模型可以租，记忆不行

每个公司都能租到同样的前沿模型。模型本身，不再是壁垒。

那什么才是？

Ben Horowitz在最新长文里给出的答案：公司自己的记忆。定义、权限、评估过的案例、客户历史、用代价换来的例外。这些东西，模型不会替你积累。

他管这叫 system of record for agents，为Agent准备的系统记录。

一个Agent要被信任处理真实工作，这套记录得回答四个问题：

什么为真：公司自己的数据。

什么含义：业务如何定义事物。Databricks的测试显示，把Agent的推理锚定在公司ontology（业务概念图谱）上，准确率从约50%提到84.5%。

什么被允许：身份、预算、护栏。

是否有效：用公司自己对"好"的定义来评分。

每次修正都反馈回记录。即使模型换了，公司学到的东西还在。Ben Horowitz的原话：

"如果你换掉公司的AI模型，而新模型继承了你的定义、权限、评估案例、客户历史和来之不易的例外，这就是可持续竞争优势的基础。如果新模型和所有人一样从同一个prompt开始，那就不是。"

这个判断指向一个更根本的变化。

Coase在1937年问过：公司为什么存在？答案是交易成本。公司内部组织一笔交易的边际成本，和市场交易成本相等时，公司停止扩张。

Herbert Simon后来观察到：集中化的业务记忆，让决策可以分散。航空公司的订票员不必打电话问每个同事，查共享记录就行。记录变了，所有人都知道。

数据库就是这样改变了公司。Agent会改得更彻底。

Databricks是观察这个变化的好样本。这家公司踩了四波技术S曲线：Spark、Lakehouse、Lakebase、Agent。

2009年，Hadoop统治"大数据"时代，但每轮计算都要写回磁盘，机器学习这种迭代负载慢得离谱。Berkeley博士生Matei Zaharia写了Spark，让数据留在内存里，迭代快十倍。2013年，他们创立Databricks。

之后是Lakehouse，把数据湖的廉价存储和数据仓库的可靠性合并。再之后是2025年收购Neon，把操作型数据库搬到同一套存储上，叫Lakebase。Agent可以像操作代码一样操作数据库：开个分支、做实验、扔掉。

这些技术突破来得正是时候。Databricks的查询量，Agent已经超过人。每天有超过1700万个数据库由Agent启动。METR的追踪显示，Agent能独立完成的任务时长，自2019年以来大约每7个月翻一番。如果这个趋势持续到2030年代初，Agent将能处理需要人类数年才能完成的任务。

Ali Ghodsi有句话很直接：AI没有智能问题，有上下文问题。再聪明的模型，没有公司的数据、权限、反馈，什么也干不了。

Databricks的Genie让不懂SQL的业务人员直接问数据。Novo Nordisk的科学家不再等数据工程师写查询，直接说"把我们的肥胖症数据都调出来"；Rivian的财务分析师用Genie给CFO建了营收仪表盘。自然语言正在变成新的编程语言。Andrej Karpathy说过："最热门的编程语言是英语。"

Elon Musk说得更激进：有"humans in the loop"的公司会输。他可能对，但中间态可能不是每个人变成工程师，而是每个人变成经理。

软件工程师已经在经历这个转变：从手写代码，变成管理一群编码Agent。拆解问题、分配任务、审查PR、打回重写。这就是经理的工作。

两家银行租同一个模型做信贷决策。第一家发prompt、收答案、记录最终决定。第二家记录哪些事实产生了答案、哪些被人工否决、哪些决策后来表现如何，并持续调整。

一年后，更好的模型出现。只有一家银行变成了更好的银行。

这就是"主权公司"的逻辑。模型可以换，记忆是自己的。Nvidia的Jensen Huang有句话：每家公司的业务数据就是金矿。Nvidia三万亿市值，三万员工，靠的是公司里大量的AI。

Databricks的收入运行率已超过70亿美元，同比增长80%，估值1900亿。但比数字更值得关注的，是它赌的那个方向：Agent时代，公司的竞争优势不是模型，是记忆。

未来的人每天工作做什么？答案可能是：做那些还没被搞清楚的事。