AI Builders Digest 0803：Agent 从单点工具走向企业级运行时
- Vercel 内部 agent @𝚟 统一数十个 agent，承载公司日常运营
- Cloudflare 发布开源 agent 运行时，提供虚拟文件系统和三种执行环境
- 最难领域因可验证性率先被自动化，数学、安全、代码首当其冲
- 当前模型架构瓶颈在堆参数，需要 test-time learning 在真实数据上学习
- 杰文斯悖论在数学领域应验，AI 提升对懂数学人才的需求
AI Builders Digest 0803，Agent 走向企业级运行时
今天的 AI Builders Digest 主线是 Agent 从单点工具走向企业级运行时：Guillermo Rauch 揭秘 Vercel 内部 agent 已经承载整家公司运营，Cloudflare 发布开源 agent 运行时，Core Automation 两位前 OpenAI/Google 大佬指出下一代模型的瓶颈在架构本身。
今日总结
主线：Agent 从单点工具走向企业级运行时。
Agent 正在变成公司的水电煤。 Rauch 公开了 Vercel 内部 agent 的情况，它不是辅助工具，而是承载财务、通信、文档、营销、工程、商业分析的日常运营中枢，交互量和 token 消耗都在指数级增长。同一天 Cloudflare 发布开源 agent 运行时，给每个 agent 配虚拟文件系统，支持 isolate、容器沙箱、浏览器三种执行环境。一家是实践者讲心得，一家是基础设施厂出工具，方向完全一致。
最难的领域反而先被自动化。 Aaron Levie 给出了一个反直觉的判断，数学、安全、代码这些「最难」的领域会率先被自动化，因为它们具备可验证性，模型训练有清晰的奖励信号，运行时也能客观确认结果对不对。Thariq 用杰文斯悖论来佐证，数学领域已经出现这个现象，AI 越能干，对懂数学的人的需求反而上升。
当前模型架构触顶，需要 test-time learning。 Core Automation 的 Jerry Tworek（前 OpenAI VP，负责 Strawberry 和推理团队）直言，6 年来只往 MoE 加 attention 里堆参数，瓶颈已经是架构本身。eval 和训练任务是同一枚硬币的两面，真实世界分布更脏更杂，模型需要在用户真实数据上学习，而不是只靠 context learning（20 分钟就满了）和 fine-tuning（灾难性遗忘）。
今日关键词： 企业级 Agent · 可验证性 · Test-time learning · Agent 运行时
官方博客
Cloudflare：为智能体提供虚拟文件系统的运行时
Cloudflare 发布 @cloudflare/computer 早期预览版，这是一个开源 agent 运行时，核心设计是给每个 agent 配一个虚拟文件系统，并支持在 isolate、容器沙箱或浏览器中执行代码。
这个定位很值得注意。之前 agent 要么跑在本地终端，要么绑死在某个云函数里，缺少一个标准化的执行环境抽象。Cloudflare 的方案把文件系统、沙箱、浏览器三种执行环境统一到一个运行时里，等于给 agent 提供了一套「操作系统」级的接口。配合同日发布的 Billable Usage API（单一端点返回按产品和计费周期拆分的用量与成本，覆盖 Workers、R2、D1、Workers AI 等），Cloudflare 在 agent 基础设施上明显在加速布局。
🔗 https://aihot.virxact.com/items/cmsdal06c16pxroeu5xtlavmg
🔗 https://aihot.virxact.com/items/cmsdal06d16pzroeuf2u64pdv
商汤：8B-MoT 参数的原生统一多模态模型
商汤推出 SenseNova U1.5-Lite-Preview，基于 NEO-Unify 架构的轻量级原生统一多模态模型，仅 8B-MoT 参数就能达到商业闭源模型的生成与编辑质量。轻量化多模态是当前一个明确趋势，用更少参数逼近闭源质量，对端侧部署友好。
播客精选
Training Data：打造自动化 AGI 实验室 — Jerry Tworek 与 Rohan Anil (Core Automation)
这期信息密度极高。两位嘉宾背景很硬，Jerry Tworek 是前 OpenAI VP，负责 Strawberry 和推理团队；Rohan Anil 是前 Gemini 四位预训练负责人之一，更早在 Google Brain 做 fundamental AI 研究。两人现在创办了 Core Automation，旧金山当前最受关注的新实验室之一。
当前瓶颈是架构本身，不是参数量。 Jerry 直言，业界已经把预训练和大规模 RL 这两套算法玩透了，过去 6 年一直在往 MoE 加 attention 里堆参数，现在的瓶颈是架构本身。他的原话很直白：「现在是时候重新审视我们骑了 6 年的那趟列车了。」
RL scaling 没有解决所有问题。 Jerry 坦承自己曾是 RL 最大化主义者，一直相信只要把 RL 规模化就能解决一切。但实际规模化后发现，eval 和训练任务本质上是同一枚硬币的两面，真实世界的分布要脏得多、杂得多，训练数据没法真正复现真实世界用例。
需要 test-time learning。 这是这期最有价值的判断。Jerry 指出现有两条学习路径都不够，context learning 数据量太小（用 Codex 大概 20 分钟就得 compact 一次），fine-tuning 又有灾难性遗忘和数据效率低的问题。模型需要能在用户真实数据、真实任务、真实分布上学习。
「我们需要让模型在测试时学习，在用户的数据上、在真实世界任务上、在真实世界分布上，和用户一起学习。」
架构研究在小规模上做了太久。 谈到为什么选择公司化而不是留在实验室，Jerry 的理由是很多架构研究在过小的规模上做了太久，而 RL 需要一定的算力基线才能让模型表现出能力。Core Automation 的信念是，先把架构放到足够大的规模去验证。
🔗 https://www.youtube.com/watch?v=2RJiaf0SY8s
X/Twitter 动态
Guillermo Rauch（Vercel CEO）：内部 agent 运营整家公司
Rauch 这组推文是今天最有冲击力的。他公开了 Vercel 内部有一个叫 @𝚟 的 agent，承载着公司从财务、通信、文档、营销到工程、商业分析的日常运营，每天交互量和 token 使用都在指数级增长。
更关键的是他对 agent 架构的理解。Rauch 说之前 Vercel 内部各团队各自部署了「几十个」agent，每个 agent 就像有自己的域名一样，体验很差。@𝚟 解决了这个问题，它既是 agent 又是 router，有 sub-agents、skills，知道怎么把活派给其他 agent。他用了一个很好的类比，这就像 monolith 或 monorepo，把分散的 agent 收敛成一个统一入口。
「人们可以从这里外推到那一天，AI agent 从头到尾运营整家公司。」
（1233 赞，3662 赞那条「mastery + creativity + AI」的推文也很值得看，强调人的专业积累和 AI 结合才是真正的杀手锏。）
🔗 https://x.com/rauchg/status/2084042561690456157
🔗 https://x.com/rauchg/status/2084060157085143512
Aaron Levie（Box CEO）：最难的领域反而先被自动化
Levie 给出了一个反直觉但逻辑严密的判断。数学、安全、代码这些「最难」的领域会率先被自动化，恰恰因为它们具备可验证性。模型训练时有清晰的奖励信号，运行时能客观确认结果是否正确，这两个好处让高难度高价值领域反而最先被攻破。
Thariq（Claude Code/Anthropic）：杰文斯悖论已在数学领域应验
Thariq 这条推文 1191 赞，含金量很高。他指出杰文斯悖论已经在数学领域发生，AI 让更多事情发生、更容易理解，数学家有更多时间在更高抽象层讨论，对懂数学的人的需求反而会上升。他还补充了一条，认为这和国际象棋的演变有很多相似之处。
「对思考和懂数学的人的需求，将会上升。」
🔗 https://x.com/trq212/status/2083977795290734975
🔗 https://x.com/trq212/status/2083978109376987365
Amjad Masad（Replit CEO）：LLM 国际象棋引擎上 LiChess 实战
Masad 把自己的 LLM 国际象棋引擎部署到了 LiChess，让它自主和真人及机器人对弈，同时还能下 3 盘并发棋。目前 Elo 1253。这是一个很好的「AI 在可验证领域自主进化」的实例，和 Levie、Thariq 的讨论形成呼应。
Dan Shipper（Every CEO）：Agency rupture，一种可预测的丧失
Shipper 这条推文很扎心，192 赞。他把 AI 接管你曾亲力亲为的任务时的感受命名为「agency rupture」（能动性断裂），这是一种近似身份丧失和自我消解的体验。但他认为这种断裂遵循可预测的模式，暗示它会被消化。他的另一条推文从哲学层面切入，如果「ought implies can」，而技术重塑了人类能力场，那么技术也在重塑我们的道德直觉。
🔗 https://x.com/danshipper/status/2084038453831020916
🔗 https://x.com/danshipper/status/2084024211539116466
Peter Yang：Hermes 用后台 Curator 清理自己的 slop
Peter Yang 采访了 Nous Research 联合创始人 Karan，聊 Hermes 的自建 skill 机制。最值得关注的是 Hermes Curator 这个后台任务，它定期清理 agent 的 skills 和 memory，自问哪里有 slop、哪里可以更高效，而且因为是开源的，你可以喂给它自己对 slop 的定义，它会重写自己的清理逻辑。这种「agent 自我维护」的思路，和 Rauch 讲的 @𝚟 收敛 agent、Cloudflare 给 agent 配运行时，是同一个方向的不同切面。
Garry Tan（YC CEO）：AI 创造的经济增长是最好的白药丸
Tan 连发几条乐观判断。他认为 AI 将创造难以想象的经济增长，这是最好的「白药丸」。同时他也点出一种时代错位感，「惊奇感消失的那一刻，恰恰是惊奇量正在呈抛物线增长」，以及强调市场里结果才是地盘，而不是地图。
🔗 https://x.com/garrytan/status/2083957110711386439
🔗 https://x.com/garrytan/status/2083923385193828612
Andrej Karpathy：pelican on a bicycle 测试可玩了
Karpathy 跟进了 Simon Willison 的「自行车上的鹈鹕」测试，把源码上传到浏览器里可玩可 fork。他还开玩笑说 GTA Hobbiton 会在 GTA VI 之前发布。这个测试考察模型对荒诞组合的生成能力，是当前评估模型世界理解的一个流行基准。
Ryo Lu（Cursor 设计师）：软件正在告别 app 形态
Cursor 的设计师 Ryo Lu 回顾了 Rdio、Mailbox、Apple 这些早期导师级 app 如何创造了让软件更简单直觉的新交互模式。他的问题是，当我们告别 app 形态，软件的哪些部分还会可见，它会有什么感觉。这是对 agent 时代软件形态的前瞻思考，和 Cloudflare 的 agent 运行时、Rauch 的 agent router 属于同一个大话题的不同侧面。
Swyx：Codex CUA 替他和客服吵架
Swyx 在为 computer use 播客做准备，记录了一串 Codex CUA 的「wow moments」。其中一个是 Codex 替他去跟客服交涉以加快处理速度，客服完全不知道自己在跟机器人对话，当客服试图甩锅时，机器人直接甩出了完整的证据链。
Nikunj Kothari（FPV Ventures）：早期投资已变成「感觉资本」
Nikunj 从投资人视角给出了对当前融资市场的冷静观察。他认为 VC 已经实质上变成了「vibes capital」，早期中期的市场现实和基本面完全脱钩，有些轮子什么都没有却疯狂，有些看着稳赢的却融不到。这是 agent 热潮背后值得留意的另一面。
数据采集时间：2026-08-03 23:09 CST
评论互动