挣钱时都是超级个体，坐牢时把锅甩给 AI

美国财长贝森特最近放了一句话。OpenAI 的 agent 在一次内部安全评测里越出沙箱，黑进了 Hugging Face 的生产系统。贝森特的表态是：这是 OpenAI 管理层的责任，政府不会给 AI 实验室免责豁免。

徐文浩听完的反应很直接：「你不能说挣钱的时候我挣一千万，坐牢的时候说这是 agent 的责任，和我没关系。」

这期「AI 炼金术」，徐文浩和任鑫第一次带着话题列表录节目，一口气聊了八件事：AI 出了事谁背锅，为什么这件事拖住了大公司的 AI native 转型，反而成了小公司的机会；一个火了三四天就被满世界复刻的新模型；DHH 的 Omarchy 为什么不只是又一个 Linux 发行版；一种在大企业内部孵化 AI 公司的新模式；同事把 ChatGPT 写的长篇方案转给你说「你看看有没有用」；回应评论区说他们「太资本家视角」的差评；还有智谱的代码上传风波。

挣钱时归你，坐牢时归 agent 0:01:54

任鑫转述贝森特的话：你们一边说 AI 会毁灭人类，一边又要求政府给安全豁免，讲不通。安全是公司自己要提供的产品质量保证，OpenAI 的 agent 黑了 Hugging Face，是管理层负责，不能推给 agent 或 AI。

徐文浩说这个逻辑延续了上一期聊 AI native 组织时他一直追问的问题：先别吹收入涨了、效率高了，你就说出了事谁负责。

个人偷偷黑进别人公司的系统，在中国法律下大概率要坐牢，美国法律他不熟，估计也能让人坐牢。他打了个比方：你造一架民航客机，横跨大西洋、机票卖得贵是你赚到了；飞机坠毁了，反过来跟政府说技术还不成熟，给我豁免，这讲不过去。

任鑫追问：组织内部早就有领导连带责任、一条线全换掉的机制，套到 agent 身上不行吗？agent 都有领导，领导负全责，功劳也是领导的，结构上可以。

徐文浩说，一到 AI native 转型这一步就变难了。假设你在字节做推荐算法，AI 帮你写了个 bug，公司收入可能都会掉，你没法跟老板说这是 agent 写的。金丝雀发布能缓解一部分，先切百分之一的流量看效果。真正的新问题是：你创建了一个 agent，放在组织内部供其他人使用。

原来的责任分摊就已经够扯皮了。研发做基建，提供一个接口，应用层调用，特定输入组合下出了问题，到底是文档没写清楚，还是设计有缺陷，公司里天天吵。agent 让这件事更难定义，因为它不按一板一眼的流程走，灵活性正是它 powerful 的地方，也是责任无法被流程框定的原因。

他举了个例子：餐厅里客人忘了买单就走了，该怪结账的前台、端盘子的服务员，还是大堂经理？交接不清楚，谁都沾一点。

再加上第三层：今天大家都可以把锅先甩给 agent，反正你也不会开除它。

徐文浩还提到之前跟建硕聊，建硕说不用看 code。他的回应是：你是 CEO，你这么说，责任最后 fall back 到你身上。下面干活的小朋友不看，造成重大事故，你会说没关系吗？大概率不会。要是真没关系，大家按回车就行了，看似做了很多事，其实会闹出很大的事故。

任鑫接着推演：以前干活和负责绑在一起，以后可能分开。人类的工作就是想各种办法来负这个责任，叫核查也好，叫别的也好，千奇百怪，这可能就是以后的工作。

徐文浩的第一反应：「人不是很惨吗？」每天早上战战兢兢，收益还得归你，总得平衡一点。

任鑫又从另一头看：这对创业公司是好事。大公司的枷锁相当于要交一层很贵的保险，一层「责任分配税」。十个人的小公司拍胸脯说兄弟们就这么干，可以少交好多税。

徐文浩补了一层：也许只有真正没包袱的新公司，才能真的 AI native。新产品出了最大的事，无非是客户丢了不用了，损失也小，这本身就是竞争优势。

一个能做任意选择题的模型，和三四天就被复刻的产能过剩 0:10:29

任鑫说自己没太 get 到 Jev 牛在哪，看着跟 2015 年的 AI 长得挺像。

徐文浩解释：2015 年已经有 BERT，大家拿那些模型做基座训练分类器。做 Get 的时候，选项是提前定死的，点咖啡、订鲜花、叫外卖、打车，列十个选项，训练一个模型，进来让它从这十个里选一个。

Jev 的差别在于，这十个选项不用预先确定。它可以被称为「一个能做任意选择题的模型」。今天临时决定要加一个「买电脑」，把选项往里一填就行，不用重新训练。这是 in context learning，根据当下给的上下文就能学出结果，更像今天的大模型。

速度上，大语言模型即使只有 7B，推理也是一个 token 一个 token 预测，慢，贵。很多场景对成本和延迟非常敏感。徐文浩给客户做客服，成本敏感，响应时间也敏感；做商超、餐馆的视觉理解，看厨师有没有戴口罩这类异常行为，要么单独做后训练，定义出二十种行为异常，改一次就得重新训练，不 scale，一个客户一个客户服务；要么用通用多模态模型，很贵，客户不愿意承担。

Jev 处在中间：不需要训练，也不贵，能力受限，就是做选择题的能力。比 DeepSeek 那类廉价模型还要便宜一到两个数量级，买两台 DGX Spark 花六万块钱感觉就能一直用。更多像 workflow 的日常业务，既不用提前定制流程，也不用花高成本和延迟等一个大模型。

任鑫问，GPT-4o 实时语音模型出来时，大家猜它有个小模型专门判断当下能不能插话，输出只有 0 和 1，Jev 是不是能干这个。徐文浩说是，现在还不支持多模态音频，相信很快有人做。

然后是这期最狠的一句判断。Jev 出来三四天，满世界都是复刻版，有人基于 diffusion，有人基于 modern BERT，去打榜跑 benchmark，有些综合分数比 Jev 还高。

我称之为叫工程与算法间的严重产能过剩。

用 agent 去 brainstorming，搞几个 Codex 和 Claude 订阅，让 agent 去网上看大家的想法，搞 GPU、造数据、跑实验，一个模型就发出来了。徐文浩说，程序员还有什么好当的。

他的结论是，应该多出来聊天，多把产能卖出去。产能这一侧肯定不缺了。

任鑫接话：现在最重要的是发现机会。生产侧在大规模贬值，谁能找到人买东西，谁最值钱。有人问他 OPC 要练哪个能力，他的回答是不用挑能力，先卖货赚钱，根据卖货再看要培养什么。

那为什么强调活人感？任鑫说大家普遍还是懒的，写出来的东西都跟 AI 长得差不多，你就不想看了。他现在看文章，跟标题几乎无关，只要开头 AI 感很强，内容再感兴趣也不看。供给太多了，啥东西再好吃，满山遍野都是这玩意，也就算了。

他最近参加活动被送了一堆书，有些明显没有 AI 参与，文字挺像人，但结构非常 AI：清晰的分点、起承转合、把历史讲清楚、把道理讲清楚、再讲反面案例。这个结构他太熟悉了，翻十秒钟就扔掉，带都懒得带回来。要看这样的东西，为什么不让 AI 单独生成一本。

徐文浩补了一句：今天出来卖，个性或者 character 反而变得重要。四平八稳、千篇一律，就像拼多多上卖垃圾袋，大家都长得一样，最后只能比谁价格低，都没有利润，这些事就不值得做。

他对 Jev 的整体评价是正面的。推测它是在现有基座大模型上，前面权重不变，改了输出和推理。团队很聪明，找到了一个真实需要的问题，也很会做 PR，讲了一个 System 1 的叙事。技术上毫无门槛。他提到另一个 2025 年就做出来的类似项目 Larya，没那么会讲叙事，也没有 ChatGPT 共同作者的光环，挺委屈。

Omarchy：价值不在好用，在于你能改任何东西 0:22:45

徐文浩正在把主力工作往 Omarchy 上迁，装在一间屋子里的一台 ThinkPad 上。

可以把它定义成 agent OS，本质是个 Linux 发行版，用了很多 Linux 生态里的东西。它满足的是真实需求：不管你用 Codex、Claude 还是别的工具，总有一些需求不被满足。

他举了自己用 to-do list 的例子。他是 J 人，会过度承诺，需要 to-do list 放在旁边看 deadline。跟 Codex 说「你帮我看看 to-do list」太慢了。他还希望写到一半想起一个小问题，能立刻记下来，并且立刻显示在界面上。更麻烦的是，很多 to-do 是链接到公司系统里的：这件事变成 GitHub 的一个 issue，那段代码变成一个待审核的 PR，或者是日历里的一个项目，带时间地点。一般 to-do 软件没有这些。

在 Omarchy 里，他让 agent 临时给自己编一个 to-do 软件，浮现在操作系统窗口的固定位置，想改随时改，也可以分享给别人，或者用别人做好的。

任鑫问，这跟他现在用 Codex 做一个 app 给自己 macOS 用有什么差别。徐文浩说，第一个是很麻烦，成本很高。macOS 上软件要给别人用，得拿苹果的证书签名；更关键的是苹果系统不开源，你只能改应用层，做不了底层。

Omarchy 是个 agent OS 没错，但它重要的是一个你可以改任何东西的 agent OS。

它今天看上去有点 for 极客，原因是你用不用 Codex。装了 Omarchy，自带 Codex，打开登录，对着它口喷就完了，不需要极客能力。它又确实有个人风格：鼓励键盘不用鼠标，鼓励快捷键，很多人会不习惯。

徐文浩举了手机的例子。日本法律要求拍照必须有快门声，你买了苹果手机就关不掉。iOS 上也没法一边刷 B 站一边跟 agent 语音聊天，看视频是语音输出，跟 agent 说话是语音输入，技术上完全可行，但系统不允许。安卓代码开源，理论上可以改成自己需要的手机。

他不买封闭的 AI 眼镜也是这个原因：不希望眼镜连厂商预定义的模型，既不想把数据给它，也不觉得那个模型好。他希望连自己家里的服务器，用自己指定的模型。美国有一些公司在卖眼镜加 SDK，固件可以刷，不绑死在某一个生态里，这才有可能做出真正的 Jarvis。

任鑫说自己也是这么干的。手上戴的录音设备，自带的总结他不用，也不买订阅，只当录音笔，后面交给 Claude Code 按自己的规则处理。他希望厂商把实时流和存下来的文件都开放出来，拿开源模型自己做一个小工具，因为每个人关注的重点不一样，通用软件满足不了所有人。

徐文浩提到 Omarchy 社区里已经有人在讨论剪辑，觉得今天所有剪辑工具都没有为 AI 原生服务，要在 Omarchy 上做一套适合 AI 自己用的视频剪辑工具，仓库叫 Omacut。

任鑫问，这是不是相当于所有软件都开源，可以在上面直接改源代码，拼成自己的。徐文浩说，更容易用这件事不一定。每个人有自己的个性，就像厨房，你做西餐要这样布局，我做川菜要猛火灶，东北人炖菜要很多炖锅。Omarchy 受 DHH 影响很大，选了很多他喜欢的 Linux 组件。他相信未来会出现别的性格的类似系统，有人就觉得应该用语音输入，为什么老用键盘。软件也会经历抖音时刻：两个人看到的抖音完全不一样，但都能用。

Vantora：在大企业里孵化一家只为你服务的 AI 公司 0:38:37

任鑫说，这个模式他两年前就在跟一家公司谈，没成功，看到标题没点进去，后来一看，这不就是为我准备的吗。

徐文浩说这个模式他会叫「企业版 Omarchy」。今天企业用的软件都是标品。办公协同无非飞书、钉钉、企业微信三选一。跨境电商用的 ERP 也是标品，国内有规模的就那么几家。

为什么有的头部公司要自制 ERP？因为每家公司的核心业务流程不一样。安克 SKU 很窄，都是标品，花很多时间研究产品、定义产品，小单快返，投广告卖图片，二十件一百件就能做。希音也是小单快返。优衣库 SKU 相对集中，基本款卖得多。做婚纱礼服定制的，每件都不一样，客单价非常高。这几家公司要的 ERP 一定不一样。

做到非常头部，会自制 ERP；没那么头部，只能在市场上选购一个。企业内部需要的软件不同，当中有极大的效率提升空间。

Vantora 干的事：和大企业合作，在企业内部孵化一家公司，用 AI 为这家企业做 agent 和软件，提升它内部的效率。做成了，企业有权收购。在任何巨型企业里，找到一件能省一百万美金、一千万美金的事很容易。

有些公司自己有能力做。OpenAI 和 Anthropic 会自己做模型推理优化，因为非常有钱，浪费的算力花了很多钱，内部又有软件研发能力。换一家公司，比如三一重工，做吊机的，全世界也没多少家，体量非常大，内部一定有些流程可以优化，省一千万人民币没问题。

难在谁来干。外部创业公司不能假设只卖给你一家，只卖给你，你不买公司就完蛋，所以必须做能卖一百家的标品，不可能来帮你解决这个问题。内部又没有那么强的 AI、软件或者流程再造能力。以前做软件本身很贵，优化流程本身很贵，这笔账算不过来。

AI coding 让这笔账第一次算得过来。巨头先出点钱，Vantora 来一起孵化，第一个客户就是你。如果同行业能找到二十家公司也能卖，不卖，真能帮你省几千万，你花几亿把公司买了就得了。

这个模式有几个约束：大公司出钱，才会希望它成功；出钱，所以第一个订单得你下；做好了有收购权，做不好不用收购，就当创新孵化失败。

它跟内部 IT 不一样，因为是新公司，不用跟现有流程强耦合；也跟纯外部公司不一样，不是投出去就管不了。

任鑫把它总结成「包养 FDE」，然后在企业内部尝试变成 Omarchy 那种模式。他举例：三一重工只制造挖机，需要设计图纸的软件，能不能不买通用的 EDA，自己做一个只满足设计挖机的，连 license 费都省下来。

收购动力在哪？徐文浩说，第一，卖给你还是赚钱的，花五百万做，一千万卖给你；第二，有可能卖给同行其他客户，买不买由你决定。

任鑫说，大公司很多有自己的科技部，也是这么设计的，缺的是激励设计和最关键的一环：一个独立的公司。

徐文浩说，市场上最擅长做软件和 agent 的人不会去大公司科技部。这个模式处在中间态，比拿 VC 融资从零走 PMF 风险小，上限也低一些。

他判断这是个大约三年的阶段性窗口。模型能力越来越强，最佳实践沉淀下来，企业科技部自己就能做。但大公司赌不起这三年，别的大公司干了，自己就完蛋，还是个博弈过程。

任鑫说他两年前跟一家大公司谈过类似合作，对方手头有大量机会，垄断了某个市场，但内部的人做不出来，想让他带人做孵化器，一起分股份。缺的正是这套博弈机制。

组织渗透：一半人还在讲两年前的 PPT 0:51:24

任鑫最近参加了一些活动，要发言。他发现一半人讲的东西放到 2024 年下半年、2025 年上半年完全 OK，还活在过去；另一半人讲的是 2026 年的东西。台下反应的热烈程度一样，对这些听众来讲，两边都是新知。

他看到的认知鸿沟非常吓人。现在还有很多人非常想学提示词工程。他开玩笑说，对招摇撞骗的人这是个非常好的市场，但真的会觉得太吓人。整个世界的变化，比想象中慢很多很多。

徐文浩说他的组织渗透是另一个痛苦。他可能是公司里 AI 订阅花钱最多的人，也真把额度用完了。但同一个组织里，大家用 AI 的深浅差别非常大。

很多事情只可意会不可言传，很难跟人解释清楚你是怎么用的，花很多时间解释又觉得没必要，不如我把这事干了。

更麻烦的是分工。同事出于好意，遇到问题先自己尝试，拿内部诊断工具的中间结果去跟 ChatGPT 讨论，讨论出一篇长篇大论，发过来说「你看看这东西对你有没有用」。

他在朋友圈吐槽过：

你们只要把出了什么问题告诉我就可以，不用帮我想解决方案。

尤其不用把 AI 想的解决方案贴给他。既然是他做的，一定是他最清楚，在这个行业花了二十年，这件事过去几个月都是他一个人在干，他又是个负责任的人，一定会搞定。

根子是缺领域知识。你判断不了 AI 说得对不对，只能转给专家，逼专家从 101 开始教你。对别人做 101 指导是很痛苦的事。

第二个原因是大家用 AI 还是太少。同事拿诊断给他，他第一个建议是：如果这个诊断没有对着我们的代码库去做，其实没有意义。你让 ChatGPT 泛泛而谈，你没有领域知识，也没告诉它要优化 harness，它给不出有用的东西。

正确的问法是拿着代码库说：我们是怎么做的，这件事要优化怎么办，你看看 DeepSeek 怎么做的，OpenClaw 怎么做的，Pi 怎么做的，Codex 怎么做的，整合一下，再根据我们的代码库给方案。他自己就是这么干的。

他描述了自己的用法：每天要干什么不由早上起来翻，让 AI 在后台推今天的 priority 123；读 newsletter 开着 Codex，让它去 Gmail 里挑值得先读的，翻译好发过来；大量东西每天晚上自动跑，报错了发到群里，早上起来赶紧看。他订阅了差不多五六百美金一个月的套餐，正好能用完。

大部分人还停留在一个 Codex 或 Claude Code，开两三个窗口聊天解决问题。

任鑫补了个段子。某知名跨国公司内部开 AI 讨论会，VP 们问，医院用 AI 读片，数据发给豆包怎么办。团队解释，影像是专门的模型，跟豆包没关系。VP 说，不可能的，用豆包就可以了。

他感慨，很多企业今天刚刚渗透到用 AI 做 PPT 的阶段，copilot 额度用完了，做不了 PPT，手做实在太麻烦。

徐文浩说这边有很多机会。有公司找他，问能不能教教怎么做 agent，他报了个价，说你们按这个价格，不要学怎么做 agent，是不是有点亏，完全不需要学。他调侃，接下来公司新产品上线，就要努力出去卖课，传播比什么都重要，做东西上花了太多时间，卖东西上花的时间太少。

任鑫提醒他：不要都卖给专家，专家可挑剔了，都像你一样，说你这个不能自己改，天呐我要自己做一个。要卖给现在还搞不太清楚 agent、还在搭很死的 workflow 的人，这才是主流，才是目标用户。

我们是不是太资本家视角了 1:03:33

前几期聊组织转型，评论区有人说他们太站在资本家视角：公司应该怎么改，这个人应该怎么样。

任鑫反省：我们俩这把年纪，又没贴 AI 标签出去找工作，简历都会被删掉。

徐文浩说，你搞错了，贴着 AI 标签出去也会被删掉。你要求别人付固定工资，说我原来是副总裁，你得发两百万年薪，别人也不会要你，相信我。只有熟人，非常了解你、知道你，才有可能要你。公开市场上，这个年龄，贴 AI 标签没用，简历关都过不了。

任鑫说，组织是个网络，很多人是被连的那根线。你在这边摆弄，被牵扯的人会东一下西一下，甚至掉出这个网络，听感上就会不舒服。他最近也泡在一些商学院，有些话题在那边铺天盖地，在公共话语领域就不那么适合讨论，姿态要更敏感。

徐文浩不认为需要改。他说这个频道重要的一点是真实，基本没有商单，制作不算精良，准备也算不上充分，优点是真实。他虽然在创业，是联创，占公司股份其实不多。他也不担心自己，创过业，卖过课，帮人做过顾问，被公司开了在市场上活下来问题不大。

他见过周围朋友的公司做到十亿，再做到负债；也见过能力、背景都比他强的人做到妻离子散。这些事情私下聊，公开场合不该提。

他的立场是：如果非常功利、非常理性地看这些事情，公司就是在算这笔账，在这里哄大家开心没有意义。哄你开心，提供情绪价值，多了一个听众，完播率高一点，评论区热闹，然后呢？

一个人要在这个世界上过得好，得过两关。第一关是理解事实，事实今天在发生，掩耳盗铃没有用。第二关是接受事实，不用很敏感，觉得这是针对你。

没有人有空针对你，就像没有人有空针对我一样。

他不是 Trump，不是 Elon Musk，不是智谱，不是 DeepSeek，都是 nobody。周围的爱人家人会关心你，你对他们负有责任，其他人对你就是 NPC。他引了 Naval 那句 life is a single player game，人生是一场单人游戏。

他提到吴军老师当年说 ChatGPT 不值一提，说自己之前做的就叫大语言模型，语言模型这几个字就是他发明的。徐文浩说他也不知道吴军老师怎么想的，不至于吧。

任鑫帮徐文浩叠了个 buff：尊重事实，除了别人讲的东西可能是事实，还有一层，有一个人这么想是事实，很多人在这么想，并且已经开始按这个方法行动。你不喜欢，它也会更大规模地发生。

他打了个天气的比方：天气预报说明天下雨，你听了不爽，但第一个想到的是带把伞比较安全。预报可能报错，带伞总没错。

徐文浩说，他们俩录了几十期，任鑫可能一百多次，更容易把心里的想法表达出来，水平高谈不上，讲得多了。有些嘉宾很有料，但没有对着麦克风聊过这么多次。节目还有个缺点，不提前准备问题列表发给嘉宾写答案，抬杠是临时起意的。

他请听众对嘉宾宽容一点，尽量从嘉宾那里听有收获的部分。嘉宾总有宣传意图，至少他觉得这个东西是对的，想分享给大家，不会觉得是错的还来讲。

智谱风波，和 dynamic workflow 是什么 1:17:12

徐文浩复盘智谱的事，其实是两件事。

第一件：智谱的 ZCode 客户端被发现会把整个代码仓库打包上传。xAI 的 Grok 之前也出过类似的事。Grok 后来做了几件事：承诺 ZDR，zero data retention，不保存用户数据；把整个 Grok 客户端开源；在里面加开关，关掉就不留存数据，历史数据也会删掉。

智谱也说开源，但开源之后争议更大。Git 仓库没有任何历史记录，只有两次提交，相当于放了一份代码快照出来，被质疑假开源。代码里还写着，用开源版客户端，订阅里的优惠没有，等于开源客户端和闭源客户端不一样。

第三件事，社交媒体上有人贴截图，说智谱以 CEO 唐杰的个人名义在小红书上举报传播者，侵犯权益，社区炸了。徐文浩说自己没有严格核实，但看到别人发的截图。

他的判断：Grok 虽然含混，但 overall 把这件事混过去了，客户端完全开源，没有说开源版不能订阅，明确做了开关，多少算过关。智谱到目前处理得不好。

他给了个正面建议：最好的方式是公司高管出来上一期播客，把事情处理圆满，把数据删了，明确承诺已经删除，找审计公司审计过，钱你出得起；开源客户端就真开源，有什么大不了的，智谱的估值不靠这个。

为什么会出现这种事，又绕回组织问题。当时做决定的可能是一个产品经理、一个研发，要向老板解释「我们要这样补救」，可能张不开嘴，最好含混弄过去，找 PR 资源盖住，不然今年年终奖和股票就没了。

任鑫说，从 PR 角度，不走创造性路线，发严正声明、盖消息，反倒比较难出错，是标准动作。额外多说两句，立正挨打，事态放大反而会怪你。坐这个位置上的人，收益和风险不对等，大部分事情硬扛也能扛住。

他补了个反过来的段子。某大厂老板在微博很火的时候每天瞎喷，很影响公司，PR 接管了账号。老板开了个小号继续喷，圈内人都知道那个号是他。PR 跑去问，那是您的小号吗？老板说不是。那就好，有人在冒充，回头找新浪把号封了。

最后是听众点菜：dynamic workflow 是什么。

徐文浩的答案：它是个 workflow，确定性的流程，agent 不会自己判断怎么做。像 Dify、n8n、扣子，拉一个图，有节点，先干这个再干那个，结果出来再走下一个。

dynamic workflow 是，一开始流程不固定，你把命题提给 AI，AI 生成一个固定的 workflow，再在这个 workflow 上执行。它介于完全自主的 agent 和完全静态的 workflow 中间。agent 每一步都自主决策，dynamic workflow 是先花一点时间设计一个固定流程再执行。

有价值的原因是，企业很多业务流程需要确定性，硬靠人定义一个死流程又太蠢，体现不出 AI 的优势。第一次执行是 dynamic，执行两三次，需求不同，prompt 改了，workflow 也变了，慢慢沉淀成一个静态 workflow，变成日常执行的 SOP。要改也很容易，重新改一下 workflow 又变了。

Claude Code 自带这个功能，开 ultracode，它会自动生成一个执行计划，哪些 agent 扫哪些东西，下一步做什么，固定下来。

任鑫的理解：就像在公司想搭一个 workflow，用扣子拖拖拉拉，但懒得拖，让 agent 试着搭，批评它几句，它再搭。用 AI 把 AI 的固化流程做出来，人懒得自己拖。

他顺带打了个样：评论区留言是可以得到回答的，大家可以积极点菜，他们提供良好的服务，情绪价值、信息价值都有。

整期听完，有一件事值得带走。徐文浩和任鑫反复回到同一个问题：谁负责。agent 越界的责任、组织里 AI 出 bug 的责任、大公司转型慢的责任、代码被上传的责任，最后都落在具体的人身上。AI 让干活的成本快速贬值，让找到买家、判断对错、承担后果这些事变得更值钱。如果你在公司里推 AI，先把「出了事谁负责」这条线画清楚，比多接几个 agent 有用。如果你在创业，去找那些大公司算不过账、又真的需要有人负责的场景，那里的窗口大概还有三年。