Dust联合创始人Stanislas Polu：模型会换，企业积累的AI工作痕迹才是持久资产
Dust联合创始人兼CTO Stanislas Polu认为，大模型让智能变得充裕，但企业面临对单一供应商、数据痕迹和成本可见性的三重失控风险。他主张将智能体工作痕迹——记录指令、上下文、模型选择与人的反馈——当作可积累的组织资产，在模型更替时保留而非重建。
Stanislas Polu是AI协作平台Dust的联合创始人兼CTO。他在2026年10月接受Snowflake访谈时提出了一个判断：大语言模型让智能变得充裕，但充裕本身制造了新的问题——企业如何在不断更换的智能来源之间，保住自己独有的东西。
Polu指出，当前企业使用AI的方式大多还是一个人、一个助手、一个模型地各自采纳，由此产生三种依赖：对单一模型供应商的依赖、对智能体产生的数据和操作痕迹失去控制、以及对成本和行为的可见性不足。他强调，智能体工作痕迹记录了工作完成的方式——指令、上下文、模型与工具选择、输出以及人的反馈。随着时间推移，这份记录可能成为企业最有价值的AI资产之一，帮助企业评估工作流并开发贴合自身运营方式的系统。企业不应默认放弃这一资产。
Polu将智能体工作痕迹视为企业可以理解、改进和保留的资产。在Dust的设计中，当企业更换模型或供应商时，可以保留围绕工作流积累的上下文和学习成果，而不必重建整个运营层。
Polu认为，把AI当作只有一个永久赢家的竞赛是错误的。模型在能力、成本、延迟和专精方向上会持续变化，企业不应被迫预测赢家或在每次前沿移动时重建运营层。在他看来，持久资产是企业围绕智能构建的东西——组织如何运作、知道什么、做过哪些决定、人的判断在哪里起作用——这一层应属于企业自身，而非属于当下恰好领先的模型。