2026年6月15日，Salesforce文书以36亿好意思元收购Fin（前Intercom）。合并周，硅谷数据与AI基础顺次投资东说念主TomerTunguz发布了一篇在业界平素流传的产业判断："咱们正在插足AI诓骗的黄金期间。"

Tunguz并非泛泛而谈。这位曾在Redpoint深耕多年、投出Looker和Kustomer等项方针投资东说念主，在文中梳理了构建AI诓骗需要向上的三项难关——选对模子、操办能让系统执续进化的"爬坡轮回"，以及在每家企业的确切场景中评估系统进展。他的论断颇为径直：多数企业既没有益愿、也莫得必要为每套里面业务软件单独配备AI团队，这类精熟责任"更妥当交由少数专科厂商完成，以结束每一好意思元的最大智能产出，并将成分内管到更平素的用户群体中"。

Salesforce的收购案，某种进度上是这段话的商场注脚。Fin的AIAgent能自主处理76%的客服工单，依托开源模子结束性价比最优，首创团队在AI波浪中完成了公司的举座从头定位。成本商场还是初始为"替企业运营AI系统"这件事买单。

但Tunguz的框架远不啻客服一个场景。放眼各人，不同布景的公司正在给出各自的谜底。

第全部题：选对模子，如故绕开这说念题

Tunguz在文顶用很是纯确切笔触形色了模子选拔的现实逆境：速率快的模子精准度不及，性能出众的模子在器用链调用半途会一会儿卡住，擅长编码的模子又遍及节律偏慢。预算为止让"一律选最顶尖"成为不可能，而每个模子各有其"特性"，这是一个无法靠"选最佳阿谁"来处置的问题。

靠近这说念题，业内出现了几条不同旅途。OpenAI和Anthropic等公司在执续鼓励单一旗舰模子的才智上限，试图让"一个模子笼罩更多场景"；另一些公司则转向多模子相助的架构，试图通过组合弥补单体模子的不及。

港股上市企业明略科技（2718.HK）走的是后一条路。其首创东说念主吴明辉在2026年5月接纳误点LatePost专访时说，他们的观念不是"ScalingUp"，而是"ScalingOut"——让不同专长的模子动态相助，在细分场景中作念到比通用大模子更好的着力。他用了一个颇具劝服力的譬如：当代智东说念主胜出，不是因为单个东说念主比尼安德特东说念主更强，而是因为更擅长相助。

在时间结束上，这套想路落地为MOA（MixtureofAgents）架构——不同智能体的专长在多数用户的动态使用中当然清楚，无需提前东说念主工竖立。这亦然对另一个产业共鸣的工程级回答：Tunguz文中援用的Fable下架事件和微软CEO纳德拉同时发表的AI生态论断，王人指向合并个警示——过度依赖单一模子存在系统性风险。

第二说念题：操办一个让系统自我进化的轮回

Tunguz将"轮回操办"称为"这个期间最关键的问题界说责任"，并援用系统能源学的表面框架来阐述其复杂性。他的中枢问题是：怎么界说一个轮回，使智能体系统得以执续进化？

这说念题的难点不在时间，而在架构选拔。传统的AI系统学习旅途是结合式的——数据息争回传中央模子，结合巡视，再息争分发。这条路有了了的天花板：模子越大，巡视成本越高，迭代周期越长，长尾场景的笼罩也越来越穷困。

吴明辉给出的回答是散布式的。他将这套机制称为"个性化执续学习"：学习发生在每个Agent的具体使用场景中，不同智能体积贮的才智和凹凸文无需息争回传，而是分散存储、在相助中动态调用，让群体智能通过交互荟萃当然清楚。这套逻辑配合明略的开源战术，变成了一个正向轮回：开源眩惑更多用户，用户带来更多场景数据，数据反哺Agent才智，LOL投注官网才智加深护城河。吴明辉在专访中径直点明："开源越绝对，用的东说念主越多，模子的场景数据积贮越快。"

博亚体育2026世界杯中国官网

这一想路并非孤例。HuggingFace通过通达社区构建了肖似的数据飞轮；Cohere则选拔在企业特突出据上作念定制化巡视，以此诞生轮回壁垒。旅途分袂，但背后的逻辑一致——护城河来自数据和使用，而非模子自己。这也与纳德拉的判断吻合：在健康的AI生态中，"模子"自己很难成为护城河。

第三说念题：评估进展，但不行只看榜单

Tunguz将"执续评估模子与轮回的性能"界说为一项专科责任，类比调校复杂引擎，需要精熟的专科才智。他提议的问题是：企业到底在那处评、怎么评？

这里有一个被平素疏远的现实：公开benchmark的进展与企业坐褥环境之间，存在很是大的落差。吴明辉在专访中给出了一组颇具冲击力的数据对比：通用榜单上排行第一的模子，在GUI（图形界面）操作准确率可能在七十多分——换言之，每十次操作会出错三次。这个特地率在确切的企业经由满意味着什么？他的回答是：根柢没法用。而明略旗下的Mano-P模子，在出海电商GUI这一具体场景下，准确率已达99.9%。

这组数字背后的逻辑，恰是Tunguz框架的中枢：将AI系统从通用跑分70%调到坐褥可用的99%以上，依靠的不是更好的通用模子，而是对特定场景的深度市欢、执续的数据积贮和反复优化。这种才智难以限度化复制，当然成了专科厂商的中枢竞争力场所。

买卖步地能否跑通，数字语言

Salesforce的收购考据了一种买卖逻辑，但它终究仅仅一个数据点。更值得关怀的问题是：这种步地能否在更平素的企业场景中执续？

明略科技FY2025财报自大，收入14.26亿元，初度结束扭亏，其中AgenticServices板块收入碎裂1亿元，大客户续约率96%。这些数据尚不及以下定论，但手脚早期信号，它们指向一个可能：当AI系统在具体场景中跑出弥漫高的准确率，企业的使用粘性会权臣耕作。

在订价步地上，吴明辉提议了一个类比：畴昔按东说念主月、东说念主天收费，明天可能变成"Token成本加不时费"——耗尽了100万好意思元的Token，再收20万好意思元不时就业费。他将其类比为传统告白代理公司的抽佣步地。红杉成本将这类企业界说为"披着就业商外套的Agent公司"，这与Tunguz所说的"专科厂商"现实上是合并件事的不同表述。

一个正在固化的产业信号

Tunguz的判断、Salesforce的收购、此前微软CEO纳德拉的论断、Fable被下架后开源社区的强横反弹——这些事件密集地发生在合并周，自大出一个正在固化的行业走向：AI的竞争焦点，正从"谁的模子更强"转向"谁能帮企业把模子用好"。

这一行变背后是结构性原因，而非风向轮流。构建AI诓骗的真确难点，不是工程师不够，不是系统雄厚性的挑战，而是一种此前莫得被定名过的才智——Tunguz称之为"运营智能"。纳德拉则将其归结为"围绕模子构建的整套系统"。

在这个层面上，还是积贮了确切坐褥数据和买卖收入的企业英雄联盟比赛(中国)外围下注APP，与仍在早期探索阶段的竞争者之间，差距不仅仅时刻，还突出据飞轮初始动弹后变成的复利效应。