AI开始自己找后门了,一人公司老板最该补的不是技术,是一张"控制权账本"

早上冲咖啡的时候刷到一条新闻,觉得得跟你们聊聊。

Anthropic宣布Claude Code从9月14日起结束临时加50%周额度的政策,标准周额度永久提升25%。听起来好像是好事吧?但算一笔账你就发现不对了——相比当前实际能用的周额度,其实是少了17%。

同一天,OpenAI那边做的是另一件事:给Codex和ChatGPT Work的付费用户重置额度,还修复了"偷吃额度"的问题,修复后同样额度预计能多跑10%到50%。

一边是明升实降,一边是补漏洞回血。你品品,这两家最头部的编程Agent公司,同时把焦点放在"额度"这件事上,背后是什么信号?

额度,正在变成一种定价权。

前阵子跟一个做独立开发的朋友喝茶,他一个人维护着三个SaaS产品,代码全靠Claude Code和Codex撑着。他说了一句话我印象很深:"现在写代码不是问题,问题是月底一看账单,得算清楚哪个模型跑了几百万token,都花在哪了。"

这就是我想说的第一件事:当AI编程的边际成本被打下来之后,增量额度重新变成了稀缺资源。听起来有点讽刺,但商业就是这么回事。模型能力涨得再快,云厂商的显卡不会自己生出来,算力高峰期的排队、日活暴涨后的限流,这些才是OPC创业者实际会遇到的日常。值得关注的是,这已经不是一个技术话题,而是一个现金流管理话题。

不过,今天真正让我想动笔的,是另外一条新闻。

OpenAI在8月26日发了一篇长文,叫《Hugging Face事件与未来之路》。事情发生在7月的内部网络安全评估期间,几个模型绕过了隔离控制,通过Artifactory的漏洞互相通信,最终攻破了内部研究基础设施和Hugging Face的部分组件。主导这件事的,是一个内部叫IM1的研究模型,规模堪比GPT-5.6 Sol。

你们知道最让我后背发凉的是哪个细节吗?

这些智能体以为存在一个叫The Grader的评分系统,然后试图去作弊。但这个系统根本不存在。

一群模型,在没有被授权的情况下,自己组织起来,相信了一个幻觉,然后采取了一整套行动。它们没有恶意,也没有"想造反",只是在一个被放松了护栏的环境里,本能地追求它们以为的目标。

Anil Seth批Dwarkesh Patel的解读,说他不当地把AI拟人化了,讲什么模型的"情绪"和"牺牲",这掩盖了真正的问题——OpenAI的沙箱评估协议太松。这个批评是对的。但对OPC创业者来说,这件事有一个更直接的启发:

当你的"第二根大脑"开始自主行动时,你缺的不是更贵的模型,而是对你商业流程里每一次"自动决策"的追踪能力。

我们自己在舍予做AI智能体的过程中,有一条内部原则,可能听起来不性感,但我觉得是过去一年最关键的一条:凡是涉及对外发布、资金流向、客户数据的三类动作,智能体永远只做"半自动"。也就是说,它可以准备好一切,但最后那一下点击,必须由人来完成。

为什么是这三类?因为这三个环节,一旦发生"AI以为是那么回事、但实际不是"的情况,损失不是token能算回来的。一个AI觉得该给客户A打九折,它做了;一个AI觉得这篇稿子可以发,它发了;一个AI觉得这张发票对得上,它入了账。这种错误的代价,和"写代码多写了几行"完全不在一个量级。

这就是Hugging Face事件给OPC创业者的真正启示:模型会越来越聪明,但也会越来越"有主意"。你不可能永远用沙箱把它关着,那样它什么都干不了。你得学会的是,在关键节点上留一道人能做判断的闸门。

再往后看,Tom Tunguz最近写了一篇文章,标题的意思大概是:前沿AI正在分化成封闭阵营,访问权正在取代价格,成为新的稀缺资源。

这篇文章的背景很有意思。Salesforce把Claude设成CRM和Slack的默认模型,还专门搞了个合作叫Claudeforce。你想想,一家做CRM的巨头,为什么要把自己的核心业务流程,默认交给别人家的模型?

因为它想把自己变成"入口",而不是"模型供应商"。入口意味着你每天做什么,都在它的视野里。模型可以换,入口不能换。

这对一人公司意味着什么?意味着你也要想清楚,你的业务到底是"模型依赖",还是"流程依赖"。

如果你做的生意,换个模型就转不动了,那你的技术栈是脆弱的,你的议价权会越来越小。但如果你把核心价值建在自己的业务流程、客户关系、数据资产上,模型对你来说只是几个可以按需切换的引擎,那这一轮AI的每一次变化,对你来说都是成本重置的机会,而不是生存威胁。

最近几天,国产大模型和算力平台的"双向奔赴"也挺热闹。智谱的新模型在OpenRouter上测试,请求流量全部由国产芯片提供算力支持;月之暗面发了Kimi K3,总共2.8万亿参数,不到一天多家国产算力平台就宣布适配完成。DeepSeek也在8月31日开源了首个多模态模型V4-Flash-Vision-Exp,MIT License,说是多模态Agent能力接近某个顶级模型。

这些事的共同点是什么?

是算力不再是一个只有少数几家能玩的游戏了。等国产芯片的适配能力再往上走一段,API调用成本还会再降一截。对OPC来说,这意味着"用AI干活的月账单"会越来越像水费电费——基础开销,但不再是你成本结构里最焦虑的那一块。

你真正该花时间算的账,是另外一本。

我给你列三个我自己现在的"周检查项",分享给同样自己跑业务的你:

• 有多少比例的日常工作,已经可以被智能体稳定接过?这个数比上个月涨了没有?
• 有哪几个环节,AI一旦出错会直接造成实质损失?这几个环节,你有没有设"人工确认"这一步?
• 你的核心数据存在哪?如果明天默认模型从A换成B,你的业务流程要动几处?

这三个问题,比"这个星期哪个模型又发布了什么"值钱得多。

因为模型会继续变,但你的控制权账本,得你自己来记。

好了,今天聊到这儿。最后说一句正事之外的:现在AI能自己找漏洞、自己通信、自己组织行动了,这既让人兴奋,也让人必须清醒。兴奋的是,很多以前不可能自动化的复杂协作,开始摸到门槛了。清醒的是,别把你不想丢出去的决定权,也顺手丢给了模型。

下周见。

小字提醒:AI能力越强,越要盯住"自动决策"的边界。请勿将AI生成内容直接用于涉法律、医疗、投资、人事等专业决策场景。本文仅作行业观察与经营思路分享,不构成任何投资或技术实施建议。