沐杰架构 · 深度解读
大模型第一局比聊天，第二局比干活。谁能真正"看见"屏幕、理解图表、处理视频，谁才跑得通 Agent 这条路。
AI 这场仗，现在打到了第二阶段。如果让我挑一个方向，我选全模态大模型。
近期的信号很密集：各大厂模型频繁升级，桌面端工具扎堆亮相。说到底，大模型已经过了卷参数、比聊天的阶段，大家都在往同一个方向走——Agent（智能体）。
01 / 靠信息差筑起的壁垒，正在被开源击碎
过去一年，大模型在对话框里卷得厉害。直到今年年初 Manus 出圈，市场才看明白：大模型除了陪聊、写文章，更核心的价值是帮人处理具体事情。各大厂商跟进 Agent 业务，原因就在这。
早期像 Manus 这类闭源产品确实靠先发优势吸了眼球。但很快大家发现，它底层的技术并没有多大迭代。
特别是 OpenClaw 开源框架出台之后，原本被大厂包裹的 Agent 壁垒，一下子就被击穿了。在 OpenClaw 的架构里，你可以自由接入任何大模型做基础支撑。技术一公开，平替就停不下来。近期 Hermes Agent 和各种集成 OpenClaw 的应用（RClaw、Workbody 等），都是在这个基础上长出来的。
大模型战争的逻辑变了：以前比谁脑子聪明，现在比谁手脚麻利。
02 / 从命令行到接管桌面
看看最近很火的 Cursor 和 Claude Code。
这两个工具一开始都是做编程辅助的，就是帮你写代码。但现在，它们都在全面向 Agent 进化，尤其是加入了"操控电脑（Computer Use）"的功能。
这个改变很关键。只要你在本地部署了它，它就能直接在你电脑上跨软件执行一连串操作。
Claude Code 刚出来时，很多人觉得界面不亲民，命令行的感觉，一股冷冰冰的"DOS感"。但懂行的人知道，它是在从系统最底层的终端接口卡位。等桌面端可视化界面补齐，使用门槛一降，局面会不一样。据说 Google 也在推进集成在浏览器和应用端的 Agent 项目，代号 Jarvis。
系统控制权的争夺，只会越来越激烈。谁先拿到桌面入口，谁就卡住了 Agent 的咽喉。
03 / 为什么全模态才是终极解法？
Agent 的工作流对模型提出了硬要求：如果一个大模型只能处理文字，它跑不远。
真实的办公场景很复杂。Agent 要替你干活，就得"看"懂屏幕上的软件图标、解析图表、处理视频。一个能通过全模态能力完整理解桌面、并执行连贯操作的模型，才跑得通 Agent 这条路。
这也是未来商业潜力最大的节点。
04 / 科技巨头里，谁的赢面最大？
放眼美股科技七姐妹，如果在 Agent 变革中选一个长线确定性最高的，我依然最看好谷歌（Alphabet）。在目前的海外资产配置中，这也是我认为最值得放进底仓的股票之一。
为什么在各家大厂贴身肉搏的时候，我唯独看好谷歌？因为全模态能力和原生生态组合在一起，别人很难复制。
Agent 的终局是接管工作流。而日常办公和数字化生存，基本离不开浏览器（Chrome）和操作系统（Android）。
论全模态底层底蕴，谷歌的 Gemini 在长文本和多模态上的优势很明显；论落地场景，谷歌直接把 Jarvis 这类 Agent 嵌入自己的 Chrome 和手机系统。其他厂商还在想办法通过开源框架适配第三方软件，谷歌在自己的地盘上就把事办了。它不需要适配生态，因为它自己就是生态。
从投资角度看，谷歌近期的财报已经证明了 AI 业务的变现能力——Google Cloud 同比暴涨 63%，YouTube 广告和订阅也超预期增长。之前市场炒作"AI 聊天会颠覆谷歌搜索"的做空逻辑，在业绩面前站不住脚。
05 / 几点冷思考
看好归看好，但该泼的冷水还是得泼。目前投资谷歌，必须承担两个硬风险。
第一，资本开支（Capex）太重。
谷歌今年把 AI 资本开支指引拉高到了 1800 亿至 1900 亿美元，而且明示了明年还会继续加码。这种投入力度，短期内免不了挤压自由现金流，股价波动会很大。
第二，反垄断。
当 Gemini 和 Jarvis 彻底接管全球数十亿人的手机桌面和浏览器时，欧美的监管大棒随时可能落下来。
但拉长周期看，AI 第二阶段的底牌已经亮出来了。在这场拼资金、拼技术的角力中，拥有全模态能力、掌握全球用户入口、手里还握着核心现金牛的谷歌，护城河确实在加深。
— 沐杰架构 · 深度解读 —
宏观趋势 | 科技金融 | 地缘政治