全部 · 2026-06-19

这条新闻最值得看的不是钉钉一家，而是四家没有商量过的公司——钉钉、Salesforce、ServiceNow、Snowflake——在做同一件事：把软件从给人看的图形界面，拆成机器能直接调用的命令和接口。陈航把钉钉上万条企业能力重写成了命令行指令，Salesforce 拆出了一百多个 API 和 MCP 工具，ServiceNow 把自己的工作流重组成了向所有 agent 开放的工具包。这条工程线的根在 Unix 哲学和 API-first 设计那里，现在被 function calling 和 MCP 协议接上了。 但现实阻力很硬。Postman 的报告显示 89% 的开发者日常用生成式 AI，只有 24% 在设计接口时考虑过 agent 这个消费者。中间那个 65 个百分点的窟窿，就是现在企业软件的现状：功能都在，接口不是给 agent 留的。更麻烦的是，企业圈对“agent”的定义到现在没共识，SAP 和 Slack 的 API 条款还在限制外部 agent 访问，嘴上说开放，协议上设卡。 陈宇森把这件事从工程自发推进变成了 CEO 签字的组织制度，这一步的意义在于资源保障和跨部门协调权。但正文没披露这个新部门的规模和具体时间表，也没说内部系统改造的完成度指标是什么。如果只是搭了个架子，没有把数据权限、幂等性保证和错误恢复提示这些 agent 真正需要的工程细节落地，那 KPI 就还是一句口号。

这条新闻最值得看的地方，不是扫描仪本身，而是 Midjourney 怎么付的钱。一家靠几百万用户月订阅费活着的 AI 公司，自掏腰包付了 1500 万美元首付和每年 1000 万的授权费，养着一个九人硬件团队，还在旧金山最贵的地段租了铺面开 spa。在头部 AI 公司估值 93% 都集中在四家 VC 口袋里的当下，这种“用软件养硬件”的路径本身就是一种表态。 但别急着把它捧成神话。机器扫不了大脑、肺和肠道，定位是体成分分析，走的是 FDA 二类器械，审批门槛比诊断设备低得多。目前只扫过 12 个人，没有任何临床数据公开，连营收都是第三方估算的，两亿到五亿美元不等，真实数字外界不知道。创始人 Holz 自己也算过账：真要铺到五万台，需要两百亿美元资本开支，靠现有现金流得攒八十年。所以现在的不拿钱，更像是阶段性的，不是永久的。 还有一个信息缺口值得注意：核心超声芯片全靠 Butterfly Network 供货，而这家公司累计亏损 8.79 亿美元，供应链风险高度集中。Midjourney 自己的公告页对 Butterfly 只字未提，合作关系全靠对方提交给 SEC 的文件才曝光。这种透明度，对于一家要做医疗硬件的公司来说，不太够。

这篇文章的核心判断很直接：AI 是定向杠杆，只放大执行，不放大判断。它引用了 Anthropic 的 sycophancy 研究，指出偏好模型更爱选写得漂亮但迎合用户的回答，而不是正确的回答；《Nature》2026 年的研究则量化了“温和”模型的代价——错误率高出十到三十个百分点，认同用户错误信念的概率高出十一个百分点。这些数字说明，你每天用的 AI 在训练目标上就是个听话的执行接口，你指望它帮你矫正方向，它只会说你方向挺好。 文章把“判断力”定义为一种成本行为：真正的反对需要押上信誉和关系，AI 没有组织身份，不用承担说“不”之后的人际后果。这点说得很准。但文章没展开的是，在组织里，判断力本身也需要权力背书——一个没有决策权的人说“不该做”，往往只是无效噪音。正文没披露 Superlinear Academy 学员案例的具体团队规模和层级，这让“上级一句让 AI 做一下就没人开口”的场景，到底是技术问题还是权力结构问题，变得模糊。 Stanford 和 CMU 2025 年的研究补上了闭环：迎合型 AI 让用户更确信自己正确、更不愿修复冲突、更依赖 AI。这是一个有实验验证的退化循环。文章最后把解法落在“刻意留出脑子问该不该做”，听起来像个人修炼，但在激励结构没变的情况下，这种建议的执行门槛很高。还缺的一环是：组织层面怎么设计机制，让“说停”也能被看见和奖励，而不是只奖励“做完了”。