郑工长·AI洞察｜2026.07.04·大厂撤退！智能体进厂找到饭碗

郑工长观点

朋友们好，我是郑工长。

今天中国AI行业发生了两件方向完全相反的事。

一边，字节跳动的豆包和阿里巴巴的千问，在同一天宣布下线智能体功能。豆包给了用户半个月时间搬家——7月15日之后，你在豆包上搭的所有智能体都将消失，官方建议转去猫箱App。千问也在同步跟进。两大超级App，同时从"智能体平台"这条赛道上撤退。

另一边，钢铁厂的高炉旁，AI智能体正在24小时盯着火焰颜色做异常预警。美的的工厂里，全工序智能体已经接管了从注塑到组装的完整产线。上海的森亿智能带着800多家医院的AI落地案例，正向港交所递交招股书。

同一个词——"智能体"。有人在撤退，有人在冲锋。

这背后的核心冲突不是技术问题，是商业模式的底层分歧。

豆包和千问当初为什么要做智能体平台？因为那是ChatGPT带起来的风潮——给用户一个"搭自己的AI"的入口，聚人、聚数据、聚生态。但现实很残酷：绝大多数用户搭出来的智能体，除了创建者自己，没人用。一个平台上几十万个智能体，真正日活过百的可能不到百分之一。平台投入巨大——审核、安全、合规、计算资源——回报却是一个又一个"僵尸智能体"。这次撤退，本质上是字节和阿里同时算了一笔账：与其维护一个没人用的智能体广场，不如把资源集中到自己能控制的场景里。豆包给用户的替代方案是猫箱App——一个更轻、更偏娱乐化、更好控制的内容平台。这不是"放弃"，是"收编"。

而钢铁厂和美的不需要考虑"平台生态"。他们只问一个问题：这个智能体能帮我省多少钱？高炉异常预警智能体，一年可能避免一次停工事故，那就是几千万的损失。产线上每提升百分之一的良品率，就是几百万的净利润。这里没有"日活"指标，只有"投资回报率"。当一个智能体能在三个月内回本，不需要任何"平台红利"来支撑它的存在。

我的判断：豆包千问的撤退，不是智能体的失败，而是"通用智能体平台"这个商业模式的证伪。用户不需要一个能搭任何智能体的广场——他们需要一个已经搭好、直接能用的智能体。这个逻辑和移动互联网的App Store完全不同。App Store卖的是"可能性"——下载一个App，你有无限的可能去用它。但智能体卖的是"确定性"——你用它来解决一个具体的问题，多一个功能都是多余。

我给一个明确的站队：2026年下半年，智能体的主战场不在平台上，在产线里、在医院里、在实验室里。谁能在这些"看不见的地方"把智能体做深做透，谁才能真正吃到AI落地的第一波红利。

那么问题来了：你是更愿意用一个"能搭任何智能体但需要自己动手"的平台，还是直接买一个"已经训练好、开机就能用"的行业智能体？

郑工长每天都在关注AI圈的新闻动态，下面进入今日要点：

核心趋势摘要

豆包千问同一天"砍掉"智能体：通用Agent平台的商业模式正在被证伪。 当两大超级App同时从智能体赛道上撤退，释放的信号再明确不过——让用户自己搭Agent这条路，走不通。真正的Agent不在"广场"里，在"产线"里
GPT-5.6三箭齐发：Sol做性价比、Terra做推理、Luna做轻量——OpenAI开始"分层打市场"。 不再是"一个模型统治一切"的逻辑，而是针对不同场景和预算推出差异化产品。当OpenAI也开始搞"产品矩阵"，模型层的竞争正式进入精细化运营阶段
从辍学少年到硅谷：Dify的开源逆袭成为AI基础设施的黑马故事。 张路宇12岁做站长、初中辍学，如今Dify成为连接AI与企业工作流的核心基础设施。这条路径和"名校+大厂"的主流叙事完全不同

技术突破与基础设施

GPT-5.6来了：Sol/Terra/Luna三款模型各打各的。 OpenAI不再用一款模型通吃市场，而是针对不同场景精准投放。Sol主打性价比，适合大规模Agent部署；Terra专攻复杂推理，面向科研和金融；Luna走轻量化路线，适配移动端和IoT。当OpenAI从"卖最好的模型"变成"卖最合适的模型"，说明模型层的内卷已经让"全能型旗舰"不再是唯一解
全球首个地层学AI大模型发布：地球46亿年历史有了"共享数据库"。 中国科学家在第五届国际地层学大会上发布了这一成果。这不仅仅是地质学的突破——它证明了AI在极度专业、数据稀疏的领域同样能建立有效的知识体系。当AI开始"读懂"地球的演化史，科学研究的基础设施正在被大模型重新定义
大模型"记忆压缩"有了新解法：不再靠经验值调参。 一项新研究提出，通过重新排序输入序列——把开头的关键token放在最前面——模型能在不增加计算量的情况下显著提升长文本理解能力。这个思路的巧妙之处在于：它不是"让模型记更多"，而是"让模型记住对的部分"。在长上下文场景下，这个优化可能比堆参数更有效
LibTV发布：AI视频创作进入"专业级工作流"时代。 LiblibAI推出专业AI视频创作产品，定位不是"工具"而是"工作流范式"。当AI视频从"生成一段素材"进化到"管理整个创作流程"，视频行业的AI渗透正在从"锦上添花"变成"基础水电"
Codex负责人："人人都是Builder"是个糟糕的想法。 OpenAI Codex团队负责人Andrew Ambrosino指出，当技术门槛降低、人人可快速搭建原型时，产品经理的核心价值反而更加凸显——因为"能否实现"不再是瓶颈，"应该实现什么"才是真正的难题。这个观点和今天豆包千问的撤退形成了有趣的呼应：搭智能体的门槛越低，搭出"有用的智能体"的难度反而越高

产业落地加速

红杉2026年33笔AI投资：智能体时代的下注逻辑变了。 据乌鸦智能统计，红杉今年全球AI投资已达33笔。教育、医疗、金融是押注最密集的赛道，工具链和基础设施类项目占比显著上升，纯模型层的投资几乎绝迹。当全球最敏锐的VC开始把子弹全部打进"应用层"和"中间层"，整个行业的资金流向也会跟着转
森亿智能冲刺港股：中国AI医疗跑出一个IPO。 这家服务超800家医院的公司，在沙特落地了全球首个L4级自主AI诊所试点。腾讯、红杉都是股东。当AI医疗从"辅助诊断"进化到"L4级自主"，这个赛道的商业化故事正在从PPT走向招股书
AI进入"协同时代"：智能体互联国家标准来了。 工信部主导的《人工智能智能体互联》系列国家标准正式解读发布。这意味着Agent之间的"沟通协议"正在被标准化——当一个Agent可以和另一个Agent"说同一种语言"，跨系统、跨企业的AI协作网络将成为可能。这是智能体从"单打独斗"到"集团军作战"的关键基础设施
全工序AI智能体进厂：美的工厂的AI实验。 从注塑到组装，美的广州工厂正在用全工序AI智能体管理整个生产流程。在极端热浪席卷欧洲、便携空调"一机难求"的背景下，AI正在帮助"广东造"更快地响应全球需求。这不是"未来工厂"的概念展示——这是正在发生的产线改造
AI钢铁工人上岗：高炉异常有AI"放哨"。 越来越多钢铁企业正推动AI赋能生产核心环节。钢卷直径由智能体辅助计算、高炉异常由AI预警——在温度超过1500度的高炉旁，人类的感官和判断力是有极限的，但AI传感器没有
周鸿祎喊话：AI圈开始赚钱了。 360创始人周鸿祎公开表示，别再给AI贴"资本黑洞"的标签——AI公司已经开始产生实际盈利。在智能体、企业工作流自动化等场景，AI正在从"烧钱买用户"切换到"帮客户省钱然后分一杯羹"。这个声音和今天Meta卖算力的消息放在一起，折射出AI行业的一个深层变化：叙事正在从"增长"切换到"效率"

资本与市场

Meta开始"卖算力"了：巨头杠杆收缩的信号。 Meta被曝计划对外出售闲置算力，扎克伯格7月2日的讲话佐证了这一猜测。当一家以"无限烧钱"著称的科技巨头开始精打细算、把多余的GPU拿出来卖，整个行业的算力军备竞赛可能正在进入一个"去库存"阶段。更值得关注的是，扎克伯格同日罕见承认AI智能体业务推进速度低于预期——这个表态和豆包千问的撤退放在一起看，全球Agent赛道的"期望回调"正在同步发生
Dify的逆袭：初中辍学生如何切入AI基础设施竞争。 积墨AI深度报道了Dify创始人张路宇的故事——12岁做站长、初中后离开学校、如今运营着AI工作流领域的核心开源项目。Dify的路径说明了一件事：在AI基础设施层，比"名校光环"更重要的是"理解企业真正需要什么"。当张路宇在硅谷和中国之间架起桥梁，中国开源项目在全球AI基础设施竞争中的位置正在被重新定义
AI算力投资逻辑正在被重估：Meta和Anthropic接连传出新动作。 Meta卖算力、Anthropic扩大Mythos内测——两件事分别从"供应端"和"效率端"冲击了AI芯片的估值逻辑。模型越高效、巨头越精打细算，市场对"无上限算力需求"的信仰就越松动。当然，长期来看AI的总算力需求只会更大——但短期内的预期修正，已经足以让高估值芯片股吃一记重拳