Anthropic 在新模型发布时提到一个细节:用一千个智能体协作,在三十小时内完成了费马大定理的形式化证明。多数人把它当性能展示,做知识服务的人应该看到另一层:当并行智能体能把一个高难度问题的求解过程拆开、互相校验,知识服务的定价基础和交付方式都会被改写。
一千个智能体协作为什么值得知识服务者关注?
因为它证明了一件事:复杂任务可以被拆成大量可验证的小步骤,并行推进,再由系统做一致性检查。这套方法不只适用于数学证明,也适用于合同审阅、财报分析、合规检查、技术方案评审。这些正是知识服务的主力场景。
过去这类工作靠资深顾问的经验和体力,周期长、单价高、产能有限。现在可以把「拆解、并行、校验」做成流程,人的角色转向设定标准和处理例外。
知识服务会被取代还是被放大?
短期看是被放大。客户的问题不会因为工具有了答案就消失,反而会因为答案变多而更迷茫:哪个结论可信、依据是什么、适不适合我的情况。顾问的价值从「给出答案」转向「建立判断标准」。
长期看,低端的信息整理和格式化工序会被压到接近免费,中高端的判断、担保和陪跑会更贵。这个分化已经在发生:愿意为「谁负责」付钱的客户越来越多。
服务商该怎么改造自己的交付流程?
第一步,把现有交付拆成可验证单元,每个单元有明确输入、输出和检查规则。第二步,把能并行的单元交给智能体,人类只保留标准设定和例外处理。第三步,建一致性检查层,专门找矛盾、找遗漏、找越界结论。
第四步,把过程留痕变成交付物的一部分。客户拿到的不只是结论,还有推理链和证据来源。这既是质量证明,也是溢价理由。
新的定价锚点在哪里?
从「工时」转向「问题难度加责任等级」。难度决定需要多少并行单元和多少轮校验;责任等级决定需要多少人类签字。一个用于内部讨论的结论和一个用于对外披露的结论,工作量可能差不多,责任却差一个量级。
定价时把校验成本单列,客户会理解为什么「多查一遍」要加钱。把责任条款写清,客户会明白便宜方案的风险在哪里。这套锚点比按字数、按页数更经得起比价。
去论坛讨论
前往 ziyuanagi.com 论坛 参与讨论