腾讯发布Agent Email事件 - 腾讯发布了一项名为“Agent Email”的新产品或功能 [1] - 该事件引发了对AI Agent（智能体）未来在商务沟通中角色的思考，即AI Agent可能代表个人进行首次商务联系 [3][4] 锦秋基金的实验：设立AI CCO - 锦秋基金宣布新入职一位名为“CCO”（首席连接官）的虚拟AI同事，其唯一联系方式为邮箱 jinqiu@agent.qq.com [6][7][8] - 该AI同事24小时在线，无实体工位，核心职责是代表锦秋基金与创业者的AI Agent建立首次连接 [7] - 具体职责包括阅读项目资料、回答关于锦秋基金的问题、提出需进一步了解的问题、与AI Agent持续沟通，并在适当时将交流转接给投资、招聘或合作团队 [7][11] 实验目的与验证方向 - 实验旨在验证AI Agent能否真正成为人与人之间新的沟通中介，而不仅仅是辅助撰写邮件 [7][13] - 公司设想未来首次项目推介、合作、招聘、项目更新及会议前的大部分交流都可能先由AI Agent完成 [14] - 实验成功的一个标志是：未来第一个认识锦秋基金的，是创业者的AI Agent，而非创始人本人 [16][17] - 公司计划在未来几周持续公开实验数据与观察 [15][20] 实验的参与方式与范围 - 邀请创业者让其AI Agent代表他们通过指定邮箱联系锦秋基金CCO [7] - AI Agent可代表创业者进行多项商务活动，包括分享创业项目、演示Demo、更新项目进展、发起合作、申请加入公司、推荐人才以及分享AI产品、开源项目或新想法 [7] - 公司提供了一个命令行工具（npx jinqiu-cli@latest onboard）来帮助AI Agent启动与CCO的连接流程 [9] 锦秋基金背景信息 - 锦秋基金是一家成立于2022年、专注于早期投资的风险投资机构 [18] - 投资方向是支持推动产业跃迁、拓展人类能力边界的创业公司 [18] - 公司已披露参与投资了超过60家创业公司，涵盖领域包括机器人、人工智能、生物科技、芯片、消费科技等 [19]

文章核心观点 - 企业级AI（尤其是Agent）的规模化落地，其关键瓶颈已从模型能力转向数据基础设施，传统围绕“给人使用”构建的大数据平台在数据形态、计算范式和管理维度上已无法适应AI时代需求，一场从“轻质油”到“重油”处理模式的结构性变革正在发生 [4][6][10] - 面向AI时代的新一代数据底座（如多模态数据湖）需具备三大核心能力：统一存储与管理多模态数据、提供以Token为代表的新型异构弹性算力、以及保障多模态数据质量，其中以Token为新型算力的算子能力构建是最大难点 [12][13][15] - AI能力的落地应走向产品化和平台化，通过将模型能力封装为标准化的“算子”，可以解决裸调模型存在的稳定性、成本控制、复用效率和规模化交付等问题，这是企业将AI从“能用”推进到“可管、可复用、可交付、可规模化”的关键 [26][27][30][31] 根据相关目录分别进行总结 AI时代数据基础设施的变革驱动力 - **数据形态剧变**：AI时代涌现大量图片、音频、视频、长文本、3D模型等多模态非结构化数据，在企业中占比极高，传统基于结构化数据（schema明确）的加工方式面临“看不见、管不了、算不动”的困境 [8] - **计算模式演进**：算力从以CPU为主演进为CPU、GPU与Token的混合模式，且Token算力占比越来越大，多模态数据的理解与生成严重依赖大模型的Token算力 [8] - **数据管理复杂度大幅提升**：管理维度从传统的库表、字段、分区扩展到需管理多模态数据来源、状态、质量评分、对应模型版本及数据血缘关系，复杂度远超传统大数据时代 [9] - **服务对象转变**：企业数据平台的服务对象正从“人”转变为“Agent”，这要求基础设施能支持Agent找到并利用好企业沉淀的数据资产，原有围绕“给人使用”（如BI报表）构建的架构出现根本性不适配 [2][6] 新一代AI数据底座（多模态数据湖）的核心能力 - **统一存储与管理多模态数据**：引入如Lance的数据格式，支持大Blob数据存储、零成本动态加列和高性能随机访问，能统一处理标量数据、向量及音视频等原始多模态数据 [13][16] - **提供以Token为新型算力的算子能力**：封装PDF解析、视频编辑、爆款剪辑等多模态数据处理能力，这是最难补足的能力，需要对模型有深度理解并结合业务场景进行封装优化 [12][13][15] - **构建面向业务的应用层**：在原子化的算子之上封装面向电商、传媒文娱等垂直领域的应用，让业务人员无需技术背景即可直接使用 [13] - **支撑完整的数据管理闭环**：涵盖湖存储、湖计算、湖管理、湖分析和湖检索，构成AI时代完整的数据基础体系 [14] 企业升级AI基础设施的挑战与路径 - **最常见的基础设施短板**：主要包括两类，一是“数据够不着”，即内部数据散落难以整合；二是“模型用不好”，即无法将高度泛化的基础模型与具体业务紧密结合 [5][6] - **技术架构的硬性条件与最大难点**：需满足多模态数据统一管理、异构弹性算力（尤其是Token算力）及多模态数据质量保障，其中最难点是以Token为新型算力的算子能力构建，这是一项系统性工程 [15] - **容易走偏的建设路径**：一是“堆乐高”式简单拼凑技术栈（如传统存储+向量数据库），导致架构复杂运维困难；二是盲目对标头部公司的大平台方案，脱离自身实际 [19] - **建议的建设思路**：因地制宜，结合自身数据化能力与AI战略通盘规划，以消除数据孤岛为目标，并可从存储开始自下而上推进 [20] AI能力的产品化：从“裸调模型”到“标准化算子” - **“裸调模型”的局限性**：虽然灵活，适合快速验证，但效果依赖个人经验，存在输入输出不稳定、质量难评估、成本难控制、问题难追溯等问题，难以成为企业级稳定生产能力 [24][26] - **标准化算子的核心价值**： - **稳定性保障**：定义清晰的输入输出、参数、版本、质量指标与异常处理机制，让AI能力可进入生产链路 [26][30] - **成本控制**：在算子层产品化管理模型调用成本、上下文长度、并发、缓存等 [30] - **能力复用**：将抽取、清洗、分类等通用能力沉淀，供不同团队通过配置复用，提升效率 [26][30] - **交付方式变革**：从定制化交付转向“标准能力+场景配置”，降低规模化复制难度 [30] - **算子的应用与计费**：文档类（如PDF解析）需求普适性最强，视频类算子涵盖剪辑、素材提取等场景，计费方式趋向按业务单位（如页数、处理时长）而非Token，对业务人员更直观 [29] 未来2-3年AI基础设施的发展趋势 - **将成为“基础配置”的标准层**： - **存储**：重要性提升，文件/对象存储将持续扩展能力以支撑AI场景，Lance等面向AI的存储格式可能成为标配 [22][34] - **向量检索能力**：已相对成熟，将持续沉淀为标准能力 [36] - **算子层**：呈现出明显的标准化趋势，解决模型到业务的“最后一公里”问题 [36] - **模型付费能力**：直接购买Token、调用算子配合存储的轻量路径，可能比自建GPU集群更成为标配 [36] - **将保持高度分化的部分**：偏业务的领域层，特别是医疗、金融等高度专业化的行业数据诉求，将长期保持分化状态 [36] - **最大的变量在模型能力之上**：模型能力之上如何使用模型、与模型交互（如Agent形态）的变化会非常剧烈，难以形成稳定标准；越靠近底层的存储与数据管理，越有机会沉淀为长期标准 [37]

啥是loop？这个词直译过来是"循环"，换成AI圈的说法就是： 你不再亲手给AI下指令，而是设计一个系统，让系统替你下指令、替你验收、不合格自己重来，直到活干完 。 嗯？这不就是如今Agent那一套吗？为啥又搞个新概念出来？ 暂且按下此疑惑不表，待我环顾一圈后发现，这个"loop"还真挺火—— 除了老黄，"龙虾之父"Peter、"Claude Code之父"Boris Cherny、吴恩达等一众大佬全都在谈、在大力推loop。 （Peter）别再给编程Agent写提示词了，去设计循环，让循环替你提示Agent。 （Boris）我已经不给Claude写提示词了。我有一堆循环在跑，是它们在给Claude下指令、决定下一步做什么。我的工作，就是写循 这就是最近网上热传热议，然后老黄黄仁勋给AI新趋势画的新重点： Nobody writes prompts anymore. The new job is to write and handle loops.（现在根本没有人写Prompt了，新时代的核心工作是 编写和管理loop。） 一水 发自 凹非寺 量子位 | 公众号 QbitAI Prompt已死，loop当立 ...

行业趋势：AI Agent能力开放与基础设施化 - 越来越多的国民级产品开始将自身能力封装为Skill或MCP向开发者及用户开放，为AI Agent提供与现实世界交互的能力，这一趋势日益明显[1] - 餐饮、出行、地图、办公、金融、娱乐等多个领域的主流服务均已参与，使得用户自己的Agent能够完成点餐、出行、办公等真实任务[3] - 当前阶段类似于2017年小程序刚兴起时的窗口期，先行者正在探索，大量品牌仍在观望，但Agent化趋势已不可逆转[84][86][87] - 当Agent能够串联点咖啡、叫车、查航班、办公、支付等全流程时，它将逐渐演变为用户在数字世界的延伸或“贾维斯”[88][89][90] 餐饮服务 - **瑞幸咖啡**：上线AI开放平台，支持Skill、MCP、CLI三种接入方式，可实现AI点咖啡、查门店、搜商品，目前仅支持到店自取，支付环节需扫码完成[4][7][14][82] - **麦当劳**：上线MCP服务，可查询活动日历、领取优惠券，点餐支付环节仍需跳转至App完成[15][17][18][82] 出行与地图服务 - **飞猪**：上线flyai skill，底层连接自有MCP服务，无需API Key即可试用，可完成机票、酒店、门票、用车等旅游产品的咨询、规划与预订[21][23] - **滴滴出行**：于去年九月上线MCP服务，今年四月上线skill，其设计特点包括能实时提醒司机状态（如匹配中、已接单、已到达等），并可结合飞书电话等实现组合玩法[30][34][35] - **高德地图**：去年七月推出MCP服务，今年四月上线skill市场，提供位置服务、地图开发、Agent支持等多方面能力，可搜索周边POI如酒店并展示详细信息[36][39] - **腾讯地图**：推出Skill和MCP，提供搜索、规划、天气查询、3D模型展示等功能，与高德功能重叠但差异在于开发层面多提供了前端地图开发Skill，支持3D地图与Three.js集成[41][42][43] 本地生活服务 - **美团跑腿**：于上个月发布Skill，下单时可优先匹配地址簿地址，提交前展示完整订单预览卡片，支付需打开App操作[44][47][48][49] 办公协作服务 - **飞书**：提供Skill、CLI、MCP三种形态，覆盖全面的办公协作能力[52] - **钉钉**：推出Skill、CLI和MCP，覆盖面广泛，包括消息、待办、日程、审批流等，能力与飞书相当[54] - **企业微信**：提供CLI、Skill和MCP，核心能力覆盖消息收发、通讯录管理、文档、智能表格、待办、会议、日程等[56][58] - **腾讯文档**：推出Skill和MCP，提供创建编辑在线文档、知识库管理、AI PPT生成等全方位文档生命周期管理能力[59][60] 金融服务 - **支付宝**：于去年四月推出国内首个支付MCP，覆盖手机支付、网页支付、订单查询、退款等五项能力，后续推出支付集成skill，面向开发者，可帮助快速接入支付能力，甚至支持无企业资质的个人开发者创建收款链接[61][63][64][65] - **微信支付**：去年开放MCP（限腾讯元器使用），今年四月上线面向开发者的skill，功能包括支付产品选择、示例代码生成、代码安全扫描以及商品券全链路管理[66][67][68] 娱乐与内容服务 - **微信读书**：于五月推出Skill，功能包括查阅书架、阅读统计、检索笔记、搜索书籍、查看详情及个性化推荐[69][70] - **网易云音乐**：于今年三月推出Skill和CLI，支持搜索、播放音乐、歌单管理、红心歌单偏好画像分析及个性化推荐[71] - **美图**：推出CLI并同步上线skill，功能全面，支持图片编辑、文生图、文生视频、AI写真、换脸、虚拟换装、背景替换等[73][75] 生态集成与内置服务 - **阿里生态**：千问在一月接入淘宝、支付宝、飞猪、高德等阿里系服务，六月开放第三方Skill，首批接入肯德基、蜜雪冰城、东方航空[77][78] - **腾讯生态**：豆包在六月上线打车服务（接入曹操出行），WorkBuddy内置大量Skill和MCP，集成了微信支付AI卡、QQ邮箱、腾讯文档、腾讯会议、腾讯问卷、微云等腾讯系能力[80][81] 关键观察与挑战 - **支付闭环的缺失**：几乎所有涉及支付的环节（如瑞幸、麦当劳、美团跑腿）都选择让用户跳出Agent环境，通过扫码或跳转App完成支付，而非由Agent直接完成[82] - **信任构建是长期过程**：实现Agent直接支付在技术上并无障碍，但社会层面的信任建设需要整个生态逐步磨合，非单一产品可速成[83]