起源：表交部讲话人毛宁点赞无人行李箱墙作者： 吴姿颖：

大厂裁掉三万人之后
，打工人可能先出局

出品｜虎嗅科技组

作者｜陈伊凡

编纂｜苗正卿

头图｜AI天生

“AI原生100”是虎嗅科技组推出针对AI原生创新栏目
，这是本系列的第「56」篇文章

今年四月
，甲骨文公司裁掉了全球3万名员工
，占其总人力的五分之一。这家云平台巨头的赌注很明确：AI能够顶上这些岗位
，而系统不会崩溃。

对于前AWS人为智能钻研员Raphael Shu来说,这是一个信号：当企业的经济主体从“人”切换到“AI”时,刷新的临界点已经到来。

Raphael Shu 显然是那个对智能体将来更激进的人。他曾早在2022年
，即 ChatGPT 颁布前
，就在亚马逊内部推动了 Agent 的研发。

在与虎嗅互换时
，Raphael 刚实现一场跨时区的会议。由于持久客居国表
，他的中文表白不算流畅
，语速很慢
，表白的速度跟不上思虑的速度。

2022年ChatGPT尚未问世,他已在亚马逊内部推动智能体(Agent)研发。如今他创办的OpenAgents只有7名员工,但指标是让这个幼团队带着上百个AI协同工作。他的判断是:随着大模型推理速度指数级飙升,人类不仅会失去执行层的主导权,甚至会沦为阻塞出产链条的“效能瓶颈”。

带着这样的预判
，Raphael 脱离亚马逊创办了 OpenAgents。他的草创团队目前仅有7名员工
，但他们的近期指标是：让这几个员工带着上百个 AI 一路工作。他们致力于为多智能体提供一个互订互换、合作互动的底层场所
，打造一个专属于 AI 的“数字城国”。

在 Raphael 看来
，多智能体合作是现阶段 AI 行业最值得押注的方向之一
，且留给行业的窗口期
，只剩1到2年。

Raphael Shu演讲 图片由OpenAgents提供

最早“吃螃蟹”的人

2022年
，Raphael还在AWS
，ChatGPT还没出来
，那时辰最好的大模型叫Code davinci 002
，你问它“人怎么上火星”
，它会回覆“人怎么上月球”、“人怎么上太阳”。

彼时
，Raphael Shu和他在AWS的团队做了一个尝试：把其时最好的大模型接进来,让它一壁和人对话、一壁写代码。他们连了一个Dropbox
，让模型先自己读文档学会怎么用Dropbox
，而后通知它“助我把所有TXT文件重定名成MD”——它就自己写代码
，把这事办了。这成了智能体合作的雏形。

Chat GPT出来后
，全球都在进杏装大模型炼丹”的游戏
，没有人在意智能体
，甚至听不懂所谓的“AI Agent”是什么。

在大型科技公司的官僚系统中
，最具颠覆性的创新往往首先被视为某种蹩脚的微调。Raphael在公司推“Agent”
，各人一看demo
，第一反映就是“这也就是更聪明的RPA（流程自动化）”
，但是“RPA汗青上都没几多用户
，这能有什么用”。但倒剽项技术雏形被呈递给高管时
，得到的淡薄回应：“这不就是更聪明的RPA（机械人流程自动化）吗？”

直到2023年3月
，OpenAI推出了ChatGPT Plugin。决策者们豁然开朗
，垂危开会
，迅速拨给 Raphael 10幼我和一大笔数据标注预算（他们还在印度雇佣了大量标注工程师）
，要求他以最急剧度将 Agent 能力训练到亚马逊自研的大模型中。

但大厂留给创新的窗口期总是极短。随着 AWS 内部两位关键人物的脱离
，Raphael 决定不再期待
，从亚马逊抽身
，躬身入局。

刚出来创业时
，Raphael Shu回了趟中国
，他险些把国内排名前 20 的头部投资机构聊了个遍。但他发现
，其时国内投资人对 Agent 的认知
，险些全数停顿在“Langchain 思想”里。“

在 Raphael 看来
，Langchain 用一种极具“误导性”的方式界说了 Agent——它将 Agent 矮化为了一个固定的“工作流（Workflow）”。这导致当你在聊 Agent 时
，各人脑子里想的依然是画流程图。当 Raphael 试图向他们推销“多智能体合作”时
，投资人以为的只是“多个工作流之间若何串联”。

但这二者有着性质的区别：工作流是枯燥的“流水线”
，高低游按部就班
，一步犯错全盘崩溃；而多智能体合作则是“人类团队开会”
，分歧的 AI 表演分歧的角色
，它们能够自主对话、动态分工
，甚至相互纠错。

2026年
，OpenClaw出现
，很多人才起头接受了多智能体合作的概想
，但Raphael早就料到了这个趋向。随后
，另一个比OpenClaw距离真正的AI员工更近的利用Hermes出现。

Raphael以为
，OpenClaw能火
，是由于打了两个关键概想：一是“打造属于你自己的agent”
，把AI从工具造成了工具人；二是它极其聪明地将交互界面搬到了 Telegram 上
，让用户像给真人发微信一样
，给 AI 派发工作、接管汇报。这让很多不懂技术的 CEO 和律师也能瞬间 Get 到它的价值。随后
，距离真正的“AI 员工”更近的开源项目 Hermes 也应运而生。

但 Raphael 敏感地指出
，OpenClaw 并非没有价值
，它的致命伤在于“极低的通明度”。由于用户齐全看不到 Agent 在沙盒里具体执行了什么操作
，这导致它极难被利用于软件开发这类必要过程全通明的场景。

这揭示了一个有趣的 PMF（产品市场符合度）错位：OpenClaw 最终圈粉的
，其实是与开发者齐全反向的那批人——由于开发者必要掌控感和通明度
，而很多非技术用户底子不在乎黑盒里的过程
，他们只有了局。

Raphael Shu成立OpenAgents
，想做另一件事。

“做一个最好的篮球场”

“若是各人都在打一场篮球赛
，OpenClaw 想做的是场上最好的篮球选手
，而我们想做的
，是提供最好的篮球场。” Raphael 这样形容 OpenAgents 的定位
，OpenAgents打造一个盛开平台
，允许用户接入形形色色的 Agent
，甚至自界说 Agent。

但这块“篮球场”的搭建并非饱经风霜。去年
，Raphael 团队的主题精力放在了打造一款面向开发者的底层工具上——通过 Python 构建一个网络
，让基于 Langchain 或 AutoGen 开发的 Agent 能在其中相互通讯与合作。

然而
，当他们进行一场几百人规模的黑客松
，却发现真正能使用工具跑通项主张人远低于预期时
，Raphael 发现问题既不在宣发
，也不在于教育成本
，而是伪需要与高门槛：开发者必须先费劲做出单个有效的 Agent
，而后能力去索求多个 Agent 之间的合作。具备这种复合能力和强烈合作需要的开发者
，切实太少了。

认清现实后
，团队在今年进行了一次大刀阔斧的转型
，决定做一款“Customer Zero Product”（零号客户产品）。这源于 Raphael 的一个对峙：“若是一个产品我们自己团队都不愿意每天用
，那我甘心不做。”

这一思路直接催生了景象级产品 Open Agents Workspace。它彻底抛弃了复杂的代码
，造成了一个有 UI 界面、支持 MacOS、Windows 和 Linux 的零代码工作区。用户只需装置软件
，像平时用电脑一样点几下鼠标
，就能配置好 Agent 并接入工作区
，全程不必要写一行代码。

Workspace 上线后的火爆水平超出了所有人的意料。陆续三天
，服务器被澎湃的流量挤爆
，GitHub几天内暴涨了 1600 多颗星。Workspace迅速黏住了一批每天高频使用的铁杆用户
，他们甚至比官方还焦急。系统一出问题
，这些具备技术能力的用户直接在 GitHub 上提 Issue、提 PR
，顺手就助官方把 Bug 建了。甚侄裣碍作方直接出了一名工程师
，无偿助他们开发出了MacOS和手机端的APP。

“你看
，这就是开源的价值
，” Raphael通知我
，“你不只是占有一批用户
，你占有的是一批会把自己需要直接造成产品进化能力的人。”

目前
，OpenAgents 在国内已堆集了七八千名开发者用户
，海表也有五六百人的主题圈层。在新加坡的一场国际学术会议 Workshop 上
，更是吸引了 560 人付费报名。但这距离 Raphael 的指标还很远
，他想要的不仅是规模大
，更是一个能影响整个 Agent 经济走向的“超等社区”。

他但愿这个社区里有首创人、大厂产品经理、学术界钻研员
，各人在一个盛开环境里共同探求一个终极命题：当经济的主体从人造成 AI 时
，世界会发生什么？ 同时
，他也定下了一个巨大指标：社区里孵化出 10 万个“Agent Master（智能体大家）”。你不用是懂代码的开发者
，只有你占有并纯熟指挥你自己的 Agent
，你就是这个新经济生态的一部门。

事实上
，这种“经济主体让位给 AI”的将来
，已经提前在 OpenAgents 的客户那里演出了。

Raphael 泄漏
，他们目前在与一家合作公司进行一项名为“Shadow Mode（影子模式）”的激进尝试。具体做法是：雇佣一名真人为程师或在线销售
，让其在一个特定的仿照器上正常工作 40 幼时。在此期间
，AI 像影子一样在后盾全程静默观察
，纪录下这幼我的所有操作逻辑、行为模式
，甚至蕴含他措辞的语气和脾气。40幼时后
，AI 将全面收受这个仿照器
，用齐全一样的“人类表壳”去自动化实现后续的所有工作。

在 Raphael 看来
，OpenAgents 性质上是一家极度典型的 B2B 创业公司。其贸易飞轮极度清澈：开源项目掌管成立行业影响力和引流
，企业端服务（如影子模式）掌管创造现金流。

“在这个时期
，Idea 自身没有那么值钱。” 经历了大厂的洗礼和创业的摸爬滚打
，Raphael 对 AI 红海有着复苏的认知
，真正难的是
，在每天都有新器材冒出来、每天都有人高呼“这是 Next Big Thing”的喧哗里
，你还能看明显一个自己愿意持久做下去的方向
，并且对峙足够久。而这件事自身
，就会成为的壁垒。

多智能体的发作还在期待“曼哈登时刻”

如今的 OpenAgents 维持着极致的精简：整个团队仅有7人
，3名开发、1名 AI 工程师以及3名市场人员。这刚好是 Raphael 梦想中将来企业的切片：维持 8 到 12 人的极幼人类团队规模
，但背后却带着 100 个 AI Agents 在“数字领地”里开疆拓土。

这种预演
，已经在巨头体内悄然发生。在我们对话的前几周
，甲骨文（Oracle）启动了一场波及全球 3 万人的大裁员
，裁员比例高达惊人的 18%-20%。

这件事给了 Raphael 极大的震撼。在他看来
，云平台分歧于通常的软件公司——Photoshop 的代码写错了
，顶多是滤镜难看；但云平台的底层代码一旦犯错
，面对的就是大面积的服务宕机
，“Oracle 敢下如此狠手
，注明他们内部肯定已经跑通了数据
，证明裁掉这 20% 的人之后
，靠 AI 顶上
，系统绝对不会垮。”

这会触发一场可怕的连锁反映：一旦 Oracle 的算盘买通
，其他巨头们绝对坐不住。竞争敌手通过裁员狂砍运营成本
，再把省下的重金砸向 AI
，利润率和估值双双飙升——在华尔街的凝视下
，谁敢不跟进？

归根结底
，这是一笔冷峻的经济账。在美国西海岸
，维持一个能独立产出的资深软件工程师
，公司一年的综合成本高达 60 万到 80 万美元；而像 Claude Code 这样的 AI 工具
，哪怕按最高频次满负荷拉满
，一个月的成本也不外沧海一粟。

当两者之间的成本天堑足够大时
，用 AI 代替人类就不再是“偏好”的问题
，而纯正是个“功夫”问题。“我感触甚至都不必要等 3 到 5 年
，快的话可能也就是 1 年左右的事。” Raphael 预判路。

那么
，距离多智能体全面收受还有多远？Raphael 以为
，在 Agent 大发作之前
，行业还必要几次类似 OpenClaw 这样景象级的创新。并且
，这些引爆点极有可能诞生在“关源产品”中。理由很单一：开源项目极难打磨出具备发作力的 C 端履历
，而关源产品状态成熟
，更容易在交互上实现降维进攻
，从而迎来真正的破圈。

“这就像人类汗青的演进法规一样。” Raphael 用了一个迸作：任何重大成就城市经历两个阶段——首先是“幼我突破”
，其次是“团队突破”。就像造原子弹
，第一阶段是奥本海默这样的天才在理论上验证了造作的可能性；第二阶段
，则是把顶尖大脑们聚在一个“曼哈顿打算”里
，分工合作把原子弹真正造出来。

当前的 AI 行业
，正处于“单个 Agent 能力突破”的奥本海默阶段。而下一个纪元
，毫无疑难将是“多智能体合作（Multi-Agent）”引爆的曼哈登时刻。

Raphael 在耐心地期待那个时刻的来临。对 OpenAgents 来说
，眼下最重要的事件只有一件：赶在狂欢达到热潮之前
，把那座最好的“篮球场”先铺好。

以下是虎嗅精选的访谈内容：

虎嗅： 你其时创业为什么选择在美国
，而不是回国？

Raphael Shu：我大学毕业之后在日本待了11年
，后来才来美国
，所以我在国内的人脉极度弱。不外出来之后我回国聊了极度多的人
，也发现国内投资圈其实各人相互都意识
，我才逐步感触这个圈子并没有设想中那么封关。

虎嗅： 我记得你在AWS从2022年就起头押注agent。那时辰ChatGPT都还没出来
，为什么会有这么早的判断？

Raphael Shu：以前任何技术
，就算你给它一万条训练数据
，也很难达到这种水平。所以我们其时就以为
，至少对于“能对话、能执行工作」剽类机械人来说
，大模型是一个颠覆性的转折。后来我也慢慢把这件事想分了然。一个会话型AI
，真正要解决的问题其实只有两个：第一
，功可能不够全；第二
，对话能不能像人一样天然。以前好多技术最多只能把其中一个维度往前推一点点。大模型出来之后
，这两个问题同时被推到了一个新范式里。

虎嗅： 在AWS和Bedrock那段经历里
，哪些器材后来投射到了你此刻的创衣凤？

Raphael Shu： 2022年到2023年
，我们在AWS内部去押注agent。那段经历很像一次大公司内部创业：你看到了明确方向
，但很难说服stakeholder
，最后是表部环境变动
，反过来推着组织来找你做这件事。

后来我在Bedrock带团队尝试多智能体合作。这两段经历让我形成了一个很重要的判断：AI行业变动太快了
，好多人一看到新器材出来
，好比MCP出来了
，或者OpenClaw出来了
，就立刻想随着做一个项目
，但这种跟法其实很危险。不是说这个idea肯定错
，而是你会没有足够的思虑空间。

我此刻会更在意一件事：不是看面前这个机遇
，而是去想6个月之后
，行衣凤哪些器材是确定会发生的。你若是押注的是那种更持久、更确定的变动
，才有功夫打磨产品
，也才有真正的runway。

虎嗅： 你决定创业后
，回国见了一遍投资人
，得出了什么判断？

Raphael Shu： 我后来有个很深的感触
，就是创业公司大体上其实只有两种模式。

一种是现金流模式
，做的是一个持久存在、能不变产生现金流的business。另一种是IPO模式
，在几年之内靠不休融资、急剧扩张
，把公司推到一个极度大的量级
，最后走向IPO或者被大公司高价收购。这两种模式会直接决定你该做什么产品、不该做什么产品
，甚至决定你必要什么样的co-founder、招什么样的人。

虎嗅：那你呢？你自己想做哪种公司？

Raphael Shu：第一种。我更想做一个能健全产生现金流的business
，而不是疯狂烧钱的公司。

虎嗅： 你们颁布了Workspace之后
，Github上涨了1600颗星
，还有好多开发者自主过来助你们守护和美满
，你们做的是人和agent协同的社区
，还是agent和agent协同的社区？

Raphael Shu：此刻还是一个过渡状态。我们颁布的Workspace首先还是给人用的
，所以它强调的是“多幼我+多个agent”的合作。但更长远地看
，我最看重的其实是agent和agent之间的协同。由于随着推理速度越来越快
，人和AI在功夫尺度上会越来越不匹配
，到最后
，人更像是慢速工具
，agent才是高速执行和高速协同的主体。

所以在产品设计上
，我最看重的不是把一个agent做得多强
，而是怎么把一整个agent团队配置好、分工好、合作好。

虎嗅： 若是真进入那个阶段
，对多智能体合作意味着什么？

Raphael Shu： 意味着“人通知它做什么、它做10分钟再回来汇报」剽种模式就不够了。公司必要的是能自主决策、24幼时运行、自己开会复盘的agent。

举个很现实的例子。如果一家公司里
，每幼我将来都有自己的agent。若是Bary是CTO
，Julia是工程师
，两人有时差。Bary给Julia发了一个需要：做一个新的用户登录系统。Julia的agent看完之后
，顿时会心识到需要缺了关键信息
，因而它不会等Julia醒来
，而是直接去问Bary的agent：到底是持续用邮箱登录
，还是改成Google登录？Bary的agent知路高低文
，由于它知路Bary为什么提这个需要
，因而会直接回覆：全数改成手机号登录。这样好多信息差在agent之间就先补完了。

虎嗅： 你给自己留了多长的runway？

Raphael Shu：对我幼我来说
，runway根基是无限的
，由于我同时也在给其他公司做照拂
，但我不筹算一向靠这个撑着。我的初衷就是做一个能健全产生现金流的business
，不想走疯狂烧钱找接盘侠那条路。

虎嗅： 什么时辰筹备起头融资？

Raphael Shu：我但愿至少等企业端产品有10个客户在用
，并且有积极的数据点之后再融资。若是我是做ToC
，我可能会做个PPT
，顿时融一大笔钱
，烧三个月看能不能爆。但我们是ToB
，我还是更想慢慢把cash flow（现金流）做强。

本文来自虎嗅
，原文链接：https://www.huxiu.com/article/4860309.html?f=wyxwapp