过去几年，AI 行业形成了一种很强的路径依赖：只要一个问题需要「智能」，就调大模型。
分类，调 GPT。抽取，调 GPT。RAG 重排，调 GPT。Text2SQL，调 GPT。Agent 选工具，调 GPT。判断结果对不对，还是调 GPT。
模型越来越强，我们也越来越习惯把所有问题塞进同一个 Prompt。但我越来越觉得，这只是大模型早期的一个过渡状态。
我们在用 CEO 决定邮件该转给谁
以 Text2SQL 为例。用户问一句「2025 年 Acme 在亚洲交付了多少台 X-700」，系统要做的事其实很多：
识别「Acme」和「X-700」对应哪些实体，判断该查哪几张表，选哪些字段，确定表怎么 Join，生成 SQL，再检查这条 SQL 是不是真的回答了刚才那个问题。
今天最省事的做法是全都交给大模型。它确实做得了。但值得问一句：这些任务需要的是同一种智能吗？
- 这 20 张表里该选哪三张？
- Acme 和 Acme Industries 是不是同一个实体？
- 这 50 段资料里哪 5 段和问题最相关？
- 这个请求该走 Search、Text2SQL 还是知识图谱？
- SQL A、B、C 哪个更可能是对的？
这些问题本质上是同一类：**判断、选择、排序、打分。**它们不需要模型写文章，也不需要长链条推理。
让一个几千亿参数的通用模型来做这些，就像公司里无论是决定一封邮件转给哪个部门，还是定五年战略，都去找 CEO。当然可以。但一定不是最优的组织方式。
Jev 真正的变化不是快
TypeSafe 最近发布的 Jev 让我更认真地想这件事。它没有试图再做一个 GPT，甚至不以生成语言为目标。官方给它的定位是「第一个 System One 模型」——做出软件可以直接使用的快速结构化判断，而不是产出给人读的文字。
它的接口只有三个原语：
| 原语 | 问的问题 | 返回 |
|---|---|---|
| Choice | 从一组选项里选一个 | 选项、概率分布、置信度 |
| Score | 按一个 rubric 给状态打分 | 分数、概率分布、置信度 |
| Noul | 这句陈述为真吗 | 一个 0 到 1 的值 |
你给它一个 state，再对这个 state 提一组带类型的问题，它直接返回结构化结果。**没有文本生成，也就没有解析。**官方的说法是，你不必再「把一个文本生成系统硬掰成输出结构化判断，然后把结果解析回代码能依赖的东西」。
乍看不性感——分类模型几十年前就有了。但真正的变化在于任务是怎么被定义的。
传统机器学习时代，要判断一篇新闻属于「交付」「并购」「事故」还是「新产品」，你得收数据、标注、训练、评估、部署；业务规则一变，可能要重训一遍。而现在，同一个模型今天可以被问「这篇新闻属于以下哪一类」，明天被问「这篇新闻值不值得推给一线销售」。模型没换，任务换了。
**任务定义从训练时搬到了调用时。**这是我认为真正重要的那一点。
它的文档里还有一条建议我很认同：复杂判断应该拆成一组原子问题，在代码里组合，而不是在一个 Prompt 里要求模型把整条推理链走完。
AI 正在重复计算机的历史
我们过去几年其实把两件事混在了一起：语言智能和通用智能。因为 GPT 最初以语言模型的形式出现，而语言又恰好能表达几乎所有问题，我们就很自然地认为，所有智能任务都该经过语言生成。
但一个系统真正需要的智能有好几种。这是什么？哪个更相关？下一步去哪？这个结果可靠吗？以及——面对一个从没见过的复杂问题，我该怎么理解它、拆解它、解决它？
只有最后一种，才是 frontier model 真正该出场的地方。
这让我想到计算机。今天没有人问「CPU 会不会最终干掉 GPU」，因为这个问题本身不成立：它们处理的是不同类型的计算。图形和大规模并行给 GPU，通用控制逻辑给 CPU，视频编解码有专门模块，网络也有专门硬件。
现代计算机强大的原因，不是我们造出了一颗无所不能的处理器，恰恰是我们接受了不同的计算该由不同的硬件来做。
AI 很可能会走同一条路。一个成熟的 AI 系统大概是这样分工的：
| 组件 | 负责 |
|---|---|
| Frontier LLM | 复杂推理、规划、开放问题、异常处理 |
| Decision Model | 分类、打分、路由、重排、验证 |
| Embedding | 大规模语义召回 |
| 视觉 / 语音模型 | 各自的模态 |
| 搜索引擎 | 连接实时世界 |
| 数据库 / 知识图谱 | 确定性的事实与关系 |
| 传统软件 | 所有根本不需要概率智能的事 |
这些东西加起来，才是完整的 AI。这就是我理解的异构智能。
GPT 的位置会更高，调用会更少
这不意味着 GPT 变得不重要。恰恰相反，我认为它在系统里的位置会越来越高，只是调用次数未必越来越多。
今天一个 Agent 完成一次复杂任务，可能调十次 GPT。未来可能是：调二十次 Decision Model，查五次数据库，搜三次互联网，跑几个传统程序，调几个小模型，最后只调一次最强的那个。
而这一次，它负责的是理解真正的目标、制定计划、处理不确定性、解决别的模块解决不了的问题、综合全系统拿到的信息，然后给出最终回答。
**GPT 从「什么都亲自做」，变成真正意义上的大脑。**调用次数下降，不代表战略重要性下降——就像 GPU 普及之后 CPU 并没有消失，它只是不用再亲自做所有计算。
被挑战的不是 GPT，是「调一次 API = AI 功能」
所以 Jev 这类模型真正挑战的不是 GPT，而是过去几年形成的一种开发范式：
AI 功能 = 调一次 LLM API。
这个阶段可能正在结束。未来设计 AI 产品时，第一个问题不该再是「这里用 GPT 还是 Claude」，而该是：这个环节到底需要哪一种智能？
需要检索就用检索，需要判断就用判断模型，需要实时事实就用搜索，需要精确计算就用代码，需要结构化事实就用数据库和知识图谱。只有真正面对复杂、未知、开放的问题时，才调那个最强的。
从模型智能到系统智能
过去几年整个行业最关心的问题是「哪个模型最聪明」——GPT、Claude、Gemini，谁的 benchmark 高两分。
但企业真正关心的从来不是这个。企业关心的是：完成一个真实任务要多少钱、多少时间，结果可不可靠，能不能规模化跑起来。
到那个时候，竞争的基本单位就不再是一个模型，而是一整套智能系统。行业会从 Model Intelligence 走向 System Intelligence。
真正好的 AI 产品，不一定用了世界上最强的模型，而是在每一个环节都选对了成本、速度和能力最匹配的那一种智能。
我们一直在等一个越来越强的模型：参数更多，context 更长，推理更深，benchmark 更高，最终无所不能。这条路线当然会继续。但从工程的角度看，另一条路线同样重要——不是让一个模型越来越万能，而是让整个系统越来越聪明。
未来真正强的 AI，可能不是一个模型，而是一群完全不同的智能模块：有的思考，有的判断，有的寻找，有的记忆，有的执行，有的验证。就像今天的计算机不是一颗芯片，而是一整套计算体系。
**大模型不是 AI 的最终形态，它只是异构智能系统里最重要的那一个组成部分。**下一场竞争，也许会从「谁拥有最强的模型」，转向「谁能搭出最高效、最可靠、成本最低的智能系统」。
这可能才是 Agent 真正开始成熟的标志。