模型不再是护城河：Agent 下半场，拼的是「工程中间层」

2026-07-21 周二 · 技术评审日札 今天的新闻像一摞摆上评审桌的招标材料。我把它们逐条拆开，结论很直接：单模型能力已经退居底座，能不能编排、能不能评测、能不能规模交付的「工程中间层（Harness）」，才是 Agent 下半场的真实门槛。

0. 开场：今天这批材料，考的不是模型

WAIC 2026 在 7 月 20 日正式闭幕。回头看这一周，一个变化比任何参数都值得记一笔：展馆里讨论最多的不再是"我的模型多少参数、排第几"，而是"部署了多少、完成率多少、客户反馈如何"。

落到工程上，这意味着竞争重心从模型层平移到了模型之上的编排/运行/评测/交付层——也就是业内开始叫的 Harness（工程中间层）。今天几条新闻恰好把这一层拆成了四块拼图：运行层（英伟达）、算力层（无问芯穹）、交付层（容联云）、评测层（学界呼吁）。外加一个反面教材（谷歌 Chrome 静默装模型），提醒我们"可信任"是这一切的前提。

下面逐条过材料、给 verdict。

1. 信号一 · 运行层：英伟达 Agent Toolkit，把部署从「数天」压到「30 分钟」

英伟达为搭载 GB300 的 DGX Station 工作站发布了Agent Toolkit，三步、约 30 分钟即可在桌面端跑通一个 AI 代理，并能联动 Omniverse 驱动 3D 仿真工作流。

意义不在于"又出了个工具"，而在于它把原本数天的环境配置压缩成半小时——这是 Harness "开箱即用"的标志性动作。算力厂商开始向软件生态伸手，本质是帮用户把"能不能跑起来"这件事标准化。

# 以 NVIDIA Agent Toolkit 思路，把"配环境 → 跑 Agent"压缩为 3 步 from pathlib import Path class LocalAgentRuntime: def __init__(self, model_path: str, tool_dir: str): self.model = Path(model_path) # 本地权重，避免云端审批 self.tools = Path(tool_dir) # 工具目录（Omniverse / 3D 仿真等） self.agents: list[dict] = [] def bootstrap(self) -> None: # 1. 挂载本地模型 assert self.model.exists(), "本地权重缺失" # 2. 注册工具（函数 / 仿真 / API） for t in self.tools.glob("*.tool.json"): self.agents.append({"tool": t.stem, "status": "ready"}) # 3. 30 分钟内跑通第一个 Agent 任务 print(f"runtime ready with {len(self.agents)} tools") if __name__ == "__main__": rt = LocalAgentRuntime("weights/model.bin", "./tools") rt.bootstrap()

Verdict：运行层的"开箱即用"是下半场入场券，方向正确。

2. 信号二 · 算力层：无问芯穹 Agentic Infra，要把 Token 成本再砍 10 倍

WAIC 现场，无问芯穹揭晓了"前店后厂一中心"自进化智能体算力基础设施（Agentic Infra），定位"算力集散中心 + Token 工厂 + AI 生产力商店"，目标把 Token 成本再降 10 倍。

这把 Harness 的底座标准化了：当算力被当作可调度、可计价的工厂资源，Agent 规模化运行的边际成本才会线性下降。

# Agentic Infra 抽象：算力集散中心 + Token 工厂 class TokenFactory: def __init__(self, unit_cost: float, discount: float = 10.0): self.unit_cost = unit_cost # 单 Token 基准价 self.discount = discount # 目标再降倍数 def quote(self, tokens: int) -> float: return self.unit_cost * tokens / self.discount # 跑一次"规划-执行-校验"闭环的边际成本 factory = TokenFactory(unit_cost=0.00012, discount=10.0) cost = factory.quote(tokens=1_200_000) # 一次中等复杂任务 print(f"闭环边际成本: ${cost:.4f}") # 成本随基础设施标准化线性下降

Verdict：把算力当工厂经营，是规模化之前的必答题。

3. 信号三 · 交付层：容联云全栈 Agent 化，94% 完成率证明"能交付"

容联云在 WAIC 发布企业 Agent 全栈战略，覆盖 Voice Agent、质检 Agent、私域运营 Agent 等矩阵。两份成绩单很硬：

• Voice Agent：在某银行场景日均通话超 2 万通，任务完成率94%；
• 私域运营 Agent：独立管理超8 万客户，经营规模增长87%。

这组数据的关键不在"用了 Agent"，而在它把 Agent 放进了有验收标准的生产流程——有明确的完成率、有明确的客户规模、有明确的可比增长。这才是 Harness "可规模交付"的实证。

Verdict：没有验收指标的 Agent 落地都是 PPT；有完成率的才是真交付。

4. 信号四 · 评测层：学界呼吁重构评测，可评测才能可信任

人机与认知实验室发文指出，当前主流智能体评测标准完全围绕"计算能力"构建（任务精度、稳定性、执行效率），天然排斥差异化决策与情境变通，会锁死认知升级路径。文章呼吁构建包容异象、情境适配的新型评测框架。

这对 Harness 是扎心的一刀：如果我们只会考 Agent "算得准不准"，就永远逼它走标准化老路；要它"会变通"，评测本身得先变。

# 学界呼吁的"情境适配评测"骨架：Plan-Act-Verify + 多维度打分 def evaluate_agent(trace: dict) -> dict: dims = { "planning": trace["steps_planned"] > 0, "execution": trace["steps_done"] / trace["steps_planned"], "verification": trace["verified"] / trace["steps_done"], "robustness": 1 - trace["fallback_rate"], # 情境变通能力 } score = sum(1 for v in dims.values() if isinstance(v, bool) and v) score += sum(v for v in dims.values() if isinstance(v, float)) return {"pass": score >= 3.0, "detail": dims} # 不再只考"算得准"，还要考"会不会变通" sample = {"steps_planned": 5, "steps_done": 5, "verified": 4, "fallback_rate": 0.1} print(evaluate_agent(sample))

Verdict：评测体系不升级，Agent 永远停在"标准答案复读机"。

5. 反面教材：谷歌 Chrome 静默装 4GB 模型，暴露"可信任"缺口

隐私研究员披露，谷歌 Chrome 在用户设备静默安装约 4GB 的 Gemini Nano 权重文件（weights.bin），未征得同意且难卸载，数百万台 PC 受影响；类似行为在欧洲或面临法律后果。

这条新闻和上面的"评测/交付"形成对照：Agent 跑得再好，如果不被同意、不可卸载、不透明，一切工程厚度都归零。可信任是 Harness 的地基，不是附属品。

6. 出海实战：WhatsApp 私域闭环，提取 → 清洗 → 群发

把镜头切到出海一线。一个做东南亚 B2B 贸易的团队，链路其实很朴素：先用号码提取与备份工具（WAExport）从行业 WhatsApp 群组一键提取采购商成员，按国家代码、日期分层筛选后导出 XLSX/CSV，再用群发触达工具（WASender）按地区分桶、设置人类行为模拟间隔批量下发多语言营销消息。从"数据提取"到"精准营销"在同一个工作流里闭环，省掉了中间反复搬数据的体力活。

# WhatsApp 私域闭环：提取 → 清洗 → 群发（流程不绑定具体工具） def private_domain_pipeline(group_id: str): leads = extractor.pull(group_id) # 从群组提取成员号码 clean = checker.filter(leads, rules={"active": True, "region": "SEA"}) for batch in broadcaster.chunk(clean, size=200): broadcaster.send( batch, template="hi {name}, 关于您关注的品类…", throttle=90, # 人类行为模拟：间隔秒 ) return broadcaster.report() # 送达 / 已读 / 失败率看板 # 关键不在工具，在"提取 → 清洗 → 触达"的链路闭环

这条链路的价值，和今天的大主题是一致的：真正拉开差距的，从来不是单一能力，而是把多个环节编排成一条可复用、可监控的闭环。模型、工具、数据，都只是这条链路上的零件。

7. 收束：下半场的记分牌换了

把今天的材料收一下，Harness 中间层至少已经长出四块：

• 运行层：让 Agent 30 分钟跑起来（英伟达 Agent Toolkit）；
• 算力层：让 Token 成本再降 10 倍（无问芯穹 Agentic Infra）；
• 交付层：让完成率、客户数、增长率可被验收（容联云）；
• 评测层：让"会不会变通"也能被打分（学界呼吁）。

而谷歌 Chrome 的事件提醒我们：这四块之上，还得有一块更底层的——可信任。缺了它，再厚的工程中间层也是悬空的。

Agent 的下半场，不再比谁的模型更聪明，而比谁把"聪明"稳稳接进生产环境的能力更扎实。这，就是工程中间层的意义。

常见问题（FAQ）

Q1：什么是 Agent 的 Harness（工程中间层）？A：指模型之上、业务之下，把模型能力编排、运行、评测、交付的可复用工程层。包含运行环境、算力调度、评测框架与交付闭环，是 Agent 从 Demo 走向生产的关键。

Q2：为什么模型能力不再是护城河？A：参数与榜单已经很难单独构成产品竞争力。企业更关心部署数量、完成率、客户反馈——这些取决于编排与工程，而非单一模型大小。

Q3：工程中间层通常包含哪些层？A：至少四层：运行层（部署/工具接入）、算力层（Token 工厂/成本）、交付层（可验收的业务闭环）、评测层（多维打分）。其上还需"可信任"作为地基。

Q4：谷歌 Chrome 静默装 4GB 模型事件带来什么启示？A：Agent 与端侧模型必须遵守"同意、可卸载、资源边界、可审计"四原则。技术能力再强，缺少可信任前提也无法进入生产环境。

Q5：出海团队如何用 WhatsApp 做私域闭环？A：核心是把"数据提取 → 号码清洗 → 个性化触达"编排成一条可监控的链路：先批量导出群组线索，再验证过滤无效号，最后按地区分桶、模拟人类行为节奏下发消息，用看板跟踪送达与转化。

参考来源

1. 新浪财经 / 封面新闻：《告别"能聊" AI 开始"能干"了？》（WAIC 2026 闭幕观察），2026-07-21
2. 腾讯新闻 AI Agent 动态日报，2026-07-21（WAIC 双线落地 / Chrome 静默装模型 / 淘天 AIGX / 容联云 Agent 化 / Agent 支付）
3. 华尔街见闻：英伟达 DGX Station 发布 Agent Toolkit，2026-07-21
4. 上观新闻：无问芯穹发布 Agentic Infra「前店后厂一中心」，WAIC 2026
5. IPO 早知道：容联云全栈产品 Agent 化，Voice Agent 完成率 94%、私域运营 Agent 管理 8 万+ 客户，2026-07-20
6. 人机与认知实验室：智能体评测体系"锁死"认知升级路径，2026-07-21
7. BrightCoast Daily AI & Tech Intel Brief，2026-07-21（OpenAI agentic 安全报告 / MCP 规范更新 / Hugging Face 安全事件）