摘要

过去 24 小时，AI 行业最值得关注的消息并不是某个模型刷新了 Benchmark，而是微软宣布成立 Microsoft Frontier Company，计划投入 25 亿美元帮助企业构建 AI 系统，而不是推广某一个固定模型。与此同时，Anthropic 刚刚发布 Claude Sonnet 5，OpenAI 最新关于 Codex 的研究也显示，AI Agent 正在承担越来越长、越来越复杂的知识工作。

这些事件共同说明：

企业 AI 已经从“选哪个模型”进入“如何构建 Agent 平台”的阶段。

未来真正决定竞争力的，将不再只是模型参数，而是 Agent 工作流、工具调用、安全治理、可观测性以及工程化能力。

---

---

企业 AI 的关注点正在发生变化

过去两年，企业讨论 AI 时最常见的问题通常是：

• 用 GPT 还是 Claude？
• 用闭源还是开源？
• 上下文有多长？
• 每百万 Token 多少钱？

这些问题依然重要，但已经不是核心。

7 月 2 日，微软宣布成立 Microsoft Frontier Company，投入约 25 亿美元，帮助企业根据自身业务、数据和流程选择并组合不同 AI 模型，而不是绑定单一模型提供商。微软强调，企业越来越倾向于采用混合模型策略，并希望保留对 AI 系统成果的控制权。

这释放出一个非常明确的信号：

企业真正购买的，不再只是模型，而是完整的 AI 系统能力。

---

为什么模型开始“退居二线”？

过去，大模型像数据库。

大家比的是：

• 参数规模
• 推理能力
• Benchmark
• Token 成本

而现在，大模型越来越像操作系统里的一个运行时（Runtime）。

真正的应用开始围绕它构建：

• Memory
• Planner
• Tool Calling
• Browser
• Terminal
• MCP
• Workflow
• Multi-Agent

也就是说：

用户任务
      │
      ▼
 Planner
      │
      ▼
 Memory
      │
      ▼
 Tool Calling
      │
      ▼
   LLM（Claude / GPT / Gemini / Qwen）
      │
      ▼
 结果

模型已经成为系统中的一个组件，而不是整个系统。

---

Claude Sonnet 5 再次证明了这一趋势

Anthropic 于 6 月 30 日发布 Claude Sonnet 5，官方将其定位为目前最具 Agent 能力的 Sonnet 模型，重点提升了编码、推理、工具调用和专业知识工作能力，并同步推出面向科研场景的 Claude Science。

值得注意的是，Anthropic 官方几乎不再强调传统意义上的聊天体验，而是不断强化：

• Agent
• Tool Use
• Professional Work
• Long-running Tasks

说明他们已经把 Claude 定位成：

可以持续执行任务的 Agent Runtime。

这与微软的新战略方向高度一致。

---

OpenAI 的数据同样说明了 Agent 正在改变工作方式

OpenAI 最近公开的《How agents are transforming work》研究显示，随着 Agent 能力提升，用户越来越多地把 AI 用于持续数十分钟甚至数小时的复杂任务，而不仅仅是一次性的问答。

论文中的几个趋势尤其值得关注：

• 2026 年上半年，Codex 活跃用户增长超过 5 倍；
• 多 Agent 并行工作的比例持续提升；
• 企业用户比个人用户更快采用 Agent 工作流；
• AI 正逐渐替代传统聊天式交互，承担完整的工作任务。

这意味着，AI 的价值正在从“回答问题”升级为“完成工作”。

---

对 Web 开发最大的影响是什么？

作为 Web 开发者，我们需要重新理解自己的工作。

过去：

需求
↓

写代码

↓

提交

未来：

需求

↓

Planner Agent

↓

Coding Agent

↓

Review Agent

↓

Test Agent

↓

Developer Review

↓

Merge

开发者越来越像：

Agent Orchestrator（Agent 调度者）

真正写代码的比例会下降，而更多时间会用于：

• 定义任务
• 拆解工作流
• 制定规范
• 审查结果
• 控制权限

---

为什么 AI 工程化会成为核心竞争力？

如果团队拥有：

• AGENTS.md
• OpenSpec
• Project.md
• MCP
• GitHub Actions
• Jenkins
• Swagger
• Review Rules

那么这些资产的价值会越来越高。

因为 Agent 并不了解你的业务。

真正指导它工作的，是：

• 项目规范
• 开发流程
• 工程约束
• 工具能力

未来真正重要的不再是 Prompt，而是：

Workflow。

Prompt 解决的是一句话。

Workflow 解决的是整个项目。

---

多模型时代，平台能力比模型能力更重要

微软最新战略还有一个非常重要的信息：

企业越来越希望保留 AI 系统的控制权，而不是绑定某一家模型供应商。

这意味着未来的平台应该具备：

• 可切换模型
• 多模型协同
• 模型路由
• 统一上下文
• 工具抽象
• 权限控制
• 审计日志

例如：

• 编码任务默认使用 Claude；
• 长文本分析使用 GPT；
• 本地敏感数据使用开源模型；
• 图像生成调用专用模型。

模型只是能力来源，平台负责统一调度。

---

给开发团队的五点建议

1. 不要把 AI 集成停留在聊天窗口

真正有价值的是：

Agent + Workflow。

让 AI 能完成一个完整任务，而不仅回答一个问题。

---

2. 建立统一工程规范

包括：

• AGENTS.md
• OpenSpec
• Coding Rules
• Review Rules

让 Agent 每次执行都有一致的行为约束。

---

3. 建立 MCP 能力层

不要让 Agent 只能聊天。

应该让它连接：

• GitHub
• GitLab
• Jenkins
• Swagger
• Figma
• Browser
• 数据库

真正参与研发流程。

---

4. 建立 Agent 评测体系

不要只比较模型排行榜。

应该评估：

• 是否遵守项目规范；
• 是否完成真实需求；
• 是否通过构建与测试；
• 是否修改了正确文件；
• 是否输出可审计结果。

这些指标比 Benchmark 更贴近生产环境。

---

5. 构建可替换模型的平台

不要把业务逻辑绑定到某一个模型。

建议建立统一的模型网关和调用层，让 Claude、GPT、Gemini、Qwen、开源模型都可以按场景切换。

这样既能降低成本，也能降低供应商锁定风险。

---

写在最后

过去几年，AI 的竞争主要发生在模型实验室之间。

未来几年，竞争将更多发生在企业内部。

真正拉开差距的，不是：

谁拥有最强模型。

而是：

谁拥有最好的 Agent 平台。

微软最新成立 Frontier Company、Anthropic 推出 Claude Sonnet 5、OpenAI 发布 Codex 工作研究，这些事件都指向同一个方向：

AI 正在从“模型时代”迈向“Agent 平台时代”。

对于开发团队来说，现在最值得投入的，不是继续研究 Prompt，而是尽快建立属于自己的 AI 工程体系：

• 标准化规范；
• Agent 工作流；
• MCP 工具层；
• 多模型调度；
• 权限与安全治理；
• 可观测、可审计的执行过程。

未来的软件工程，不只是人与代码的协作，更是人与 Agent 的协作。