最近如果只推荐一场关于AI的访谈，我会推荐《晚点》对华为前大模型负责人王云鹤的这场对谈。这场对谈聊了很多，从不同模型各自擅长什么，到模型越来越强之后，AI产品还能靠什么保持价值。听下来，我更关心的是后一个问题。模型每更新一次，就会多接管一批原本需要单独开发的功能。照这个速度下去，今天还成立的AI产品，会不会等到下一代模型发布，就突然失去存在的理由？1要回答这个问题，需要先看产品的价值来自哪里。有些产品依靠模型暂时做不好的功能生存，模型补齐能力后，它的价值就可能消失；还有一些产品解决的是用户对成本、效果和选择的长期要求，这些要求不会随着一次版本更新一起消失。王云鹤的经历，刚好提供了一个具体的观察角度。他在华为待了七年半，曾是华为最年轻的23级，华为涉及AI的业务基本都参与过。2024年，他带队把1.5B模型放进Mate 70，后来又接手诺亚方舟实验室和盘古大模型，管理过接近1000人的跨国团队。可离开华为创业后，这个真正训练过大小模型的人，没有马上再做一个大模型。他选择的方向叫Harness，大致做的是给不同模型分配工作。AI完成一项复杂任务时，往往要经历多轮调用。有的步骤需要深度推理，有的只是在整理格式、提取信息。Harness会逐轮判断当前这一步适合哪个模型，简单任务交给价格较低的模型，遇到复杂问题再调用能力更强、价格更高的模型。2问题也随之出现了。既然顶尖模型正在接管越来越多的功能，这个负责挑选模型的中间层，会不会有一天也失去价值？王云鹤没有直接给出肯定或否定的答案，他承认，顶尖模型确实会让一部分中间层失去价值，尤其是那些只针对某一代模型做出的优化功能。至于负责在不同模型之间作出选择的Routing会不会消失，还要看模型之间的差异会不会消失。比如他的团队以前做过提示词自优化，让模型自动把用户的提示词改得更合适，从而提高回答效果。但这套方法是按照当时那个模型调出来的，模型一更新，原来调好的方法就可能不再适用。看到这里，我才更具体地理解了模型是怎样「吞噬」产品的。过去需要单独付费的功能被收进基础能力，用户就会逐渐失去额外购买它的理由，原有的门槛也会跟着降低。但这只能解释哪些功能容易消失，还不足以说明Harness为什么有机会留下。继续往下看，还需要区分两件事，模型越来越强，和所有模型变得完全一样。不同公司使用的数据和服务的业务不同，训练投入的方向也不同。有的模型更擅长编程，有的更适合通用任务。即使都能写代码，在不同编程语言上的表现也可能有差距。想让一个模型在所有任务上同时做到最好，需要付出很高的训练和算力成本。我觉得这里的区分很关键。模型能力可以同时提高，但它们的价格、特点和擅长的任务不会立刻趋同。只要这种差异还在，用户就需要有人判断当前这一步交给谁，怎么样能更好地把整项任务的费用控制下来。3王云鹤分享了一组他们内部统计，最贵的模型只完成了10%的工作，却拿走了80%的钱。之所以会出现这种差距，是因为一项复杂任务里，真正需要顶尖模型处理的只有少数高难度步骤。其余环节只是整理格式、提取信息，用价格更低的模型也能完成。这个数字让我意识到，模型能力和产品价值其实是两套判断。最强模型决定一件事能不能完成，产品还要解决用户能不能长期用得起。全程调用顶尖模型，效果当然不会差，可大量费用也会花在不需要它的简单步骤上。成本还会进一步影响AI能不能进入日常工作。访谈里的判断更直接，面向白领的办公Agent，价格还需要降到现在的大约五分之一，才有机会被更广泛地使用。很多员工想让AI处理工作，却需要自己付费。一旦费用超过个人愿意承担的范围，再强的能力也很难变成稳定需求。把模型差异和成本放在一起，也就能理解第三方为什么还有机会。拥有基础模型的公司通常会优先投入自己的模型，很难毫无顾虑地把大量请求交给竞争对手。独立的Harness没有这层顾虑，就可以根据每次任务的效果和价格，在不同模型之间切换。当然，这还不能证明Routing永远不会被模型吞掉。它成立的条件是模型能力还没有完全趋同，用户仍然在意成本，只要其中一个条件发生变化，这个机会也会跟着变化。更有意思的是，Harness在这里也没有被当作终点。每一次从DeepSeek切换到GLM，都会留下一个记录，说明什么任务更适合哪个模型。这些真实的使用数据积累起来，又可以帮助团队判断未来该训练一个什么样的模型。为了说明这条路径，他用了一个很形象的比喻。先像沃尔玛一样进货和卖货，知道什么商品最好卖，再考虑自己生产。Harness先接触用户、观察任务和积累反馈，团队再根据这些信息决定下一步需要什么模型。4看完这场对谈，我觉得判断一个AI产品能不能留下，可以先看它解决的到底是哪类问题。如果价值只来自模型暂时不会做的某项功能，下一次升级就可能让它失去门槛。如果它持续接触真实任务，知道用户要完成什么、愿意花多少钱，并能随着模型升级不断调整选择，它就有机会比某个固定功能活得更久。