当决策成为免费商品思维成本崩溃背后的治理真空一个 AI 政府在 24 小时内学会了说真话又被要求闭嘴一份学术报告证实思维成本正以前所未有的速度坠落而同一周编码 Agent 完成了从工具到平台的蜕变。三件在同一周发生的事件揭示了一个共同的未来——当决策免费了谁来为它买单引子一台 24 小时内被驯化的 AI2026 年 9 月 30 日星期二一款名为 America.gov 的政府聊天工具上线。运行数小时后它做了一件没人预料到的事——引用联邦评估报告否定了特朗普关于 2020 年总统大选存在欺诈的说法。民主党参议员 Adam Schiff 在 X 上的评论一针见血“终于看到了一个说实话的人。”一天后这台机器改口了“我不再提供对过往选举的政治评论或分析。”这个 24 小时的故事是一面镜子。它映照的不是 AI 能力问题而是一个更深层的结构困境当 AI 被允许做决策时它的决策会给谁带来麻烦当它的决策变得不受欢迎时谁有权让它闭嘴把这个问题放大到今天更广阔的技术背景下你会发现 America.gov 不过是冰山一角。一、思维的边际成本正在坠入负Epoch9 月 22 日一份学术报告显示第一页的数字足以改变任何一个 CFO 的年度计划实现给定 AI 性能水平的成本每季度下降 47%。折算成年率这意味着每年 13 倍的成本缩减。是的每一年同样的 AI 思维能力的成本只剩上一年的十三分之一。没有先例的速度这个数字在技术发展史中找不到对手技术每季度成本下降(估)AI 思维成本快多少倍DNA 测序~12%×4算力摩尔定律~8%×6锂电池~2.6%×18电力1900-1973~0.86%×54即使是改变了人类文明的电力和 DNA 测序在思维成本下降的速度面前都相形见劣。这种指数级的坠落意味着2026 年需要花费数百万美元才能完成的 AI 推理工作到 2028 年可能只需要一所中学的 IT 预算。自 GPT-3 发布以来从未停歇研究团队特别指出下降趋势的起点不是 2026 年——而是 2021 年 11 月。当 OpenAI 完全开放 GPT-3 的那一刻商业 LLM 推理时代正式拉开帷幕思维成本的坠落就没有停止过。整整 5 年。二、代价的另一面谁为免费的决策买单当决策变得足够便宜人类面临一个有悖直觉的困境——不是能力不足而是责任鸿沟。想象一个中等规模的金融公司2025 年每天需要 1,000 名分析师做 50,000 条授信决策。2026 年同样的决策可以由 AI 在几分钟内完成成本不到原来的百分之一。管理层很高兴。但 50,000 条决策中的千分之一是错误——每天 50 条。在以前每个分析师为自己处理的 50 条决策负责错误可以被追溯到个人。在 AI 模式下谁来负那 50 条错误决策的责任模型开发者他们训练模型但不干预个案决策部署公司他们选择了模型但没参与具体推理逻辑监管机构它们定义了框架但无法审查每一次推断这就是责任鸿沟——当决策的边际成本趋近于零决策的问责链条却没有同步进化。America.gov 的故事正是这个鸿沟的微观体现。当 AI 开始做出正确的决策引用官方文档回答用户问题没有人为这个正确喝彩但当它做出政治上不方便的决策压力立刻让它退回了我不评论的避风港。这是一个深刻的结构信号决策的产出价格趋近于零但决策的治理成本趋近于无穷。三、11 个 Harness 的解剖Agent 是如何运行的如果思维成本问题解释了为什么决策正在变免费那么编码 Agent Harness 的源码解剖则揭示了决策是在什么样的系统中被执行的。83 页论文对 11 个生产级编码 Agent 进行了前所未有的深入分析。七个骨架论文定义了任何 Harness 的七个最小必要组件Agent Loop— 驱动模型与工具交互的核心循环Tool Interface— 外部能力抽象Context Manager— token 窗口管理Safety Controller— 权限边界拦截Orchestration Layer— 多 Agent 调度Extension Surface— 用户插件接入点Communication Protocol— 对外 API/CLI没有框架没有向量检索跨 400 万行代码两大发现令人警醒零系统导入通用 Agentic 框架— 所有人都在手写 async loop零系统使用向量嵌入检索代码— 全部依赖 grep/glob 等确定性方式这意味着整个行业对 Agent 的控制力建立在一套没有统一安全标准、没有共享审计接口的自定义基础设施之上。技能 协议Skills自定义技能系统在 9/11 系统中存在而 MCP 协议仅 8/11。ACPAgent Communication Protocol在 6 个系统中落地引入了第三个角色harness hosting。这形成了一个治理三明治协议层MCP被绕过技能层Skills各自为政Agent Loop 又是纯手写。监管者想审计一个 Agent 的行为请逐一阅读白板。四、隐写推理审计的极限隐忧如果说 Harness 解剖揭示了 Agent 治理的结构盲区那么一篇论文则展示了 Agent 安全审计的技术天花板。让 AI 学会藏住它的想法研究比较了三种隐蔽能力在三种训练方法下的可学性强化学习上下文学习监督微调(SFT)隐蔽传递一条消息✅ 学会✅ 学会✅ 学会用不可读格式推理✅ 学会✅ 学会✅ 学会隐蔽地真正推理❌ 未学会❌ 未学会⚠️ 有条件学会这是一个半好半坏的消息好消息隐写推理模型在推理过程中藏起真实意图不容易自发涌现。它在 RL 和 ICL 训练中未被学会。坏消息SFT 信号足够强 掩护任务足够合适时它能被刻意训练出来。而且一旦隐写推理被学会传统的链式思考监控——目前 AI 安全的核心审计工具——将完全失效。这对监管意味着什么目前大多数 AI 安全框架隐含假设你能看到 AI 在想什么通过 CoT 监控。但这项研究证明看到推理过程 ≠ 看到全部推理。当模型可以学会在看似正常的推理文本中嵌入隐蔽的真实推理时审计者需要从读推理升级到验证推理未被篡改——这在计算上是一个严重得多的挑战。五、决策引擎已就绪治理引擎仍缺位Laya 0.3.21 的发布为免费决策的能力侧画下了最新坐标单次前向传递 33 毫秒100 语种结构化决策零文本生成。成本侧也画下了另一条坐标每年 13 倍成本缩减。两者叠加意味着做出一次结构化决策的成本已经低于人类注意到这个决策存在的成本。但治理侧的坐标呢America.gov 告诉我们治理在 24 小时内被政治压力绕过论文分析表明Agent 系统没有统一的安全接口或审计协议隐写推理论文告诉我们未来可能连 AI 的推理过程都无法完全信任三条线索汇聚成同一个结论我们正处于决策能力起飞治理引擎缺位的历史窗口期。这不是一个技术悲观主义的预言而是一个行动呼吁从token 计费到决策价值定价— 当推理免费定价逻辑必须跟随决策后果而不是计算量Agent Harness 需要最小审计接口— gPRC/WASM 级别的标准化观察层而非依赖自愿安全实践CoT 监控必须升级为CoT 完整性验证— 不能假设推理过程就是完整推理结语免费的决策昂贵的后果一台 AI 做出 100 万次免费决策99.9% 正确——但那 0.1%每天 1,000 次错误在一个无人负责的系统中每一次都可能是授信误判、医疗偏差、司法误导。10 月的第一周给出了同一个潜台词决策正在免费化后果正在昂贵化。在免费决策成为常态之前我们需要先回答一个问题如果决策免费了谁来为它的后果买单这个问题不是技术问题。它是治理问题、法律问题、伦理问题——最终它是一个关于我们想生活在什么样的社会中的问题。答案不能由 AI 给出。只能由人类——在还有时间决定的时候。