当AI的快世界，撞上现实的慢世界

我们对 AI 的能力曲线依然很乐观：模型更强，任务更长，AI 研发本身也开始被自动化。真正的问题是，现实世界能以多快速度接住它，把能力装进工作流，最后变成收入或成本改善。

2026 年 5 月 5 日 · BEDROCK AI memo

到 2026 年，AI 已经不缺宏大叙事，也不缺资本开支。BofA 把 hyperscaler 的 CY27 capex 路径画到 $1Tn；Google Cloud backlog 已到 $460B+；Microsoft AI 业务年化收入过 $37B。问题已经不是“AI 会不会继续投入”，而是现实世界能不能把这些投入变成真实生产力。

最近我们和一线 AI 工程师 BY（化名）聊了一次。他长期在 AI 产品化一线，谈到最多的不是模型榜单，而是 coding agent、企业 AI 和 physical AI 真正落地时会遇到什么。再对照 Anthropic 联合创始人、Import AI 作者 Jack Clark 对 AI 研发自动化的公开数据整理，以及 BEDROCK 对 capex、backlog、memory、optical、semicap 的持续跟踪，看到的是同一件事的两面。BEDROCK 的核心判断是：AI 的壁垒正在从“模型有多聪明”，上移到“模型被怎样装进真实工作”。

一面是 AI 的快世界：能力曲线继续变陡，AI 研发本身开始被自动化，任务跨度可能继续拉长。另一面是现实的慢世界：能力进入真实组织之后，会撞上工作流、反馈、数据、验收和责任链。我们真正关心的是两者的交汇处：能力继续变强，但生产力不会自动发生。

IAI 的快世界：能力曲线确实很陡

先从模型层说起。OpenAI 的 Codex 和 Anthropic 的 Claude Code，到底差多久？表面是两个产品的比较，背后是一个更大的问题：模型层还能形成多久的壁垒。

BY 的判断很直接：“现在这个时代没有差一年的。按马斯克的节奏，也就两个月；务实一点说，大概四个月。”这句话的重点不是精确到几个月，而是时间单位变了。模型层仍然重要，但很难再靠一两年的代差形成长期壁垒。

Jack Clark 在 Import AI 455 里给过一组更直观的数据：SWE-Bench 从 2023 年底的 2%，走到 2026 年中的 93.9%；CORE-Bench 这类 AI 研发任务也在快速上行。单看某一个 benchmark 可能有噪音，但多个任务面一起被打穿，说明前沿能力还在继续进步，公开能力的扩散速度也越来越快。

Jack Clark 原图：CORE-Bench 这类 AI 研发任务也在快速上行。重点不是某一个 benchmark，而是模型能力扩散正在发生在多个任务面上这是快世界最强的证据：模型能力不只是在聊天、写代码、做题上进步，也开始进入 AI 研发本身。复现实验、优化训练代码、跑 benchmark，这些事情反馈更短，一旦 agent 能稳定参与，能力曲线可能继续变陡。

这不是说模型公司没有价值。领先者真正花时间的地方，常常不是最后那个分数，而是前面大量试错：数据怎么洗、agent loop 怎么跑、工具怎么接、失败怎么恢复、用户怎么验收。等 recipe 被行业看懂，后来者追模型会更快；但真正进入工作流的经验，不会同样快地复制。

快世界不只是模型分数。更重要的是，agent 正在改变工作循环本身：人不再每一步都卡在 loop 里，机器开始自己跑循环。换句话说，AI 开始把工作从人速推向机器速。

IIAgent：人从执行者变成管理者

Agent 和 chatbot 最大的差别，不是回答更长，而是人不再卡在每一个 loop 里。Copilot / Chat 时代，人要不断 prompt、read、再 prompt；agent 时代，人定义目标，agent 自己拆任务、调用工具、检查结果，最后跑到一个可验收的结果。

Coatue：从 Copilot / Chat 到 Agent，关键变化是 human required in every loop 变成 human becomes the manager这张图好在，它没有把 agent 讲成一个更聪明的聊天框，而是讲成劳动组织方式的变化。所谓 labor is no longer human-limited，不是人不重要了，而是人的瓶颈从执行转到管理：定义目标、设置边界、验收结果。图里“1 analyst helping you”到“1,000 analysts working 24/7”当然有夸张成分，但方向是对的：工作不再完全受制于人的打字速度和 check-in 频率。

也正因为这样，agent 的变化会同时落在两张账上：一张是生产力账，一张是基础设施账。工作循环从人速变成机器速，token、上下文、测试、工具调用都会被放大。有个代表性细节：Anthropic 现在的 compute 紧张程度，比一年前更紧，不是更松。

原因不只是用户多了。token 消费模式本身变了：

以前 token 是给人看的——你打字多快，模型就生成多快，反正你看不过来。

现在 token 是给 agent 用的——agent 是 relentless 的，它可以一直跑。

这句话解释了很多账。一个 coding agent 做真实任务，会持续读文件（一个中型项目几万行代码就是几十万 token）、写代码、跑测试、修错、总结、再读上下文。复杂任务消耗几百万 token 不稀奇；chat 时代一次对话通常只有几千到几万 token。所以 $200/月订阅对重度 agent 用户其实是补贴，真实推理成本可能是几倍甚至十几倍。另一边，长期运行的 agent 需要记忆、上下文、调度和工具调用，负载也会从 GPU 扩散到 memory、CPU、storage 和网络。

所以，更直观的不是“用户数”，而是 token 曲线。Coatue 估算 OpenAI + Anthropic + Gemini API 的年化 token，从 2023 年几乎贴地，拉到 2025 年底约 16.4K trillion，并在 2026 年继续上行。这里的重点不是精确到每个点，而是斜率：agent 把调用频次从人速推到机器速。

Coatue：API token 消耗已经从人类聊天速度，进入 agent 工作流驱动的更陡斜率这也解释了为什么 capex 还在继续上修。BofA 四月底报告给出的 CY27 hyperscaler capex 路径是 $1Tn，CY26 已经是 $700B+；Google 1Q26 财报披露 Cloud backlog 接近翻倍到 $460B+，Direct API Gemini token 16B/分钟、季度环比 +60%；Microsoft AI sales 年化 $37B+、同比 +123%。背后的逻辑并不复杂：agent 是 relentless 的，它持续吞 token，而 token 最后会落到硬件需求上。

再看负载结构：推理正在变得比训练更重。两年前业内估算训练占 AI compute 的 70-80%，推理 20-30%；现在很多 hyperscaler 的负载已经反过来。这个结构性变化对存储链尤其有意义：训练需要 HBM，推理也需要 HBM，但更需要 NAND/eSSD 来存 KV cache、模型 checkpoint、用户上下文。Citi 在四月报告里说 NAND CY26 ASP 同比 +172%、SSD 段位 +242%，这不像普通周期波动，更像 agent 时代的存储 TCO 重构。

我们更愿意把这轮 capex 看成“推理工厂”的扩建。Agent 把推理变成持续运行的工作负载。数据中心也会从“训练集群”继续演化成“训练 + 推理 + 存储 + 网络”的综合系统。GPU / ASIC 仍是核心，但瓶颈会同时扩散到 HBM、NAND / eSSD、数据中心网络、光通信、EDA 和测试。训练时代主要买的是峰值算力；agent 时代还要买上下文、缓存、调度、可靠性和低延迟。也就是说，capex 不是简单多买几张卡，而是在为更长任务、更高并发、更低错误率重做整套基础设施。

快世界的下一步，是任务上移。模型从做题、补全代码，走向更长、更完整的工作；但任务越往上，反馈也会越慢。

III任务上移：从 E4 到 E5

Coding agent 最容易把“模型能力”和“工作能力”分开观察。Meta 工程师 level 是一个好参照。

如果用 Meta 的工程师 level 来看，E3 是新人，E4 能独立交付 feature，E5 能拿一个独立项目往前推，E6 开始定义方向、带几个 E5。Google、Amazon 的 level 体系叫法不同，但含义接近。“现在 coding agent 的水平，我觉得是一个很高的 L4——强 E4，”BY 说，“但要跳到 E5，还有距离。”

从 E4 到 E5，不是智力差距。更准确的类比，是一个聪明人从学校进入职场：

你想象一个 MIT 顶尖的毕业生——智力已经在那了，他没在职场工作过。把他训练成 Facebook E5，靠的不是再做智力提升，而是 environment、instruction、长期反馈。

从 E4 到 E5，缺的不是 IQ，是职场训练。E5 要能主动判断该做什么，要记得项目历史，要理解业务约束，要对结果负责，还要有从大量反馈里磨出来的 taste。这些都不是 benchmark 分数能直接测出来的。

AI 已是强 E4，但跳到 E5 需要的不是更聪明，是更深的“职场训练”难点在于，项目级工作的反馈周期太长。一个 feature 写得对不对，几分钟就能验证；一个 project 的方向对不对，可能要等几个月。模型在长任务里也会“压缩”需求，把 100 个要求压成前 20 个重点，后面的细节慢慢丢掉。上下文窗口变长有帮助，但不能替代真实工作环境。

从 E4 到 E5，不能只等模型“再聪明一点”。需要外部记忆、任务追踪、文件规则、技能库、验证 checklist，也就是前面说的 harness。谁先把这套工作环境做扎实，谁就更可能定义下一代 coding agent。

Jack Clark 把这个问题推得更远。他在 Import AI 455 里判断，如果 AI 研发里的多个 benchmark 继续同时上行，recursive self-improvement 可能在 2028 前后变成真实情景。60% 这个概率可以打折看，但问题已经很具体：AI 能独立工作的任务跨度，到底在多快变长？

Jack Clark 对 AI 自动化 AI 研发时间表的公开判断。我们不把它当作结论，但 E5 / project-level 能力一旦被产品化，后面的时间表可能会明显前移METR（Model Evaluation & Threat Research）的任务时长指标更直接：AI 系统在一组任务上达到 50% 可靠性时，这些任务对应的“熟练人类完成时间”。

METR 数据：AI 任务时间跨度从 30 秒到 12 小时只用了 4 年。如果趋势延续，2026 年底可能到 100 小时（~两周连续工作），这正是 E5 / 真正 project-level 工作的时间尺度如果这条曲线延续，BY 说的“E4 到 E5 还有距离”，可能不是 3-5 年，而是 12-18 个月。Ajeya Cotra（METR 研究员）认为，2026 年底 AI 系统完成“100 小时人类工作”不是离谱假设。100 小时大概就是一个 E5 工程师拿到独立 project 后，从需求到 MVP 的时间尺度。Cursor、Devin、Codex CLI 这半年爆发，是在把“独立工作几个小时”的能力产品化；当任务时长从小时变成天、再变成周，产品形态还会变一次。

模型公司和云厂商继续加码，赌的是任务跨度跃迁。只要任务跨度真的从“几小时”推到“几天、几周”，AI 就不再只是一个 chatbot 订阅，而是在进入软件开发、数据分析、客服、内部运营，甚至 R&D 的劳动力替代和增强市场。今天很多推理成本看起来很贵，资本仍然愿意忍，是因为它押的是后面那层价值：当 AI 能稳定完成 project-level 工作，ARPU 和可服务市场都可能重新定价。

Joseph Jacks / OSS Capital 给出的激进情景：Anthropic ARR 到 2030 年达到 $2T。BEDROCK 不把它当作 base case，但这类数字代表了市场对“AI 劳动力平台”的想象力。我们不把这条 $2T ARR 路径当 base case。它把 Anthropic 的 run-rate ARR 和 Alphabet 的 GAAP revenue 放在同一张图里，本身就需要打折看；从算力供给、企业采购节奏、gross margin 到竞争格局，中间也有很多约束。但市场讨论这种数字，看的是“可自动化工作”的入口，而不是多卖一点 chatbot。云厂商今天的 capex 看起来像军备竞赛，本质上也是在买这个期权。

IV反馈环决定兑现顺序

任务跨度变长以后，下一层问题是：哪类工作能先转成生产力？答案通常不是“最宏大”的任务，而是反馈最短的任务。真正决定 AI 先在哪里变成生产力的是反馈环。

Coding 的反馈环天然短。模型写完代码，可以立刻编译、测试、运行、看 diff、看错误日志，几分钟内知道自己错在哪里，然后修。机器内部就能闭合“假设-验证”循环，不需要等用户、等市场、等老板。

反馈越短，AI 越容易进步，也越容易商业化。

很多企业场景慢，不是模型不够聪明，而是没有这么清楚、这么密的反馈。产品、战略、组织管理的反馈周期是周、月、季，噪音很大，归因也很难。

反馈环越短，AI 越早进入经营验证放到业务场景里，短反馈环的工作流会先跑出来：客户支持工单、SRE on-call、代码 review、合同模板填充、保险理赔初审。反馈很长的工作——市场战略、组织设计、长周期决策——AI 可以辅助，但要完全替代还很远。

AI 研发本身，可能就是反馈环最短的工作流之一。如果 AI 能参与训练代码优化、实验复现、benchmark 提升和模型微调，它得到的反馈不是几年后的组织结果，而是几分钟、几小时后的 loss、speedup、score。

Clark 在 Import AI 455 里列过一个很具体的例子：Anthropic 内部让 AI 优化 CPU-only 小型语言模型训练实现。过去一年，AI 从 2.9x 加速走到 52x；同类任务，人类研究员通常需要 4-8 小时才能做到 4x。这还不是“AI 已经会自己造 AI”，但最短反馈环会最先自我加速。

如果这条路径延续，模型迭代、harness 部署和算力需求都会被压缩时间表。AI 研发本身可能先进入自我加速，capex 也要换一种读法：不能只看训练需求，还要看 agent 推理需求。

下半场：现实的慢世界

到这里，快世界已经很清楚：模型在变强，agent 在把工作循环机器化，AI 研发本身也可能自我加速。真正的分歧不在“AI 会不会继续进步”，而在现实世界能不能接住这些进步。

V慢世界：同一个模型，为什么效果差很多

进入真实组织以后，问题就不再只是模型够不够聪明，而是这套能力由什么承载。Jack 讲的是能力斜率；我们更想知道，这条斜率撞到真实工作流时，哪些东西会变成壁垒。所以，落到公司层面，我们会更重视 harness。这个词中文不好翻，硬翻会别扭。其实可以简单理解成：模型进入工作现场时，外面那一整套工具、规则和验收机制。

最简单的区别是：你把同一个模型单独打开，让它回答“帮我改这段代码”，是一种效果；把它放进真实 repo 里，让它能读文件、跑测试、保留计划、失败后自己重试、最后把关键判断交还给人，就是另一种效果。前者是模型能力，后者才更接近工作能力。

AI 生产力不是模型自己“长出来”的，而是一层层叠出来的。底层是模型；往上是 harness，决定模型能不能稳定干活；再往上是场景数据，决定它知不知道“我们这里”怎么干；最上面是组织流程，决定它做出来的东西能不能被采用、被验收、进入 P&L。越往上，越接近真实 ROI，也越不容易被复制。

模型只是起点；真正难的是把它放进工作环境，并让结果进入业务这件事在软件历史里并不陌生。云计算不是靠某一台 VM 留住客户，而是靠存储、数据库、权限、监控、计费和运维流程绑在一起。数据库也不是 SQL 语法本身有多难迁移，而是业务系统、数据模型、报表和权限沉进去以后，迁移成本才变高。

AI 也是这个结构。真正有粘性的不是“用了哪家模型”，而是“模型被装进了什么环境”。代码风格、业务规则、权限体系、数据治理和验收标准，决定了模型能不能稳定产出。只是接一个外部 API，没有自己的 harness 和场景数据，最后很容易留不住价值。

VI能力增长，不等于收入增长

用 BEDROCK 的“快世界 / 慢世界”框架看，AI 内部是快世界，现实组织是慢世界。模型能力可以按周、按月迭代，但客户验收、预算审批、数据治理、组织流程、用户习惯，往往按季度甚至按年变化。

内部能力翻倍，不等于外部收入翻倍。外部世界接不住，能力会先卡在验收、流程和预算里。

Coding 离 AI 的快世界更近，反馈可以机器化验证。企业 AI、广告收入和 Physical AI 则要穿过现实的慢世界。AI 能力增长和收入增长之间，隔着一层现实摩擦。

能力提升发生在 AI 的快世界，收入验证经常卡在现实的慢世界VIIMeta：生产力先到成本端

AI 的快世界和现实的慢世界，最容易在 Meta 身上看清楚。如果 AI 把 Meta 工程师生产力翻倍，Meta 收入是不是也会翻倍？

关键在于：“Meta 在 AI 上面提高的模型能力，并不是 bottleneck by productivity. It is bottleneck by experiments that can run.” 换成业务语言就是：Meta 的瓶颈不在工程师能写多少代码，而在它一年能跑多少个真实的 A/B 实验。

Meta 卡在哪里？先卡在广告主预算的总盘子——市场就那么大，不会因为模型变聪明就突然多出来。也卡在用户注意力——每个人一天就 24 小时，AI 变不出来。

更关键的是实验容量。A/B test 需要真实流量、最低人群规模、足够时间；Meta 的总流量虽大，却要被几百个团队的几千个实验切分，真正能分给一个新功能的“实验份额”是有限的。再往后，还有产品体验阈值、隐私监管、反垄断诉讼和 TikTok 竞争。

在 Meta，AI 的影响会先体现在成本端。同样的人能跑更多项目，OpEx 受益，利润率先扩张。要影响收入端，需要 AI 真的造出新的产品形态、新的广告库存、新的付费意愿——而这些都是慢世界的事，周期可能是几年。这和 Meta 过去几个季度的披露也一致：capex 持续上修（2026 年 $125-145B），收入 growth 维持高个位数到 +15%，AI 真正在做的事是让运营效率上一个台阶，而不是让收入曲线突然陡峭起来。

VIII企业 AI：workflow 才是落点

硬件之外，企业端真正要改的是 workflow。很多公司一开始把问题问窄了：不是“买一个 GPT 接 API，让它替我做 X”，而是把工作流从“人主导”改成“AI 执行 + 人验收”。说到底，预算最终会流向 workflow 重构，而不是 API wrapper。

这不是买软件，而是改组织。公司要重新梳理流程，找出能被 AI 接管或加速的环节，建立自己的 skill 库、prompt 模板、知识库和工具调用规则，把重复工作交给 agent，再设计验收机制和 human oversight。Manager 的职责也会变：从管人，变成管目标、管系统、管验收。

这会分化出两类公司。第一类像咨询交付：帮客户梳理流程、接系统、做定制，收入可以增长，但每个项目都很重。第二类更像平台：把一次次部署里沉淀下来的工作流、数据 schema、权限规则和验收机制抽象成可复用产品。后者才更接近“把 AI 装进组织”的长期形态。

Palantir 是一个典型例子。它不一定拥有最强模型，但它有客户关系、数据系统、合规体系和私有部署能力。政府、军工、能源这类场景最难的不是接一个 API，而是让 AI 进入已有系统、权限和责任链。谁能完成这件事，谁就更接近真实生产力。

离软件反馈环越远，中间约束越多，AI 就越不能直接外推成生产力。Physical AI 是最典型的例子：模型能力只是其中一层，真正难的是系统集成。

IXPhysical AI：慢在系统集成

再往慢世界走一步，就到 Physical AI。对这一块，判断需要更克制：Optimus、Figure 这些公司进展很快，但智力侧（LLM 大脑）ready，不等于系统 ready。

所以问题不是“body ready 了吗”，而是：什么叫 body is ready？

Body is ready 是个伪命题。就算 brain 足够强，body 足够好，但集成不好就是表现很差。

Robotaxi 是更好理解的类比。它相对人形机器人，任务边界其实更窄：车只需要在道路上行驶，不需要开门、拿东西、爬楼梯。但安全性、长尾场景、监管和公众信任，把它牢牢拽进慢世界。2019 年 Tesla Autonomy Day 上，马斯克说 2020 年会有上百万辆 Tesla robotaxi；现实走到今天，robotaxi 的推进仍然是城市、区域、天气、监管一点点放开。这里的差距，不是一句“模型不够聪明”能解释的。

完美的视觉模型加完美的车，不等于自动驾驶。关键是 sensor、control、decision、safety 这一整套端到端集成。机器人也是一样：感知、控制、动作规划、反馈延迟、软硬件协同，任何一项掉链子，就算大脑再聪明都白搭。

这正是机器人学几十年来的“Moravec 悖论”——计算机能轻松做人类觉得难的事（下棋、解微积分），但人类觉得简单的事（拿起一个鸡蛋、走过一片不平地面）对机器人来说极其困难。

Boston Dynamics 从 1992 年成立到推出第一台商业化产品 Spot 是 2019 年，整整 27 年；Stretch 商业化是 2022 年。这不是因为团队不够强，是物理世界的复杂度本来就需要这么久。最近 Physical Intelligence、Figure、1X 这些新一代公司虽然 demo 看起来惊艳，但从 demo 到能在客户工厂稳定运行 1000 小时，中间的路径仍然漫长。

这不是看空 physical AI。集成一旦突破，进展会突然加速；但现在还没到可验证商业化阶段。和 coding 不同，机器人要同时解决身体、感知、控制、安全和场景数据，反馈也很慢。它会是大机会，但不是把 LLM 大脑装上去就结束。

最后回到 BEDROCK 的主判断：AI 的分析重心要上移。过去两年，我们很容易追着 benchmark 跑；但在 AI 的快世界撞上现实的慢世界之后，更该问的是三件事：反馈环有多短，堆栈有多深，组织能不能吃下去。模型分数会被追平，harness、场景数据、组织流程、客户关系不会那么快被追平。

所以，我们反而不太想纠结“AGI moment 是哪一天”。事实上，人类历史里，很少有技术以今天 AI 这样的速度，同时改写模型能力、软件开发、资本开支和组织流程。如果所谓 singularity 指的是能力曲线变陡、反馈环变短、生产方式被重新组织，那它不是某个未来日期，而是我们已经身处其中的状态。

No singulation, all singularity.

其实，我们不需要等待一个奇点时刻，因为已经身处其中。