DC娱乐网

扣子退场,不是一个产品凉了,是一代AI工作流范式走到头了

半年前跟圈内朋友聊的时候,我就说扣子这条路走不远,当时不少人还不同意。现在再看,判断算是应验了。
字节的扣子,网传烧了十个亿,最终迎来企业版下线调整。说它是这两年国内AI最火的产品一点不夸张。去年不管是新手入门,还是做AI应用,几乎人人都要上手试一试扣子。
很多人第一反应,扣子倒了,是不是影刀RPA、Dify、各种低代码AI工作流,全都要跟着完蛋?
先别急着下死结论。这里要区分清楚,早期很多人拿它们做“弥补大模型短板”的工作流,但影刀原生RPA、N8N本身还有大量纯自动化、跨系统对接场景,就算不用大模型也能跑;Dify很大一块收入来自企业知识库、私有化RAG。它们不会彻底消失,只是靠拖拽节点、提前写死流程去补大模型短板的这套玩法,红利期基本结束了。
扣子落幕,一个范式的红利到头了拖拽式 AI 工作流红利消退,行业正在向原生 Agent 新范式切换
不少人纳闷,曾经风头这么盛的产品,怎么说不行就不行了?
圈子里不少人之前都在抄这套拖拽编排的玩法,做各种AI工作流应用。大家默认这就是落地AI最快的路子,资本、开发者、企业客户,一窝蜂往里挤。
其实年初我就察觉到苗头,只是没想到它能撑到现在才官宣。
我做过同款工作流,踩过一模一样的坑拖拽工作流的痛点,Demo 看着顺畅,业务一变重构成本极高
我们团队本身就在做AI产品,最早的版本,就是基于扣子开源框架搭起来的,实打实做过一套工作流平台。当时我其实也挺看好这条路,觉得找到了落地的捷径。我们花了两个月打磨节点、调试分支,客户demo效果看着很漂亮。直到跑复杂需求的时候才发现,需求稍微一变,整个流程就要推翻重改,维护成本高到离谱。那一刻我才意识到,这不是AI,是披着AI外壳的传统低代码。闷头做了几个月之后,我慢慢想通一件事,这条路本身,就不是AI该有的终局。
如果所谓AI革命,最后就变成大家拼积木、拖连线,那这场变革的意义,其实大打折扣。
扣子本质上,是用传统互联网的思路,去适配还不够成熟的大模型。前两年大模型长距离推理能力弱,稍微复杂一点的任务,很容易跑偏、疯狂幻觉。开发者就想出一个折中办法,把一整套任务拆成十步,大部分流程提前固定、写死逻辑,只在少数关键节点交给大模型判断。靠人工预设流程,压住模型的不稳定输出,快速交付产品、对接客户变现。
放在当时的阶段,这是非常聪明的过渡方案。但它只是补丁,不是终点。
我们心里想象的AGI是什么样?给它一个目标,剩下的交给它自己。一件事要十个步骤,模型自己理解需求、规划路径、分步执行、遇到异常自己调整,从头到尾自主走完。而不是我们提前把七步都安排好,只留两步让模型发挥。
扣子当年能爆,恰恰就是抓住了模型能力不足的窗口期。人工把容易出错的环节锁死,对外呈现出来的效果稳定好看,自然成了爆款工具。不止扣子,Dify、海外的N8N、影刀RPA,用来做AI任务编排的思路大同小异。
只是所有人都低估了大模型迭代的速度。之前行业普遍预估,模型想要独立搞定复杂长任务,还要三五年。现实却快得超出预期。
新Agent来了,写死流程的思路过时了Harness、SuperAgent 这类 Agent 框架,和旧工作流到底差在哪
随着新一代代码Agent能力上来,也就是圈内常说的Harness工程,简单理解,不用人提前画流程图,AI自己当项目经理,自己拆任务、自己调工具、自己排错。像Claude、GPT的编程Agent,已经可以独立拆解任务、规划路线、闭环执行。现在再回头看拖拽式工作流,要先梳理逻辑、连接节点、限定每一步输出,人提前把最难的规划工作做完了。在原生Agent面前,这套模式就显得笨重、冗余。
现在新的Agent框架,比如LangGraph、MCP,思路和老工作流完全不一样,它不是固定死流程,是给模型一套工具调用规范,分支由模型实时决定。当更好的解法出现,烧钱维持旧范式,自然就难以为继。
扣子的落幕,也撕开了中美AI截然不同的发展路线。
同样做AI,国内外的选择天差地别海外优先底层技术,国内优先应用变现,哪种路线更有优势
海外像OpenAI、Anthropic,目标很集中,优先啃底层推理、自主规划这些硬核问题,商业化可以往后放,不会急着推出这类过渡型产品赚钱。当然他们也做ChatGPT、GPTStore这类应用,只是应用是模型能力的延伸,不是先做应用抓流量,再慢慢考虑底层。海外同样有资本压力、变现诉求,只是资本对长期研发周期的容忍度更高。
国内的环境不一样,不管大厂还是小团队,资本对回报周期耐心有限。大家都希望尽快拿出看得见、卖得出去的产品,扣子就是这个环境催生出来的产物。
这里有一个很现实的取舍,团队精力是有限的。大量人力耗在打磨过渡产品、对接客户、优化编排体验,分给底层基础能力研发的资源,必然会变少。时间拉长,差距就慢慢拉开了。
国内有没有沉下心直奔AGI底层的团队?有,Deepseek算一个。
当然,国内做底层推理、世界模型的不止Deepseek一家,只是它是路线最纯粹、资源集中押在AGI这条线上的代表。梁文锋他们的路线做得很纯粹,没有一堆面向市场的过渡应用。就连推出的DeepseekHarness、SuperAgent也是开源的,不靠这个产品直接变现。核心目的,是收集高质量编程数据,再反过来训练模型。编程数据是公认质量极高的训练素材,这也是它能拿到千亿级大额融资的核心原因。
再看看国内其他大厂,字节、腾讯、阿里,优先选了更容易落地变现的赛道。不是他们缺算力、缺资金,是高成本的持续投入,长期没有现金流支撑,很难扛住。于是资源自然而然流向离钱更近的应用层。
腾讯的WorkBuddy很多人用过,它本身并不承载底层自研智能,更像一层应用外壳,底层能力依赖外部模型。我们小团队做这个选择很好理解,没有实力去训基础大模型。但腾讯是有条件攻坚底层的,最后还是选择了门槛更低、变现更快的路线。
字节这边,豆包、飞书,资源重心同样扎堆在应用层。同时CDS、短视频、短剧业务变现能力很强,红果短剧就是典型。不少人的感受是,很多大厂优先把应用、流量抓在手里,等谁真的跑通AGI底层,再跟进成熟路线。
这就带来一个很扎心的现状。
明明所有人都认定AI是未来,但普通创业者、小团队,在AI赛道里能突围的机会越来越少。应用层说到底,是流量生意。谁手里握着海量用户,谁就能快速抢占市场。试问,一个从零起步的小团队,怎么正面和WorkBuddy这类大厂产品竞争?几乎没有胜算。
大厂通吃应用层,小团队还有机会吗?普通开发者做 AI,硬卷通用应用,还是深耕垂直行业更好
很多人会问,既然通用应用层卷不过大厂,小团队还能做什么?我的看法是,不要做通用AI助手、通用工作流,去扎极细分的垂直行业,绑定行业专属数据、合规流程、线下交付,这是大厂很难啃的。
理想的生态其实很清晰,大厂安心啃底层模型这块硬骨头,把场景创新、细分应用的机会留给中小创业者。海外不少头部厂商,大体上是这个节奏,不会所有应用场景都自己下场包揽。
但放到国内,巨头往往模型、应用两头抓。这样的生态,真的健康吗?
一个值得深思的问题,AI的终点是什么算力循环背后,是长期技术突破和短期内容变现的持续博弈
手握大量算力、资金和政策支持,不少资源最后流向了内容变现赛道。AI大幅降低了短剧脚本、剪辑、数字人制作门槛,短剧的供给越做越多,不断推送强刺激内容抢占用户时长。红果短剧日活1.6亿,用户人均时长120分钟,上亿人每天花两个小时沉浸在强刺激的爽文内容里,被即时的多巴胺推着走。
我不是否定短剧本身,它有它的受众和市场,只是在感慨,我们投入巨大算力资源去赌AI未来,一部分产能流向这种即时快感内容,不断收割大众注意力。每次想到这点,心里都挺感慨的。宝贵的时间,就这样消耗在瞬时快感里。
当然,也不是说工作流产品会彻底消失。在企业的合规、审计、权限管控场景,可视化编排依然有不可替代的价值。它的定位变了,不再用来弥补模型不够聪明的短板,而是企业风控的一层底座。真正被时代淘汰的,是把拖拽工作流当成AI终局的思路。
扣子的退场,是一个时代的句号。接下来AI竞争的主线,不再是谁的流程搭得更顺滑、节点拖得更好看。而是谁的模型,真正学会自主理解目标、自主规划、独立解决复杂问题。
Deepseek能不能一路走通,很大程度上影响国内底层AI的上限。如果只依靠主打短期变现的互联网大厂,想要在AGI底层实现突破,难度可想而知。
不知道大家怎么看这件事?你觉得国内AI生态,后续会不会慢慢向底层研发倾斜?评论区一起聊聊。