自治飞轮:为什么Agent Native应用从小企业先跑通
2026-11-16 08:29:38
  • 0
  • 0
  • 0

2026年6月第一周,三件事同时发生了。 Anthropic发布了一份报告,首次披露Claude撰写了公司超过80%的生产代码,工程师的人均产出比2024年翻了8倍。同一天,Microsoft在Build大会上推出Scout,一个基于开源框架OpenClaw的Autopilot Agent,它可以在你不说话的时候自己跑起来,自己学你的工作习惯,甚至自己给自己写新技能。而就在这一周,一家叫Lassie的公司宣布拿到a16z领投的3500万美元,它在700多家牙医诊所里跑通了一件事:让AI自治系统替代每年20万美元的行政人力。

三个信号,看似无关。但把它们叠在一起,你会看到一个正在加速的结构:AI在写AI,Agent在学技能,业务系统在积累知识,三个自进化循环同时转起来了。 我把它叫做自治飞轮。

自治飞轮:三个自进化循环

自治飞轮不是一件事,是三层正反馈同时在加速:

  • 代码层自进化,AI在写AI。 Anthropic的数据是迄今为止最硬的证据:Claude写了自己超过80%的代码,实验优化能力从3倍提速到52倍。一年前,一个熟练的人类研究员花4到8小时才能做到4倍。更关键的是,AI能自主处理的任务时长正在每4个月翻一倍:4分钟、1.5小时、12小时。当代码可以写代码,进步的速度就不再取决于人类工程师的数量,而取决于算力和数据。
  • 产品层自进化,Agent在学技能,甚至自己写技能。 Microsoft Scout不是传统意义上的助手,它是一个拥有独立身份的Autopilot:它自己在后台跑,自己学你的日程习惯,自己发现卡住的决策然后提醒你。更有意思的是它脚下的框架OpenClaw,官方写得很直接:Agent可以自己写自己的技能插件。用户给反馈,Agent改行为,新行为变成可复用的技能,这个循环跑起来之后,Agent和用户之间就形成了一个越用越强的飞轮。Scout的产品负责人Omar Shahine说得好:人们正在把自己的工作模式编码成Agent的记忆和技能。然后Agent变得更强,更理解你,获得更多的自主判断。
  • 业务层自进化,系统在积累不可复制的知识层。 Lassie进入一家牙医诊所之后,它要做的远不是跑一个通用流程。它得理解这家诊所接哪些保险、每种保险的理赔规则是什么、付款周期怎么走、哪些claim经常被拒、拒了以后怎么追。这些知识不是写在手册里的,是在日复一日的操作中积累的。a16z在投资公告里说得很准确:产品必须学习工作流,建立一个从零开始难以复制的知识层。700家诊所跑了一年之后,Lassie的知识层不是任何竞争对手可以用更好的模型跳过的,它只能被时间赚出来。

三层之间的关系不是平行的,是正反馈的:代码层自进化让模型更强,更强模型让产品层Agent更好用,更好用的Agent进入更多场景,更多场景积累了更厚的业务知识层,而知识层又反过来告诉下一代模型应该往哪个方向进化。 飞轮一旦转动,速度只取决于一件事:有多少真实场景在喂养它。

为什么是小企业先转起来?

这是自治飞轮里最反直觉的部分。 按照传统的技术扩散逻辑,AI Agent应该先在大企业落地,它们有钱、有数据、有IT团队。但事实恰恰相反:飞轮最先转起来的地方,是街角的牙医诊所。

原因不是技术性的,是组织性的。MMNTM Research追踪了一组数据:小企业部署AI Agent平均需要2.5个月,大企业需要14个月,6倍的摩擦差距。这6倍从哪来?不是模型不行,是每多一个审批环节、多一个利益相关方、多一层合规审查,飞轮就慢一圈。

一个小企业的owner就是决策者。他觉得好用就续费了,觉得不好用就换掉。反馈循环极短。Lassie的创始人Steijn Pelle不是通过咨询发现问题的,他亲自在牙医诊所工作了数月,处理保险理赔,对账付款,然后才写了一行代码。这种亲手上手、快速迭代的循环,在大企业里根本不可能发生,你得先过采购审批,再过安全审查,再过法律审核,等这些都过了,创始人的热情早凉了。

更关键的是:自治系统需要自治权才能跑起来。一个Agent要能自己去保险门户拉数据、自己对账、自己更新系统,它需要的是端到端的操作权限。在大企业里,给一个Agent这种权限,需要IT、安全、法务三个部门同时点头。在一家牙医诊所里,Dr. Kwon说行就行了。

这就解释了为什么Stanford HAI 2026年的数据显示,只有29%的大企业看到AI显著ROI,而Lassie已经帮Dr. Kwon从4个医生扩展到10个,自治系统的落地速度不取决于技术能力,而取决于组织对自治的容忍度。

Agent Native:飞轮转起来之后,应用该怎么建?

自治飞轮一旦转动,它改变的不只是用什么工具的问题,而是应用应该怎么构建的问题。

过去十年,SaaS应用的基本架构是:数据库 + 工作流 + 仪表盘。人在仪表盘上看数据,人在工作流里点按钮,人是系统的操作员。AI加进来之后,大部分产品做的事情是给这个架构贴一层聊天界面,你可以问它问题,但它还是一个人在操作的系统。

自治飞轮要求一种完全不同的应用架构:Agent Native。 Agent Native应用的核心区别是:AI不是界面层,而是执行层。人不是操作员,而是审核员。系统不是等指令才动,而是自己跑,自己判断什么时候该问你。

Lassie就是Agent Native的原型。它不给你一个仪表盘让你看哪些保险付款还没对,它自己去保险门户拉数据,自己对账,自己更新系统,只有在遇到复杂异常时才来找你。a16z在投资公告里把这一点说得最清楚:Lassie不是给诊所更好的工具,它是在做工作本身。AI Agent改变了价值的单位,从软件变成了劳动力。

这个从软件到劳动力的转变,就是Agent Native的本质:

当价值单位从功能订阅变成劳动力替代,定价逻辑就变了。Lassie不是按坐席收费,而是按它替你省下的人力收费。一个月省30到190个小时,这对一家诊所来说,等于省掉了一个全职行政人员的成本。这种定价模型让客户算ROI变得极其简单:你替我省的钱比你收的钱多,我就续费。

而知识层积累带来的护城河,是Agent Native应用最被低估的壁垒。一个竞争对手可以用更好的模型、更便宜的价格进入同一个市场,但它无法跳过那700家诊所一年的运营数据、异常处理经验、保险规则沉淀。这种壁垒只能被时间赚出来,不能被资本买过来。

给正在构建 Agent Native 应用的人

如果你正在这个方向上做事,几个观察:

从一个极窄的工作流开始,而不是一个宽泛的助手。 Lassie不是从帮牙医做所有事开始的,它从保险理赔对账这一个流程开始。一个足够窄的流程,你可以穷尽它的边界条件,让系统在可控范围内实现真正的自治。覆盖80%比完美100%更有价值,剩下20%交给人类审核,比让系统在100%的范围内都可能出错要安全得多。

亲自做你要自动化的工作。 Steijn Pelle不是通过Zoom访谈发现牙医的痛点的,他在诊所里坐了几个月,手动处理保险理赔。这个经历让他理解了AI系统必须面对的真实复杂度,不是PPT里画的那种流程,而是充满了异常、例外、传真件和电话追讨的现实世界。如果没做过那个工作,你构建的Agent会优雅地失败在所有你没预想到的角落。

把知识层积累当作第一天就要设计的基础设施,不是以后再加的功能。 每一次Agent的操作、每一次人类审核的修正、每一次异常处理的方式,这些都是飞轮的燃料。如果你不从一开始就设计好怎么捕获和结构化这些信号,你就是在白白燃烧数据。一年之后,竞争对手可能有了更好的模型,但你的知识层是不可复制的。

选一个决策链最短的市场。 不是因为小企业永远比大企业好,而是因为飞轮需要快速反馈才能加速。你的早期客户越快给你反馈,你的系统就越快变强。当你积累了足够的知识层和可靠性记录之后,大企业市场自然会打开。

飞轮停不下来

Anthropic在发布那份报告的同一周,提交了IPO申请,估值9650亿美元。报告里有一段话很值得读:他们呼吁建立可验证的全球AI开发暂停机制。一家即将上市的公司,在跑出史上最快增长的同时,喊所有人停下来。

我理解这种张力。自治飞轮的逻辑是越跑越快,而Anthropic看到的是:如果飞轮真的转起来,我们可能停不下来。但现实是,飞轮的刹车不在实验室,在市场需求里。当Lassie已经帮牙医省下每月190个小时,当Dr. Kwon的诊所从4个医生扩展到10个,当一位客户告诉Lassie你救了我的婚姻,你很难说服这些人按下暂停键。

自治飞轮已经转起来了。对正在构建Agent Native应用的人来说,问题不是飞轮会不会继续加速,而是:你是在飞轮里面,还是在飞轮外面?

数据来源

When AI builds itself Anthropic Institute

Anthropic warns AI could soon help build its own successors Axios

Claude writes 80% of its code, calls for AI pause The Decoder

Investing in Lassie a16z

Small Businesses are the Next Frontier for AI Steijn Pelle/a16z Newsletter

Lassie Raises $35M Led by Andreessen Horowitz Morningstar/Business Wire

Lassie, Startup Making AI For Dentists, Raises $35M From a16z Upstarts Media (Alex Konrad)

Introducing Microsoft Scout Microsoft Official Blog

Microsoft launches Scout, an OpenClaw-inspired personal assistant TechCrunch

OpenClaw Official Site OpenClaw

Why Small Companies Win the AI Agent Race MMNTM Research

Stanford HAI 2026 AI Index Stanford HAI

SME vs Enterprise AI Agents: Where Agentic Systems Deliver ROI Agents Arcade 

 
最新文章
相关阅读