化处理启发式规则和那些真正制造技术债的边缘情况。一个在边缘情况上有90%正确率的LLM已经非常惊人。为了充分利用这一点，企业会用LangGraph、CrewAI、AutoGen等框架，按照自己的业务逻辑打造定制缰绳。

Anthropic和谷歌的通用缰绳适合随意知识工作，但要想达到“工业革命”级别的变化，企业需要的是企业级缰绳。工作正朝这个方向走。

预测3：文档型工作流将被大规模采用

单任务Agent部署快、见效快，但向上爬进化树（在能力和复杂度上）就要靠多Agent工作流。现实中的企业不是孤立干活的个体，而是团队、部门、组织，都在做自己的任务，又共同参与多人协作流程。

和人一样，Agent一次专注一件事最好。每个Agent都是专家，把它们串起来就形成规模。搭建这一层的框架很多，管人的任务管理工具也多。但企业反复落到一个解决方案上：文档型工作流。

从wiki到共享文件夹，大多数公司已经运行在文档、文件夹和表单之上。每个表单都是一个供人类使用的API，喂进某个流程。每份更新后的文档都是一个事件，推动流程进入下一步。

文档型流程无处不在，是有原因的。它简单，能快速实现和迭代；它能扩展；它自带追踪和可观测性；它处理安全和角色；它便于团队之间甚至跨组织集成。

强大Agent编排系统会继续出现，但简单文档型工作流才是那个“实干派”。它让Agent能和人类一起协作。它是给现有工作流提速的最快入口，因为大多数公司已经具备这套基础设施。

这正是Agent的用武之地。Agent为文本而生，为文档而生，为读写表单而生。人类讨厌文档的那些事，Agent却乐在其中。把Agent塞进知识工作的苦活累活，才是真正发生工作的地方。

转变二：模型因此商品化

一旦价值转移到缰绳，底层模型就成了可互换的引擎零件，而零件会越来越便宜。

预测4：前沿LLM军备竞赛的终结

过去几年由前沿模型竞赛驱动，各大厂商竞相发布更强的模型——除非美国拦着谁。

现在这场竞赛撞上经济现实。万亿补贴正在让位于真实的API账单，价格开始滑向真实成本。幸灾乐祸的故事也来了：AI账单吓坏CEO，公司为了控成本重新雇人。

更值得注意的对比是：模型越来越强，效用却没有跟着涨。更小、更便宜的模型在大多数任务上已经够用。全世界就是这样——不是每辆车都要顶配，不是每颗CPU都要最快。世界大多跑在便宜零件上，未来也大多跑在便宜LLM上。

预测5：开源LLM的胜利

便宜但不受你控制的东西，便宜不了多久。这就是商品故事的下一半。

企业自建缰绳会获得一个巨大的结构性优势：模型独立。托管模型目前补贴很重，token成本远低于真实价格。供应商的赌注是LLM运行成本下降速度足以让市场存活，给所有人留出迁移到托管环境的跑道。但锁定之后，价格必然上涨。今天我们乐意扔给AI的许多任务，到那时在托管平台上就不再划算。

技术只有在商品化后才能规模化。真正的AI玩家会把日常大部分需求放在开源模型上。边角任务不需要前沿模型。像爱奇艺这样的巨头，已经开始用自己服务器上的LLM运行开源模型，为的是直接控制成本。内部缰绳成了关键：公司靠它们竖立确定性护栏——其中一道护栏就是成本控制。

转变三：LLM只是多元网络系统中的一员

如果模型是商品零件，那真正的系统就是很多零件的组装——各种AI互相协调，越来越多地跨组织协作。

预测6：LLM不是银弹

关系数据库刚上市时，人们什么都用它：消息队列、文件系统，你能想到的。

生成式AI不是银弹。我见过团队拿它做预测系统、推荐系统、机器学习、知识系统、搜索引擎、数据解析器。和通用数据库一样，LLM适应性极强，但同样昂贵低效。

生成式AI建立在一系列已有AI技术之上，深度学习、机器学习、NLP、预测模型。这些底层技术还在，在不少任务上依然胜过通用LLM。

当企业部署自己的缰绳，他们部署的会是使用全谱AI的多模态Agent。LLM负责快速灵活地粘合复杂流程，但会与别的AI并排，而不是取代。

预测7：今天的协议不是终点

MCP已经是死协议。我不确定替代者是不是A2A，但Agent会跑出自己的组织边界，需要安全地协作。

互联网的历史，就是从一个天真开放的系统出发，事后补上安全、认证、可观测性的过程。MCP延续了这条老路。面对这个规模的机遇和已经学到的教训，互联网级别的Agent间协作，起步就该用为安全和规模而生的协议。

这把我们带向哪里

三个转变合起来，图景很清晰。价值从模型移到缰绳。模型不再是奖杯，而是你该自己运行而不是租用的商品。你用模型建起来的不是一个全知全能的AI，而是多元网络化的专家系统，模块化智能，通过我们最无聊也最耐用的基础设施——文档——来协调。

每个技术栈都会在底部商品化，在顶部差异化。CPU成了商品，Linux成了商品，云计算成了商品。商业价值转移到应用、工作流和数据。LLM正走同一条路。

这一切都不是炒作中承诺的AI。反而更好，因为这是真正能交付的AI。那些内化这些转变、投资缰绳、管理模型成本、让Agent干真实流程里的苦活的人——他们才是赢家。还在等下一个前沿模型来救自己的团队，只会继续等下去。