意味着越来越多的人从AI中获得价值，我们都在共同攀登阶梯，将AI融入我们的日常生活。

　　有时这种使用方式是很好且有趣的。我个人在尝试将一切jiblify时烧毁了令人尴尬数量的GPU。虽然jib时刻很有趣且病毒式传播，但更令人兴奋的是我们正在触及表面的更深层次应用，例如：

　　我们只是触及了可能性的表面，随着AI模型变得越来越强大，我们通过这个入口能做的事情也变得越来越深刻。

　　这里有多少人看过电影？我们今天有Brendan在观众席。虽然我们仍然没有AI版的斯嘉丽·约翰逊，但2024年给了我们所谓的她时刻——声音生成技术从几乎接近到完全跨越了恐怖谷。我有一些朋友这么说，但请保持谨慎，让我看看是否能真正让你们震惊。

　　Anthropic的Claude 3.5 Sonnet去年秋天发布，在编程领域引发了迅速的氛围转变。人们现在使用AI编程做出令人印象深刻的事情。例如，这个人用AI编写了自己的Docent替代方案。无论你是经验丰富的10倍工程师，还是完全不懂如何编码的人，

　　从技术角度看，坏消息是预训练似乎正在放缓。自Alexnet时代以来，我们已经将预训练规模扩大了9到10个数量级，这意味着许多容易取得的成果已经被获取。研究生态系统正在寻找新的突破方式。

　　最重要的突破是OpenAI的推理能力。我们很幸运地在去年的AI Ascent上得到了来自Strawberry团队的Noam Brown的预览，展示了推理能力的发展方向。今年我们很高兴Dan Roberts在观众席中，他将做另一个关于O3和推理进展的演讲。不仅仅是推理，还有合成数据、工具使用、AI辅助支架等，所有这些正在结合起来，创造新的方式来扩展智能。

　　Anthropic的MCP创建了强大的生态系统和网络，我们也很期待看到它如何加速代理工具的使用。所有这些更大的基础模型、推理时间推理、工具使用都在结合起来，创造能够完成越来越复杂任务的AI。Meter基准是一个很好的定量衡量标准，但我认为更强大的是与你们每个人交流，了解因为O3、Operator、Deep Research或Sonnet才成为可能的事物。

　　目前，AI中最令人兴奋的技术创新正发生在研究和产品之间模糊的边界。过去一年中两个突破性的例子是Deep Research和Notebook LM，我们很高兴今天在观众席中有这两个产品的创造者——来自Notebook的Risa和Jason以及来自OpenAI的Issa Hulford。

　　让我们讨论价值将在AI技术栈中的哪里产生。我记得与Sequoia的优秀合伙人讨论这个问题时，当时我个人是这个图表中间的中智，说着啊，我不确定GPG包装器，我记得我的合伙人，尤其是Pat坚持认为价值将归于应用层，我记得当时想好吧Pat，祝你好运。但看到过去几年的发展，我想你是对的Pat，你属于这边，干得好。

　　如果你看到价值的创造，如果你看到像Harvey和Open Evidence这样真正创造客户价值的公司，我们非常相信应用层是最终价值聚集的地方，这一层的竞争正在加剧，基础模型也在这里展开竞争。

　　顺便说一下，真正从中获利最多的其实是行业领头人Jensen Hang，我们很期待不久后听到他的发言。

　　回到应用层，我们认为第一批AI[*]手级应用已经出现，包括chat GPT、Harvey、Glean、Sierra、Cursor、A Bridge，

　　而且还有一整套新兴公司正在各种丰富多样的终端市场崛起，包括Listen Labs、Open Evidence等，我们很高兴今天能够展示其中许多公司。

　　许多这些新公司将首先采用代理模式，这些公司销售的代理将从如今往往简单拼凑的原型，发展成真正强大的系统。

　　我们看到公司正在采取两种路径来构建：路径一是通过严格测试和评估进行编排；路径二是针对端到端任务调优代理。我们很期待今天听到Langchain的Harrison和OpenAI的Issa在这方面的更多分享。

　　对于深入了解某个领域的创业者来说，垂直代理是一个绝佳机会。我们看到公司创建的代理通过端到端训练，在特定工作流程中表现出色，采用的技术包括对合成数据和用户数据进行强化学习，使AI系统在特定任务上表现优异。到目前为止的证据让我们非常乐观：在安全领域，Expo展示了他们的代理可以超越人类渗透测试员；在DevOps领域，Traversal展示他们可以创建比最优秀的人类故障排除者更好的AI故障排除工具；在网络领域，Meter也超越了人类网络工程师。

　　所有这些数据点尽管还处于早期阶段，但让我们非常乐观地认为，经过训练解决特定问题的垂直代理能够超越当今最优秀的人类。

　　当劳动力变得廉价且充足时会发生什么？我们是否会得到大量低质量的AI产出？当品味成为稀缺资产时又会发生什么？我们很期待看到编码代理的持续进步以及它对技术格局的影响，同时也作为AI将如何改变其他行业的先兆。

　　大家早上好，感谢Sonia，感谢Pat。我们刚才讨论了非常重要的话题：为什么这些如此重要，现在世界上正在发生什么，以及当前AI的状况及其近期未来。现在我们将退一步思考，考虑中期和长期的预测。在这一部分，我们将分三个部分：首先讨论我们视为下一个主要浪潮的内容，然后探讨实现该浪潮所需的技术，最后我们将讨论这对我们每个人日常生活的意义。

　　一年前，AI Scent围绕着智能代理展开讨论，当时智能代理刚开始形成商业模式。讨论的核心是这些机器助手最终将汇聚成机器网络。这些机器网络现在被广泛称为代理群，它们在许多公司中发挥作用，并开始成为AI技术堆栈的关键部分。

　　在代理经济中，代理不仅传递信息，还能转移资源、进行交易、相互追踪、理解信任和可靠性，并拥有自己的经济体系。这种经济并不排除人类，反而是以人为本的——代理与人协作，人与代理合作。但要实现这一重要的下一波浪潮，我们面临许多技术挑战，其中三个最为关键：

　　这包含两层含义：首先，代理本身需要保持一致性。如果你与某人做生意，而他们每天都在变化，你可能不会长期与其合作。这种截然不同的体验会带来负面影响。代理需要能够保持其个性和理解能力。第二种持久性是理解用户。同样，如果你与某人做生意，而他们对你一无所知，甚至记不住你的名字，这也会对信任和可靠性构成巨大挑战。

　　我们一直在尝试从RAG和向量数据库到超长上下文窗口的各种技术，但在实现真正的记忆和自学习方面仍存在重大挑战，特别是使代理在重要方面保持一致，而只在应该有差异的领域表现不同。

　　好消息是，现在似乎所有人都在关注这一点。想象一下，如果个人计算没有无缝通信协议，没有TCP/IP，没有互联网会怎样？我们正在构建这一协议层，围绕MCP已经有很多令人兴奋的发展。看到大型企业合作制定这些协议非常棒，这只是允许信息传输、价值交换和信任转移的一系列协议中的一个。

　　这个话题将变得越来越重要，肯定是许多人关注的重点。如果你无法与业务伙伴面对面接触，安全和信任的重要性就更加凸显。与代理打交道时尤其如此。因此，围绕信任和安全将形成一整个新兴产业，在代理经济中，它比在当前经济中更为重要。

　　首先，它将改变我们的思维模式，这个房间里的人已经采用了我们称之为随机思维的方式。随机思维是对确定性的背离。许多人之所以热爱计算机科学，是因为它非常确定性——你编程让计算机做某事，它就会执行，即使结果是段错误。而现在我们进入一个随机计算的时代。如果你让计算机记住数字73，它明天、下周、下月都会记得。但如果你让一个人或AI记住，它可能记住73，也可能记住37、72、74，下一个质数79，或者什么都不记得。这种思维方式与过去几十年截然不同。

　　第二个变化是管理思维模式，这将关注于理解你的代理能为你做什么，不能做什么。每个人都知道成为优秀的IC工程师与成为出色的工程经理是不同的，大部分经济将转向更复杂的管理决策，如阻断流程和提供反馈。我真心希望这不会导致对代理进行年终评审——让我们尽量避免这种情况。

　　第三个主要变化结合了前两点：更多的杠杆作用伴随着显著降低的确定性。我们正进入一个可以做更多事情的世界，但你必须能够管理这种不确定性和风险。在这个世界里，这个房间里的每个人都非常适合茁壮成长。

　　组织内的各个职能部门将开始拥有AI代理，然后我们预测这些职能将开始融合，它们会聚集起来，整个流程将由AI代理完成。我们甚至预测会出现第一个一人独角兽公司。

　　虽然这还没有发生，但我们已经看到一些公司以前所未有的速度扩张，同时所需人员比以往更少。我们认为，我们将达到这个经济体中前所未见的最高杠杆水平。最终，这些流程和代理将会融合，你将看到神经网络嵌套在更大、更复杂的神经网络中，形成一个神经网络的网络。

　　这将改变一切：它将重塑个人工作，重组公司，并重建经济。感谢大家参加，我们今天将举办一场精彩的AIScent会议，我们非常感谢各位的参与。