然后我们做了很多的尝试，但是写出来的效果确实不好。这也不是开发者个人水平的问题，就是从全球范围来讲，能达到 Claude Code 这种水平的人，我觉得不会超过 100 个。

这种人才非常稀少，而且集中在最头部的公司。包括今天的 CodeX、Cursor，以及国产的 Qwen-Coder 等，很多产品离 Claude Code 的差距都非常远。

这个事情其实是建立在对模型能力的深刻理解以及评估基础上去构建出来的，很多团队并不具备这样的能力。反正我们当时做出来的那款产品很难用，根本没法使用。

我们有一个非常典型的客户，他大概在去年七八月的时候买了我们一套 Cherry Studio 的企业版。

接下来的动作非常快：

10 月份，他们增购了一套给 3000 个员工使用
11 月份，他们的控股子公司又增购了一套，给 1000 个员工使用
他们是我们所有客户中普及度最高的一家。前两天，我们的一个渠道伙伴去拜访学习，讲了很多让人意想不到的情况。

让我觉得很感慨的是，大家在企业里吹得很多的那些东西（比如 MCP 和知识库），他们竟然都没有去使用。他们已经推动了 4000 个员工去使用这套系统，但大家却只用“对话”这一个功能。

所以，即便你讲 AI 一定要有 Agent，讲数字化系统去连接，讲 10 倍、100 倍的效率提升，甚至讲到可以裁员，但现实中并没有发生那么剧烈的事情，它还处在一个温和的局面。很多人就只用一个聊天功能，但这 30% 的效率提升，就已经足以支撑起整个企业了。

工业革命之后出现的一个事情，就是“三班倒”。在没有工业革命之前，人都是日出而作、日落而息。

为什么工业革命之后出现了三班倒？
因为人已经不再是工业生产中最核心的要素了。机器才是最核心的要素，人要为机器服务，所以人可以改变自己的作息，去迎合机器工作的规律。由此，人类社会的工业化生产效率和最终产出实现了指数级增长。

在人通过信息化系统去控制世界的阶段，人依然是最核心的要素，程序员是最核心的要素。代码还需要人写，还需要人去测试，产品经理还需要去提需求。

但如果有一天，信息化系统在构建和控制的过程中，人不再是那个最核心的生产要素，会发生什么？
那就是下发任务之后，让 Agent 去帮我们跑。人可能只需要设定几个 checkpoint（检查点），检查一下结果是不是符合预期就可以了。人要调整自己的作息去匹配 Agent，去迎合 Agent。

为什么我们今天看到的互联网公司再也没有“三班倒”，而更多是 996？
互联网公司之所以不“三班倒”，是因为人的生理规律不允许，而且系统需要协同——产品经理需要和程序员对接需求，程序员需要和运营进行沟通。

在未来，如果所有事情都被 Agent 接管，就不再需要人与人之间的协同了，人只需要跟 Agent 协同即可。

所以，Chris Studio 未来的目标，就是让企业里的生产要素变成 Agent，而人则变成边缘化的生产要素。

今年年初的时候，接触了一些投资人，非常密集，大概有二三十个。

我发现那些投资人问的问题很有意思。因为我的风格比较朴实，不会讲那些乱七八糟的故事，所以聊完之后通常就没有下文了。后来我就觉得这事儿对我来讲太难了，因为他们总问：“你的壁垒是什么？”

我一直在想，我的 Cherry Studio 就是一个开源项目，才做了半年，我能有什么壁垒？代码都在网上放着，我确实没啥壁垒，我也回答不上来。

然后我就反问：“你能告诉我哪家公司有壁垒吗？”

结果他们其实也回答不上来。他们自己都不知道自己在做什么，甚至不知道自己在问什么。现在企业最大的一个问题，就是世界上的“伪人”太多了，真人太少了；“经纪人”太多了，活人太少了。

这些人问的问题，全部是他的领导、他的 mentor 教他问的，但他们从来没有从本质上去思考过，为什么要问别人壁垒是什么。这就好比你去面试的时候，面试官总会问：“你为什么要离开上一家公司？”

这都是一些没有意义的狗屁问题，但如果你去面试别人，你往往也会这么问

我们今天所讲的语言模型，其语言能力和文本能力到今天为止，可能已经触顶了。

但是，解决问题的能力与语言能力是两回事。就像一个人读书，他可以读到中国最好的学校，比如清华、北大，或者美国的斯坦福、麻省理工。读到这个层面，教科书上的知识已经被他用光了，在学校知识方面他就已经触顶，没有更高的学业需求了。

然而，人类取得的成就显然不是停留在学校里的。一个人工作5年、10年、20年，他取得的成就、能力和认知会完全不同。这些东西是从哪里来的？实际上就是在工作过程中积累出来的。

今天所有模型的 Agent 能力差距都非常大。从 GPT-3 开始，2020 年到现在不过 5 年时间，一个医学生读完本科也需要 5 年。也就在这 5 年里，模型的语言能力显然已经触顶了。但一个人想要实现工作能力的提升，即便积累了 5 年工作经验，其实也还只是一个职场新人，可能需要 10 年、20 年。

我觉得在 AI 以及 Agent 这个范式之下，可能用不了那么久，但 5 年的时间是一定要有的。所以 Cherry Studio 的成长曲线，一定最少有 5 年以上的时间窗口。

在这个过程中：

谁先实现数据回流
谁能形成数据闭环
那么谁就有可能赢。
这个差距拉开之后，相较于基础训练以及模型的预训练，竞争其实可能会更加残酷。