上周有三件事几乎同时发生，看起来毫不相干，串在一起却讲透了 AI 行业的下一个十年走向。美国政府切断了 Anthropic 对一款叫 Fable 的产品的访问权限；Salesforce 砸下 36 亿美元收购了前 Intercom 旗下的 Fin；而微软的 Satya Nadella 在一次闭门对话里说，未来 AI 真正的护城河不是模型，而是围绕模型搭建起来的那整套外围系统。再加上 VC Tomer Tunguz 在博客里抛出"AI 应用的黄金时代"这个判断——所有线索都指向同一个结论：AI 应用层正在成为主战场，而真正决定胜负的，是工程能力，不是模型权重。
三件事，三个信号
信号一：连政府客户都被"限流"了
Anthropic 关掉 Fable 访问这件事，被很多人忽略，但它释放的信号极其刺眼。当一家顶级模型公司开始主动限制外部产品的 API 访问，意味着它不再满足于只做底层供应商。Anthropic 想做应用、做 Agent、吃下更多利润空间——这和 OpenAI 推出 ChatGPT 企业版、Anthropic 自己做 Claude Code 是同一条逻辑。模型厂商和应用开发者之间的关系正在从"合作"滑向"竞合"，任何把身家性命押在单一闭源 API 上的团队，今天就该醒醒了。开源模型和本地部署不是政治正确，是商业刚需。
信号二：36 亿美元，买的是"性价比"
Salesforce 收购 Fin 的价格让不少人困惑——一个年营收据说不到 1 亿美元的客户支持 AI 产品，凭什么值 36 亿？答案藏在 Fin 的技术栈里。它用开源模型替换了原本昂贵的前沿 API，把单次交互成本压到竞争对手的零头，同时保持服务质量不掉档。这笔收购买的不是客户、不是品牌，是一套"用便宜模型做出好产品"的工程方法论。Salesforce 赌的是：当模型本身越来越同质化，智能体系统的工程优化能力就是新的定价权。
信号三：Nadella 终于把话说透了
Satya Nadella 最近的表态值得逐字读一遍——AI 生态的护城河应该是人类的领域专业知识，以及模型外围的系统层。这话翻译成大白话：别再争论哪个模型更聪明了，真正值钱的是懂行业的人、懂业务流程的人，以及把模型嵌进真实工作流里的那一整套软件工程。微软自己就是这套逻辑的最大受益者——它不拥有最强的模型，却拥有最深的系统集成。这条路，中国公司、美国公司，所有企业服务玩家都在走。
新护城河：三项工程硬功夫
第一项：模型选型，别再追"最强"了
2025 年选模型这件事，已经变成一道多目标优化题。你面前摆着 Kimi K2.6、Qwen 3.6 27B、GLM 5.1，每家都有怪癖：有的长文本强但推理慢，有的代码好但中文一般，有的便宜但延迟高。以前大家迷信排行榜分数，现在排行榜和真实业务表现的相关性越来越弱——一个在 MMLU 上刷到 90 分的模型，可能在你的客服场景里连 70 分都打不出来。选模型的正确姿势是：先定义业务指标，再做小流量 A/B，最后用真实用户反馈校准。预算有限就押开源 + 微调，预算充足就混部闭源 + 开源做路由。记住，没有"最好"的模型，只有"最匹配你场景"的组合。
第二项：智能体循环——hill-climbing 是底牌
Agent 系统最反直觉的一点是：单步推理能力没那么重要，循环结构才重要。Tunguz 提到的 hill-climbing 循环——观察、决策、执行、反馈、再观察——听着像老掉牙的控制论，但在 LLM 时代它被重新激活了。原因是模型本身是"无状态"的，每次调用都是一次独立推理，没有记忆、没有积累；而真实的业务任务恰好相反——多轮、长程、需要纠错。能把一个简单循环搭得足够稳、足够快、足够便宜，就足以甩开 90% 的竞争对手。这里没有银弹，只有工程纪律：每一步的输入输出契约、失败重试策略、上下文压缩机制、成本熔断阈值——每一项都是硬功夫。
第三项：评估体系，比训练还难
整个 AI 行业最大的笑话是：我们花了几千亿美元训练模型，却拿不出几个靠谱的评估体系。传统软件有单元测试、有 E2E、有 SLO，AI 产品呢？大多数团队还在用"我自己跑几条数据感觉一下"。这是灾难性的。Agent 系统的评估必须双轨并行：一轨评模型本身在子任务上的表现，另一轨评整个循环在端到端任务上的成功率。更难的是，评估不能离线做完就扔——线上数据会漂移，用户行为会变，模型版本会迭代，评估体系必须跟着滚动起来。谁先把持续评估流水线跑通，谁就拿到了 Agent 时代的入场券。
黄金时代的入场姿势
小团队的反超机会
模型变便宜、智能体框架变成熟、评估工具变开源——这三个趋势叠加，对小团队来说反而是黄金窗口。大厂有数据壁垒、有客户渠道、有品牌，但在 Agent 这个新战场上，这些优势未必能直接迁移。一个 5 个人的创业团队，如果能在某个垂直场景里把循环设计做到极致、把单位 token 的智能密度压到最高，完全有机会从 Salesforce、Microsoft 嘴里抢下一块肉。Fin 团队在被收购前也就几十号人，做的事情看起来不复杂，但人家就是跑通了。
大厂的护城河焦虑
反过来看大厂，现在它们的焦虑是真实的。模型越来越像水电煤，差异化越来越难做；应用层又有无数小团队用开源武器打游击；客户也越来越精明，不再为"AI"两个字买单，要看实际 ROI。Salesforce 36 亿买 Fin，本质上是大厂用现金换时间、换团队、换工程能力的防御性动作。可以预见，接下来一年还会有更多类似收购——大厂在抢的不是市场份额，是工程人才和系统设计 know-how。
工程师的新功课
对于写代码的人来说，这轮变革的启示很直白：模型 API 调用能力已经不够看了，要补课的是 prompt 工程的工程化、Agent 框架的架构设计、评估流水线的搭建、数据闭环的运营——这些以前属于数据科学家和 ML 工程师的活，现在每个产品工程师都得会。准确讲，这是一次岗位定义的重新洗牌。三五年后简历上写"熟悉 LangChain 调参"和今天写"熟悉 jQuery"一样，已经不值钱了；值钱的是"我搭过一个日均百万次调用的 Agent 系统，持续跑了 18 个月没出过事故"。
回到开头那三件事。Anthropic 切断访问，是在告诉你别把鸡蛋放一个篮子里；Salesforce 36 亿收购 Fin，是在告诉你便宜模型 + 好工程 = 新护城河；Nadella 那番话，是在告诉你真正的竞争发生在系统层而不是模型层。三条线索汇成一句话：AI 应用的黄金时代已经来了，而门票不是更强的模型，是更硬的工程。这场游戏，谁先把选模型、搭循环、做评估这三项基本功练扎实，谁就能笑到最后。
