AI产品设计的本质：为什么Harness比模型更重要

最近听了一期关于AI投资与产品设计的深度播客，主讲人是一位知名早期投资人。这期节目让我重新思考了一个被很多从业者忽略的问题：在AI时代，究竟什么才是真正的核心竞争力？

Harness：被低估的基础设施

在聊到AI产品设计时，主讲人提到了一个极具洞察力的类比：模型公司更像是处理器制造商，而Harness才是操作系统。这个比喻揭示了一个重要事实——当前大量创新应用正在绕过底层模型，直接与用户侧的Harness层对接。

数据飞轮：Harness的隐藏价值

以Claude Code为例，用户在其中配置了大量skill、长期积累的context、个性化的CLAUDE.md文件。这些积累构成了难以迁移的工作流资产。当新的模型发布时，用户的反应不再是「这个模型不够好」，而是「我的配置、记忆、工作流都在这里，不想换」。这就像用户不会因为AMD出了新CPU就重装整个Windows系统——CPU可以换，但操作系统不想动。 实际上，Claude Code采用CLI形态、OpenClaw把agent嵌入微信和WhatsApp、Manus自研sandbox和agent swarm——这些创新都不是模型公司做的。模型公司的研究员可能认为「PPT好不好看不本质」，但用户会用行动投票：体验就是本质。

Return问题：被下推而非解决

更深一层看，Harness层积累的数据能反哺模型训练，形成真正的数据飞轮。为什么普通chatbot没有数据飞轮？因为闲聊内容对模型训练价值有限。但agentic产品不同——用户让agent解决真实问题，每一次任务执行轨迹都是高质量训练数据：哪些步骤对了、哪些错了、用户如何纠正。这些数据意味着做Harness的公司不只是在做「壳」，而是在积累别人拿不到的数据资产。用的人越多，agent越好用；越好用，越多人用。这个飞轮一旦转起来，后来者难以追赶。

Agent网络效应：新的可能性

很多人看到Anthropic收入暴涨，认为AI商业化问题已解决。但主讲人指出了一个被忽视的事实：Anthropic的收入不是最终回报，而是客户的投入。他拆解了一个三步链条：投入（企业买token烧钱）→产出（AI写代码和软件）→结果（这些软件得能卖钱或降本，产生利润）。现在所有人都在拼命投入，相信最终有结果，但结果到了吗？到处都有人说用了agentic coding效率提升十倍，但看公司收入，有没有多出很多新产品、卖给很多新用户？目前看，没有。原因不难理解——移动互联网过去几年停滞，不是因为缺程序员写功能，是不知道该做什么。突然多了十倍工程师，不等于收入涨十倍。

如有侵权，请联系删除。