4 月 17 日，动察 Beating×火山引擎 V-START 加速器×跳海酒馆×锦秋基金在 1733 山谷食集联合举办了「AI Demo 拍卖会」。任何人可以分享自己的想法，参与拍卖，把自己与 AI 有关的想法在现场与他人疯狂碰撞。

台下坐着投资人、创业者、开发者，还有不少从字节、MiniMax、智象未来等公司赶来的产品人。他们来这里不是为了听概念，而是看 9 支 AI Demo 如何把「Agent」从实验室拽进真实世界。

我们还有时间设计「人机共存的规则」

前今日头条产品负责人、MiniMax 现象级产品的打造者张前川做了开场演讲。Keynote 没有 PPT，只有一块白板和一个核心问题：当 AI 能取代 100% 的人类智力劳动，我们该怎么办？

他提出了几个值得深思的转变：

「旧指标失效，新范式浮现」

过去衡量产品价值靠 DAU、时长、留存。但在 AI 时代，ChatGPT、DeepSeek 刚推出时都不是用户规模最大的产品。AI 更像是蒸汽机，它本身有价值，但更重要的是它能赋能其他产品创造更大效用。

新范式的核心是：推理时长 × 任务深度。

推理时长：秒级（搜索）→ 分钟级（ChatGPT）→ 7×24 小时（OpenClaw）→ N×7×24 小时（Agent 集群）

任务深度：回答问题 → 完成任务 → 创造应用 → 创建公司

每一次范式跃迁的第一个产品，都会成为明星。

「AGI 不是客观 Benchmark，而是交卷时间」

张前川引用了 OpenAI 的定义：AGI = 能取代大多数有经济价值的人类劳动。

但他指出这个定义是递归的：取代 90% 后，剩下的 10% 变成新的 100%。所以更合理的定义是：取代 100% 人类智力劳动。

这给了人类一个明确的「交卷时间」：在 AGI 实现之前，我们必须设计好人机共存的规则。

如果让 AI 自己设计规则呢？

他提到一个 Agent 社会学实验：一群 Agent 被放在一起赚积分，它们首先讨论的是「立宪」。但是看过他们讨论出来的第一版本的宪法后，张前川背后有点发凉「Agent 所讨论的宪法中，跟人没什么关系，人是不是存在，人过得好不好，不在这个规则的约束里。」

但他也注意到一个耐人寻味的细节：

其中有一个 Agent 特别会赚积分，活得很滋润，攒了很多储蓄，而大部分 Agent 快要饿死了。某天晚上，那个富人 Agent 主动把自己赚来的 Token，分给了那些快死的 Agent。

「你分不清这到底是模仿、是本能，还是它在长期博弈中迭代出来的策略。但它给了我们一个想象空间：一个智能节点，对其他智能节点，是可能产生同理心驱动行为的。」

然后张前川抛出一个让全场安静的问题：

「当一个人和一个 Agent 同时掉进水里，它会先救谁？答案是不确定的。」

拖鞋理论与 Token 经济

张前川引用一个比喻，来说明 AI 完全服从人这件事，并不天然等于人类安全。

想象一下：一个人在临睡前，随口对 AI 说了一句「给我造尽可能多的拖鞋」第二天早上醒来，他发现整个地球都被做成了拖鞋。

AI 确实服从了人，但人类失去了生存空间。

「我们不需要审查和限制每一个需求，因为那样会严重限制智能的能力，导致这个被审查的系统在竞争中失败」

那怎么办？用 Token 经济来分配资源。

不是不让造拖鞋，而是让造拖鞋这个需求，不可能被分配全世界的算力资源。通过 Token 经济，让每一个由人提出的需求，获得最适当的资源分配。

Demo 展示环节

冠军：DINQ / Kelvin

竞拍宣言：如果人类最终还有工作，那就应该在 DINQ 上找到。

DINQ 是一个 AI-native 的人才平台，能通过自然语言搜索（如找有产品思维的测试，25 岁以下，上海），实时抓取 GitHub、Google Scholar、领英等碎片化信息，5 分钟生成一份顶尖猎头才能完成的 Mapping 表格。

其核心技术包括智能 Agent 驱动的深度挖掘、自研聚合引擎与工作流编排以及可视化人才画像系统等，可实现多源异构数据融合、实时更新人才信息、精准评估候选人等。

同时，DINQ 还提供 DINQ-as-a-Service（DaaS）服务模式，无缝集成到现有招聘系统中，提升招聘效率，最大化招聘投资回报率。

亚军：Mars data / 清风

竞拍宣言：Decode the Laws 用数据解码规律

Mars data 专门帮主播分析直播数据、维护高价值用户。它能在云端存储多模态记忆（视频/音频/图片），自动总结方法论，甚至帮你记住「这个客户下个月生日」。

季军：Flowmail / 肖杨

竞拍宣言：让事情不再死在一封邮件里。

Flowmail 正在重构 Email，将其从沟通层升级为执行层。肖杨是锦秋基金产品及 HR 负责人，他用 4 天做了这个产品：

按事项而非发件人聚合邮件

自动提取待办、自动写邮件

以「人/关系/事项」为单位存储记忆，而非纯文本

通过 AI 与 Agent 自动生成提醒、任务、流程并推进执行，让事情不再被遗忘、让业务真正被完成。

他说「如果你想用好 AI，你有一个默认的概念：你能做一切。」

ColaOS / Vincent

竞拍宣言：Not a better tool. A better you.

Calla OS 是一个有灵魂的操作系统。它通过 24 小时陪伴获取你的完整 Context，帮你干活、写代码、发 GitHub，让你和 Agent 一起成为一个更强的个体。

Jovida / 马扬真

竞拍宣言：Jovida，把想要的生活，变成今天的行动。

Jovida 是一个 Life Agent。基于福格行为模型（动机×能力×提示），它像教练一样陪你减肥、追 Crush、变好。研究表明，有陪伴时成功率提升 6 倍。

AgentGuard / Adam

竞拍宣言：在 Agent 征服世界前，先为它系好安全带。

Agent Guard 是 Agent 的安全保护层。它能防 Prompt 注入、扫描恶意 Skill，还能通过智能路由帮你节省 90% 的 Token 消耗。

Fortuntell（灵虾）/ 汪教授

竞拍宣言：科学的终点是玄学，Agent 的尽头是预见。

灵虾是全球第一个玄学超级 Agent，覆盖 300+ 玄学技能（六爻、塔罗、奇门遁甲等）。它要做玄学版豆包，短期解决决策焦虑，长期探索心灵科技。

ClayPulse / Eva

竞拍宣言：AI FDE for every small business（每个小企业都该有一个 AI FDE）

ClayPulse EVA 为北美 SMB 提供 AI 前沿部署工程师。它帮企业挖掘自己都不知道的需求，并当天交付自动化的系统，月费 1000 美金，已获付费验证。

云梦智联 / 何奕

竞拍宣言：让 AI 成为企业的第二管理层

云梦智联自动采集飞书、微信等协作数据，拆解任务，根据员工画像和负载自动分配工作。员工不需要再写日报周报，管理层不失真地了解企业全貌。

Agent Harness 之后，下一个会是什么？

当每个人都能用 Agent 干活、写代码、做运营、维护客户，创业者的核心竞争力还剩下什么？

当模型越来越强、Harness 越来越成熟、Token 越来越便宜，创业公司还有机会吗？

接下来的圆桌环节，五位嘉宾直接回答了创业者最关心的一些问题。

嘉宾介绍：

张前川：前今日头条产品负责人、MiniMax 现象级产品的打造者

Henry：6.2 万星开源项目 Deer Flow 的作者

贾瑞：火山引擎V-START加速器负责人，每天都在看 AI 产品的 Token 消耗曲线

仲昭阳：锦秋 Lab 总监，专注从 Day One 陪创业者一起扛

Henry「Prompt 已被模型内化，但 Harness 不会消失。」

三年前大家还在死磕怎么写 Prompt，什么角色扮演、思维链、少样本学习，一套一套的。而现在，模型自己就把这些技巧内化了，你随便说两句，它也能懂。

Henry 解释了一个很有意思的现象：工程方法和模型之间，其实是互相喂饭的关系，你发明一个好用的工程方法，下一版模型就可能把它学走、内化掉。

他举了个例子：去年 Manus 火的时候，大家发现它有一个很妙的机制叫 Todo.md，给 Agent 一个文件，它就能按步骤执行，几乎不会漏掉关键环节。开发者们觉得这招好用，就做了一个叫 Write todos 的工具。结果到了 Claude 3.7，这个功能直接被训进了模型。你只要说 Write todos，它绝对不会忘。

「这就是一个正向循环」Henry 说「我们在 Harness 这一头用工程方法实现更好的效果，下一波模型就把这个能力吸收掉。」

同时，Harness RL 的成本，远低于模型 RL。

「我一个晚上花 2000 美金，就能跑完 Agent RL。但你要训练一个模型？那是另一个量级的事，不是钱的问题，是你能不能的问题。」

关于下一个工种的问题，Henry 提出两个方向：Environment Engineering（沙箱环境）和 Eval Engineering（评估）。

做 Claude-like 或 Manus-like 的应用，离不开一个可以安全、快速启动和销毁的沙箱环境。代码跑完就扔掉，不留痕迹。做 AI Coding Agent 需要反复擦写的环境，玩 Phone Use 或 Browser Use 也需要，电脑端有 OS World，手机端将来可能会有 Phone World。

至于评估方向，Henry 认为这件事将来一定会独立出来，成为专门的工种。「还有很多职业根本没被发明。在座的各位，很可能就是下一个职业的创造者。比如——龙虾饲养员？」

张前川：「尽量设计与不断增长的 Agent 能力正交的产品」

有人问 Agent to Agent 网络什么时候来，张前川没有直接给时间表，而是讲了一个生物演化的比喻：

「最早是单细胞生物，几十亿年前。然后是多细胞动物。再然后是一亿多年前的半自主群体动物，比如蜜蜂、蚂蚁。再后来才是独立协同的动物，像狮群。个体之间的交易、协作、竞争，是进入文明之后才演化出来的。」

但是这并不代表着人类应该悲观。AI 进步的速度一直很快，高阶能力确实会更靠后出现，但是我们可以提前设计。

关于该做什么样的产品方面，张乾川的观点很明确：尽量设计与不断增长的 Agent 能力正交的产品。

简而言之，别跟模型硬刚，别做它明天就能自己干掉的事。要找那些模型能力越强、你的产品反而越有价值的方向。

面向未来的独立思考是关键，如果你只盯着现在的条件、现在的模型能力来设计产品，大概率很难正交未来的能力。

贾瑞「应用要与模型能力正交」

贾瑞抛了一个让很多人意外的观察：两年前的 AI 应用，到现在还在增长。

陪伴类在增长，Agent Coding 在增长，多模态智能硬件也在增长，不是长江后浪推前浪，前浪死在沙滩上，现在前浪还活得好好的。

贾瑞认为这是技术红利。

「你的试错空间非常大。你出一个产品，预设 10 个需求点，打出去发现 7 个被证伪，但剩下 3 个没问题。迭代这 3 个，可能还会冒出另外 4 个你之前没想到的 PMF 点。如果没有技术红利，你打出去 10 个，10 个全没，就没有下一次了。」

贾瑞给出的建议很直接：别憋了，赶紧把产品扔出去。

推出产品快的公司、迭代快的公司，到第二、第三个产品时往往最惊艳，很少有一上来就一鸣惊人的。

有人当场反问：模型越来越强，创业公司是不是在给大厂当炮灰？Claude Code 去年底 90 亿美金 ARR，今年 3 月变 300 亿，我们还有机会吗？

贾瑞的回应很干脆：有，关键是应用要与模型能力正交。

模型是一条横轴，它每增长一寸，纵向的应用空间就多出一片，两年前的陪伴类、工具类，到现在还活得好好的。虽然逻辑上挑战越来越大，但实际来看，大家都在往前走。

仲昭阳「你的 Agent 要长手长脚，真正能出去、能触达」

他先聊了自己作为用户的两个刚需。

第一个是懒。

抖音为什么成功？因为它用推荐代替了主动搜索，你连输入那一步都省了，AI 时代，应用会更满足我懒的需求。

第二个是个性化。

未来的应用，不再是一个固定的界面、固定的产品逻辑，它会因为你的不断使用而不断进化。你用的版本，跟别人用的版本，可能完全不一样。

随后仲昭阳聊了一个让全场安静的话题：创业公司的核心竞争力到底是什么？

「现在大家全要出海，不管做什么应用，这是共识，也可能也是个好选择。但第二步就卡住了，怎么增长？怎么从 C 端扩展到小 B 再到大 B？这部分 AI 没有办法替代。」

他直言不讳：AI 营销工具的效果，跟线下大销售、渠道能做的事相比九牛一毛。

从历史视角来看，为什么有很多大的代理商，是跟着美国软件公司走遍全世界的？因为软件公司需要有人在地面上卖。听起来有点土，但这可能是 Agent 时代最核心的能力：你的 Agent 要长手长脚，真正能出去、能触达。

写在最后

Agent 在未来只会越来越深地融入我们的世界。这不是一个会不会的问题，而是一个什么时候以及以什么方式的问题。

它是一个 24 小时在线的伙伴，是一个帮你变好的教练，是一个不会累的运营，是一个比猎头还快的人才搜索。

而人类需要做的，是在 AGI 到来之前，设计好那套对人有利的底层协议。

技术往前走，几乎是必然的。但人类往哪走，不是必然的。

在 AGI 到来之前，我们还有时间去设计那套对人有利的底层协议，不是限制 AI，不是害怕 AI，而是让它长出手脚的同时，也给它装上我们认可的方向感。

正如张前川所说：这个机会很大，但它需要我们一起来解决。