从“回答”到“执行”：高盛报告里 Agent 落地的真正分水岭

　　最近翻到高盛一份关于 AI 产业的报告，里面有一条判断挺扎人：AI 正在从“回答”走向“执行”，产业的竞争重心也从模型本身，悄悄转移到了对工作流的掌控上。这话初看像一句行业口号，细想却戳中了过去一两年里很多 Agent 项目卡住的那个点——我们早已不缺会聊天的模型，缺的是敢把它放进真实业务流程里替人办事的底气。报告把这种底气归结为两件事：可控性，以及责任划分。凡是边界清晰、结果可验证的工作流，会优先被自动化；凡是含糊、不可追责的环节，再聪明的模型也难落地。

　　报告里值得拆开看的，其实是两层意思。第一层是 Agent 落地的现实约束：企业真正欠缺的从来不是能力，而是可控性。聊天时答错一句，用户多半笑着翻篇；工作流里错一步，可能是误删、误发、误批，代价立刻变实。所以谁能把边界划清楚、把结果验证做扎实，谁的工作流就先跑起来。第二层是模型市场的走向分工：前沿模型贵而强，主导少数高价值决策；开源模型便宜、可私有化，承接海量、低边际成本的规模化推理——这不是谁取代谁，而是“贵的干贵的活，便宜的干便宜的活”，大多数生产级 Agent 最终会是混合架构。报告还提到世界模型正把 AI 带进物理世界，机器人、自动驾驶这类持续感知—决策的场景，有望撑起算力的第二增长曲线，未来数年需求或放大到当前的数十倍。

　　把这些放回一起去想，这一轮真正的分水岭其实很清楚：不在谁的模型更聪明，而在谁能把“聪明”装进可控的边界里，交给工作流去执行。能力早已不是稀缺品，稀缺的是让人放心把事交出去的结构——清晰的职责、可验证的结果、出错可回溯的链路。当然，可控性本身也有成本，过度设防会让 Agent 变得笨重迟缓，如何在“敢放手”和“管得住”之间找到平衡，才是接下来工程上最磨人的地方。高盛描绘的图景很大，但对每一个真正想把 Agent 用起来的人，落点反而很小：先把一个边界清楚、结果能验的小流程跑通，比追逐更强的模型更要紧。