a16z 最新深度对话｜这才是 personal agent 的正确打开方式

前几天我看了一期 a16z 的播客，是 General Partner Anish Acharya 和 Assistant Benchmark（AI 助手对比测评平台）的创始人 David Pawlan 坐在一起聊 personal AI agent（个人 AI 代理）这件事。我听的时候一直在做笔记，越听越觉得这场对话触到了一些真正重要的问题，不只是"哪个产品好用"，而是"AI agent 这件事的底层逻辑到底是什么，谁会赢，赢的理由是什么"。David 本人最近几个月测试了 100 多个 AI 助手产品，他建了 1200 人的群聊来讨论这件事，他发布的 Assistant Bench 测评报告上线 16 天就超过了 10 万次访问。我很少见到一个人对某件事的投入程度可以精确到这个程度。所以我觉得这场对话值得好好写下来。

但我不想只是复述他们说了什么。听完之后我在想的更多是：在这场 AI agent 的爆发里，什么东西是真正有意思的，什么东西可能只是泡沫？什么判断对做产品的人有真正的参考价值，什么判断只是对着镜头说的漂亮话？我自己在过去几个月也一直在用各种 AI 工具，有些体验真的改变了我的工作方式，有些体验则让我觉得距离"真的有用"还差得很远。所以这篇文章，是我把他们对话里最有价值的部分，跟我自己的判断放在一起，希望能说出一点真正有用的东西。

一场关于 AI 助手的"大爆炸"刚刚发生

Anish 在开场就说了一句话，他把这段时间 personal AI agent 的爆发称为 AI 时代的第三次"见到上帝"（seeing God）的时刻。第一次是 ChatGPT 出来的时候，人们发现原来 AI 可以写邮件、写诗、像人一样对话。第二次是 coding agent（代码代理）的出现，开发者忽然发现自己可以用自然语言生成软件。而第三次，就是最近这波 personal agent 的爆发：Instinct、Muse、ChatGPT 的工作模式，让普通人也开始感受到"AI 帮我把事情做掉了"是什么感觉。

David 的视角更微观一点，他说他是 Poke 的早期用户，那是最早期的消费者 AI agent 产品之一。Poke 出来之后三天他就开始用了，他说他永远记得那个体验，因为 Poke 的设计里有一个"跟 agent 谈判你愿意付多少钱"的机制，那一刻让他意识到有什么东西真的不一样了。再后来 OpenClaw 出来，然后是 Instinct 在 Twitter 上爆炸式传播，然后是多米诺效应，Grockbot、Muse 一个接一个，David 说他追踪到的现在有 122 个 personal AI agent 产品，他亲自测试了其中 26 个。

我听到这里的时候心里有一个感受——这轮爆发跟以前的技术爆发有一点本质的不同。以前技术爆发的时候，早期采用者是开发者，是极客，是对技术本身有兴趣的人。但这一轮 personal agent 的爆发，最先被打动的是那些愿意让 AI 帮自己报 HSA 报销（Health Savings Account，健康储蓄账户的报销）、帮自己追航班降价退差价的普通人。这不是在讨论技术，这是在讨论真实的生活痛点。这个信号很重要。

普通人不在乎"提升 10% 效率"，但他们在乎省钱

David 在对话里提了一个判断，我觉得非常精准。他说：一般消费者根本不在乎提升 10% 的效率。Ben Thompson 也在某个节目里说过类似的话，大多数消费者不是想省时间，他们是想花时间。但 David 说，这不意味着 AI agent 对消费者没有价值，关键在于你怎么切入。

他的观点是：真正能打动消费者的 agent，是那种能帮你省钱的、帮你免掉麻烦的、让你感觉到拿到了"免费的钱"（free money）的 agent。他举了几个例子：有人用 agent 翻出自己过去一年所有的收据，批量提交 HSA 报销。有人设置了航班降价自动申请退差价。他的一个朋友把 Grockbot 接到家里的洒水系统，连上天气数据，现在洒水系统会自动根据天气调节，水费省了 50%。

这些例子有一个共同的特点：用户不需要改变自己的习惯，不需要花时间学习一个新工具，agent 在后台悄悄把事情做了，然后有一天你发现账上多了一笔钱，或者账单比以前少了，你觉得"哦，这个东西挺好的"。Anish 有一个描述我很喜欢：他说当你雇了一个助理，你最不希望的事情是去管理这个助理本身。最好的助理是那种默默做事、在你需要的时候更新一句"我刚把这件事处理好了"、然后你说"哇，太好了"的那种。这才是 agent 应该给人的感觉。

我自己对这个判断的理解是，"省钱"和"省时间"在心理感受上有一个很大的不同。省时间是抽象的，你很难感受到自己今天"赚到"了 20 分钟，但省钱是具体的，你看到账单少了 200 块，你立刻就知道这个工具有价值了。所以 agent 的第一批真正的消费者场景，大概率会集中在金融类的、有明确货币价值的事情上。这个逻辑如果对，它对做 agent 产品的人来说是一个很重要的选题方向：与其去做"让你效率更高"的东西，不如去做"让你钱包更丰"的东西，因为后者更容易建立用户信任，更容易形成口口相传。

Proactivity（主动性）是真正的护城河

这是整场对话里我觉得最有价值的一个判断，David 说得很直接：proactivity（主动性、先行一步）才是把 agent 产品区分开来的真正护城河，而不是功能多少，也不是用了哪个底层模型。

什么叫 proactivity？就是 agent 在你没有明确要求它的情况下，主动帮你发现机会、规避风险、把事情做掉。帮你自动 check-in 航班，帮你发现你的保险可能换一家更便宜，帮你在航班降价后自动申请差价退款。David 说，目前大家在 Twitter 上分享 agent 体验的那些"哇塞时刻"，几乎全都跟 proactivity 有关——"我的 agent 帮我把这件事做了，我根本没想到它会去做"。

但 Anish 在这里补了一个很重要的限制：proactivity 是一把双刃剑。他说这里有一条非常细的红线，一旦越过去，用户就会立刻失去对 agent 的全部信任。他用了一个笑话来说明这个边界有多重要：他说他们内部在开玩笑，说"我们离某个 agent 给用户发消息说'我注意到你对她好像没那么感兴趣，我已经帮你分手了'也只差几天了"。这当然是玩笑，但它指向的问题是真实的：哪些事情 agent 可以自作主张，哪些事情必须先征得用户同意？

David 给出了一个相对清晰的框架：如果 agent 的行动不需要你做任何后续动作、不需要你承担任何后果，那它就可以主动去做，比如帮你省钱、帮你整理邮件、帮你起草一封回复。但如果 agent 的行动会带来一个"不可逆的变化"，或者需要你承担某种后果，那它就必须先来问你，比如帮你换保险公司这件事，就需要你点头。

我觉得这个框架非常有用，它其实在说的是 agent 的权限设计问题。做 agent 产品的人，需要在产品层面想清楚：什么是 agent 的"自主行动区"，什么是"必须询问区"。这不只是一个用户体验问题，它是一个信任设计问题。大多数人对 agent 的信任是极度脆弱的，就像 David 说的，只要 agent 有一次做了一件你完全没预期它会做的事，你当天就会关掉它。所以产品的边界设计，某种程度上比产品的能力设计更重要。

Invisible Agent（隐形代理）：最好的 agent 是你感觉不到的那个

Anish 和 David 都反复提到一个概念，我把它叫做 invisible agent（隐形代理）的概念。他们在说的是：真正好用的 agent，是那种你感觉不到它存在的 agent。它在后台默默地运行，处理所有你不想处理的杂事，偶尔告诉你"我刚把这件事搞定了"，然后就消失了。

这个概念跟我们一般想象的 AI 产品有点不一样。很多 AI 产品在设计上是"前台型"的——你打开 app，跟它对话，它给你回复，整个交互是显性的。但 invisible agent 是"后台型"的——它不需要你主动找它，它在你生活的后台持续运行，你不需要感知到它的存在，但它的工作成果会悄悄地出现在你的生活里。

David 举了一个他亲身体验的例子，让我印象很深。他说他骑自行车上班，骑了 30 分钟。他骑车的时候，手没法用，就开着 ChatGPT 的 voice（语音）功能，一边骑一边说话。到办公室之后，他的邮件已经分类好了，标签已经打好了，日历邀请已经发出去了，inbox zero（收件箱归零）。他说那一刻是他整个 AI 体验里最震撼的一刻，比任何功能 demo 都更有冲击力，因为它把"在你最忙、最分心的时候，agent 替你搞定一切"这件事变成了现实。

我自己听到这个例子的时候想到了一个问题：为什么骑车这个场景会有这么大的冲击力？因为它戳到了一个真实的痛点——当你的手和眼睛都被占着的时候，你什么都做不了，但你的时间在流逝，你的邮件在堆积。这是一个"被动损失"，人对被动损失的感知往往比主动付出更敏感。所以 voice + proactive agent 的组合，在"占手"场景里的价值会被放大很多倍：园艺、烹饪、驾车、运动，这些都是被过去的界面形态完全忽视的场景，但它们加起来可能占了普通人一天中相当大的一段时间。

Agent 的界面战争：app、iMessage 还是硬件？

Anish 和 David 聊到了一个我觉得很有意思的话题：这些 agent 最终会住在哪里？用户会通过什么界面来使用它们？

David 说，到目前为止，他在市场上只看到两种主要形态：要么是一个独立 app，要么是通过 iMessage 来交互。他说 iMessage 这个界面对他有特殊的吸引力，因为他已经活在 iMessage 里了，在那里跟 agent 交互"感觉已经跟我连接在一起了，不像是在用一个新工具"。Anish 说他认为 iMessage 是一个"更珍贵"的空间，因为那里是人与人之间最私密的对话场所，把 agent 放进去感觉更有温度、更像是一种私人关系。

但他们也聊到了硬件这条路。Muse Charm——Meta 刚发布的一个配件——让他们有了一次有意思的争论。David 说他的"热门观点"是 Muse Charm 可能根本不是为了赢硬件市场，更像是 Meta 在真实世界采集数据的手段——它有摄像头、有多个麦克风，作为一个随身佩戴的设备，它可以 24/7 地在现实世界里收集信息，来喂给 Zuckerberg 想要建立的 metaverse（元宇宙）世界模型。

Anish 的看法是，他比较看好 audio-only（纯音频）的形态，也就是类似 Ray-Ban 智能眼镜那样的产品。他说有一种人喜欢有摄像头的设备，但也有一种人会觉得被摄像头盯着不舒服，而纯音频的形态可以让你感受到技术连接，但不会带来"我在被监视"的社交尴尬。

我的判断是，界面战争短期内不会有一个明确的赢家。不同的人有不同的偏好，不同的场景也需要不同的界面——骑车的时候用语音，坐在桌前处理事务用 app，参加会议的时候可能需要一个安静的后台 agent。最终的赢家可能不是某一种界面，而是某一个平台能做到"在所有界面里都有存在感、都能提供一致的 agent 能力"。这跟苹果当年做 iCloud 的逻辑有点像——不是一个功能，而是让你的状态和数据在所有设备上都保持一致。

群聊里的沉默 Agent：社交场景的正确姿势

关于 agent 如何进入社交场景，Anish 和 David 的对话里有一段我觉得特别有价值，因为它指出了大多数公司做错的方向。

大多数团队在尝试把 agent 加进群聊的时候，都会走一条很直觉的路：让 agent 像一个参与者一样出现，可以被 @ 到，可以回复消息，可以参与讨论。但 Anish 说这种做法基本上都失败了，因为在群聊里，"麦克风"是轮流的，当你把麦克风给了一个低情商的 agent，整个群的社交感觉就被破坏了。

David 介绍了一个叫 Doc 的产品，做法完全不同。Doc 加入群聊之后，它是完全沉默的——它只是听，不说话。它在后台记笔记，追踪所有的 action item（待办事项）。如果某个 action item 需要某个人来跟进，它会单独给那个人发一条私信，不打扰群里的其他人。如果你想看它记了什么，可以去看笔记，但它永远不会主动在群里发言。

这个设计思路让我想到一个更大的原则：在社交场景里，agent 的最优解可能不是"更有存在感"，而是"更没有存在感"。它是一个高效的协调机制，而不是一个新的参与者。它帮你做的事情，是把群里那些"应该有人跟进但通常没人跟进"的事情，悄悄地跟进了。这个价值是真实的，但它的实现方式，恰恰是让 agent 消失，而不是让 agent 出现。

我觉得这对做 agent 产品的人来说是一个很有用的思路上的矫正。我们在做产品的时候，经常有一种本能，想让自己的产品"在那里"，想让用户感受到它的存在，因为只有被感受到才能被记住，才能产生黏性。但 invisible agent 给出了一个完全不同的答案：你的产品越不被感受到，它做的事情越自然地融入用户的生活，用户就越依赖它，而不是越记得它。这跟做"功能产品"的逻辑是反的，但它可能才是 agent 这个品类真正的产品哲学。

Assistant 还是 Agent？这个词的差别比看起来大

对话里有一段很值得单独拿出来的讨论，是 Anish 对"assistant"（助手）和"agent"（代理）这两个词的区分。他说，在他看来，assistant 是一种"次级形态"——你让它做什么，它才做什么，它只能辅助你，不能独立行动。而 agent 有 agency（自主能动性），它可以在没有明确指令的情况下，自己判断应该做什么，然后去做，让好的事情在世界上发生。

他还用了企业里的 AI 发展轨迹来类比：AI 在企业里最开始是"实习生"，只能做简单的、有明确边界的任务。随着它们做的工作越来越多、能力越来越强，它们开始被"晋升"，被委托更复杂、更需要判断力的工作。他说，personal agent 在消费者生活里的演化轨迹，可能跟这个很像——从帮你订餐、订票、分类邮件开始，逐渐被委托更私人、更核心的事情。

David 补充了一个我觉得很有意思的角度：他说 agent 这个词的社会含义也很值得关注。"助手"这个词让人感觉是在跟一个低于自己的存在交互，"代理"这个词则意味着你把决策权委托出去了，你信任它可以代表你行动。这两种关系对人的心理影响是不同的，对产品的设计也会有不同的影响。

我自己对这个问题想了挺久的。我觉得"agent"这个词真正困难的地方，不在于技术上能不能实现它的自主性，而在于用户心理上愿不愿意接受这种自主性。委托这件事，在人类的社会关系里需要时间来建立，需要一次次的小测试来验证信任，然后才会慢慢扩大委托的边界。agent 产品要做的，其实是把这个信任建立的过程，变得足够顺滑、足够可预测、足够有安全感，让用户愿意一点一点地把更多控制权交出去。这不是一个功能问题，而是一个关系问题。而且这个关系，一旦建立了，护城河是极深的。

Agent 的经济学：每天 $20 的成本怎么算？

聊到商业模式，Anish 说了一个数字让我有点惊讶：他说如果要做一个"雄心勃勃"的 personal agent，以目前的成本来估算，大概需要每个用户每天 $20 的成本。一年下来对一个初创公司来说，可能是几亿美元的规模。

David 用他的 Assistant Bench 数据来分析竞争格局：122 个产品里，65 个是付费的，35 个完全收费，30 个有 freemium 模式，只有 13 个是完全免费的。但现在市场上的主导产品——Muse 和 Instinct——恰恰是免费的，背后是 Meta 和 OpenAI 这样的大玩家在烧钱补贴。在这种情况下，一个 longtail（长尾）初创公司怎么跟免费的大玩家竞争？

Anish 的回答很有意思：他说他不喜欢"靠补贴来吸引用户"这种价值主张，他更想看到有产品能让消费者愿意主动付 $1000/月。他说人们在很多"不是必需品"的东西上会花很多钱，关键是你提供的价值是不是让他们觉得"值"。他认为随着 browser use（AI 直接操控浏览器的能力）成本不断下降，成本会持续压缩，最终会有一类产品能在成本可控的情况下提供极高的价值，让付费变得理所当然。

我自己对这个经济问题的看法是：这轮 personal agent 的竞争，有点像智能手机刚出来的时候，大家都在比硬件参数，但真正留下来的是那些做好了软件生态和用户体验的玩家。成本下降是大势所趋，browser use 的成本会降，token 的价格会降，本地模型的能力会上升。所以今天的成本不是永久的护城河，今天建立的用户信任和使用习惯，才是。谁先让用户真正依赖一个 agent，谁就有机会在成本降下来之后把这个依赖变成一门好生意。

商业生态的重塑：Amazon 和 Shopify 的两种选择

对话的后半段，Anish 和 David 聊到了一个我认为是整场对话里最有远见的话题：当 agent 开始代替人去购物、去预订、去消费的时候，现有的商业生态会发生什么？

他们用了 Amazon 和 Shopify 的对比来说明问题。Muse 上线之后，Shopify 选择了开放和拥抱，让 Muse 可以通过 agent 在 Shopify 的平台上完成购物。但 Amazon 却封锁了 Muse，禁止 agent 代替用户在 Amazon 上操作。

为什么会有这两种截然不同的选择？David 分析得很清楚：Amazon 的商业模式高度依赖广告收入——你在 Amazon 上搜索，看到广告，点了广告，买了东西，Amazon 从广告费里拿到大头。但如果 agent 直接帮你买东西，广告这一步就被跳过了，Amazon 的广告收入就消失了。而 Shopify 的模式是"赋能商家做更多生意"，agent 帮用户买的越多，Shopify 的生意就越好。所以两者的利益结构完全不同，对 agent 的态度自然也不同。

这里有一个更大的问题浮现出来：当 agent 成为"新的购物入口"之后，现有的流量经济学、广告经济学，都会被重写。Anish 说，"attention economy"（注意力经济）的基础是人的眼球，但 agent 没有眼球，它只有逻辑和数据。没有了眼球，现有的广告模式就无法运作。所以整个 internet 的商业底层会发生一次大的重构。

他们还聊到了一个非常有意思的场景：餐厅订座。现在的订座平台（比如 Resy）靠的是制造"供需紧张感"——你要抢热门餐厅的位子，这种紧张感本身是平台的商业价值。但如果所有人都用 agent 去抢位子，那每个人的起点一样，人工的反应时间优势消失了。Anish 说，这可能会重新把权力还给餐厅本身——餐厅可以更精细地根据"谁是我的高价值客户"来分配位子，而不是谁的手更快谁就能订到。

我觉得这里有一个更底层的洞察：agent 经济的到来，会让很多原来靠"信息不对称"或者"反应速度不对称"来赚钱的商业模式受到冲击。任何一个系统，如果它的价值建立在"用户的无知"或者"用户的不便"之上，agent 都会把这个优势消解掉。这对消费者来说是好事，但对很多现有的商业模式来说是威胁。

Agent to Agent（代理对代理）：下一个互联网的雏形

对话快结束的时候，Anish 提出了一个问题，我觉得这是整场对话里最有想象空间的部分。他说，我们现在谈的大多是 agent 帮人做事，但接下来一定会出现的是 agent 跟 agent 直接交互——一个 agent 代表买家，另一个 agent 代表卖家，两个 agent 自己谈、自己协调、自己完成交易，人在这个过程里可能只是在最开始设定了一些参数，然后就不再参与了。

David 把这个方向叫做一个全新的范式（paradigm）的开始。他说想象一下：agent 有自己的电子邮件地址，有自己的电话号码，两个 agent 之间可以直接通话、直接发邮件、直接完成预订。整个服务业的模式，从"人类预订人类服务"变成"agent 预订人类服务"再变成"agent 预订 agent 服务"，每一步都是一次重构。

Anish 用了一个我非常喜欢的例子来说明这个未来的具体感：他说，你让你的 agent 帮你找人来织一双白色的袜子。agent 找到了内布拉斯加州的一位老奶奶，她在 Etsy 上卖手织袜子。agent 联系了老奶奶的 agent，告诉她"有人想订一双白袜子"。老奶奶的 agent 回复说"好的，三周内能做好"。整个过程，买家和老奶奶之间可能永远没有直接对话，但一笔交易完成了，双方都满意。

这个例子让我想到的是：agent to agent 的世界，可能会催生一种全新的"长尾经济"——那些有技能、有时间、但没有接触大市场的人，可以通过 agent 被大市场找到、被匹配、被委托。这跟 Uber 当年做的事情有点像——把供给方接入市场——但范围要广得多，不只是司机，任何有能力做某件事的人，都可以通过 agent 来接单、谈判、交付。这是一个我觉得可以让世界真正变得更好的图景，不是乌托邦式的、而是非常具体的。

听完这场对话，我在想的几件事

Anish 和 David 的这场对话，从头到尾都有一种很少见的诚实感——他们没有假装知道所有答案，他们在很多地方都说"我也不知道会怎样，但我的猜测是……"这种态度本身让我觉得这场对话是可信的。在 AI 这个领域，能承认自己不确定的人，往往比什么都敢说的人更值得听。

听完之后我在脑子里一直转着的，是一个用中文说起来可能不太好听的问题：当 agent 真的帮你把所有杂事都做掉了之后，你拿那些多出来的时间做什么？David 在最后说，他希望未来他的孩子们会看着现在这一代人，不理解为什么大家要一直低着头看手机——因为未来人们会用 agent 把那些无聊的事情都外包出去，然后真正去陪孩子、去跟朋友说话、去做那些只有人才能做的事。这个图景我觉得很美好，但它的前提是，我们真的把那些多出来的时间用在了这些事情上，而不是用来刷更多的短视频。

对于做 AI 产品的人，这场对话给了我几个具体的参考点：第一，从"省钱"而不是"省时间"切入，更容易获得消费者的真实信任。第二，proactivity 是护城河，但它必须在"用户愿意接受的边界"之内，越界一次就可能全部失去。第三，invisible agent 是 agent 产品的理想形态，感觉不到的 agent 才是最好的 agent。第四，agent to agent 这个方向还很早期，但它可能是下一个十年里最大的基础设施机会之一，值得认真关注。

最后我想说的是，这场爆发现在还处于很早期。David 说他追踪到了 122 个产品，但真正能活下来的可能只有个位数。这没关系，技术浪潮本来就是这样运作的。重要的问题不是谁现在跑得最快，而是谁在建立真正难以复制的东西——用户信任、专有数据、proactive 的使用习惯。这些东西，一旦建立了，比任何一个功能都更有价值。

结尾

也欢迎大家留言讨论，分享你的观点！

觉得内容不错的朋友能够帮忙右下角点个赞，分享一下。您的每次分享，都是在激励我不断产出更好的内容。

欢迎关注深思圈，一起探索更大的世界。

两个“特别坑”的AI产品创业方向，你知道吗

速度将成为AI时代唯一的护城河

a16z重磅预测：Vibe coding赢者通吃？错了，垂直专业化才是未来