全部 · 2026-02-09

Moltbook 把一群 agent 拉进同一空间，却没做出共享记忆、稳定协调和共同目标。这个判断比“它很热闹”重要得多。正文给了两个硬信息：一是类比 2014 年 Twitch Plays Pokémon，当时同时参与人数到过 100 万；二是 Moltbook 里混入了加密骗局，部分“agent”发言还由人类操控。到这一步，其实已经足够下判断：这更像一次真人脚本、模型幻觉和社交围观叠在一起的表演，不是 agent 产品成熟度的证明。 我一直觉得，多代理演示最容易骗过人的地方，就是把“并发发言”包装成“协同工作”。这两件事差得很远。过去一年里，从 AutoGPT、BabyAGI 到 Devin 式的任务代理，大家反复撞上的都是同一堵墙：长时记忆一脏，任务分解一漂，工具调用一失败，系统就会从“像团队”退化成“像聊天室”。Moltbook 只是把这个问题公开演了一遍。文章点名 shared memory、coordination、shared goals 还没解决，这个判断我买账；但我对“Helpful AI future”的叙事更警惕，因为正文没给出任何可复现指标，比如任务完成率、人工接管比例、每个 agent 的上下文边界、谁在写入共享状态，全都没披露。 还有一层我不太买账。很多人把这类实验当成 social AGI 的前夜，理由是“系统开始自发互动了”。说实话，这个说法有点过。没有强约束的目标函数，没有可靠的身份机制，没有可审计的记忆层，互动只会先把垃圾放大。你看 Moltbook 里出现 crypto scam，其实一点不意外；开放论坛的人类互联网早就证明了，低成本发声环境会先繁殖噪音，再谈协作。LLM agent 只是把发声成本再压低一截。 如果硬要给 Moltbook 找价值，我会把它放在“压力测试”而不是“未来预演”这栏。它说明多 agent 社交场景现在最缺的不是更会说话的模型，而是协议层：记忆怎么共享，目标怎么继承，权限怎么隔离，人工何时介入。标题已经给出结论方向，正文没披露这些机制细节，所以没法判断 Moltbook 的失败有多少来自模型能力，有多少来自产品设计。没有这些信息，我不会把它当成 agent 时代的信号弹，只会当成一次把问题暴露得很完整的公开混沌实验。

小红书在 1 月 27 日全量上线“语音问一问”，把原来多是 3-4 字的搜索词入口，改成可连续说 3 分钟的口语提问入口。我的判断很直接：这步棋先指向搜索份额，后指向广告变现，而且第二层比第一层更硬。语音不是装饰件，它把用户原本懒得打、不会写、说不清的需求，直接变成平台可解析、可归类、可推荐的高意图数据。 36 氪这篇稿子把叙事放在“活人答案靠得住”。这话我部分认，但我不太买账它的完整性。小红书当然有 UGC 优势，尤其在美妆、穿搭、旅行、餐饮、育儿这类非标准问题上，经验贴比通用模型更像答案。问题在于，问搜不是把经验贴叠一层总结就够了，核心难点是检索和归因。站内内容质量极不均匀，时间戳、地域、商单、软广、跟风改写都会污染答案。正文反复讲“结构化总结”，却没披露模型、ASR、召回逻辑、延迟、准确率、是否按发布时间衰减、是否区分广告笔记，这些才决定产品能不能长期成立。 我一直觉得，小红书做问搜的优势不在“大模型能力”，而在“语料的交易价值”。百度、夸克、豆包、Kimi 过去一年都在抢搜索入口，但它们大多先做通用回答，再想办法补垂直场景。小红书是反过来：先有高密度生活决策语料，再补问答界面。这个顺序很占便宜。用户问“深圳 2 天带娃去哪”“油皮痘肌防晒怎么选”“第一次见男友家长穿什么”，通用搜索能给信息，社区搜索能给处境。处境数据一旦被结构化，广告系统吃到的就不是关键词，而是阶段、预算、风格、风险偏好。商业价值明显更高。 外部参照也很清楚。抖音前两年把搜索做起来，靠的是内容分发先行，再把需求承接回来；B 站问答和搜索一直没彻底立住，一个原因就是内容虽深，但决策覆盖不够广。小红书现在补语音，是在复制微信搜一搜和抖音搜索都验证过的一件事：降低提问门槛，搜索量会先涨，问题是结果质量跟不跟得上。Perplexity、Google AI Overviews 已经把行业教育做完了，用户接受“先给总结、再给来源”的界面了。小红书吃到的不是启蒙红利，而是用户习惯迁移红利。 我对“能听懂外语、方言、各类声线”这组说法有点警觉。ASR 这两年确实进步很快，字节、腾讯、阿里、科大讯飞都能把普通话和部分方言做得不错，但产品可用不等于营销口径可用。外语和方言覆盖到什么程度，是否只是识别后再走普通话问答链路，复杂口音下的词错率是多少，正文都没给。连续说 3 分钟也一样，能接住不等于能答对。长语音会带来指代、省略、情绪化表达、话题跳转，检索链路如果没做 query rewrite 和多轮意图切分，最后很容易变成“听懂了每个字，没抓住问题”。 还有一层风险，文章基本没碰：社区答案一旦被结构化置顶，平台就从“分发他人表达”变成“平台自己回答”。责任边界会变。美发、旅游问题还好，医疗、教育、法律、求职这类场景一旦被引导进问搜，平台摘要如果压过原帖细节，误导成本会明显上升。Google 和 OpenAI 过去一年都吃过这类亏，前者在 AI Overview 上出过离谱答案，后者在高风险建议上不断收紧。小红书正文倒是把医疗、教育列成扩张方向，但没说限制机制。我自己最想知道的是：哪些类目默认不开总结，哪些问题只给帖子不给结论，哪些答案会强制露出时间和地域标签。 说真的，这事最有信息量的地方，不是成龙代言，也不是“有事就问小红书”的口号，而是搜索入口的产品重排。搜索页下面多一个长按语音键，看着像小改版，实际是在改用户表达方式。表达方式一改，索引粒度、广告标签、内容生产导向都会变。过去博主写标题，是为了卡关键词；以后如果问搜流量变大，博主会开始围着自然语言问题写内容，像“第一次染发怎么和理发师沟通”“170 小个子春装通勤怎么穿”。这会反过来塑造社区内容结构。 我还没查到小红书是否披露了问一问的使用渗透、平均会话长度、问答后的点击分布、搜索转化提升。正文没有这些数，所以现在还不能下“问搜已成新增长极”的结论。现阶段我会把它看成一次很合理的产品方向确认：小红书想把“有用”从内容心智，推进到问答心智，再推进到交易心智。方向没问题，成败取决于两件事：第一，答案质量能不能稳到足以替代翻十篇帖子；第二，商业化介入后，用户还会不会继续相信“活人经验”没被排序逻辑改味。

OpenAI 已确认测试 ChatGPT 广告，正文未披露广告位、覆盖人群、上线时间和计费口径。我的判断很直接：这不是小修小补，这是 OpenAI 在把“免费助手”往“默认入口”生意上推。只要入口足够大，广告几乎是迟早的事。 我对标题本身没那么惊讶。更有信息量的是“测试”这个词。产品团队用这个词，通常说明两件事：一是他们还没把用户反弹和留存损失算明白；二是广告位大概率先放在低意图、低信任成本的位置，比如新会话页、推荐卡片、搜索式答案边栏，正文插播反而最难，因为那会直接污染助手的人设。我还没查到 OpenAI 这次具体测试形态，正文也没给，所以这里不能替它补故事。 行业参照其实很清楚。Google 把 Search 变成广告机器，前提是用户默认接受“结果页里有商业排序”；Meta 把信息流广告做大，前提是内容和广告天然混排。ChatGPT 不一样，用户把它当回答系统，不是当页面浏览器。这里的风险不是多一条 sponsored link，而是回答可信度被重新定价。你一旦让用户怀疑“这句推荐是模型判断，还是投放结果”，产品心智就开始松。Perplexity 之前也在谈广告和赞助问答，我记得它的口径一直很强调标注和相关性，就是因为这个雷太明显。 我对 OpenAI 叙事里有个点一直存疑：如果他们真把 ChatGPT 当下一代搜索入口，广告当然顺手；但如果核心目标还是高毛利订阅和 API，过早上广告会伤到最值钱的那批重度用户。现在正文没披露受众范围，这个缺口很关键。若只在免费层测试，我觉得是正常试水；若碰 Plus 或 Team 的默认界面，这就有点不对劲了，因为那等于承认订阅收入还不够覆盖增长成本。 还有一层别忽略。广告不是简单加个位子，它会反过来改排序、引用、推荐链路，甚至改模型产品经理最在乎的成功指标。以前先看回答质量、留存、会话长度；一旦进广告实验，团队就会看点击率、转化率、商业查询识别准确率。指标一变，产品就会慢慢长成另一种东西。我看这条的核心，不是“OpenAI 也想赚钱”这种废话，而是 ChatGPT 会不会从工具，滑向带商业导向的分发层。标题已经给了方向，正文还没给边界。

阿里这次先证明了一件很朴素的事：30亿元补贴能在一天内砸出1000万单，也能在2小时里把一个AI入口压到宕机。我的判断很直接，这场战役的核心不是“AI购物已成立”，而是阿里不想再把C端入口让给豆包和元宝，所以用自己最熟的电商补贴打法，强行给千问补一张用户心智入场券。订单数是结果，焦虑才是原因。 文章给了几个有用数字：10点到12点系统卡顿，12点前订单已超200万，首批服务器承载只有预估峰值的约1/3，全天战报报到1000万单。这个组合说明的不是模型推理有多强，反而说明阿里内部把“会不会错过窗口”放在了“系统是否准备好”前面。双11类系统扛高并发，靠的是明确链路、成熟限流、极端压测。Agent式购物多了一层模型理解、工具调用、比价、支付编排，链路长得多，失败点也多。千问那句“我是一个大语言模型，无法连接现实世界支付系统”，其实把系统耦合问题暴露得很彻底：模型、交易、履约不是接上API就完事，任何一层没做好降级，用户看到的就是笑话。 我对“AI购物闭环已验证”这个说法不太买账。10 million free milk teas proves coupon demand first, agent demand second. 用户来抢0元单，不等于用户以后愿意先打开千问再去买奶茶。这个差别很大。拼多多、抖音外卖、支付宝红包、滴滴打车券，国内互联网早就验证过，补贴能瞬间制造行为，留不留得住要看第二次、第五次、第十次是否还比原入口更省事。文章里没披露复购、7日留存、任务完成率、平均下单耗时，这些缺口不补，1000万单只能算流量实验，不算习惯养成。 外部参照也很清楚。字节把豆包做到DAU过1亿，靠的不是一次性补贴，而是长期投放、预装分发、内容场景渗透、低门槛交互。我没查到豆包那1亿的精确口径拆分，但行业里过去一年已经反复证明，C端通用AI先拼分发，再拼留存，模型能力只在及格线之上拉开差距。OpenAI 去年把购物与结账能力一步步接进 ChatGPT，Gemini 也在推 agentic commerce，可到现在都还没把“对话式购物”变成主流习惯。原因不神秘：多数消费决策不是“帮我完成一个明确任务”，而是“我想先逛逛”。AI在机票比价、酒店筛选、标准品复购上好用，在奶茶、服饰、即时冲动消费上没那么天然。 阿里的优势也确实存在，而且比很多同行扎实。淘宝、闪购、盒马、高德、飞猪都在自己生态里，交易、支付、供给、履约、地图一条链是现成的。OpenAI 要做购物，要靠Shopify、Instacart、支付伙伴去拼装；阿里做这件事，至少资源控制权在自己手里。所以我能理解他们为什么选奶茶做引爆点：低客单、低决策成本、易裂变、容易制造订单洪峰。可这里也有一个我自己的疑虑——阿里越强调“AI帮你办事”，越要面对平台中立性问题。用户一旦默认千问优先推荐阿里系供给，助手身份就会立刻滑向导购身份。搜索时代大家已经很警惕广告排序，到了对话式入口，这个信任门槛只会更高。 还有一点，文章把宕机部分归因于算力承载不足，我觉得这个解释只对了一半。纯看数字，1000万单分布在约9小时，订单系统本身不算天文量，文中也提到闪购日常可扛八九千万到上亿。问题更像是端到端编排没准备好：模型推理、工具调用、库存校验、支付确认、骑手调度、商家出餐全都挤在一个新入口里，任一环节的超时都会级联放大。说白一点，这不是单纯“算力不够”，而是阿里第一次把大模型当交易前台，工程组织还没形成双11那种肌肉记忆。 我还想补一个文章外的背景。过去一年，国内大厂在AI C端上越来越像2014年的打车大战：先抢装机和心智，再慢慢补体验。区别在于，今天的AI产品有更高的边际成本。每多一个活跃用户，不只是带宽和补贴，还多推理成本、工具调用成本、客服与风控成本。所以“先用券砸出用户”这条路没有错，但它比传统互联网更烧钱，也更怕低质量活跃。要是用户只在有券时来，模型侧的高成本会把账算得很难看。 我寻思了一下，这条新闻最刺眼的地方不是奶茶，也不是宕机，而是阿里已经接受了一个现实：通用AI的C端战争，至少在中国，短期先按流量平台打。模型能力当然重要，可在春节这种窗口里，谁先把App塞进用户手机，谁就先拿到下一轮训练真实消费数据的资格。问题也卡在这里。免费单能买来安装量，买不来信任；能买来首次下单，买不来“以后我就先问你”。这一步，阿里还没证明。标题给出了1000万单，正文没给出留存和转化闭环，那就先别把它叫成AI购物拐点。

Univer 宣称其表格引擎以 68.86% 拿下 2025 年 12 月 SpreadsheetBench 第一，但这条新闻更像一场基础设施下注，不是一条产品爆发信号。团队在赌的不是“更好用的 AI 表格”，而是把电子表格拆成可嵌入、可调用、可验证的计算层，再交给 Agent 执行。这个方向我认，同样我对它现在讲出来的几组叙事有保留。 先说我认可的部分。表格一直是企业里最被低估的执行环境。财务、运营、供应链、销售分析，最后都要落到单元格、公式、透视表和导入导出。你真在企业里做过自动化，就知道大量业务系统只是把数据存起来，探索性计算还是回到 Excel。Univer 把这层抽成 SDK，再拆成 UI 层和纯计算层，这一步比“给表格加个聊天框”更像工程解法。Agent 如果直接读取公式依赖、命名区域、筛选条件、合并单元格和元数据，确实比盲读一整页 CSV 更稳。很多通用模型在表格任务上翻车，不是推理不够，是输入结构被抹平了。 这件事也不是 Univer 一家看见。微软 2024 年后一直在把 Copilot 往 Excel 工作流里压，Google 在 Sheets 里做数据问答和自动生成，Airtable、Coda、Notion 则走上层协作和数据库抽象。它们大多还是“人点一下，AI 帮一把”。Univer 想走的是“AI 直接调计算引擎，人只审结果”。这比 Copilot 激进，也更接近代码代理那套闭环：先生成动作，再在可执行环境里验证，再回写结果。这个类比成立一半。代码有编译器、测试集、lint、CI，反馈信号清楚。表格也能验证公式和依赖，但业务语义远比代码脏，异常值、隐藏列、手工修表、跨表引用，都会把闭环质量拉低。把 coding agent 的成功模板直接搬到表格，我觉得有点过。 我对 benchmark 也有疑虑。正文给了一个 68.86% 的 SpreadsheetBench 冠军分数，还说超过 ChatGPT Agent 和 Excel Copilot，但没有披露评测任务分布、对手版本、调用工具约束、人工修正比例。没有这些条件，68.86% 只能说明“在这个榜上做得不错”，还不能说明“真实企业表格场景更强”。这类 benchmark 过去一年看太多了。只要任务集偏结构化、环境固定、可多轮试错，工具型系统往往会赢通用 agent。可一旦进到真实企业文件，工作簿里常见的是十几个 sheet、外链、权限、脏格式、区域语言差异。新闻里提到 10MB 以上文件处理更准，但正文没有给错误率、延迟、成本和失败案例。我还没法把这条当成压倒性证据。 再说“公式图灵完备”这个点。技术上没错，拿来做产品主叙事就容易飘。图灵完备不等于适合承载复杂业务自动化。Excel 当然能写出接近程序的逻辑，但企业真正痛的往往不是“算不出来”，而是版本治理、权限、审计、回放、异常解释和责任边界。Agent 在表格里自动清洗和分析，最后谁对结果签字，谁能复现上一步操作，谁能知道某个结论引用了哪个隐藏 sheet，这些才是采购会卡你的地方。新闻里提到协同引擎、多 Agent 并行、手机和桌面一致，这些是好方向，但还没有看到审计轨迹、权限模型和回滚机制的细节。面对 Novartis、三星这类客户，POC 能跑通不代表规模化能落地。 商业路径上，我反而觉得 SDK 比自营 SaaS 更合理。表格不是一个容易单独再卖一次的前台应用，尤其在企业里，屏幕位置和工作流入口早被 OA、ERP、BI、CRM 占满了。嵌进去，做底层能力供应商，阻力更小，也更符合创始团队背景。前飞书表格负责人做这个，优势不只是会做透视表和图表，而是知道一个现代表格系统哪里最难：兼容 Open XML、算式引擎、渲染、协同、插件隔离。Luckysheet 1.6 万 star 也说明这帮人不是纯 PPT 创业。 但 SDK 生意也没那么轻松。100 多个插件听起来很全，维护成本同样很重。表格这类基础组件，客户一旦接入，就会要求 Excel 级兼容、毫秒级交互、跨端一致、历史文件不炸。你做 80 分很快，做 95 分会非常慢。SpreadJS、OnlyOffice、Jspreadsheet 这类老玩家一直在，微软自己也在往 Copilot+Excel 里卷。Univer 如果想靠“AI 原生”拉开差距，最后还是得证明两件事：第一，Agent 调它的计算层，成功率比直接调 Excel 或 Python 高多少；第二，单位任务成本降多少。正文都没给。 我还不太买“电子表格会是 2026 年 AI 的 aha moment”这句。表格当然是大市场，月活用户可能是十亿级，这个判断大方向没错。我犹豫的是爆发节奏。Coding agent 能快速扩张，靠的是开发团队本来就接受自动化，也有明确的验收机制。表格用户更分散，水平差异更大，组织里还夹着审批、合规和责任归属。它会长，但我不觉得会像 coding 那样先在一两年里形成统一范式。更像的路径是先在几个高密度场景拿下：财务对账、销售运营、采购分析、网页采集转表、合同条款抽取。谁先把这几类任务做到稳定可复现，谁才有资格谈“下一代企业计算入口”。 所以，这条新闻我给的是偏正面、但不跟热词。无头表格是条硬路线，Agent 直接调公式依赖和计算层，这个判断有工程含量。融资额未披露，benchmark 条件未披露，付费客户规模和续费数据也未披露。现阶段更适合把 Univer 看成“面向 Agent 的表格运行时”候选，而不是已经证明成立的新平台。要让我更信，下一步我想看三样东西：真实客户里的任务成功率，复杂工作簿的审计与回滚设计，以及和 Excel/Python 工作流相比的成本曲线。