第一篇｜今日 AI 观察：模型正在变成“可替换零件”，真正的竞争开始发生在模型之外
9 月 15 日最值得注意的几条 AI 消息，看起来分散：Meta 推出了新的订阅体系，Google 被曝向全体工程师开放竞争对手 Claude，Claude Code 又更新了一批与长任务和网络权限有关的能力，欧洲几家芯片公司则开始争夺企业推理和 AI 数据中心网络市场。如果把这些变化放在一起看，一个很有意思的结构正在形成：过去我们习惯把“选哪个大模型”当成 AI 产品设计的第一问题，现在模型本身越来越像一块可以替换的计算部件，真正决定体验、成本和控制力的，是它被放在什么工作环境里。
Meta 在 9 月 15 日正式推出 Meta One，就是一个很典型的例子。它没有再做一个独立的“AI Pro”应用，而是把更高额度的图片、视频生成、Instagram Restyle、语音效果，以及面向商家的 Meta Business Agent，直接打包进 Instagram、Facebook 和 WhatsApp 的订阅体系。Meta 称，Meta One 已经通过分阶段测试积累了 1500 万订阅和试用用户，基础版 Meta AI 仍然免费，付费层真正出售的是“在原来应用里更多地使用 AI 和专业能力”。
这里有一个容易被忽略的产品变化。AI 商业化最早卖的是“一个更聪明的聊天框”，所以 ChatGPT、Claude、Gemini 都有独立订阅。但 Meta One 展示的是另一种路线：用户最终可能不是为了使用 AI 而付钱，而是为了在自己本来就在做的事情里少几个步骤。创作者购买的不是“一个图像模型”，而是更多修改素材和理解受众的能力；小商家购买的也不是“一个 Agent”，而是 WhatsApp 里的客户响应和运营能力。模型在界面上反而越来越不重要。Meta：Meta One 官方公告（9 月 15 日）
同一天，另一个更值得开发者注意的信号来自 Google。据 Business Insider 报道并获得 Google 发言人确认，Google 已经允许全体工程师在内部开发环境 Antigravity 中使用 Anthropic 的 Claude Opus 5；Gemini 仍是默认和主要模型，Claude 按个人额度提供，而且工程师得到的是 Claude 模型，而不是 Claude Code 这套工具。
这个细节比“Google 居然使用竞争对手模型”本身更重要。Google 实际上把两件过去经常捆在一起的东西拆开了：模型是谁的，和工程工作环境是谁的。它可以保留自己的代码环境、上下文、日志、企业策略和工具接口，只在需要时把某些任务交给另一家的模型。这和普通用户在几个 CLI 之间复制提示词完全是两种思路：不是同时运行五个完整产品，而是保留一个工作环境，把模型能力当成可调度资源。
Claude Code 9 月 15 日附近的更新恰好从另一面说明，为什么“Harness——也就是模型外面的执行环境”正在变得越来越重要。新版本为自动模式增加了单条命令级别的网络域名许可：某个 Bash 或 PowerShell 命令需要访问哪些主机，可以只为该命令开放，而不是给整个会话一张长期网络通行证；动态工作流碰到用量上限时，也可以暂停并在额度恢复后继续，而不是直接丢掉正在运行的 Agent。长时间 MCP 工具调用还增加了周期性进度信号，避免因为长时间没有输出而被客户端误判为超时。
这些更新没有新模型发布那么吸睛，但对真正运行自动化的人反而更实际。一个能连续工作几小时的 Agent，需要解决的已经不是“模型会不会写这个函数”，而是额度耗尽以后怎么办、某条命令到底能连哪里、工具二十分钟没有返回是不是死掉了。模型能力越强，外围软件越像传统操作系统：它负责资源、权限、恢复和状态，而不是负责变聪明。
这种拆分正在继续向硬件层蔓延
9 月 15 日，荷兰 Axelera AI 正式把第二代 Europa 推理芯片推向企业和数据中心市场，并宣布会进入 Dell、Supermicro 等系统。Europa 并不是为了训练下一代超级模型，而是针对企业实际运行视觉语言模型、生成式 AI、Agent 等推理工作负载。更有意思的是它采用标准 PCIe 形态，试图让企业在现有服务器里增加推理能力，而不是先重建一套完整的新平台。Reuters 同日报道，Axelera 已获得多项欧洲“AI Factory”相关供货合同。
同日获得超过 1 亿美元融资的 Delos Data，则盯上了另一个瓶颈：芯片之间怎么搬数据。它提出的判断是，未来 AI 集群不会只有一种 GPU、一种模型和一种网络，而会混合不同加速器、内存、交换机和互联技术，所以网络层需要把这种异构性隐藏起来。这个判断目前主要来自公司自己的产品路线，产品效果还需要真正部署验证，但方向值得注意。
这两个公司放在一起看，背后的逻辑和 Google 内部使用 Claude 其实很像：单一供应商包办全部 AI 栈，正在变成一种选择，而不是默认答案。上层可以更换模型，中间可以保留自己的 Agent 环境，底层可以混合不同推理芯片和网络。如果这个方向继续发展，未来“AI 原生系统”的重要能力之一，很可能不是押中一个永远最强的模型，而是设计清楚哪些东西应该稳定、哪些东西应该允许替换。
当然，模型越来越容易组合，也带来一个反方向的问题：如果多家公司、多模型和多种 Agent 都在同一生态里工作，安全规则由谁决定？
9 月 15 日，Reuters 援引 Bloomberg 报道称，OpenAI 正与 Anthropic、Google DeepMind 就前沿 AI 安全展开协调讨论，OpenAI 全球政策负责人 Chris Lehane 表示这类合作目前不需要反垄断豁免。与此同时，美国 FTC 主席 Andrew Ferguson 当天明确对 AI 企业争取反垄断豁免持怀疑态度，担心大型公司可能借安全协调形成对新进入者不利的壁垒。
这场争论目前还没有结论，但它提醒了一个很现实的边界：开放组合不等于没有控制，统一安全规则也不等于必须统一技术栈。未来成熟的 AI 生态可能恰恰需要同时做到两件事——接口足够开放，让模型、工具和硬件能够替换；而行为边界、审计和安全评价又足够清楚，使这种替换不会让整个系统失去控制。
如果要从今天这些消息里留下一条对实际工作的观察，我更愿意把它落在一个很具体的地方：以后设计 AI 工作流时，可以少问一句“哪个模型最强”，多问一句——如果明天换一个模型，我现在积累的流程、测试、上下文、工具和数据还剩下多少？
如果答案是“几乎全部推倒重来”，那么真正被绑定的可能并不是模型能力，而是系统设计本身。
第二篇｜每日一个创意 AI 应用深度解析：与其给机器人写 Prompt，不如直接做给它看一遍
机器人自动化有一个非常古老的问题：人往往几秒钟就能理解的动作，机器却需要程序员和工程师花很长时间描述。
“把植物移到盆里，先挖开土，扶住植物，补土，再浇水。”
这句话人能大致理解，但如果真的让一台机械臂完成任务，里面隐藏着大量没有写出来的信息：土要挖到什么程度，手应该从什么方向拿植物，什么时候应该换手，浇水壶在另一个位置怎么办，植物歪了以后应该继续执行还是重新调整。传统机器人解决这件事，往往需要遥操作采集大量演示，再针对新任务训练或微调策略。
Skild AI 最近公布的 S1，做了一个非常简单但很有启发性的改变：
它不要求人把任务描述得更清楚，而是让人直接做给机器人看。
S1 把一段人类第一视角的演示视频作为“上下文”。模型权重不因为这项新任务而更新，也不针对任务额外训练；机器人根据视频去理解人在做什么、涉及哪些物体、动作顺序是什么，再把这种意图映射到自己当前的机器人身体和环境中。Skild 展示的任务包括移栽植物、翻煎饼、手冲咖啡和组装套件，一些任务持续接近十分钟，包含几十个操作步骤。
Skild 举的一个时间线尤其直观：植物和工具到办公室以后，团队在 9:16 开始录制人类演示，9:22 完成一段视频，9:27 机器人开始自主执行。从录完演示到机器人开始工作只相隔五分钟，从开始录制到自主执行是 11 分钟。这里的重点并不是“11 分钟已经可以替代工业机器人部署”，而是它把新任务的输入形式改变了：以前一次部署需要产生训练数据，现在那段演示本身就可以成为任务上下文。
真正聪明的地方，是“示范”比语言包含了更多隐性信息
这和大语言模型早期发生过的变化非常相似。
早期 NLP 模型面对新任务，经常需要重新训练；后来大模型出现上下文学习以后，我们发现可以把几个例子放进 Prompt，模型就能临时理解新任务。S1 试图把这个思想搬到机器人上：预训练不是为了把世界上每一项工作都提前学完，而是让模型学会看到一个新例子以后，迅速理解“这次我要做什么”。Skild 自己也把机器人目前的状态比作语言模型的“BERT 时代”：模型已经很强，但每来一个新任务仍然要重新收集数据和训练。
视频在这里尤其重要，因为很多物理动作很难被语言完整描述。
“翻一下煎饼”只有几个字，但视频同时包含铲子插入的角度、速度、接触点、煎饼离开锅面的轨迹，以及动作发生前后的物体状态。对于长任务，视频还天然表达了步骤之间的顺序。Skild 在自己的对照实验中认为，这也是演示式上下文学习优于语言提示的原因之一：语言可能允许很多解释，而演示给出了一个具体可观察的做法。
但这里需要认真区分“有趣”与“已经成熟”。
Skild 报告，在内部未见任务测试中，S1 的累计逐步骤成功率约为 66%，同数据规模的语言提示 VLA 基线约为 9%。不过，这个指标不是机器人从头到尾完全无人帮助完成任务的概率：官方说明，为了持续评估后续步骤，测试过程中允许人在失败后帮助恢复，尤其语言基线大量依赖这种干预。因此不能把 66% 写成“66% 的长任务能够自主完成”。这些数据也来自 Skild 自己的测试，目前不应当当成独立第三方验证。
另外，一次演示也并没有让传统训练变得毫无价值。Skild 估算，单次上下文演示大致达到其传统策略经过约 380 次后训练演示时的水平，但继续收集到 2000 次演示后，后训练策略可以达到约 86%。所以更准确的理解不是“以后机器人再也不用训练”，而是：第一次把一个新任务交给机器的成本，有可能从训练项目变成一次示范。之后如果任务高频、可靠性要求高，再针对失败处收集数据和训练。
这个差别其实很大。
过去自动化一个低频任务，经常因为“为它专门开发不划算”而被放弃。如果一次任务只做几十次，却要先投入几十小时采集数据，它根本没有自动化的经济性。可一旦第一次尝试的成本降低到“做一遍给机器看”，过去很多不值得自动化的长尾任务就有机会进入试验范围。
这也是我觉得 S1 最值得借鉴的地方。它不是单纯让机器人更聪明，而是在重新定义人应该怎样向机器表达需求。
软件 Agent 也许可以学到同一件事：有些需求不应该写出来，而应该演示出来
这个思路如果只停留在机器人上，会低估它的价值。
今天我们让编程 Agent 或办公 Agent 做事，仍然非常依赖语言。用户经常要写：
“打开这个文件，找到这个字段，然后到另一个系统查编号，如果状态是某种情况就填到表里……”
真正熟悉业务的人往往知道自己怎么做，却很难一次把所有隐含规则讲完整。结果就会出现一种很常见的现象：人花大量时间给 AI 写一份自己以前从来没有为同事写过的超详细操作手册。
如果把 S1 的设计原则迁移过来，一个很值得尝试的方向是“示范优先”的软件 Agent。
用户不先写 SOP，而是打开录屏，正常做一遍任务。系统同时获得屏幕内容、点击动作、输入文字和应用状态，然后先生成自己理解的工作过程：“你先根据文件名判断项目，再从正文找合同编号；如果编号缺失才去另一张表查；最后只修改状态为空的行。”
此时人做的不是从零写 Prompt，而是纠正机器的理解。
“这里不是根据文件名判断，是根据项目编码。”
“这一步只在金额超过五十万时做。”
“这个按钮不能由你自动点击，最后我要确认。”
经过这种校正以后，系统才在测试材料上重新执行。
这与传统“录制鼠标宏”不同。宏记住的是坐标和动作，而 S1 这类思想真正值得迁移的是：示范是一份任务说明，不是一条必须机械重复的轨迹。Skild 的公开演示里甚至有一些例子：环境中的物体位置改变以后，S1 仍尝试完成目标；演示里使用浇水壶，而现场只有杯子时，它会尝试用杯子；人类演示动作出现小失误时，机器人有时也不会照搬错误。这些仍然是厂商展示的定性结果，但它们说明了“理解示范”和“重放录像”的区别。
如果这种交互方式在软件 Agent 中成立，它可能特别适合一类长期被忽视的问题：专家知道怎样做，却不擅长把自己的工作形式化。
这在很多专业工作中都存在。老员工能一眼看出材料哪里不对，但让他写出完整规则很难；一个设计师能自然完成几十个微小调整，却很难逐一解释为什么；一个研究者知道自己怎样在多个网站之间搜证据，但真正写出来的 SOP 往往只剩下“大致搜索、综合判断”。
传统数字化要求专家先成为需求分析师。
生成式 AI 提供的另一种可能，是让系统先观察专家工作，再把隐性流程反过来整理给专家确认。
沿着这个方向再推一步，我觉得甚至可以把“Skill”重新想象一下。今天很多 Agent 的 Skill 是一份 Markdown：告诉模型应该怎么做。未来某些 Skill 也许可以是一组示范＋解释＋验证样本。第一次由专家正常完成任务，AI 抽取工作结构；第二次让 AI 尝试，专家只纠错；几轮以后留下的不是一篇越来越长的说明书，而是一组“看到这种情况时应该如何处理”的可复用例子。
这种方式当然也会有新的问题。示范可能包含专家自己的坏习惯；一次演示没有覆盖例外；视觉相似并不代表业务含义相同。所以“做给它看一次”不应该直接等于“从此自动运行”。更合理的过程是，让示范降低表达需求和制作第一个原型的成本，再用测试和真实反馈逐渐明确边界。
这也正是 S1 给我的最大启发。
我们过去想象 AI 学习一个人的工作，第一反应常常是：“我要怎样把自己的经验写进知识库、规则库和 Prompt？”
机器人领域正在出现另一种答案：
也许不必先把所有经验说出来。先做一遍，让机器观察，然后再讨论它到底学会了什么。
这不是对 Prompt 工程的简单改良，而是在改变人与 AI 之间最基础的沟通方式。从语言说明走向行为示范，一旦这个方向在软件、机器人和多模态 Agent 中继续成熟，很多今天“不值得专门开发”的小任务，可能会第一次变得值得自动化。Skild AI：S1 原始技术介绍