去年年底硅谷盛行“Token Maxing”——比谁烧Token更狠，以此证明对AI的All in。到今年年中，风向突变：Uber四个月烧穿全年AI预算，Meta给员工设Token上限，Stripe内部弹窗提醒“Opus 4.8很贵，请先用其他模型”。从盲目堆Token到精打细算，这场转折背后，是Agent产品从实验走向工程化的缩影。

PingCAP联合创始人黄东旭曾是Token Maxing的“重度用户”。去年底他用最强模型Claude Opus从0到1构建云原生分布式数据库db9，三个月单人完成原本需团队数年的工作，日均账单三四百美元。“只要能做出产品，ROI极高——这项目一年能多赚1000万美元。”但他很快发现，无脑烧Token在复杂任务上成立，在日常场景却是浪费。转折来自Fable 5和DeepSeek V4的相继发布：前者智力碾压，一句话终结Agent群的无效讨论；后者质量跃升，让本地运行开源模型处理日常任务成为现实。“不是前沿模型用不起，而是本地开源底座+前沿模型的组合，性价比更高。”

这一认知迭代，恰好对应Agent产品的三代演进。第一代以OpenClaw为代表——它将“Agentic Loop+工具调用”封装成低门槛应用，让普通人第一次体验到Agent自主处理邮件、订阅的能力。但它本质是极客Peter一人用Vibe Coding一周拼出的实验品：配置复杂、稳定性差，且缺乏记忆管理，用户每用一次都要重新“教育”Agent，既耗Token又混乱。张宏江认为，OpenClaw的意义在于“捅破了窗户纸”——证明大模型能力已越过门槛，能支撑起Agent产品化，但它的历史使命止步于此。

第二代Hermes则走向工程化。由Web3机构Nous Research打磨的它，巧妙绕开了记忆难题：不执着于让Agent记住所有历史，而是将成功经验沉淀为“Skill”（技能模块），用户用得越久，Agent的“最佳实践库”越丰富。更重要的是，Hermes有团队持续迭代，体验稳定性远超OpenClaw。黄东旭从OpenClaw切到Hermes后，将其视为“Agent入口”的雏形：“未来可能不再有APP，每个人与数字世界的交互都通过个人Agent完成。它观察你的所有行为，比任何推荐算法都懂你。”这种入口的潜力，也让Hermes的商业模式清晰——通过聚合用户Token消耗，与模型厂商谈折扣，成为AI时代的“超级应用”候选。

第三代Slock（后更名Raft）则探索多Agent协同。它构建了一个Agent聊天频道，多个Agent在其中讨论任务，80%-90%的对话可能是重复，但一旦某个Agent提出关键洞见，其他Agent会迅速跟进。黄东旭用它做代码审查：10个顶级模型Agent互相挑刺、持续迭代，发现问题的深度远超单个模型单次Review，代价是Token消耗翻10倍。这种“Agent动力学”揭示了一个新方向：复杂问题的解决不再依赖单个超级模型，而是靠Agent群的“涌现智能”。

但Fable 5的出现，让这种“蜂群模式”受到挑战——一群Agent讨论半天无解的问题，Fable 5仅凭绝对智商一次就能精准搞定。这推动黄东旭转向“混合架构”：用本地运行的DeepSeek V4 Flash处理重复性日常（如批量总结CVPR论文），月成本仅二三十美元电费；复杂核心任务则调用云端前沿模型。账单从日均三四百美元降至月均两三百美元，且心态从“怕超预算”变为“可控消耗”。

这种转变也折射出Token经济的底层逻辑。张宏江指出，Token成本过去几年每年降10倍，远超摩尔定律，而智能提升速度（每3-4个月翻倍）远超成本下降。这导致“杰文斯悖论”：技术越成熟、单价越低，总消耗量反而越大。Agent的Token消耗本就比Chatbot高100倍——其内部“Agentic Loop”每步都需调用模型、工具，长程任务循环可达数百步。未来随着多Agent协同、A2A网络成熟，消耗还会指数级增长。

对创业者而言，关键是如何避免被模型能力“碾压”。张宏江认为，垂直场景的数据护城河是核心：“模型能力提升会扫掉通用应用，但掌握企业级垂直数据、能将工作流转化为Agent群优势的项目，反而能借模型之力放大价值。”黄东旭则更关注基础设施机会：一是提升Agent产出的“Harness工具”（如优化记忆、上下文管理）；二是可观测性系统（帮CIO厘清Token去向、识别浪费）；三是Agent-Native云服务（为Agent设计Serverless运行时，解决传统云成本过高问题）。

判断Agent-Native企业的标准很简单：去掉AI元素后，业务是否还能成立？如果成本暴涨1000倍或完全无法运行，才是真正的AI原生。黄东旭对此深信不疑：“我不信AGI这个营销术语，但相信蒸汽机逻辑——第一代蒸汽机可能比马车慢，但上限更高。现在处在大变革早期，Stay humble。”

从Token Maxing到Token-efficient，从单Agent到蜂群智能，从云端依赖到本地混合，Agent的进化远未到终局。正如张宏江所言：“现在才晚上11点，AI派对还有很长。”而这场派对的本质，是用Token丈量智能的边界，用工程化平衡创新与成本，最终让自主运行的系统，真正解放生产力。