AI热榜 信息检索和 Coding，是过去两年率先找到产品市场匹配的 AI 应用方向。
前者改变了人们获取信息的方式，后者则让模型开始理解目标、调用工具并执行任务。
但类似的突破尚未发生在消费领域。
AI 可以完成越来越复杂的代码任务，却仍然很难稳定地处理一次涉及实时供给、交易和后续履约的消费需求。
在上周的飞猪新一代 AI 产品评测会上，飞猪 CTO 陈烨将这种落差放到了整个 AI 产业的价值链中观察。
在他看来，当前行业的注意力和价值仍然高度集中在基础模型、GPU、算力基础设施和 Token 层，应用层尚未出现足够多能够承接价值的产品。
这种结构并不是一个可持续的终局。
一个更加健康的 AI 生态，价值应该逐渐向下游延伸，进入编排层和应用层。
这也把讨论带向了一个更具体的问题：Coding 已经证明，应用可以在基础模型之上建立独立价值；这种路径能否进一步进入旅行、电商等真实消费场景？
飞猪在评测会上展示的新一代 AI 产品 V10，可以被看作对这一问题的一次阶段性探索：当 AI 从回答问题走向把事情办完，产品和工程体系还需要补齐什么？
Coding 已经找到 PMF，消费 Agent 为什么还没有？
陈烨提到，AI 产品正在经历从大模型、Chat、Coding，到 Agent、自进化，再到 PhysicalAI 的发展过程。
当前行业的主要关注点正在进入 Agent 阶段，下一步则可能走向能够利用工具和环境反馈持续进化的 Agent。
但消费 Agent 还没有取得与 CodingAgent 类似的进展。
陈烨认为，AgenticCoding 给行业展示了一条重要路径：模型可以理解目标、调用工具，并在执行反馈中修正结果。
Coding 的一个特殊优势，是大量问题能够以相对封闭的方式进行验证。
代码能否运行、测试能否通过，通常可以得到较为明确的判断。
🔗 原始来源
如果你要核对细节，可以再看原文： InfoQ AI原文链接