在AI技术浪潮的涤荡下，通用大模型（LLM）正加速演变为能够自主规划、调用工具的智能体（Agent）。这一转变不仅深刻影响着企业的产品开发和商业策略，促使业务与技术实现“双向奔赴”，更对未来劳动力市场和人才能力模型提出了颠覆性的新要求。
在生成式人工智能的洪流中，技术与业务的协同共生正面临前所未有的挑战与机遇。长期以来，创新者和企业深陷于技术信仰与商业现实之间的“三重困境”：技术悬崖、工程鸿沟与商业迷雾。然而，随着大语言模型（LLM）能力指数级跃升，特别是智能体（Agent）概念的兴起，一条识别“高价值-可工程化-强闭环”场景的黄金标尺正浮出水面，指引着AI与业务如何真正实现“双向奔赴”。1
近期，在AICon全球人工智能开发与应用大会2025北京站即将召开之际，火星电波联合创始人兼CTO徐文健、阿里巴巴高级技术专家李陈忠、AutoGame创始人张昊阳齐聚一堂，深入探讨了大模型产品落地的真实路径，为我们描绘了一幅由技术驱动的产业变革图景。
从技术突破到商业范式革新
通用大模型如GPT的横空出世，在业界激起了涟漪。李陈忠回忆，2012年他尝试用传统方法构建智能客服机器人时，曾因效果僵硬而屡屡碰壁，直到GPT的出现，才真正感受到“新世界的大门开启”。他惊叹于GPT的推理能力和自然语言表达，将其视作一个“奇点时刻”，能够将许多过去不可能实现的事情变为现实，如同找到一个能像人一样处理事务的“免费劳动力”。1
张昊阳作为GPT的早期用户，其彻夜探索的经历印证了这种划时代的震撼。他观察到，在游戏领域，大语言模型已具备提供情绪价值和解决问题的能力，可作为游戏NPC存在；在AI编程领域，Cursor这类将大模型能力集成至VS Code编辑器的产品，则标志着辅助编程向“Agent编程”乃至“氛围编程”（Vibe Coding）的演进。1
然而，这种技术震撼很快转化为对商业策略的深刻反思。2023年年中，随着LLaMA模型意外泄露并开源，中文大模型社区迅速崛起。但到2024年上半年，行业普遍放弃了自研通用大模型的思路。AutoGame创始人张昊阳指出，无论是国内还是国外，大模型训练的门槛之高、投入之巨，使得其并非人人可为。检索增强生成（RAG）技术的出现，更是让优秀检索与排序机制能够直接获得理想结果，进一步弱化了从零训练或大规模微调通用模型的必要性。1
取而代之的是，将重点转向构建**“产品-数据-模型”铁三角**的垂直领域智能体。张昊阳强调，真正的创新将发生在应用层：基于通用基座，结合各领域专业知识，构建丰富的垂直场景应用。他以Cursor为例，尽管其接入了OpenAI、Claude、Gemini等底层模型，但通过积累用户行为数据和处理流程，构建了其独有的编程小模型，使其在特定场景下甚至比底层模型更擅长编程。这种“产品-数据-模型”的强绑定生态，使得即使是科技巨头也难以轻易切入。1 李陈忠也表示，唯一有价值的自研场景，是拥有互联网上无法获取的独家“数据孤岛”信息。1
一个不容忽视的趋势是大模型成本的急剧下降。张昊阳披露，2023年斯坦福小镇实验运行一晚需数千美金，但短短一年多后，DeepSeek等模型的表现已媲美GPT-4，而成本仅为其10%。到2025年，大模型成本已近乎免费，使得AI交互在游戏等应用中大规模普及成为可能。这种成本曲线的跳水，使得大模型将如水电般成为公共资源，进一步聚焦了企业在私域模型、产品和数据飞轮构建上的必要性。1
Agent的未来：通用性与垂直深耕的博弈
关于未来是否会出现真正意义上的“通用Agent”，与会嘉宾展开了深入讨论。张昊阳对此持谨慎怀疑态度。他认为，垂直领域的私域数据和模型具有独特价值，这并非巨头仅凭海量数据就能轻易复制的，它深度结合了行业知识（know-how）。例如，AutoGame为自身游戏设计的专属接口，生成的数据用于微调专属小模型，使其越来越擅长为本产品生成代码。这种数据即使大厂获取也难以有效利用，因为它紧密绑定于特定产品。他预言，未来的产品交付物将不再是代码本身，而是一种模型驱动的能力（MAAS，Model as a Service），产品将由大模型驱动，实现自我迭代和进化。1
李陈忠则认为通用Agent是可行的，但他强调的“通用”并非指单一Agent能处理所有领域任务。他将其比作人类分工：所有人的生理基础相似，但在特定行业深耕后形成专业纵深。通用Agent将具备类似人类的基础能力框架，例如规划、推理、工具调用等，而其在不同领域的应用差异，则取决于为其配置的领域知识库（通过RAG实现）和专属工具集（MCP工具链）。因此，Manus这类形态的逻辑在于其核心基座的通用能力，通过挂载对应的输入源、专用工具链及领域知识库，即可转化为该领域的有效应用系统。1 徐文健也补充说，通用Agent无需包揽所有任务，可作为核心基干处理通用能力，将垂直领域的专业知识交由挂载的各类垂直Agent完成，充当整合中枢。1
然而， Manus的成功，在张昊阳看来，更像是一场“自媒体狂欢”与“首因效应”的结合。其快速爆红并获得巨额投资，更多是面向资本市场的“作秀”，实际产品价值和用户体验仍有待验证。他认为，后续模仿者将面临严峻的挑战，因为资本很难再次“buy in”同样的叙事。他更相信未来大模型将演变为底层基础设施，用户直接向Agent提出需求，Agent自主编写代码、构建框架并返回结果，此时专注于上层框架的团队将不再必要，核心能力将归于基础设施层（Infra）。1
重塑劳动力市场：人才能力模型的演变
AI技术的迅猛发展，正以前所未有的速度重写着人才标准。张昊阳亲身体验到“超级个体”的概念：在大厂工作时，他便尝试深度运用AI辅助工作，如今更是带领一支“数字员工团队”。他透露，在自研Agent工具及Cursor等辅助下，团队工程师的平均有效代码产出量，从每周约1500行跃升至30000行，实现了惊人的20倍产能提升。1
这种生产力跃升必然带来人才结构的变革。传统的垂直领域深度专精已不再是唯一路径，个体需要从战术执行者转型为战略架构者。未来的核心能力将是管理——但管理对象从人转变为AI Agent。这意味着个体需要具备跨领域视野与精准提问能力，能够清晰表达需求，并借助Agent的指令遵循能力将复杂任务拆解为可执行的子任务，从而驱动Agent团队高效协作。张昊阳强调，未来的复合型人才，例如开发者同时理解设计、产品与美术逻辑，将成为真正的“超级个体”。1
李陈忠则将目光投向了更深层次的本质回归。他认为，AI的发展正加速互联网早期“全栈程序员”的回归：个体需要围绕目标或产品落地的全过程，都具备基本理解和操作能力，固守单一分工思维（如“我是后端”）将难以适应未来。他强调，未来人才的核心将是成为**“AI工程师”**，能全局规划产品，并有效指挥AI工具或“数字员工”协同执行。在人才选拔上，他更看重强烈的内驱力、探索欲、解决问题的魄力与韧性。1
对于人工智能专业的就业前景，与会者也给出了警示。张昊阳指出，当前美国计算机科学专业的失业率最高，某种意义上，大模型的发展是“程序员卷死程序员”的体现。当AI能力超越人类数年甚至数十年的专业积累时，若无法转型为Agent管理者或具备跨学科思维，注定会被淘汰。他强调：“AI不会取代人，但会用AI的人将取代不会用AI的人。”1 李陈忠将编码群体分为“程序员”（具备创新能力、探索精神的创造者）与“码农”（执行编码任务的机械工作者），并预言码农型角色将迅速被AI替代，而顶尖程序员仍拥有广阔前景，因为人类唯有在更具突破性的创造领域超越AI，才能守住价值高地。1
本质上，AI的发展要求人类将感知触角深度延伸至真实世界——在视觉、听觉、触觉等维度建立更紧密的联结，从而理解并响应复杂情境中的隐含条件。这需要模型更先进，更能够模拟人类接收的隐含约束信息，也正凸显了多模态能力的重要性。1
在AI驱动的时代变革中，那些能够拓展视野边界、主动拥抱新趋势与新能力、积极适应AI协同工作模式的个体，将更有可能在新兴的产业版图中占据一席之地。