Oracle Fusion Claw架构：只在推理时消耗AI单元，执行交给确定性计算

Oracle的Fusion Claw在2026年9月底发布时，外界已经知道它用大模型做推理、用传统计算做执行。但具体怎么分离、分离之后成本到底怎么降，Oracle应用开发执行副总裁Chris Leone在10月27日的AI World大会上给出了更完整的解释。

Leone说Fusion Claw的经济性改变来自两个层面：单个结果内部，以及跨结果之间。在单个结果内部，核心原则是只在需要推理时调用AI单元——也就是用大模型创建计划、组装工具、生成执行逻辑——然后把后续工作交给确定性计算。推理阶段可能消耗AI单元（取决于所用模型），但'确定性计算'和'精确执行'这两个阶段不需要大模型，也不消耗AI单元。

Leone举了一个客户例子：一家全球短租平台每月向总账写入约十亿条记录，需要理解每笔入住的开始和结束时间来正确确认收入。如果要用AI解决这类高容量场景，关键问题就是如何经济且精确地扩展。他的回答是：把百万条记录的处理、一千次计算、一百个场景的推演全部放在大模型之外完成，这样每次结果一致、精确，且成本可控。

跨结果层面的机制更值得注意。Leone说Oracle的工程团队会在每个结果完成后'做笔记'——查看结果、计划和上下文，记录走了哪条路径。下次遇到类似路径时，系统不需要重新发现所有分支场景。他声称内部测试显示这能节省高达50%的后续推理时间。据Reed在报道中的补充说明，这种'学习'几乎完全发生在大模型之外，因为大模型的学习意味着成本高昂的重训练。

在客户侧的成本控制方面，Leone介绍了几个具体工具。AI Studio中有预算和控制平面，可以在宏观层面、单个智能体层面、智能体应用层面设置预算，达到阈值时可实时终止。有'杀死开关'可以关闭特定智能体。CLI测试框架允许客户在正式部署前跑一段时间的智能体来模拟成本并生成预估预算。

最值得注意的是模型降级推荐。Leone说Oracle支持从最新Luna模型或OpenAI模型一路降级到4.1，也支持开源权重模型gpt-oss——后者对客户免费，运行在OCI上。测试框架的优化循环会告诉客户哪些智能体或工作流中的某些步骤可以降级到更便宜的模型而不损失精度。他说这个能力'从2016年就有了'，客户一直在用。

Fusion Claw目前有三种运行模式：全自动、研究和辅助。全自动在治理框架内自主运行，辅助模式充当副驾驶式建议层。AI单元的消耗量可能受模式影响，但用例复杂度和循环次数则确定会影响消耗量。

需要明确的是：上述所有成本数据都是Oracle自报的内部测试结果。SiliconANGLE在9月底的报道中已经指出，Oracle没有提供经过测量的成本节省数据或生产环境性能证据。50%的推理时间节省、模型降级后的精度保持、以及'笔记'学习机制的实际效果，目前都停留在厂商声称层面。

但从产业投资角度看，这个架构解释本身有独立价值。它说明Oracle认为企业级智能体AI的规模化瓶颈不是模型能力，而是推理成本。把大模型限定在'规划和组装'角色、把重复性计算交给确定性引擎、用跨任务学习减少重复推理——这套思路如果成立，意味着企业AI平台的竞争维度正在从模型性能转向成本架构效率。

diginomica记者Jon Reed在会后追问了实时成本监控问题。Leone承认实时成本监控仍在开发中，但现有的预算控制、杀死开关和模拟框架已经能提供实时约束。这暗示Oracle自己也意识到，对于'始终在线'的智能体循环，客户最关心的不是能力上限，而是成本下限是否可控。