Harness成AI新战场：从“发动机”到“整车”的系统工程竞争

核心观点

AI行业已广泛认可“Agent = Model + Harness”公式。Harness是将模型能力转化为可靠Agent服务的系统工程，类比从发动机到整车的整合过程。OpenAI工程师Ryan Lopopolo团队5个月内让Codex生成超100万行代码，周活从160万增至400万+，Harness设计使Claude Code等竞品token消耗高达Codex的3-4倍。DeepSeek本月发布Harness产品经理和研发工程师岗位，组建Harness团队对标Claude Code。

行业影响

Harness正在洗牌AI产业三层结构：

• 模型层：模型能力兑现权被Harness分流，同一模型在不同Harness中表现差异大，定价权可能从模型方转移。
• 应用层：Salesforce、Intercom等公司正将业务知识固化到Harness中，业务理解的所有权从人转移到Harness组件，未重视的公司可能失去护城河。
• 基础设施层：Agent推理成为算力主导负载，长链路、不可预测特性推动芯片架构变革，英伟达Vera Rubin平台即为响应智能体时代所构建。

Harness的特性与分化

Harness天然生长在真实业务场景中。代码场景有编译器作为自动验证器，反馈信号强；非代码场景（客服、风控等）需依赖人工标注或业务结果反馈，行业壁垒高。不同场景长出差异化Harness，难以复制。例如Salesforce基于CRM数据实现Agentforce年ARR达8亿美元；腾讯WorkBuddy内部2000+人打磨后上线，成为国内日活第一Agent。

标准化与生态之争

Agent间需互通，标准化竞争已开启：

• Anthropic推出MCP协议，标准化工具和上下文接入；Google推出A2A协议，实现跨厂商Agent协作。
• 国内腾讯、阿里、字节等跟进支持MCP、A2A。
• 中国信通院联合腾讯等发布ATH协议，通过用户-Agent-服务三方握手控制权限，确保安全合规。

协议与基础设施并行发展。Agent协作需要调度、共享内存、权限边界等技术底座，目前路径未定——可能集成于现有终端，或演化为独立智能体生态，或在超级生态中生长（如微信Agent想象力）。

结论

Harness已成为AI竞争新评估维度：能否反向优化模型、有无真实业务反馈、能否卡位标准化、是否有基础底座。模型仍是基本盘，但连接模型与场景的中间层需靠长期场景磨练与真实反馈沉淀，无捷径可走。