作者将前沿 AI 实验室呼吁“放慢 AI”的言论与 20 世纪初美国制造业历史类比。福特早期靠廉价劳动力导致高流失率和质量问题，后来通过提高工资、接受严格监管改善了局面，但也使无力承担合规成本的小工厂被淘汰。作者认为，如今 OpenAI 和 Anthropic 等巨头要求更多安全评估、监控和监管限制，虽有安全考量，但客观上抬高了进入前沿 AI 竞争的门槛，挤压了小型创业公司。同时，实验室内部也出现失衡：真正推动技术进步的人精疲力竭，而围绕他们的组织不断膨胀。作者担忧哪个失衡会先爆发。
文章探讨了AI时代系统记录类传统软件公司（如Salesforce、Docusign、Atlassian）的反击态势。随着Salesforce与Anthropic合作推出Claudeforce，传统巨头正在从存储信息转向自主执行工作，向更高层级的agent演进。作者提出agent四层级框架（检索、流程、政策、决策），指出巨头受限于自身数据记录，而客户的完整工作跨越多个系统和边界。垂直AI创业公司需通过聚焦特定跨系统工作，构建专属数据资产、上下文和学习闭环来建立优势。文章还区分了记忆与学习的差异，强调理解专业与机构知识的重要性。
文章分析了当前 AI 领域的“淘金热”——上下文管理。作者指出，从 Jevons 悖论到数据主权，多因素驱动了初创公司和大企业竞相构建公司大脑或 LLM 知识库。尽管切入角度各异（如个人知识库、代理内存、可观测性工具等），但核心目标一致：为未来的智能体劳动力提供数据上下文层。文章认为该领域潜力巨大，但也面临产品同质化。
