--- author: 硅谷101 date: '2026-10-22' guest: '' layout: post.njk source: https://www.youtube.com/watch?v=ARocqV7DtC8 speaker: 硅谷101 tags: - ai-agent - autonomous-agent - digital-colleague - task-delegation title: AI助理争夺战：解析Muse、Grok Bot与Instinct背后的产品布局、入口生意与盈利难题 summary: 本期访谈聚焦硅谷新一轮AI Agent热潮，深入探讨Meta推出的Muse、SpaceX旗下的Grok Bot以及爆火初创公司Instinct等代表产品。嘉宾与主持人从技术架构、交互入口、分工机制、安全边界以及商业化变现等维度，剖析了各大厂商争夺任务分发入口的底层逻辑与面临的盈利挑战。 insight: '' draft: true series: '' category: ai-application area: tech-engineering project: [] people: - Noah Shinn - Zuckerberg - 郑芃 companies_orgs: - Meta - SpaceX - Instinct products_models: - Muse - Grok Bot media_books: [] status: evergreen --- ### 个人AI助理重燃战火与算力需求 **Yiwen**: 朋友们，Meta又翻身了，靠的是它。在硅谷，个人AI助理又风靡了起来。Meta推出了个人助手Muse，SpaceX旗下的Grok Bot想打造一支数字同事团队，Instinct把私人助理放在了苹果iMessage的对话里边，连OpenAI也在刚刚过去的DevDay宣布了自己的助理Dots。其中Instinct这家成立仅仅一年的初创公司也趁热打铁，以100亿美元的估值完成了10亿美元的C轮融资。 在国内，Manus宣布回归，上线Manus 2.0；腾讯的WorkBuddy也选择了从整理资料、处理表格这些任务切入，给知识工作者做办公助手。帮人办事的AI Agent终于不再是demo了。 **受访从业者A**: Muse可能是现在最好的AI Agent。 **受访从业者B**: 我每天都在用Grok Bot。这是第一个让我非技术背景的朋友没有只试用20分钟就放弃的AI Agent。 **Yiwen**: 这是两个月前正在搬家、卖家具卖到崩溃的我。那时候的我完全想不到，在两个月之后，人们就会用Muse这样的Agent在二手平台完成发帖、定价和买家交流这样一系列的操作，而在这个过程当中，人类甚至完全不用参与。 而Agent背后的价值也肯定不止是帮我卖几件家具那么简单。比如说最常见的订机票、订酒店这样的场景，Agent会调用不同的软件执行任务。虽然这些软件还在，但你可能越来越少会亲自打开它们。谁先接到你的需求，谁就有机会影响接下来用什么软件、买什么服务。 而这些Agent开始干活，也带来了新的算力需求。由于Agent会在云端的虚拟电脑里打开浏览器、运行程序、处理文件，都需要CPU、内存和存储来支撑，因此AMD和英特尔的股票也在过去这个月水涨船高。但更多任务、更多算力，并不是自动等于更多利润。 **受访从业者A**: 我不觉得任何一个能够盈利。它融了非常多的钱，所以它早期的时候能烧起来这个Token。（Instinct）现在已经融了一个billion对吧？一个billion对于Facebook来讲屁都不是。 **Yiwen**: Hello大家好，欢迎回到《硅谷101》，我是Yiwen。这期视频我们在硅谷采访了几位Agent从业者，包括Grok Bot的设计师，就是想要聊清楚为什么从大厂到创业公司都在争着做能替我们办事的Agent，而它们争夺的入口又能不能成为一门赚钱的生意。 ### 从OpenClaw到大众化Agent的技术成熟 **Yiwen**: 不过首先我们想先来讨论一下，为什么这波Agent产品会出现在现在这个时间点呢？如果年初的时候你也折腾过OpenClaw，那听到我刚才说的Agent用法，你可能会觉得很熟悉——这些事情不是小龙虾就可以做了吗？接入邮箱、管理日程、操作电脑，再让它在后台24小时持续运行、主动提供服务。今天这些个人助手的基本思路，在OpenClaw身上已经能看见了。 **受访从业者A**: OpenClaw背后代表的是一个architecture，是一个架构，是代表的一些技术的成熟度。所以说我们今天看到Grok Bot，包括Facebook或者说Meta推出来Muse，但其实是在用OpenClaw的思维做这些架构的Application（应用）。 **Yiwen**: 不过虽然OpenClaw证明了架构可以用、技术已经成熟，但它始终没有走进家家户户，是有原因的，那就是它的技术门槛确实很高。所以才会有课可以卖，也会有人付钱请人安装。但从另一个角度看，这也恰恰说明了需求。大家对这样的个人助理型、能够替你真正完成任务的形态是有需求的，但是又对它的门槛有些望而却步。 所以从OpenClaw到Muse，并不是突然出现了一套完全不同的想法，这批产品在尝试把一个方向变成我们普通人能够用的服务。电脑由平台准备，不需要你给Agent准备一个Mac Mini或者虚拟机；运行环境由平台维护，你只需要连接必要的账户，告诉它要做什么，比之前在本地设置要方便得多。 当然了，降低门槛还是第一步，更重要的是后台的能力也开始跟上了。我们最开始用AI的时候，其实是在用一个聊天机器人，你跟它聊完你自己还得干活。这背后有两件事情在同时发生： 第一是Harness，模型处理连续行动的能力增长了。回到我们之前卖家具的这个例子，写介绍可能是第一步，它还要查价格、找到正确的页面、填写信息、处理买家的回复。如果事情没有按照计划发展，还得决定下一步该怎么办。这些步骤之间是有依赖的，如果前面出错，那后面的操作可能全都白做。模型之外还需要一整套系统帮Agent连接工具、保留进度、安排后续任务，在出错前重试或者把任务教给别人。 **受访从业者A**: 它其实就像一个冰山理论一样，它大部分的这个你能看到的跟你的执行只有那一点点，但它其实后面的这个大量的Harness，大量的在背后与Sandbox（沙盒）做的这种工作、这种执行，还有比如说怎么去run（跑）很多很多的SubAgent（子代理），一百个SubAgent，其实都是在背后跑的。 **Yiwen**: 第二，是有一部分任务现在已经可以用更便宜的模型去完成，这对于需要持续运行的Agent来说尤其重要。 **受访从业者A**: 另外一个是最近，尤其是最近半年，模型的能力跟模型的开销其实都在大幅度地变好。今天（OpenAI）Luna这个模型，我觉得遥遥领先一年前最先进的模型，甚至可能9个月前最先进的模型，它的开销是前沿模型的十分之一，大约一个数量级以下。那我觉得这就使得这些我们可以开始用了。因为我们自己也在开发类似于Muse或者Bot这些，我对这个消耗是非常知道的，其实还是很贵。但是至少可以开始谈论OK是用得起、用不起，可以去debate（争论）了。9个月前这个太贵了，根本就不用debate（争论）。 **Yiwen**: 为什么成本这么关键呢？因为我们现在交给Agent的都是长程任务，做一件事背后需要反复调用模型。在我们休息的时候，Agent也在不断工作，这样成本一叠加就更需要经济的模型。当然了，一次调用变便宜也不等于一个助手的总成本就一定会下降，因为随着它能做的事情越多，用户可能交给它的任务也就越多。 到这里我们就可以理解为什么现在这批Agent产品变得可用了。本质上来说，他们就是沿着OpenClaw的逻辑在做更加大众化的产品。回过头来看，其实在OpenClaw爆火之后就出现了一批这样的产品。一开始是Anthropic推出的Claude Cowork，把Coding Agent的执行方式带到更广泛的办公任务里面，让Agent读取你授权的文件，整理资料、处理表格，交付可以检查和修改的成果，这在当时也引发了资本市场里的一批SaaS焦虑。腾讯也是在二月推出了WorkBuddy，探索类似的办公路径。 逐渐地我们还看到了更多面向消费者的产品，比如Town就在尝试从你日常使用的软件里理解你个人的工作模式，把任务自动化。这些产品的共同点是它们背后都连接了一个能干活的执行环境，有的直接使用你的电脑像WorkBuddy，有的有虚拟机在云端工作就像最新的Instinct、Grok Bot和Muse，也有的调用本地的工具。它们可以处理文件、运行程序，也能在你授权后进入其他软件和服务。尤其是和聊天机器人相比，更大的变化是它们有跨对话的记忆。 但不同的地方，是它们如何让用户第一次尝试产品，又如何让用户持续使用。接下来这几章，我们就拿最近流行的几款产品作为例子，来聊一聊它们不同的设计和最终的目标。 ### Instinct：短信入口、学术渊源与Clubhouse式的挑战 **Yiwen**: Instinct这个产品很多人可能还没拿到邀请码，VC就已经给它开出了100亿美元的估值。到现在Instinct仍然采用邀请制，但用户已经超过10万。它的早期用户大部分都是硅谷的创业者和投资人，而也是这些“power users”的主动宣传给Instinct吸引了一波关注。 创始人Noah Shinn是一名23岁的大学辍学生。在2023年他就发表了一篇叫做Reflexion的论文，研究的问题和今天的Agent非常相关：AI做一件事失败了，下一次能不能少犯同样的错误？他们提出的方法是让Agent根据任务反馈，把经验总结成文字保存在记忆里，下一次尝试时再拿出来参考。这里不需要每次都重新训练模型，而是通过记录和利用反馈改善后续的决策。 后来在Sierra担任研究员期间，他又参与了τ-bench的研究。这套测试进一步追问：一个Agent究竟怎样才算真的把事情办好了？比如在模拟的航空客服场景里，它需要理解用户的要求，调用系统里的工具，同时遵守公司的业务规则；更关键的是，同一个任务重复执行，它能不能持续做对？一次成功的演示距离可靠地替人办事还有多远？ 在个人助手流行之前，Noah就已经在研究Agent的两个核心问题：出错之后的改正，和它能不能稳定地把事情做完。这也能解释为什么这位年轻的创始人会受到关注并拿下10亿美元的C轮融资，甚至是在两个月内融资三轮。 在产品设计上，Instinct选择了一个我们很熟悉的入口——短信。你可以像联系真人一样把要办的事情发给它。对用户来说，我们不需要重新建立打开一个应用的习惯；对厂商来说，这也极大地降低了获客成本。 **受访从业者A**: 未来的Application（应用）很有可能是没有应用的，你跟这个应用打交道就是messages（文字消息），然后就是对话。你要告诉它的是结果，我要的是什么结果，而不是说go through什么workflow，点这个、点那个、点那个。我们是被上一代或者前几代的软件给培养坏了，要去订一个餐馆、要买一样东西，要去点这个、点那个，凭什么呢？你就告诉它我要什么东西，然后让Model或者说让这个软件来告诉你需要做什么东西，而不是你去做。 **Yiwen**: 其实把Agent变成一个能帮你办事的联系人也不是Instinct首先想到的。在3月，一家叫做Poke的产品就开始探索这条路，接入邮箱、日历，把助手放进用户熟悉的消息对话里。你不用打开一个独立的AI工作台，只要发条消息就可以让它处理工作。但入口简单了，这里还会出现一个新的问题：面对一个什么都能做的助手，普通人未必知道应该让它做什么。换句话说，一个助手它具备某种能力和用户愿意把事情交给它是两码事。 **受访从业者A**: Instinct火起来，其实是在Twitter上有很多的这种Power user（硬核用户）、Pro-sumer（产销合一者），这些人他先告诉你是说，我用Instinct做了很多原来Poke做不了的事情，或者做了很多GPT做不了的事情。很多人觉得非常的有意思，Amazing（不可思议），然后我就过来试一下，发现它能完成这个使用案例。然后有很多非常有想法的用户去尝试，但是其实并不是所有的用户都非常有想法的。所以具体的使用案例对这类产品来说非常重要。 **Yiwen**: 早期用户分享他们的用法可以说是帮产品做市场教育，但这也带来了一个难题：那就是发布两个月内靠资本捧起来的流量，到底能不能持续下去呢？ **受访从业者A**: Instinct在我看来就是新一代的Clubhouse。我为什么这么说？因为我这个判断并不是从一个产品的判断，我觉得我是从一个创始人或者说公司的打法来看，它是高举高打，就像Clubhouse当年也是高举高打。高举高打本身没有问题，有的公司就是高举高打成功的，有的公司是相对低调，这本身不是一个问题。问题是高举高打的时候你要意识到这是我在高举高打，你要能够伸缩自如，你要能够知道什么时候伸、什么时候缩，这一点其实对创业者是一个很大的挑战。 **Yiwen**: 就像新鲜感过去后我们已经很少打开Clubhouse了，Instinct也是一样。创始人说过他不打算让用户付费使用产品，就意味着要通过广告赚钱。在热度退去后，这个商业模式可行吗？这是一个创业公司面临的最大挑战。当然了，能让这么多人争相去要邀请本身就是一种成功了，只是靠着融资烧Token之后会走多远，变量仍然很多。 ### Meta Muse：分发优势与任务闭环 **Yiwen**: 最近Meta Muse的发布其实也给Instinct带来了一波热度，因为这两款产品要给用户解决的问题很类似，但面临的条件却不一样。Instinct需要让大家先认识自己，但Meta已经有了庞大的用户网络，那就是它现存的社交平台——Facebook、Instagram、WhatsApp等等。这就是大厂和创业公司之间最大的区别：Distribution（分发渠道）。 **受访从业者A**: Grok跟Meta的Muse，它至少有分发渠道，尤其是Meta，它的特别的广。所以说我觉得当一个公司在今天这个时代，它的分发渠道好的时候，我觉得很难做得太烂。 **Yiwen**: Muse在今年9月8日向公众开放，截至10月初已经超过了660万次下载，多次冲到App Store免费应用榜单的第一。除了能在独立app上使用Muse以外，人们还可以在WhatsApp里和Muse对话，也可以链接Facebook和Instagram账户。这就是Meta天然的优势：它已经参与了我们发现内容、产生兴趣和联系别人的过程，现在它希望进一步承接这些行为之后我们用户要办的事情。 回到视频开头卖家具的这个例子，这不是写一条帖子这样的一次性任务，而是一个长期的委托关系。我交给Muse的是一个需要长期跟进的指标，直到东西被卖出去为止。这类任务在我的Muse界面上活在一个叫做Goals（目标）的页面里。根据Meta对Muse的介绍，它希望承接的就是这一类任务：理解用户的目标、协调时间和资源，在用户离开以后继续推进，并且在需要批准或者出现变化的时候回来联系用户。 它还会记住用户的偏好，为后续的任务提供参考。而要让这种委托越来越省事，助手就需要记住你之前说过什么，否则每次安排旅行都要重新介绍预算、住宿偏好和家里人的时间，你还是得花很多精力交代背景。从商业上看，这种积累有机会形成留存：换一个助手就意味着重新介绍自己、重新磨合，也是要重新建立信任。 扎克伯格在采访中提到了Meta对于Muse的商业设想：现在先提供比较大的免费额度让用户尝试把任务交给它，未来让Muse帮用户赚钱、省钱，Meta再从中抽成。 **Zuckerberg**: 我们之所以选择这样做，是因为我们非常有信心，对于那些利用这款产品经营小企业或者从事交易和商业活动的人来说，我们相信这款产品能够帮助用户赚到很多钱。长期来看，我们的商业模式实际上会非常简单，只是从每笔交易中抽取一小部分佣金，把一门大生意做得很轻巧。这笔佣金甚至不一定需要由用户自己支付，也可以由与他们合作的商家来承担。 **Yiwen**: 那么要让用户和Agent之间建立这种长期的信任关系，背后的技术要求是什么？Muse用的是Meta自己的Muse Spark模型。扎克伯格提到，个人助手需要一些专门的能力，而这些能力应该从模型训练阶段就开始培养。 边界感就是Muse团队特别关注的一种能力。比如你把怀孕这件事告诉Agent，那它帮你订餐厅的时候就可以据此寻找提供合适饮食、无酒精饮品的地方，但这并不意味着它需要把你怀孕这件事也告诉餐厅。它要能够利用自己知道的信息帮你办事，同时判断哪些信息没有必要向外透露。 为什么Meta愿意在Muse身上投入那么多呢？这就要回到我们开头提到的Distribution分发这个概念了。我们提到Meta已经掌握了社交媒体里的内容分发，现在它希望进一步掌握任务分发。具体来说就是它希望成为你使用软件、购买服务的入口。 来，举个例子。假如你让Muse安排一次旅行，以前你自己要打开几个平台比较酒店再决定在哪里下单；现在你先告诉你的Agent时间、预算和偏好，由它去查找、筛选，再把方案交给你确认。在这个过程中，助手有机会影响哪些酒店进入候选名单，也有机会参与后面的预订。如果它确实帮商家带来了订单，Meta再向商家收取费用，这就是扎克伯格口中的生意逻辑。尤其是对于一家像Meta这样玩转广告业务和精准推送的公司，Agent更是可以带来得天独厚的价值。 **受访从业者A**: 因为我以前在Facebook，Facebook广告本质是一个冲动消费型的广告，它是一个兴趣和冲动消费型的，就是你刷刷刷、刷到这个，它本质是这样的一个广告。Google更多的是一个你有一个强烈的需求你去搜索。所以我觉得Muse它的优点对于Facebook来讲是，它很多情况下把那种有强烈意图的捕捉得非常明确。就是在你还没有想到去Google搜索的前置的情况下，Muse就跟你聊天了，你就把这个事解决了，相当于绕开了Google那道广告，直接在Facebook上解决了。 扎克伯格说他的盈利模式是这个，就是说我替你买东西，然后我收一个百分比。我认为即使不替你买东西，Facebook了解了我的Email，了解了我的这种什么contact（联系），了解了我的所有意图，它在推荐这个Feed（信息流）给我推荐广告的时候也会变得更加精准，它的转化率也会更加高。所以假设说它这个推荐的转化率提升个一倍，那这个收入也乘以一倍。对于Facebook来讲这是很大的钱，相比而讲这个算力其实本身不算什么。 ### Grok Bot：多Agent协作与突破人类管理瓶颈 **Yiwen**: 讲到这里其实我们就很容易比较Instinct和Muse了，它们都希望作为用户的你形成一种习惯，那就是生活里有事要办你会先找这个助手。不同的是它们的起点不一样：Meta有社交软件优势，Instinct需要积累用户，所以才选择了短信这个大家都更熟悉的入口。 不过这些都还是生活中的场景，到了工作场景你可能会提出另一种要求，其中很重要的一个就是分工。你一边让AI整理客户资料，一边让它做市场调研，还要让它跟进报销。这些工作都有各自的进度、文件和需要记住的细节，把它们全部放进一个对话里，事情一多你就得重新花时间整理。 SpaceX夏天推出的Grok Bot就是从“分工”这个角度出发的多Agent协作产品，把长期委托组织成一支数字团队。 **郑芃**: 现在基本上这个行业的大部分人已经步入了我们指挥一群Agent、指挥一个Agent团队去做这些任务，但是很快意识到我们自己是瓶颈。 **Yiwen**: 这是负责Grok Bot产品设计的郑芃。在我们的采访当中，他提出了一个非常有意思的观点，那就是：人类是Agent工作的瓶颈。 **郑芃**: 就好像如果无人驾驶你必须得把手一直搭在方向盘上，其实这个无人驾驶对于人来讲的时间利用并没有太大的价值，因为你还是得坐在驾驶员的位置，你的注意力不能放在别的事情上面。一样的，在数字世界里面，如果我们指挥Agent完成事情，可能在执行层面它已经替代了我们自己亲自去做这事，但如果我还是需要一直盯着它，我还是需要一直通过一次一次地往返去完成事情的话，这只是把我们的时间放到了一个像一个管理者的角色，并没有真正解放我们自己的时间。所以我们才希望说如果通过把角色抽象出来，把它做成你的数字同事，可能通过这种形态可以把人和Agent的交互往更自动化、更长程的方向去推。 **Yiwen**: 使用过Grok Bot的朋友会发现它的界面设计和其他Agent产品有点不同。在聊天框的左侧是多个Agent或者Bot，它们有各自的名字、头像和分工，很像是我们上班的时候和你的团队在交流。这些Bot能够在云端使用电脑、进入工作工具、彼此传递信息，也可以在群聊里协作。比如一个负责客户跟进，一个负责市场内容，再有一个帮你协调任务。 这种设计挑战了我们和AI对话的默认形式。在几乎所有AI产品里我们会看到三个面板：左边是历史聊天记录，中间是当前对话，旁边展示任务和结果。有了新任务我们就新开一个对话，交代要求再来回检查、补充和确认。但这些对话结束以后我们很少再回头看，更不用说把其中的经验整理下来留给下一次任务。 在这种模式下，AI虽然已经能够替我们执行，但人却仍然需要持续推动工作。任务一多我们就从亲自干活的人变成了不断切换对话、检查进度的管理者，人的注意力以及每天醒着的时间也就成了Agent继续工作的瓶颈。所以Grok Bot尝试把产品的组织单位从一次对话变成一个长期存在的Bot。 **郑芃**: 我们把左边的这个任务面板变成了以角色与身份为中心的一个清单，这样的一个Agent list。其实我们想说通过这样一个界面的变化，在比较impressively地去推动用户去想说，当我拿到一个任务的时候，我的第一反应不应该是又开启一个新的对话session自己去完成这个任务然后去监控它的结果，而是我应该怎么样把它交付给一个我的数字同事，然后怎么可以把这个任务自动化，怎么可以再跟它一次一次完成任务的过程当中把它的经验沉淀下来。我希望设计的可能不是一个一次性的来回交互，而是一个系统，让它能够尽量地自动化，尽量地去把人的因素从这个loop里面省略掉。 **Yiwen**: 多Agent协作其实还有一个很有意思的设计问题：在人类团队里我们分工是因为不同的人有不同的专业能力，但在Agent团队里为什么还要分出一个设计师、一个工程师再加一个项目经理呢？关键就在于它们需要记住的事情不一样。 **郑芃**: 更多的是我怎么样把context（上下文）限制在合理的边界，怎么样去划定它的区分到底在哪里。实际是把相关的context给它封装在了同一个Bot里面。所有的skills、所有的plugin这些是每个Bot都共享的，但是所有的记忆、所有的personalization是单独的，就是每个Bot有自己的记忆和偏好。 **Yiwen**: 这里的context就是Agent执行任务的时候参考的上下文。比如说你提出的要求、之前的对话，还有它已经积累的工作经验。比如设计Bot需要知道你喜欢什么样的视觉风格，负责客户沟通的Bot则需要记住你和客户交流的方式。如果把这些信息全部放到一起，就需要不断地判断哪些要求适用于眼前的任务，哪些只是另一个项目里的特殊情况。这些信息相互干扰的问题就是“上下文污染”。所以角色也成了整理记忆的一种方式，你把一类工作持续交给同一个Bot，它就能围绕这类工作积累经验，减少每次都要重新交代的负担。 这种分工也不需要固定不变，你可以把几个相关的Bot拉进群聊让它们围绕同一个项目协作，同一个Bot也可以同时参与不同的项目。但这里还有一个问题：如果说有了数字团队之后我们还要花很多时间去管理它，那么人的瓶颈不是还在那里吗？ 所以Grok Bot的另一部分设计就是要尽量减少用户需要学习和配置的东西。郑芃说，团队曾经尝试把Agent电脑和操作过程展示得更明显，但在用户研究中他们发现很多人其实想确认的是任务有没有被接收、现在还在运行吗、有没有卡住、什么时候需要我回来这些问题。于是他们选择了用头像的不同动画去表达Bot正在工作、等待处理或者已经完成这些状态。这些看起来很小的设计其实承担的是一个很实际的任务：给用户足够的信息，让他可以放心离开一会儿。 所以Grok Bot想建立的关系是你知道它还在做事，也知道需要判断的时候它会回来找你，更详细的过程可以在你离开的时候再展开。那如果这种合作真的能建立起来，那么用户的工作习惯就会发生一个更深的变化。 **郑芃**: 我觉得目前正在发生的一件事情是，大家和数字世界中间开始增加了这一层Agent的layer，好像额外隔了一层。比如说我个人的日常工作时间很多时候变成我不再去主动亲自使用Figma或者Notion或者Slack这些SaaS工具，变成我指挥我的Agent去使用这些。 **Yiwen**: 这也把我们带回了这一期的主线——入口。就像我们在生活当中用不同的软件来订机票、找酒店一样，在工作当中我们也有不同的SaaS软件，所有的Agent产品就是希望在潜移默化当中让用户通过Agent来使用这些软件。 所以从Instinct、Muse和Grok Bot，它们争取的是相似的位置，但切入的方式又有所不同：Instinct希望成为消息列表里那个随时可以联系的助手；Meta希望借助原有的社交生态，进一步承接用户要办的事情；Grok Bot则是从工作分工上入手，让不同的数字同事成为可以持续委托的对象。最后，它们都希望建立一个习惯，就是有任务先来找我。 ### 隐藏成本：安全边界与平台利益冲突 **Yiwen**: 但当Agent真的站到了用户和软件以及商家之间的时候，新的问题也就随之出现了：用户能不能放心放手？原有的平台愿不愿意让Agent介入？而那些没有消失的监督、执行和协调成本，现在要由谁来承担呢？这就是在第三章里我们要讨论的问题。 随着使用Agent的人越来越多，媒体对Agent的报道当中也不乏越来越多的“恐怖故事”。比如让Instinct查看航班条款，它却直接取消了航班，直接损失300美元；让Muse卖键盘，它却在未经允许的情况下让买家上门取货，买家没见到人最终给了差评。 当然这些案例不能直接告诉我们Agent出错率有多高，但它也暴露了一个特别直接的问题：那就是在不知不觉当中，我们到底给了Agent多少授权？所以Agent第一个隐藏成本就是隐私和安全边界。 **受访从业者A**: 我觉得最重要的可能还是安全性跟可靠性，因为这是用户很容易疏忽的。在一个新鲜事物刚出来的时候，大家关心这个东西有多少sexy的功能，能够做什么东西，我就说一句话就帮我飞机票给订好了。但是你要一个新鲜事物真的成为一个长久的、能够进入千千万万的，那肯定对安全性、可靠性的要求还是比较高。 **Yiwen**: 这里其实有两个不同的问题：一个是助手会不会超过你的授权去行动；另一个是你交给它的数据会被谁看到、保存，又会被怎么样使用。 扎克伯格透露，他和Nat Friedman亲自招募了加密通讯软件Signal的创始人Moxie Marlinspike，让他参与Muse的机密虚拟机项目。这是为了把用户交给Muse的信息放进受保护的云端运行环境，目标是连Meta自己也无法查看里面的内容。顺便说一句，扎克伯格和Meta最近的举动还挺令人寻味的。我们知道，由于Hugging Face和OpenAI的事故，最近公众对于AI安全的关注度很高。在这个节点，扎克伯格发了一条推文，表示Meta为了保证Muse的安全性，发布Muse的时间点比原计划晚了几个月。另外Meta还加入了一个叫做Sentinel的监控Agent，检查进出的信息并在需要时触发用户审核。 但话说回来，即使解决了谁能看到数据，也还没有完全解决助手会拿数据做什么这个问题。它仍然可能会在一次正常的任务当中发出一条不该发的消息，或者去做一个你没有批准的任务。 **受访从业者A**: 我们能够从Infra层去约束我们自己，但是我们是没有办法约束我们的Client，就说当我们的客户用到这些用户数据了以后，他们会怎么做。 **Yiwen**: 第二个问题，则是原有的平台愿不愿意让Agent进来。Muse火起来后没多久，亚马逊就封锁了Muse，禁止它代替用户购物。亚马逊表示，Muse没有公开表明Agent身份，并提出了账户访问和凭证处理方面的安全担忧。它认为替用户在其他商家处购买东西的第三方服务应该公开运行，并且尊重商家是否参与的决定。 这里的分歧是：用户同意让助手帮自己操作，是不是也意味着另一个平台就一定要接受这个助手呢？从用户的角度，我有账户也愿意花钱，只是换了一个操作的方式；但从平台的角度看，进入账号、读取信息、执行交易的还包括另一家公司提供的系统，它希望知道这个系统是谁、能做什么，出了问题又该如何处理。 而在安全和访问规则之外，这里还包含着一层商业利益的冲突。我们前面说Meta希望从内容分发进一步走向任务分发，但这些任务原本就发生在其他的平台上。如果你自己打开购物网站，平台可以通过搜索、推荐和广告影响你的选择；如果你先让Muse比较商品再由它完成购买，那么一部分选择过程就可能转移到Muse那里。原有的平台仍然可能获得订单，但就不像之前那样可以直接接触用户、影响购买决定了，广告的收入也有可能减少。这就是这场冲突中可以看到的商业压力：Agent在带给平台交易的同时，也可能会把原有的客户关系给带走。 所以隐私安全和平台冲突这两个问题，也让一个Agent接管所有任务这个想法变得更加复杂，尤其是在企业层面。 ### 商业模式之问：C端烧钱死局与B端落地可能 **Yiwen**: 讲到这里我们还有最后一个问题，那就是Agent能成为一门赚钱的生意吗？在我们制作这期视频的时候，其实已经有了不少关于用户增长、融资和估值的报道，但我们还不知道Muse、Instinct和Grok Bot各自清晰的收入和利润披露。 在分析Instinct和Muse这两个主攻消费端的Agent的时候，我们已经提到，它们的盈利前景完全取决于现有的分发渠道。对Meta这样已经拥有成熟业务的公司来说，它可以选择先投入，让用户形成习惯再逐步寻找收入来源；像Instinct这样的独立创业公司，也可以通过融资补贴使用。但下一轮融资能否继续，最终还是要回应增长、留存和商业模式的问题。 **受访从业者A**: 我认为C端Agent最后就是比谁钱多、能烧。即使说Instinct的体验更好，但是如果它不能做到100%免费，我认为它没有未来。 **Yiwen**: 在Agent生意里还有一个很特别的矛盾：用户越喜欢它、越愿意把事情交给它，就意味着要调用更多次的模型，那么公司的服务成本也可能跟着增加，最终你会发现这个支出是指数型的增长。我不认为这是一个startup（初创公司）能够玩的游戏。 这其实也解释了为什么很多Agent会从办公场景去切入。 **郑芃**: 办公场景有更多的、很清晰的交付物，比如说我要follow up一个PR，或者我要做一个纪要、每周的简报、日程的协调之类的。然后企业用户的付费意愿更强，能够更加好地去证明这种我把一个任务委托出去然后直接给我结果的这种叙事。 **Yiwen**: 如果一个助手能够稳定完成每周的报表或者持续处理客户跟进，企业就比较容易衡量它节省了多少工时、是否值得付费。但付费意愿更强也并不一定代表着钱就更容易赚，刚才提到的数据保护、权限管理还有系统接入，都可能增加企业的成本。 不管怎么说，这场Agent产品之争才刚刚开始。这期我们聊到的Instinct、Muse和Grok Bot，有的想成为你的私人助理，有的想要组成一支数字团队，它们的产品形态和切入点不同，但核心逻辑都是一样的：那就是抢占人们执行任务的入口。而这个入口过去是软件，今天是Agent，它想要成为我们和数字世界之间的桥梁。 当然，今天的形态未必就是未来的答案。其中一个可能的变化就是专业Agent的诞生。目前我们看到的Agent都还是通用Agent，但未来可能会出现专攻细分领域的Agent来服务企业甚至是消费者的不同需求。 **受访从业者A**: 现在的模型多样化可能就是未来的Agent多样化。我觉得基于这样的话，每个员工在分别用同样的生产线，可能用多少个Agent。所以我觉得这一拨，就是这些Agent之间怎么合作，然后这个生产线怎么搭建，我觉得这才刚刚开始。然后围绕这个生产线搭建就会出现什么样的Agent在什么情况下做什么样的事情，然后什么时候我们在乎的是价格，什么时候我们在乎的是质量，什么时候我们在乎的是Agent迭代的速度，我觉得这些东西都会逐渐出现，现在还是非常早期的一个情况。 **Yiwen**: 但像Instinct这类公司的高估值已经反映出资本对一种可能性的押注：当我们习惯先把需求告诉助手，再由它去调用软件、寻找服务，助手就有机会成为新的入口。谁能赢得这份长期的信任，谁就能改变我们使用软件、购买服务的方式，这也是我们会长期关注这场竞争的原因。 好了，以上就是这期视频的全部内容了。大家的点赞、留言和转发是我们《硅谷101》做好深度科技和商业内容的最佳动力。我是Yiwen，那我们下期再见了。