今天這波AI圈的信息量說實(shí)話有點(diǎn)頂。OpenAI一夜之間放出了722篇數(shù)學(xué)論文Meta這邊則拉著沃爾瑪一起發(fā)布了「個人代理協(xié)議」。一個是學(xué)術(shù)動作一個是商業(yè)玩法看起來一個泡在實(shí)驗室一個扎在超市貨架里完全不搭界。但把這兩件事并在一起看你會發(fā)現(xiàn)它們其實(shí)都在回答同一個命題AI到底能不能被信任到替人做決定、替人簽協(xié)議的份上。這篇文章就來拆一拆這兩件事只聊技術(shù)邏輯、行業(yè)影響和落地機(jī)會不搞標(biāo)題黨。1. 站在十月看AI這兩件事到底在釋放什么信號1.1 為什么公開論文和商業(yè)協(xié)議會同時炸出來今天這兩條新聞一個是往學(xué)術(shù)池子里扔了塊大石頭一個是直接在商業(yè)桌面上簽了份新契約。OpenAI一口氣公開722篇數(shù)學(xué)論文這個數(shù)量放到arXiv常規(guī)更新的尺度里去比都屬于那種一眼掃過去會以為看錯數(shù)字的程度。Meta跟沃爾瑪?shù)慕M合也很耐人尋味一個是平臺與AI技術(shù)方一個是零售基礎(chǔ)設(shè)施方兩家這次把「個人代理協(xié)議」推到臺面上說明用AI代理幫用戶買東西這件事已經(jīng)不再停留于PPT演示而是進(jìn)入了哪一方該干什么、出了問題誰負(fù)責(zé)的實(shí)質(zhì)談判階段。行業(yè)整體的重心其實(shí)已經(jīng)悄悄換擋了。前兩年大家拼的是模型參數(shù)、算力規(guī)模、榜單分?jǐn)?shù)比的是誰的底座更大、跑分更高到了現(xiàn)在這個階段再堆參數(shù)帶來的邊際收益已經(jīng)明顯變緩真正的瓶頸變成了這模型能不能穩(wěn)定落地、能不能被別人審計、能不能在真實(shí)場景里扛住出錯。OpenAI的722篇數(shù)學(xué)論文本質(zhì)上是在給技術(shù)能力加可驗證的砝碼Meta和沃爾瑪?shù)膮f(xié)議則是在給AI代理加可追責(zé)的尺子。兩者一前一后把AI從能說會道往能扛事、敢擔(dān)責(zé)的方向推了一大步。對不常盯AI圈動態(tài)的朋友看到這類新聞不用慌但可以開始留意了。接下來半年你會在更多產(chǎn)業(yè)新聞里見到類似的組合模型公司開始曬論文和數(shù)據(jù)平臺公司開始曬協(xié)議和規(guī)則。這不是偶然而是賽道進(jìn)入深水區(qū)之后的必然。1.2 先給不常盯AI圈的朋友補(bǔ)個底要理解今天這兩條新聞得先補(bǔ)兩個概念。第一個是AI數(shù)學(xué)論文。很多人一看到數(shù)學(xué)論文四個字就自動聯(lián)想到學(xué)術(shù)界灌水其實(shí)對AI行業(yè)來說這批論文更像是一份份公開的推理訓(xùn)練素材庫。數(shù)學(xué)數(shù)據(jù)和普通網(wǎng)文數(shù)據(jù)完全不同它是所有文本里最難產(chǎn)、最燒錢、最需要人工清洗校驗的類型。真實(shí)世界的數(shù)學(xué)論文雖然存量不小但能直接拿給推理模型當(dāng)訓(xùn)練語料的極少因為需要形式化、需要機(jī)器驗證、需要把中間步驟拆得足夠細(xì)。所以O(shè)penAI這次放出來的量級等于把自家一部分經(jīng)過驗證的高質(zhì)量數(shù)據(jù)資產(chǎn)公開化了。第二個是「個人代理協(xié)議」。這個詞組拆開看就很好懂個人代理就是替用戶跑腿的AI協(xié)議就是一套約束雙方或多方的規(guī)則。往場景里一放就是用戶授權(quán)一個AI代理去比價、下單、申請退款、預(yù)約配送那這個代理能執(zhí)行到什么程度、能不能碰用戶的支付信息、出了錯算誰的這些問題以前沒人說得清。協(xié)議要做的事就是把這種說不清變成說得清。兩個概念補(bǔ)完之后可以打個比方方便理解數(shù)學(xué)論文像一本本經(jīng)過嚴(yán)格校驗的菜譜AI是照著菜譜學(xué)做菜的廚師個人代理協(xié)議則像餐廳和顧客之間簽的服務(wù)細(xì)則規(guī)定廚師能自由發(fā)揮到什么程度、要不要每道菜都問一遍顧客口味、菜做砸了怎么賠。今天這兩條新聞一個在給廚師投喂更好的菜譜一個在給整個AI代跑腿行業(yè)立規(guī)矩兩條線剛好咬合上。2. OpenAI 722篇數(shù)學(xué)論文這里頭藏著真正的野心2.1 722篇論文到底意味著什么量變背后的數(shù)據(jù)邏輯先坦白說官方目前只給了722篇這個總數(shù)沒有把完整清單一張張鋪開給人看。但從行業(yè)慣例和過去幾次開源的風(fēng)格來推測這批內(nèi)容大概率會分成四類一類是模型產(chǎn)出的合成定理與證明數(shù)據(jù)一類是形式化證明相關(guān)的代碼、庫和工具鏈一類是新的數(shù)學(xué)評測基準(zhǔn)還有一類則是探索性研究論文。這個劃分方式不是憑空猜的因為對OpenAI來說數(shù)學(xué)方向最值錢的沉淀恰好就是這四塊。為什么數(shù)量這么重要因為數(shù)學(xué)推理數(shù)據(jù)是目前公認(rèn)的高質(zhì)量token。模型在這個方向上練得越多邏輯鏈條就越穩(wěn)幻覺率就越低。問題在于真實(shí)可用的數(shù)學(xué)數(shù)據(jù)極度稀缺。學(xué)術(shù)論文庫里雖然有幾百萬篇數(shù)學(xué)文章但其中大量是掃描版、排版復(fù)雜、格式不統(tǒng)一直接扔給模型訓(xùn)練還要先做一輪耗時耗力的清洗和標(biāo)準(zhǔn)化成本高得嚇人。所以頭部AI公司這幾年都在偷偷攢自己的數(shù)學(xué)數(shù)據(jù)集誰攢得多、誰清洗得干凈誰就有底氣。OpenAI直接放出722篇等于把家底掀開了一角。這里的價值不在于我們要不要逐篇精讀而在于整個行業(yè)的語料水位被抬高了一截。過去中小團(tuán)隊想碰數(shù)學(xué)推理訓(xùn)練先得花幾個月解決數(shù)據(jù)問題現(xiàn)在這一批公開數(shù)據(jù)放出來后后面的人可以直接站在前面整理好的地基上做二次開發(fā)。這就是722這個數(shù)字真正的分量。不過也要潑一盆冷水論文公開不等于權(quán)重開源更不等于模型能力免費(fèi)送。Releasing research和releasing models是兩回事前者更多是建立技術(shù)影響力、吸引人才、定義話語權(quán)后者才是真正讓你拿去跑業(yè)務(wù)。千萬別人家發(fā)了論文你就覺得自家產(chǎn)品馬上能用上兩碼事。2.2 數(shù)學(xué)為什么是AI的硬核試金石聊數(shù)學(xué)數(shù)據(jù)之前得先說清楚一個底層事實(shí)數(shù)學(xué)是幾乎唯一一個結(jié)果可以由機(jī)器自動判定對錯的學(xué)科。代碼對不對要跑測試用例、要看環(huán)境語言表達(dá)對不對還得靠人主觀評但一道定理證明題只要形式化定義清楚證明器能跑通那這個結(jié)果就沒有爭議空間。這個特性讓數(shù)學(xué)變成了AI推理能力的天然標(biāo)尺?，F(xiàn)在大家都在討論推理模型但推理模型好不好很難用普通聊天問答來評估因為聊天有太多糊弄的空間。數(shù)學(xué)不一樣你讓模型寫一道復(fù)雜證明它可以用邏輯鏈一步步展開最后丟給驗證器去檢查每一步是否成立一目了然。因此頭部公司砸重金往數(shù)學(xué)數(shù)據(jù)里投等于是在建一座推理能力健身房——日常任務(wù)里看不出的邏輯能力拉到數(shù)學(xué)題面前一測就露餡。對普通用戶來說這個趨勢也是有間接體感的。你讓AI幫你寫一段代碼、擬一份計劃、分析一組數(shù)據(jù)這些任務(wù)本質(zhì)上都在依賴模型的邏輯鏈穩(wěn)定性。一個在數(shù)學(xué)證明上被反復(fù)錘煉過的模型它在處理這些日常任務(wù)時的胡說八道概率會顯著下降因為它被訓(xùn)練成了每一步都試圖找到依據(jù)的思考習(xí)慣。這也是為什么不要覺得我又不做數(shù)學(xué)研究這新聞關(guān)我啥事——宏觀層面的推理能力提升最終會在你用的每一個AI產(chǎn)品里體現(xiàn)出來。2.3 對普通開發(fā)者的三個直接機(jī)會第一公開數(shù)據(jù)集的可用性會提高。雖然拿下來還得自己做清洗、格式轉(zhuǎn)換、質(zhì)量篩選但從零開始爬語料、找標(biāo)注團(tuán)隊、人工審核這條最苦的路可以省了。對想折騰垂直模型的小團(tuán)隊來說這是一個實(shí)打?qū)嵉牟牧涎a(bǔ)給。第二你可以把它當(dāng)作更嚴(yán)苛的評估工具。過去測模型靠跑通用的對話榜單分?jǐn)?shù)虛高的問題一直存在?，F(xiàn)在如果你要選型一個模型做嚴(yán)肅邏輯類任務(wù)完全可以抽取幾十道數(shù)學(xué)證明類題目跑一遍自動驗證直接拿通過率說事。這個評估方法比看任何宣傳文案都硬建議所有做AI應(yīng)用的團(tuán)隊都試試。第三形式化驗證工具鏈可能會借此長出一批新生態(tài)。數(shù)學(xué)論文、證明代碼、驗證器如果大量公開那AI寫代碼AI自動證明代碼正確性的組合就有了更肥的土壤。以后做代碼生成、自動化測試、合規(guī)審計的朋友可以多留意這類工具鏈的演進(jìn)盡早接上去吃一波早期紅利。另外有一個等待期要心里有數(shù)。722篇論文里就算有一半是有實(shí)操價值的數(shù)據(jù)清洗、格式統(tǒng)一、復(fù)現(xiàn)驗證這些事也要按周甚至按月來算。別看到新聞就急著改技術(shù)選型先讓子彈飛一會等社區(qū)的篩選和評測出來了再動手完全來得及。3. Meta與沃爾瑪?shù)摹競€人代理協(xié)議」零售場景下的AI新規(guī)則3.1 個人代理協(xié)議到底是個什么協(xié)議這個詞組沒有在標(biāo)題里展開細(xì)節(jié)但我反復(fù)讀了幾遍個人代理協(xié)議這幾個字再結(jié)合兩家公司的業(yè)務(wù)邊界基本可以斷定它不是某個具體App里的功能開關(guān)而是一整套成文的能力標(biāo)準(zhǔn)與責(zé)任框架。協(xié)議的對象是AI代理替你執(zhí)行零售任務(wù)這件事本身。打個比方就像你給自己請了一位私人助理。一個合格助理不只是勤快就行了他還得知道你的預(yù)算、口味、什么時候刷卡不用問、什么時候必須停下來等指示。如果沒有成文的規(guī)則助理干得好是運(yùn)氣好干砸了就只能互相扯皮。個人代理協(xié)議要做的事情就是把這個AI代理到底能替你做哪些事、不能做哪些事、把你數(shù)據(jù)用到什么程度、出了問題算誰的這些問題白紙黑字定下來而不是等出了事故再臨時解釋。Meta選這個點(diǎn)入場很有代表性。它在AI代理的底層能力上有自己的布局通過開放平臺可以讓商家和開發(fā)者基于統(tǒng)一協(xié)議去構(gòu)建代理服務(wù)沃爾瑪則提供了龐大的零售觸點(diǎn)從線下門店到線上下單、從物流配送到售后退換全鏈路都是協(xié)議落地的試驗場。兩家一個提供大腦與神經(jīng)一個提供手腳與場景。這跟過去那種單點(diǎn)AI插件有本質(zhì)區(qū)別。以前你裝一個比價插件它只能干比價這一件事且它的權(quán)限和責(zé)任邊界基本靠用戶自己猜。協(xié)議化的思路是把這個邊界標(biāo)準(zhǔn)化讓代理在聲明范圍內(nèi)自主行動在范圍外自動停下等待授權(quán)整個鏈路可記錄、可審計。這個思路一旦跑通AI代理才真正具備商用條件。3.2 拆解協(xié)議可能要管的六件事按行業(yè)里做智能代理類產(chǎn)品一貫要解決的問題來推斷這份「個人代理協(xié)議」大概率繞不開六個核心模塊模塊解決什么問題實(shí)操意義能力聲明AI代理到底會干什么不會干什么避免用戶對代理能力產(chǎn)生不切實(shí)際的期待授權(quán)范圍每一步操作能執(zhí)行到什么程度明確哪些動作自動做、哪些必須問用戶數(shù)據(jù)邊界用戶個人數(shù)據(jù)怎么用、怎么存購物偏好、支付信息等敏感數(shù)據(jù)的紅線可驗證日志每個決策和動作能否回溯出糾紛時有完整的記錄可查責(zé)任歸屬出錯后哪一方承擔(dān)損失退錯貨、下錯單、泄露信息的兜底機(jī)制跨平臺互操作代理能不能從一個平臺遷到另一個平臺打破單平臺壟斷讓用戶擁有代理權(quán)這六塊要是都能扎實(shí)落地其實(shí)就回答了做智能體產(chǎn)品最讓人頭疼的三個問題用戶憑什么信你、商家憑什么認(rèn)你、監(jiān)管憑什么不怕你。單看任何一個模塊好像都不復(fù)雜但把它們拼成一套各方都認(rèn)的規(guī)則難度不亞于當(dāng)年給移動支付行業(yè)立體驗標(biāo)準(zhǔn)——看著都是順手做做實(shí)際推起來牽一發(fā)動全身。3.3 為什么是沃爾瑪零售是代理落地最快的試驗田零售行業(yè)有幾個特點(diǎn)注定了它是AI代理最容易先跑通的地方。第一是商品標(biāo)準(zhǔn)化程度高一個SKU有固定編碼、固定價格、固定庫存狀態(tài)AI代理在做決策時環(huán)境非常干凈。第二是決策鏈路短用戶日常購物里買什么、買多少、什么時候補(bǔ)這些決策不需要幾百頁的盡調(diào)報告模型很快就能上手。第三是零售行業(yè)的數(shù)字化沉淀做得早訂單、庫存、支付、物流系統(tǒng)之間已經(jīng)有成熟的接口AI代理接入的摩擦成本比很多傳統(tǒng)行業(yè)低得多。具體到場景里就更好理解了。一個授權(quán)的AI代理可以幫你做智能補(bǔ)貨發(fā)現(xiàn)你常用的紙巾快用完時自動下單可以在你提交退款申請后自動跟蹤物流、核對政策、錄入憑證直到退款到賬還可以結(jié)合你過去的購買記錄在促銷季幫你篩選真正需要的商品而不是把所有打折信息都堆到你面前。這些事人類助理做得AI代理做得更好因為它處理信息的體量和響應(yīng)速度不一樣。但同樣要注意零售出錯的代價是實(shí)打?qū)嵉腻X。用戶把地址寫錯一次寄丟包裹可以理解為偶發(fā)AI代理連續(xù)買錯三次東西用戶八成直接卸載并拉黑這個品牌。所以協(xié)議里責(zé)任歸屬和賠付機(jī)制的設(shè)定比重寫十頁功能介紹都重要這也是為什么這份協(xié)議必須由平臺方和零售方聯(lián)合推而不是單個開發(fā)者寫個免責(zé)聲明就完事。3.4 開發(fā)者現(xiàn)在能做什么準(zhǔn)備如果你也在做智能體、AI助手、自動化流程類產(chǎn)品不用等這份協(xié)議全文公開再動手。有幾個準(zhǔn)備工作現(xiàn)在就可以推進(jìn)。第一產(chǎn)品里先預(yù)留授權(quán)管理模塊。把自動執(zhí)行、半自動確認(rèn)、一切都要人批做成三個可切換的授權(quán)級別無論是用戶主動設(shè)置還是后續(xù)按協(xié)議標(biāo)準(zhǔn)調(diào)整都不用推倒重來。第二從今天開始記錄完整決策日志。每次代理觸發(fā)一個操作都要把輸入?yún)?shù)、調(diào)用命令、返回結(jié)果、人工確認(rèn)記錄整整齊齊落下來。日志不僅是調(diào)試工具更是將來出了糾紛能自證清白的唯一證據(jù)。第三接口設(shè)計往標(biāo)準(zhǔn)化方向靠。協(xié)議的本質(zhì)是多方協(xié)作你做的東西如果從一開始就是封閉API、私有格式將來別人想對接你也會被高昂的改造成本擋住。開放接口思路一開始做慢一點(diǎn)后面反而省事。最后商業(yè)化之前算清楚錯誤成本。AI代理做得再聰明也一定會有出錯的那一天。一次錯誤造成的直接損失加上用戶流失的口碑損失如果高于人工處理的成本那這個功能就不該急著上線。把這句話貼在團(tuán)隊白板上能勸退很多為了炫技而上線的沖動。4. 這波潮流對從業(yè)者的影響與應(yīng)對思路4.1 能力競爭轉(zhuǎn)向可靠性競爭把今天這兩件事放回整個行業(yè)周期里看你會發(fā)現(xiàn)一個明顯的轉(zhuǎn)向從比誰更聰明到比誰更可靠。前兩年大家做AI產(chǎn)品核心賣點(diǎn)是它什么都會考的是知識廣度和生成速度。但這個階段已經(jīng)過去了模型能力大幅溢出之后用戶真正開始關(guān)心的是AI給的數(shù)據(jù)可不可信、AI做的決策敢不敢擔(dān)責(zé)、AI出了錯能不能補(bǔ)救。722篇數(shù)學(xué)論文是在給可信提供技術(shù)底座讓能力可以被驗證個人代理協(xié)議是在給擔(dān)責(zé)提供制度底座讓行為可以被約束。兩條腿缺一不可。對做技術(shù)選型的團(tuán)隊來說這個轉(zhuǎn)向的啟示是以后采購模型的時候可被審計會變成比跑分高更硬的指標(biāo)。跑分高只能說明理論上限強(qiáng)可審計才說明實(shí)際落地的時候你能把控得住。甲方問你的第一個問題會從這個模型能做什么變成這個模型做錯了怎么辦。產(chǎn)品經(jīng)理和研發(fā)的角色定位也要跟著變。過去大家的重心在寫提示詞、調(diào)參數(shù)、做推理優(yōu)化這些依然重要但已經(jīng)不夠了。未來AI應(yīng)用的核心競爭力是流程設(shè)計能力和風(fēng)險管理能力。你給代理設(shè)的權(quán)限邊界是否清晰、操作日志是否閉環(huán)、用戶授權(quán)路徑是否順暢這些不性感但關(guān)鍵的工程細(xì)節(jié)才是決定產(chǎn)品能不能從Demo走到商用的分水嶺。4.2 踩坑預(yù)警與實(shí)操建議作為在這條路上踩過不少坑的人我給自己列出了幾條實(shí)操提醒也一并分享出來。第一別急著給現(xiàn)有助手加自動下單這類的激進(jìn)功能。先在模擬環(huán)境里跑上一千次假任務(wù)把邊界情況磨平了再上生產(chǎn)。真實(shí)用戶的操作習(xí)慣比你想的刁鉆十倍比如同一個地址今天寫3棟明天寫三棟代理能不能識別出來這種問題只有實(shí)測了才知道。第二權(quán)限最小化原則永遠(yuǎn)適用。默認(rèn)只給AI代理只讀權(quán)限要觸達(dá)支付、修改訂單這類寫操作強(qiáng)制走一遍用戶確認(rèn)。雖然多一步操作會讓轉(zhuǎn)化率稍微下降但換來的信任價值遠(yuǎn)比那點(diǎn)轉(zhuǎn)化率值錢。用戶對AI的容錯率很低一次越權(quán)可能就永遠(yuǎn)失去他了。第三測試時不要只盯著成功率要看錯誤成本的分布。成功率99%聽起來很美但這1%的錯誤如果都發(fā)生在高客單價、高投訴風(fēng)險的商品上那你的售后團(tuán)隊就在給AI打工。做決策的時候要疊加錯誤損失權(quán)重去衡量而不是單一指標(biāo)。第四用形式化驗證的思維去設(shè)計你自己的評測集。不要只拿對話好不好這類主觀標(biāo)準(zhǔn)來衡量模型試著把關(guān)鍵業(yè)務(wù)邏輯轉(zhuǎn)成可自動校驗的測試項。就像數(shù)學(xué)論文用證明器驗證一樣你的AI產(chǎn)品也應(yīng)該有一組業(yè)務(wù)證明器每次迭代都跑一遍心里才有底。4.3 我的一點(diǎn)個人判斷講點(diǎn)沒有權(quán)威數(shù)據(jù)支撐、純粹個人經(jīng)驗的判斷僅供參考。接下來半年到一年我很可能會看到兩類配套出現(xiàn)一類是AI代理責(zé)任險之類的風(fēng)險轉(zhuǎn)移產(chǎn)品因為代理代跑腿一旦規(guī)?；鲥e糾紛是躲不掉的保險會是一個自然生長的市場另一類是統(tǒng)一的代理身份互認(rèn)標(biāo)準(zhǔn)——用戶在A平臺授權(quán)的代理到B平臺也能帶著授權(quán)記錄繼續(xù)干活不然每換一個平臺就重新授權(quán)一次體驗依然是斷裂的。對中小開發(fā)者我的建議是別只盯著做聊天機(jī)器人。聊天是入口但很難變成壁壘。真正有空間的是圍繞可驗證行為輸出做增量比如給企業(yè)做自動化審計日志工具、給電商賣家做AI代理策略管理面板、給合規(guī)團(tuán)隊做代理行為分析系統(tǒng)。這些玩意看起來不那么炫酷但都是今天這兩條新聞所代表的趨勢里會被持續(xù)需要的地基性工作。最后再提醒一句所有協(xié)議和論文要真正落地都需要時間。第一周別急著重構(gòu)產(chǎn)品先把信息消化透、把原文啃下來、把適用邊界想清楚再動手不遲。方向已經(jīng)很明確剩下的就是耐心和執(zhí)行力的問題。最后分享一個我自己的習(xí)慣——遇到新東西先別急著追熱點(diǎn)。把論文和協(xié)議都拉出來讀原文看它解決了什么問題、依賴什么假設(shè)再想自己能不能用上。這套流程幫我少踩了很多坑。今天這兩件事具體條款接下來還會有變數(shù)但對做AI應(yīng)用的人來說方向已經(jīng)很清楚讓AI變得更強(qiáng)很重要讓AI變得可信更重要。