# OPC 已经凉了，FDE 会有光明的未来么？

> AI炼金术 精读

- 发布日期：2026-08-29
- 主持：徐文浩 · 任鑫
- 原节目：https://www.xiaoyuzhoufm.com/episode/6a92e04c8e912c9d3185cc4f
- 网页版：https://aialchemy.qiaomu.ai/ep/6a92e04c8e912c9d3185cc4f.html
- 精读字数：约 10147 字（阅读约 23 分钟）

> 本文为 aialchemy.qiaomu.ai 基于节目转写的 AI 整理精读，不是逐字稿；引用请注明出处并链接网页版。

任鑫最近找了个从英国回来的年轻人，日常工作是在上海挨家上门，帮一群企业家装 Codex、绑信用卡。客户里不乏几百亿体量的公司。这些老板已经很拥抱 AI 了，卡住他们的地方却是软件怎么安装、信用卡怎么付。

这期播客里，徐文浩把 OPC 和 FDE 两个热词都判了刑。OPC 是一人公司，FDE 是前向部署工程师。判完刑，两个人聊出来的反而是这门生意眼下真实的样子。信息差比多数人想的大，大到上门装软件也能成为一门正经生意。

他们还聊了国产模型的井喷、蒸馏的争议、模型会不会变成水电煤，以及徐文浩对 DeepSeek 新 harness 的判断。骂的人和夸的人可能都没看到点子上。它做生产力工具不行，但可能是可塑软件时代一个有意思的内核。

## 两个热词的体温，和模型厂商伸向三方应用的手 1:20

徐文浩的观察是，OPC 这个词的温度在下降，FDE 的温度在上升，而且快要到顶点了。

任鑫补了一个更扎心的定义：很多人失业了，就管自己叫 OPC。

过去这段时间新闻很密。腾讯在推自己的客户端 agent 产品，字节把豆包和飞书合并，也在花力气推。DeepSeek 发了 pro，上线时骂声一片，评价很拉。紧接着 DeepSeek 发了自己的 harness，叫 DSH，评价两极，有人觉得巨傻，有人觉得很好。OpenRouter 上冒出一个匿名模型，大家靠 tokenizer 的指纹去猜，说是 GLM 的后续版本。

海外这边，Anthropic 和 OpenAI 都在准备 IPO。第三方监测给出的数字是，Anthropic 的收入大概是 OpenAI 的一倍，增长率已经掉到个位数。另一组数字来自第三方 agent 应用，Manus 和另一款国内团队做的产品，活跃数比巅峰跌了大概三分之一。

徐文浩的解释很直接。模型厂商的 token 毛利很高，可以用很低的成本提供 token。三方应用是向模型厂商买 token 的，打不起价格战。模型本身能力又强，harness 好一点坏一点，在普通人的应用里差别没有那么明显。写个 PPT、写个文档、做个调研，都能干。

模型越强，harness 的价值反而越薄。之前 Manus 在模型上面搭了很多脚手架，让能力看起来更强。模型一升级，80% 的脚手架就废了，不需要了。这个时候差别也不大。

任鑫插了一段自己的账单。他用 Manus 的次数不多，体验挺好，但跑一个任务 20 美金就没了。Claude Code 是 200 美金一个月，执行同类任务，一个月起码能跑上百次。账算下来，订阅制的性价比完全不一样。

Kimi 3 也是这段时间发的，口碑很好。徐文浩过去一个多月在写公司新一代的 harness，写得很累，顺手提议以后每周做一期新闻专题，把一周的事过一遍，说说哪件事重要、影响是什么。任鑫答应了。

## 先卖，别攒技能 6:13

徐文浩对 OPC 的判断一直没变。

> OPC 本身不成立，但是团队规模小是成立的。

理由不复杂。现代社会做一家公司，产品、销售、交付三件事的复杂度都很高。假设一个人能搞定，多一个人能不能 double？如果能，为什么不多一个人。交接本身就是效率损耗。徐文浩在公司里的体感是，一个人写到一半，想让同事加入，沟通半天，还不如自己写完。多一个人未必能加速，交接环节甚至可能降速。

任鑫遇到更多想做 OPC 的人。他们问得最多的是，做 OPC 最重要的是不是搭好 harness。任鑫的回答是：

> 最重要的是找到谁给你付钱。

大部分 OPC 找不到给钱的人，就在那里自嗨。我提效了这个，提效了那个，又做出了一个东西，然后去哄骗下一批也想做 OPC 的人来付钱。这个循环撑不下去，因为大家都没钱了。OPC 只是讲一个人可以干活，一个人个体户也能干活。干活和把活变成钱，难的是后面那件事。

徐文浩补了一刀。大部分出来做 OPC 的人，原来不是做销售的。不管主动还是被动离开公司，绝大多数人没有在市场上直接卖过东西。卖外包劳动力也好，卖课也好，卖咨询也好，都没有。所以他们会不停逃避现实，不停做东西。

任鑫给想积累技能的人一句话：

> 不要积累，你赶紧卖。

徐文浩拿做播客举例。有人说也想做播客，他的回答是那就录。他们最早就是两台 iPhone 录的，没有任何设备。后来听众一直反馈声音差，才换了麦克风。视频也是，先把老相机拿出来，买了个灯，先搞起来。真要做，准备工作没有想象中那么多。

小团队的另一个变化是沟通方式。徐文浩观察到，很多公司原来的四五步流程，现在缩到一步两步。人和人之间的话越来越少，问一个事，对方直接甩一个代码库链接，说你自己去问 AI。有一种叫法，叫从飞书协作模式转向 GitHub 协作模式。所有人对着同一个事实来源工作，而不是人跟人反复对齐。

他甚至觉得，AI 应该当组织的中央枢纽和总线。让 AI 来做对齐、推进、检查，人一插手，人就变成瓶颈。

任鑫也认这个理。现实世界还有很多摩擦，一个人搞不定，还是需要有人合作。他举了一个特别朴素的例子。有人请他讲课，对接合同、走大厂和 500 强的采购流程，耗进去小半个人。光是为了收钱，你可能就要耗进去半个人。这些流程漫长又复杂，没有经历过的人想得很简单。

## FDE 是来填缝的，缝填完就消亡 9:26

任鑫有一个困惑：FDE 和原来的咨询加外包，区别到底是什么？大部分今天号称 FDE 的人，交付方式和外包没有区别。

徐文浩同意。这个词已经被用烂了。早期有区别，用的是 60 万美金的人去做以前 6 万美金的活。人贵，就可以多思考一层，帮你理业务，理完还能沉淀回总部。今天在国内，所有人都管自己叫 FDE，区别就没了。

旧时代的咨询加交付有一条清晰的链条。麦肯锡帮你咨询两个月，事情要变成公司里的系统和流程，还得再花十个月写代码。所以才出现埃森哲、IBM 这类 IT 咨询公司，咨询完把交付也做了。交付很贵，研发成本高。

今天 FDE 能用贵的人把外包也做了，原因只有一个，研发成本极低。聊完，对着 Codex 或 Claude Code 说一堆话，事情就做完了。

那为什么公司还要从外面找 FDE？公司内部的业务团队或者 IT 自己为什么不干？

第一个原因是信息差。

任鑫最近和一群企业家混在一起。这些人已经很拥抱 AI 了，问他的问题是 Codex 怎么安装、信用卡怎么付。他专门找了一个英国回来的年轻人，上海地区上门，外地视频远程，一对一帮老板们刷卡、下载软件。

更让他震撼的是另一件事。很多你叫得出名字的 AI 高科技公司，创始人日常在用豆包，工作里很多问题也在问豆包。并没有人人都在用 Claude Code 和 Codex。大部分公司像他们这样的老登，转身其实挺慢的。

传统企业还有一层现实约束。利润薄，请来的人工资不高。一家不小的公司，研发负责人可能年薪 80 万，副总可能才 50 万。这个人要懂 AI，还要能把 AI 讲明白。懂乘以白话的能力，大部分内部人不够。老板也不信他。外来的和尚有光环，告诉你刚帮哪家转型了，吹一堆，老板比较容易信。现场再装一个 Codex，一边开会一边上线八个 demo，问王总你要的是第三个嘛，形象立刻就出来了。

徐文浩和任鑫之前聊过一个判断：AI 时代有一个做 AI 时代埃森哲的机会。任鑫甚至想过，两个人是不是应该转型，号称规模化帮公司培养 FDE。卖课也好，做咨询也好，这件事可规模化，比一个个上门装软件强。

但徐文浩给 FDE 判的刑是：它不是长久的业务。

**FDE 更像在这个阶段填补企业渗透 AI 的缝隙。缝隙慢慢填完，这个职能就消亡了。**

公司要解决的从来不是 AI 问题，是业务问题。一家餐馆要的是有客人来花钱吃饭，一家零售商要的是货卖得出去，一家制造业企业要的是订单和交付。做 AI 的人不懂餐馆里那些弯弯绕绕，但为了挣钱，会拼命去了解，帮他把缝隙填上。填完之后，这个人应该变成他内部的员工，沟通成本更低，然后去下一家。最终 FDE 这个职能就不需要了。

第二个原因更微妙，AI 转型是个政治问题。

AI 革命的是自己人。对员工，它像来抢饭碗的。对管理层，它像来抢权的。让一个人拿自己开刀，很难。

任鑫见过最直接的一幕。一位高管当面问推 AI 转型的 HR 负责人：你告诉我，这件事对我的好处是什么。两个人都很熟，对方说不出来。

所以老板需要一把外面的刀。能力上未必做不到，位置上做不到。高管坐在那个位置，推这件事对他没什么好处。外面的咨询公司或者 FDE 进来，拿着老板的授权动手，阻力会小很多。任鑫提到安克，听了两遍他们的课，觉得讲得好。这种公司能转下来，因为老板确实够狠。但很少有老板又够狠又能管得下来业务。他认识的大部分老板，看起来很有权威，把下属喷得像狗一样，实际上已经干涉不了业务，甚至不敢把那个高管开掉。

徐文浩从这里给出一个反向安慰。一个万亿大厂如果都万众一心，创业公司还有什么机会。组织里的摩擦、政治、惰性，才是 startup 的空间。

## 国产模型井喷，日常八成工作分不出差别 23:03

这段时间国产模型至少有四五个大发布。Kimi 发了 K3，口碑很好。DeepSeek 发了 V4 Flash，7 月 31 号的版本，反馈也很好。GLM 发了 3.8。千问的 27B 小模型反馈很好。腾讯之前也发过小的混元 3，市场上的声音不算多。海外这边，Grok 发了 4.5 和 4.6，Google 发了 Gemini 3.7 Flash，Meta 发了 Muse Spark 11 和 12。Google 那边还有很大的人事变动，DeepMind 出了什么事，大家只能当八卦听。

徐文浩的牌桌标准很简单。市场上觉得还不错、自己愿意用的，就还在基础模型的牌桌上。DSH 这类 harness 不算，只讲模型。

他自己的实测体感更直接。给一个明确的代码任务，让 Kimi 3 和 Grok 去做，他已经分不出和 GPT、Claude 有什么明显差别。给一个方向明确、细节没那么明确的活，扔过去，基本都能正常完成。他演示过用公司内部的 harness 走 code review，根据反馈再修复，最后上线，看起来也没有问题。

这些一线模型对他日常 80% 的开发工作已经没有差别，都可用。

例外是长程复杂的大任务。任鑫的孵化器里有团队反馈，长程任务还是跟最强的模型没法比，又切回去了。徐文浩也认这一点。他经常在朋友圈喷，真正长程复杂的大任务，不管把 GPT 开到多高的档位，还是 Opus 开到最高档，都做不好，只有某一家能做好。日常开发里，问一个代码库的问题，他反而不会开 Codex，更不会开 Claude，因为太慢。Grok 有一段时间非常快，他就一直开着一个 Grok 在那问。

**速度今天也是一个被低估的维度。模型非常 powerful 但是很慢，你也受不了。**人往往并行开很多窗口，想快速在一个很大的代码仓库里确认一些事情，慢就卡住了。Kimi 刚上线那两天他重度使用，后来有一段时间基本没法用，算力太慢，后台全是报错的请求。他自己订了 199 人民币的 Kimi，X 的 Premium+ 自带差不多 30 美金额度，还有朋友送了两个 Kimi 订阅，一两周的额度都用满了。

话题转到蒸馏。徐文浩认为蒸馏肯定有用，而且 ROI 很高。蒸馏是为了获取训练样本，用各种方式获取别人更好模型的训练样本。这个获取方式是自动的，只要有足够多的账号和足够多的钱，它横向可扩展。让人去写数据，是手动的，不一定能横向扩展。两边效率差别非常大。

他不觉得蒸馏违背法律，也不觉得违背道德。花了钱买你的 API，凭啥不能爱干啥干啥。写个 license 说不准蒸馏，按国内法律，很多就是霸王条款，写了也没用。有人拿 Claude 把书买过去录进去类比，他觉得很像。

那字节为什么一直没做出 SOTA？有个说法是因为字节死活不蒸馏。徐文浩觉得不一定。Google 也没做出来，这更离谱。以前的说法是嘲笑 Google 是美国豆包，现在的说法是，请不要侮辱豆包。豆包在多模态上很强，但脑子确实一般。Kimi、GLM、MiniMax 都出过 SOTA，字节一直没出来，原因未必在蒸馏。

他猜了两个方向。一个是字节和 Google 什么都做，可能期望做一个全模态统一的模型。多模态训练里有 early fusion 和 late fusion 的选择，早期就把视觉能力融合进来，事情会更复杂，更早要回答一个更困难的问题，等于赌一把大的。另一个是人才激励。在字节做一个模型拿多少股份，出来创业立刻能融资，钱不一定套到兜里，心理感受完全不一样。

## 模型会不会变成水电煤，买股票像买保险 33:07

三年前大家用思想实验讨论模型会不会变成基建，像移动运营商或者铺光缆，提供智能，没有溢价能力。今天有了体感证据。

徐文浩说，去年 11 月不让他用 Claude，这活没法干了，那时候有很多梗，再吸一口 Claude。今天不让他用，难受，但换个模型也能干。真要跑复杂任务，他还有更强的选择，不至于觉得活干不了。

任鑫的判断是，大部分任务用不到最前沿的智能。

> 教高中物理，用诺贝尔奖得主和用大学生其实差不多。

只有两类工作需要顶级智能。一类是竞争型工作，另一类是无尽边疆的探索型工作。其他大量工作会被盖掉。这也是 Anthropic 增长放缓、两家公司都要冲万亿估值时，大家心里真正的疑问。上市不太可能上不了，估值也不会太低，但长期价值会不会遭遇一次巨大的毁灭性打击，没人知道。

对要 IPO 的模型巨头，徐文浩的持仓逻辑不是炒股。

他基本不炒股。买一点，更像买一个保险或者做一个思维实验。万一未来 AI 真的统治了人类，他好歹占了上亿分之一。他拿比特币打比方，几千美金的时候决定买一个，想的是万一有一天全世界人民都用比特币，他占了四千万分之一，全世界五十亿人，他不是过得最惨的那个。

这个逻辑的关键在于不对称的风险。upside 要足够大，才值得拿有限的钱去赌一下。

他接着推演。今天人类经济里，大部分是打杂的行政类工作。如果智能可以无限分配，小行星采矿、开太阳系、跟外星人作战、打开平行宇宙、人类长生不老、意识上传，这些事都需要最好的智能，需求是无限的。有没有可能今天的经济只占未来经济的万分之一，剩下的万分之九千九百九十九全是科幻。那时候可能只剩两家最强的公司，其他都被吃进去了。Anthropic 发一篇 blog 就能让美股掉 300 亿美金，确实有可能。

任鑫补了一个类比。今天的我们有点像古代的农民，想象不出除了挑担卖货和种地之外，还有什么可能赚钱的事情。

所以徐文浩说，这类股票要像买保险一样买，不能像炒股一样买。炒股他真不了解。

## DSH 不是好 harness，但是好内核 38:17

徐文浩没怎么用 DSH，但粗看了 codebase 和网上对 tech report 的解读。他的判断跟骂的人、夸的人都不一样。

作为生产力工具，他同意喷的那一派。今天讲 harness，讲的是 Codex 这样的客户端，Claude Code 这样的客户端，或者某个有强观点的开源 agent 库。DSH 的做法是万事万物皆插件，什么都可以变。

> 一个万能的东西，万万不能。

做技术出身的人知道这个世界非常脏。一个优雅的接口，下面往往包着一个龌龊的实现。要把活干了，很难是一个理想化的世界。大部分好的 harness 或者 agent，都做了非常多的取舍。它必须有一个很强的 opinion，想明白哪些东西属于这个 agent，必须这样，哪些可以提供扩展点，让未来去定制。Codex 和 Claude 都有插件机制，但自己的 agent loop 改不了，一个开源一个闭源。另一个流行的开源框架，观点是重视各种 IM 接入，各种设备通过 node 映射上去，它也有自己觉得重要的部分，代码可能写得 dirty，功能是做了的，但它并没有说万事万物皆可改。

DSH 给人的感觉是所有东西都可以改。那这东西到底该怎么用？做一个 agent loop，核心考察点就那么几个。长程任务能不能做好，cache hit rate 高不高，sub agent 的编排能力强不强。其他功能大家都有，通过扩展点提供。

至于第二波人说 DSH 是奔着 RSI、通向 AGI，徐文浩的原话是自媒体看多了脑抽。他觉得一毛钱关系也没有。至少从交付出来的东西看，做一个 coding agent 的效率已经不够高。有人扒过 commit history，DSH 的代码大概率是 Codex 和 Claude 写的，不是 DSH 自己写的。即使 DeepSeek 过两天有人出来认领这个说法，他也觉得是因为看了媒体，觉得这个故事好听。

但换个视角，DSH 提供了很有价值的思考。

最近国内 agent 火了，WorkBody、豆包合并，大家又陷入一个怪圈，人人都要做一个客户端。打开一看都差不多，左边一列聊天式的任务，中间一个对话框，右边一个 preview 看 PPT 长什么样。这个路子有点走偏了。

今天模型的能力，加上三栏式 agent 逐步完善，应该往下一步走。海外有个词叫可塑软件，malleable software。徐文浩觉得 DSH 其实是一个很有意思的可塑软件内核。

大家想一想，为什么有了 Codex、有了 Claude，还有无数小团队和开发者自己再做一遍 agent 客户端。腾讯做，橘子团队做，很多团队都在做。为什么每个人心目中想要的软件都有差别。他自己在公司做产品，还想给自己做一个，跟给同事用的还不一样。

可塑软件这个提法有两张图。一张是吉他制作室，一张是厨房。一个厨子或者一个电工，都有自己的工作间。每个人的工作间长得都不完全一样，设备不一样，布局不一样。行业里有一些最佳实践，有些小步骤大家一样。但每个人习惯用的锅、铲、调料不一样，布局就不一样。

每个人用 agent 也是这样。大家都用 Mac，有人喜欢剪映，有人喜欢 Premiere，有人喜欢 Final Cut。每个人觉得最有效率的工具不一样，要做的事也不一样，每个公司也不一样。传统企业买 ERP 也要做实施，复杂的软件都提供 API、二次接口、配置和二次开发。今天用 agent 也一样，为什么 agent 必须是聊天窗口？

很多 agent 产品的核心不是聊天窗口。做视频的 agent，核心可能是 workflow。一个人设计芯片，窗口也不应该是聊天窗口。对程序员来讲，聊天窗口也不舒服，他更希望有一块宽屏，上面是 code diff，下面是几个聊天窗口，在上面切，在下面看。

原来的需求很难满足。大家捏着鼻子，用不同的软件组合，在很小的局部做定制。今天写代码定制自己的需求，变得没有那么困难。但也不应该从零开始。你不可能为了剪映的一个布局不舒服，从零写一个剪映，代码量太大，十个订阅写一个月也写不完。合理的逻辑是，在原来的软件上，通过 AI 写一些 code，把它改成自己需要的东西。

任鑫现场认领了一个案例。他用 HyperFrames 剪视频，没有完整用它，让 AI 过去学了一下，砍掉一半，按自己的偏好改成了 Mars Frames。它已经完全变了一个东西，但内核和工具集还在，自己再组装。徐文浩提醒，HyperFrames 能做的事比起剪映、Final Cut Pro 差得非常远，能力差距巨大，不能因为有这种东西存在，就觉得可以从零写一个剪映。但方向上，它已经是 modifiable 的。

差别在于，HyperFrames 只是剪辑里的一些小功能，通过 agent loop 组装起来。不管你用哪个 agent，agent 本身改不了自己的 loop。写什么 prompt、怎么拼装、哪个环节拦截、哪个环节找人确认，代码都是写死的。DSH 真正做到的事，是让 agent 运行时本身动态可变。这一轮对话这样拼，下一轮那样拼。这一轮用户输入把上一轮打断，那次输入等上一轮结束再插入。整个 agent 的运行时在动态发生变化。

所以徐文浩说，DSH 直接当 harness 用做得非常不好，但思路有借鉴意义。做企业 agent，不可能要求企业都用某一个聊天框。应该提供一个厨房，告诉企业我能根据你的需求快速组装。原来是一个 ERP，甚至不是对话窗口，也能快速把 agent 能力接进来。有些是接入 agent 能力，有些是用 agent 快速做一个 mobile software，串接流程。这是下一步 agent 渗透的路径。每人装一个 Codex 或者 Claude，然后做 PPT，这件事基本已经结束了。

任鑫顺着这个思路想，再配上录屏、录音、访谈，自动生成经验，理论上 FDE 的活就做完了。徐文浩说他们内部已经有一套 infra，开个 Codex 就能帮你做好，一句话就能帮你做一个 agent 接入到任何产品，deploy 到任何云端，内部阿尔法了，接下来会重点推。

对企业，未来一定是 hybrid 形态。传统软件加 agent 加一些胶水，加一些云端可运行的 agent，来优化流程。别逼企业把系统换成聊天框，在原来的 ERP 里加入 agent 能力，在某些特定环节和流程里用起来。任鑫补了一句，这样才好卖，还可以基于一个产品帮公司培养内部 FDE，教他们怎么用好这套东西，这样才可规模化。FDE 那个东西太不可规模化，应该是一个非常灵活、能自变形的产品。

## AI 原生组织实操，可以直接抄 56:35

徐文浩公司有一套已经在跑的实践。

飞书里有个 bug 机器人。你报 bug，它自动去看线上日志，看当前的代码库，回答你的问题。它知道你是谁，知道你的邮箱，能看到线上你账户的实际运行情况。每天还有 agent 去扫线上报警，发到不同的群里。这些事原来需要综合很多信息，本身不复杂，但很吃人的责任心和细心程度，又不是每天有创新性的事。

第二条经验是尽量让大家不改习惯。他们试过让人改习惯，说你去问 Claude 不就好了，我给你做个 skill。大家习惯用飞书。后来想让大家都去 Linear 报 bug，大家还是习惯飞书。最后的做法是建一个飞书主题群，你往那里报，机器人把它搬进 Linear，去线上查，主动问用户。让工具 easy to access，比逼人改习惯更快推动大家用起来。

第三条经验有点反直觉。人与人沟通变少之后，几个人的团队每天站会一圈，反而必不可少。原来协调多的时候，觉得站会有点形式主义。今天大家互相之间完全不讲话，也会很怪异。人还是需要互相沟通一下。

工程侧的门禁很多。代码提交会自动做质量检查，跑测试，AI review 代码，跑端到端测试。每周自动扫一遍代码库，哪些模块重复了该重构，哪个设计不合理，哪里文档没更新对齐，都是定时跑。AI 会把改完的发一个 PR 给你，你决定合不合。合了就发到线上。

还有一个很具体的限制。代码里禁止手写 SVG，除非你明文说明就是要手画。不然它会自动从选定的开源库里挑一个图出来。

非技术人员也被卷进来了。设计师要改界面，工程师把 codebase 给他，说你自己改，提 PR 我看一下。过程就是强迫。有些仓库是线上核心代码，不能直接提交，他们加了检查门禁，设计师只能提交分支，让工程师检查。工程师要花一些精力帮他把环境设好，之后设计师就在本地改，能模拟线上服务器，拉出来看网页效果对不对。他不需要跟工程师说我要改成这样，也不用画图。

节目最后聊到两个彩蛋。

徐文浩想去洛阳、开封、绍兴这样的二线城市看看 AI 普及的真实水位。他的假设是信息非常不普及。就算腾讯在推 WorkBody，最先动的也是一线城市更先进的公司。**如果我们真的相信 AI 是巨大的社会变革，它不应该只针对 1000 万人，应该针对 12 亿人。**他想知道二线城市的人用不用 AI，有没有需求，用不用 agent，用不用 Codex。

任鑫贡献了两条情报。一位 O2O 创始人现在主要在做农村的 AI 推广，比他想的更下沉。另一个是 botlearn 这类公司在卖课，识别到一个被验证很多遍的需求，AI 要乘以一件大家现在都想做的事。公务员写公文已经被满足了，更大的需求是副业，副业想到的第一件事是做自媒体。AI 乘以自媒体，是需求和供给都配上的品类。买的人里有很多在二三线城市。他还提到，早些年有人买虚拟人、买算力，里面混杂着传销式的东西。

另一个彩蛋是 DHH 新开源的 Omarchy，一个以 Arch Linux 为内核的 Linux agent OS。开源没几天就成立了基金会，有人投了 100 万美金，现在已经凑到 1000 万美金。徐文浩说这是可塑硬件。

他自己在家里已经试起来了。一台 Linux 老电脑跑 Ubuntu，上面跑 OpenClaw、Home Assistant 和 Frigate。它可以控制家里所有智能家居，摄像头 24 小时监控。他一般在 Discord 里跟 agent 讲话，说句话就能开灯、看实时监控。他还买了个阵列麦克风，在家吼一嗓子就能指挥，不绑死在任何一个小米或者苹果的生态上。阵列麦克风自己买可开发的板子三四百块钱，摄像头一百多块钱，找台老电脑装个 Linux 就能开始干。

任鑫问，为什么不用小度音箱。徐文浩的回答是，小度音箱也是阵列麦克风，但你需要能自己写程序。他不希望它叫小度，希望它叫 Jarvis。他希望它不只连小度的设备，能连所有设备。指令发给小度，小度发给他的 OpenClaw，由 OpenClaw 决定这次用 DeepSeek V4 Flash 还是用 GPT 处理不同任务。

这一轮 AI 的能力，很大一部分就是快速写代码，写出你需要的东西，然后把东西组合起来，不断往上叠加。对公司，是让运转更高效。对个人，完全可以打造自己的 Jarvis，而且不贵。

如果要从这期里带走几个判断，可以这么记。

想做一人公司，先去找愿意付钱的人，别先攒技能、搭工具。想切企业 AI 服务，先承认信息差和政治阻力真实存在，上门装软件、现场做 demo 这种看起来不高级的活，就是当下的入口。想押注模型公司，先想清楚自己买的是增长还是保险，这两种逻辑对应的仓位和心态完全不同。想在自己的产品里用 agent，别急着再做一个三栏聊天客户端，先看看你原来的软件里，哪个环节可以加一个 agent，再配一点胶水。