01 在谈论Agents之前，人们应该先关注什么 - 人类低估了AI的好处和风险，需要关注风险以实现积极的未来 [6][7] - 短期内人类可通过比较优势在经济中发挥作用，但长期需重新思考经济组织方式，包括加强全球合作、政策支持及AI风险管理 [6][7] - AI应用将覆盖整个经济领域并带来超越经济层面的社会变革，但讨论时缺乏足够想象力和具体案例 [7] - AI技术落地实际效益取决于传统企业与AI公司的合作及市场推广，需让滞后经济领域快速适应创新技术 [7] - AI的未来是Agents，企业需围绕Agents创新开发能自主调用工具、完成数据交互的产品和服务 [7] - Block利用语音识别和生成式AI开发通过语音指令自动设置店铺信息的Agents [7] - AT&T结合传统机器学习和生成式AI分析通话记录，欺诈攻击减少80% [7] - AI可在安全条件下量化数据价值并加速产品迭代，两家公司合作使用Unity Catalog工具管控数据治理风险 [8] - AI产品快速迭代需借助RAG技术，两家公司接入MCP协议以使用外部数据资源 [8] 02 数据价值无可替代，但数据治理风险如何破解 - 数据代表企业积累的知识与智慧，是与AI能力最相辅相成的要素，可用于微调模型、提供上下文或供智能体分析 [10] - 企业专有数据是构建竞争壁垒的核心，行业特有数据（如制药实验数据、金融交易记录、用户行为数据）对训练AI模型至关重要 [10] 03 Anthropic为何仍乐观看待「Scaling Law」 - Scaling Law未达上限，但实用性需预训练之外的优化，需解决数据耗尽和成本问题 [9] - 多维度协同优化和混合推理模型是关键，模型迭代速度将继续保持快速 [9]