A daily editorial on what AI builders are actually shipping — 9 月 1 日 刊
选题来自当日 builders 与 pulse 两条数据线，可直接作为公众号开稿起点。
角度从 Aaron Levie 的判断切入：开源模型和后训练成熟后，垂直行业公司会从“卖数据”转向“自己造模型”。
过去的生意是：你有行业数据，大模型厂商来买授权。Aaron Levie 今天提醒，下一阶段可能反过来：有数据的公司不再只出租原料，而是自己训练垂直模型。
通用前沿模型仍然最强，但垂直场景里真正稀缺的是数据和分发。
开源基础模型越强，反而越削弱大模型厂商对行业数据的议价权。
判断一个 AI 垂直产品是否有护城河，要看它能否沉淀专有数据并形成后训练闭环，而不是只看调用了哪个模型。
角度把 Peter Yang 的“信任门槛”放到本地 Agent、隐私路由和代码安全产品一起看：Agent 普及的卡点不是模型智商。
个人智能体最难卖的不是“能帮你做什么”，而是“你敢不敢让它做”。Peter Yang 今天说，信任会同时成为个人 Agent 最大门槛和最大推动力。
Agent 越有用，就越需要访问文件、账号、会议、代码和上下文。
真正能让用户掏钱的，可能不是更聪明的 Agent，而是更可控、更可审计的 Agent。
做个人 Agent 产品时，应优先设计权限边界、可回滚操作、日志审计和本地执行策略，而不是只堆任务能力。
角度从 Guillermo Rauch 的 DESIGN.md 观点切入，讨论 AI 编程时代设计品味如何从 Figma 组件迁移到可执行规则。
大组织的 AI 产物为什么总有一股廉价感？Guillermo Rauch 给了一个很直接的答案：下一个设计系统可能不是 Figma 组件库，而是一份 AI 能读懂的 DESIGN.md。
AI 能快速生成界面，但很难稳定继承团队的设计判断和产品品味。
设计系统的核心资产可能不再是组件截图，而是写给 Agent 执行的规则。
团队可以把布局、文案、交互、颜色、组件禁忌写成仓库级 DESIGN.md，让 AI 生成结果先被规则约束。
角度把 AI Gateway 的 token 治理和 GPU 成本透明化放在一起看：AI 成本正在从账单黑盒变成基础设施指标。
很多公司还在把 coding token 当免费空气用。Guillermo Rauch 今天的比喻很狠：这就像把无限制 AWS key 发给所有人，然后让实习生用 192 vCPU 托管静态网页。
AI 调用已经进入核心工作流，但预算、归因、限额和观测还停留在粗放阶段。
下一批 AI 基础设施机会，可能不是更便宜的模型，而是让每一次调用都能被治理。
团队应尽快按用户、项目、key 和任务类型建立 token 预算与告警，把 AI 成本纳入工程治理。
角度从 Madhu Guru 的 PM 要懂模型边界切入：AI 产品经理的核心能力正在从写需求变成押注模型能力曲线。
AI 产品经理现在不能只问“这个模型能不能做”。Madhu Guru 今天说得更狠：PM 必须知道不同尺寸模型会在哪失败，还要判断 2-3 个月后模型会变成什么样。
产品路线图的节奏，正在被模型能力更新速度打乱。
最危险的 PM 不是不懂用户，而是不知道哪些功能该等模型、哪些必须绕模型做工程补丁。
做 AI 产品规划时，要把模型边界、失败模式、替代方案和未来 2-3 个月能力假设写进 PRD。