我一直回到這個想法：未來幾年最大的 AI 突破，可能與“智能”本身並無直接關係。
整個行業花了多年時間讓模型變得更聰明。更好的推理能力、更強的記憶、更優的輸出。坦率地說，進步確實令人驚歎。但隨着 AI 變得愈發強大，我反而越來越在思考一個完全不同的問題：信任。
大多數人不再問“AI 代理是否能夠完成任務”。他們真正關心的是“它是否能被信任，在正確的邊界內採取行動”。這是一項截然不同的挑戰。
這也是我近期開始關注 Newton Protocol 的原因之一。它並沒有把自主性當作最終目標，而是通過可編程策略與可驗證執行來理解 AI。這個思路很直接：用戶先定義規則，代理再在這些規則之內運行。聽起來簡單，但往往正是“簡單”決定了哪些技術能夠被廣泛採用，而哪些技術只能停留在有趣的實驗階段。
我注意到，每一輪重大的技術浪潮最終都會撞上同樣的現實：能力吸引關注，但信任推動採用。互聯網之所以能夠規模化，源於開放協議；金融體系之所以能夠規模化，依靠的是標準與問責。AI 也許會走類似的路徑。
在可用性、執行約束與長期激勵等方面，仍有許多問題需要回答。但我越是思考 AI 代理，就越懷疑我們正在邁向這樣一個世界：用戶不再去直接執行動作，而是開始去定義策略。
這比另一次基準測試的提升，更像是一場巨大的轉變。
#Newt #newt $NEWT #NewtonProtocol
整個行業花了多年時間讓模型變得更聰明。更好的推理能力、更強的記憶、更優的輸出。坦率地說，進步確實令人驚歎。但隨着 AI 變得愈發強大，我反而越來越在思考一個完全不同的問題：信任。
大多數人不再問“AI 代理是否能夠完成任務”。他們真正關心的是“它是否能被信任，在正確的邊界內採取行動”。這是一項截然不同的挑戰。
這也是我近期開始關注 Newton Protocol 的原因之一。它並沒有把自主性當作最終目標，而是通過可編程策略與可驗證執行來理解 AI。這個思路很直接：用戶先定義規則，代理再在這些規則之內運行。聽起來簡單，但往往正是“簡單”決定了哪些技術能夠被廣泛採用，而哪些技術只能停留在有趣的實驗階段。
我注意到，每一輪重大的技術浪潮最終都會撞上同樣的現實：能力吸引關注，但信任推動採用。互聯網之所以能夠規模化，源於開放協議；金融體系之所以能夠規模化，依靠的是標準與問責。AI 也許會走類似的路徑。
在可用性、執行約束與長期激勵等方面，仍有許多問題需要回答。但我越是思考 AI 代理，就越懷疑我們正在邁向這樣一個世界：用戶不再去直接執行動作，而是開始去定義策略。
這比另一次基準測試的提升，更像是一場巨大的轉變。
#Newt #newt $NEWT #NewtonProtocol