前几天说这些天一直很焦虑，其实是从去年11月份有点时间开始继续追踪新东西后就受到了一些冲击。因为有将近一年时间没有太跟踪最新的发展，所以现在 AI 能做到的程度还是大大超出了我的预期。
有一些认识：
-
现在越来越体会到算力是像水电一样的基础设施。之前都是嘴上说说，但实际上感受没有那么强烈。但现在，Agent 在帮你做事，已经可以自主完成很多事情了，但它消耗的就是 token，做什么事情首要考虑的就是token花了多少。这种计费有像水电一样的按量计费（API tokens），也有像宽带一样的包月计费（Coding Plan）。
-
中间的软件层越来越薄。1月份的时候参加过一个Agent 大会，有位演讲者说的很有道理。他说之前的软件像是“预制菜”，做好了给客户，每个客户拿到的都一样。而现在是“现场小炒”，每个客户随时都可以自己去编自己想要的软件。现在很多智能体平台都可以一句话生成一个智能体甚至一个应用，就能解决客户的一个需求。所以大模型底座和智能体平台这些会越做越好，越做越强大，客户可以根据自己需求自己做自己想要的东西，这样的话中间的软件层能做的东西就越来越少。
-
之前公司做的主要方向是智能客服、智能外呼、语音质检这类客服中心的智能解决方案，一直还挺得意自己革了客服坐席的命，让成本降了很多。现在突然发现，AI 编程工具在去年发展如此迅猛，是在革开发人员软件工程师的命，也就是在革自己的命。
-
之前曾经说过，LLM 只是概率系统，从现有的知识中学习，学到的东西只是体现了现在的世界是什么样子，再怎么折腾还是现在的世界。但是，几个方面的发展，已经慢慢走出了这个桎梏。
-
推理能力： 去年年初以 DeepSeek 为代表的大模型都在把推理能力（think能力）作为最重要的发展方向，这种把思考过程也加入到上下文中，让大模型确实获得了一些有别于之前的能力提升。
-
强化学习： 现在所有公网上的数据基本上都加入到预训练中了，那么没有数据后怎么办？强化学习也成为了新的学习范式，没有正确答案只有好坏的评价，让大模型自己在环境中去自行探索，这大大加强了突破现有知识限制的能力。还记得 Alpha Go的神之一手吗？如果没有强化学习，只是从现有知识中学习，大概是出不来这一手的。
-
AI 编程： AI 编程的发展，也是个关键因素。我们都知道在智能体体系中，工具的重要性（Agent = LLM + Memory + Tools）。因此 MCP 火了一阵。但 AI 的编程能力是最重要的工具，而且是元工具，也就是可以制造工具的工具。看到有时候给一个任务给智能体，它自己编写一些 python 代码来探索模型结构、从网上获取内容、把一些流程串起来的时候，心中确实很震撼。