Deploy Humans拿下108分

AI能写代码、能画图、能跟你聊哲学，但让它帮你去楼下取个快递？门儿没有。Deploy Humans（部署人类）就是瞅准了这个缝隙——他们给AI配了一支真人执行队，专门干AI干不了的脏活累活。最近这家公司拿了108分的"有用性证明"（Proof of Usefulness），在HackerNoon的评分体系里，这个分数比同期上榜的Data Horizon（34分）和Image to Photo（28分）加起来还高出一截。

108分怎么算出来的

HackerNoon的评分逻辑很直白：技术再花哨，解决不了真问题就白搭。Deploy Humans的得分拆解出来有三块硬指标——执行覆盖率、任务完成率、用户复购率。他们的核心产品叫"人类执行层"（Human Execution Layer），定位是AI经济的"最后一公里"。

打个比方：AI是大脑，Deploy Humans是手脚。大脑再聪明，没有手脚就只能在服务器里干瞪眼。他们的平台把两类人串在一起——一端是需要线下执行的AI系统，另一端是接单干活的真人。注册执行者超过12万，覆盖北美200多个城市，平均响应时间压到了23分钟。

这个模式踩中了一个尴尬现实：2024年美国劳动力市场有870万个岗位招不到人，同时又有大量碎片化需求没人愿意接。Deploy Humans把后者切成15分钟到4小时不等的微任务，时薪定在18-35美元区间，比最低工资高出一截，又比全职灵活得多。

Agent经济缺的那块拼图

Agent（智能体）是今年硅谷最烫的词。OpenAI的Operator能帮你订餐厅，但餐厅满座了怎么办？它只能道歉。Anthropic的Claude能写邮件，但客户要纸质合同签字回传呢？它也只能摊手。

Deploy Humans的创始人团队在播客里提过一组数据：他们抽样分析了500个企业级AI工作流，其中34%的断点发生在"需要物理世界反馈"的环节。不是AI不够聪明，是AI没有身体。

他们的解法是把人类变成可调用API。企业客户按任务付费，平台抽成15%-22%。执行者端有评级系统，五星执行者接单优先级和单价都上浮。这套双向约束让投诉率压到了2.3%，低于Uber Eats的4.1%和TaskRabbit的5.7%。

竞争对手不是没有。Amazon的Mechanical Turk（土耳其机器人）干了十几年微任务，但定位是"人类当廉价标注工"。Deploy Humans反过来，强调"人类是AI的必要组件"，定价也高出MTurk平均时薪的2-3倍。用他们自己的话说：MTurk是"人类辅助机器"，他们是"机器辅助人类"。

108分背后的真实账本

分数好看，但生意还在早期。Deploy Humans 2023年才成立，目前只披露了种子轮800万美元，由a16z和Lux Capital联合领投。他们的客户名单里有三家财富500强，但具体是谁没公开——这在这个行当里算常规操作，毕竟没人想承认自己"连取文件都要外包"。

执行者端的留存率是个隐患。平台数据显示，注册后三个月仍活跃的执行者占41%，六个月后跌到19%。高流失的原因很实在：微任务收入不稳定，很多人干几单发现时薪算下来不如送外卖，就撤了。

团队也在试解法。今年Q1上线了"任务包"功能，把同一区域的多个任务打包，减少执行者空跑。测试组的留存率提升了8个百分点，但还没全量推广。

技术层面，他们正在内测"预测性调度"——用AI预判哪些区域、哪些时段会出现任务高峰，提前给附近执行者发推送。这套系统如果跑通，响应时间能从23分钟压到15分钟以内。

一个值得细想的对照组

同期上榜的Data Horizon拿34分，做的是GA4（谷歌分析4）的对话式查询工具。Image to Photo拿28分，定位老照片修复。都是单点工具，天花板看得见。Deploy Humans的108分，某种程度上是占了"赛道空白"的便宜——Agent经济的执行层，目前还没出现像样的对标玩家。

但空白也意味着没人验证过规模。12万执行者听起来多，摊到200个城市，每个城市平均600人。纽约、洛杉矶这些核心城市密度够，中西部小城就捉襟见肘。一个企业客户如果要求"全美境内2小时达"，Deploy Humans现在接不住。

他们的路线图里写了"2025年底覆盖欧洲"，但欧洲零工经济的监管比美国严得多，Uber当年在德国、西班牙都栽过跟头。能不能复制，得打问号。

108分的"有用性证明"是块敲门砖，但门后面是更硬的墙。Deploy Humans赌的是：AI越能干，AI干不了的就越值钱。这个逻辑现在成立，但等波士顿动力的机器人真能下楼取快递了，人类执行层还值多少溢价？

他们的执行者论坛里有个帖子被顶得很高：「我们是在给AI打工，还是在利用AI给自己找活干？」评论区吵了47楼，没人有答案。