大廠裁掉三萬人之后，打工人可能先出局

出品｜虎嗅科技組

作者｜陳伊凡

編輯｜苗正卿

頭圖｜AI生成

“AI原生100”是虎嗅科技組推出針對AI原生創新欄目，這是本系列的第「56」篇文章

今年四月，甲骨文公司裁掉了全球3萬名員工，占其總人力的五分之一。這家云平臺巨頭的賭注很明確：AI可以頂上這些崗位，而系統不會崩潰。

對于前AWS人工智能研究員Raphael Shu來說,這是一個信號：當企業的經濟主體從“人”切換到“AI”時,變革的臨界點已經到來。

Raphael Shu 顯然是那個對智能體未來更激進的人。他曾早在2022年，即 ChatGPT 發布前，就在亞馬遜內部推動了 Agent 的研發。

在與虎嗅交流時，Raphael 剛結束一場跨時區的會議。因為長期旅居國外，他的中文表達不算流利，語速很慢，表達的速度跟不上思考的速度。

2022年ChatGPT尚未問世,他已在亞馬遜內部推動智能體(Agent)研發。如今他創辦的OpenAgents只有7名員工,但目標是讓這個小團隊帶著上百個AI協同工作。他的判斷是:隨著大模型推理速度指數級飆升,人類不僅會失去執行層的主導權,甚至會淪為阻塞生產鏈條的“效率瓶頸”。

帶著這樣的預判，Raphael 離開亞馬遜創辦了 OpenAgents。他的初創團隊目前僅有7名員工，但他們的近期目標是：讓這幾個員工帶著上百個 AI 一起工作。他們致力于為多智能體提供一個互相交流、協作互動的底層場所，打造一個專屬于 AI 的“數字城邦”。

在 Raphael 看來，多智能體協作是現階段 AI 行業最值得押注的方向之一，且留給行業的窗口期，只剩1到2年。

Raphael Shu演講 圖片由OpenAgents提供

最早“吃螃蟹”的人

2022年，Raphael還在AWS，ChatGPT還沒出來，那時候最好的大模型叫Code davinci 002，你問它“人怎么上火星”，它會回答“人怎么上月球”、“人怎么上太陽”。

彼時，Raphael Shu和他在AWS的團隊做了一個實驗：把當時最好的大模型接進來,讓它一邊和人對話、一邊寫代碼。他們連了一個Dropbox，讓模型先自己讀文檔學會怎么用Dropbox，然后告訴它“幫我把所有TXT文件重命名成MD”——它就自己寫代碼，把這事辦了。這成了智能體協作的雛形。

Chat GPT出來后，全球都在進行“大模型煉丹”的游戲，沒有人在意智能體，甚至聽不懂所謂的“AI Agent”是什么。

在大型科技公司的官僚體系中，最具顛覆性的創新往往首先被視為某種乏味的微調。Raphael在公司推“Agent”，大家一看demo，第一反應就是“這也就是更聰明的RPA（流程自動化）”，但是“RPA歷史上都沒多少用戶，這能有什么用”。但當這項技術雛形被呈遞給高管時，得到的冷淡回應：“這不就是更聰明的RPA（機器人流程自動化）嗎？”

直到2023年3月，OpenAI推出了ChatGPT Plugin。決策者們恍然大悟，緊急開會，迅速撥給 Raphael 10個人和一大筆數據標注預算（他們還在印度雇傭了大量標注工程師），要求他以最快速度將 Agent 能力訓練到亞馬遜自研的大模型中。

但大廠留給創新的窗口期總是極短。隨著 AWS 內部兩位關鍵人物的離開，Raphael 決定不再等待，從亞馬遜抽身，躬身入局。

剛出來創業時，Raphael Shu回了趟中國，他幾乎把國內排名前 20 的頭部投資機構聊了個遍。但他發現，當時國內投資人對 Agent 的認知，幾乎全部停留在“Langchain 思維”里?！?/p>

在 Raphael 看來，Langchain 用一種極具“誤導性”的方式定義了 Agent——它將 Agent 矮化為了一個固定的“工作流（Workflow）”。這導致當你在聊 Agent 時，大家腦子里想的依然是畫流程圖。當 Raphael 試圖向他們推銷“多智能體協作”時，投資人以為的只是“多個工作流之間如何串聯”。

但這二者有著本質的區別：工作流是死板的“流水線”，上下游按部就班，一步出錯全盤崩潰；而多智能體協作則是“人類團隊開會”，不同的 AI 扮演不同的角色，它們可以自主對話、動態分工，甚至互相糾錯。

2026年，OpenClaw出現，許多人才開始接受了多智能體協作的概念，但Raphael早就料到了這個趨勢。隨后，另一個比OpenClaw距離真正的AI員工更近的應用Hermes出現。

Raphael認為，OpenClaw能火，是因為打了兩個關鍵概念：一是“打造屬于你自己的agent”，把AI從工具變成了工具人；二是它極其聰明地將交互界面搬到了 Telegram 上，讓用戶像給真人發微信一樣，給 AI 派發任務、接收匯報。這讓許多不懂技術的 CEO 和律師也能瞬間 Get 到它的價值。隨后，距離真正的“AI 員工”更近的開源項目 Hermes 也應運而生。

但 Raphael 敏銳地指出，OpenClaw 并非沒有代價，它的致命傷在于“極低的透明度”。由于用戶完全看不到 Agent 在沙盒里具體執行了什么操作，這導致它極難被應用于軟件開發這類需要過程全透明的場景。

這揭示了一個有趣的 PMF（產品市場契合度）錯位：OpenClaw 最終圈粉的，其實是與開發者完全反向的那批人——因為開發者需要掌控感和透明度，而許多非技術用戶根本不在乎黑盒里的過程，他們只要結果。

Raphael Shu成立OpenAgents，想做另一件事。

“做一個最好的籃球場”

“如果大家都在打一場籃球賽，OpenClaw 想做的是場上最好的籃球選手，而我們想做的，是提供最好的籃球場?！?Raphael 這樣形容 OpenAgents 的定位，OpenAgents打造一個開放平臺，允許用戶接入各式各樣的 Agent，甚至自定義 Agent。

但這塊“籃球場”的搭建并非一帆風順。去年，Raphael 團隊的核心精力放在了打造一款面向開發者的底層工具上——通過 Python 構建一個網絡，讓基于 Langchain 或 AutoGen 開發的 Agent 能在其中互相通信與協作。

然而，當他們舉辦一場幾百人規模的黑客松，卻發現真正能運用工具跑通項目的人遠低于預期時，Raphael 發現問題既不在宣發，也不在于教育成本，而是偽需求與高門檻：開發者必須先費力做出單個有用的 Agent，然后才能去探索多個 Agent 之間的協作。具備這種復合能力和強烈協作需求的開發者，實在太少了。

認清現實后，團隊在今年進行了一次大刀闊斧的轉型，決定做一款“Customer Zero Product”（零號客戶產品）。這源于 Raphael 的一個堅持：“如果一個產品我們自己團隊都不愿意每天用，那我寧愿不做。”

這一思路直接催生了現象級產品 Open Agents Workspace。它徹底拋棄了復雜的代碼，變成了一個有 UI 界面、支持 MacOS、Windows 和 Linux 的零代碼工作區。用戶只需安裝軟件，像平時用電腦一樣點幾下鼠標，就能配置好 Agent 并接入工作區，全程不需要寫一行代碼。

Workspace 上線后的火爆程度超出了所有人的預料。連續三天，服務器被洶涌的流量擠爆，GitHub幾天內暴漲了 1600 多顆星。Workspace迅速黏住了一批每天高頻使用的鐵桿用戶，他們甚至比官方還著急。系統一出問題，這些具備技術能力的用戶直接在 GitHub 上提 Issue、提 PR，順手就幫官方把 Bug 修了。甚至有合作方直接出了一名工程師，無償幫他們開發出了MacOS和手機端的APP。

“你看，這就是開源的價值，” Raphael告訴我，“你不只是擁有一批用戶，你擁有的是一批會把自己需求直接變成產品進化能力的人?！?/p>

目前，OpenAgents 在國內已積累了七八千名開發者用戶，海外也有五六百人的核心圈層。在新加坡的一場國際學術會議 Workshop 上，更是吸引了 560 人付費報名。但這距離 Raphael 的目標還很遠，他想要的不僅是規模大，更是一個能影響整個 Agent 經濟走向的“超級社區”。

他希望這個社區里有創始人、大廠產品經理、學術界研究員，大家在一個開放環境里共同探討一個終極命題：當經濟的主體從人變成 AI 時，世界會發生什么？ 同時，他也定下了一個宏大目標：社區里孵化出 10 萬個“Agent Master（智能體大師）”。你不必是懂代碼的開發者，只要你擁有并熟練指揮你自己的 Agent，你就是這個新經濟生態的一部分。

事實上，這種“經濟主體讓位給 AI”的未來，已經提前在 OpenAgents 的客戶那里上演了。

Raphael 透露，他們目前正在與一家合作公司進行一項名為“Shadow Mode（影子模式）”的激進實驗。具體做法是：雇傭一名真人工程師或在線銷售，讓其在一個特定的模擬器上正常工作 40 小時。在此期間，AI 像影子一樣在后臺全程靜默觀察，記錄下這個人的所有操作邏輯、行為模式，甚至包括他說話的語氣和性格。40小時后，AI 將全面接管這個模擬器，用完全相同的“人類外殼”去自動化完成后續的所有工作。

在 Raphael 看來，OpenAgents 本質上是一家非常典型的 B2B 創業公司。其商業飛輪非常清晰：開源項目負責建立行業影響力和引流，企業端服務（如影子模式）負責創造現金流。

“在這個時代，Idea 本身沒有那么值錢?！?經歷了大廠的洗禮和創業的摸爬滾打，Raphael 對 AI 紅海有著清醒的認知，真正難的是，在每天都有新東西冒出來、每天都有人高呼“這是 Next Big Thing”的喧囂里，你還能看清楚一個自己愿意長期做下去的方向，并且堅持足夠久。而這件事本身，就會成為的壁壘。

多智能體的爆發還在等待“曼哈頓時刻”

如今的 OpenAgents 保持著極致的精簡：整個團隊僅有7人，3名開發、1名 AI 工程師以及3名市場人員。這恰恰是 Raphael 理想中未來企業的切片：保持 8 到 12 人的極小人類團隊規模，但背后卻帶著 100 個 AI Agents 在“數字領地”里開疆拓土。

這種預演，已經在巨頭體內悄然發生。在我們對話的前幾周，甲骨文（Oracle）啟動了一場波及全球 3 萬人的大裁員，裁員比例高達驚人的 18%-20%。

這件事給了 Raphael 極大的震撼。在他看來，云平臺不同于普通的軟件公司——Photoshop 的代碼寫錯了，頂多是濾鏡難看；但云平臺的底層代碼一旦出錯，面臨的就是大面積的服務宕機，“Oracle 敢下如此狠手，說明他們內部一定已經跑通了數據，證明裁掉這 20% 的人之后，靠 AI 頂上，系統絕對不會垮?！?/p>

這會觸發一場可怕的連鎖反應：一旦 Oracle 的算盤打通，其他巨頭們絕對坐不住。競爭對手通過裁員狂砍運營成本，再把省下的重金砸向 AI，利潤率和估值雙雙飆升——在華爾街的凝視下，誰敢不跟進？

歸根結底，這是一筆冷峻的經濟賬。在美國西海岸，維持一個能獨立產出的資深軟件工程師，公司一年的綜合成本高達 60 萬到 80 萬美元；而像 Claude Code 這樣的 AI 工具，哪怕按最高頻次滿負荷拉滿，一個月的成本也不過九牛一毛。

當兩者之間的成本鴻溝足夠大時，用 AI 替代人類就不再是“偏好”的問題，而純粹是個“時間”問題?！拔矣X得甚至都不需要等 3 到 5 年，快的話可能也就是 1 年左右的事。” Raphael 預判道。

那么，距離多智能體全面接管還有多遠？Raphael 認為，在 Agent 大爆發之前，行業還需要幾次類似 OpenClaw 這樣現象級的創新。并且，這些引爆點極有可能誕生在“閉源產品”中。理由很簡單：開源項目極難打磨出具備爆發力的 C 端體驗，而閉源產品形態成熟，更容易在交互上完成降維打擊，從而迎來真正的破圈。

“這就像人類歷史的演進規律一樣?！?Raphael 用了一個比喻：任何重大成就都會經歷兩個階段——首先是“個人突破”，其次是“團隊突破”。就像造原子彈，第一階段是奧本海默這樣的天才在理論上驗證了制造的可能性；第二階段，則是把頂尖大腦們聚在一個“曼哈頓計劃”里，分工協作把原子彈真正造出來。

當前的 AI 行業，正處于“單個 Agent 能力突破”的奧本海默階段。而下一個紀元，毫無疑問將是“多智能體協作（Multi-Agent）”引爆的曼哈頓時刻。

Raphael 正在耐心地等待那個時刻的降臨。對 OpenAgents 來說，眼下最重要的事情只有一件：趕在狂歡達到高潮之前，把那座最好的“籃球場”先鋪好。

以下是虎嗅精選的訪談內容：

虎嗅： 你當時創業為什么選擇在美國，而不是回國？

Raphael Shu：我大學畢業之后在日本待了11年，后來才來美國，所以我在國內的人脈非常弱。不過出來之后我回國聊了非常多的人，也發現國內投資圈其實大家互相都認識，我才逐漸覺得這個圈子并沒有想象中那么封閉。

虎嗅： 我記得你在AWS從2022年就開始押注agent。那時候ChatGPT都還沒出來，為什么會有這么早的判斷？

Raphael Shu：以前任何技術，就算你給它一萬條訓練數據，也很難達到這種程度。所以我們當時就認為，至少對于“能對話、能執行任務”這類機器人來說，大模型是一個顛覆性的轉折。后來我也慢慢把這件事想清楚了。一個會話型AI，真正要解決的問題其實只有兩個：第一，功能夠不夠全；第二，對話能不能像人一樣自然。以前很多技術最多只能把其中一個維度往前推一點點。大模型出來之后，這兩個問題同時被推到了一個新范式里。

虎嗅： 在AWS和Bedrock那段經歷里，哪些東西后來投射到了你現在的創業里？

Raphael Shu： 2022年到2023年，我們在AWS內部去押注agent。那段經歷很像一次大公司內部創業：你看到了明確方向，但很難說服stakeholder，最后是外部環境變化，反過來推著組織來找你做這件事。

后來我在Bedrock帶團隊嘗試多智能體協作。這兩段經歷讓我形成了一個很重要的判斷：AI行業變化太快了，很多人一看到新東西出來，比如MCP出來了，或者OpenClaw出來了，就立刻想跟著做一個項目，但這種跟法其實很危險。不是說這個idea一定錯，而是你會沒有足夠的思考空間。

我現在會更在意一件事：不是看眼前這個機會，而是去想6個月之后，行業里哪些東西是確定會發生的。你如果押注的是那種更長期、更確定的變化，才有時間打磨產品，也才有真正的runway。

虎嗅： 你決定創業后，回國見了一遍投資人，得出了什么判斷？

Raphael Shu： 我后來有個很深的感受，就是創業公司大體上其實只有兩種模式。

一種是現金流模式，做的是一個長期存在、能穩定產生現金流的business。另一種是IPO模式，在幾年之內靠不斷融資、快速擴張，把公司推到一個非常大的量級，最后走向IPO或者被大公司高價收購。這兩種模式會直接決定你該做什么產品、不該做什么產品，甚至決定你需要什么樣的co-founder、招什么樣的人。

虎嗅：那你呢？你自己想做哪種公司？

Raphael Shu：第一種。我更想做一個能健康產生現金流的business，而不是瘋狂燒錢的公司。

虎嗅： 你們發布了Workspace之后，Github上漲了1600顆星，還有很多開發者自主過來幫你們維護和完善，你們做的是人和agent協同的社區，還是agent和agent協同的社區？

Raphael Shu：現在還是一個過渡形態。我們發布的Workspace首先還是給人用的，所以它強調的是“多個人+多個agent”的協作。但更長遠地看，我最看重的其實是agent和agent之間的協同。因為隨著推理速度越來越快，人和AI在時間尺度上會越來越不匹配，到最后，人更像是慢速工具，agent才是高速執行和高速協同的主體。

所以在產品設計上，我最看重的不是把一個agent做得多強，而是怎么把一整個agent團隊配置好、分工好、協作好。

虎嗅： 如果真進入那個階段，對多智能體協作意味著什么？

Raphael Shu： 意味著“人告訴它做什么、它做10分鐘再回來匯報”這種模式就不夠了。公司需要的是能自主決策、24小時運轉、自己開會復盤的agent。

舉個很實際的例子。假設一家公司里，每個人未來都有自己的agent。如果Bary是CTO，Julia是工程師，兩人有時差。Bary給Julia發了一個需求：做一個新的用戶登錄系統。Julia的agent看完之后，馬上會意識到需求缺了關鍵信息，于是它不會等Julia醒來，而是直接去問Bary的agent：到底是繼續用郵箱登錄，還是改成Google登錄？Bary的agent知道上下文，因為它知道Bary為什么提這個需求，于是會直接回答：全部改成手機號登錄。這樣很多信息差在agent之間就先補完了。

虎嗅： 你給自己留了多長的runway？

Raphael Shu：對我個人來說，runway基本是無限的，因為我同時也在給其他公司做顧問，但我不打算一直靠這個撐著。我的初衷就是做一個能健康產生現金流的business，不想走瘋狂燒錢找接盤俠那條路。

虎嗅： 什么時候準備開始融資？

Raphael Shu：我希望至少等企業端產品有10個客戶在用，并且有積極的數據點之后再融資。如果我是做ToC，我可能會做個PPT，馬上融一大筆錢，燒三個月看能不能爆。但我們是ToB，我還是更想慢慢把cash flow（現金流）做強。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4860309.html?f=wyxwapp