即刻App年轻人的同好社区
下载
置顶
AI 圆桌：Cognition、Adaption、Higgsfield、ElevenLabs 谈增长、信任与前沿
摘要
这是一场四人圆桌（主持人在转写中未具名）：Cognition 的 Russell、Adaption 的 Sarah、Higgsfield 的 Alex 与 ElevenLabs 的一位发言人（说话人 5）先介绍各自公司的采用情况，再围绕信任与控制、前沿走向、就业和亚洲布局展开。全程没有形成新的决定或对外承诺；四位发言人共同的判断是：模型能力趋于商品化之后，差异化来自对自有数据和上下文的拥有与优化，而近期最紧迫的风险是网络安全。
关键要点
采用与增长
• Cognition（Russell）：Devin 是"每个实例自带一台电脑"的自主编码 agent，2024 年 3 月发布，走"同事"而非"副驾"路线；公司 2024 年 1 月成立、同年 9 月签下首个客户，2026 年 9 月宣布年化收入运行率突破 10 亿美元。早期客户多是代码量巨大、存在重构与迁移等可重复任务的大型组织，如今他认为远程 agent 已是多数软件工程任务的合适形态。
• Adaption（Sarah）：2026 年 2 月成立，主张"前沿 AI 应该在前沿实验室之外被拥有"，做的是"用模型造模型"——自动配置 harness、自动训练客户自己的开源权重模型。驱动力是 Fable 停服与条款变动、agentic 相关 token 价格的不确定性（尤其在企业准备 IPO 的背景下），企业希望对冲风险，并把自有上下文当作自己的 IP。
• Higgsfield（Alex）：视频 AI 公司，企业客户用它做 AI 广告；有客户从每月 100 美元起步，六个月后业务放大、年支出超过 600 万美元。2026 年 3 月前后欧盟 AI 法案要求社媒上的 AI 生成内容标注，此后企业采用量增长约 5 倍。
• ElevenLabs（说话人 5）：自称在构建"AI 交互平台"，底层是音频基础模型（语音合成、转写、编排）加上部署层与产品；ARR 刚超过 6 亿美元、过半来自企业客户，客户包括 Stripe、T-Mobile 等；新加坡办公室在录音前一天开业。
信任、安全与 AI 内容
• 近期最紧迫的风险指向网络安全。Russell 说客户的头号优先级是清理低危漏洞积压（T3/T4 工单动辄数十万条），而新一代模型能把约 70 个低危漏洞串成破坏性 exploit；恶意方拿开源 harness 就能做渗透测试——他提到本周有报道称韩国多家银行被入侵，疑似一名二十多岁的中国年轻人用开源代码做渗透测试。
• Russell 同时认为 AI 是"亲治理"的：它让满足复杂的监管合规要求更容易（例如与美国联邦机构合作时，每次变更都要有完整合规工单），而软件工程是风险最低的 AI 采用面，因为 CI、代码审查等既有控制可以直接复用，还能程序化保证 Devin 未经批准不执行写操作；早期客户包括高盛。
• Alex：开源 harness 相当于给任何人一支 20–30 人的半专业渗透测试团队；Higgsfield 已在做持续部署与自动化渗透测试，闭源与开源模型行为不同，建立基线不到一周，难点在低危漏洞串联这类细节。他认为 AI 时代的网络安全将被重新定义。
• Sarah：企业普遍说不清自己该关心哪类安全，头条事件（如 Hugging Face 事件）多半源于缺乏基础流程（例如扫描 traces）；把讨论落到可自动扫描、可对错误率做分类分析的层面才谈得上精确干预——而同一套自改进技术既能提升模型表现，也能自动配置安全协议、扫描漏洞。
• AI 生成内容的信任（Alex）：发布方标注、附加元数据、视频隐形水印三者结合有助于建立合成媒体的信任度，但消费者最终更在意内容本身（例如中国 AI 短剧的流行）。
前沿：模型能力趋同之后
• Sarah：过去十年是"造最大的模型、再交给别人去服务"，如今关键在于如何与世界交互并从中自我改进，这改变了"谁拥有进展"——拥有产品与服务界面、握有用户数据的公司才掌握最有价值的数据，前沿实验室重金购买仿真/RL 环境正说明它们缺这块；自我改进应该像后台算力一样默认发生，企业只需决定把算力放在哪里。
• Russell：部分领域里前沿模型的能力已超过"把这件事做好"所需；Devin 的 Fusion harness 自动在最强模型与更便宜的日常模型之间路由，质量无可测下降而成本约低 60%。他提到 ChatGPT 4 前后出现的拐点——再发新模型也不会让用户体验更好；一旦所有模型都能把活干好，竞争就转向优化、个性化与对自有数据的定制。被低估的是缓存友好性（prompt 前缀的构造），"先判断难易再路由"的做法也不成立，因为难度常常做到一半才显现；因此改为多个模型并行（sidekick 与 main）的委派与评分协议，用户不该被迫自己挑模型。
• Alex：工程与创意在自然融合，组织中 token 花费最高的人往往就是最好的创意总监，有人每月花超过 10 万美元搭建新工作流，能端到端做出 10 分钟以上的 AI 教程视频；视频当前的瓶颈仍是提示词（5 秒视频的提示词可能超过 3,000 词），远期是实时对话式、语音优先的界面，想法到可视化的带宽提升 100 倍，并会催生新的创作者类型（包括残障艺术家），他估计这要 5–6 年而非 7 年。Sarah 补充：prompt engineering 本身就是"人没有控制权、只能在无法理解上下文的系统外做动作"的症状。
• 语音的未来（ElevenLabs）：过去五十年是人类学习技术的语言，现在第一次反过来让技术适应人的沟通方式；语音会成为进入数字世界、进而进入物理世界（设备、汽车、机器人）的重要入口，前提是高度本地化（新加坡的四种官方语言需要随时切换甚至混用）。ElevenLabs 提到正在推进 voice agent 之间互相对话的协议（切换到更高效的语言以减少信息损失），Russell 表示 Cognition 也在做同一方向。
就业与亚洲布局
• 就业（快速问答）：Russell 认为"工作会被消灭"的叙事很幼稚——美国一家大型健康保险公司用 Devin 自动化了慢病管理师约三分之二的工作日内容，但没有裁人，而是让这些人产出提升 3 倍、大幅下调保费并卖出更多保单；他的判断是公司会变得更进取，不这么做的会被淘汰。ElevenLabs 认为人与人互动、教育、社交与创意类岗位会大幅增长。Sarah 认为变化剧烈但并非二元对立：她是计算机科学博士、当年多数课程已不重要，真正改变的是"谁能参与"（她从莫桑比克北部到 Google DeepMind、再到另一家前沿实验室），同时认为焦虑合理、政府有角色。
• 亚洲布局：Alex 称亚洲对视频 AI 尤其重要，很多趋势先在亚洲出现再传到西方，所以要贴近客户；他对东南亚数据中心建设规模（数月内从数百兆瓦到吉瓦级）与新加坡的人才密度印象深刻。Sarah：公司从第一天起就是全球化的，2026 年 5 月迎来负责新加坡战略的 Darius；新加坡技术人才强，也是中国人才与各国公司交汇的地方。Russell：新加坡办公室刚搬到更大的场地、约 35 人，本地工程团队在大幅扩张；业务从一开始就高度国际化，在软件工程供给不足的国家价值更大，日本等亚洲市场增长显著（大量遗留系统需要现代化）。ElevenLabs：同样从第一天就全球化，新加坡是最早十名员工的所在地之一，亚洲文化多元、技术先进、语音界面普及，并提到正在招聘。
摘要
这是一场四人圆桌（主持人在转写中未具名）：Cognition 的 Russell、Adaption 的 Sarah、Higgsfield 的 Alex 与 ElevenLabs 的一位发言人（说话人 5）先介绍各自公司的采用情况，再围绕信任与控制、前沿走向、就业和亚洲布局展开。全程没有形成新的决定或对外承诺；四位发言人共同的判断是：模型能力趋于商品化之后，差异化来自对自有数据和上下文的拥有与优化，而近期最紧迫的风险是网络安全。
关键要点
采用与增长
• Cognition（Russell）：Devin 是"每个实例自带一台电脑"的自主编码 agent，2024 年 3 月发布，走"同事"而非"副驾"路线；公司 2024 年 1 月成立、同年 9 月签下首个客户，2026 年 9 月宣布年化收入运行率突破 10 亿美元。早期客户多是代码量巨大、存在重构与迁移等可重复任务的大型组织，如今他认为远程 agent 已是多数软件工程任务的合适形态。
• Adaption（Sarah）：2026 年 2 月成立，主张"前沿 AI 应该在前沿实验室之外被拥有"，做的是"用模型造模型"——自动配置 harness、自动训练客户自己的开源权重模型。驱动力是 Fable 停服与条款变动、agentic 相关 token 价格的不确定性（尤其在企业准备 IPO 的背景下），企业希望对冲风险，并把自有上下文当作自己的 IP。
• Higgsfield（Alex）：视频 AI 公司，企业客户用它做 AI 广告；有客户从每月 100 美元起步，六个月后业务放大、年支出超过 600 万美元。2026 年 3 月前后欧盟 AI 法案要求社媒上的 AI 生成内容标注，此后企业采用量增长约 5 倍。
• ElevenLabs（说话人 5）：自称在构建"AI 交互平台"，底层是音频基础模型（语音合成、转写、编排）加上部署层与产品；ARR 刚超过 6 亿美元、过半来自企业客户，客户包括 Stripe、T-Mobile 等；新加坡办公室在录音前一天开业。
信任、安全与 AI 内容
• 近期最紧迫的风险指向网络安全。Russell 说客户的头号优先级是清理低危漏洞积压（T3/T4 工单动辄数十万条），而新一代模型能把约 70 个低危漏洞串成破坏性 exploit；恶意方拿开源 harness 就能做渗透测试——他提到本周有报道称韩国多家银行被入侵，疑似一名二十多岁的中国年轻人用开源代码做渗透测试。
• Russell 同时认为 AI 是"亲治理"的：它让满足复杂的监管合规要求更容易（例如与美国联邦机构合作时，每次变更都要有完整合规工单），而软件工程是风险最低的 AI 采用面，因为 CI、代码审查等既有控制可以直接复用，还能程序化保证 Devin 未经批准不执行写操作；早期客户包括高盛。
• Alex：开源 harness 相当于给任何人一支 20–30 人的半专业渗透测试团队；Higgsfield 已在做持续部署与自动化渗透测试，闭源与开源模型行为不同，建立基线不到一周，难点在低危漏洞串联这类细节。他认为 AI 时代的网络安全将被重新定义。
• Sarah：企业普遍说不清自己该关心哪类安全，头条事件（如 Hugging Face 事件）多半源于缺乏基础流程（例如扫描 traces）；把讨论落到可自动扫描、可对错误率做分类分析的层面才谈得上精确干预——而同一套自改进技术既能提升模型表现，也能自动配置安全协议、扫描漏洞。
• AI 生成内容的信任（Alex）：发布方标注、附加元数据、视频隐形水印三者结合有助于建立合成媒体的信任度，但消费者最终更在意内容本身（例如中国 AI 短剧的流行）。
前沿：模型能力趋同之后
• Sarah：过去十年是"造最大的模型、再交给别人去服务"，如今关键在于如何与世界交互并从中自我改进，这改变了"谁拥有进展"——拥有产品与服务界面、握有用户数据的公司才掌握最有价值的数据，前沿实验室重金购买仿真/RL 环境正说明它们缺这块；自我改进应该像后台算力一样默认发生，企业只需决定把算力放在哪里。
• Russell：部分领域里前沿模型的能力已超过"把这件事做好"所需；Devin 的 Fusion harness 自动在最强模型与更便宜的日常模型之间路由，质量无可测下降而成本约低 60%。他提到 ChatGPT 4 前后出现的拐点——再发新模型也不会让用户体验更好；一旦所有模型都能把活干好，竞争就转向优化、个性化与对自有数据的定制。被低估的是缓存友好性（prompt 前缀的构造），"先判断难易再路由"的做法也不成立，因为难度常常做到一半才显现；因此改为多个模型并行（sidekick 与 main）的委派与评分协议，用户不该被迫自己挑模型。
• Alex：工程与创意在自然融合，组织中 token 花费最高的人往往就是最好的创意总监，有人每月花超过 10 万美元搭建新工作流，能端到端做出 10 分钟以上的 AI 教程视频；视频当前的瓶颈仍是提示词（5 秒视频的提示词可能超过 3,000 词），远期是实时对话式、语音优先的界面，想法到可视化的带宽提升 100 倍，并会催生新的创作者类型（包括残障艺术家），他估计这要 5–6 年而非 7 年。Sarah 补充：prompt engineering 本身就是"人没有控制权、只能在无法理解上下文的系统外做动作"的症状。
• 语音的未来（ElevenLabs）：过去五十年是人类学习技术的语言，现在第一次反过来让技术适应人的沟通方式；语音会成为进入数字世界、进而进入物理世界（设备、汽车、机器人）的重要入口，前提是高度本地化（新加坡的四种官方语言需要随时切换甚至混用）。ElevenLabs 提到正在推进 voice agent 之间互相对话的协议（切换到更高效的语言以减少信息损失），Russell 表示 Cognition 也在做同一方向。
就业与亚洲布局
• 就业（快速问答）：Russell 认为"工作会被消灭"的叙事很幼稚——美国一家大型健康保险公司用 Devin 自动化了慢病管理师约三分之二的工作日内容，但没有裁人，而是让这些人产出提升 3 倍、大幅下调保费并卖出更多保单；他的判断是公司会变得更进取，不这么做的会被淘汰。ElevenLabs 认为人与人互动、教育、社交与创意类岗位会大幅增长。Sarah 认为变化剧烈但并非二元对立：她是计算机科学博士、当年多数课程已不重要，真正改变的是"谁能参与"（她从莫桑比克北部到 Google DeepMind、再到另一家前沿实验室），同时认为焦虑合理、政府有角色。
• 亚洲布局：Alex 称亚洲对视频 AI 尤其重要，很多趋势先在亚洲出现再传到西方，所以要贴近客户；他对东南亚数据中心建设规模（数月内从数百兆瓦到吉瓦级）与新加坡的人才密度印象深刻。Sarah：公司从第一天起就是全球化的，2026 年 5 月迎来负责新加坡战略的 Darius；新加坡技术人才强，也是中国人才与各国公司交汇的地方。Russell：新加坡办公室刚搬到更大的场地、约 35 人，本地工程团队在大幅扩张；业务从一开始就高度国际化，在软件工程供给不足的国家价值更大，日本等亚洲市场增长显著（大量遗留系统需要现代化）。ElevenLabs：同样从第一天就全球化，新加坡是最早十名员工的所在地之一，亚洲文化多元、技术先进、语音界面普及，并提到正在招聘。
1 02
来了那么多次日本，一直不知道为什么觉得这个地方在设计美学上非常的舒服和熟悉，虽然可以简单地归结为，这是中国唐风在一个小岛上的凝结，但这无法解释：从视觉上最直观的感受，来源本质上是什么？我能理解空间和留白，这个在国内也很多见，也能理解从自然中获取景色投射，屋内是一种像自然求的方式，但最近感悟到的是两点：第一，他们整体的用光大部分是间接的，基本没有太多直射的光源，也不崇尚强烈的主灯；第二，我觉得椰是最核心的是，几乎不在室内给到任何高饱和度的颜色，把所有的高饱和度留给了大自然，照射在绿茵茵的森林当中。低饱和度也意味着取材用材都追求材料本身，并不过度修饰和增色。低饱和度颜色这件事情是一个很大很大的区别。这可能是所谓克制感的来源之一。这也是为什么，在三千院看到那座红色的桥，或者在伏见稻荷大社看到的红色鸟居，这些非常高饱和度的存在，在那个时候会被突出出来。
50 71