大模型的纸巾时刻
当智能的边际成本足够低，人类会从“复用智能”，转向“消费智能”。Agent、软件和智能劳动可能成为一次性耗材，而反馈与验证将变得更加稀缺。
以前人们擦鼻子，用的是手帕。
一块手帕可以用很多年，脏了洗，洗完晾干，再继续用。
后来纸巾出现了。
真正改变人的，不是纸巾比手帕先进多少，而是它便宜到了一个临界点：
擦一下，扔了。
没有人会把一张纸巾洗干净，晾在阳台上，明天继续用。
因为当一个东西的成本低到一定程度以后，人不会只是“多用一点”，而是会彻底改变使用它的方式。
我觉得，大模型也在接近自己的这个时刻。
我把它叫做：
大模型的纸巾时刻。
今天的 AI，其实还是手帕
别看现在大家都在说 Token 越来越便宜，我们使用大模型的方式其实依然很节省。
我们会压缩 Prompt。
缓存 Context。
减少模型调用。
希望一个 Agent 尽量一次把事情做对。
甚至今天对 Agent 的想象，也很像养一个长期员工：
给它记忆，给它技能，让它不断积累经验，重复使用。
因为今天的智能，本质上还是有成本的。
不只是钱，还有时间。
一个 Agent 想 30 秒可以。
100 个 Agent 同时想 30 秒，就开始显得奢侈。
但如果有一天，Token 足够快、足够便宜呢？
我们会开始“浪费智能”
到那时候，一个任务可能不再交给一个 Agent。
而是直接生成 100 个。
10 个研究问题。
20 个提出方案。
30 个直接执行。
20 个专门挑错。
剩下的负责验证和投票。
最后留下一个答案。
其他 99 个 Agent？
扔掉。
这听起来很浪费。
但纸巾刚出现的时候，“擦一次就扔”大概也很浪费。
真正的变化就在这里：
当智能的边际成本足够低，人类会从“复用智能”，转向“消费智能”。
AI 时代真正的生产力跃迁，甚至可能不是 AI 终于不犯错了。
而是：
我们终于负担得起让 AI 大量犯错。
一个 Agent 失败一次，再来。
100 个方案错掉 99 个，也没关系。
如果失败足够便宜，试错本身就可以工业化。
Agent 可能不是员工，而是耗材
所以我越来越怀疑一句现在很流行的话：
Agent 会成为数字员工。
可能只有一部分 Agent 会。
另外大量 Agent，可能更像一次性耗材。
比如研究一家公司。
系统临时生成一个财务 Agent、一个行业 Agent、一个空头 Agent、一个多头 Agent、一个验证 Agent。
任务结束，全部销毁。
下一次再重新生成。
它们甚至不需要名字，不需要长期记忆，也不需要“成长”。
为任务出生。
拿到 Context。
完成任务。
销毁。
很像云计算里的临时实例。
再往前一步，软件也可能变成纸巾
过去软件为什么要反复使用？
因为软件太贵了。
没人会为了处理一张 Excel，专门开发一个 App。
所以过去几十年的软件逻辑一直是：
Build once, use many times。
开发一次，尽可能服务更多人。
但如果生成软件本身也足够便宜呢？
你收到一张 Excel。
AI 直接为了这张表，生成一个小软件。
筛选、图表、异常分析、导出，全都按照这一次任务定制。
你用了 20 分钟。
关掉。
这个软件以后再也不会出现。
下一张表，再生成一个新的。
这就变成了：
Generate once, use once。
软件从资产，开始变成耗材。
Agent 从员工，开始变成一次性劳动力。
推理从稀缺资源，开始变成可以浪费的资源。
真正稀缺的东西也会跟着变化
当然，Token 便宜，不等于一切都免费。
模型可以一秒生成 100 个方案，但谁告诉它哪个是对的？
代码还要运行。
实验还要做。
用户还要真的付钱。
机器人还要在现实世界里动起来。
所以当“思考”越来越便宜，真正昂贵的东西可能会变成：
反馈和验证。
模型不缺想法以后，最稀缺的反而是：
真实环境。
真实数据。
真实用户。
真实执行结果。
以及一个能判断“到底对不对”的机制。
所以未来最强的 Agent，可能并不只是最聪明的模型。
而是那个最擅长：
生成 → 执行 → 验证 → 淘汰 → 再生成
的系统。
我们今天还会认真讨论：
一个 Prompt 能不能复用。
Context 能不能再省一点。
为什么这个任务调用了 200 次模型。
但也许几年以后回头看，会觉得有一点像：
一个人站在超市里，认真研究一张纸巾擦完鼻子以后，能不能洗一洗，晾干，明天继续用。
技术真正改变世界的时候，往往不是一个东西便宜了 10%。
而是它便宜到某个临界点以后，
我们突然开始舍得浪费它。
手帕没有因为纸巾出现而消失。
长期软件也不会消失。
长期 Agent 也不会消失。
但另外一个世界可能正在出现：
一次性的 Token。
一次性的 Agent。
一次性的软件。
一次性的智能劳动。
用完即扔。
这可能就是大模型真正的纸巾时刻。
原文发布于 X。