行业动态
阅读: 473 评论: 0 点赞: 0 发布时间：发布日期：2026-08-09 08:22:22
8月9号礼拜天,距离 GPT-5.6 Luna 降价 80% 已经十天了,距离 Kimi K3 2.8 万亿参数开源也快两周——技术圈这会儿按说应该歇一歇。但我这几天翻了翻 GitHub Trending、Hugging Face 热度榜和几个英文 AI 长读播客,发现三件不那么"重磅"、却非常值得周末细看的事:
OpenWork 这个开源工作台 GitHub 突破了两万星,把 Claude Code、Cursor、Codex 的技能和 MCP 连接统一管理;MiniMax H3 8 月 3 号开源,三天登顶 Hugging Face 视频模型热度榜第一,宣告中国多模态在视频赛道又结出一颗果子;Dwarkesh Patel 跟一个叫 Andrew Ho 的前 OpenAI 研究员打了一场关于"前沿 AI 实验室到底能不能算得过账来"的隔空嘴仗,马斯克下场站队。
三件事各有各的味道:第一件是工程生态层面的"统一",第二件是技术卡位的"体系化",第三件是行业算账的"分歧"。我尽量把这三件事一起讲清楚,顺便把我自己读完之后的判断也摆出来。
先把最工程师友好的这条说清楚。
OpenWork 这名字可能很多人没听过——它的 GitHub 仓库在 8 月初连续好几周霸榜 Trending,现在已经两万星了。它做的事情用一句话就能讲明白:把 Claude Code、Cursor、Codex 这些 AI 编程工具的"技能包"、"MCP 连接"、"工作流模板"统一抽出来,放到一个中央 Capability 库里,然后通过一个标准 MCP 端点暴露给所有兼容 MCP 的 Agent。
为什么要这么干?因为过去两年所有用过 Claude Code + Cursor + Codex 的人都被同一件事折磨过:你在 Claude Code 里调通的一套技能,切到 Cursor 里就要重写;今天在 Codex 里跑通的命令链,换台机器又得重新配。更讨厌的是,你给一个团队搭的 AI 流程,招个新人从头教一遍,或者换个 IDE 又得折腾一遍。
OpenWork 干的就是把"技能 → 工具 → 流程"这三层抽象出来,放到一个大家共用的池子里。任何一个 AI Agent 只要连上 OpenWork 的 MCP 端点,就能直接调用这些能力。这背后其实有个很朴素的判断:AI 编程工具的竞争终局,不是哪个 IDE 最漂亮,是哪个生态最容易被共用。
更值得注意的是它的定位——Claude Cowork 的开源替代品。Claude Cowork 是 Anthropic 8 月初刚上线的企业协作产品,卖点就是把 Agent 的整个工作上下文(代码、文档、邮件、会议纪要、权限)放在云端统一调度。问题是它闭源、跑在 Anthropic 的云上,数据要过境,这对国内团队和数据合规要求高的客户基本就是劝退。OpenWork 完全自托管、可以气隙部署,正好填这个空。我身边有两个做 ToB 平台的朋友,一个金融科技、一个半导体,已经在内部用 OpenWork 替代 Claude Cowork 上灰度了,理由很简单:"数据不出内网,合规这条线我们就过了。"
GitHub 上两万星意味着什么?意味着它已经不是极客玩具,而是开始进入主流视野。对国内做 ToB 出海、或者对合规敏感的本土团队来说,这是今年最有用的开源项目之一——它把"AI 编程工具拼装"这件事从"工程师手搓"变成了"产品经理就能配"。
第二件是技术卡位。
8 月 3 号,MiniMax 把 H3 视频生成模型正式开源到 Hugging Face——3 天时间,它在视频模型热度榜冲到第一,超过了一直霸榜的 HunyuanVideo 和 Open-Sora。美国那边有上百家企业当天就接入了,但中国用户要部署还得单独申请授权,这是地缘政治背景下的常规操作,不意外。
H3 这个模型本身我不想多讲技术细节,说一个更有意思的事——它是中国视频生成大模型的"体系化"信号。
看这个时间线:
这意味着什么?意味着中国在视频多模态上的追赶不是某家公司的孤军奋战,而是已经形成了连续梯队。底层有 MiniMax H3 这样的开源底座,中间层有 CogVideoX、Seedance 这样的产品化模型,应用层有快手可灵、剪映、即梦这样直接面向 C 端用户的工具。这跟美国那边 OpenAI Sora 闭源、谷歌 Veo 闭源、Google DeepMind Vo3 闭源形成了鲜明对比——中国打法是"开源打底盘,产品化打增值"。
从 Hugging Face 下载数据看,中国开源视频模型的累计下载量在过去 6 个月占了全网视频模型下载的 41%——比美国开源还要高。这一点和年初大语言模型的开源下载量趋势一致,只是这次轮到了视频赛道。
值得注意的还有"百家企业 Day 0 接入"。这意味着北美开发者对中国视频生成模型的接受度已经从"好奇"变成"生产化使用"——这是质变,不是量变。一个开源模型的真正胜利,不是它被引用了几次,而是有多少商业产品真的把它跑在生产线上。
有件事得提醒:MiniMax H3 的开源采用"国际版/国内版分版本协议",意味着中国开发者部署自家产品没问题,但美国企业要用得走单独的授权流程。这种"开源但有地缘限制"的协议,过去一年已经从大语言模型蔓延到了视频、图像、音乐多模态全赛道,基本上是 2026 年开源生态的新常态。
第三件事我想展开讲,因为它跟所有做大模型的同行都有关。
事情经过:Andrew Ho 是前 OpenAI 研究员,8 月初刚离职,8 月 8 号在 X 上发了一篇长文,核心论点就一句话——前沿 AI 实验室赚的钱,可能撑不到 AGI 到来。他给的数据很扎心:2025 年 OpenAI 实现约 130 亿美元收入,但总成本费用 340 亿美元,经营亏损超 200 亿,每赚 1 美元就要支出 2.6 美元。这种"惩罚性循环"会一直持续下去,因为训练下一代模型需要更多芯片、电力、数据和人才,而能力领先保质期只有几个月。
Dwarkesh Patel——就是那个做了几年 AI 长读播客的主持人——两天后发长文反驳。他承认 Andrew 关于能力领先保质期缩短的判断没大问题,分歧在前瞻:如果 AGI 真能做到"运行在服务器上的人类"的程度,它会自己扩散,自己找工作,自己学习规则,不需要企业慢慢为它改造组织流程。Dwarkesh 的判断是:"只要模型能力仍在快速增长,领先本身就能创造巨大的商业价值;一旦真正的 AGI 出现,模型能力会以足够快的速度向前推进"。马斯克迅速评论,站队乐观派。
这是这个礼拜 AI 圈最有意思的一次公共讨论,因为我看到的不是非黑即白的争论,而是两个人在同一个事实(能力领先保质期缩短、价格快速下降)上推出了完全不同的判断:
我自己怎么看?我其实觉得两个人都对了一半。Andrew 对"领先保质期缩短"的判断没错,但他低估了一件事——成本端也在快速下降。OpenAI 7 月降价 80% 的同时,DeepSeek 同一天就跟上降价 75%,这不是因为他们在打价格战,是因为推理成本本身就降了一个数量级。再看 NVIDIA、AMD、苹果、Tesla、AWS 全都在自研推理芯片,推理成本下降的速度比训练成本下降的速度还快。从 2022 年 GPT-3.5 到现在的 AI Index 数据,推理成本已经下降了超过 280 倍——这个曲线是支撑商业模型的底层。
Dwarkesh 的乐观也有盲区——他默认 AGI 一旦出现就能"自扩散",但这里有两个隐含假设:(1) AGI 一定会出现,只是时间问题;(2) AGI 出现后不会立刻被监管约束。这两条在 2026 年的现实里都不那么稳。欧盟 AI 法 8 月 2 号已经正式执行了第一批透明度规则,中美两边的监管也在跟,AGI 即便来了,头几年也得戴着镣铐跳舞。
真正有意思的反而是评论区——有人说"大模型的商业模式还有两条出路:成本端做自研芯片压低单位智能成本,收入端做大模型具备的规模效应"。这个判断比正反双方都更接地气:不是赌 AGI 什么时候来,而是赌单位智能成本能不能在下一次跳跃之前降到能赚钱的临界点以下。
说到底,OpenAI、Anthropic、DeepSeek、月之暗面这些公司赌的不是 AGI 一定会来,而是在 AGI 真的来之前,单位智能成本能不能再降一个数量级。Andrew Ho 不愿意买这些公司的股票,本质上是不信"成本再降一个数量级"这件事会发生;Dwarkesh 信,而且乐观地认为下一次跳跃会足够大,大到能覆盖之前的烧钱。
我个人的判断是:这件事没有结论,但 Andrew Ho 的悲观假设更稳,Dwarkesh 的乐观假设更刺激。投资上,我会按悲观情形给仓位定价,但研究和工作上,我会按乐观情形去准备,因为前者只是钱的问题,后者关系到我们这一代工程师未来十年的工作内容。
把这三件事一起复盘一遍:
OpenWork 两万星,标志 AI 编程工具从"百花齐放"进入"生态整合"阶段。这跟 1990 年代末浏览器大战结束后 Web 标准大一统,是一个剧本。赢家不一定是技术最强的,而是工具链最顺手、插件生态最繁荣的那个。
MiniMax H3 三天登顶视频,标志中国在视频多模态赛道已经形成"开源底座 + 产品化矩阵"的连续体系。这个体系一旦成型,Sora 的护城河就被绕过去了——就像 2024-2025 年开源大语言模型绕过了 GPT-4 的护城河一样。
Dwarkesh 和 Andrew Ho 那场争论,标志 AI 行业从业者开始从"我能不能做出 AGI"转向"我做出 AGI 后怎么算账"。这是成熟的标志——能烧钱不算成熟,能持续烧下去还能持续活下去,才算成熟。
前两件"成熟"是工程和生态层面的,第三件"成熟"是商业层面的。三件加在一起看,我对接下来半年 AI 行业的判断是:模型层会继续卷参数卷成本,但卷不过开源;Agent 层会从 Demo 走向生产线,工具链市场会大爆发;融资节奏会变慢,但好公司反而能融到更多钱,因为投资人也需要像 Andrew Ho 那样被说服一次。
周末愉快。我是木子科技,下礼拜一的运营监测周报见。