当Agent开始构建世界，这条赛道的价值仍然在被低估

当Agent开始构建世界，行业的第一反应往往是看它又能写多少代码、生成多长的视频、替用户省下多少分钟。但如果把视线从演示画面移开，会发现更值得定价的东西正在出现：Agent能否维持一个世界的状态，能否打通邮箱、日历、支付、购物、出行这些彼此割裂的入口，能否理解工厂、园区、商场里那些不成文的业务规则。这条赛道的价值仍然在被低估，原因恰恰是它不再像一个单点产品，而更像一套需要长期铺设的基础设施。

Project Eden把“世界状态”交给Coding Agent

Zion刚加入Project Eden项目组时，市面上主流的世界模型方案还是由Genie 3所引领的交互式视频实时生成路线。团队很快意识到，基于纯键鼠Action的输入方式，很难做出用户愿意持续玩、真正有商业价值的内容；更关键的是，动作条件视频模型固然能生成影视级画面，但底层状态却难以维持。换句话说，画面可以很惊艳，世界却未必“记得住”自己发生过什么。

Project Eden选择了一条更重的路：把交互范式拆成两层。上游由Coding Agent和交互引擎维护世界的状态和规则，下游再由实时视频生成模型渲染出高保真的视觉呈现。这个分层听起来并不炫目，却直接指向Agent构建世界的核心难题——视觉生成只是表层，状态维护、规则执行和持续交互才是底层发动机。

作为吃螃蟹的人，研究困难可想而知。彼时可参考的成熟开源代码并不多，团队试验了多个版本的配置，花了近半年时间才把效果跑通。2026年6月，Project Eden一经发布便引发国内外关注，Nataniel Ruiz（谷歌DeepMind研究员）、Matt Workman（fal创意技术专家）等科技圈KOL纷纷转发。Ronnie参与研发的模型也已经被Agent接入创作工作流。从当年一个尚未被行业广泛认可的技术判断，到如今成为越来越多开发者可以使用的工具，他亲历了一条非共识路线逐渐走向现实的过程。

这条路线被低估的地方在于，它不像一次模型榜单刷新那样容易传播。它需要同时处理状态、规则、渲染和交互，短期看是工程苦活，长期看却是在为“Agent构建世界”打地基。

南极科考队的比喻落到招聘桌上

R在复盘这段经历时，用南极科考队作比喻：在冰天雪地里，队员首先要考虑的是如何完成任务，没有人会一直争论谁是一号位。对应到VAST，团队并不特别在意一个人过去来自什么平台，也不会单纯依靠论文数量和学历证书筛选人才。更重要的是，他有没有破冰的勇气，面对一个从未解决过的问题，能不能基于对技术本质的判断，大胆提出自己的想法并付诸实践。

这套标准听起来理想主义，放在Agent构建世界的早期阶段却相当现实。因为这条赛道还没有标准答案，很多问题不是“把已有模块拼起来”，而是要先判断哪条路值得走。在R看来，对于真正有能力的研究者，平台背书并没有那么重要：“你的价值，取决于对问题本质的思考深度与研究品味；当你获得探索的机会，这份价值最终将体现在产出中。”

在VAST，每个人都有机会深入参与项目的关键环节，亲自推动一项研究从想法走向结果。相比于身处庞大组织、成为某个项目的参与者，这种高度的参与感，也让年轻研究者更有机会建立自己的技术影响力。校招那年，Ronnie也曾问过自己：以后还能不能找到更好的机会去创业？“我很难想象自己在大厂工作三四年以后，再出来创业。”他给自己的答案是：“反正是第一份工作，也没什么好失去的。既然有这个可能性，不如趁年轻试一试。”

这段细节解释了一个常被忽略的事实：当Agent开始构建世界，最先被低估的往往不是市场空间，而是组织方式。能不能让研究者靠近关键问题、承担真实结果，决定了这条赛道能否持续产出非共识突破。R最后也为自己的这趟“南极之行”留下了一句颇有意味的评价：“虽然但是，感觉南极也没那么冷。”未知的地方当然不会一直寒冷，有人先走进去，有人搭起梯子，后来者才有机会沿着这条路继续向前。

个人Agent拼的是能打开多少扇门

如果说Project Eden代表Agent在虚拟世界里维护状态，那么个人Agent则代表它在数字生活里争夺入口。阿里千问可能延续“通用订阅+场景增值”的双轨模式：基础事务处理能力纳入会员订阅覆盖成本，购物、出行、本地生活等交易场景则依托阿里生态按成交抽取佣金，打开增量收入空间。腾讯也可能延续微信生态的流量逻辑：基础Agent功能免费嵌入大众场景快速渗透，跨应用高阶处理、专属服务通过会员体系增值变现；B端依托企业微信按席位收费，凭借用户规模摊薄获客成本。

两条路径看似不同，却共同暴露了个人Agent的难点：

• C端用户免费使用习惯根深蒂固，付费意愿的培育需要较长周期；
• 跨应用、跨系统的数据与权限打通成本高，既制约Agent的能力边界，也影响用户对付费价值的感知。

这也是为什么个人Agent的竞争从来不是百米冲刺，而是一场跨越数年的马拉松。发布会上的高光只是起点，产品功能迭代只是基础，真正的胜负会在生态深度与商业化健康度中分晓。大模型时代的对话产品天然用完即走，用户没有留存、缺乏粘性，模型能力同质化之后很难形成真正壁垒。但个人Agent不一样：它会记住工作习惯、生活偏好、人际关系和常用流程，用户用得越久，它就越懂用户；它沉淀了越多工作流、生活流、社交链，用户更换产品的成本就越高。

沿着使用场景可以想象，个人Agent的能力天花板从来不是由大模型参数单独决定的，而是由它能打通多少应用、覆盖多少场景、连接多少数据决定的。千问开放平台覆盖领域已从本地生活、物流拓展至求职、运动、游戏等20多个领域，申请入驻伙伴超过1000家，接入顺丰速运、天鹅到家、哈啰租车、自如租房等具体服务。生态决定Agent能替用户打开多少扇门，商业化决定厂商能不能持续把门修下去。这两件事都不在演示视频的高光里，却决定了这条赛道最终值多少钱。

物理场景的第六面墙不在模型参数

所有人都在讨论Agent能写多少行代码、提效多少百分比，但真正值得问的问题是：Agent什么时候能替你开门、巡逻园区、调度工厂？答案仍然是：还早。Agent在数字世界的扩张速度确实惊人：OpenClaw 84天内Star数突破37.5万；57%的企业已部署多阶段AI工作流；86%的企业在生产环境中运行Agent。但当你问，有多少Agent在真正操控物理设备？答案往往沉默。

物理世界才是Agent真正的下半场，而这里有一面常被低估的墙：设备碎片化。数字Agent只需要面对API、文件系统、浏览器这几种标准接口；物理场景中，仅中国智能家居市场就有上百个品牌各自维护私有协议和SDK。一个通用物理Agent如果要操控摄像头、门禁、传感器、报警器，理论上需要适配成百上千套私有协议。Matter协议正在试图解决设备互联问题，Matter 1.5+Thread 1.4首次实现了跨品牌设备的底层互通，但Matter只解决了“连接管道”。设备可以说同一种语言了，谁来理解它们