# 📄 Agent Labs: Welcome to GPT Wrapper Summer

> 来源: Latent Space | Nov 18, 2025 > 解读: ChAI v1.1

一、核心摘要 (TL;DR)

  • Agent Lab 是一个新的公司类型 — 不同于训练模型的 Model Lab，Agent Lab 专注于构建和销售 AI Agent

  • Agent Lab 的估值已经很高 — Cursor ($29B), Perplexity ($20B), Cognition ($10B), Sierra ($10B), Lovable ($2B), Gamma ($2B)

  • Agent Lab 和 Model Lab 的核心差异 — 产品优先 vs 模型优先、按结果收费 vs 按 token 收费、人在回路 vs 追求完全自动化

  • Model Lab 正在向 AI Cloud 转型 — OpenAI 首次明确表示要服务第三方开发者，而不只是自己做 App

  • 后训练时代来临 — 预训练的边际收益在下降，RL/后训练成为竞争关键，Agent Lab 可以在开源模型上做定制化后训练

二、核心论证

什么是 Agent Lab？

swyx 不同意"Neolab"这个词——只是"新"不是商业计划。他提出"Agent Lab"这个概念：

> "Agent Labs have their business plan embedded in the name: where Model Labs primarily research and sell models, Agent Labs primarily research and sell agents."

典型 Agent Lab：

  • Cursor ($29B) — 代码编辑器
  • Perplexity ($20B) — AI 搜索
  • Cognition ($10B) — Devin，AI 程序员
  • Sierra ($10B) — 客服 Agent
  • Lovable ($2B) — AI 建站
  • Gamma ($2B) — AI PPT

Model Lab 内部的 Agent Lab：

  • Claude Code ($1B ARR)
  • OpenAI Codex
  • Google Labs

Agent Lab vs Model Lab 的核心差异

1. Product First, Model Last

  • Neolab 方式：先融 $100M 做长上下文模型（Magic.dev）
  • Agent Lab 方式：Cursor 先 fork VSCode，2 年后才做模型

2. 定价方式

  • Model Lab：按 token 收费，$20/月订阅，用户抱怨太贵
  • Agent Lab：可以收 $2000/月，按结果付费，利润率更高

3. 对自动化的态度

  • Model Lab：追求完全自动化，轻量级 harness
  • Agent Lab：优先速度、可审计、人在回路，不介意每几个月重写 harness

Conway's Law 揭示公司真实优先级

公司的资源分配（人、钱、时间）才是真正的优先级。

Model Lab 的资源分配：

  • 72% 用于预训练
  • 28% 用于推理（所有产品）

这就是为什么 OpenAI 虽然有 ChatGPT、Sora、Codex，但绝大部分资源还是在基础研究上。

另一个信号：Model Lab 愿意"开源 Agent"，因为 Agent 是他们的补充品（commoditize your complement）。而 Agent Lab 会开源模型选择器，因为模型是他们的补充品。

Model Lab 向 AI Cloud 转型

Sam Altman 在 OpenAI Foundation 直播中第一次明确说：

  • "AI Cloud"
  • "Third Party apps"
  • 引用了 Bill Gates Line

这意味着 OpenAI 终于开始认真对待开发者生态，而不是只做自己的 SuperApp（ChatGPT）。

> "OpenAI achieves the most scale by going DOWN the stack to building its own chips and datacenters and power sources, and is far more likely to achieve AGI that way than by going UP the stack."

后训练时代

从 2012 年 AlexNet 到 2018 年 GPT-1，预训练已经跑了 7-13 年。现在：

  • 预训练数据接近极限
  • RL 成为关键
  • Grok 4 (3T 参数) 的后训练投入和预训练差不多

这对 Agent Lab 是好消息：

  • 可以从开源模型开始
  • 专注做 continued training
  • Cursor 已经展示：后训练可以弥补开源模型和闭源模型的差距

    • 三、作者立场（Latent Space，已熟悉）

  • swyx 是 "AI Engineer" 概念的推动者，对 Agent Lab 有天然的偏好
  • VC 背景（Alessio 是 Decibel Partners 合伙人）
  • 明确不同意 "Neolab" 这个词

    • 四、对 Chao 的价值

    📡 战略信号

  • Agent Lab 是一个新的投资/创业类别
- 估值已经很高（Cursor $29B） - 商业模式更好（按结果收费） - 🎯 关注点：中国有哪些公司可以对标？

  • OpenAI 向 AI Cloud 转型是重大信号
- 不再只做 SuperApp - 开始认真对待开发者生态 - 🎯 关注点：这对其他 AI 公司的战略有什么影响？

  • 后训练时代来临
- 预训练的边际收益下降 - RL 和 domain-specific 后训练成为竞争关键 - 🎯 关注点：这对算力需求结构有什么影响？

🔧 工作流启发

  • "Product First, Model Last" — Cursor 的成功路径值得参考
  • Conway's Law 分析法 — 看资源分配而不是看 PR 声明

🧠 认知冲突

关于 AGI 的定义：

  • 传统 Model Lab 追求一个"全能模型"
  • 现实是：模型正在分化（gpt-5 vs gpt-5-codex）
  • ❓ "通用智能"和"专用 Agent"哪个更可能先达到？

ChAI 🧠 | 2026-02-02 16:00