首页科技快讯 AI月报：当AI包办一切，未来不是拼效率，而是拼“品味”

AI月报：当AI包办一切，未来不是拼效率，而是拼“品味”

来源：晰数塔互联网快讯时间：2025年06月23日 18:16

1、行业：模型竞赛冷却，AI进入产品化与生态整合。各大平台不再仅仅卷参数和论文，而是争夺用户入口、智能体标准和终端能力。

2、模型：大模型不再是简单被动的“回答器”，在生成回答之前，它会进行复杂的“自我对话（Self-Reflection）”和多步推理。变得越来越像人一样：一边思考，一边行动。

3、智能体：正在根本性地改变人与软件交互和工作的方式。从“知识助理”或“内容生成器”，进化成能独立完成任务的“数字员工”。人机界面从传统的“工具栏+菜单”，变成更自然、更直观的“自然语言+智能执行”。

4、AI编程：AI编程从辅助走向全面委派。编程不再是一种纯粹的“手艺活”或“体力活”，价值重心从具体的编码技能，转向了更具战略性的产品设计能力、系统架构能力和决策能力。

5、商业模式：2025年，行业共识从MaaS（Model as a Service，模型即服务），转变为RaaS（Results as a Service ，结果即服务）。AI从成本中心直接转化为利润引擎。

6、职业冲击：品味、判断、方向感，才是人无法被替代的核心能力。别怕AI会抢走你的工作。怕的是，你没有准备好，成为一个能够和AI协作的人。

5月以来，大模型浪潮继续加速。从红杉AI内部峰会（Sequoia AI Ascent）、微软 Build 2025、Google I/O 2025，到苹果 WWDC 2025，一系列重量级行业大会接连召开，清晰地勾勒出了AI领域最显著的趋势：模型竞赛冷却，AI进入产品化与生态整合的“第二幕”。各大平台不再仅仅卷参数和论文，而是争夺用户入口、智能体标准和终端能力。

AI领域的关键词不再是“更大的模型”、“更快的推理速度”，而是“Agent(智能体)”、“自主执行”、“连接器”和“委派编程”。2025年，或许真的可以被称为“智能体元年”。它正在改变我们每天的工作方式、开发模式，乃至人与技术之间的关系。

但在一切AI都能胜任人类工作的未来，人类的价值到底是什么？在这次AI月报中，我们将从基础模型、AI Agent、AI编程、商业模式以及职业冲击五个维度，总结AI领域最显著的变化和趋势，并试图给出一个答案：当AI可以包办一切，品味可能才是人类的护城河。

基础模型：思维方式变革，从 ChatGPT 到 ThinkGPT

如果说2022年末发布的ChatGPT是AI技术走向大众视野的开始，那么，2025年陆续亮相的GPT-4.5、Gemini 2.5 Pro等新一代基础模型，则可以被视为这一轮AI革命的“操作系统级更新”。这些模型不止是参数量级或上下文长度的简单提升，更带来了AI思维方式上的根本性变革。

这些先进的大模型已经不再只是简单被动的“回答器”，它们在生成回答之前，开始进行复杂的“自我对话（Self-Reflection）”和多步推理。这意味着什么？当你向一个大模型抛出一个复杂的问题时，它并不会立刻给出答案。相反，它会在“内心”经历一个类似人类思考的过程：拆解问题结构；对多个可能路径进行推理；选择最优解，并进行验证。这种内部迭代和反思，是AI智能水平跃升的关键标志。

英伟达创始人黄仁勋巴黎GTC大会上说：“未来的AI模型在一次推理中，可能需要生成成千上万个token，进行反复的反思、改写、验证。这背后，是对实时算力的千倍需求。”

这种AI的“反思能力”和自主思考的趋势，也在开源社区中同步演进，并催生了许多创新项目。例如，ThinkGPT等一系列开源项目致力于为大模型加入更为精巧和高效的机制，使其拥有类似人类的认知能力，如长时记忆（Long-term Memory）、自我提升（Self-Improvement）以及目标分解（Goal Decomposition）等模块。这些模型不再是孤立地处理每一个请求，它们能够记住过去的交互信息，从历史经验中学习并优化自身的行为，甚至能将一个宏大的目标智能地拆解为一系列可执行的子任务。它们变得越来越像人一样：一边思考，一边行动。

一个从前只会根据指令答题的机器人，现在开始主动“想问题”、分解问题、规划解决方案。这一刻，才是AI真正迈入生产力主角的起点。它不再是提供信息的工具，而是能够主动参与到复杂任务的分析、规划和执行中来，成为我们工作流程中不可或缺的伙伴。

智能体：持续进化，从工具变成队友

如果说基础大模型是AI的强大“大脑”，赋予了机器理解、推理和生成的能力，那么AI智能体（Agent），就如同是这个大脑开始“动手做事”的“手脚”，将抽象的智能转化为实际的行动。智能体的崛起，标志着AI应用从单一的问答和生成，迈向了自主执行多步复杂任务的新阶段。

OpenAI首席产品官凯文·威尔近日接受红杉资本专访时，对Agent的定义是：“一种能够感知环境、自主规划、调取工具、连接数据并完成多步任务的AI系统。” 这个定义拆解开来，揭示了智能体区别于传统AI工具的关键特性：

感知环境（Perception）：它能理解当前的任务背景和所需信息。

自主规划（Autonomous Planning）：它能根据目标，独立制定详细的执行步骤。

调取工具（Tool Use）：它能根据需要，灵活调用各种外部工具（如浏览器、办公软件、API接口）。

连接数据（Data Connection）：它能访问和整合分散在不同系统中的数据资源。

完成多步任务（Multi-step Task Completion）：它能将复杂任务分解为一系列子任务并逐一完成。

目前，ChatGPT接入Google Docs、SharePoint、Gmail等关键生产力工具，我们来举一个例子可能更容易理解：现在你可以对ChatGPT或其他智能体输入提示词，“帮我撰写一份下周的项目汇报PPT，所有内容请从我最近的Google Docs文档、会议纪要和Gmail邮件中自动提取和汇总。”

一个先进的智能体接到这样的指令后，它的“自主执行”流程将是这样的：

理解任务目标：它首先会解析你的指令，明确核心任务是“撰写项目汇报PPT”，并且内容需要来源于特定的多个信息源。

访问信息来源（因为有“连接器”）：通过其内置的“连接器”功能，智能体会安全地访问你授权的Google Docs、会议纪要系统（可能是特定应用或企业内部知识库）以及你的Gmail账户。

数据提取与筛选：它会从这些海量信息中智能地识别并提取与“项目汇报”相关的关键信息，比如项目进展、遇到的问题、下一步计划、关键数据等。

内容分析与汇总：它会根据提取到的信息，进行深度的分析和汇总，梳理出逻辑清晰、条理分明的内容结构。

规划PPT结构：智能体可能会根据常见的项目汇报PPT结构，规划出引言、背景、进展、挑战、解决方案、下一步计划、总结等幻灯片部分。

内容生成与填充：它会将汇总分析后的信息填充到PPT的各个部分，并可能自动生成图表、数据可视化或提炼关键结论。

输出结果：最终，它会输出一个完整、可编辑的项目汇报PPT草稿，甚至可以直接生成PPT文件。

整个过程中，你不再需要手动切换不同的应用程序、复制粘贴信息、排版布局。不再是“你问一句，它答一句”的被动响应模式，而是“你提出高层次的需求，它自己想办法搞定所有细节”的自主执行模式。这，就是智能体的核心魅力和颠覆性所在。

更重要的是，智能体的进化正在根本性地改变我们与软件交互和工作的方式。以前，我们是操作软件，需要熟练掌握各种软件的界面、菜单和功能。现在，我们正在向委托软件的方向转变，将任务直接委派给智能体，让它自行处理。人机界面也因此从传统的“工具栏+菜单”变成了更自然、更直观的“自然语言+智能执行”。你不再需要记住复杂的命令或操作路径，只需用日常语言描述你的需求，智能体就能理解并执行。

各大科技巨头已经纷纷布局智能体生态：微软推出了Copilot Studio，允许企业和开发者定制并部署自己的智能助手，深度整合到Microsoft 365等办公套件中；百度发布了心响App，目标是用户只需一键就能完成复杂任务，旨在构建一个个人智能体平台；字节跳动也推出了“扣子空间”等产品，探索智能体在内容创作和生活服务领域的应用……所有这些大厂都在不约而同地做一件事：让AI深度接入企业工作流，自动执行跨平台、跨应用的复杂任务。AI正从最初的“知识助理”或“内容生成器”，进化成能够独立承担职责的“数字员工”。

从人的角度，工作组织方式也在重塑：人开始更像是一个“管理者”或“指挥官”，职责重心从亲力亲为的具体执行转向了更高层次的任务指派、目标设定、结果审核和战略规划。不再是流水线上的工人，而是协调和指挥智能“团队”的管理者。

AI编程：从辅助走向委派，改变软件开发的未来

编程是最早被AI颠覆的行业之一，速度和深度远超许多人的预期。早在2023年，Codex和Copilot等AI编程工具的出现，就实现了革命性的代码补全（Code Completion）和代码生成（Code Generation）功能，极大地提升了开发者的编码效率。到了2024年，全球开发者平均有40%的代码已经能够由AI辅助生成，AI成为了程序员不可或缺的助理。到近期，编程范式转变越来越清晰：AI不再仅仅是辅助工具，而是走向了全面的任务委派。

OpenAI在5月推出的Codex智能体预览版，便是这一转变的标志性里程碑。它展示了AI在软件开发中的自主能力。该智能体能够在本地沙盒（Local Sandbox）环境中：

接受自然语言描述的编程任务：开发者只需用日常语言描述想要实现的功能，例如“开发一个用户登录模块，需要密码加密和错误处理”。

独立完成代码编写：智能体会根据任务描述，自动生成高质量、可维护的代码。

自主进行测试：它会为生成的代码编写测试用例，并运行测试以验证代码的正确性和稳定性，及时发现并修正潜在的bug。

自动进行打包和部署：代码通过测试后，智能体甚至能处理代码的打包、依赖管理等工作。

发起拉取请求（Pull Request）：最终，它能将完成的代码提交到版本控制系统（如Git），并自动发起一个拉取请求，等待人类开发者进行最终的审查和合并。

开发者可以委托AI完成从需求理解到代码提交的整个开发流程，这无疑将极大地解放生产力。

开发者的工作模式也随之发生了革命性的改变。传统的“结对编程（Pair Programming）”：两名开发者共同完成一个任务，一人编写代码，一人审查，正在演变为更为高效的“异步委派（Asynchronous Delegation）”模式：

开发者提出需求：人类工程师将精力更多地投入到高层次的需求分析、系统设计和架构规划中。

AI尝试解决：AI智能体接管了具体编码和测试的大部分工作，它们快速迭代，尝试多种解决方案。

多个Agent并行工作：在复杂任务中，甚至可以有多个AI Agent并行工作，探索不同的实现方案，并进行内部竞争与优化，以找到最佳路径。

人类只在重要节点进行审核和反馈：人类工程师的角色转变为“代码审查员”和“质量把关者”，他们主要负责对AI提交的代码进行高层次的逻辑审核、性能评估和安全性检查，并在关键决策点提供指导和反馈。

Cursor创始人迈克尔·特鲁尔近期接受YC专访时总结：“过去工程师的价值在于知道怎么写代码；未来工程师的价值在于知道要写什么代码。” 这句话揭示了编程领域核心竞争力的转移。编程，不再是一种纯粹的“手艺活”或“体力活”，其价值重心已经从具体的编码技能，转向了更具战略性的产品设计能力、系统架构能力和决策能力。

AI正在帮助我们完成所有“手”的部分，即那些重复性、模式化、耗时耗力的编码和测试工作。人类开发者将有更多的时间和精力投入到创新性、高价值的工作中。未来，真正优秀的开发者将是那些能够清晰定义问题、提出创新解决方案、并有效管理AI协作团队的“AI架构师”。

商业模式：从MaaS到RaaS，AI不再仅仅是一个成本中心

在AI领域，商业模式的演进速度与技术本身的迭代一样快。如果说2023年/2024年是MaaS（Model as a Service），模型即服务，那么2025年，行业共识已经转变为RaaS（Results as a Service ），结果即服务。

2025年5月初，红杉资本AI峰会 AI Ascent 2025 上，来自全球的150多位顶尖创始人和风险投资人（VC）达成了一个高度一致的共识：AI不再仅仅卖工具，而是要卖结果。这代表了一种全新的商业逻辑和价值衡量标准。客户不再只是关心你使用了哪个最先进的AI模型，模型的参数量有多大，或者API调用的速度有多快。他们真正关心的是，AI能够为他们提升多少效率、降低多少成本、创造多少实际价值。

这种转变，使得AI公司的价值锚点从“API调用次数”、“模型吞吐量”等技术指标，转向了更为具体和量化的“GMV增长”（商品交易总额）、“开发时长压缩”、“GPU成本下降”、“客户满意度提升”等硬性商业指标。最终，这种商业模式将不可避免地走向一种“按产出计价（Pay-per-Output）”或“基于价值分成（Value-based Pricing）”的模式。

我们举两个例子帮助理解：

按照传统模式下的AI搜索引擎公司：可能会收取固定的订阅费，无论用户是否通过搜索找到了满意的解决方案。

RaaS模式下的AI搜索引擎公司：可能不再收取固定订阅费，而是根据用户通过搜索实际找到并采纳的解决方案数量、或者解决方案带来的实际业务提升（例如转化率提升）来计费。

传统模式下的AI写作工具：通常会按月或按年收取订阅费，或者按字数、文章篇数计费。

RaaS模式下的AI写作工具：可能会与内容平台或企业合作，不是简单按月收费，而是根据AI生成的文章发布后所获得的点击率、阅读时长、用户互动量，甚至直接根据文章带来的转化率或销售额进行分成。

在这种商业模式下，AI不再仅仅是一个成本中心，即需要投入资金购买和维护的工具，而是直接转化为利润引擎。AI解决方案提供商与客户的利益被深度绑定，双方共同承担风险、分享收益。真正的赢家，将是那些能够深刻理解行业痛点、将AI的“能力”商品化为可衡量、可量化的“结果”的公司。这不仅要求AI公司具备强大的技术实力，更需要它们具备深厚的行业理解、卓越的商业洞察力和以客户价值为导向的战略思维。

职业冲击：品味是最后的护城河，人类独有的价值

这无疑是我们当下最关心、也最焦虑的问题：当人工智能能够写代码、撰写报告、自动执行任务、甚至进行复杂的决策时，人类在职场中的价值和定位究竟何在？我们是否终将被机器取代？

AI具备学习和复制人类所有可习得技能的理论基础。OpenAI前首席科学家Ilya Sutskever最近在母校多伦多大学毕业演讲时说：“终有一天，人工智能将能胜任我们所有的工作，完成人类能做的一切。任何我们能够学习的技能，人工智能也都能掌握。原因在于，我们的大脑本身就是一台生物计算机。既然如此，一台数字计算机，一个数字大脑，为何不能做到同样的事情呢？这便是人工智能终将能完成所有这一切的核心逻辑。”

史蒂夫·乔布斯（Steve Jobs）曾对苹果公司的成功解释为：“一切归结为品味（Taste）。”这句话看似简单却充满智慧的解释，很大程度上也是人在AI时代的生存指南。

什么是“品味”？在AI能包办一切的未来，品味不仅仅是个人审美偏好，它更是一种复合型的、深层次的、难以被量化的能力，是人类作为复杂生命体特有的综合素养：比如，对方向的判断、对结构的理解、对用户体验的敏感、对美的把握、对道德伦理的考量、对文化语境的理解等等

未来的工程师，可能不再需要精通某种具体的编程语言，但他们需要深刻理解：用户真正需要的功能是什么？哪种交互逻辑才最自然、最直观？哪种设计方案才能完美契合品牌的核心气质和市场定位？他们的价值将从“实现者”转向“定义者”和“设计者”。

Cursor 创始人兼CEO 迈克尔·特鲁尔（Michael Truell）近期接受YC专访时说：“工程师的核心竞争力，正在从写代码，变成定义问题。”工程师不再是代码的搬运工，而是问题的发现者、解构者和解决方案的架构师。他们需要具备抽象思维能力，能够将模糊的用户需求转化为清晰、可执行的AI任务。

未来的开发者，将更像一位“导演”而不是“编剧”。他们提出富有洞见的创意，定义宏大的目标和愿景，并为AI团队设定清晰的执行框架。AI团队则负责将这些创意和目标转化为具体的代码实现。未来的产品经理，将更像一位“作家”而不是“制表员”。他们不再仅仅是收集需求、罗列功能列表，而是需要深入洞察人性、设计引人入胜的场景，构建能够激发用户情感共鸣和带来价值的产品体验。AI系统则负责将这些场景和体验搭建成形。

而这，正是人类独有的优势，是机器难以企及的领域。AI可以高效、精确地生成一切，从代码、文本到图像和音乐。但唯有人，能够决定方向、设定目标、赋予意义，并注入那些超越逻辑、关乎情感和价值观的“品味”。