Fulcra推出通用多智能体协作，不锁任何AI模型

编者按：当整个行业都在讨论"哪个模型更强"时，Fulcra把问题换成了"谁掌握上下文"。这个转向值得注意——因为一旦上下文可以跨模型流动，模型本身就会加速滑向可替换的 commodity。

2026年9月18日，波士顿。Fulcra Dynamics 发布了其最新能力：为任意用户选定的智能体（agents）提供"通用多人模式"（universal multiplayer）。按照该公司的说法，这意味着人们可以在不锁定任何单一AI模型的前提下，实现智能体之间的协作。Fulcra 将自身定位为"面向AI智能体的、最佳的用户自有上下文后端"（user-owned context backend）。

被点名批评的"本能对本能"

Fulcra 在公告中罕见地直接开火：当下"硅谷热议"的 Instinct-to-Instinct 模式，为个人AI描绘的未来"太小了"。这个提法指向的是一类近期流行的智能体架构——模型与模型之间以近乎反射式的方式直接对接，把协作简化为"一个模型调用另一个模型"。它的吸引力在于快：延迟低、链路短、演示效果好。

但问题同样明显。当协作逻辑被埋在模型之间的私有通道里，用户既看不见上下文如何被传递，也无法把这段协作关系迁移到别的模型上。换句话说，所谓的"智能体协作"，最终变成了某一家模型厂商生态内部的闭环。Fulcra 想要的显然是另一条路：协作归协作，但接入哪个模型，由用户自己选。

什么是"用户自有的上下文后端"

要理解这次发布，得先理解 Fulcra 的核心命题。当前主流AI产品的一个隐性代价是：你的记忆、偏好、历史对话、工作数据，都被沉淀在某一家的服务器上，成为该平台的资产。一旦你想换模型，这些上下文要么带不走，要么带走后失效——因为它们往往以厂商私有的格式存储。

Fulcra 的做法是把上下文层从模型层剥离开来。它维护一份由用户自己持有、可跨模型调用的上下文底座：任何符合接口的智能体接入后，都能读到同一份"关于你"的信息。这样，模型可以换、agent 可以换，但"你是谁、你要什么"这件事始终留在用户手上。

多人模式：从"我的助手"到"我的团队"

所谓"通用多人模式"，本质是把这套上下文底座从单机扩展到多智能体网络。用户可以同时挂载编码智能体、日程智能体、财务智能体、研究智能体——它们可能来自完全不同的厂商、跑在不同的模型上——并通过共享上下文互相传递任务与状态，而不是被强行绑进同一家的编排框架。

这与业界正在推进的智能体互操作浪潮方向一致。2024年以来，围绕工具调用的开放协议、以及面向智能体与智能体对话的互操作规范相继出现，目标都是让不同来源的 agent 能够彼此发现、协商与分工。区别在于，多数方案解决的是"通信格式"问题，而 Fulcra 试图解决的是"上下文归属"问题——前者让智能体能说同一种话，后者决定它们究竟在谈论谁的数据。

分析：上下文所有权正成为新的护城河

从竞争格局看，Fulcra 押注的是一个反向逻辑：如果上下文可以自由流动，那么模型能力的差距会被迅速拉平，厂商必须靠真正的能力而非迁移成本留住用户。这对用户是好事，对模型厂商则是坏消息——它直接冲击了"用记忆和习惯把你锁住"的经典留存策略。

当然，这条路径也有现实阻力。上下文跨模型传输涉及隐私、权限与合规边界；不同厂商是否愿意开放读写接口，本身就是商业博弈。此外，一份高质量的上下文底座需要长期的数据治理能力，这不是小型团队能轻易复制的工程。

但方向已经清晰：个人AI的下一场竞争，不太可能发生在参数规模上，而更可能发生在"谁能持有并安全调度用户的全部上下文"上。Fulcra 这次发布的通用多人模式，正是把筹码压在了这个判断上——它不一定赢，但它把问题问对了。

本文编译自 AI News