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

硅谷101解析Meta Muse、Grok Bot、Instinct等AI个人助理(Agent)的产品布局、入口之争与盈利难题，探讨从OpenClaw到大众化Agent的技术演进与商业模式。

Key Takeaways

AI Agent正从聊天机器人演进为可替用户长程办事的数字助理，入口争夺与意图捕捉成为核心竞争点。
技术可行性依赖模型连续行动能力、后台Harness系统与成本下降，三者共同推动了产品大众化。
盈利模式仍不明确：佣金、广告或订阅各有风险，融资驱动的算力消耗能否转化为可持续收入尚待验证。
平台与用户间的信任、数据安全以及原有平台是否允许Agent接入，是Agent商业化的主要制约因素。

What the video covers

Meta推出个人助手Muse，SpaceX旗下Grok Bot打造数字同事团队，Instinct以100亿美元估值完成10亿美元C轮融资，OpenAI也发布助理Dots，AI Agent开始从demo走向可用。
Agent可在无人监督下完成二手平台发帖、定价、买家沟通等长流程任务，背后价值在于掌握用户意图入口，决定后续调用哪些软件和服务。
Agent带来新的算力需求，云端虚拟电脑需要CPU、内存和存储，因此AMD、英特尔股价上涨，但更多任务不自动等于更多利润。
Agent能力提升依赖两方面：一是Harness等后台系统（工具连接、进度保存、任务重试、子代理调度），二是模型成本下降，使长程任务经济上可行。
OpenClaw证明了个人助理架构的可行性，但技术门槛高；新产品把运行环境交由平台维护，用户只需连接账户并下达指令，降低了使用门槛。
Instinct通过iMessage等熟悉的消息入口接入用户，降低获客成本；创始人Noah Shinn的Reflexion与τ-bench研究聚焦Agent的错误改正与稳定完成任务能力。
Muse的商业设想是先提供免费额度，之后从Agent促成的交易中抽取佣金，并结合Meta的广告与精准推荐优势，把意图捕捉转化为收入。
Grok Bot采用多Bot分工、群聊协作的设计，并通过不同Bot隔离记忆与偏好，同时共享技能与插件，以控制上下文边界。
隐私与安全是关键挑战：Muse使用机密虚拟机保护用户数据，并引入监控Agent Sentinel；但亚马逊因身份披露与凭证安全问题封锁了Muse的代购功能。
文章认为高估值与邀请制带来的热度能否持续存疑，类比Clubhouse，Instinct的广告变现模式在热度退去后面临考验。

Chapters

Full Transcript — Download SRT & Markdown

00:00

Speaker A

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。Muse可能是现在最好的AI Agent，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。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。

00:58

Speaker A

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 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

02:12

Speaker A

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。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。

03:44

Speaker A

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

05:00

Speaker A

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。

06:18

Speaker A

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

07:29

Speaker A

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。OpenClaw背后代表的是一个架构，代表的是一些技术的成熟度。所以说，我们今天看到Grok Bot，包括Facebook或者说Meta推出来的Muse，但其实是在用OpenClaw的思维做这些架构的应用。

08:51

Speaker A

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

10:00

Speaker A

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准备一台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。

11:08

Speaker A

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 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

12:21

Speaker A

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。它其实就像一个冰山理论一样，你能看到的执行只有那一点点，但后面有大量的Harness、大量与Sandbox（沙盒）打交道的工作，还有怎么去run（跑）、很多很多的SubAgent（子代理），一百个SubAgent其实都是在背后跑的。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。另外，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的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清楚的，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）。

13:49

Speaker A

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

15:17

Speaker A

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，因为它能做的事情越多，用户可能交给它的任务也就越多。

16:32

Speaker A

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你这个精虫上脑就赶紧买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

17:39

Speaker A

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。

18:56

Speaker A

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

20:13

Speaker A

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。但不同的地方在于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。

21:30

Speaker A

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

22:50

Speaker A

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？

24:11

Speaker A

那么用户的工作习惯就会发生一个更深的变化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

25:35

Speaker A

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。

26:58

Speaker A

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

28:21

Speaker A

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。未来的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。

29:50

Speaker A

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

31:10

Speaker A

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。

32:30

Speaker A

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

Topics:AI Agent个人助理Meta MuseGrok BotInstinctOpenClaw入口之争Harness长程任务商业模式

Key Takeaways

What the video covers

Chapters

Full Transcript — Download SRT & Markdown

Get More with the SozAI App

More from 硅谷101