AI 为什么先学会写代码，而不是先学会点外卖？

一个关键原因是，Coding 天然拥有编译器、单元测试、CI 等“Verifier”：反馈密集、即时且客观，任务又完全发生在数字世界里。相比之下，消费场景的反馈更加稀疏、延迟且主观，交易与履约还要穿透商家、库存、配送等真实的物理世界。

这意味着，AI 从 Coding 走向消费，并不只是把一个更强的模型接入消费应用，而是要重新构造一套面向真实世界的验证与执行闭环。本次演讲将从“可验证性”出发，分析 AI 为什么沿着 Coding → Agent → 消费的路径演进，以及消费级 AI 真正的难点究竟在哪里。

进一步，我们将把 Frontier Lab 的“Infra × Data × Compute”配方翻译到消费场景：如何构建 AI-Native 的供给与服务网络，如何将静态与实时消费数据转化为训练资产，以及如何通过后训练建立持续迭代的数据飞轮。核心判断是：下一阶段 AI 的关键，不只是让模型更聪明，而是把物理世界的履约过程变成可验证、可学习的训练信号。

最终，下半场真正的机会，不在于再造一个 AI Chat，而在于让 AI 真正进入交易、服务与履约，让消费成为通向更强通用智能的重要训练场。