Fieldwork 周刊 — 每周一份 AI 观察

AI 代理撞墙：当机器要替你下单，平台说不行

Fieldwork 编辑部 — Mon, 21 Sep 2026 00:00:00 GMT

当 AI 代理想替你购物，平台先关上了门

本周最具张力的一条消息来自亚马逊和 Meta 之间的一场低调冲突：亚马逊封禁了 Meta 的 Muse AI 代理，禁止它在亚马逊平台上替用户购物。亚马逊给出的理由有两层——Muse 未经通知就访问亚马逊商店，且存在抓取用户凭证等隐私安全隐患。换句话说，亚马逊不是在反对 AI 代理这个概念，而是在反对一个外部公司的 AI 代理，在没有正式授权的情况下，进入自家系统、接触自家用户的登录信息和购买行为。

这件事之所以重要，不是因为它涉及两家巨头的商业摩擦，而是因为它第一次清晰地划出了 AI 代理在实际应用中会撞到的墙。过去一年，行业讨论的重心从「AI 能不能对话」转向「AI 能不能替你做事」——订机票、查账单、下单买东西。Muse 正是这类产品的典型：它不是聊天机器人，而是一个试图代表用户完成真实操作的代理。但问题来了：当 AI 代理要替你点击「购买」时，它需要登录你的账号、读取你的支付信息、模仿你的操作行为。这些动作在人类用户身上完全合法，但当一个第三方公司的软件来做这些事，性质就变了。

TechCrunch AI 和 CNBC Tech 的报道补充了细节：Muse 的行为方式更接近于自动下载和后台访问，而非用户手动操作。Wired AI 的标题则更尖锐，直指 Muse「在监视上比在帮忙上更擅长」——这反映出一种担忧：AI 代理在「替你操作」的过程中，究竟收集了多少本不该归它拥有的数据。

接下来该看什么：不是 Meta 是否会抗议，而是其他平台会否跟进封禁。如果亚马逊设了先例，沃尔玛、苹果商店、银行 App 都可能对「外部 AI 代理」关上大门。AI 代理的真正瓶颈，可能不在模型能力，而在平台是否愿意放它们进来。

你的数据，你的权利：AI 安全的两条路线

第二条值得深究的线索，是 AI 安全正在从「等搞清楚风险再说」转向「先防着再说」。联合国科学小组发布首份 AI 评估报告，明确呼吁各国在科学界彻底弄清风险之前就实施防范措施——也就是所谓「预防原则」。报告特别提到 OpenAI 年初遭黑客攻击的事件，把它当作 AI 系统已经被实际威胁的例证。这意味着，AI 安全不再是学术讨论，而是被正式推上全球议程。

这条线不只是联合国一家的动作。同一周，中美正探讨建立 AI 安全威胁通报机制，框架名为 US China AI Dialogue——当 AI 危及国家安全时，两国互相提醒。Scott Bessent 称提升透明度很重要，但出口管制未纳入讨论。特朗普与习近平即将在白宫举行峰会，AI 安全列入议程，且与芯片出口管制谈判交织。北京寻求放宽技术限制，美国则担心监管会拖慢自身、被中国超越。

对普通用户而言，这两条线分别指向你关心的第二件事——公司拿你的数据做什么。预防原则意味着，未来监管可能要求 AI 公司在数据使用上更透明、更保守。国家层面的安全通报机制看似远离个人，但它的潜台词是：各国政府已经开始把 AI 视为可能造成大规模危害的技术，而不只是方便工具。接下来该看联合国报告能否催生具体国家的立法动作，以及中美通报机制是否真的落地——还是只停留在对话层面。

本周还在发生什么

Google 发布 Gemini 3.8 Live 语音模型，支持实时视觉输入和后台任务执行，用户可通过 Gemini App 和 Google Workspace 使用。这是 Google 继续在「实时多模态」上推进的一步，但距离它能替你完成一整套购物流程，还隔着上节说的那堵平台之墙。

联合国联合 Google 推出 UN System Data Commons 数据平台，普通人可用自然语言搜索全球统计数据，AI 助手自动从权威来源抓取并生成图表，计划 2027 年收录 80% 的统计数据。这是少见的「AI 帮你查数据」而非「AI 替你操作」的正面案例，因为它只读不写，不碰用户凭证。

英国 Citizens Advice 呼吁能源、银行、电信等服务商停止用 AI 客服机器人，保障用户「找真人」的权利。研究指出 chatbot 延误超半数用户解决问题，270 万身处困境的人更难处理故障。这是另一种墙：用户反过来在拒绝 AI 代理。

澳大利亚 Albanese 政府考虑版权改革，拟允许 Anthropic 和 OpenAI 等公司在澳用互联网内容训练 AI。这直接关系到「你的数据被拿去训练」这件事——如果你写过博客、发过评论，这些内容在澳洲可能被合法用于训练。

最后，Google Flow 推出无代码 AI 设计工具，普通人用自然语言描述需求即可创建专属 AI 设计工具。这进一步降低了普通人使用 AI 的门槛，但同样引发疑问：你输入的描述和数据，最终归谁所有。

这一周的主线其实是同一件事的不同切面：AI 正在从「回答问题」走向「替你行动」，而无论平台、政府还是用户，都还在摸索该在哪画线。

本期来源

算力账单开始反向决定产品路线

贝洛 — Thu, 17 Sep 2026 00:00:00 GMT

几家公司的季度电话会里，「推理成本」第一次被单独拿出来讲。这件事的意义不在于数字，而在于它进了被公开追问的清单。

一旦某项成本需要向投资人解释，它就会开始反向塑造产品：哪些功能默认开启、哪些留给付费档、哪些干脆砍掉。

三个可观察的信号

免费档的功能开始「静默降级」——不是砍掉，而是把默认模型换小；
「思考时间」被做成了可控参数，因为它直接对应账单；
一些演示效果很好但调用链很长的功能，悄悄下线了。

真正的分水岭不是谁更便宜，而是谁能把成本结构讲清楚。讲不清楚的那个，路线会被账单牵着走。

把上下文窗口写进价目表

一家厂商这周把定价页改了：不再按「输入 / 输出」两栏，而是按上下文长度分档，短上下文的单价明显更低。

表面上是涨价，实际是在告诉用户别把所有东西都塞进去。

长上下文的成本结构和短上下文不同，之前统一计价等于让短任务补贴长任务。分档之后，选择「只放进相关的部分」第一次有了明确的经济动机。

值得留意的是这对产品设计的影响：RAG、摘要、检索这些「少放一点」的技术，重新变得划算。过去一两年大家把它们当成效果妥协，现在它们同时是成本优化。

新模型不再比参数，开始比「什么时候不说话」

这一周有三家发布了新模型，发布会上的关键词却出奇一致：不是更聪明，而是更少的干预。参数规模、跑分榜单都退到了第二屏，第一屏讲的是「它什么时候不说话」。

从能力上限到行为下限

过去两年的发布逻辑是加能力：更长的上下文、更多的模态、更高的榜单分数。这套逻辑的问题是，用户很快会发现能力上限不决定体验，行为下限才决定体验——模型在不确定的时候会不会硬答，在无关的时候会不会插话。

这周的三个发布都在这条线上做文章：

一家把「主动澄清」变成了默认行为：信息不足时先问一句，而不是先猜一个答案；
一家把工具调用的门槛提高，宁可少调一次，也不要调错一次；
一家干脆在评测集里加了「不该回答的问题」，把沉默当作可量化的能力。

把「不做什么」写进评测集，意味着它变成了可比较的指标。

—— 本期的观察

这对使用者意味着什么

直观的变化是交互变慢了：会多一次确认、多一句追问。对习惯了一步到位的人来说，这是退步。

但对真正在做事的人来说，返工的成本远高于确认的成本。一个会问清楚的模型，可以放心交给它更长的任务链。

// 能力上限与行为下限是两条不同的曲线
type Release = { capability: number; restraint: number };

// 榜单只反映前一条，体验由后一条决定
const usable = (r: Release) => r.capability > 7 && r.restraint > 6;

接下来盯什么

「会问问题」很容易被做成新的表演：每件事都追问一遍，用户会立刻厌烦。真正的分水岭是澄清的准确率——它能不能只在真正需要的时候问。

下一期我们会盯一下这些模型的澄清率数据，看它是被调优出来的，还是被规则硬编码的。

小模型的第二春

倪娅 — Thu, 10 Sep 2026 00:00:00 GMT

今年上半年，小模型还常常被当作「够用就好」的妥协选项。这周几份端侧推理的数据出来，情况有点不一样了。

驱动变化的不是模型变小，而是每瓦性能改善：同样的功耗能跑更大的模型，或者同样的模型跑得更省电。

直接的后果是一些被放弃的功能重新可行——实时字幕、离线摘要、常驻的个人助手。这些功能的共同点是对延迟和隐私敏感，而对能力上限要求不高，正好落在小模型的甜区。

值得警惕的是另一面：当端侧能跑，团队就容易把模型塞进每个功能。这和云端时代的老毛病是同一个。

一篇论文解释了长上下文为什么仍然会「忘事」

这周读到一篇论文，它把「长上下文模型为什么还是找不到中间那段话」拆解得相当干净。结论不新，但论证过程值得记一笔。

容量不等于可及性

论文的核心观察是：上下文窗口是一种容量指标，而任务需要的是可及性。把一本书放进窗口，和让模型在需要的时候找到其中一页，是两件事。

作者构造了一个受控实验：把关键信息放在不同深度，观察召回率。

放在开头和结尾，召回率稳定；
放在中段，随深度增加明显下滑；
窗口再放大，中段的衰减依然存在。

加长窗口没有解决「中间那一段」，只是把中间变得更长了。

他们给出的解释

论文把它归因于注意力在长序列上的分配：位置靠后的内容在生成时有更近的位置先验，中段内容既不够近、也不够醒目。

这个解释的实践含义比较直接：别指望窗口替你组织信息。 该做检索的还是要做检索，该给结构提示的还是要给。

我的保留意见

实验用的是合成任务，真实文档有标题、段落、格式，这些结构线索本身就能缓解中段衰减。所以结论更适合读成「不要因为窗口大就放弃组织结构」，而不是「长上下文没用」。

创刊号：为什么再做一份 AI 周刊

Fieldwork 编辑部 — Thu, 03 Sep 2026 00:00:00 GMT

AI 领域不缺消息，缺的是把消息连成线的耐心。每天几十条更新，单看每条都有道理，合在一起却看不出方向。

这份周刊想做的是后者：每周挑出真正改变了什么的那几条，说清楚它们之间的关系。

我们选什么

不是最大声的那条，而是改变了后续选择的那条。一个模型发布本身不是新闻，它让某种做法第一次变得划算，才是。

我们不做什么

不做发布会的转述，官方博客写得更准；
不做跑分汇总，榜单的时效比周刊还短；
不追「震惊体」，这类标题通常意味着作者没想清楚。

每期长什么样

一期通常由一篇主文和若干条短讯组成。主文只讲一件事，讲透；短讯只讲「发生了什么、为什么值得知道」。

有些周只有一篇主文，那也没关系——凑数是这份周刊最不想做的事。

一周的动静看完整，比每天看很多条更有用。

下一期开始，我们进入正题。