第二百二十三章 恐怕不是第一个 (第1/3页)
Nexus Atlas发布会至今已过去一个多星期，首批内测用户终于拿到了内测账号。
几乎所有上手用过的人，都被Atlas展现出的能力震住了。
太快了。
效率太高了。
有了这种工具，一名资深程序员轻轻松松就能把效率提到此前的三四倍。
在编程不算长的历史里，上一次出现这种量级的效率提升，可能还要追溯到从汇编语言到高级语言的演进。
二十世纪五六十年代，FORTRAN（1957年）和COBOL（1959年）相继问世，程序员第一次能用接近人类语言的方式写代码，不必再盯着一堆寄存器和内存地址手动操控机器。
可那个年代，全世界的程序员加起来可能也就几千人，且大多集中在美国几所大学和军方实验室里。
如今，全世界程序员有数千万，电脑程序也渗入人类生活的方方面面。
Nexus AI在发布会前后的一轮造势，掀起了空前的讨论度。
在硅谷的街头巷尾、咖啡馆、风投训练营，凡是互联网人会出没的地方，最热的话题都已从AI、大模型转向Agent智能体。
所有人都相信，这就是AI下一个阶段的方向。
当然，也不是所有人都认为，智能体编程一出现就能把什么都做对。
Atlas的问世，同样在英文互联网上引发巨大讨论。
就这一点而言，Atlas的处境和几个星期前的御风几乎一模一样。
两个相似的工具，身处世界两端，先后遭遇了相似的质疑。
但对Nexus的人来说，这不是问题；或者说，这正是他们想要的。
智能体这个方向，在硅谷做AI的小圈子里已经讨论了好一阵；“推理+行动”这类理念范式，几年前就有人写进论文了。
此前一直没出圈，主要受限于模型能力和工程能力，这套理念在应用场景里跑不通。
这次Atlas发布后之所以能引起大范围讨论，除了Nexus AI花大力气宣发，更重要的是，Atlas在某些场景下真跑通了。
要知道，理论可行与工程可行，在现实中的差距大到难以想象，大到足以拖垮几代创业公司。
Nexus AI如今端出Atlas这样完成度相当高的产品，足以同时向市场和投资人证明两件事：一是水星模型确实有能力支撑智能体；二是Nexus的工程团队确实能把它落地。
对Nexus AI这家独角兽来说，这两件事的价值，远比Atlas作为产品能赚多少钱重要得多。
Nexus AI账上的钱已烧得差不多了——员工工资、API调用的推理费用、下一代模型的训练计划——每一
（本章未完，请点击下一页继续阅读）