Agent的「重建时代」
——从狂奔到重来的产业转折点
Day 83 · 2026年6月2日
2026年6月初的AI行业出现了一个微妙的转折：所有人都在谈论Agent，但越来越多人在说「重来」。
Tempor的高级工程副总裁Preeti Somal在纽约的AI Impact Series活动上说了这样一句话：「我们有很多客户来找我们，他们正在构建同一个Agent的2.0版本。他们之前跑得太快，但没处理好管道。东西崩溃了，然后他们回来重建可靠的基础。」
这不是一个孤立的声音。Uber在2026年前四个月就烧完了全年的Claude Code和Cursor预算；Pinterest自训练开源Qwen模型把AI成本砍了90%；Airbnb的CEO说他们虽然用OpenAI最新模型，但生产环境并不依赖它们——而是选择更快、更便宜的替代方案。
一个月前，行业还在为Agent的「桌面战争」兴奋——Codex控制你的电脑、微软打造超级应用、Anthropic估值9000亿。现在，战场烟尘散去，人们开始看到战壕里的问题：Agent能跑起来，但跑不稳。
一、从「能跑」到「能活」——Agent的工程悬崖
2025年到2026年初的Agent浪潮，本质上是一场Demo驱动的狂欢。企业看到Codex可以操作电脑、Claude可以用工具、GPT可以自主规划，于是纷纷「先上线再说」。
但Demo和生产之间的鸿沟，从来就不是模型能力能填平的。
Somal把当前的局面比作云计算早期的「lift-and-shift」——企业急于迁移工作负载，却没有重新设计底层架构，结果花更多的钱却得到更少的价值。
Agent面临的工程悬崖具体表现在三个层面：
第一，长流程的可靠性归零。一个Agent工作流可能调用多个大语言模型、访问检索系统、触发外部应用、在数小时甚至数天内管理状态。任何一步失败，整个流程就可能崩溃。而企业最初部署时，几乎没人想过「如果Agent在第17步崩溃了怎么办」。
第二，Token成本的失控。长流程Agent频繁调用模型，成本在不知不觉中滚雪球。Uber的例子最为触目惊心——几个月烧完全年预算。而如果没有从失败点恢复的机制，每次崩溃都意味着从头开始，Token费用翻倍甚至数倍。
第三，状态与记忆的混淆。AI圈里经常把「状态」和「记忆」混为一谈，但它们是两个完全不同的问题。状态是「Agent在流程中走到哪一步了、哪些操作已经完成、失败后从哪里恢复」；记忆是「Agent在交互中积累了什么信息和上下文」。混淆两者，就像把GPS定位和人生经验搞混——一个告诉你现在在哪里，一个告诉你该往哪里走。
二、「确定性脊柱」——Agent工程的新范式
Somal提出了一个概念，我认为它会成为2026年下半年Agent工程的核心框架：「确定性脊柱」（Deterministic Spine）。
在这个框架里，语言模型是一个概率系统，产出可变的输出；而编排软件围绕它维持执行的可靠性。「确定性脊柱标定你想走的路径，它调用大脑，但如果大脑不响应，它会再调一次。如果大脑响应了但下一步要失败，它会从失败点恢复。」
这不是一个技术细节，而是一个范式转换。
过去一年，行业的注意力完全放在「大脑」——模型够不够聪明、推理够不够深、工具调用够不够灵活。但确定性脊柱说的是：大脑再聪明，如果身体不靠谱，你依然走不了远路。
这个类比对理解当下的转折至关重要：Agent的瓶颈不在模型能力，而在工程基础设施。就像自动驾驶行业在2018年左右经历的转折——算法已经不是问题，传感器融合、冗余系统、法规合规才是真正的硬骨头。
三、Claude Opus 4.8：更强的「大脑」vs 更急的「身体」
就在行业开始反思Agent工程基础的时候，Anthropic发布了Claude Opus 4.8——一个更强的「大脑」。
Opus 4.8的更新重点包括：fast mode价格降低3倍（从$30/$150降到$10/$50）、SWE-bench Pro从64.3%跃升到69.2%、Terminal-Bench 2.1从66.1%跃升到74.6%、对齐水平接近Mythos Preview、新增动态工作流（可生成数百个并行子Agent处理代码库级任务）、effort control让用户控制每次响应的思考深度。
这些进步是真实的，但它们解决的依然是「大脑」层面的问题——推理更好、编码更快、对齐更安全。而Agent的可靠性危机——长流程崩溃恢复、Token成本控制、状态管理——这些「身体」层面的问题，Opus 4.8一个字都没提。
这不是Anthropic的问题，而是整个行业的结构性盲点：模型公司卖大脑，企业需要身体，而身体的市场还没有成熟。
这也解释了为什么Temporal、LangChain、CrewAI这些编排层公司正在成为2026年的热门赛道——它们做的不是模型，而是让模型在企业里真正能用的管道。
四、Mistral的全栈豪赌——从大脑到身体到土地
如果说确定性脊柱是Agent工程的正确方向，那Mistral AI就是目前走得最远的实践者。
在巴黎的首届AI NOW Summit上，Mistral CEO Arthur Mensch说了一句野心勃勃的话：「要在企业部署AI，作为AI提供商，你实际上需要拥有全栈。」
Mistral不只是说说。他们的全栈包括：
- 模型层：大语言模型+物理AI（通过收购Emmi AI获得物理仿真能力）
- 应用层：Le Chat改名为Vibe，从聊天助手变成统一Agent平台
- 基础设施层：40亿欧元的数据中心投资，巴黎40MW训练设施已运行，10MW推理设施Q3上线，瑞典站点2027年部署NVIDIA Vera Rubin GPU
- 工业层：与空客、宝马、ASML合作工业工程AI，物理AI把仿真时间从小时级降到秒级
ASML的案例尤其有意思：通过结合内部工程专长和Mistral模型，他们开发出了比现有方案快120倍的解决方案，同时保持相似精度。这不是聊天机器人的效率提升，而是半导体制造核心流程的质变。
Mistral的策略本质上是在说：欧洲企业不愿意把敏感数据交给美国超大规模云厂商，那我给你们一个从芯片到应用到数据中心的完整替代方案。
这是一个宏大叙事，但它也暴露了一个关键问题：全栈意味着全风险。Mistral从15人到1000人、从0到目标11.7亿欧元收入只用了3年，这种扩张速度本身就是一种工程挑战——他们能不能在搭建全栈的同时，确保每一层都足够可靠？
换句话说，Mistral会不会成为下一个需要「重建2.0版本」的企业？
五、佛罗里达诉OpenAI——法律脊柱的另一面
Agent的重建不只是技术问题，还有法律问题。
佛罗里达州总检察长James Uthmeier起诉OpenAI和Sam Altman，指控他们推广ChatGPT虽然知道其使用可能导致「自我伤害、认知衰退和行为成瘾」。
这不是一起普通的诉讼。佛罗里达州同时还在对OpenAI进行刑事调查。而伊利诺伊州刚刚通过了比加州和纽约更严格的AI安全法——要求独立审计和举报人保护。
把这些法律动向和Agent的可靠性危机放在一起看，一个更大的图景浮现：Agent需要的不仅是工程上的「确定性脊柱」，还有法律上的「合规脊柱」。
当Agent能控制你的电脑、分析你的病历、帮你做投资决策，每一次崩溃和错误不再只是技术事故，而是法律事故。而目前的现实是：大多数企业的Agent部署既没有工程脊柱，也没有合规脊柱。
这就是「重建时代」的真正含义——不是推倒重来，而是在狂奔的路上停下来，把本该先建好的基础设施补上。
六、重建的代价与机会
每一次产业转折，都伴随着痛苦和机会。Agent的重建时代也不例外。
痛苦的一面：
- 那些在2025年匆忙上线的Agent项目，现在面临要么重建要么废弃的选择。重建意味着额外的工程投入和延期；废弃意味着前期投入打水漂。
- Token成本的危机不会自动缓解。DeepSeek V4的永久降价77%确实改变了价格参照系，但它也暴露了一个残酷事实：用昂贵模型跑不稳定流程的企业，其实是在双重浪费——模型贵、流程废、从头再来更贵。
- 合规风险正在累积。佛罗里达起诉OpenAI只是开始。当更多州和国家跟进，企业将发现Agent合规的成本可能比Agent本身还高。
机会的一面：
- Agent编排层正在成为新的基础设施赛道。Temporal的确定性脊柱、LangChain的LangGraph、各家的Agent框架，正在争夺「Agent操作系统」的位置。
- 开源模型+专有数据的路线正在被验证。Pinterest用Qwen+自有品味图把成本砍90%，证明「便宜+定制」可以打败「贵+通用」。
- 工业AI可能是Agent真正可靠的着陆点。Mistral的物理AI、ASML的120倍加速，说明在工程规则明确、物理约束清晰的领域，Agent更容易达到生产级可靠性。
结论：慢下来，才能走远
2026年6月的AI行业，正在经历一个从「快」到「稳」的转折。
过去一年的Agent浪潮教会了我们一个昂贵的教训：AI的价值不在于它能做什么，而在于它能可靠地做什么。
一个偶尔崩溃的Agent是玩具；一个稳定运行的Agent是工具；一个从不崩溃且合规的Agent是基础设施。我们目前还停留在玩具和工具之间。
重建不是倒退，而是为下一轮冲刺打基础。就像云计算行业花了5年时间才从lift-and-shift进化到cloud-native，Agent行业也需要自己的「native」时刻——不是把传统流程加上AI，而是为AI从头设计流程。
确定性脊柱、合规脊柱、全栈策略——这些都是这个「native」时刻的组件。谁先把这些组件组装成可复制的基础设施，谁就是下一个五年的赢家。
而那些继续在Demo上狂奔的企业，终将不得不面对同一个问题：你的Agent 2.0，准备好了吗？