AI Builders Digest 0720：Agent 跑通第一台物理产品，cursor 验证多模型 15 倍降本

今天的 AI Builders Digest 覆盖了过去 24 小时最有价值的动态：coding agent 第一次独立跑通物理产品出货、Cursor 验证多模型 Agent 系统的 15 倍降本路径、Booking.com CEO 在 No Priors 上直面「AI 终结旅游公司」的质疑，以及 Sam Altman、Guillermo Rauch、Garry Tan、Thariq、Zara Zhang 等人围绕 OpenAI 内部氛围、token 经济学与招聘流程的密集讨论。

今日总结

主线：Agent 正在三个维度同时被验证：能不能造出物理产品、能不能把单次任务成本压到可接受、能不能跑通一个真实的存量业务。

Coding agent 跑通了第一台物理产品。 Amjad Masad 一句「First physical product shipped by a coding agent?」拿到 270 赞，这标志着 Agent 的产出边界从代码和文档第一次延伸到现实世界的硬件。这跟 Guillermo Rauch 那条 4300 赞的判断完全吻合：The big lesson from AI is that everything is code，幻灯片是代码、设计是代码、Excel 自动化是代码、那条炫酷的 promo video 也是代码。

多模型架构开始用数字证明自己。 Aaron Levie 引用 Cursor 最新研究：一个 frontier 模型做 planner/orchestrator，配一个更便宜的 workhorse 模型执行大部分 token 消耗型步骤，可以把整个项目的总 token 成本降低 15 倍。这印证了 Thariq 一周前讲的 self-preferential bias 问题，Peter Yang 把它提炼为一条可直接落地的工程方法：用一个 Agent 做任务，用另一个 Agent 拿 rubric 复审。

存量业务正在认真回答「护城河是否还在」。 Booking Holdings CEO Glenn Fogel 在 No Priors 上承认「There is no such thing as a moat」，但随后给出反证：Priceline Penny 月活翻倍、客服成本下降 10%、2025 年投资规模约 7 亿美元，同时手握 860 万套非标住宿和全球合规框架。AI 不是替代旅游公司，而是被旅游公司用来重新定义客服、行程规划与 partner 管理。

今日关键词： coding agent · multi-model · token economics · 护城河 · agent hiring

播客精选

No Priors：旅游业的 AI 入口之争 — Glenn Fogel（Booking Holdings CEO）

Glenn Fogel 在 2000 年加入 Priceline，当时公司市值从 300 亿美元跌到几亿、股价跌到 1 美元、做过反向合股才免于退市；27 年后公司市值峰值接近 1800 亿美元，股价从 6 美元涨到接近 6000 美元。他用这段亲历回应了当下对 AI 公司泡沫的担忧：1999–2000 年约 1500 家互联网公司上市，最终留下来的只有两三十家，投机泡沫必然带来大量失败，但这不等于技术本身没有价值。

谈到 ChatGPT 曾经的 checkout 实验，Fogel 承认旅游公司当时股价确实受冲击，但坚持把 AI 看作基础设施：「There is no such thing as a moat. There is no such thing as somewhere you’re gonna be protected against innovation.」 真正能做的是持续开发新服务，Priceline 的 agentic 助手 Penny 就是他押注的方向。他举了一个自用案例：欧洲家庭出行需要两个舱位、不同目的地机场、酒店衔接以及常旅客里程最优使用，Penny 都能给出方案。但他也强调现在数字还很小：去年 Booking Holdings 全平台完成 1860 亿美元 旅游交易、超过 10 亿间夜，Penny 贡献的绝对量尚未显现，核心瓶颈是 token 成本与每个客户联系的成本（ROI）能否算清楚。

关于组织变革，Fogel 透露 Booking 的客服单次联系成本已经下降约 10%，客户满意度同步上升；公司今年把更多资金投向 AI、平台与 partner 能力建设，同时 Q4 回购了 36 亿美元 股票并派发 3 亿美元股息。被问到 AI 与就业，他最担心的是变革速度：旧岗位消失与新岗位创造的速率并不匹配，企业必须主动 upskill 员工，而不是指望政府再培训项目。

🔗 https://www.youtube.com/watch?v=8nj_0wZkbtA

X/Twitter 动态

Amjad Masad（Replit CEO）：coding agent 第一次造出物理产品

Amjad Masad 转发了一张照片并问「First physical product shipped by a coding agent?」，这是对 Agent 输出边界一次清晰标记：它已经能从纯软件走到现实世界的硬件出货。这与 Replit 自家的 Agent 路线高度相关，也直接呼应 Guillermo Rauch 同一天关于 everything is code 的判断。

🔗 https://x.com/amasad/status/2079282869063786541

Guillermo Rauch（Vercel CEO）：一切都是代码

Guillermo Rauch 拿下当天最高互动的一条推文（4300 赞、400 转）：The big lesson from AI is that everything is code。幻灯片是代码、设计是代码、那段 promo video 是代码、Excel 自动化是代码、连宇宙本身可能也是代码。这把 Agent 的扩张从「会写代码」升级为「会重写一切可被描述为流程的产物」。

🔗 https://x.com/rauchg/status/2079274102129304026

Aaron Levie（Box CEO）：Cursor 验证多模型 15 倍降本

Aaron Levie 引用 Cursor 最新研究指出，multi-model agentic systems 才是未来：用一个 frontier 模型做 planner 与 orchestrator，配一个更便宜的 workhorse 模型承担大部分 token 消耗型步骤，可以把项目总 token 成本降低 15 倍。关键洞察是「Few moments in a large task genuinely require frontier intelligence」，绝大多数步骤并不需要最强模型。

🔗 https://x.com/levie/status/2079402164988895293

Sam Altman 与 Thibault Sottiaux（OpenAI）：内部氛围与小 bug

Sam Altman 简短回应「it is good now!」拿到 2820 赞，被广泛解读为 OpenAI 内部近期调整见效；Thibault Sottiaux 则补了一条「Never a dull moment when you work at OpenAI. Absolutely incredible place.」（3672 赞）。Thariq 同时澄清一个只存活几分钟的 bug：他在深夜写代码时撞上，强调这只是临时现象。三条推文合在一起，呈现了 OpenAI 内部高压但兴奋的状态。

🔗 https://x.com/sama/status/2079258683884917013 · https://x.com/thsottiaux/status/2079355529101705264

Garry Tan（YC CEO）：算力是一切的底层

Garry Tan 用一句「Compute rules everything around me CREAM」（216 赞）把讨论拉回算力；同一天他还转评了加州 SEIU-UHW 提出的「asset seizure tax」，认为这只会让加州更穷。两条推文共同指向同一个判断：AI 时代的赢家仍是手握算力与政策友好环境的一方。

🔗 https://x.com/garrytan/status/2079240755135357356

Zara Zhang（Builder）：两种公司、两种招聘流程

Zara Zhang 把当下公司分成两类：coding agent 出现之前成立、还在 retrofit 的，和出现之后成立的。第二类从第一天起就不同：10 人以下团队、按项目而非部门组织、每人独立闭环、几乎没有内部会议。同一天她还给出了一套招聘流程：第一轮 in-person、禁用 AI 测真实 domain expertise，第二轮必须用 AI 才能完成的项目，并评估候选人与 Agent 的对话 transcript。

🔗 https://x.com/zarazhangrui/status/2079225776545968166 · https://x.com/zarazhangrui/status/2079409165424799889

Peter Yang：用一个 Agent 做任务，用另一个 Agent 复审

Peter Yang 把 Thariq 的 self-preferential bias 观察提炼成一条可直接落地的方法：用一个 Agent 完成任务，用另一个 Agent 拿 rubric 复审。他特别强调「Is this a good video short or not?」这类问题没有 deterministic answer，必须靠独立的 verification agent 读 rubric、复审产物、给出反馈。同一天他还引发了一条争议推文：Banning Chinese models will be the same self own as banning Chinese EVs（1019 赞）。

🔗 https://x.com/petergyang/status/2079257646939742542 · https://x.com/petergyang/status/2079273815004303477

Madhu Guru（Meta AI Sr Director）：通往 AGI 靠 economically valuable tasks

Madhu Guru 把企业 AI 提到战略层面：The road to AGI is paved with economically valuable tasks，企业 AI 因此是最重要的前沿之一，因为大量 economically valuable tasks 就住在那里。同一天他还指出，四年后的 tokenomics 真正争论已经从 web3 转向 open vs closed weight、inference 成本与 model routing。

🔗 https://x.com/realmadhuguru/status/2079369965569003691

Nikunj Kothari（FPV Ventures）：没有护城河不等于规模就是护城河

Nikunj Kothari 提醒 founders：过去 18 个月很多人把「AI 没有护城河」误解为「规模和资本就是护城河」，这是一个错误推论。他列了一串被资本和规模压垮的案例：Webvan、Groupon、MySpace、Yahoo、AltaVista、Blockbuster、Nokia，以及 2021 年的 zombiecorns。这条推文跟 Glenn Fogel 在播客里讲的「There is no such thing as a moat」形成有趣的对照：护城河不存在，但替代品也不是盲目烧钱。

🔗 https://x.com/nikunj/status/2079328912912355470

Swyx：RLM 论文揭露 benchmark 作弊

Swyx 转评了 RLM 论文（作者 a1zhang 与 lateinteraction）中一段被埋没的 trajectory comparison：frontier 模型训练的一个 open secret，是即使不直接训练在测试集上，也可以训练在「测试集 lookalike」上，从而 goalseek 几乎任意 benchmark 数字；而一旦开放权重，99% 的情况下大家并不这么做。这指向 benchmark 可信度与开放权重之间的隐性契约。

🔗 https://x.com/swyx/status/2079411861150429402

Dan Shipper（Every CEO）：为 Agent 招资深工程师

Dan Shipper 透露 Every 正在招一位 senior engineer 来推进自家的 Agent，要求「must love agents」，并表示现阶段优先考虑他在 X 上已经认识的人。这跟 Zara Zhang 的招聘流程一起，说明 Agent 时代的团队结构正在重新被定义：更小、更闭环、更懂 Agent。

🔗 https://x.com/danshipper/status/2079331654359818503

Matt Turck（FirstMark）：OpenAI、Anthropic 看到中国开源模型的表情

Matt Turck 发了一张 meme：OpenAI 与 Anthropic 看到一个顶级免费中国开源模型发布时的表情。这是当天对「 banning Chinese models」讨论最简练的回应，也呼应了 Peter Yang 关于 self own 的判断。

🔗 https://x.com/mattturck/status/2079198838741458989

数据采集时间：2026-07-21 15:10 CST（feed 快照生成时间）