bv伟德客户端

今年四月，甲骨文公司裁掉了全球3万名员工，占其总人力的五分之一。这家云平台巨头的赌注很明确：AI可以顶上这些岗位，而系统不会崩溃。 在与虎嗅交流时，Raphael 刚结束一场跨时区的会议。因为长期旅居国外，他的中文表达不算流利，语速很慢，表达的速度跟不上思考的速度。 2022年ChatGPT尚未问世,他已在亚马逊内部推动智能体(Agent)研发。如今他创办的OpenAgents只有7名员工,但目标是让这个小团队带着上百个AI协同工作。他的判断是:随着大模型推理速度指数级飙升,人类不仅会失去执行层的主导权,甚至会沦为阻塞生产链条的“效率瓶颈”。 带着这样的预判，Raphael 离开亚马逊创办了 OpenAgents。他的初创团队目前仅有7名员工，但他们的近期目标是：让这几个员工带着上百个 AI 一起工作。他们致力于为多智能体提供一个互相交流、协作互动的底层场所，打造一个专属于 AI 的“数字城邦”。 彼时，Raphael Shu和他在AWS的团队做了一个实验：把当时最好的大模型接进来,让它一边和人对话、一边写代码。他们连了一个Dropbox，让模型先自己读文档学会怎么用Dropbox，然后告诉它“帮我把所有TXT文件重命名成MD”——它就自己写代码，把这事办了。这成了智能体协作的雏形。 在大型科技公司的官僚体系中，最具颠覆性的创新往往首先被视为某种乏味的微调。Raphael在公司推“Agent”，大家一看demo，第一反应就是“这也就是更聪明的RPA（流程自动化）”，但是“RPA历史上都没多少用户，这能有什么用”。但当这项技术雏形被呈递给高管时，得到的冷淡回应：“这不就是更聪明的RPA（机器人流程自动化）吗？” 直到2023年3月，OpenAI推出了ChatGPT Plugin。决策者们恍然大悟，紧急开会，迅速拨给 Raphael 10个人和一大笔数据标注预算（他们还在印度雇佣了大量标注工程师），要求他以最快速度将 Agent 能力训练到亚马逊自研的大模型中。 刚出来创业时，Raphael Shu回了趟中国，他几乎把国内排名前 20 的头部投资机构聊了个遍。但他发现，当时国内投资人对 Agent 的认知，几乎全部停留在“Langchain 思维”里。“ 在 Raphael 看来，Langchain 用一种极具“误导性”的方式定义了 Agent——它将 Agent 矮化为了一个固定的“工作流（Workflow）”。这导致当你在聊 Agent 时，大家脑子里想的依然是画流程图。当 Raphael 试图向他们推销“多智能体协作”时，投资人以为的只是“多个工作流之间如何串联”。 但这二者有着本质的区别：工作流是死板的“流水线”，上下游按部就班，一步出错全盘崩溃；而多智能体协作则是“人类团队开会”，不同的 AI 扮演不同的角色，它们可以自主对话、动态分工，甚至互相纠错。 2026年，OpenClaw出现，许多人才开始接受了多智能体协作的概念，但Raphael早就料到了这个趋势。随后，另一个比OpenClaw距离真正的AI员工更近的应用Hermes出现。 Raphael认为，OpenClaw能火，是因为打了两个关键概念：一是“打造属于你自己的agent”，把AI从工具变成了工具人；二是它极其聪明地将交互界面搬到了 Telegram 上，让用户像给真人发微信一样，给 AI 派发任务、接收汇报。这让许多不懂技术的 CEO 和律师也能瞬间 Get 到它的价值。随后，距离真正的“AI 员工”更近的开源项目 Hermes 也应运而生。 但 Raphael 敏锐地指出，OpenClaw 并非没有代价，它的致命伤在于“极低的透明度”。由于用户完全看不到 Agent 在沙盒里具体执行了什么操作，这导致它极难被应用于软件开发这类需要过程全透明的场景。 这揭示了一个有趣的 PMF（产品市场契合度）错位：OpenClaw 最终圈粉的，其实是与开发者完全反向的那批人——因为开发者需要掌控感和透明度，而许多非技术用户根本不在乎黑盒里的过程，他们只要结果。 “如果大家都在打一场篮球赛，OpenClaw 想做的是场上最好的篮球选手，而我们想做的，是提供最好的篮球场。” Raphael 这样形容 OpenAgents 的定位，OpenAgents打造一个开放平台，允许用户接入各式各样的 Agent，甚至自定义 Agent。 但这块“篮球场”的搭建并非一帆风顺。去年，Raphael 团队的核心精力放在了打造一款面向开发者的底层工具上——通过 Python 构建一个网络，让基于 Langchain 或 AutoGen 开发的 Agent 能在其中互相通信与协作。 然而，当他们举办一场几百人规模的黑客松，却发现真正能运用工具跑通项目的人远低于预期时，Raphael 发现问题既不在宣发，也不在于bv伟德客户端成本，而是伪需求与高门槛：开发者必须先费力做出单个有用的 Agent，然后才能去探索多个 Agent 之间的协作。具备这种复合能力和强烈协作需求的开发者，实在太少了。 认清现实后，团队在今年进行了一次大刀阔斧的转型，决定做一款“Customer Zero Product”（零号客户产品）。这源于 Raphael 的一个坚持：“如果一个产品我们自己团队都不愿意每天用，那我宁愿不做。” 这一思路直接催生了现象级产品 Open Agents Workspace。它彻底抛弃了复杂的代码，变成了一个有 UI 界面、支持 MacOS、Windows 和 Linux 的零代码工作区。用户只需安装软件，像平时用电脑一样点几下鼠标，就能配置好 Agent 并接入工作区，全程不需要写一行代码。 Workspace 上线后的火爆程度超出了所有人的预料。连续三天，服务器被汹涌的流量挤爆，GitHub几天内暴涨了 1600 多颗星。Workspace迅速黏住了一批每天高频使用的铁杆用户，他们甚至比官方还着急。系统一出问题，这些具备技术能力的用户直接在 GitHub 上提 Issue、提 PR，顺手就帮官方把 Bug 修了。甚至有合作方直接出了一名工程师，无偿帮他们开发出了MacOS和手机端的APP。 目前，OpenAgents 在国内已积累了七八千名开发者用户，海外也有五六百人的核心圈层。在新加坡的一场国际学术会议 Workshop 上，更是吸引了 560 人付费报名。但这距离 Raphael 的目标还很远，他想要的不仅是规模大，更是一个能影响整个 Agent 经济走向的“超级社区”。 他希望这个社区里有创始人、大厂产品经理、学术界研究员，大家在一个开放环境里共同探讨一个终极命题：当经济的主体从人变成 AI 时，世界会发生什么？ 同时，他也定下了一个宏大目标：社区里孵化出 10 万个“Agent Master（智能体大师）”。你不必是懂代码的开发者，只要你拥有并熟练指挥你自己的 Agent，你就是这个新经济生态的一部分。 Raphael 透露，他们目前正在与一家合作公司进行一项名为“Shadow Mode（影子模式）”的激进实验。具体做法是：雇佣一名真人工程师或在线销售，让其在一个特定的模拟器上正常工作 40 小时。在此期间，AI 像影子一样在后台全程静默观察，记录下这个人的所有操作逻辑、行为模式，甚至包括他说话的语气和性格。40小时后，AI 将全面接管这个模拟器，用完全相同的“人类外壳”去自动化完成后续的所有工作。 在 Raphael 看来，OpenAgents 本质上是一家非常典型的 B2B 创业公司。其商业飞轮非常清晰：开源项目负责建立行业影响力和引流，企业端服务（如影子模式）负责创造现金流。 “在这个时代，Idea 本身没有那么值钱。” 经历了大厂的洗礼和创业的摸爬滚打，Raphael 对 AI 红海有着清醒的认知，真正难的是，在每天都有新东西冒出来、每天都有人高呼“这是 Next Big Thing”的喧嚣里，你还能看清楚一个自己愿意长期做下去的方向，并且坚持足够久。而这件事本身，就会成为的壁垒。 如今的 OpenAgents 保持着极致的精简：整个团队仅有7人，3名开发、1名 AI 工程师以及3名市场人员。这恰恰是 Raphael 理想中未来企业的切片：保持 8 到 12 人的极小人类团队规模，但背后却带着 100 个 AI Agents 在“数字领地”里开疆拓土。 这种预演，已经在巨头体内悄然发生。在我们对话的前几周，甲骨文（Oracle）启动了一场波及全球 3 万人的大裁员，裁员比例高达惊人的 18%-20%。 这件事给了 Raphael 极大的震撼。在他看来，云平台不同于普通的软件公司——Photoshop 的代码写错了，顶多是滤镜难看；但云平台的底层代码一旦出错，面临的就是大面积的服务宕机，“Oracle 敢下如此狠手，说明他们内部一定已经跑通了数据，证明裁掉这 20% 的人之后，靠 AI 顶上，系统绝对不会垮。” 这会触发一场可怕的连锁反应：一旦 Oracle 的算盘打通，其他巨头们绝对坐不住。竞争对手通过裁员狂砍运营成本，再把省下的重金砸向 AI，利润率和估值双双飙升——在华尔街的凝视下，谁敢不跟进？ 归根结底，这是一笔冷峻的经济账。在美国西海岸，维持一个能独立产出的资深软件工程师，公司一年的综合成本高达 60 万到 80 万美元；而像 Claude Code 这样的 AI 工具，哪怕按最高频次满负荷拉满，一个月的成本也不过九牛一毛。 当两者之间的成本鸿沟足够大时，用 AI 替代人类就不再是“偏好”的问题，而纯粹是个“时间”问题。“我觉得甚至都不需要等 3 到 5 年，快的话可能也就是 1 年左右的事。” Raphael 预判道。 那么，距离多智能体全面接管还有多远？Raphael 认为，在 Agent 大爆发之前，行业还需要几次类似 OpenClaw 这样现象级的创新。并且，这些引爆点极有可能诞生在“闭源产品”中。理由很简单：开源项目极难打磨出具备爆发力的 C 端体验，而闭源产品形态成熟，更容易在交互上完成降维打击，从而迎来真正的破圈。 “这就像人类历史的演进规律一样。” Raphael 用了一个比喻：任何重大成就都会经历两个阶段——首先是“个人突破”，其次是“团队突破”。就像造原子弹，第一阶段是奥本海默这样的天才在理论上验证了制造的可能性；第二阶段，则是把顶尖大脑们聚在一个“曼哈顿计划”里，分工协作把原子弹真正造出来。 Raphael 正在耐心地等待那个时刻的降临。对 OpenAgents 来说，眼下最重要的事情只有一件：赶在狂欢达到高潮之前，把那座最好的“篮球场”先铺好。 Raphael Shu：我大学毕业之后在日本待了11年，后来才来美国，所以我在国内的人脉非常弱。不过出来之后我回国聊了非常多的人，也发现国内投资圈其实大家互相都认识，我才逐渐觉得这个圈子并没有想象中那么封闭。 Raphael Shu：以前任何技术，就算你给它一万条训练数据，也很难达到这种程度。所以我们当时就认为，至少对于“能对话、能执行任务”这类机器人来说，大模型是一个颠覆性的转折。后来我也慢慢把这件事想清楚了。一个会话型AI，真正要解决的问题其实只有两个：第一，功能够不够全；第二，对话能不能像人一样自然。以前很多技术最多只能把其中一个维度往前推一点点。大模型出来之后，这两个问题同时被推到了一个新范式里。 Raphael Shu： 2022年到2023年，我们在AWS内部去押注agent。那段经历很像一次大公司内部创业：你看到了明确方向，但很难说服stakeholder，最后是外部环境变化，反过来推着组织来找你做这件事。 后来我在Bedrock带团队尝试多智能体协作。这两段经历让我形成了一个很重要的判断：AI行业变化太快了，很多人一看到新东西出来，比如MCP出来了，或者OpenClaw出来了，就立刻想跟着做一个项目，但这种跟法其实很危险。不是说这个idea一定错，而是你会没有足够的思考空间。 我现在会更在意一件事：不是看眼前这个机会，而是去想6个月之后，行业里哪些东西是确定会发生的。你如果押注的是那种更长期、更确定的变化，才有时间打磨产品，也才有真正的runway。 一种是现金流模式，做的是一个长期存在、能稳定产生现金流的business。另一种是IPO模式，在几年之内靠不断融资、快速扩张，把公司推到一个非常大的量级，最后走向IPO或者被大公司高价收购。这两种模式会直接决定你该做什么产品、不该做什么产品，甚至决定你需要什么样的co-founder、招什么样的人。 虎嗅： 你们发布了Workspace之后，Github上涨了1600颗星，还有很多开发者自主过来帮你们维护和完善，你们做的是人和agent协同的社区，还是agent和agent协同的社区？ Raphael Shu：现在还是一个过渡形态。我们发布的Workspace首先还是给人用的，所以它强调的是“多个人+多个agent”的协作。但更长远地看，我最看重的其实是agent和agent之间的协同。因为随着推理速度越来越快，人和AI在时间尺度上会越来越不匹配，到最后，人更像是慢速工具，agent才是高速执行和高速协同的主体。 举个很实际的例子。假设一家公司里，每个人未来都有自己的agent。如果Bary是CTO，Julia是工程师，两人有时差。Bary给Julia发了一个需求：做一个新的用户登录系统。Julia的agent看完之后，马上会意识到需求缺了关键信息，于是它不会等Julia醒来，而是直接去问Bary的agent：到底是继续用邮箱登录，还是改成Google登录？Bary的agent知道上下文，因为它知道Bary为什么提这个需求，于是会直接回答：全部改成手机号登录。这样很多信息差在agent之间就先补完了。 Raphael Shu：对我个人来说，runway基本是无限的，因为我同时也在给其他公司做顾问，但我不打算一直靠这个撑着。我的初衷就是做一个能健康产生现金流的business，不想走疯狂烧钱找接盘侠那条路。 Raphael Shu：我希望至少等企业端产品有10个客户在用，并且有积极的数据点之后再融资。如果我是做ToC，我可能会做个PPT，马上融一大笔钱，烧三个月看能不能爆。但我们是ToB，我还是更想慢慢把cash flow（现金流）做强。