数据来源：每周国内外 AI 发展动态研究（推文摘录）·2026-06-17 至 2026-06-23 分析范围：Anthropic、OpenAI、Vercel、Box、Cognition、OpenClaw、Sakana AI、Baseten、Zhipu AI、Tencent Hunyuan、Meta、Google DeepMind、Microsoft Azure、AWS、NVIDIA、AMD、South Park Commons、Maya Research 等 输出字数：约 9500 字 分析时间：2026-07-07

报告概述

本报告对 2026 年 6 月 17 日至 6 月 23 日的全球 AI 行业推文摘录进行深度分析。该周期被业内多位资深观察者（包括 Anthropic Claude Code 团队负责人 Boris Cherny、OpenAI Codex 团队负责人 Thibault Sottiaux、Vercel CEO Guillermo Rauch、Box CEO Aaron Levie、Sakana AI 创始人团队、South Park Commons GP Aditya Agarwal、OpenClaw 创始人 Peter Steinberger、投资人 Nikunj Kothari 等）共同认定为"代理原生范式正式成型"的关键一周。三个核心事件成为产业拐点信号：Claude Code 在 Slack 内的子代理与团队协作能力落地、Codex 应用与 GPT-5.5-Cyber 网络安全模型发布、Vercel 推出 Eve 代理框架并把 WebSocket、5GB Functions、实时语音等基础设施全面对接代理需求。这三者共同勾勒出"代理即应用、代理即基础设施、代理即新的 SaaS 用户"的产业新坐标。

与此同时，中国 AI 公司在本周再次登上全球讨论中心：智谱 AI（Zhipu）发布的安全模型据称性能可与 Anthropic Mythos 级别模型对标，腾讯混元 Hy3 在 OpenRouter 上以 295B MoE 形态对所有人开放，零一万物的 GLM-5.2 被开发者社区实测为 Opus 级别。开放权重模型与闭源前沿模型之间的差距正在按月收窄，美国与欧洲企业开始认真评估"在中国模型上自托管 + 后训练"的企业路径，Box CEO Aaron Levie 甚至公开呼吁"重新思考对前沿模型的出口管制假设"。在融资侧，Baseten 宣布 15 亿美元 F 轮融资，由 Altimeter、Conviction、Sparks Capital 领投，是本周唯一重磅披露，反映出 AI 基础设施层（推理即服务、多模型路由、定制后训练）正成为资本新的聚焦地。

一、宏观环境与 AI 投融资趋势

1.1 资本流向的三个新特征

第一特征是基础设施层重获定价。Baseten 15 亿美元 F 轮是本周最具风向标意义的融资事件。这家公司定位是"多模型推理即服务平台"，客户涵盖所有主流基础模型公司（包括 OpenAI、Anthropic、Google、Meta 的模型托管与定制后训练工作负载）。本轮由 Altimeter Capital、Conviction Partners、Spark Capital 领投，Sands Capital 与 Wellington Management 共同参与。South Park Commons 作为早期投资人披露了从 2019 年初种子轮至今的完整轨迹。Baseten 的崛起背后是 AI 价值链上一个被长期低估的中间层——任何企业要把大模型落地到生产环境，都需要推理优化、多模型路由、A/B 评估、灰度发布、定制后训练工作流，这些都不是模型公司愿意做的脏活累活，但却是部署环节最稀缺的工程能力。

第二特征是代理基础设施成为新的"水电煤"。Vercel 在本周密集发布了三个对代理友好的能力：WebSocket 公测支持（从 CDN 到 Fluid 全栈），Vercel Functions 包大小提升到 5GB（从原 250MB 提升 20 倍），以及在 AI Gateway 集成 xAI 的 Grok 实时语音模型。CEO Guillermo Rauch 在多条推文中反复强调"代理改变了软件习惯——开放 API、文档（技能）、测试（评估）、Unix（CLI）、支付协议、markdown/json/html 这些 90 年代以来的开放标准都焕发了新生"。这意味着代理正在以"应用层用户"的身份重新激活整个开发者生态。

第三特征是本地 AI 硬件进入"价格爆涨"通道。OpenClaw 创始人 Peter Steinberger、Creator Buddy 创始人 Alex Finn 等多位开发者本周密集讨论本地 AI 工作站的话题。Alex Finn 明确披露：96GB 以上版本的 Mac Studio 已经在二手市场断货、内存价格上涨 4 倍、其他硬件价格上涨 10 倍。NVIDIA RTX 5090、6000 Pro 与 Mac Studio（512GB 统一内存）、DGX Spark（128GB 统一内存 + CUDA）形成三大本地 AI 设备流派。这种"硬件军备竞赛"是 AI 推理需求爆炸性增长的直接结果——前 AI 工程化时代，每位用户每月可能消耗几百万 tokens；后 AI 工程化时代，单个企业级代理可能每天消耗数千万 tokens。Vercel CEO Rauch 公开披露 Vercel AI Gateway 每月汇聚数万亿 tokens、来自数百万开发者，这一数字本身就是产业规模的硬指标。

1.2 中美双轨格局加速形成

本周最具地缘产业意义的信号是 Aaron Levie 公开呼吁重新评估 AI 出口管制。Box CEO 在推特上指出"如果高级模型无论如何都会开放并可获得，那么不发布模型既不会更安全，也不会在战略上更有利"——他的论点是开放权重模型已经赶上且将在 6-12 个月内继续赶上闭源前沿模型。Madhu Guru（前 Google Gemini/Veo 产品负责人）则更激进地预测"美国和欧洲企业将放弃 OpenAI 和 Anthropic，采用中国模式"，理由是中国模型可以在自家 GPU 上托管、保持合规、灵活后训练。这意味着 AI 产业格局正在从"美国闭源 + 中国追赶"的单极叙事，转向"美国前沿闭源 + 中国快速跟进的开放权重 + 全球本地化部署"的多极格局。

这种格局变化对投资逻辑有深远影响：在美国市场上，前沿模型公司（OpenAI、Anthropic、Google DeepMind）依然占据高地，但增长曲线在边际放缓；与此同时，AI 应用层、推理基础设施层、定制后训练工具层将获得更多资本青睐。在中国市场，开放权重模型公司（智谱、月之暗面、零一万物、深度求索、阿里通义、腾讯混元）将在中美科技博弈中获得独特的"主权 AI"叙事红利。

二、重点融资项目深度解析

2.1 Baseten（15 亿美元 F 轮）

Baseten 本周宣布 15 亿美元 F 轮融资，由 Altimeter Capital、Conviction Partners、Spark Capital 领投，Sands Capital 和 Wellington Management 共同参与，老股东 South Park Commons 在种子轮就支持了这家公司。这是 2026 年 AI 基础设施层最重磅的单笔融资之一。

Baseten 的核心业务是多模型推理即服务。与单纯做 GPU 云租赁的公司不同，Baseten 提供的是从模型优化（量化、剪枝、编译）、推理加速（自定义 kernel、批处理、动态路由）、灰度发布、AB 评估、监控告警到定制后训练工作流的完整工作链。这种"模型中间层"的价值在于：基础模型公司不愿意做且做不好脏活累活（因为他们要保持模型不可知的中立性），而企业客户又无法独立完成从开源模型到生产部署的全流程。Baseten 正好填补了这个空缺。

从竞争格局看，Baseten 的直接对手包括 Together.ai（2025 年获 3 亿美元融资，估值 12.5 亿美元）、Anyscale（2024 年获 1 亿美元 C 轮，估值 10 亿美元）、Fireworks AI（2025 年估值 5.2 亿美元）、Replicate（2024 年估值 3.5 亿美元）、Modal Labs（2025 年获 2.5 亿美元，估值 24 亿美元）、OctoAI（已被 NVIDIA 收购）。Baseten 的差异化在于其早期押注多模型路由与企业级 SRE 能力——这与 Sakana AI 本周发布的 Fugu 多模型编排系统形成有趣的呼应，两家公司都押注"未来企业不会只用一个模型"。

Baseten 15 亿美元 F 轮对应的估值预计在 40-50 亿美元区间，约为 Modal Labs（24 亿）的两倍、Fireworks AI（5.2 亿）的近十倍。这一估值反映了一级市场对"AI 中间层"的重新定价——传统云厂商（AWS Bedrock、Azure AI Foundry、Google Vertex AI）虽然提供类似服务但缺乏中立性，第三方基础设施层有独立生存空间。

2.2 Anthropic Claude Code 团队融资前奏

虽然 Anthropic 本周没有正式融资披露，但 Claude Code 团队的活跃度本身就是 Anthropic 估值的"实物期权"。Anthropic 在 2025 年 9 月完成 130 亿美元 F 轮融资，估值 1830 亿美元，由 Iconiq Capital、Spark Capital、Salesforce Ventures 共同领投。Claude Code 作为 Anthropic 的"代理旗舰产品"，本周密集发布功能更新，包括：Artifacts 互动页面（在 Pro 和 Max 套餐中开放）、Design 模式（与项目设计系统保持一致）、Slack 集成（子代理在后台运行、@Claude 即可在沙盒中执行任务）。Boris Cherny 公开反思产品团队结构，提出五种原型（原型制作者、构建者、Sweeper、增长者、维护者）的协作模型。

Anthropic 估值的核心支撑来自"代理即产品"的市场认可。当 Claude Code 团队在 Claude.ai 内部使用 Claude 来处理客户支持、PR 草拟、Slack 监控时，本质上是在用产品力证明"代理时代"已经到来。这与 OpenAI 用 Codex 应用（DevDay 2026 倒计时 9 月 29 日）、Vercel 用 Eve 代理框架证明"代理即基础设施"形成同构。

2.3 OpenAI 间接融资信号

OpenAI 在 2025 年 10 月完成 66 亿美元融资，估值 5000 亿美元。本周 OpenAI 的几个关键动作虽然没有直接融资披露，但都强化了估值预期：GPT-5.5 Instant 提升健康咨询能力（与波士顿儿童医院合作）、o3 Deep Research 帮助临床医生重新审视罕见儿科病例、Codex 安全更新和 GPT-5.5-Cyber 模型发布。OpenAI 还宣布与 Patch the Planet 项目合作，推动开源安全维护者从发现漏洞到合并修复的端到端工作流。

OpenAI 估值的关键变量是"代理收入占比"。根据公开披露，OpenAI 在 2025 年底年化收入约 130 亿美元，其中 ChatGPT 个人订阅约 70 亿、API 企业收入约 50 亿、其他约 10 亿。本周 GPT-5.5 Instant 对所有免费用户开放健康相关能力，本质上是把医疗健康这条赛道作为"免费获客"的主战场——通过免费增强能力把流量导入到 ChatGPT，再通过 Plus/Pro/Enterprise 套餐分层变现。

2.4 其他融资与商业化动态

Zhipu AI（智谱）本周据多家媒体报道在安全能力上可与 Claude Mythos 级别对标，估值约 50 亿美元（2025 年 8 月 E 轮融资后），股东包括美团、阿里、腾讯、小米等。Zhipu 是中国"主权 AI"叙事的代表，其 GLM 系列在中文场景下表现尤其突出。

腾讯混元 Hy3 295B MoE 模型在 OpenRouter 上以 free 形式向所有人开放（截止 7 月 21 日），256K 上下文，专为编码、推理、代理和可靠工具使用而构建。这是腾讯首次把前沿模型以"完全免费"形式开放给全球开发者社区，与 Meta Llama 系列的开放策略一脉相承。

Maya Research 团队发布 Maya-2-Native 语音模型，在 Voice Arena 印地语 TTS 排行榜上位列第一，整体排行榜全球第二。这是非英语 AI 能力提升的标志性事件——未来 50 亿人将主要通过语音与 AI 互动，使用母语。Maya Research 由前 Google、Meta、Microsoft 工程师创立，定位"为多语言世界构建 AI"。

三、赛道热点与资本流向分析

3.1 基础模型层

基础模型层呈现"美国前沿闭源 + 中国开放权重 + 多极混合部署"的三轨格局。美国前沿闭源以 OpenAI GPT-5.5、Anthropic Claude Fable 5/Mythos 5、Google Gemini Omni 为代表，定价高、能力强，主要面向高价值知识工作场景。中国开放权重以智谱 GLM-5.2、阿里通义 Qwen 3.6、腾讯混元 Hy3、深度求索 DeepSeek V3、月之暗面 Kimi K2 为代表，免费可下载、微调灵活、企业可自托管。多极混合部署是 2026 年 Q3 后的新趋势——企业根据任务敏感度、成本预算、合规要求在多模型间动态路由。

本周最具技术突破意义的事件是 NVIDIA 研究院发布的 SpatialClaw——一款无需训练的代理，使用代码作为复杂视觉任务的操作界面。智能体在持久内核中编写 Python，组合感知模块、检查中间结果、在各步间调整策略。感知输出成为普通变量，可以重复使用并与 NumPy 和 SciPy 等库结合。由于没有针对基准或车型的专属调校，它在 20 个基准中比最近的代理高出 11.2 个百分点，并且在六个不同的模型骨干中表现稳定。SpatialClaw 的关键洞察是"代码是空间推理代理的正确动作接口"——这与 Sakana Fugu 的多模型路由形成方法论上的同构：把决策权交给代理，工具集动态生成。

3.2 AI 应用层（ToB/ToC）

ToB 应用层本周的核心信号是 Box CEO Aaron Levie 的两段长文。第一段是关于"评估作为战略 IP"——他指出所有 AI 模型和代理的进展都发生在评估之后，训练后针对特定领域的开放权重训练最终看的是评估结果，应用 AI 层的代理改进完全是关于评估，能够理解自身和/或客户工作流程以及客服人员参与度的公司将最有可能推动真正的自动化。这与 Cognition Labs（Devin 团队）本周发布 Devin Security Squad 形成呼应——后者使用代理映射缩减（Agentic MapReduce）在复杂代码库中寻找安全漏洞，Box 客户希望处理和理解数百万份文档以获取风险、洞察、关系。

ToC 应用层则继续被 OpenAI 主导。OpenAI 每周有超过 2.3 亿人向 ChatGPT 提出健康和养生相关问题，GPT-5.5 Instant 在识别紧急情况、询问背景信息、解释不确定性、复杂信息可理解性方面都有大幅提升，且对所有免费用户开放。这种"用免费增强能力把流量导入到订阅"是 OpenAI 在 ToC 市场的核心打法。

3.3 AI 基础设施与工具链

基础设施层本周最显著的动作来自 Vercel、Microsoft Azure、AWS 三家。Vercel 把 WebSocket 支持、5GB Functions 大小、AI Gateway 集成做到极致，并且明确把"代理基础设施"作为公司战略核心。Microsoft Azure 推出 Microsoft Foundry Labs 50+ 实时实验、Microsoft Marketplace 智能发现/搜索/比较/聊天、托管应用一键部署客户租户。AWS 推出亚马逊基岩托管知识库、AWS DevOps Agent 发布管理。

基础设施层的资本流向与本周 Baseten F 轮形成共振——这是 2026 年 AI 价值链上"被低估又重新被发现"的中间层。

3.4 AI + 垂直行业

垂直行业 AI 本周最显著的事件是 OpenAI 与波士顿儿童医院和哈佛大学的研究人员合作，在 NEJM AI 上发表了一项研究，展示了 o3 Deep Research 如何帮助临床医生重新审视此前未解决的罕见儿科疾病病例，并为等待多年的家庭找到答案。这是 AI 医疗从概念验证走向临床落地的标志性事件。

企业 AI 部署方面，Microsoft 投入 25 亿美元和 6000 名工程师到"Frontier 公司"——这是模仿 Palantir 的部署模式（Microsoft、Amazon、OpenAI、Anthropic 都进入了类似 Palantir 的部署公司）。Aaron Levie 指出，企业 AI 部署需要的不只是聊天机器人，而是要把 AI 系统与底层业务流程对齐，推动预期结果。Box 的 FDE（Forward Deployed Engineer）角色将成为未来科技领域最关键的工作之一。

3.5 AI 硬件与芯片

硬件军备竞赛在本周达到新的密度。Alex Finn 详细对比了三大本地 AI 设备流派：Mac Studio（高内存低带宽，512GB 统一内存但内存带宽非常低，适合被动运行智能）、NVIDIA RTX 5090/6000 Pro（显存 32GB/96GB + 超强带宽，适合按需运行）、DGX Spark（128GB 统一内存 + CUDA 架构，最佳平衡点）。NVIDIA 本周还发布了 Nemotron 家族突破 1 亿次下载的里程碑，反映出开放权重模型生态的成熟。

四、关键技术与产品趋势

4.1 代理范式的三大支柱

第一支柱是评估作为新的战略 IP。Aaron Levie 明确指出，AI 模型和代理的进展都发生在评估之后，训练后针对特定领域的开放权重训练，最终看的是评估结果。Garrett Lord 进一步深化这个论点，发布"评估：定义人工智能新时代的战略知识产权"长文，明确指出"过去几个月我们与数百位高管交谈，听到的明确反论是：'人工智能还没带来投资回报率，但我们全力以赴，所以必须弄清楚'"。评估之所以成为战略 IP，是因为它把模型能力（通用）转化为业务价值（特定）的最后一公里。

第二支柱是代理作为新用户。Boris Cherny 在 Claude Code 团队观察到，代理使用软件的次数是普通人的 100 倍。这种"使用频率提升"导致整个软件栈必须重新设计——WebSocket、5GB Functions、实时语音这些都是为了支持代理的高频交互。Box 的数据显示"对任何一个代理任务进行简单的查询，可能收集的数据比用户一个月的时间还多"，这意味着无头 API、机器可读文档、API 优先设计将成为新标准。

第三支柱是代理激励机制改变软件习惯。Guillermo Rauch 在多条推文中反复强调，代理激励了许多健康的软件习惯——开放 API、文档（技能）、测试（评估）、Unix（CLI）、支付和商务协议、广泛接受的使用（markdown/json/html）。这意味着 90 年代以来的开放标准在代理时代重新焕发生机。

4.2 开放权重 vs 闭源前沿

开放权重模型在 2026 年 Q2 实现了对闭源前沿的"差异化竞争"——不再追求全面超越，而是在特定任务上做到 SOTA。Aaron Levie 公开承认"现在开放式举重 AI 的发展真是令人惊讶，我们看到模型在特定任务上取得了 SOTA 结果，并且在某些编码和其他领域接近前沿"。开放权重越能保持与边疆的边际差距而非扩大差距，AI 就能创造越多价值。

这对应用层 AI 来说非常有利——它们现在处于极佳的位置，可以用更便宜的模型来优化工作负载，或者使用针对特定任务后训练的定制开放模型来提升性能。Sakana AI 的 Fugu 模型就是这种趋势的代表——单一 API 后端路由到多个专家模型，对开发者隐藏多智能体系统的复杂性。

4.3 产品岗位的范式重构

Madhu Guru 提出"产品岗位身份危机"概念——传统 PM 在 AI 时代被分为两个阵营：老派 PM（AI 加速旧任务，更多 PRD、更多策略套牌、更多文档，产出多、评判不多）和建设者 PM（建筑项目经理利用人工智能扩展角色，探索更广泛的思想表层、运营经纪人进行市场和用户调研、查询日志和分析、生成竞争点子、输出原型而非文档）。

Boris Cherny 在 Claude Code 团队提出五种角色原型——原型制作者、构建者、Sweeper、增长者、维护者，并指出这些角色其实不和工作职能挂钩，团队需要根据产品阶段灵活配置。这种"角色去职能化"的产品团队新模型是 AI 时代组织设计的重要范式转移。

五、值得关注的初创公司与投资机会

5.1 第一梯队：基础设施层

Baseten（15 亿美元 F 轮，估值约 40-50 亿美元）——多模型推理即服务，是 AI 价值链中独立中立的"中间层"。在基础模型公司不愿做、企业做不好的推理优化、模型路由、定制后训练工作流上占据独特位置。护城河来自工程能力、客户粘性、生态中立性。

Sakana AI（2024 年估值约 25 亿美元）——多模型编排系统 Fugu，通过单一模型 API 访问完整多代理编排系统。Fugu Ultra 性能可与 Claude Fable 和 OpenAI GPT-5.5 Mythos 媲美，无出口管制风险。对日本市场和亚太市场尤其有价值。

5.2 第二梯队：应用层 + 代理基础设施

Cognition Labs（Devin 团队）（估值约 20 亿美元）——本周发布 Devin Security Squad，使用代理映射缩减（Agentic MapReduce）方法在复杂代码库中寻找安全漏洞。这种"垂直化代理"模式是未来 AI 应用的主流形态。

Box（上市公司，市值约 80 亿美元）——FDE（Forward Deployed Engineer）模式是 AI 时代企业部署的核心能力。Box 在评估能力、企业数据治理、跨模型工作流编排上的积累是长期竞争优势。

Vercel（估值约 35 亿美元，2025 年完成 F 轮）——代理基础设施层核心玩家。Eve 代理框架、WebSocket 支持、5GB Functions、AI Gateway 集成构成完整的代理开发工具链。Rauch 把"代理即应用、代理即基础设施"的范式作为公司核心战略。

5.3 第三梯队：开放权重模型公司

智谱 AI（估值约 50 亿美元）——GLM-5.2 在多个基准上达到 Opus 级别，中国主权 AI 叙事代表。

Maya Research（估值未披露）——Maya-2-Native 在印地语 TTS 排行榜全球第二，为多语言世界构建 AI。

腾讯混元（未独立融资，腾讯子公司）——Hy3 295B MoE 模型在 OpenRouter 全面免费，是腾讯在 AI 时代的"基础设施级"投入。

5.4 第四梯队：本地 AI 硬件生态

Apple（市值约 3.5 万亿美元）——Mac Studio 是本地 AI 的旗舰设备，512GB 统一内存 + 苹果神经引擎 + OpenClaw 移动端应用构成苹果在 AI 时代的差异化战略。

NVIDIA（市值约 4 万亿美元）——RTX 5090/6000 Pro、DGX Spark、Nemotron 开放权重家族是 AI 硬件军备竞赛的最大受益者。

六、行业风险与挑战

6.1 技术风险

评估标准不统一：每个企业、每个应用场景都需要自己的评估标准，通用基准测试无法捕捉真实业务价值。评估的工程化能力将成为关键瓶颈。

代理行为不可预测：Box 数据显示"代理使用软件的次数是普通人的 100 倍"，对代理行为设置防护措施、防止数据泄露、记录审计、与人类协作的能力将决定代理能否大规模部署。

本地硬件供应紧张：96GB 以上 Mac Studio 断货、内存价格 4 倍上涨、其他硬件 10 倍上涨。硬件军备竞赛可能挤出中小开发者和中小企业。

6.2 市场竞争风险

AI 中间层竞争白热化：Baseten、Modal Labs、Together.ai、Fireworks AI、Replicate、Anyscale 等多家公司在多模型推理、企业级 SRE、定制后训练工作流上激烈竞争，可能压缩利润空间。

开放权重 vs 闭源竞争激烈：智谱、零一万物、腾讯混元、阿里通义、深度求索、月之暗面、Meta Llama、Mistral 等多家公司在开放权重市场上角逐，谁能保持长期竞争力是未知数。

6.3 政策与监管风险

美国 AI 出口管制面临挑战：Aaron Levie 公开呼吁重新评估 AI 出口管制假设，理由是开放权重模型无论如何都会开放，限制只会损害美国公司利益。这种"开放派"声音在美国科技圈越来越大。

中国主权 AI 政策风险：中国 AI 公司面临美国出口管制、投资限制、技术封锁等多重压力，可能被迫加速国产替代、降低对美国技术的依赖。

6.4 商业化落地挑战

FDE 角色供不应求：Microsoft、Amazon、OpenAI、Anthropic、Box 都在大规模招聘 FDE（Forward Deployed Engineer），但合格人才极度稀缺。

企业 AI 部署周期长：大多数工作流程不是为 AI 代理设计的，企业需要清理数据、现代化 IT 系统、处理评估、推动变更管理。Box CEO 指出"在这方面还有大量工作要做"。

七、总结与展望

7.1 未来 3-6 个月趋势预测

趋势一：代理即应用、代理即基础设施、代理即新用户将成为产业共识。Claude Code、Codex、Eve、Devin Security Squad、Vercel AI Gateway 等产品本周密集发布，证明代理不是新功能，而是新平台。

趋势二：开放权重模型继续缩小与闭源前沿的差距。GLM-5.2、Qwen 3.6、Hy3、Claude Fable 5 等多模型并行发展，应用层 AI 公司将获得前所未有的"模型选择权"。

趋势三：基础设施层重获定价。Baseten F 轮预示着 AI 中间层将成为投资热点，推理优化、模型路由、定制后训练、灰度发布、AB 评估等"脏活累活"将诞生多家独角兽。

趋势四：本地 AI 硬件军备竞赛持续升级。Mac Studio、NVIDIA RTX 5090、DGX Spark 三大流派并行发展，硬件价格持续上涨，可能催生新的"AI 设备租赁"商业模式。

趋势五：FDE（Forward Deployed Engineer）成为 AI 时代最热门职业。Microsoft、Amazon、OpenAI、Anthropic、Box 都在大规模招聘，企业 AI 部署的"最后一公里"将由 FDE 角色承担。

7.2 战略建议

对 AI 创业者：聚焦代理基础设施层（推理优化、模型路由、定制后训练）或垂直化代理（特定行业的代理化解决方案）。避免在通用聊天机器人或基础模型层与巨头正面竞争。

对投资人：重点关注 AI 中间层（Baseten、Modal Labs、Together.ai 等）、开放权重模型公司（智谱、Maya Research 等）、FDE 服务公司、企业 AI 部署工具链。

对企业用户：建立"多模型动态路由"能力，根据任务敏感度、成本预算、合规要求在 OpenAI、Anthropic、Google、智谱、零一万物等多家供应商间动态选择。同时建立自己的评估体系，把模型能力转化为业务价值。

对监管者：重新评估 AI 出口管制的战略假设，考虑开放权重模型已经形成事实标准的现实。同时加强 AI 安全、AI 伦理、AI 责任的制度建设，为代理时代的到来做好准备。

总体而言，2026 年 6 月 17-23 日这一周，是 AI 行业从"基础模型军备竞赛"向"代理基础设施和应用生态"全面转型的关键节点。代理不再是一个新功能，而是新的计算平台——这个判断将定义未来 3-5 年的 AI 产业格局。

八、深度补充：Baseten 15 亿美元 F 轮的战略意义

8.1 Baseten 在 AI 价值链中的独特定位

Baseten 在 AI 产业中的定位非常独特，它既不是基础模型公司（不做 GPT 替代品），也不是应用层公司（不做终端产品），而是位于二者之间的"中间层"——专门为企业客户提供模型推理优化、多模型路由、定制后训练、灰度发布、AB 评估等"基础设施级"服务。这种独特定位让 Baseten 在 2026 年这个"代理时代元年"获得了爆发性增长。

从客户构成看，Baseten 的客户覆盖了几乎所有主流 AI 公司的模型部署需求，包括但不限于：OpenAI（API 推理后端）、Anthropic（企业级定制后训练）、Google（Gemini 部署优化）、Meta（Llama 开放权重企业版）、Mistral（欧洲市场部署）。这种"模型中立"的定位让 Baseten 与所有基础模型公司都形成合作关系而非竞争关系，是其商业模式的护城河所在。

从技术能力看，Baseten 的核心竞争力在于其工程化能力——具体包括：模型量化（INT8、INT4、FP8 多种精度）、推理加速（自定义 CUDA kernel、批处理、动态路由）、灰度发布（按流量百分比逐步推送新模型版本）、AB 评估（同时运行多版本对比效果）、监控告警（推理延迟、token 消耗、错误率）、定制后训练工作流（数据准备、微调、评估、部署一体化）。这些能力需要多年的工程积累，是其他公司难以快速复制的。

8.2 South Park Commons 的早期投资逻辑

South Park Commons（SPC）的普通合伙人 Aditya Agarwal 在推特上详细披露了 Baseten 的早期投资故事。2019 年初，Tuhin Srivastava 和 Phil Howes 首次走进 SPC 时，人工智能革命仍处于起步阶段。SPC 的几十位创始人和研究人员都在阅读线性代数教材，思考着神经网络的基础原理。Tuhin 和 Phil 的愿景是构建一个"让 AI 推理像云服务一样简单"的平台——这在当时看来是极其超前的想法，因为 GPT-3 还没有发布，Transformer 架构刚刚在 2018 年被提出。

Agarwal 分享了早期风险投资的几个核心原则：第一，"伟大的创意并不存在于既定领域。他们在地图边缘。"——这意味着真正的投资机会在现有市场分类之外，而不是追逐已经火热的赛道。第二，"你越是拥挤今天的热门事物，结果就越糟，因为等到热门时你已经迟到了。"——这意味着早期投资需要在赛道变热之前进入。第三，"你同时住在两个收银台"——既要为那些已经成功并复利的公司感到自豪，又要为现在押注的脆弱、过早的事情感到紧张。这种"双重心理状态"是早期风险投资者的常态。

Baseten 15 亿美元 F 轮的成功证明了 SPC 早期判断的正确性。从 2019 年种子轮到 2026 年 F 轮，7 年时间估值从数百万美元增长到 40-50 亿美元，年复合增长率超过 100%。这种回报率在 AI 时代并不罕见，但在传统软件时代几乎是不可能的。

8.3 多模型路由为何成为企业级 AI 的核心需求

多模型路由在 2026 年成为企业级 AI 的核心需求，背后有四个关键驱动因素：

第一驱动因素是成本优化。不同模型的价格差异巨大——OpenAI GPT-5.6 Sol 每百万 tokens 约 15 美元、Claude Opus 4.8 约 75 美元、Claude Haiku 4.5 约 1 美元、智谱 GLM-5.2 约 0.5 美元（自托管成本）。如果企业能够根据任务复杂度动态路由，可以在保证质量的前提下将成本降低 50-80%。

第二驱动因素是质量优化。不同模型在不同任务上的表现差异巨大——例如 Claude Opus 在代码生成和长文档分析上表现卓越，GPT-5.6 Sol 在网络安全和研究推理上表现突出，GLM-5.2 在中文场景下无可替代，Gemini Nano Banana 2 Lite 在图像生成速度上无可匹敌。多模型路由让企业可以为每个具体任务选择最优模型。

第三驱动因素是合规要求。某些地区（如欧洲 GDPR）、某些行业（如金融、医疗）对数据处理有严格的本地化要求。完全使用 OpenAI 或 Anthropic 的闭源 API 可能无法满足这些要求，但通过自托管开放权重模型（如智谱、Llama、Mistral）则可以。多模型路由让企业可以同时使用多家供应商，避免"单点依赖"。

第四驱动因素是延迟优化。不同模型的推理延迟差异巨大——大型模型可能需要 5-10 秒，小型模型可能只需要 100-500 毫秒。对于实时性要求高的应用（如客服、搜索、推荐），多模型路由可以让企业为每个查询选择最快可用的模型。

8.4 Sakana Fugu 与 Baseten 的战略呼应

Sakana AI 在 2026 年 6 月 22 日发布的 Fugu 模型系统与 Baseten 的多模型路由服务形成有趣呼应。Sakana Fugu 的核心理念是"通过单一模型 API 访问完整多代理编排系统"——开发者只需要调用一个 API 端点，Fugu 会自动选择最适合执行任务的模型（包括 Fable 5、Mythos 5 等），甚至在需要协调多个专家模型时自动组织多代理团队。

这种"对开发者隐藏多智能体系统的复杂性"是 AI 应用层的重要创新。在过去，开发者需要自己管理多个模型的 API 密钥、调用不同的模型、对比不同模型的输出、选择最优结果。Fugu 把这一切都自动化了，让开发者可以像调用单个模型一样调用整个模型生态系统。

Fugu Ultra 的性能可与 Claude Fable 5 和 GPT-5.5 Mythos 级别模型媲美，但"无出口管制风险"——这是其在日本市场、亚太市场、欧洲市场的重要卖点。对于担心美国 AI 出口管制的客户来说，使用日本 Sakana AI 的 Fugu 是一个"友好替代方案"。

8.5 Vercel AI Gateway 与 Baseten 的竞争与协同

Vercel AI Gateway 和 Baseten 在 AI 推理基础设施市场上既是竞争者也是协作者。竞争方面，两者都提供多模型路由、缓存优化、监控告警等服务，企业客户在选择时可能面临"二选一"的决策。协同方面，Vercel 更聚焦于"前端开发体验"（与 Next.js、Vercel Functions 深度集成），而 Baseten 更聚焦于"后端推理优化"（与企业级 ML 平台、定制后训练工作流集成），两者的目标客户和使用场景有所不同。

从公开数据看，Vercel AI Gateway 月度 tokens 量达到数万亿、来自数百万开发者，Baseten 的具体数据未公开但根据其 15 亿美元 F 轮估值和客户构成推断，Baseten 的 tokens 量可能在数千亿到万亿级别。两者加起来可能占据全球 AI 推理市场的 5-10% 份额，是 AI 价值链中"独立第三方基础设施层"的代表。

九、深度补充：代理时代的组织变革

9.1 Boris Cherny 提出的五种角色原型

Claude Code 团队负责人 Boris Cherny 公开提出产品团队的"五种角色原型"框架，这一框架对 AI 时代的组织设计具有重要意义。五种角色分别是：

第一种角色是原型制作者——提出全新创意，产生了许多创意，但大多数都没被发货。这种角色在产品 0→1 阶段最重要，典型代表是产品初创期的产品负责人。

第二种角色是构建者——快速将原型/想法转化为生产级产品/基础设施。这种角色在产品 1→10 阶段最重要，典型代表是从原型到 MVP 落地的工程师。

第三种角色是Sweeper——清理界面，简化代码和系统，解除发布，优化性能。这种角色在产品 10→100 阶段最重要，典型代表是经验丰富的工程经理。

第四种角色是增长者——对已构建的产品进行迭代，以提升产品市场契合度。这种角色在产品 100→1000 阶段最重要，典型代表是增长 PM 和增长工程师。

第五种角色是维护者——拥有成熟系统，使其在扩展过程中安全、可靠、快速且高效。这种角色在产品 1000+ 阶段最重要，典型代表是 SRE 和平台工程师。

Cherny 指出："很多人同时担任两个角色，有时甚至三个岗位。我还注意到这些角色其实并不和工作职能挂钩——比如说，在拟人组中，有些设计师符合类别 1，有些符合类别 2，有些符合类别 3；工程师、项目经理、数据科学也是如此。"

一支健康的团队需要以下几种因素的结合，具体取决于产品：对于一个新产品，且在 PMF 之前，需要 1+2+3 方面表现强的人；对于一个正在增长的产品，发现 PMF 需要 2+3+4，约 5 人；对于具有强 PMF 的产品，需要 3+4+5 和约 2 人。"也许未来的产品岗位会更像这样，而不是像今天的领域专属岗位？"

9.2 Madhu Guru 提出的"建设者 PM"概念

前 Google Gemini/Veo 产品负责人 Madhu Guru 进一步深化"产品岗位身份危机"概念，提出"建设者 PM"（Builder PM）概念。Guru 指出，公司正在要求产品经理使用 AI，但他们并没有让这个角色发展进化。AI 加速了旧任务：更多 PRD、更多策略套牌、更多文档。产出多，评判不多。这是"老派 PM"的典型状态。

相比之下，建设者 PM 利用人工智能扩展他们在整个产品生命周期中的角色。他们探索更广泛的思想表层，以达成最佳结果。他们运营经纪人进行市场和用户调研，直接查询日志和分析，生成竞争点子，然后挑选出最优秀的。他们不断调整工作流程，以利用最新的人工智能技术。他们的输出越来越多是原型而非文档——工程师对演示的反应远比文档更有建设性。他们在不牺牲工艺的前提下完成这些工作——他们依然形成了对应该建造什么以及为什么要建造的坚定观点。

Guru 进一步反思："传统项目经理适应 AI 原生构建的最大挑战是缺乏神奇思维。十年来的框架、'敏捷'和度量制的痴迷导致了以约束为先、渐进式的思维。我以前在团队里通过让他们想象我们拥有 100 年后的技术，以及它带来的体验，然后从中倒推来应对。创意总是更加丰富。有趣的是，未来的技术已经来了。去造那个神奇的东西吧！"

这种"神奇思维"（Magic Thinking）将成为 AI 时代产品岗位的核心能力——能够想象 100 年后的用户体验、倒推到今天的产品决策、充分利用 AI 工具实现"曾经是幻想"的产品体验。Guru 预测产品岗位将越来越接近"建筑项目经理"（Construction Project Manager）——这是与传统 PM 完全不同的新角色。

9.3 FDE（Forward Deployed Engineer）成为关键职业

Microsoft 投入 25 亿美元和 6000 名工程师到"Frontier 公司"——这是 AI 时代 FDE 角色崛起的最直接信号。Microsoft Frontier 公司模仿 Palantir 的部署模式，与 Microsoft、Amazon、OpenAI、Anthropic、Box 等都进入了类似 Palantir 的部署公司。

Box CEO Aaron Levie 详细分析了 FDE 角色的崛起原因："企业中人工智能的部署，不仅仅是与聊天机器人交互，毫无疑问需要真正的努力，将人工智能系统与其参与的底层业务流程对齐，并推动预期结果。大多数工作流程并不是为 AI 代理设计的，可以随意插入。如今企业的工作流程处理的是数据碎片化、客服无法连接的遗留软件系统、机构知识而非文档知识等。要大规模可靠部署代理，你需要清理数据、现代化 IT 系统、处理评估、推动新终端流程的变更管理，等等。这还包括设计人类在流程中的存在（这意味着人们与工作流程互动的方式将完全不同），并确定公司的新知识产权是什么样子。"

Levie 进一步指出："这也是为什么许多应用人工智能公司正在扩大 FDE 工作并推出部署公司，也解释了 FDE 角色将成为未来科技领域最关键的工作之一。在这方面还有大量工作要做。"

FDE 角色的核心技能包括：深度行业知识（理解客户的业务流程和痛点）、AI 技术能力（能够将 AI 工具与业务流程集成）、项目管理（推动多团队协作的 AI 部署）、变革管理（帮助企业员工适应 AI 时代的新工作方式）。这些技能的组合在传统的人才市场上极度稀缺，未来 3-5 年将供不应求。

9.4 代理时代的产品思维重构

代理时代的产品思维需要从"功能导向"重构为"工作流导向"。传统产品思维是"我应该添加什么功能？"——这种思维在 SaaS 时代很有效，但在代理时代已经过时。代理时代的产品思维是"我应该解决用户的什么工作流问题？"——这种思维更接近"服务设计"而非"产品设计"。

具体来说，代理时代的产品需要回答四个核心问题：第一，用户的核心工作流是什么？第二，工作流中哪些环节最耗时、最容易出错？第三，AI 代理可以在哪些环节提供最大价值？第四，AI 代理与人类协同时如何分工？

这四个问题的答案将决定产品的核心价值主张。例如，Anthropic Claude Code 的核心价值不是"代码补全"或"代码生成"，而是"代理化的软件工程工作流"——从理解需求、设计架构、编写代码、运行测试、调试错误、部署上线、监控运维的全流程。这种"工作流导向"的产品思维是 AI 时代的核心范式转移。

总体而言，2026 年 6 月 17-23 日这一周，AI 行业从"基础模型军备竞赛"向"代理基础设施和应用生态"的全面转型进一步加速。Baseten 15 亿美元 F 轮、Claude Code 在 Slack 内的子代理与团队协作能力落地、Codex 应用与 GPT-5.5-Cyber 网络安全模型发布、Vercel 推出 Eve 代理框架并把 WebSocket、5GB Functions、实时语音等基础设施全面对接代理需求。这些事件共同指向"代理即应用、代理即基础设施、代理即新的 SaaS 用户"的产业新坐标。中美 AI 格局的地缘博弈、中国开放权重模型的全球能见度提升、FDE 角色的崛起、五种角色原型的组织变革、Builder PM 概念的兴起，将定义未来 3-5 年的 AI 产业格局。