Harness成AI竞争关键，重塑产业结构与生态格局

突发：严肃的AI软件安全事件背后——Harness引发行业变革

2026年2月，OpenAI工程师Ryan Lopopolo用 "Agents aren't hard; the Harness is hard." 概括他刚完成的项目，当时多数人不理解他的感慨。他带领不到10人的小团队，用5个月让Codex写出超100万行代码，且全程未手敲一行。他将这套能让模型可靠工作的系统称为 "Harness Engineering"。

据公开信息，Codex的周活跃用户3月初约160万，到5月已超400万。除模型升级外，Codex的Harness能力也为其赢得不少用户。例如，开发者测试发现，在相同任务上，Claude Code消耗的token约是Codex的3到4倍。差距不仅在模型本身，也与Harness设计有关：Codex倾向于拆分任务并行运行，每个子任务上下文独立，互不污染。如今AI圈广泛认可 "Agent = Model + Harness" 这一公式。若将Agent比作车，大模型就是发动机，而Harness则是把 "发动机" 变成 "整车" 的系统工程。

一、Harness洗牌行业三层结构

Harness开始反向优化模型，这是洗牌当前整个AI行业结构的早期信号。过去几年，AI产业默认分为基础设施层、模型层和应用层，三层各司其职，价值分配相对清晰。但现在Harness开始影响这个“利益蛋糕”的分配。

模型公司首先感受到“兑现权”被部分拿走。过去模型公司既训练模型，又决定模型的使用方式，卖API、卖Playground，模型能力的兑现完全由自己掌控。模型强则卖得贵，逻辑简单。但Harness出现后，这一逻辑发生松动。在DeepSeek官方决定下场做Harness之前，开发者社区里的 "DeepSeek版Claude Code"（名为 "DeepSeek - TUI"）备受欢迎，目前Stars已超3万。这是因为同一个DeepSeek版本，在精调的code Harness里能发挥更好水准，而在粗糙的“壳”里，能力会大打折扣。模型本身不变，但Harness会影响模型能力兑现的区间。若模型公司将辛苦训练出的能力交给别人的Harness承接，最终定价权可能旁落，自己就成了供货商，少赚一层，且货的好坏还由渠道决定。

应用层的变化相对隐蔽和缓慢。过去不少应用公司的护城河是懂业务，这种“懂”体现在产品经理的判断、多年打磨的交互细节和持续迭代的功能逻辑中。但现在这些开始向Harness转移。例如，SaaS巨头Salesforce把销售线索追踪的标准动作固化进去，Claude Code把代码评审的标准流程嵌进去。过去靠人理解和沉淀的东西，如今到了Harness这一层。今年5月，老牌客服SaaS公司Intercom甚至直接改名为Fin，用自家AI Agent产品的名字替换经营15年的品牌，开始围绕Harness重构。那些还未重视Harness的应用公司，几年后可能会发现自己的业务护城河已被悄悄掏空。业务理解一旦被Harness固化为可执行的Agent动作，其所有权就跟着Harness走，不再与人相关。

再往上，基础设施层也无法置身事外，因为算力市场的需求会被反向定义。过去英伟达等公司的产品规划很大程度上由大批量、稳定负载的模型训练驱动。但随着Harness的普及，Agent推理正成为算力市场的新主导力量。Agent具备长链路、多次调用、带工具、带记忆的特征，其推理负载有长周期、不可预测等动态变化，需要不同的调度方式、内存架构和网络拓扑。英伟达在2026年发布的Vera Rubin平台，就是专为智能体和大规模推理时代构建。Harness开始反过来影响芯片层的下一代产品形态。这些变化使得AI产业链各层的利益分配都需重新谈判。

二、Harness天然长在场景里

Harness自身也在发生分化，其根源在于Harness的一个根本特点。Ryan Lopopolo团队最初认为，只要把模型接上Harness就行，但后来发现，Harness并非即插可用的插件，也不是一次设计好就固定不变的，它必须在真实场景的失败中打磨出来。没有真实场景的纠偏，Harness就会僵化。这就是Harness天然长在场景里的原因。不同公司的业务场景千差万别，Harness也会因此分化。

最先被验证、也最快能让Harness跑通的是代码场景。Harness在代码场景里的每一条轨迹都自带反馈信号，模型可以从中学习。这就是Anthropic和OpenAI不约而同把Harness的第一战放在代码场景的原因。但代码之外的世界没有编译器，情况要复杂得多。在客服答疑、售后服务、风控判断等非代码场景中，没有自动化的客观标准能瞬间判断对错。离开天然验证器，反馈信号要么靠人工标注和复盘，但成本高、迭代慢；要么靠真实业务结果反馈，这就需要离业务足够近、运行足够久。Harness做得好的玩家，一定是离真实业务反馈最近的。

长远来看，模型肯定会变得更强。现在Harness面临的失败重试、上下文截断等需要专门工程处理的问题，未来可能模型自己就能解决。但Harness长在真实业务场景里、靠真实失败磨出来的部分，是模型再强也无法替代的。模型变强会消解Harness的工程层，但消解不掉Harness的场景层。

有真实业务反馈的玩家已在Harness上展现出优势。例如，SaaS巨头Salesforce在CRM场景里有几十年沉淀的客户行为数据、销售漏斗反馈、服务工单记录。最新财年的数据显示，公司的Agentforce已按 "Agent对话" 收费，ARR达8亿美元，全年增速169%，累计超2.9万笔交易，已实现商业兑现。目前国内日活第一的Agent腾讯WorkBuddy，也是很早就押注Harness的玩家。从团队决定做claw模式到全量上线，只用了一个星期。能如此快速，是因为WorkBuddy的Harness早就在腾讯内部搭建好。在面向市场之前，WorkBuddy就被内部2000多人使用过。员工把会议纪要、跨部门协作、邮件草拟、文档生成等日常工作交给它，每一次使用和反馈都被沉淀回Harness里，使Harness得到更好的打磨。

不过，这并不意味着各家公司在各自定义和制造完全孤立、只能干一件事的Agent产品。在未来的AI竞争中，当模型进入不同行业的业务深水区时，必须放入不同的Harness里磨练。这些磨练的分化不仅是Agent路线的选择差异，更是企业各自护城河的重塑。代码、协同办公、电商交易等不同场景会孕育出完全不同的Harness。由于非代码场景的反馈信号极难跨行业复制，在一个场景里磨出来的Harness，无法直接应用到另一个场景。因此，拥有独特业务闭环的玩家，会在自己的领域内建立起壁垒，外来者很难通过单纯堆叠算力或模型规模来打破这种领先。

三、标准化与智能体生态之争

当Agent在不同的Harness里磨练，形成不同的规矩和行事风格后，它们最终需要“互相交流”。如果每家都采用私有协议、私有调用方式，整个Agent生态就会陷入PC时代软件之间不能互通、互联网时代浏览器各自实现HTML的混乱。因此，接下来Agent竞争一定会从场景层的工程上升到协议和标准层面，这是Agent大规模互通的基础。

Agent的标准化竞争已经开始。Anthropic在2024年底推出MCP（Model Context Protocol），将模型如何接入工具、如何获取上下文抽象成行业协议；Google在2025年4月推出A2A（Agent2Agent）协议，使多个Agent之间能跨厂商协作。毕竟，当Agent开始大规模互通，先入者形成的协议网络会成为后来者的进入门槛。谁先铺开协议、接入生态、留住开发者，谁就在这一层占据类似Android、iOS的平台位。

在国内，腾讯、阿里、字节都在跟进，避免在事实标准之外掉队。腾讯云智能体开发平台全面支持MCP并上线MCP插件广场；阿里百炼平台已接入MCP；字节旗下的Trae和Coze也在全面拥抱和兼容MCP。

协议的标准化不仅是为了解决互通问题。它还决定了能否让用户安全、信任地使用Agent，最终实现大规模商业化落地。当Agent能代用户下单、付款、签合同时，如何把控过程中的风险？今年5月，中国信通院联合腾讯、华为、中兴、三大运营商和港中深共同发布的ATH协议开始回应这些问题。该协议的核心思路是通过用户、Agent与服务的三方握手来确定权限边界，权限取交集，任何一方缺席都无法通过。

与协议之争同时进行的，还有Agent协作基础设施的建设。当多个Agent协作时，仅有标准协议是不够的。多个Agent之间的调度、共享内存、权限边界、上下文路由、安全沙箱等问题，协议层面无法完全解决，需要一套底层基础设施承接。目前，对于这一层基础设施的最终形态尚无共识。一种可能是被现有终端进一步集成，它们先获取屏幕、系统算力和硬件权限，再调用Agent；另一种可能是演化出独立的智能体生态，类似于PC时代的Windows或移动时代的Android；还有一种路径是在已有的超级生态里发展，这也是外界对微信Agent最大的想象空间。腾讯高管在多个公开场合提及微信Agent的方向。尽管目前还没有正式产品形态，但14亿微信用户、450万小程序，以及覆盖从支付到政务的业务场景，本身就是一个现成的Agent协作网络。Agent无需重新搭建平台，接入已跑通的真实业务即可。

协议定义Agent之间的互通方式，基础设施确保Agent稳定运行。可以看到，目前领先的AI公司都在同时考虑这两件事，为抢占Agent时代的竞争优势做准备。

结语

过去评估一家AI公司的竞争力，人们习惯看其模型强度、榜单分数和资金投入。但这些只能反映“发动机”的情况。现在行业意识到，这种评估方式不够全面和实用。整车要上路，还需要一套安全可用的“整车系统”。当OpenAI和DeepSeek等模型层也在补齐Agent所需的Harness能力时，实际上揭示了AI竞争新的评估方式：Harness能否反向优化自家模型、有无真实业务场景反馈、能否在Agent标准化之争中占据有利位置、是否建立了承载多Agent协作的基础底座等。

模型依然是基本盘，但随着Harness的影响扩大，每家AI公司接下来不仅要思考“我的模型有多强”，还要明确自己在Harness引发的新AI格局中的位置。AI时代变化迅速，Harness也许只是一个开端。几年后，它可能有新的名字和形态。但模型与场景之间，总需要一个连接模型、嵌入业务、沉淀反馈的中间层。这一层沉淀的不仅有工程能力，还有业务理解、反馈数据，以及公司与真实用户之间的日常校准。目前来看，这件事没有捷径，只能在长时间的沉淀和大规模的真实业务中磨练。