今年四月，甲骨文公司裁掉了全球3万名员工，占其总人力的五分之一
。这家云平台巨头的赌注很明确：AI能够顶上这些岗位，而系统不会崩溃
。 在与虎嗅互换时，Raphael 刚实现一场跨时区的会议
。由于持久客居国表，他的中文表白不算流畅，语速很慢，表白的速度跟不上思虑的速度
。 2022年ChatGPT尚未问世,他已在亚马逊内部推动智能体(Agent)研发
。如今他创办的OpenAgents只有7名员工,但指标是让这个幼团队带着上百个AI协同工作
。他的判断是:随着大模型推理速度指数级飙升,人类不仅会失去执行层的主导权,甚至会沦为阻塞出产链条的“效能瓶颈”
。 带着这样的预判，Raphael 脱离亚马逊创办了 OpenAgents
。他的草创团队目前仅有7名员工，但他们的近期指标是：让这几个员工带着上百个 AI 一路工作
。他们致力于为多智能体提供一个互订互换、合作互动的底层场所，打造一个专属于 AI 的“数字城国”
。 彼时，Raphael Shu和他在AWS的团队做了一个尝试：把其时最好的大模型接进来,让它一壁和人对话、一壁写代码
。他们连了一个Dropbox，让模型先自己读文档学会怎么用Dropbox，而后通知它“助我把所有TXT文件沉定名成MD”——它就自己写代码，把这事办了
。这成了智能体合作的雏形
。 在大型科技公司的官僚系统中，最具颠覆性的创新往往首先被视为某种蹩脚的微调
。Raphael在公司推“Agent”，各人一看demo，第一反映就是“这也就是更聪明的RPA（流程自动化）”，但是“RPA汗青上都没几多用户，这能有什么用”
。但倒剽项技术雏形被呈递给高管时，得到的淡薄回应：“这不就是更聪明的RPA（机械人流程自动化）吗？” 直到2023年3月，OpenAI推出了ChatGPT Plugin
。决策者们豁然开朗，垂危开会，迅速拨给 Raphael 10幼我和一大笔数据标注预算（他们还在印度雇佣了大量标注工程师），要求他以最急剧度将 Agent 能力训练到亚马逊自研的大模型中
。 刚出来创业时，Raphael Shu回了趟中国，他险些把国内排名前 20 的头部投资机构聊了个遍
。但他发现，其时国内投资人对 Agent 的认知，险些全数停顿在“Langchain 思想”里
。“ 在 Raphael 看来，Langchain 用一种极具“误导性”的方式界说了 Agent——它将 Agent 矮化为了一个固定的“工作流（Workflow）”
。这导致当你在聊 Agent 时，各人脑子里想的依然是画流程图
。当 Raphael 试图向他们推销“多智能体合作”时，投资人以为的只是“多个工作流之间若何串联”
。 但这二者有着性质的区别：工作流是枯燥的“流水线”，高低游按部就班，一步犯错全盘崩溃；而多智能体合作则是“人类团队开会”，分歧的 AI 表演分歧的角色，它们能够自主对话、动态分工，甚至相互纠错
。 2026年，OpenClaw出现，很多人才起头接受了多智能体合作的概想，但Raphael早就料到了这个趋向
。随后，另一个比OpenClaw距离真正的AI员工更近的利用Hermes出现
。 Raphael以为，OpenClaw能火，是由于打了两个关键概想：一是“打造属于你自己的agent”，把AI从工具造成了工具人；二是它极其聪明地将交互界面搬到了 Telegram 上，让用户像给真人发微信一样，给 AI 派发工作、接管汇报
。这让很多不懂技术的 CEO 和律师也能瞬间 Get 到它的价值
。随后，距离真正的“AI 员工”更近的开源项目 Hermes 也应运而生
。 但 Raphael 敏感地指出，OpenClaw 并非没有价值，它的致命伤在于“极低的通明度”
。由于用户齐全看不到 Agent 在沙盒里具体执行了什么操作，这导致它极难被利用于软件开发这类必要过程全通明的场景
。 这揭示了一个有趣的 PMF（产品市场符合度）错位：OpenClaw 最终圈粉的，其实是与开发者齐全反向的那批人——由于开发者必要掌控感和通明度，而很多非技术用户底子不在乎黑盒里的过程，他们只有了局
。 “若是各人都在打一场篮球赛，OpenClaw 想做的是场上最好的篮球选手，而我们想做的，是提供最好的篮球场
。” Raphael 这样形容 OpenAgents 的定位，OpenAgents打造一个盛开平台，允许用户接入形形色色的 Agent，甚至自界说 Agent
。 但这块“篮球场”的搭建并非饱经风霜
。去年，Raphael 团队的主题精力放在了打造一款面向开发者的底层工具上——通过 Python 构建一个网络，让基于 Langchain 或 AutoGen 开发的 Agent 能在其中相互通讯与合作
。 然而，当他们进行一场几百人规模的黑客松，却发现真正能使用工具跑通项主张人远低于预期时，Raphael 发现问题既不在宣发，也不在于教育成本，而是伪需要与高门槛：开发者必须先费劲做出单个有效的 Agent，而后能力去索求多个 Agent 之间的合作
。具备这种复合能力和强烈合作需要的开发者，切实太少了
。 认清现实后，团队在今年进行了一次大刀阔斧的转型，决定做一款“Customer Zero Product”（零号客户产品）
。这源于 Raphael 的一个对峙：“若是一个产品我们自己团队都不愿意每天用，那我甘心不做
。” 这一思路直接催生了景象级产品 Open Agents Workspace
。它彻底抛弃了复杂的代码，造成了一个有 UI 界面、支持 MacOS、Windows 和 Linux 的零代码工作区
。用户只需装置软件，像平时用电脑一样点几下鼠标，就能配置好 Agent 并接入工作区，全程不必要写一行代码
。 Workspace 上线后的火爆水平超出了所有人的意料
。陆续三天，服务器被澎湃的流量挤爆，GitHub几天内暴涨了 1600 多颗星
。Workspace迅速黏住了一批每天高频使用的铁杆用户，他们甚至比官方还焦急
。系统一出问题，这些具备技术能力的用户直接在 GitHub 上提 Issue、提 PR，顺手就助官方把 Bug 建了
。甚侄裣碍作方直接出了一名工程师，无偿助他们开发出了MacOS和手机端的APP
。 目前，OpenAgents 在国内已堆集了七八千名开发者用户，海表也有五六百人的主题圈层
。在新加坡的一场国际学术会议 Workshop 上，更是吸引了 560 人付费报名
。但这距离 Raphael 的指标还很远，他想要的不仅是规模大，更是一个能影响整个 Agent 经济走向的“超等社区”
。 他但愿这个社区里有首创人、大厂产品经理、学术界钻研员，各人在一个盛开环境里共同探求一个终极命题：当经济的主体从人造成 AI 时，世界会产生什么？ 同时，他也定下了一个巨大指标：社区里孵化出 10 万个“Agent Master（智能体大家）”
。你不用是懂代码的开发者，只有你占有并纯熟指挥你自己的 Agent，你就是这个新经济生态的一部门
。 Raphael 泄漏，他们目前在与一家合作公司进行一项名为“Shadow Mode（影子模式）”的激进尝试
。具体做法是：雇佣一名真人为程师或在线销售，让其在一个特定的仿照器上正常工作 40 幼时
。在此期间，AI 像影子一样在后盾全程静默观察，纪录下这幼我的所有操作逻辑、行为模式，甚至蕴含他措辞的语气和脾气
。40幼时后，AI 将全面收受这个仿照器，用齐全一样的“人类表壳”去自动化实现后续的所有工作
。 在 Raphael 看来，OpenAgents 性质上是一家极度典型的 B2B 创业公司
。其贸易飞轮极度清澈：开源项目掌管成立行业影响力和引流，企业端服务（如影子模式）掌管创造现金流
。 “在这个时期，Idea 自身没有那么值钱
。” 经历了大厂的洗礼和创业的摸爬滚打，Raphael 对 AI 红海有着复苏的认知，真正难的是，在每天都有新器材冒出来、每天都有人高呼“这是 Next Big Thing”的喧哗里，你还能看明显一个自己愿意持久做下去的方向，并且对峙足够久
。而这件事自身，就会成为的壁垒
。 如今的 OpenAgents 维持着极致的精简：整个团队仅有7人，3名开发、1名 AI 工程师以及3名市场人员
。这刚好是 Raphael 梦想中未来企业的切片：维持 8 到 12 人的极幼人类团队规模，但背后却带着 100 个 AI Agents 在“数字领地”里开疆拓土
。 这种预演，已经在巨头体内悄然产生
。在我们对话的前几周，甲骨文（Oracle）启动了一场波及全球 3 万人的大裁员，裁员比例高达惊人的 18%-20%
。 这件事给了 Raphael 极大的震撼
。在他看来，云平台分歧于通常的软件公司——Photoshop 的代码写错了，顶多是滤镜难看；但云平台的底层代码一旦犯错，面对的就是大面积的服务宕机，“Oracle 敢下如此狠手，注明他们内部肯定已经跑通了数据，证明裁掉这 20% 的人之后，靠 AI 顶上，系统绝对不会垮
。” 这会触发一场可怕的连锁反映：一旦 Oracle 的算盘买通，其他巨头们绝对坐不住
。竞争敌手通过裁员狂砍运营成本，再把省下的沉金砸向 AI，利润率和估值双双飙升——在华尔街的凝视下，谁敢不跟进？ 归根结底，这是一笔冷峻的经济账
。在美国西海岸，维持一个能独立产出的资深软件工程师，公司一年的综合成本高达 60 万到 80 万美元；而像 Claude Code 这样的 AI 工具，哪怕按最高频次满负荷拉满，一个月的成本也不外沧海一粟
。 当两者之间的成本天堑足够大时，用 AI 代替人类就不再是“偏好”的问题，而纯正是个“功夫”问题
。“我感触甚至都不必要等 3 到 5 年，快的话可能也就是 1 年左右的事
。” Raphael 预判路
。 那么，距离多智能体全面收受还有多远？Raphael 以为，在 Agent 大发作之前，行业还必要几次类似 OpenClaw 这样景象级的创新
。并且，这些引爆点极有可能诞生在“关源产品”中
。理由很单一：开源项目极难打磨出具备发作力的 C 端履历，而关源产品状态成熟，更容易在交互上实现降维进攻，从而迎来真正的破圈
。 “这就像人类汗青的演进法规一样
。” Raphael 用了一个迸作：任何沉大成就城市经历两个阶段——首先是“幼我突破”，其次是“团队突破”
。就像造原子弹，第一阶段是奥本海默这样的天才在理论上验证了造作的可能性；第二阶段，则是把顶尖大脑们聚在一个“曼哈顿打算”里，分工合作把原子弹真正造出来
。 Raphael 在耐心地期待那个时刻的来临
。对 OpenAgents 来说，眼下最沉要的事件只有一件：赶在狂欢达到热潮之前，把那座最好的“篮球场”先铺好
。 Raphael Shu：我大学毕业之后在日本待了11年，后来才来美国，所以我在国内的人脉极度弱
。不外出来之后我回国聊了极度多的人，也发现国内投资圈其实各人相互都意识，我才逐步感触这个圈子并没有设想中那么封关
。 Raphael Shu：以前任何技术，就算你给它一万条训练数据，也很难达到这种水平
。所以我们其时就以为，至少对于“能对话、能执行工作」剽类机械人来说，大模型是一个颠覆性的转折
。后来我也慢慢把这件事想分了然
。一个会话型AI，真正要解决的问题其实只有两个：第一，功可能不够全；第二，对话能不能像人一样天然
。以前好多技术最多只能把其中一个维度往前推一点点
。大模型出来之后，这两个问题同时被推到了一个新范式里
。 Raphael Shu： 2022年到2023年，我们在AWS内部去押注agent
。那段经历很像一次大公司内部创业：你看到了明确方向，但很难说服stakeholder，最后是表部环境变动，反过来推着组织来找你做这件事
。 后来我在Bedrock带团队尝试多智能体合作
。这两段经历让我形成了一个很沉要的判断：AI行业变动太快了，好多人一看到新器材出来，好比MCP出来了，或者OpenClaw出来了，就立刻想随着做一个项目，但这种跟法其实很危险
。不是说这个idea肯定错，而是你会没有足够的思虑空间
。 我此刻会更在意一件事：不是看面前这个机遇，而是去想6个月之后，行衣凤哪些器材是确定会产生的
。你若是押注的是那种更持久、更确定的变动，才有功夫打磨产品，也才有真正的runway
。 一种是现金流模式，做的是一个持久存在、能不变产生现金流的business
。另一种是IPO模式，在几年之内靠不休融资、急剧扩张，把公司推到一个极度大的量级，最后走向IPO或者被大公司高价收购
。这两种模式会直接决定你该做什么产品、不该做什么产品，甚至决定你必要什么样的co-founder、招什么样的人
。 虎嗅： 你们颁布了Workspace之后，Github上涨了1600颗星，还有好多开发者自主过来助你们守护和美满，你们做的是人和agent协同的社区，还是agent和agent协同的社区？ Raphael Shu：此刻还是一个过渡状态
。我们颁布的Workspace首先还是给人用的，所以它强调的是“多幼我+多个agent”的合作
。但更长远地看，我最看沉的其实是agent和agent之间的协同
。由于随着推理速度越来越快，人和AI在功夫尺度上会越来越不匹配，到最后，人更像是慢速工具，agent才是高速执行和高速协同的主体
。 举个很现实的例子
。如果一家公司里，每幼我未来都有自己的agent
。若是Bary是CTO，Julia是工程师，两人有时差
。Bary给Julia发了一个需要：做一个新的用户登录系统
。Julia的agent看完之后，顿时会心识到需要缺了关键信息，因而它不会等Julia醒来，而是直接去问Bary的agent：到底是持续用邮箱登录，还是改成Google登录？Bary的agent知路高低文，由于它知路Bary为什么提这个需要，因而会直接回覆：全数改成手机号登录
。这样好多信息差在agent之间就先补完了
。 Raphael Shu：对我幼我来说，runway根基是无限的，由于我同时也在给其他公司做照拂，但我不筹算一向靠这个撑着
。我的初衷就是做一个能健康产生现金流的business，不想走疯狂烧钱找接盘侠那条路
。 Raphael Shu：我但愿至少等企业端产品有10个客户在用，并且有积极的数据点之后再融资
。若是我是做ToC，我可能会做个PPT，顿时融一大笔钱，烧三个月看能不能爆
。但我们是ToB，我还是更想慢慢把cash flow（现金流）做强
。