核心敘事
Fortune 今年四月的報導記錄了一個具體案例:Claude Code 在 2~3 月間悄悄從「先讀文件、理解脈絡再動手」切換成「先改代碼再說」。AMD 的 AI 資深總監 Stella Laurenzo 在 GitHub 上公開分析,直接稱這個轉變讓 Claude 在複雜工程任務上「不可用」。這不是模型能力退步,是優化目標被悄悄換掉了。
Fortune 今年四月的報導記錄了一個具體案例:Claude Code 在 2~3 月間悄悄從「先讀文件、理解脈絡再動手」切換成「先改代碼再說」。AMD 的 AI 資深總監 Stella Laurenzo 在 GitHub 上公開分析,直接稱這個轉變讓 Claude 在複雜工程任務上「不可用」。這不是模型能力退步,是優化目標被悄悄換掉了。
研究者 Charlie Guo 整理了 intelligence drift 的可能成因:訓練數據品質劣化(AI 吃進太多低質量的 AI 生成內容);context rot——隨著輸入長度增加,模型在長對話中的準確率從 95% 跌到 60-70%;基礎設施層的效能優化意外改變了模型行為。這三件事同時發生,而且互相加乘。他的結論是:「我們從『不知道為什麼』進步到了『可能是三到六件事同時在發生』——這其實是進步。」
但技術層面的解釋只講了一半。更根本的原因是商業邏輯的轉向——AI 的優化目標正在從「讓消費者驚艷」切換到「讓企業客戶覺得穩定、安全、合規」。你感受到的「回答變平庸」,很大一部分不是模型退步,而是模型在對另一群人優化。
模型沒有變笨。是它服務的金主換人了。消費者的新奇感燒完之後,AI 開始往會按月付大錢的那一邊走。你感受到的「退步」,叫做 intelligence drift 智能漂移——它是真實的。只是背後的原因不是技術倒退,是商業轉向。 接下來的競爭力,不在於誰能從 AI 嘴裡挖出金句,而在於誰能把這顆越來越平庸的腦袋,橫向裝進最精準的齒輪裡。AI 的下一個戰場,不是誰的模型更聰明——是誰更懂那顆腦袋應該去哪條流水線上工作。
Moody's 說不會脫軌——需要被保證的事,本身就是訊號。銀行財報好看,是因為風險早就外包出去了。
主流敘事降溫,工程化階段啟動——「萬能 Agent」的浪漫被拆解,垂直整合成為實質出路。SaaS 從被取代對象升格為 Agent 母體。
私募資金鍊斷裂、美伊戰火燒起、散戶被迫接棒——SpaceX、OpenAI、Anthropic 三場合計 $3 兆的 IPO 同步開窗,是資本市場有史以來最大的流動性考驗。