ykevinzhang：AI贸易的下一场战役在“足够好”模型与受限知识工作

过去几周，消费级AI智能体似乎迎来了拐点：Meta推出了能在虚拟机上代用户购物和填表的个人智能体Muse，初创公司Instinct的估值也在几个月内飙升至100亿美元。然而，对于AI投资而言，更具决定性的战场并不在这些演示产品，而在于企业级知识工作的收入结构。作者ykevinzhang指出，消费者市场的收入池相对于AI资本支出而言规模有限，主要只能重新分配现有的广告预算。要让当前的AI贸易逻辑成立，数万亿美元的净新增收入必须来自企业端。

目前，前沿实验室通过编程等“无界任务”捕获了大部分经济价值。无界任务是指那些总能从额外智能中获益的工作（如研发、交易），而“受限任务”则只需要固定水平的智能，超过该水平后模型改进不再提升表现（如从财报中提取数据、起草邮件回复）。作者认为，如果编程收入增长放缓，其他类型的知识工作必须填补AI收入的缺口。随着开源权重模型变得“足够好”，按数量计算的大部分日常知识工作将能够在云端或设备端的更便宜模型上运行。这意味着，虽然前沿实验室仍会占据最苛刻工作的收入大头，但在前沿之下存在着巨大的商业空间。

为了理解这种转变如何影响价值捕获，文章回顾了技术交互的历史：从命令行到图形界面让微软同时赢得了操作系统和应用；从单机软件到云优先协作软件让Salesforce等公司抢占了份额。如今，AI智能体的出现再次模糊了工作发生的位置、数据存放的位置以及推理运行的位置。作者提出了一个二维矩阵来梳理当前格局：一是模型运行在哪里（云端或本地），二是数据存放在哪里（云端或本地）。

当前的过渡状态是“云端模型处理本地数据”，这也是OpenAI和Anthropic桌面应用目前的架构。这种模式存在明显缺陷：智能体可能会破坏性覆盖本地文件且难以回滚，与第三方应用交互时行为不一致，面临提示注入攻击的安全风险，且在用户合上笔记本盖子时会暂停。相比之下，“云端模型处理云端数据”的云原生模式允许智能体在沙盒虚拟机中操作文件副本，从而更好地实现版本控制和回滚，但这使得拥有数据层（如Google Drive、OneDrive）的公司变得更加重要。

在竞争动态上，参与者正从不同角度切入。前沿实验室拥有最好的模型但缺乏数据访问权，因此正试图通过连接外部数据源或收购数据平台来扩展业务。大型科技公司（如微软、谷歌）掌握着当前的工作场所和数据，但尚未将其转化为数百亿的新增AI收入。微软最近推出了混合AI愿景，试图成为在本地和云端之间动态切换工作负载的“瑞士”式中立平台。与此同时，初创公司正在利用独特的切入点争夺分发渠道，以防被大厂扼杀。

对投资者而言，主流知识工作的平台归属远未确定。如果AI在企业知识工作中的采用速度慢于预期，或者无界任务无法及时接棒，瓶颈交易的多数标的都将受到影响。此外，随着个人计算设备算力提升，部分收入将从云端模型转移至本地模型。谁能赢得这个在前沿之下、能够无缝跨设备切换的“瑞士”层，谁就能声称获得庞大的受限知识工作市场。