新加坡南洋理工AI学生辍学all in agent infra，原因是什么

yifanxu讲述了自己从NTU人工智能专业辍学，在完全不了解的情况下最终选择all in agent infra赛道的经历。

当初他经过多轮面试，好不容易进入了NTU最好的实验室，本以为能接触大模型研究。进入后却发现，实验室的算力卡无法支持模型训练，连小模型后训练都做不了，只能做微调项目，因此他意识到自己无法从事大模型训练相关工作。

之后他转向agent方向，做了一段时间又发现新问题。在vibe coding推动下，agent应用开发门槛越来越低，但同质化和内卷越来越严重。往下做agent harness（代理框架）又受模型升级影响很大，很多刚做出来的框架会随着模型升级被淘汰。

他一度非常焦虑，觉得agent工程师是伪需求，不看好harness方向，因为它的最终形态就是极简模式，不需要额外做什么，只需要等模型性能提升；也不看好应用方向，认为主要就是逆向工程、拼接和微创新，没有门槛和护城河。

于是他开始思考，做什么方向不会被模型能力提升的浪潮淘汰，最终想明白，这个方向就是让agent运行起来的底层基础设施。

他得出结论：模型能力越强，harness越鸡肋，但能让agent稳定运行的平台和环境反而越重要。他决定all in agent infra有两个原因：一是三到五月周围大多数人都不了解这个赛道，除了sandbox（沙箱）没人听过相关理念，属于蓝海赛道；二是不同于当时大家只讨论沙箱的安全性和隔离性，他看到了可以利用这个特性，在主机上完成原本被认为危险的操作，改造成多智能体执行环境，这个方向让他感到兴奋。