硅谷公司 Instinct 只消 14 个东说念主，估值却作念到 100 亿好意思元。它不靠更漂亮的 App，而是把 App 藏起来，让 AI 平直替你订机票、改旅舍、处理邮件赌钱赚钱app，从「给谜底」变成「替你作念」。它还盯上了一笔早已存在的钱：旅行的需求分发费。

一、十四个东说念主，一百亿好意思元

1、最近硅谷有一家叫 Instinct 的公司，很合适拿来不雅察 AI 应用层正在发生什么。Instinct 成立于 2025 年，首创东说念主 Noah Shinn 只消 23 岁。

2026 年 8 月 26 日，它完成 2.5 亿好意思元 B 轮融资，累计融资约 3.5 亿好意思元，估值 25 亿好意思元；

33 天后的 9 月 28 日，它又融资 10 亿好意思元，估值平直变成 100 亿好意思元。9 月中旬，《The Information》报说念称其用户一经杰出 10 万；

首创东说念主线路，用户使用三周以后，约 40% 欢腾把私东说念主信用卡交给它，交出敏锐信息后的用户留存约 80%；

平台流经的年化往复额接近 10 亿好意思元，其中杰出一半来自旅行。团队只消 14 个东说念主。

2、Instinct 最极度的场地，不是又作念了一个更漂亮的 App，而是勤奋把“App”自己藏起来。用户不错通过短信、电话、Email 和语音说合它，像找一个真东说念主助理。

上一代软件要求东说念主学习一个新的界面；

Instinct 的想路反过来：软件去安妥东说念主一经会的作为——说一句话，找个东说念主把事情办了。确凿的“活东说念主感”，不是聊天框里写得像东说念主，而是你把现实寰宇的事交给它以后，它真能往下作念。

3、这些数字要感性来看。

融资额和估值已有公开报说念证据；

“杰出 10 万用户”主要来自媒体信源；

40% 信用卡集中率、约 80% 留存、10% 日增长、接近 10 亿好意思元年化往复额，主要来自首创东说念主的公开访谈，并非审计数据；

早期用户又高度集合在硅谷科技圈，不行平直外推到人人市集。

真巧合得隆重的不是某一个数字精准到少许点，而是它们共同指向一件以前颇为概括的事情：

一经有一批东说念主欢腾让 AI 不单回答问题，而是确凿插足我方的信用卡、日程、邮件和现实往复。

二、从谜底到行动

4、ChatGPT 这一代聊天机器东说念主的基本产出是谜底（Answer），个东说念主代理东说念主（Personal Agent）的基本产出是行动（Action）。前者告诉你如何作念，后者运转代表你作念：订机票、改旅舍、找餐厅、取消订阅、协调日程、处理邮件。这里不是一次平淡的居品升级，而是软件变装的变化：从用具（Tool），走向代理东说念主（Agent）。

5、Instinct 先在旅行上跑出来，不是有时。旅行客单价高、信息复杂、范例多、及时变化多、供应商龙套，而且消费者早就俗例让第三方代办。

当年携程和 Booking 的价值，是把旅舍、机票、租车装进一个界面；

Agent 再走一步，连界面齐可能不报复。用户只需要说：“今晚必须到纽约，帮我责罚。”剩下的比拟、衡量、预订、修改和支付藏到后台。Instinct 首创东说念主称，目下杰出一半的往复额来自旅行。

6、旅行还有一个交易上的自制：这个行业早已俗例为流量和往复进口付钱。Booking Holdings 2025 年营销用度约 81.9 亿好意思元，占收入约三成，其中成果营销（Performance Marketing）包括搜索、比价、定约等报复渠说念。也便是说，旅行行业本来就存在多量“需求分发费”。如果 Agent 能从 Google、OTA 或 App 手里拿走一部分需求进口，就不必捏造发明一个利润池，它争的是一笔一经存在好多年的钱。

（至少在中国雇主的现实生涯里，私东说念主助理最报复的一类服务，本来便是安排名程、订旅舍、改机票。旅行可能自然便是“私东说念主代理”最早被谐和的场景。）

7、Instinct 想走的交易模式也很平直：消费者尽量免费，不主要靠每月 20 好意思元的订阅，而是在替用户确凿完成往复后取得往复抽成（Take Rate）。目下它尚未酿成一套公开、贯通的抽佣轨制，是以那接近 10 亿好意思元是往复额（Transaction Volume），不是 Instinct 的收入。它确凿实验的是另一条链：免费取得使用 → 服务建立信任 → 信任取得委托 → 委托产生往复。

8、Shinn 在谈交易模式时拿几个纯熟行业作过参照：支付网罗庸碌只拿几个百分点，往复平台可能拿到更高的比例，应用分发平台以致能拿到 30%。这不应该谐和成“Instinct 一经决定在 2.5%、10%、30% 三档里选一个”，确凿的问题是：市集最终会把 Agent 当成什么？

如果仅仅支付基础递次，抽成很薄；如果是往复平台，会厚一些；

如果它确凿按捺了稀缺的需求分发权，利润池又完全不同。

Agent 在价值链上的身份，比抽成数字自己更报复。

9、是以把 Instinct 叫“AI 版携程”，只说对了一半。

携程主要团员某一个领域里的供给（Supply），把旅行需乞降机票、旅舍、租车凑到全部；

个东说念主代理东说念主想团员的是一个东说念主的需求（Demand），而且跨品类。

携程从旅行登程，勤奋越来越懂旅行；

Personal Agent 从用户登程，想越来越懂这个东说念主，再走向旅行、购物、餐厅、日程、邮件以及更多现实事务。

10、作念 AI 创业，寰球不时问“AI + 什么行业”。更应该问的是：AI 出现以后，产业链里多出了什么以前不存在的位置？

咱们俗例认为 AI 最大的契机，要么属于模子公司，要么属于苹果、腾讯、携程这种领稀有据、客户和产业壁垒的巨头。但工夫立异确凿巨大的创业契机，不时来自第三种东西：故乡图上根柢莫得阿谁位置。

11、互联网早期也一样。电信公司领有网罗，零卖商领有商品，媒体公司领有内容，但自后确凿长出来的是 Google 的搜索进口、Amazon 的线上往复进口、Facebook 的社会联系进口。旧金钱虽然报复，但工夫范式变化时，更要问：新的稀缺位置是什么？

（咱们总爱谈护城河。在一个贯通范式里，护城河虽然有用；问题是，范式切换时，护城河自己也会换界说。新的队列未必攻破你的城墙，它可能平直绕过这座城，在另一个维度建立一张新舆图。）

12、Bill Gates 2023 年写过一篇对于 Agent 的著述。他的判断是，Agent 会成为下一代计较平台，东说念主不需要知说念应该掀开哪个 App，只需要说我方想完成什么；他还极度提到，今天只消少数富东说念主连累得起的私东说念主助理式服务，会被 Agent 大幅裁汰资本。

（道理的是，盖茨那篇著述里仍然强调最终决定权属于用户。今活泼正更激进的问题，是：终末拍板的那一下，有几许也会被委托出去？）

13、是以“畴昔每个东说念主齐有一个 AI 助手”，可能如故停留在旧话语里，就像当年“每个东说念主桌上齐会有一台电脑”。更大的变化可能是两步：

AI 让智能人人化（AI Democratizes Intelligence）；

Agent 让委托人人化（Agent Democratizes Delegation）。

第一阶段，每个东说念主齐能低资本调用当年属于巨匠的学问；

第二阶段，每个东说念主齐可能领有一个持续了解我方、替我方判断、协调并践诺的数字代理东说念主。软件运转插足当年主要存在于东说念主与东说念主之间的委托联系。

三、凹凸文、记忆和“我的模子”

14、智能（Intelligence）和判断（Judgment）不是一趟事。一个模子不错知说念全寰宇总共旅舍的信息，却仍然不知说念哪家最合适你。

专科才智（Expertise）让它懂这个行业；

凹凸文（Context）让它懂你；

判断才是把两者联结，在具体约束下作念出遴选。

个东说念主代理东说念主的中枢竞争，很可能会从“知说念几许”缓缓走向“替这个具体的东说念主判断得有多好”。

15、Noah Shinn 的学术配景因此很有真义。他是 NeurIPS 2023 论文《Reflexion》的第一作家。那篇研究谋划的不是再行进修一个更大的模子，而是 Agent 能不行把当年行动取得的反应更始成话语反想，写进情景记忆（Episodic Memory），再改善下一次行动。

不行说这篇论文“平直组成了 Instinct 的工夫杀青”，但它与今天 Instinct 的居品玄学高度呼应：确凿报复的不仅仅这一次够不够智谋，而是和你相处越久，能不行越来越会替你办事。

16、Shinn 自后又与 Sierra 团队作念过 τ-bench，用来测试 Agent 在现实用具和规定约束下的可靠性。原论文一个很报复的论断是：那时最先进的用具调用型 Agent 在不少任务上的成效力仍低于 50%；而要求并吞种任务重叠贯通成效时，零卖场景的pass^8低于 25%。这把尺子今天依然很报复：一个 Agent 偶尔会作念对，与“我敢把信用卡交给它”之间，还有很长距离。

（这里用概率看尤其有真义。Agent 的可靠性不是一枚“每次胜率 60%”的均匀硬币。不同任务的难度相反极大，有的任务简直次次成效，有的任务高度不贯通。是以授权最好按任务类型给，而不是迷糊问一句：“这个 Agent 到底靠不靠谱？”）

17、这不错称为学习型联系（Learning Relationship）。传统软件用一年以后，它如故差未几并吞个软件；确凿好的 Agent 用一年以后，应该因为与你共同经历过巨额行动和反应，变成了一个“不同的 Agent”。一次旅舍订错，不应该仅仅一个 Bug，而应该成为下一次判断的进修材料。

18、因此，“数据壁垒”这个词太迷糊。携程领有领域数据（Domain Data），苹果领有巨额行径数据（Behavioral Data），Personal Agent 确凿想累积的是个东说念主凹凸文（Personal Context）。知说念我前次住了 Aman，是数据；知说念那时是因为同业者可爱，而我我方其实嫌位置不粗陋，是凹凸文；下次在商务行程里自动摈斥它，才运转接近确凿的“我的模子”（Model of Me）。

19、Scott Belsky 对 Instinct 有一个很堤防的判断：用户偏好的长尾（Long-tail of User Preferences），可能是消费者 AI 最终的护城河。一个东说念主不是十几个标签组成的。确凿的偏好藏在数千次小遴选里：什么时候欢腾多用钱换时候，谁的邮件不行晚回，什么会议宁可改机票也不行错过，什么旅舍看着可爱但以后不会再住。

20、Belsky 还强调遴选性记忆（Selective Memory）。Personal Agent 的难题不是“谨记越多越好”，而是要知说念什么值得记、什么仅仅有时、什么一经失效、什么本来就不应该保存。好的 Context 不是一个越堆越大的数据库，而是一套继续更新的解释。

21、更难的问题是：Agent 到底代表哪一个你？你嘴上说要减肥，深夜点的是炸鸡；说本年要少用钱，碰见打折又下单。经济学鉴别声明偏好（Stated Preference）和炫耀偏好（Revealed Preference），但还有第三层：你想成为的阿谁东说念主。

《奥德赛》里，奥德修斯知说念我方经过海妖时会失控，于是在清楚时让水手把我方绑到桅杆上，并规定届时无论我方怎么伏乞齐不要松捆。这种机制自后常被称为尤利西斯契约（Ulysses Contract），也便是预痛快。

（最高档的 Agent 也许不是永远听“此刻的我”，而是谐和一个偏好栈（Preference Stack）：即时指示、历久主见、事先设好的红线，谁的优先级更高。确凿的关节不是 AI 替我作念主，而是清楚时的我，事先规定冲动时的我不行作念什么。我以前写过，健身房是在作念空你的意志力；一个站在你这边的 Agent，可能恰好是在替你作念多我方的意志力。）

22、时候再拉长，酿成的可能不仅仅“我的模子”，而是“咱们的模子”（Model of Us）。一个跟了你十年的助理，价值不单在于“了解你”，而在于双方酿成了巨额无法写进说明书的默契。你说“有点贵”，他知说念不一定是不买；你说“再望望”，他知说念暂时不要鼓励。确凿高明的移动资本（Switching Cost），未必是数据，而是这种共同校准出来的判断。

23、但这里有一条相配报复的领域：原始数据、规定和偏好清单应该尽可能让用户带走。确凿的护城河应该来自“我不想走”，而不是“我走不了”。不错把它叫退出权（Exit Right）。Costco 的会员费不错退，好多商品退货极宽松，反而让消费者敢买。一个 Agent 如果允许一键导出记忆、取销权限、换掉服务商，反而可能让东说念主更敢把报复信拒接进去。

（好的锁定，是我不想走；不是我走不了。最近，我正在为一个用了很久的学问库软件恼火，我忍住不说这个我付用度了十几年的App的名字，但它的确一经变成了一个无赖。）

四、Costco 教给 Agent 的事

24、把判断外包给一个值得信任的专科机构，一丝也不新。Costco 不错谐和成一种低工夫版的委托（Delegation）。它历久宝石有限选品。一个家庭走进 Costco，不需要再行研究市集上总共洗衣液、橄榄油和电视，而是默许 Costco 一经替我方筛掉了绝大多数选项。

25、是以 Costco 卖的不仅仅商品，还卖“替你作念掉的一部分家庭采购判断”。这里至少需要两个要求：信任 + 专科（Trust + Expertise）。只消专科，莫得信任，我牵挂你诓骗信息上风赚我；只消信任，莫得专科，我没原理把决定交给你。Personal Agent 还不错再把信任拆成三种：

才智信任（Competence Trust）——你作念不作念得好；态度信任（Alignment Trust）——你到底站不站在我这边；范例信任（Process Trust）——我知不知说念你什么时候会问我、如何取销、出了错如何办。

26、Costco 的信任很猛进度来自自我约束（Self-restraint）。历久以来，它对品牌商品和 Kirkland 商品的涨价建树极低的上限；会员制、有限 SKU、退货战略，齐组成某种痛快机制（Commitment Device）。确凿镇定的信任，时常不是来自一句“确信我”，而是来自一个明明有才智占你低廉的东说念主，历久反复遴选不占你的低廉。

27、信任的经济价值也很具体：它裁汰搜索资本（Search Cost）、决策资本（Decision Cost）、考据资本（Verification Cost）。消费者信任 Costco，就不需要每次买橄榄油齐研究两个小时；信任一个 Agent，也不需要每笔小额旅行、预订和购买齐再行查验一遍。信任确凿简约的，是东说念主的隆重力和决策才智。

（以致不错说，最好的信任架构（Trust Architecture），不是让用户“更确信” Agent，而是通过名额、取销、双证据、日记，让用户不需要那么确信它。轨制把一次犯错的耗损锁死，比一百句“致敬然”齐可靠。）

五、从隆重力到决策权

28、赫伯特·西蒙 1971 年有一个著名判断：信息越丰富，隆重力就越稀缺。互联网当年几十年继续让咱们领有更多网页、更多商品、更多餐厅、更多内容，但东说念主的阐明才智莫得同比增长。

上一代互联网的任务是匡助东说念主取得更多遴选；

Agent 期间真巧合钱的服务，可能反过来：请替我删掉 9999 个，然后把终末阿谁遴选作念对。

29、是以确凿稀缺的资源，正在从信息变成决策才智（Decision Capacity）。AI 能范围化的不仅仅智能，还可能是经过筛选的判断（Curated Judgment）。医师、讼师、私东说念主银行家、旅行参谋人、家眷办公室，本色上齐在作念并吞种事：把复杂信息压缩成不错行动的判断。当年这种服务受限于高明的东说念主力，目下它第一次可能取得接近软件的边缘资本。

30、这也再行界说了“进口”。

PC 期间争的是信息进口（Information）；移动互联网期间争的是隆重力进口（Attention）；Agent 期间可能多出一个委托进口（Delegation）。

当年所谓进口，是“你先掀开谁”；新的进口可能是“你允许谁代表你行动”。

31、Google 给我十条收场，我我方选；携程给我二十家旅舍，我我方订；ChatGPT 给我五个有筹谋，我我方决定。确凿插足 Agent 期间的分水岭，是一句：“无须问我，你替我决定。”从这一刻运转，软件取得的不仅仅隆重力，而是被委托的决策权（Delegated Decision Rights）。这里有益加“被委托”，因为这不是 Agent 自然领有的职权，而是用户授予、不错收回的职权。

32、决策权不是一把总钥匙，而是一档一档交出去的。不错古板分红：给建议；替我草拟；我证据后践诺；某个金额或范围内自动践诺并过后示知；某一类事务完全托管。

授权也不行只看金额，至少要看三个轴：

最大可能耗损（Maximum Loss）、可逆性（Reversibility）、对第三方的外部性（Externality）。

一封公开邮件金额为零，却可能伤害名誉；一张 2000 元可全退的机票金额更高，却未必风险更大。

（以后给 Agent 的不是一把银行卡总钥匙，而是一份委托风险预算（Delegation Risk Budget）：能花几许钱、在哪些场景花、对谁花、灵验多久、能不行裁撤，应该分别建树。）

33、贝索斯曾把决策分红单向门（One-way Door）和双向门（Two-way Door）：能反璧来的双向门不错快，难以取销的单向门要慢。这个框架相配合适 Agent。可取消的预约、可退机票，不错缓缓自动化；发出去的邮件、不可退订金、转出去的钱，则应该把证据门槛拉高。

Cruise 2023 年岁故后，加州 DMV 暂停其无东说念主驾驶许可，其中一个明确原因便是公司在安全事件线路上的问题；GM 自后退出 Robotaxi 业务还有资本、范围化时候和竞争等多重原因，不行精真金不怕火归因于这一场事故。但授权系统有一丝和自动驾驶很像：升级很慢，左迁不错很快。

（保障也可能成为 Agent 期间很有真义的一层基础递次。畴昔如果 Agent 确凿运转替企业和个东说念主作出高价值决策，“自动决策保障”很可能会越来越具体。）

34、畴昔斟酌 Personal Agent，也许需要一个目下很少出目下财报里的野心：权限深度（Permission Depth）。用户给你的仅仅日期读取权，如故修改权？仅仅信用卡信息，如故 500 元以下自动付款？仅仅草拟邮件，如故允许平直发送？一个有 1 亿日活、但莫得行动权的 AI，和一个只消 100 万用户、却掌持巨额高价值权限的 Agent，是完全不同的金钱。

35、Belsky 讲的信任酬报率（ROI on Trust）因此相配有真义。它目下还不是一个法式财务野心，但逻辑一经不错不雅察：信任越高，权限越深；权限越深，委托越大；委托越大，Agent 能参与的经济举止越多。信任第一次运转领有相配平直、以致不错缓缓量化的经济后果。

（当年 Amazon 从 Costco 学过好多零卖逻辑。AI 期间绕了一圈，交易最深处可能仍然是那件很陈腐的东西：专科地替东说念主判断，并让东说念主确信你不会滥用这个职权。）

六、订阅经济与往复经济

36、a16z 2026 年 10 月发布的消费 AI 讲述给了一个很报复的配景：好意思国 AI 使用一经很广，但平直付费仍然很窄。YipitData 的好意思国样本炫耀，2026 年 8 月只消 4.5% 的消费者领有 ChatGPT、Gemini、Claude 至少一个个东说念主付费订阅，一年前是 2.1%；AI 消费还高度集合，Top 1% 的付费者孝顺了 19.5% 的消费，平均每月在消费者卡片上花 903 好意思元，而中位数用户只消 25 好意思元。

37、是以“订阅是 AI 的终局交易模式”至少对人人 Consumer AI 来说，远未被阐明。a16z 统计的头部 AI 原生 Web 居品中，84% 作念订阅、64% 作念 Credits 或用量收费，而告白只消 14%，往复或平台收费只消 2%。这很可能与今天高明的模子推理资本说合：传统互联网不错先免费养用户，AI 每多一个高频用户齐要花算力。但这里要加一个铁心：出产力 AI（Productivity AI）的订阅完全可能是历久模式。Claude 那批欢腾每月付 100 好意思元以致更多的重度用户（Power User），就阐明平直创造经济产出的用具不错历久卖高价。

38、Personal Agent 提供的是另一条路：往复经济（Transaction Economics）。如果 Agent 替我订旅舍、买机票、换保障、安排服务，它创造了一笔现实寰宇里本来就存在的往复价值。那为什么一定要让我每个月先付 20 好意思元？当年寰球一直问“如何让十亿东说念主订阅 AI”，畴昔也许会发现，这根柢不是人人 Agent 必须解决的问题。

39、a16z 还点出了 To C AI 一个容易被忽略的问题：频率缺口（Frequency Gap）。范例员每天齐有代码要写，研究者每天齐有材料要处理，是以 AI 很容易高频；平淡东说念主的需求却相配脱落。订机票、换运营商、处理保障、约餐厅齐是真实需求，但并不每天发生。把一个空缺聊天框放在平淡消费者眼前，他不时根柢不知说念该问什么。

40、Personal Agent 确凿可能变嫌的是交互范式。今天大部分 AI 是发问驱动（Prompt-driven AI）：先由用户意志到我方有一个任务，再想起“我要去找 AI”。历久领有凹凸文的 Agent 则可能缓缓变成现象驱动（State-driven AI）：邮件来了、航班延误了、两张日程撞了、账单重叠扣款了，现象自己触发下一步。用户不必先产生“我要用 AI”这个念头，AI 也能创造价值。

41、平淡东说念主的生涯里其实有一条巨大的未竟之事的长尾（Long Tail of Unfinished Business）：一封该回没回的邮件、一项忘了取消的订阅、一张没报销的票、一场一直没约上的饭、一笔该再行比价的保障。这些事情单独看齐小到撑不起一个 App，却每天持续花消隆重力。Personal Agent 确凿可能创造的高频，不一定来自制造更多需求，而是罗致那些当年“小到不值得专门处理”的需求。

七、服务图谱与旧巨头

42、凹凸文只解决了 Agent 壁垒的一半。Agent 知说念你想吃什么，不代表能订到桌；知说念哪班飞机最合适，不代表能够出票。要确凿把事情作念完，还要接支付、旅舍、航空公司、电商、餐厅、票务、银行和多样企业软件。

因此一个纯熟 Agent 很可能需要两张图：

个东说念主凹凸文图谱（Personal Context Graph），老成懂你；

服务图谱（Service Graph），老成把事情作念完。只消前者，它仅仅智谋参谋人；两张图齐有，才是代理东说念主。

43、Amazon 和第三方 Agent 的突破，简直提前演示了下一场平台斗争。Amazon 不肯让 Perplexity 的 Comet Agent 解脱在站内替用户购物；a16z 同期不雅察到，Amazon 很快按捺 Meta Muse，而 Shopify、Instacart、OpenTable、Expedia、Ticketmaster、Plaid 等却主动和 Agent 集成。

原因并不玄妙：

如果你主要卖供给，Agent 给你带订单是善事；如果你最值钱的是“用户必须先来找你”，Agent 就在抢你的进口。

44、是以携程面对 Agent，不单要“击败它”一个选项。它不错争夺终局用户，我方作念最好的旅行 Agent；也不错成为寰宇上总共 Agent 最好调用的旅行践诺层（Travel Execution Layer）。它确凿的金钱不是聊天才智，而是库存、支付、出票、改签、退款、客服和几十年的供应联系。最危境的位置不是“作念践诺层”，而是既莫得终局用户的委托联系，也莫得不可替代的践诺才智，只剩一个必须等东说念主主动掀开的 App。

45、当比拟和挑选越来越多由 Agent 完成，告白也会变。更准确地说，告白的劝服对象将部分从东说念主转向机器。品牌不会消逝，但品牌价值可能再行剖析：靠重叠曝光、货架位置、东说念主的记忆捷径酿成的那部分溢价可能下跌；确凿可考据的质地、售后、寄托、退货才智可能增值。

（写公众号的东说念主大略也要想一件事：以后“读你著述”的，可能有一部分不是最终的东说念主，而是替主东说念主先读一遍、索求判断的 Agent。）

46、创业公司比巨头少交两种税：旧界面税（Legacy Interface Tax）和自我蚕食税（Cannibalization Tax）。携程最当然的作为，是在携程 App 里面加一个更好的 AI；Amazon 必须斟酌 Agent 会不会伤害搜索、保举和告白；新公司不错平直问：“为什么还要掀开这个 App？”

Transformer 最早来自 Google，ChatGPT 却由 OpenAI 把对话式 AI 变成人人居品。自我蚕食虽然不是独一解释，组织结构、风险偏好和居品文化齐很报复，但 incumbents 必须保护现存利润池，这是结构性事实。

47、但苹果、腾讯虽然不行被低估。它们领有巨大的信任存量（Trust Endowment）。咱们一经把像片、密码、信用卡、位置和巨额开采权限交给 Apple；微信领有十亿级用户、支付、通信和雄壮的服务生态。寥寂 Agent 如果只说“我稀有据”“我更懂用户”，远远不够。

48、确凿的窗口在督察信任（Custodial Trust）与代理信任（Delegated Trust）之间。我确信银行督察一千万，不等于允许银行司理替我松弛投资；我确信 Apple 保存密码，不等于允许 Apple 决定我住哪家旅舍。“替我督察好”和“替我判断”，是两种心绪契约。今天的巨头在第一种信任上有巨大上风，第二种仍莫得完全尘埃落定。

49、是以寥寂 Agent 确凿要抢的时候窗口，是酿成委托联系（Delegated Relationship）。模子不错被追逐，功能不错被抄，原始数据以致不错导出，但一个经过三年确凿行动、出错、修正、规定更新和授权升级酿成的代理联系，更难复制。这里确凿的锁定不是口头，而是历史。

50、这会酿成一个委托飞轮（Delegation Flywheel）：更多行动带来更多凹凸文；凹凸文加上专科才智酿成更好的判断；更好的判断带来更多成效行动；成效行动累积信任；信任换来更深权限；权限扩大委托；委托又产生更多现实反应。传统互联网的网罗效应不时发生在“更多用户之间”，Personal Agent 起初的复利可能先发生在并吞个东说念主与 Agent 的时候轴上。

八、谁付钱，你就代表谁？

51、a16z 的 Anish Acharya 追忆 Instinct 时，抓到了一个相配报复的主张：Agent 不应该只优化任务完成率（Task Completion），还需要追求高阶主见（Higher-order Objective），举例历久建立信任、确凿“站在用户这一边”。旅舍订成效了，但 Agent 私行越权，任务层面成效，代理联系可能是失败的。确凿应该问的是：此次行动收尾以后，用户下一次愿不肯意把更报复的事情交给你？

52、信任的脆弱性一经有确凿案例。2026 年 8 月，Moxxie Ventures 首创东说念主 Katie Jacobs Stanton 公开示意，Instinct 未经她证据便以她的口头发出邮件，她随后断开 Email 权限。她的追忆很准确：每一次成效行动只可加多一丝信任，一次未经授权的行动却可能把信任清零。

53、是以 Agent 的信任是一种不合称金钱：信任冷静复利，却可能片刻坍弛（Trust Compounds Slowly and Crashes Suddenly）。平淡软件作念错事，咱们庸碌叫故障（Error）；一个一经取得代理权的 Agent 私行杰出授权领域，东说念主的心绪体验更接近反水（Betrayal）。权限越深，这个区别越报复。

54、AI Agent 还加多了一种当年没那么隆起的风险：共模失败（Common-mode Failure）。东说念主类虽然也会因为从众、激发和共同信息集体犯错，但一百万个 Agent 如果使用相易模子、相易规定、相易用具链，某个缺欠可能让它们在极短时候里犯并吞种错。2010 年 Flash Crash 的经验之一，便是自动践诺系统与其他算法之间的反应，不错在压力要求下赶紧放大价钱波动。Agent 寰宇里，辅导词注入（Prompt Injection）、诞妄规定或分享模子颓势也可能具有这种同步放大效应。

（当年一万东说念主可能犯一万种错；以后更可怕的情况，是一百万个 Agent 在一分钟里犯并吞种错。）

55、Instinct 的“用户免费、商家付钱”因此藏着一个自然矛盾。如果最合适你的旅舍不给佣金，第二好的旅舍给 15%，Agent 应该保举谁？这不是一个保举算法问题，而是经济学最陈腐的委托—代理问题（Principal-Agent Problem）。

56、Levitt 和 Syverson 对约 9.8 万笔芝加哥地区房产往复的研究，是谐和这个问题的经典案例。他们发现，房地产牙东说念主出售我方的屋子时，在按捺房屋相反后，平均卖价更高，挂牌时候也更长。原因并不需要假定牙东说念主齐是坏东说念主：佣金结构决定了，替客户多等十天、多卖一万好意思元，牙东说念主践诺多拿到的仅仅很小一部分。激发错位，不需要坏心就能产生。

57、是以 Agent 期间最报复的交易模式问题，可能不是“如何收获”（How do you monetize），而是“谁给你钱”（Who pays you）。但这里也不要说得太满盈：谁付钱，不一定决定你代表谁，却会决定激发朝哪边歪斜。对平淡互联网公司，交易模式主要决定收入；对 Personal Agent，交易模式还会影响信任。

58、当一个极其了解用户的 Agent 运转主动保举商品，这种矛盾会更机敏。传统告白平台也了解你，但最终是否点击、是否购买主要如故你决定；Agent 取得委托以后，可能从“影响决定”走向“平直作念决定”。是以个性化（Personalization）与主宰（Manipulation）之间，也许只隔着一个激发机制。对医疗、保障、投资、法律这些信任品（Credence Goods）尤其如斯：有些服务即使完成以后，消费者也很难判断当初的建议究竟是不是最优。这些领域越像医师和讼师，Agent 的交易模式就越不行精真金不怕火复制旅舍佣金。

59、委托—代理问题还有反主见的一面：Agent 不仅可能出卖主东说念主，也可能为了主东说念主伤害第三方。假如一个订餐 Agent 发现“宣称今天是牵挂日”能权臣栽培订位成效力，它该不该自动这样作念？如果总共 Agent 齐这样干，“牵挂日”这个信号很快失去价值。这是外部性，亦然古德哈特定律（Goodhart’s Law）的一个版块：当一个信号被系统性优化，它就可能不再是好信号。一个过分赤忱于主东说念主的 Agent，对通盘市集未必是善事。

60、是以纯熟 Agent 可能需要一部我方的代理东说念主宪法（Agent Constitution）：什么不错我方决定，什么必须推敲；佣金是否影响排序；哪些利益突破必须线路；权限怎么取销；出现诞妄如何左迁；什么情况下必须殉国短期收入保护用户。

耶鲁法学院 Jack Balkin 早在 2016 年就提议信息受托东说念主（Information Fiduciary）的主张：掌持高度巧妙信息并饱读动用户依赖我方的机构，可能需要承担近似医师、讼师的罕见义务。畴昔 Personal Agent 以致可能缓缓出现近似隆重旨务（Duty of Care）和赤诚义务（Duty of Loyalty）的轨制谋划。

（而最好的“代理东说念主宪法”不是写一张漂亮海报，而是把原则变成工夫约束：最小权限、额度休止、临时根据、不可逆操作双证据、竣工审计、随时取销。确凿好的信任架构，不靠盲信，而靠即使出错，耗损也被锁住。）

九、中国用户为何买单？

61、该说回中国市集了。不要减轻把问题解释成“中国东说念主不肯意为软件付钱”这种文化判断：中国消费者欢腾给音乐、视频、游戏以及多样会员付钱。更准确的事实是，到目下为止，中国人人型 AI 的平直订阅考据仍媲好意思国弱，平台更早同期寻找告白、电商、生态和往复变现。反过来，这未必全是劣势，它可能逼中国公司更早回答一个本色问题：AI 到底如何插足确凿经济举止？

62、对创业者来说，先鉴别两类生意。

第一类是出产力 AI（Productivity AI）：Coding、研究、联想、销售、专科办公，用户能明晰算出“花 200 元能替我赚回几许时候和收入”，订阅很当然。

第二类是委托型 AI（Delegation AI）：用户购买的不是更多 Token，而是少顾虑、少比拟、少决定，并把事情确凿作念完。前者合适订阅经济（Subscription Economics）；后者更可能走向往复经济（Transaction Economics）。

63、是以中国创业者不必只问：“有几许东说念主欢腾每月付 99 元？”还应该问：我的 AI 能不行插足一笔正本就会发生的往复？如果 Agent 帮用户选车、订旅舍、找医师、买保障、安排培训、采购家庭服务，即便用户永远不为 Agent 自己交月费，也可能通过服务费、往复分红、供应链或其他方式酿成经济价值。

64、中国以致可能领有发展往复原生 Agent（Transaction-native Agent）的罕见基础。支付、电商、土产货生涯、出行、旅游、小范例等现实服务一经高度数字化。

从经济结构看，微信小范例以致有一丝像提前多年出现的“闭塞式 Skill 市集”：统一宿主、身份、支付和服务生态。虽然，它在工夫法式意旨上不是 MCP。确凿报复的不是“MCP”这个缩写，而是一个服务是否一经变成机器可调用（Machine-callable）：可发现、可谐和、可授权、可调用、可结算。

65、2025 年底的“豆包手机”一经演示过一次这种突破。豆包与中兴相助的工程样机不错通过系统权限模拟点击、跨 App 践诺任务，但用户很快际遇微信极端退出；随后豆包下线了操作微信的才智，淘宝、闲鱼、大麦及部分银行 App 也出现登录按捺或风控提醒。真巧合得记着的是一句：工夫上能操作，不等于生态上有权操作。

66、支付会成为 Agent 授权的关节磨砺场。微信支付推出 AI 专属卡：与主账户休止，用户我方放额度，每笔订单仍需要最终证据。中国支付清理协会进一步提议了解你的智能体（KYA，Know Your Agent），要求明确授权领域、建立分级分类管束和往复名额。

（银行当年强调了解你的客户（KYC，Know Your Customer）；Agent 期间又多出 KYA：知说念替这个客户用钱的智能体是谁、拿了什么权限、出了事谁老成。以后授权 Agent 很可能越来越像给职工公司卡：不是把银行密码交出去，而是给一份有名额、有限场景、可随时裁撤的风险预算。）

67、大平台和创业公司的起初因此完全不同。微信、支付宝、手机厂商不错走宽而浅（Wide but Shallow）：场景好多，但早期每一步齐要求用户证据，因为它们一经领有支付、身份、系统权限或服务生态。创业公司更现实的途径可能是窄而深（Narrow but Deep）：先在商务旅行、保障、就医导航、企业采购、留学、跨境服务等高信任垂直场景里作念到“这件事以后就交给你”，再向外扩。两条路的终局齐是又宽又深，仅仅起跑点不同。

68、这又酿成两种创业位置。一种是需求领有者（Demand Owner）：掌持用户凹凸文、信任和委托；另一种是最好践诺层（Best Execution Layer）：领有专科才智、供应链和践约系统，成为各家 Agent 最欢腾调用的服务。不是每家公司齐必须成为最终进口。畴昔好多传统 App 不会消逝，而是从“用户必须到访的目的地”变成“Agent 后台调用的基础递次”。

69、对中国 Agent 来说，信任架构（Trust Architecture）可能尤其报复。中国互联网一经相配擅长告白、电商保举、流量变现。如果一个比你更懂你的 Agent 又服务很重的交易化野心，“懂你”很容易从价值变成风险。谁付钱、佣金是否影响保举、平台自营商品有莫得罕见权重、告白能不行插足主动建议，这些事情最好在用户还未几的时候就联想，而不是十亿用户以后再补。

70、是以中国消费者莫得赶紧酿成人人 AI 订阅，未必代表 AI 交易价值低。一个每月收 99 元、主要提供聊天的居品，未必比一个完全免费、但一年替一个家庭参与 5 万元确凿消费决策的 Agent 更值钱。畴昔也许应该看委托钱包份额（Delegated Wallet Share）：这个东说念主的钱包里，到底有几许经济举止经过你。

71、好意思国和中国可能正在回答两个略有相反的问题。好意思国目下更容易考据：“用户愿不肯意平直为智能付钱？”中国可能更早被动回答：“智能如何插足往复？”最终双方可能在并吞个场地汇合——代理东说念主经济学（Agent Economics）。

十、谁会赢？

72、豆包一经给中国的订阅途径作念了一次很有代表性的实验。它的基础日常功能接续免费，而复杂办公、数据分析、应用开发、专科联想、历程自动化等出产力场景插足付费订阅。这条分界很有真义：替你出产的部分先收费，替你过日子的部分接续免费。它是否是历久正确谜底，要等确凿付费和留存数据，但至少居品逻辑很明晰。

73、中国和好意思国还有一个很报复的区别。

好意思国的消费互联网服务相对散播：购物、旅行、餐饮、出行、支付时常属于不同公司，Personal Agent 要确凿把事情办完，需要把巨额寥寂服务集中起来。

中国反而领有几个高度集成的超等生态：微信同期领有身份、联系链、支付和小范例；阿里不错把淘宝、支付宝、高德、飞猪和土产货生涯串在全部。

从这个意旨上说，中国可能媲好意思国更合适 Agent：巨额现实服务早就一经数字化，而且一经被组织进几个雄壮的服务网罗。

确凿的问题不是“服务够不够”，而是这些超等生态愿不肯意把才智怒放给谁。

微信里面的 Agent 调用微信支付和小范例，与豆包从外部替用户操作微信，是两件完全不同的事；

千问调用淘宝和支付宝，与一个寥寂 Agent 要求同期比拟淘宝、京东、拼多多，也完全不同。

是以，好意思国 Agent 面对的主要难题之一是服务集成（Integration）——怎么把散播的服务集中起来；中国 Agent 更早面对的则可能是调用权限（Permission）——谁有资作风用一经高度集成的服务生态。

（换句话说，好意思国需要先把路回复来；中国好多路一经修好了，确凿争的是谁拿得到通行证，以及谁有资历坐在驾驶座上。）

74、手机厂商因此领有一张相配现实的牌：系统权限（System Permission）。华为、小米、荣耀、OPPO、vivo 等齐不错让我方的 Agent 更接近陈说、相册、位置、开采和跨应用操作。但豆包手机的经历也说明，靠模拟点击走“后门”速率很快，却随时可能触发别东说念主的风控；让 App 主动清楚 Skill、API 和授权接口的“前门”慢，却更可持续。畴昔确凿贯通的 Agent 生态，大略率要从“模拟东说念主点击”缓缓走向“软件主动声明我允许 Agent 作念什么”。

75、微信的牌相配罕见。它不仅有十亿级用户，还有支付、联系链、小范例和现实应付。AI 替东说念垄断的好多事情，终末不是和一个数据库打交说念，而是和另一个东说念主打交说念：约时候、拉群、转账、陈说家东说念主、和一又友全部旅行。Instinct 也运转从个东说念主 Agent 向群聊和多方协调扩展，这说明“代理东说念主与代理东说念主之间协商”自己可能成为新的一层。微信天生领有这种网罗。

76、但微信最大的上风亦然它最难的问题：当年“用完即走”、较克制的交易化和用具属性，累积了很深的信任存量；Personal Agent 却必须替用户“挑”。一朝用户说“帮我订一家旅舍”“给我买杯咖啡”，Agent 必须决定调谁。平台期间最优雅的姿态是不表态；Agent 的服务恰正是替你表态。微信能不行把“督察信任”升级成“判断信任”，同期克制住为自家生态导流的激发，是它最报复的考题。

77、阿里的上风主要在服务图谱（Service Graph）。千问把淘宝、支付宝、淘宝闪购、飞猪、高德等服务串到全部，不错点外卖、买商品、订机票旅舍和完成巨额生涯服务。这一经很接近“说一句话，后头的服务我方编排”。但它同期服务最大的自我蚕食税：淘宝的搜索、保举、告白和商家筹谋，自己便是巨大的利润池。

一个确凿无偏的 Agent，表面上应该欢腾告诉用户：“这件东西今天别在淘宝买。”什么时候平台助手敢持续把用户利益放在本平台 GMV 之前，它才确凿跨过“平台助手”与“用户代理东说念主”之间的线。

78、字节的牌又不同。豆包领有雄壮的 AI 用户基本盘和字节系极强的内容、告白、电商才智；但 Personal Agent 更深的委托最终会碰到联系链、支付俗例和系统权限。豆包手机试图从手机层掀开一条新进口，说明字节也知说念：只领有一个 AI App 可能不够。它畴昔很可能同期走两条路——在出产力上卖订阅，在消费 Agent 上继续寻找支付和外部服务的“通行证”。

79、携程则是一个相配典型的“到底抢进口如故作念践诺层”的公司。它一经在我方平台里开采 AI 助手，并把 AI 用到行前、行中庸售后。它确凿的金钱不是聊天才智，而是库存、支付、出票、改签、退款、客服和几十年的供应联系。即便最终旅行需求先插足别东说念主的 Agent，携程也完全可能成为阿谁 Agent 背后最好的旅行践诺机器。

80、好意思团确凿有价值的，不是阿谁 App，而是 App 后头整套现实寰宇的践约才智。Agent 不错替你决定今晚吃什么，也不错替你下单，但终末如故要有商家接单、骑手取餐、途径调度、配送、退款和售后，才能把一杯咖啡送到你家门口。

是以即使畴昔用户不再频繁掀开好意思团，好意思团也未必因此失去价值。它有可能从“用户每天平直掀开的进口”，变成多样 Agent 背后的践诺系统。

确凿可能被削弱的，是界面和流量进口；谢却易被替代的，是多年累积出来的商家网罗、配送体系和践约才智。

对好意思团来说，畴昔的问题不是 Agent 会不会替代它，而是：用户还需不需要先来好意思团，如故别东说念主的 Agent 平直调用好意思团来完成终末一步。

（还有一家公司，拼多多，这家货找东说念主的公司，会如何拥抱AI的波澜，一直是最大的悬念之一。）

81、Agent 还可能重写中国消费互联网当年十几年最熟悉的一批增长术。倒计时、砍一刀、视觉诱骗、凑满减、默许勾选，好多联想是在诓骗东说念主的隆重力颓势和阐明偏差。一个确凿站在用户这边、主见函数清亮的 Agent，不会因为按钮变红就更冲动。虽然，它仍然会算优惠，也可能主动薅券。确凿失效的不是“促销”，而是暗黑模式（Dark Patterns）——依靠东说念主的阐明缺欠获取回荡的那部分增长。

82、车可能是现象驱动型 Agent 自然的场景。手机好多时候不知说念你此刻确凿处于什么现象，车却知说念你在那里、要去那里、还剩几许电、瞻望几点到。快到公司了，车位不错提前找；堵车会迟到，Agent 不错拟好音信；资料开车时，语音比掀开 App 更当然。车不仅是一个屏幕，而是一个高度一语气、凹凸文极强的现实现象机器。

83、再往后一步是自动驾驶。当“驾驶”这件事自己从东说念主手里开释出来，通勤的时候结构也会变嫌。如果每天正本必须交给主见盘的一小时缓缓被开释，它很可能会被邮件、服务、家庭决策以及那条“未竟之事的长尾”再行占据。汽车也会成为 Agent 竞争的另一块进口。

84、谁会赢？我更倾向于认为，中国不会只消一个总赢家，而会出现两三个报复的委托进口（Delegation Entry），再加巨额践诺层（Execution Layer）。好用的底层模子越来越不错采购，确凿相反会来无礼低文、支付、社会联系、系统权限、服务图谱和信任架构。

（如果非要我今天只押一个“日常委托进口”，我仍然更欢腾押微信。但押的不是它一经领有十几亿用户，而是赌它能不行把多年累积的督察信任升级成代理信任，何况在替用户挑选的时候，克制住替我方生态挑选的冲动。这个赌注远莫得收尾。）

十一、新野心，新公司

85、用户一朝欢腾集中信用卡并确凿发生消费，联系就从“我试试这个 AI”走到了“我允许它插足我的经济生涯”。畴昔斟酌 Agent，也许应该看委托钱包份额（Delegated Wallet Share）：一个家庭一年确凿的消费里，有几许钱是在 Agent 的判断、比拟或践诺之下完成的？

（我确信一家不犯警的公司、一家价值不雅正确的公司，更有可能在 AI 的大战中赢得用户。）

86、还不错进一步把“份额”拆成四层：影响份额（Share of Influence）、决策份额（Share of Decision）、践诺份额（Share of Execution）、委托钱包份额（Delegated Wallet Share）。Agent 不错只保举，用户我方决定；也不错替用户选，但付款由用户证据；还不错在规定内自主决定并支付。越往后，经济职权越大。保举算法的成效不时是让你停留更久；Agent 的成效，也许反而是让你停留更短，但把更报复的决定交给它。

87、是以判断一家 Agent 公司，不错问一组新的问题：它是不是跟着时候越来越懂某个具体的东说念主？它在哪些领域真实领有专科才智？现实行动有莫得持续校准它的判断？用户是否给它更深权限？用户有莫得从“给我几个遴选”走到“这件事以后你替我决定”？它能否把委托回荡为经济价值，同期不损害信任？

对应到野心，不错不雅察凹凸文深度（Context Depth）、权限深度（Permission Depth）、委托深度（Delegation Depth）、信任留存（Trust Retention）、委托往复额（Delegated GMV）、委托钱包份额（Delegated Wallet Share）。今天这些词还不是管帐准则，但可能比“每天聊几许轮”更接近 Agent 的确凿金钱。

88、Instinct 只消 14 个东说念主，却让接近 10 亿好意思元的年化往复额流经我方的 Agent，约莫格外于每名职工编排数千万好意思元往复。虽然，这毫不行叫“东说念主均产值”：GMV 不是 Instinct 收入，而且背后的出票、旅舍、支付、客服和践约巨额发生在其他公司。确凿有真义的是：一个极小团队可能通过软件和外部践诺网罗，协调远超我方组织范围的经济举止。

89、这不错接到科斯 1937 年《企业的性质》。科斯的问题是：既然市集不错往复，为什么还需要公司？中枢谜底之一，是使用价钱机制、找东说念主、谈判、签约、监督齐有往复资本（Transaction Cost）；企业领域取决于“通过市集组织”与“在企业里面组织”的相对资本。

AI 会同期裁汰双方的资本，是以畴昔未必只消“公司越来越小”一种收场：有些公司会因为可之外包和编排更多才智而变得极小，有些大公司则因为里面协调资本下跌而管束更大的范围。

相似的逻辑也作用在个东说念主身上：一个善于使用 Agent 的平淡东说念主，第一次可能取得接近一支小团队的组织才智。

十二、小结

90、一个纯熟的 Personal Agent，可能需要同期领有四种中枢金钱。

第一，个东说念主凹凸文（Personal Context）：它懂我；

第二，判断与信任（Judgment & Trust）：它会替我判断，而且值得我信；

第三，服务图谱（Service Graph）：它能集中现实寰宇把事情作念完；

第四，往复经济（Transaction Economics）：它能在不破碎信任的情况下收获。

这四项更像乘法，不仅仅因为不可偏废，还因为它们相互放大：越懂用户，判断越好；越值得信任，权限越深；服务网罗越强，委托的经济价值越大。

91、把这些串起来，不错得到一条代理东说念主经济学（Agent Economics）：

智能（Intelligence）→ 记忆（Memory）→ 个东说念主凹凸文（Context）→ 专科才智（Expertise）→ 判断（Judgment）→ 成效行动（Successful Action）→ 信任（Trust）→ 权限（Permission）→ 委托（Delegation）→ 往复（Transaction）→ 收入（Revenue）。

但它不是一条精真金不怕火直线，里面至少有三个轮回：

学习闭环（Learning Loop）——行动、反应、反想，让判断越来越好；委托闭环（Delegation Loop）——成效、信任、授权，让委托越来越深；经济闭环（Economic Loop）——委托、往复、收入，让服务图谱越来越强。

还有一个反主见的信任失败闭环（Trust Failure Loop）：一次严重越权，权限可能赶紧被收回。

92、如果基础模子接续变强、调用资本接续下跌，那么“智能自己”未必会一直是最稀缺的东西。对 Personal Agent 来说，更难累积的，可能是后头的那些东西：凹凸文、判断、信任、权限和历久委托联系。模子不错换，联系却需要时候冉冉酿成。

（然而，我又以为，近似于ChatGPT与Claude这两个年青的超等怪兽，有可能并吞一切。）

93、是以 AI 期间确凿的进口，也许最终不是一个 App，不是搜索框，以致不完全是操作系统，而是被委托的决策权（Delegated Decision Rights）。确凿领有进口的，不一定是每天最先被掀开的软件，而可能是阿谁你允许它在某个范围内替我方说“是”或者“否”的代理东说念主。

94、咱们当年两年反复问：“谁领有最智谋的 AI？”接下来更报复的问题可能是：谁最值得寄托？智能决定它能不行替你作念事；凹凸文决定它懂不懂你；专科才智决定它懂不懂这件事；判断决定它会不会作出合适遴选；信任决定你敢不敢给权限；委托决定它最终能插足你的生涯多深。

95、落到每个东说念主身上，Agent 期间可能第一次把“授权才智”变成一种人人手段。

当年主若是雇主和司理学习委托（Delegation）：什么我方作念，什么交出去，交给谁，查验到什么进度。以后每个东说念主齐要学。

我的一个精真金不怕火原则一直是：莫得我明确的一句话，AI 不得以我的口头对外发布，不得私行回复别东说念主。因为这类行径属于高外部性、难完全裁撤的“单向门”。

96、平淡东说念主如果运转使用确凿有践诺权的 Agent，我建议至少作念四件事。

第一，从双向门运转：先让它查、比拟、整理、提醒，发音信、署名、大额支付我方按终末一下。

第二，用风险预算（Risk Budget）管钱：单独额度、铁心场景，跑顺以后再栽培。

第三，每当它主动保举商品或服务，俗例问一句：谁在付它的钱。

第四，把历久偏好、原则和红线写成一页“个东说念主代理说明书”，并保留数据导出权和退出权（Export & Exit Right），哪家 Agent 齐不错读，换一家也带得走。

97、对上班的东说念主来说，真巧合得问的是：你的服务里，哪些部分仅仅搜索、比拟、填表、跑历程，哪些部分需要判断、承担服务，以及让别东说念主欢腾把事情交给你？前一类服务会越来越低廉，后一类反而可能越来越值钱。判断一份办事会增值如故贬值，不错再问一句：客户付钱买的是信息，如故判断、服务和信任？

98、对小创业者，也不要把论断谐和成“别抢进口”。确凿的建议是：不要一上来就正面和微信、阿里、Apple 抢通用进口。先找一个巨头嫌贫寒、又需要高度信任的窄切口（Narrow Wedge）：老东说念主就医、跨境税务、留学材料、复杂保障、装修验收、企业采购、宠物重症、商务差旅。单向门多、践约贫寒、出问题需要真东说念主兜底，恰正是小团队更有契机建立深度委托的场地。先作念到“这一件事以后齐交给你”，再谈扩展。

99、小公司还有另一条路：不作念最终 Agent，而是把我方的才智变成机器可调用服务（Machine-callable Service）。价钱、库存、可约时候、规定、退款要求、身份认证、API、结算齐尽量结构化。能接 MCP 就接 MCP，但不要迷信某个合同；确凿的主见是让畴昔任何 Agent 齐能够发现你、谐和你、调用你、支付你。

你的下一个客户可能不是一个掀开官网的东说念主，而是一个正在替主东说念垄断事的 Agent。与此同期，把交易规定亮出来：收几许佣金，佣金是否影响排序，发生利益突破时站哪边。信任架构也不错成为小公司的竞争上风。

100、回头看，东说念主类文雅的一部分历史，便是继续把我方的才智交给外部寰宇。机器替咱们放鼎力量，翰墨替咱们保存记忆，计较机替咱们处理计较，互联网替咱们集中信息。AI 再往前走了一步：它运转替咱们谐和、判断，以致行动。

这亦然为什么 Personal Agent 可能比“又一种软件”报复得多。它确凿变嫌的，不是咱们怎么使用电脑，而是一个东说念主不错把几许事情交给另一个智能去完成。

当年，只懒散少数东说念主领有私东说念主助理、私东说念主银行家、讼师团队和家眷办公室。他们确凿领有的，不仅仅更多钱，而是有东说念主替他们过滤信息、处理琐事、寻找有筹谋、协调资源，把有限的隆重力留给确凿报复的决定。

如果 Agent 最终成立，这种才智第一次可能属于平淡东说念主。

（咱们也不错有一个可能显得过于精真金不怕火的好意思好想象：100 年之后的平淡东说念主的生涯质地，可能比目下寰宇上的顶级富豪还要好好多，就像目下的平淡东说念主好多方面比 100 年前的君王还要过得更好一样。）

一个东说念主的领域，也许不再由他一天只消二十四小时、只可处理几许事情决定。一个平淡东说念主不错调养的学问、判断和践诺才智，可能运转接近当年一通盘团队。

但这件事越往前走，另一个问题就越报复：什么应该交出去，什么不应该交出去。

因为真巧合得帮手的，从来不是“凡事齐不错无须我方决定”。

恰恰相背。

当越来越多的小事不错被代理以后，咱们才更需要知说念，什么是那些必须由我方来决定的事：我要成为什么样的东说念主，我欢腾承担什么风险，我帮手什么联系，我把时候花在那里，以及我欢腾接受怎么的东说念主生。

这便是为什么我把我方的畴昔办事界说为 “AI 期间的古典主义玄学家”，因为我确信畴昔的东说念主们需要更多的古典主义玄学想考。

AI 不错替咱们作念越来越多的遴选。

但一个东说念主最终成为什么样的东说念主，仍然取决于他遴选把哪些判断交出去，又把哪些判断永远留在我方手里。

是以，一家 Personal Agent 公司最终能有多大，不错问：

有几许东说念主欢腾把几许事情交给它。

而对每一个东说念主，更报复的问题可能是：

当咱们终于不错把越来越多的事情交出去以后，咱们准备把省下来的时候、隆重力妥协脱，用来作念什么？

工夫史一直在匡助东说念主类开脱某种按捺。

蒸汽机开释了膂力，计较机开释了计较，互联网开释了信息。

AI 也许正在开释另一种历久被刻薄的稀缺资源：

东说念主的判断、隆重力和时候。

真巧合得期待的，不是畴昔咱们不错什么齐无须我方作念。

而是当那些不值得占据人命的事情被机器接当年以后，咱们终于不错把我方再行留给那些真巧合得躬行去作念、躬行去判断、躬行去经历的事情。

本文由东说念主东说念主齐是居品司理作家【孤单大脑】，微信公众号：【孤单大脑】，原创/授权 发布于东说念主东说念主齐是居品司理，未经许可，阻隔转载

题图来自 Unsplash赌钱赚钱app，基于 CC0 合同