Ringkasan tren AI kuartal II 2026: Agent berjalan terhuyung-huyung masuk ke dunia

作者：博阳，腾讯科技

去年底，多数人还在把 AI 当聊天工具，用来解答问题、写文案或者总结资料。一问一答结束，AI 的任务也就结束了。

到了 2026 年二季度，情况变了。因为 OpenClaw、Codex 和 Claude Cowork 把 AI 从对话框里拉了出来。

Agent 开始能自己读文件、跑代码、做表格、操作软件，甚至接入企业内部系统。你给它一个目标，它会自己拆解任务、调用工具，做完再来汇报。

诞生在 3 月的 OpenClaw 标志着大众对 Agent 认知的转变。以前提 Agent，大家默认是用来辅助写代码的。有了龙虾，它开始接手各种领域的工作。

过去三个月，我们看到的就是这个「新手」进入真实工作流的经历。

它成为了新的软件入口，进入了金融、法律和设计等专业场景。企业看到了它的潜力，开始大规模开展 Tokenmaxxing 运动，但钱烧了 2 两个月，这场不设上限的 AI 大跃进即告停止。因为他们发现 AI 提效的部分又被审核、判断这些瓶颈卡住了。而当大家回过头来补这些环节时，运行速度和成本的问题又显现了出来。

这份二季度报告总结的八个趋势，正是从这些现实碰撞中产生的。

从 2026 年第二季度开始，核心问题从 Agent 能不能干活，转向了如何搭建高效的 Human in Loop 体系，并有效降低 Agent 成本了。

通用 Agent 下海，成了 AI OS 的模样

Codex、Claude Code（Cowork）、Workbuddy，它们在这段时间的转型就是向「通用 Agent」的转型。

为啥说是通用？因为在 OpenAI 自己的报告里，仅仅 4-5 月这两个月，使用 Codex 的用户里，就长出了 20% 从不做编程工作的用户，成长速度是编程用户的 3 倍。Codex，原来是为了编程而生，现在为一切而生。

因为不知编程，需要 Agent。这世界上所有需要可重复流程的事儿，都得要 Agent。

而有了 Harness（运行框架）和 Skill（技能模块），Codex 真的能做这些复杂流程的事儿了。虽然不是都能做，但能做的已经不少了。

既然它们是通用的，那过去一年关于 AI 时代的入口的争论，就可以暂时告一段落了。

一个能干所有事儿的东西，自然而然就会成为一切的入口。

2025 年前后，行业曾把宝押在「AI 浏览器」上。毕竟过去二十年，浏览器就是我们上网的主流入口，干啥都得打开网页。当然 App 出现后，浏览器的作用有所下降，但依然是顶流。

而 AI 想要当入口，就得控制住这个入口，也顺着网页点按钮、填表单。

Google 做了 Project Mariner，OpenAI 做了 Operator，Perplexity 推出 Comet，后来甚至提出 345 亿美元收购 Chrome。浏览器既然装下了人的互联网生活，也该装下 Agent，当时很多人这么想。

但一年后的今天。Google 在 2026 年 5 月关闭 Mariner，把相关能力并入 Gemini Agent；Operator 也进入了更大的 ChatGPT Agent。

而另一边，Codex、Claude Code、Cowork 直接接入文件、终端、代码仓库、数据连接器和本地应用，使用量涨得更快。

这背后就是 Q1 争得火热的 GUI 是不是还需要存在的问题。图形界面（GUI）是给人看的，颜色和按钮是为了帮人理解系统，但 Agent 不需要这些。

让 Agent 去等网页加载、识别按钮模拟鼠标，纯属绕远路。命令行（CLI）和结构化数据对它来说直接得多。

顺着这个思路，GUI 仍然存在着，人得需要前端去确认、去圈选。有人参与的 loop 里 CUI 仍然是必要的，甚至是更高效的。

因此浏览器也不会消失，但它从「总入口」降级成了 Agent 工具箱里的一个工具。数据在底层跑，页面只负责把结果摆给人看，方便人去修改。

入口站稳后，大模型公司就开始杀入垂直行业。

Anthropic 在四月推出 Claude Design，让 Agent 读取品牌规范和代码库，制作设计稿、原型、演示文稿和营销材料。随后又推出按岗位拆分的金融 Agent，覆盖估值审核、总账核对、月结和 KYC，再把类似方法搬到法律领域。OpenAI 没有完全照着这条路走。它一边把金融、健康、科研和安全能力放进模型与第一方产品，一边用 Apps、MCP、AgentKit 和 Frontier 连接企业现有系统。

虽然形式不太一样，深度也不同。但背后的逻辑都是依托着通用 Agent 这个大框架。

模型公司过去进入一个行业，需要搞点数据微调，为了行业适应开发新流程，接入新接口，一个公司一个样。

但现在底层可以继续用同一套 Agent。想做金融，那就 MCP 接上通用金融数据库，再配上估值方法、合规流程这套东西 skill，每个相应的工作人员都可以用，在需要啥自己稍微添加一下就行。想做法律，就把这些替换成合同条款、法律检索这套东西。

通用 Agent 到行业 Agent，需要改的只是行业知识、数据和工作规则，运行环境都是完全可以复用。

这么一来，垂直软件的护城河也变了。有了 MCP 和 Harness，只需要买几个数据库、找几个专家做规范和引导，一个「基本可用」的垂直模型就可以有了。对大模型公司来说也是轻而易举。

剩下的，就企业自己的数据、权限和验收记录更难被复制。

比如法律修改最后有没有被对方接受，估值假设后来有没有被投委会推翻，这些用户数据会反过来教会 Agent 下次怎么做。

谁能更快、更早的留下并用上这类反馈，谁就有了先发优势。

只要大模型市场还没有推到固定领域，那你就还有先发的数据积累优势。

于是，垂直能力第一次可以批量装配。

而 Agent 接的活越来越多，它做出来的东西，人类的组织却不一定能接的住。

Tokenmaxxing，Agent 下海后撞的第一次墙

Tokenmaxxing 是整个 5 月可能最火的一个词。大公司们看到 Agent 这么好用，那给员工更多 Token、更多工具和更长的运行时间，理论上讲他们的产出就得大大翻倍。而且，不用他们怎么能会用呢，我的员工要更快适应 AI 的时代，才不会在效率上掉队。

在 FOMO 和对 Agent 能力的夸张认知之下，烧 Token 一度成了 AI 时代的努力证明。

黄仁勋公开表示，一个年薪 50 万美元的工程师，如果一年烧不到 25 万美元的 Token，老板就该担心他有没有充分使用 AI。

短短三个月，这把火就没了柴。

亚马逊的内部排行榜诱发了大量为了排名制造的无效任务，最后只能关闭。Uber 的 Claude Code 全年预算到四月就接近耗尽，而管理层却没看到 Token 消耗与有效功能增长之间存在稳定关系。

烧不动，首先是因为贵。普通问答可能只调用一次模型，Agent 干长任务却要反复读取目标、历史状态、工具结果和错误信息。

复杂任务的 Token 消耗可以达到普通问答的几十倍乃至上千倍。

哈工大五月底提出「有效反馈算力」，专门计算花出去的算力里，有多少信息真的影响了下一步。在复杂任务中，这个比例低到约 10%。剩下 90%的 Token 大多消耗在重读、试错和无效往返上。

钱还不是最麻烦的地方。即使 Agent 把 Token 全烧对了，你做出来的东西也不一定能最终到交付这步。

代码写完了，要审核、测试、集成和发布。分析报告生成了，要核对来源，判断结论。设计稿还得过品牌、业务和客户那一关。自动化流程一旦出错，也要有人解释、回滚、担责。

MIT 一项覆盖十万多名 GitHub 开发者的研究发现，自主编程 Agent 能让代码提交量增加 120%。但这些代码到立项环节已经缩水到 50%，而能真正发布上线的版本只剩下 30%。

好比一家餐厅突然把切菜速度提高了三倍，炒菜、装盘、上菜和顾客需求却没有变化。后厨堆满了切好的菜，餐厅一天还是卖那么多桌。

在经济学上，有个理论叫替代理论，即流程的效率将由不可由自动化替代的部分决定。AI 把生成速度拉得很高，但 review 的速度很慢，Agent 的提效在系统上被卡了脖子。

重复生产又烧掉了另一部分 Token。因为生成一个 Skill、模块或应用的速度大为提高，又缺乏有效的同步机制，人们不知道有哪些已有成果，往往回去重写。南洋理工分析了市场上两万多个 Skill，其中约四分之三高度雷同，去重后只剩五千多个。

Agent 提交的代码修复也经常因为「别人已经解决过」而被拒绝。Token 消耗上去了，但留下的是一堆重复轮子。

需求也没有随供给一起增长。AI 可以迅速增加应用、内容和代码的数量，用户的时间和付费意愿却不会同步变多。写一个 App 越来越容易，找到持续存在、有人愿意付钱的需求依然很难。对应用市场的研究就表明，App 数量在 AI 之后激增 40%，但下载量毫无变化。

Token 造不出本来不存在的市场。

轰轰烈烈的 Tokenmaxxing 失败了，但点明了两处瓶颈。一处在技术，Agent 无效花费甚巨，速度和成本都压不下来。另一处是组织，复核、判断、协调和担责的组织没建立起来，生产端的提效无法被吸收，成功也没有有效被使用。

接下来一个季度最受关注的技术变化，就在补足这些方向。

用 Agent，替代还在 Loop 里的人

一个 Agent 做的太慢，那就让一堆一起做。一个 Agent 做完，没人检查，那就派另一个 Agent 上。

让多个 Agent 分工、交叉审查、互相补漏，把原来压在人身上的一部分工作搬进系统。

这就催生了 2026 年的 Multi-Agent（多智能体）热潮。

目前 Multi Agent 最稳妥的模式是「编排者—执行者」模式。即主 Agent 把任务拆碎，分给底下一堆子 Agent 并行干，最后再收回来汇总。

比如 Claude Research 会派多个研究 Agent 分头搜索，再由主研究员汇总，引用 Agent 负责核对出处。Kimi Agent Swarm 走得更远，可以让数百个子 Agent 并行处理视频、代码和搜索任务。

碰到适合并行的工作（比如批量处理视频或代码），这招很管用，能极大缩短等待时间，也能让并行的子任务做的更深入。Kimi 的报告称，一些任务的延迟最多降低 4.5 倍。Claude Research 在需要广泛搜索的问题上也取得过明显提升。

不过，这种模式下多 Agent 的提升常常来自额外计算，并非合作本身。Anthropic 披露，多 Agent 研究系统消耗的 Token 可以达到普通 Agent 的四倍。部分评测中，Token 使用量解释了大多数性能差异。

现在的 Multi-Agent 更像一个项目经理指挥几组互不来往的外包团队。它能把工作摊开同时做，但还没有形成群体智能。

在各种研究中，一旦拿掉那个中心的「包工头」，让 Agent 们自己商量，人类团队的毛病全出来了。有的跟着多数意见走，有的觉得「别人会干」自己就偷懒。

测试证明，几个 Agent 凑在一起，准确率反而不如一个拥有完整信息的单体 Agent。

这本质上是因为模型的训练过程里就没有合作这么个课题。把一群习惯了单打独斗的模型关进一个屋子，组织协作能力不会凭空出现。

协作是另一种游戏。我的行动会改变你的处境，你的判断也会改变我的选择。

因此，多 Agent 接下来要补的是制度。任务怎么分，信息怎样共享，错误算谁的，奖励如何沿工作链回流，长期表现差的 Agent 会不会被淘汰，这些都需要设计。

另一条走得更远的路是「自进化 AI」，也就是 RSI。

Anthropic 在 6 月的报告中提到了这个概念。他们让模型持续优化一段用于训练小模型的代码。结果由于模型能力的提升，从 Claude 3 到 Mythos，优化水平就从约三倍加速一路做到五十多倍。

其核心理念和人类实验也是一样，分五步，即找问题、想办法、搭环境和数据、验证结果、保留有效改动，然后再跑一轮。

Minimax 等公司已经把这些自动化流程做进了后训练，让它能够完整的自动化。

目标和评分标准只要足够清晰，比如「把这段代码的运行速度优化五十倍」，Agent 就能自己找问题、改代码、跑测试，把有用的改动留下来，循环往复。

这种活儿它做得比人好，又快又不知疲倦。

但它依然不知道该往哪走。「哪条研究路线有价值」「这个指标是不是在骗人」，这种需要在非常大的搜索空间中进行判断的，我们称之为「品味」的情况下，Agent 仍然做的很糟糕。

Anthropic 的实验中，在这种复杂方向决策过程里人类已经犯错的场景下，模型也只有 20%的几率比人做的好。如果人本身做的好的话，模型就更没竞争力了。

另一个在 6 月爆火的概念，Loop Engineering 把这种循环做成长期运行的工程。Agent 不再等人按一下才动一下，它会自己找任务、执行、验证、记录反馈，再决定下一轮做什么。

上面说的是技术账，Agent 还有一笔经济账得算。

算不过来的经济账

过去几年，AI 算力的主角一直是 GPU。训练大模型需要持续完成规模巨大的矩阵计算，GPU 正好擅长这种工作。CPU 负责启动程序和准备数据，存在感很低。

但 Agent 的工作方式不一样。它不是一锤子买卖，而是在推理、调工具、等结果之间来回切换。大量时间其实花在了模型计算之外：调浏览器、管文件、处理超时。只要中间一堵，昂贵的 GPU 就只能干等着。

2025 年底的论文《A CPU-Centric Perspective on Agentic AI》测量了五类 Agent，工具处理最多占到完整任务延迟的 90.6%，CPU 动态能耗最高占系统动态能耗的 44%。联合调整 CPU 与 GPU 的任务安排后，部分负载的中位延迟改善了两倍以上。

CPU 因而重新回到算力系统的中心。GPU 继续推理，而 CPU 维持并发环境、管理任务队列和工具调用，KV 和内存保存每个 Agent 的沙箱、日志与中间结果，而网络负责在芯片和服务器之间送数据。中间任何一处拥堵，昂贵的 GPU 都只能等着。

资本市场已经开始给这种变化定价。AMD 2026 年第一季度数据中心业务收入约 5.8 十亿美元，同比增长 57%，服务器 CPU 收入增幅超过 50%。公司把 2030 年服务器 CPU 市场规模预测翻倍到 120 十亿美元，给出的理由就包括 Agent 带来的调度、数据移动和执行需求。

速度之外，模型价格也开始分层。2026 年第二季度，最便宜的主流模型，百万输入 Token 已经降到几美分；最昂贵的前沿模型则达到几十美元。

两年前高低价差约 30 倍，如今已经拉到约 600 倍。

低价模型拿走越来越多的 Token 流量，高端模型继续拿关键任务和主要收入。大量步骤用不上最强模型，像读取仓库、分类、抽取、整理日志，便宜模型就足够了。只有复杂重构、安全审计、法律判断和失败后的关键决策，才值得花高价。

但现在的模型价格并不自动分层。ChatGPT 已经有了智能路由，根据任务难度分配模型，但效果不佳，大家都不太用。但 6 月份，Sakana 推出的 Fugu 效果却非常好，因为它不再是用模型去判断，而是单独训练一个 Agent 做路由工作。它会先理解任务，动态搭建工作脚手架，再调用不同价格、不同能力的模型组成临时团队。最贵的模型只处理关键步骤，其他工作交给便宜模型。

结果只用一半的钱，就能做到最佳模型的效果。

编程可能最先跑通这套办法，因为它有现成的反馈。仓库、代码差异、测试、Lint、CI 和日志都能告诉路由系统，上一次分配是否有效。

低价模型读代码、生成测试，中档模型做常规修改，强模型处理核心重构和安全复核，最后交给工具验收。

而未来，Codex、Claude Code 一类产品肯定也会有类似的自动分类产生，它们会越来越像管理模型团队的工程组织。它们拿着预算安排不同模型干活，而不再从头到尾依赖同一个模型。

但问题并没有结束。随着 Agent 的渗透，工作、安全、信息和人的思考也在被改变着，而且不一定是向好的方向变化。

正在收缩的现实

Agent 带来的负面影响，以前多半停留在推演里。

但到了 2026 年第二季度，一些变化已经落到真实岗位和产品上。

最先受影响的是工作。

AI 对就业的冲击未必先表现为宏观失业率突然上升。岗位入口、日常任务和企业预算会先变。客服、支持、工单、内部问答、基础运营，以及部分数据分析、运维和项目管理工作，已经开始被 Agent 吸收。

还有些岗位并没有被 Agent 直接替掉，却被 AI 的账单挤掉了。GPU、数据中心和模型团队需要巨额投入，企业只能从其他预算里找钱。另一些员工会被调去管理 Agent、工作流和更复杂的决策，岗位名称可能没消失，工作内容已经换了。

初级岗位受的影响尤其大。查资料、做总结、写基础代码、整理客户信息，最容易交给 Agent，也恰好是新人熟悉行业的训练。人通过这些活理解业务、代码库、客户和组织里的判断标准。

2026 年 5 月的论文《Generative AI and the Reorganization of Labor Demand》分析招聘广告后发现，2023 年以来，容易被 AI 插手的工作内容占比下降了约一成。约一半变化来自企业减少这类岗位，四成来自企业改写原有岗位，把任务换成更难被 AI 接管的部分。

企业想招「更成熟的初级员工」，同时又拿走了让人成熟的初级任务。

而职业入口会越收越窄，这种变化可能比一次大裁员更持久。

岗位之后，安全问题也从论文走进了产品发布。

Anthropic 的 Mythos 展现出很强的网络安全能力，可以发现并验证高严重性漏洞。公司不敢把它当普通模型开放。加上护栏后的 Falbe 5，研究者和开发者又抱怨限制过重。

OpenAI 的前沿模型也开始采取有限开放。

开放过多，会降低网络攻击、生物风险等危险能力的门槛。限制过多，正常研究和产品价值会受损。谁能使用最强模型、哪些机构算「可信伙伴」，现在还受到政府和地缘政治影响。

模型公司除了把能力做强，还得证明自己能把它安全地放出来。

安全开始卡住最前沿的模型。

互联网也在产生新的信息循环。

AI 生成内容没有无限吞没整个互联网，AI 搜索里的污染却在加深。Graphite 的分析显示，从 24 年初到 26 年初，AI 生成内容占互联网内容的比例一直稳定在 48%-50% 之间。但 ChatGPT 引用来源中，被判断为 AI 生成的比例在半年内从 38.9% 升到 42.7%。

模型过去说过的话，绕了一圈，变成了下一次回答的证据。

进一步，当 SEO 和 GEO 能利用这种偏好时，搜索系统很容易变成机器引用机器的回音室。

到那时，有人去过现场、采访过当事人、编辑过内容并愿意署名负责的材料，反而会更稀缺。

除去这些社会层面的影响，Agent 还会让个体的人「认知缴械」。

一个问题刚冒出来，我们还没想，手已经伸向 ChatGPT。观点还没成形，AI 已经把提纲列好了。

犹豫、试错、怀疑和查证被一段顺滑的答案折叠掉，人也跳过了形成判断的过程。

宾夕法尼亚大学沃顿商学院让 1372 名参与者完成近一万次推理任务。只要允许使用 AI，参与者在超过一半的题目中会主动求助。即使 AI 给出错误答案，仍有约八成的人选择相信它。

Anthropic 关于程序员学习的研究也发现，AI 辅助组完成陌生任务更快，后续闭卷测验的表现却平均低了 17%。任务交出去了，能力没有留下来。

文章由你提交，代码挂在你的名字下面，方案也要由你汇报。责任是你的，生成这些东西的思考过程却越来越少由你完成。

泰勒制把工人变成生产线上的手，AI 可能把人变成认知生产线上的盖章点。

所以，未来的 AI，可能需要在有些环节故意留一点摩擦。

高风险操作前让人解释和确认，给出结论前先让人写下自己的判断，展示反面证据，而不是什么都替人做完。

这样会慢一点，但能留下思考和学习的位置。

尾声

2026 年第二季度的八个趋势，连起来看是一段连续的故事。

通用 Agent 夺走软件入口，前沿模型公司借它进入垂直行业。Tokenmaxxing 很快撞墙，暴露出人的复核速度和系统成本。

Multi-Agent 与自进化 AI 开始接手复核和迭代，CPU、内存、网络与模型路由则让 Agent 跑得更快、更便宜。等这些问题有了办法，就业、安全、信息污染和认知缴械开始浮到台面上。

企业接下来要积累的，也不该只是 Token 用量。每一次执行都应留下可复用的工作流、评测、权限、组织记忆和结果反馈。

否则预算花完，除了账单什么都没留下。

而个人没必要和 AI 比生成速度。

机器可以快速给出答案，人还得判断题目值不值得做、答案会带来什么后果，并且为它负责。