
蚂蚁灵光蔡伟:Personal Agent 的战场在服务业,不在入口
蚂蚁灵光负责人蔡伟在张小珺播客里复盘 Personal Agent:三代产品分别对应千亿、万亿、十万亿三个市场,胜负手是供给接入与少打扰的边界感,补贴战与产品演进是两条独立的线。

蚂蚁灵光负责人蔡伟在张小珺播客里复盘 Personal Agent:三代产品分别对应千亿、万亿、十万亿三个市场,胜负手是供给接入与少打扰的边界感,补贴战与产品演进是两条独立的线。
摩根大通 2026 年 11 月这份内房报告把问题从「房价何时见底」换成了「谁还能撑到下一轮」,核心算法是预售制退出后,项目内部收益率从 14.4% 掉到 5.1%。结论是行业不会消失,但规模和玩家数量会重置:2027 年拿地降 30%-50%、新房销售降 20%-30%,2029 年核心净利再跟跌约 20%。下面拆的是报告里的原始数字和推导链条,不是对楼市的情绪判断。
数据来自摩根大通 2026 年 11 月 16 日中国房地产信用报告(The Survivor Will Survive)及 9 月 14 日股票侧报告,经公开摘要交叉核对;同一指标不同机构口径有差异,凡涉及口径分歧处已单独标注。
报告的英文名是 China Property: The Survivor Will Survive,中文媒体译作「中国房地产,只有幸存者才能生存」。卖方信用研究里很少把标题写成判断题,这份是个例外:它不预测什么时候反弹,而是先接受一个前提——行业规模会继续缩,然后问剩下的现金流归谁。
报告铺了三条线,最后汇成一个判断。第一条是 K 型复苏:一线城市和低线城市在往两个方向走,用「楼市」一个词已经讲不清。第二条是 8 月 28 日的销售制度改革,它把预售制度的融资功能实质抽干,开发商的商业模型被迫改写。第三条是 10 月底珠海华发的流动性事件,把「国企不违约」这个用了很多年的假设拉去做压力测试。三条线交汇出来的答案是:能活下来的不是规模最大的公司,是现金结构和资产结构最像「收租」的公司。
理解这份报告的正确姿势,是把它当成一张现金流重构后的定价表,而不是一份房价预测。它所有的推论都从「钱什么时候回来」出发,不从「房子值多少钱」出发。这个顺序换了,结论会完全不同。
要点:一句话记住这份报告:当预售不再给开发商提供无息杠杆,开发商的估值逻辑就从「土地储备折现」变成「到期债务覆盖」,这两套算法选出来的公司不是同一批。
先看 2026 年 10 月国家统计局口径的价格数据。一线城市新房价格同比上涨 0.6%,其中上海涨 2.4%、深圳涨 1.1%,而 70 城整体同比还在跌 2%。二手房的分化更明显:一线同比涨 1.6%,70 城整体跌 3.1%。同一个月份、同一套统计方法,两个方向。这就是所谓 K 型——不是「楼市在回暖」,是「一部分资产在重新定价,另一部分在继续出清」。
| 指标 | 数值 | 说明 |
|---|---|---|
| 一线新房价格(同比) | +0.6% | 上海 +2.4%、深圳 +1.1% |
| 70 城新房价格(同比) | -2% | 全国口径仍在下跌 |
| 一线二手价格(同比) | +1.6% | 70 城二手同比 -3.1% |
| 百强房企合约销售(10 月,同比) | -13% | 2024 年 -29%、2025 年 -18%,跌幅在收窄 |
| 二手成交占比 | 53% | 二手成交同比 +11.4%,新房在让位 |
百强房企 10 月合约销售同比 -13%,读法要小心。2024 年是 -29%,2025 年是 -18%,今年 -13%,跌幅确实在收窄,但收窄的原因有两层:一层是基数已经很低,另一层是需求在往二手走,新房口径天然被抽走一块。所以这条数字不能当成「需求回来了」的证据。
真正有结构含义的是 53% 这个占比。二手成交同比还在涨 11.4%,占了总成交的一半以上,说明新房供给收缩之后,需求已经切换到存量市场。这条数据是贝壳这类平台被列为增持的底层理由,也是「新房销售下降不必然等于住房需求消失」的解释。
把这两个数字放一起看:新房在缩、二手在长、价格在一线和低线城市反向。任何一句「中国房地产怎么样」的概括,在这种结构下都是错的。
2026 年 8 月 28 日,央行、金融监管总局、住建部、自然资源部、证监会在两天内密集下发多份文件。核心是两条:预售门槛提高到「单体建筑主体结构封顶」;预售项目的个人住房贷款,必须等项目竣工备案后才能发放。名字上预售没有取消,实际上它的融资功能被抽干了——购房人的钱全额进监管账户,开发商在交付前几乎动不了。
量化一下这件事有多重。按揭贷款占预售回款的 60%-70%,这部分从「网签后很快到账」变成「竣工后才到账」,延迟 12-18 个月(另一处口径是 1-2 年)。摩根大通把这笔时点变化直接代进项目模型,得到的结果是:项目层面内部收益率从 14.4% 降到 5.1%,加杠杆后的 IRR 从 29.8% 降到 6.8%。
这组数字是全文最硬的部分,因为它不依赖任何对房价的判断,只依赖回款时点。同样的地价、同样的售价、同样的成本,只因为钱晚到一年多,一个项目的资本回报就砍掉三分之二。
再看这条管子有多粗。摩根大通另一份测算的口径是:预售资金加按揭贷款,合计占开发商资金来源的 45%-50%。把这块的到账时点整体往后推一年,等于一次性抽掉开发商近一半的现金流。这也是报告敢把 2027 年拿地降幅估到 30%-50% 的原因——不是不想拿,是拿不动。

同一块地、同一套成本假设,只把回款时点从预售改到竣工后,项目 IRR 从 14.4% 掉到 5.1%,杠杆 IRR 从 29.8% 掉到 6.8%。这组数字不包含任何房价假设。
接下来是链条传导。IRR 掉到 5% 附近,意味着同样的地价拿不动了,开发商只能用两个办法维持回报:压地价,或者压拿地量。报告选的是后者——2027 年开发商拿地下降 30%-50%,新房销售随之下降 20%-30%;假设利润率不变,2029 年核心净利再跌约 20%。这是一个三年后才走完的链条,不是当年的财报问题。
利润率这边的数据也在同向走。国企开发商开发毛利率从 2025 年上半年的 15% 降到 2026 年上半年的 13%,2026 全年预计 12.5%;2026 年上半年国企核心净利同比平均下降 40%。注意,这是「预售还没完全切换」的年份就已经发生的事。
背景:有一个反直觉的补充,来自克而瑞和国信证券的另一组测算:旧预售模式下股东 IRR 能到 27.2%,新制度下资金峰值从 7.1 亿升到 18.5 亿(约 2.6 倍),股东 IRR 降到 8%-9%。但他们的结论是利润率未必崩——当所有开发商的 IRR 要求同时下降,多出来的财务成本会被打进地价里,地价降了,开发利润率反而可能修复。行业从「玩杠杆的银行模式」变成「靠产品和成本的制造业模式」,资金循环拉长到三年,更像造船业。这条对做产品的人是利好,对做周转的人是判决。
10 月 26 日彭博报道珠海华发在与银行协商贷款展期、信托产品兑付出现问题,随后几天里华发的境内外债券同步崩塌,整个高收益地产债板块被拖下水。11 月债价有修复,但收益率仍高于事件前。这件事的重要性不在于华发本身有多大,而在于它第一次让市场认真去算地方国企的资产负债表。
算出来的结果不好看。华发集团总负债 5440 亿元,珠海 2025 年财政收入 490 亿元,两者相差约九倍——直接注资在算术上就不成立。公司层面现金短债比不足 1 倍,EBITDA 对利息的覆盖只有约 0.5 倍,也就是经营现金流连利息都付不动。2026 年前九个月销售同比下滑 53%,净亏损 62 亿元。
| 指标 | 数值 | 说明 |
|---|---|---|
| 集团总负债 | 5,440 亿 | 约为珠海 2025 年财政收入(490 亿)的 9 倍 |
| 现金 / 短期债务 | <1 倍 | 短债覆盖不足 |
| EBITDA / 利息 | 约 0.5 倍 | 经营现金流付不起利息 |
| 2026 年前九月销售 | -53% | 同期净亏损 62 亿元 |
| 离岸 CNH 债 | -42.6 点 | 6% 永续债跌 54.2 点至 45.1 |
救助的方式也说明了约束在哪里。珠海市已经拿出 400 亿元,计划再动员 700 亿元资源,同时协调 46 亿元资产出售、用 1.81 亿元回购闲置酒店地块,并从国资委派了一名 CFO 进场。这是一套「不给现金给资源」的组合拳:协调、背书、卖资产、换人,而不是财政兜底。
报告里最具杀伤力的一段,是把 45 家国企开发商拿「三道红线」逐条筛了一遍:22 家、接近一半,触碰了两条以上;大型开发商全部合规。这句话翻译过来就是——「国企不违约」在统计上是个错觉,真正安全的只是头部那几家,中型和地方国企的资产负债表一样脆。
这也解释了为什么绿城的评级被上调。不是因为绿城自己多强,而是它的 29% 股权由央企中交集团持有并并表,可以共享授信额度。信用不是自己的,是集团的。反过来,同样有国企背景但拿不到并表支持的公司,在这次事件里就没有这个待遇。
注意:这条对做供应链、做项目合作的人比投资者更有用:判断交易对手不要看「是不是央企国企」,要看三件事——有没有被集团并表、能不能共享集团授信、到期债务的现金从哪来。华发的现金短债比不足 1 倍这件事,在爆出来之前,报表上是看得见的。
华发事件把高收益地产债打出一个坑,报告认为这个坑里有些名字被错杀了。判断标准很朴素:这轮抛售之后,谁的收益率高到足以覆盖风险,谁只是被情绪带走。

抛售之后,龙湖与绿城的相关债券收益率约 14%,瑞安 12%,新城约 16%,金茂 9%,中海与华润只有 6%。收益率高低本身不是好坏,关键是它有没有覆盖对应的风险。
| 主体 | 评级 | 债券收益率 | 关键指标 | 判断依据 |
|---|---|---|---|---|
| 龙湖集团 | 高配 / 首选 | 14% | 可动用现金 130 亿,自由现金流为正,2027/28 每年到期 60-70 亿 | 投资物业占比上升,对冲预售退出 |
| 绿城中国 | 上调至高配 | 14% | 现金 580 亿,2027/28 到期 80 亿 / 130 亿 | 中交并表、共享授信;事件后跌幅最大 |
| 瑞安房地产 | 高配 | 12% | 2027 年到期仅 20 亿 | 优质投资物业,租金收入同比 +4% |
| 新城发展 | 中性 | 约 16% | 现金 55 亿,自由现金流为负 | 收益率最高,但补偿不足以覆盖再融资风险 |
| 中国金茂 | 中性 | 9% | 有中化集团支持 | 9% 不够覆盖风险,性价比不足 |
| 中海 / 华润 | 中性 | 6% | 信用质量最好 | 风险最低,但估值已公允 |
资料来源:摩根大通 2026 年 11 月 16 日中国房地产信用报告公开摘要。收益率越高不等于越差,等于市场要求的风险补偿越高。
万科那一段是全文最值得学的技术样本。公司 2027 年到期的 10 亿美元境外债,报价只有 53 美分;市场在这个价格里已经写进了「40% 先付、60% 展期、回收率约 22 美分」的假设。境内债方面,2025 年 12 月到期的部分有 60%、合计 34 亿元已经展期到 2026 年 12 月。也就是说,债券市场不需要预测万科会不会违约,它已经在给「违约之后怎么分钱」定价了。
把幸存者归一下类,其实只有两种。第一种是投资物业为主的公司,比如龙湖、瑞安——它们的收入来自租金,预售政策对它们几乎无效,所以现金流的确定性不随新房销售波动。第二种是被央企并表的公司,比如绿城——信用不来自自己,来自集团。这两种都指向同一件事:现金流要么不依赖卖房,要么有人兜底。靠高周转、靠销售回款滚动的公司,在新规则下没有第三种活法。
信用报告看债券,股票侧的逻辑要另一份报告来支撑,也就是 9 月 14 日那份「后预售时代」报告。它的选股思路很干脆:既然新房销售要重置,就买那些收入不靠新房销售的公司。
| 标的 | 评级 | 目标价 | 逻辑 |
|---|---|---|---|
| 华润置地 01109 | 增持 | 40 港元 | 经常性收入占比超过 50%,抗预售冲击最强 |
| 华润万象生活 01209 | 增持 | 49 港元 | 商业运营为主,几乎不受住宅预售影响,FY26 盈利预计 +10% |
| 贝壳 BEKE | 增持 | 未列 | 二手成交占比升至 53%,份额与新业务双升 |
| 保利发展 600048 | 中性 | 5.00 元 | 销售落后同业、利润率低 |
| 龙湖集团 00960 | 中性 | 5.60 港元 | 违约风险低,但安全垫在收窄 |
| 中国金茂 00817 | 中性 | 1.18 港元 | 土储偏小、杠杆偏高,销售前景不确定 |
| 招商蛇口 001979 | 减持 | 5.50 元 | 估值偏高,开发利润率不足 1% |
目标价与评级为 2026 年 9 月 14 日报告口径,11 月股价已变动,这里只用于说明选股逻辑,不构成现在的建议。
估值这块有个细节值得记。板块市净率当时 0.44 倍,历史低点是 0.36 倍,如果回到低点,隐含还有 17% 的下行空间——所以报告的结论是「等 2027 年更明确的入场点」,不是「现在就买」。顺便说一个口径问题:有英文摘要把这组数字写成市盈率 0.44 倍,从 0.44 到 0.36 对应 17% 这个关系看,只有市净率口径成立,市盈率 0.44 倍在数学上讲不通。看研报摘要时这类错位很常见,值得养成反查的习惯。
为什么买收租的、不买卖房的?因为买收租的等于绕开了「房价还能不能涨」这个无法证伪的问题,只赌一件事:商场里还有没有客流、写字楼还有没有租户。华润万象生活不盖房,只做商业运营收租金和管理费,住宅预售怎么改都跟它关系不大——这是它的财报能维持双位数增长的结构性原因,不是运气。
反过来,招商蛇口被下调到减持的理由也很直白:开发利润率不足 1%。在这个利润率水平上,估值再便宜也没有安全边际,因为任何一个环节的成本波动都能把利润抹平。
判断一个城市的房价能不能稳住,比均价更早的信号是库存去化月数。摩根大通的口径是:一线 14 个月、二线 24 个月、三线 34 个月,全国商品住宅广义库存去化周期约 28.9 个月。二手房的隐含去化周期约 19 个月,而推动价格回正通常需要降到 12 个月以下。

一线 14 个月、二线 24 个月、三线 34 个月,全国广义口径 28.9 个月;二手隐含去化约 19 个月,而价格回正通常需要低于 12 个月。上海企稳和全国企稳不是同一件事。
这组数字回答了那个很多人困惑的问题:为什么新闻里说企稳,自己所在的城市毫无体感。因为企稳发生在一线,而一线的库存只有 14 个月;三线的库存是 34 个月,还在爬坡。用一线的数据代表全国,误差不是一点点。
再看政策端。市场传的按揭补贴规模约 4000 亿元,摩根大通的评价很克制:这个量级只相当于每年一手住宅销售额的 5%;历史上这类传闻的准确率约 40%;即便按 100 个基点的补贴力度、上海封顶 5 万元一套来算,年财政需求也在 440 亿元量级。它能降低购房成本,但不足以让买家相信「房价不会再跌」。
而要把库存去化拉回健康水平,报告测算需要投入 3-4 万亿元。4000 亿对 3-4 万亿,是 1 比 8 到 1 比 10 的关系。这个量级差决定了一件事:现有政策能改变下行的斜率,改变不了下行的方向;真正能让方向变的,是收入预期,不是补贴。
还有一层约束容易被忽略。北京和上海的 828 细则里,放松的是节奏而不是核心——定金比例上海 3%、北京 1%,土地款 30 天内付 50% 以上,余款北京允许两年内付清、上海是「1+1」年。但「竣工才放按揭」这一条没有松。也就是说,融资功能的抽离是刚性的,能调的只是土地款的分期方式。
注意:看政策别看措辞,看量级。4000 亿的补贴对 3-4 万亿的库存缺口,就算全额落地也只是把下行斜率压平一点。判断拐点,宁可盯「二手成交占比」和「库存月数」这两个慢变量,也不要盯某次会议的用词变化。
如果不在债市里做交易,这份报告仍然有用,因为它给的是一套「怎么判断一家房企还能活多久」的检查表,而且每一项都能在公开数据里找到。
| 判据 | 看哪个数 | 报告里的正反样本 |
|---|---|---|
| 短期偿付能力 | 现金 / 短期债务 | 华发不足 1 倍;龙湖自由现金流为正 |
| 到期墙结构 | 未来两年每年到期多少 | 瑞安 2027 年只到期 20 亿;绿城 2027/28 合计 210 亿 |
| 收入结构 | 经常性收入占比 | 华润置地超过 50%,是抗冲击的主要来源 |
| 股东支持力度 | 是否并表、是否共享授信 | 绿城由中交并表,这是评级上调的直接原因 |
| 资产可变现性 | 投资物业租金与估值 | 瑞安租金同比 +4%,且预售影响有限 |
前三项决定能不能活过今年,后两项决定活下来之后值多少钱。
如果是跟房企打交道的角色——供货、施工、代理、做联合开发——这五条比财报上的净利润有用得多。净利润是会计结果,可以往后调;现金短债比和到期结构是硬约束,藏不住。华发事件之前,那 0.5 倍的利息覆盖倍数就写在报表上,只是没人愿意看。
如果是看城市和板块,把「二手成交占比」和「库存去化月数」当成两个前置指标。53% 的二手占比说明需求已经在往存量市场迁移,这对做新房生意的人是坏消息,对做二手交易、家装、物业的人是结构性的好消息。判断一个具体板块,先看这个板块的二手挂牌去化速度,再看新盘的去化率,两个数背离就说明定价有问题。
最后要说清楚这份报告的边界。它是卖方研究,立场是给客户找标的,所以「幸存者」这个词本身就带着筛选后的乐观——被筛掉的公司在报告里只是一句「维持谨慎」。数据口径也有分歧,前面提到的市净率与市盈率就是一例。而整份报告最大的变量是 828 的执行力度:如果地方执行打折,「2027 年销售降 20%-30%」这个预测会偏悲观;如果执行比文件更严,那 30%-50% 的拿地降幅可能还不够。
要点:这份报告真正的价值不在结论(内房还没见底,这个判断不新),在方法:它把「房价」这个测不准的变量,替换成了「回款时点」和「到期结构」两个能查证的变量。前者靠猜,后者能算。任何行业进入下行期,这套换法都值得抄一遍。
这篇复盘按三层展开:三代产品各自对应的行业与市场量级、主动性带来的边界感难题、蚂蚁在供给与安全上的禀赋与短板。核心结论是 Personal Agent 的门槛不在模型分数,而在供给接入与克制打扰,单纯争入口是伪命题。
过去三个月,做产品的人嘴里多了一个词。Grok Bot、Meta Muse、OpenAI Dots、Instinct、Today,加上蚂蚁灵光的 2.0,一批产品挤在同一个动作上:不是回答你的问题,是替你盯着一件事。
盯事听起来很小。蚂蚁灵光负责人蔡伟在张小珺的播客里,把它放进了一个更大的坐标。Chatbot 对应信息行业,Coding Agent 对应软件行业,Personal Agent 对应服务行业。放到中国市场,这三个行业分别是千亿、万亿、十万亿的量级。
这期节目聊了近三小时(原视频:https://www.youtube.com/watch?v=Ydn4NH_KQT8)。他从在 Google 做计算机视觉讲起,讲到回国做投资,再到 2024 年 1 月加入蚂蚁带队做灵光,Personal Agent 的来路、当下和终局都过了一遍。
我看完最想留下的判断只有一句:这一代产品的胜负手不在模型分数,而在两件很土的事,一是能不能接上线下那些还没数字化的服务,二是能不能忍住少说话。
蔡伟把大模型出来之后的产品形态切成三段,切法很干脆。
第一代是 ChatGPT 这类聊天框,解决信息获取。搜索引擎给你十个链接自己看,聊天框直接把答案整理好端到你面前,效率差一个量级。
第二代是 Manus、Claude Code 这类任务型产品。你说一个任务,它拆成第一步第二步第三步,每一步挑合适的工具,再把结果拼起来。蔡伟认为这一层才是智能真正往前走了一步,因为”拆解”和”选工具”本身就是智能。
第三代就是 Personal Agent(下文简称 PA)。它和前两代最大的区别是主动性:不用你开口,它在合适的时候主动给你信息、主动替你把事情办掉。
三代产品对应三个行业,这是整期节目里我最愿意抄走的一个框架。
| 代际 | 代表 | 解决的行业 | 中国市场量级 |
|---|---|---|---|
| Chatbot | ChatGPT | 信息 | 千亿 |
| 任务型 Agent | Manus、Claude Code | 软件 | 万亿 |
| Personal Agent | Muse、灵光 2.0 | 服务 | 十万亿 |
这三个数字的差别不用我翻译,每往下一层就多一个数量级,读者自己就能看出天花板在哪。
他自己也承认这个说法”可能有些粗暴”。粗暴的地方在于,信息、软件、服务三个行业不是并列关系,服务业里本来就含信息和软件。但粗糙的框架有时比精确的框架有用,因为它直接指出了钱在哪。
蔡伟的解释是:信息的问题最好解决,线上信息就那么多,收集好、处理好、分发给用户就行。软件的问题是把固定流程做成固定界面,过去要请专业团队写,现在 Claude Code 这类产品在替。服务业最难,营养师、减重教练、小学家教、家里修水管的师傅,这些东西散落在社会方方面面,没有标准流程,也没有统一接口。
三代产品不是互相替代,是并存。蔡伟的说法是,模型能力每上一个台阶,就解锁一种新形态,老的形态不会消失。
那 2026 年这个台阶是什么?他给了一个很具体的观察:以前只有 30% 到 40% 能解决的事情,一下能到 60% 到 70%。这个数字本身不惊人,但它是通过率跨过了可用线。三十个点意味着产品体验从”经常失败”变成”大部分能成”,用户才敢把事交给它。
灵光的立项时间是 2025 年 3 月,Personal Agent 方向从春节后开始投入,到 10 月、11 月才敢放出来给公众测试。中间调了半年。蔡伟说这半年里很大一部分时间不在算法上,在安全隐私合规上。
另一件事是 OpenClaw 在春节期间的爆火。他自己第一次装花了两三个小时,中间各种 bug,评价是”非常极客产品”。但它给行业的启示很直接:模型的长程任务能力已经到这个程度了,只要把 skill 配好训好,它真能主动帮你干这么多活。
这里有个容易被忽略的成本项。蔡伟听说 Muse 在 Meta 内部孵化了六到九个月,灵光在蚂蚁内部也磨了半年,两家公司都有相当一部分时间花在同一件不性感的事情上:安全、隐私、授权。Personal Agent 不是泛泛的问答,问答答错了用户换个说法再问就行,Personal Agent 手上有你的日历、你的支付、你的家庭设备。
这一段决定这类产品的产品经理每天在纠结什么,所以要多说几句。
Chatbot 的产品主轴是问答,这个主轴本身立得很稳。你在 ChatGPT 里也可以做”订事情””完成任务”的功能,但那是给主轴加插件。蔡伟的说法是,一个产品可以有非常多的功能,但大概率只能有一个主轴。Personal Agent 把”替你管事情”当主轴,整个产品表达都不一样。产品要有自己的灵魂,功能和主轴不是一回事。
主动性具体长什么样?他举的例子是追星。假设你是某个明星的粉丝,你想知道他什么时候来杭州、有没有演唱会、什么时候放票,你希望第一时间知道。这件事以前要么托人盯着,要么自己每天刷,非常消耗精力。交给 PA,它替你盯。
再往生活里走,是带娃、管车、管人际关系、理财、健康。这些事共同的特点是高频、琐碎、需要长期跟进,而且没人愿意天天主动去查。
主动性有一个天然的副作用:打扰。
蔡伟在这里的表述我认为是整期节目最诚实的一段。他说每个人的边界不一样,有人希望多汇报,有人希望永远别说话、每天给个日报就行。这是个高度个性化的事情,冷启动阶段很难一次就对。
他评价 Muse 的边界感调得比另外几家好,并且给出了机制解释,这段值得记下来。
信息应该分层分级。他拿日本旅行举例:下个月几号到几号去,这是事项本身,核心信息是订机票、订酒店、跟老板请假、时间有没有跟别的事冲突。往外一层是天气、环境变化、新开了个动物园,相关但没那么直接。再往外就是相关性推荐了,我知道你要去日本,所有日本相关的东西一股脑推给你。
三层信息在三个位置扮演不同角色。产品要做的是判断”对我这个人、当前这个需求”,哪些在内环,哪些在中环,哪些在外环。
为什么这件事难?蔡伟说,这种边界感你给模型再强的泛泛 prompt 也调不出来,因为每个人的边界感不一样,它不会天然长在模型里。Muse 在这上面大概率是产品价值主张加上大量人工调优的结果。
然后是他的正循环论证,我认为比技术解释更有说服力:
如果每次推给你的消息都有信息含量,而且不常推,那下次推的时候你一定会认真看。反过来,每天早上一条早报、晚上一条夜报,信息含量都不高但天天发,你很快就会把它归类成营销短信,下次直接划掉。
他用的对比是微信。微信的 push 没人当营销短信,因为微信 push 一定是某个人有事找你,那是真实世界的反馈。PA 要做的是挤进这个类别,而不是挤进国庆节所有 App 都在推旅游攻略的那个类别。
从这里可以直接推出留存逻辑的差别。单轮问答的留存取决于这个问答本身高不高频,低频就低留存。Personal Agent 不一样,你把一件重要的事托管给它,这件事会持续出现在你生活里,而且生活里不可能只有一件事。留存来自它真正接管了你生活里那些需要长期管理的部分。
这段话解释了一个现象:为什么 PA 类产品整体留存比一般 AI 产品高。不是因为它更聪明,是因为它管的是”不能忘的事”。
节目里蔡伟反复回到一个三分法,这也是他判断赛道的尺子。
三样缺一样都不成立,而且它们的重要度会换挡。他的判断是短期内看智能,中长看供给和安全。理由是智能迟早会同质化,他把这比作 iPhone 4 之后的智能手机行业:模块固定住了,之后每代产品基本都是参数变化。
智能这块他给了一个我认为最该被记住的算术。一个十步的任务,哪怕每一步的成功率有 97%,十步连乘下来整体只有 74% 左右。要是每一步成功率高到 90%,十步连乘只剩 35%。单步 3% 的错误率听起来可以忽略,乘十次就是四分之一的任务失败。
这个算术解释了为什么”能调工具”和”调好工具”之间隔着一道鸿沟。打榜的时候你只关心工具调得对不对,真实场景里用户只关心事情办成没办成,而一件事往往要走十步。蔡伟的原话是行百里者半九十,前面九步都对,最后没完成,对用户来说就是没完成。
他说现在把长程任务的准确率从 70% 提到 90% 依然不够,因为结构性问题在复合,不在单点。
供给这一块,他给了一个我觉得很多做 AI 产品的人会低估的论点:O2O 那波给 PA 打了十年的地基。
逻辑是这样的。Agent 要 access 线下服务,前提是这些服务已经线上化。你没线上化,PA 没法把一个不存在的东西翻上来。而 O2O 那十年干的正是这件事:把线下的餐饮、出行、生活服务一家一家搬到线上。所以淘宝、支付宝这类平台当年的苦活,现在变成了 PA 的现成供给。
他的原话是”整个 O2O 这一波供给的线下翻到线上,其实是打了非常非常多好的基础”。反过来说,如果供给不够开放、市场足够割裂,结果就是市场上出现一堆垂直 PA,做理财的、做健康的各干各的,因为每个 PA 后面是各自独立的供给。
他还举了自己产品的例子。灵光接进钉钉之后,在钉钉场景里特别好用,本质原因不是模型变强了,是钉钉给了足够的上下文和生态。供给足够好、足够多,agent 才有东西可调。
安全可信这块,他给的最具体的例子是支付。PA 帮你买东西,什么时候该付、什么时候不该付、什么时候需要你授权、哪些东西能连哪些不能连,这套系统跟过去基于人的安全隐私合规系统不一样。他的定位很硬:这不是锦上添花,是必须做到。做不到,用户不会把 context 交给你。
聊到优势,蔡伟的答案很实在。智能、供给、安全三块,蚂蚁都有积累:供给来自支付时代到支付宝到生活服务的那十几年,安全来自金融业务天然的监管要求,可信计算、隐私计算都有专门团队。
短板他也认。蚂蚁擅长的是业务型产品,第一天就清楚有几方、谁拿流量、谁供供给、怎么分钱。而 Personal Agent 一开始是个相对纯粹的产品,C 的成分更重,对模型能力的体感要求高,对 C 端交互的体感要求也高,做出来之后还得会推向市场。这类事情蚂蚁做得相对少。
他还顺手给了个公司分类,挺准。Meta 是产品驱动。Google 是技术驱动,而且偏工程驱动,搜索能做那么好本质是 infra 强。亚马逊是业务驱动,重运营重效率。OpenAI 和 Anthropic 是研究驱动,核心能力是把前沿 research 落成所有人都喜欢的产品。
业务型公司能不能做出好产品?他的回答是不认基因决定论,举的例子是阿里。2004 到 2006 年没人觉得阿里是技术公司,现在业内都认,淘宝背后那套搜索推荐、双 11 的并发承接,都是硬积累。
这段是我没想到会出现在一期产品访谈里的内容。
节目里问了考核指标。蔡伟的答案是 DAU,而他自己对这个答案并不满意。
他说如果唯一的考核目标是冲 DAU,团队大概率会往跟产品主张无关的方向做功,因为完成一个目标有很多渠道,一定有些更容易,你只需要这个目标就一定会选最容易的那条路,”最容易的你运气好它可能是最正确的路,但绝大部分情况下最容易的都不是最正确的路”。
他补了一句更狠的:一个目标一旦变成指标,就不再是好目标。
替代方案是方向加过程指标。方向是产品主张和价值,讲清楚之后大家知道内核在哪,环境变了做调整也容易理解。过程指标是看用户到底创建了多少事项、有多少活跃事项、哪些真正完成了、哪些做到一半 drop 了。
他对成功的定义给了个数字:千万到亿级 DAU。这个数字得放在行业基准里看,微信、抖音是这个量级,一个生活类 AI 产品敢报这个数,说明他心里的定位就是国民级应用而不是工具。
节目最后问了春晚会不会打 Personal Agent 补贴战。他的回答是有可能,但不一定用发红包的形式,也可能是让你免费体验某一项服务,比如去年的请喝奶茶,本质是让你真的体验一次”能用它点外卖”。
他对补贴的态度很平:这是一个商业决策、竞争决策,跟产品演进是两条独立的线。他还引了一句蚂蚁老同事的话,说在中国这样充分激烈竞争的环境,如果是 Sam Altman 来,他也要发红包。
那句”两条独立的线”是这段的关键。补贴战打得好不等于产品做得好,反过来产品做得好也可能被迫应战。他担心的是补贴战挤掉产品迭代的资源,而不是补贴这件事本身。
算力账他算得比较乐观。理由是 PA 的交互不必全部实时:你说”每天帮我总结当日股市”,不一定要在 9 点 10 分整跑,9 点 5 分也行,这样就能吃波峰波谷,把离线任务塞进波谷期。波谷期的推理不需要 H200,便宜的卡也行,代价是原来 10 秒的活变成 30 秒,对离线场景不重要。
长期看他认为算力成本会大幅下降,所以现在很贵但用户价值很高的场景,几年后结构会完全不同。
业内有个说法,我们高估了大家对助理的需求,现实里只有很少的人有助理。蔡伟的反驳是供需匹配问题,不是需求问题。
他的推理是:高管请助理,是因为雇一个助理的代价远小于助理带来的价值。普通人没有助理,不是因为不需要,是因为真人助理的价格有个下限在那。AI 助理现在的价值还达不到真人助理的价格线,但这个线会移动,AI 能力往上走,算力成本往下走。
他做了个思想实验:如果现在能给你配一个真人级助理,一个月一块钱,随叫随到,大部分人会立刻要一个。
这个思想实验的价值不在结论,在于它把”需求真伪”的讨论换成了”价格线在哪”。他自己给的算式是:助理每月给你创造 100 块价值,成本 50 块,定价 60 块,公司赚 10 块,用户留 40 块,这个决策没有理由不做。
对应的商业模式他也分了两条。一条是生产力逻辑,按创造的价值定价,像请钟点工,杭州两小时一百二,未来 PA 干同样的事只要二十块,你肯定雇二十块的。另一条是流量入口逻辑,PA 帮你做购物决策、推荐医院保险,它成了一个通道,收过路费。
他倾向于第一条。理由是流量逻辑依赖中心化流量聚集,而 PA 不依赖,它只需要单点价值足够高。这也回到他全篇的一个基本判断:AGI 带来的是供给侧变革,不是场景侧变革。移动互联网那波是场景侧变了,手机有了定位,以前点不了外卖现在能点了,需求被解锁。PA 这波是供给本身被重构。
先说印证的部分。
我们 11 月在站内做过一套 Personal Agent 源码对比(三个自托管 personal agent 源码对比),当时从 rakazo、OpenMuse、OpenDots 三个仓库里抽出三条差异轴:agent 循环在谁手里、代码在哪台机器跑、什么动作必须先问你。
蔡伟把第三条抬到了战略层,叫”安全可信”,并且给了它一个具体形态:支付授权。源码层面的”审批门”,在产品层面的对应物就是”什么时候问你”。这两件事能对上,说明我们当时从代码里抽的那条轴没抽错。
再说修正的部分,这条更重要。
我们那套对比里,商业侧是按能力清单和价格组织的:几家产品多少插件、多少连接器、月费多少。这套组织方式暗含一个假设,PA 是入口之争,谁占住入口谁收过路费。
蔡伟明确反对这个假设。他说 PA 不完全是一个流量的逻辑,它是一个生产力的逻辑。按这个说法,用插件数和月费去横比,量到的是军备竞赛的表层,量不到”它替你管的事值多少钱”这个真正的定价基础。
我把这条写出来,是因为它对我们判断国内这批产品有用:如果按生产力逻辑定价,那衡量指标应该是”托管事项的完成率和续费率”,而不是 DAU 和插件数。蔡伟自己说的过程指标,恰好就是这个方向。
最后补一句我自己的观察。这期节目里最反直觉的一点,是一个做通用产品的人反复在讲克制:少打扰、少推消息、不把 DAU 当目标、承认供给比模型更重要。
做加法容易,做减法难。Personal Agent 这个品类如果要死,最可能的死法不是模型不够聪明,是它变成了一个每天早上给你发早报的 App。
V2EX 用户近日发起一项讨论,询问开发者更换大模型供应商的真实原因。发帖人观察到一个现象:价格并非开发者切换模型服务的主要驱动力。其个人经历显示,某家服务商在关键时刻返回 429 限流错误,才是促使他更换供应商的直接原因,相比价格因素,服务稳定性问题更令开发者难以接受。帖子列举了四种常见的切换动机供社区讨论:一是另一家服务更稳定;二是另一家价格更便宜;三是为了尝鲜新模型;四是另一家更聪明、效果更好。作者表示正在收集上述建议,以解决实际问题为出发点,并公开了相关开源项目 SeasAGI 的源码地址。这一讨论折射出当前 AI 应用开发中的真实痛点:随着各家模型能力逐渐趋同,API 可用性、限流策略、响应稳定性等工程指标在技术选型中的权重持续上升。对于深度依赖单一供应商的团队而言,关键时刻的限流可能直接导致生产事故,这一现实也在推动多模型路由、故障自动降级等架构方案在开发者社区中日益流行。
核心观点:大模型竞争焦点已从价格与能力转向可靠性,一次关键时刻的429限流,足以击穿用户的品牌忠诚。
原文链接:V2EX 分享发现
安全研究人员披露了一个名为 nginx2root 的漏洞利用链,该漏洞链将 Nginx 的 HTTP/2 协议处理漏洞与 Linux 内核 SCTP 子系统中的缺陷相结合,最终实现对目标主机的 root 级远程代码执行。据统计,公网中可识别 Nginx 版本的主机里约 98.9% 处于影响范围内,涉及 Nginx 1.9.5 至 1.31.8 的广泛版本区间,意味着绝大多数暴露在公网的 Nginx 服务器都存在潜在风险。测试显示,该漏洞链不仅能在 Nginx 进程层面执行代码,还能成功逃逸运行 Nginx 的 Docker 容器,直接获得底层宿主机的 root 权限,使攻击影响从单个应用扩展至整个主机,对容器化部署的云环境构成严重威胁。尤为值得关注的是,这一漏洞链由 AI 在 90 分钟内自主发现,展示了 AI 在漏洞挖掘和攻击面分析领域的实战能力。详细技术分析与缓解方案已在 nginx2root.com 及相关技术博客公开。运维团队和生产环境需尽快自查 Nginx 版本是否受影响,评估风险并参照官方缓解方案进行加固。
核心观点:当 AI 能在 90 分钟内自主串联跨层漏洞链,攻击成本骤降,安全防御逻辑被迫进入机器对机器的攻防时代。
原文链接:V2EX 分享发现
近日,Linux.do论坛有用户发帖提出质疑:CCS、magpie等第三方工具读取Claude官方账号套餐剩余额度的行为,本身可能构成一种封号标记。发帖人指出,这类工具为了在界面上显示剩余额度,需要每60秒向Anthropic服务器发起一次请求。而请求所使用的IP来源难以控制,CCS具体通过哪个代理发起调用,社区中并未有人深入研究。该用户担忧,这种高频轮询行为可能被Anthropic的风控系统识别为异常访问,进而导致账号被封禁。Claude Code是Anthropic面向开发者推出的AI编程工具,采用订阅制套餐,官方并未提供完善的额度展示界面,因此大量用户依赖CCS等第三方工具监控用量。与此同时,Anthropic对账号使用规范执行较为严格,此前已有多起用户因共享账号、跨区访问等行为遭封禁的案例,使得用户对任何可能触发风控的行为高度敏感。需要指出的是,上述说法目前仅为社区用户的推测,Anthropic官方并未证实高频查询额度接口会触发封号,CCS等工具的开发者也未作出回应。该帖子发布后引发了部分用户对第三方工具安全性的讨论,相关风险仍有待实际案例观察和验证,用户可据此自行权衡是否继续使用此类工具。
核心观点:第三方工具的便利建立在官方API之上,高频调用既是功能也是风控信号,灰色生态与账号安全难以两全。
原文链接:Linux.do
科技教育网站Pikuma发布长文《x86 CPU简史:从4004到486》,作者Gustavo Pezzi通过梳理Intel早期芯片的演进历程,解答了一系列x86架构的历史谜题:为什么x86采用小端序存储?寄存器为何命名为AX、BX、CX、DX?DOS程序员为什么习惯使用A000:0000这样的段地址写法?为什么现代PC开机时仍要模拟1978年的8086芯片?文章指出,这些问题的答案不在技术手册中,而是藏在每颗芯片诞生的历史背景里。从1971年的4004(全球首款商用微处理器)开始,Intel逐步推出8008、8080、8086等芯片,每一代设计都受限于当时的工艺水平、成本约束和向后兼容需求。寄存器命名源于累加器、基址、计数、数据的功能划分;段地址机制则源于8086的20位地址空间设计,16位寄存器无法直接寻址1MB内存,因此采用段与偏移的组合方案。文章强调,现代x86处理器虽然性能强大、指令集复杂,但依然保留了大量数十年前为兼容早期软件而设计的底层机制,理解这段演进历史,是理解当前芯片架构设计逻辑的关键。
核心观点:x86的历史包袱既是护城河也是枷锁,读懂架构为何如此,才能看清芯片产业的下一轮变局。
原文链接:Hacker News