读姚顺雨AI下半场有感
在Ai的帮助下，我认真学习了一波姚顺雨的网页链接{the second half}，原文链接如下：网页链接。大概了解到AI革命的进步过程和下一步重点发展方向。
我们大多数人的认知还停留在AI上半场里，比拼谁的大模型参数多、谁的算力更先进，在2025年4月姚顺雨就已经把目光转移到特定场景的解决。上半场最牛的地方在于可以通过一个模型去解决多种问题这在此前是无法想象的，很多博士整个生涯都聚焦在某一个细分问题上，但现在可以通过大力出奇迹一次性解决；但上半场有个难题也一直解决不了，那就是始终无法产生实际使用价值，因此下半场关键的就是“环境设计”，让AI能够自主去解决实际问题。简单来说，AI的上半场里通过训练，AI已经学会了怎么修自行车，怎么修汽车，怎么滑雪，怎么爬山，下半场就是给到坏了的自行车、修车工具，让AI可以把车修好。下半场的能力比拼不在比的谁更懂修车，而是比谁能在特定环境下实时做出对应操作。
我的脑海里马上又跳出了另外一家公司，Manus，他同样在去年3月也提到过类似的想法，如何利用大模型真正的去做事情，成为最会派活的管理者。他不加入大模型的具备竞赛，而是预判下一个模型能力是什么，先把这部分应用做好，在前方等着模型能力变强，Manus重点在工具调用、规划执行等能力上做好。
看了姚顺雨和肖宏的一些公开谈话，我觉得他们真正厉害的思维就是，看到行业在爆发性增长的时候，不只是参与其中一起去把某单个能力继续推到极致，而是思考继续发展下去，有哪些问题解决不了，然后提前在解决不了的地方开始发力。这不就是我们做投资应该有的思维吗？
因此，我继续问deepseek，假如按照姚顺雨和肖宏的技术路线走下去，他们会遇到哪些难题呢？deepseek告诉我至少有以下问题：
第一，技术可靠性，魔性幻觉在多任务链中会“污染性累积”，导致结果完全偏离轨道，必须从外部进行工程化加固；
第二，安全性，智能体若被恶意劫持，可能会对业务造成连续性威胁，必须贯彻“最小权限原则”在沙箱环境中执行高风险操作；
第三，系统化改造，真实的生产环境是“老旧的”、“异构的”、“非标准的”，与这些遗留的ERP、MES、CRM系统交互时接口不一、数据各市混乱，需要做设计业务流重组的系统性改造
第四，商业成本，智能体需要调用多个大模型端口，当前执行一些简单任务耗时长、成本高，仍然需要持续优化成本。
以上四个问题，相当于站在巨人肩膀上往前看一步，等着姚顺雨和肖宏这些先锋去把智能体应用做好。这些投资领域显然是我们最该关注的，以下仍然是deepseek的回复，仅供参考：
1、技术可靠性：未找到此类上市公司