本文来自微信公众号： 孤独大脑 ，作者：老喻的，原文标题：《关于 AI Agent、信任与决策权的 100 条》
一、十四个人，一百亿美元
1、最近硅谷有一家叫Instinct的公司，很适合拿来观察AI应用层正在发生什么。Instinct成立于2025年，创始人Noah Shinn只有23岁。
2026年8月26日，它完成2.5亿美元B轮融资，累计融资约3.5亿美元，估值25亿美元；
33天后的9月28日，它又融资10亿美元，估值直接变成100亿美元。9月中旬，《The Information》报道称其用户已经超过10万；
创始人披露，用户使用三周以后，约40%愿意把私人信用卡交给它，交出敏感信息后的用户留存约80%；
平台流经的年化交易额接近10亿美元，其中超过一半来自旅行。团队只有14个人。
2、Instinct最特别的地方，不是又做了一个更漂亮的App，而是努力把“App”本身藏起来。用户可以通过短信、电话、Email和语音联系它，像找一个真人助理。
上一代软件要求人学习一个新的界面；
Instinct的思路反过来：软件去适应人已经会的动作——说一句话，找个人把事情办了。真正的“活人感”，不是聊天框里写得像人，而是你把现实世界的事交给它以后，它真能往下做。
3、这些数字要理性来看。
融资额和估值已有公开报道确认；
“超过10万用户”主要来自媒体信源；
40%信用卡连接率、约80%留存、10%日增长、接近10亿美元年化交易额，主要来自创始人的公开访谈，并非审计数据；
早期用户又高度集中在硅谷科技圈，不能直接外推到大众市场。
真正值得注意的不是某一个数字精确到小数点，而是它们共同指向一件以前颇为抽象的事情：
已经有一批人愿意让AI不只回答问题，而是真正进入自己的信用卡、日程、邮件和现实交易。
二、从答案到行动
4、ChatGPT这一代聊天机器人的基本产出是答案（Answer），个人代理人（Personal Agent）的基本产出是行动（Action）。前者告诉你怎么做，后者开始代表你做：订机票、改酒店、找餐厅、取消订阅、协调日程、处理邮件。这里不是一次普通的产品升级，而是软件角色的变化：从工具（Tool），走向代理人（Agent）。
5、Instinct先在旅行上跑出来，不是偶然。旅行客单价高、信息复杂、步骤多、实时变化多、供应商零碎，而且消费者早就习惯让第三方代办。
过去携程和Booking的价值，是把酒店、机票、租车装进一个界面；
Agent再走一步，连界面都可能不重要。用户只需要说：“今晚必须到纽约，帮我搞定。”剩下的比较、权衡、预订、修改和支付藏到后台。Instinct创始人称，目前超过一半的交易额来自旅行。
6、旅行还有一个商业上的好处：这个行业早已习惯为流量和交易入口付钱。Booking Holdings 2025年营销费用约81.9亿美元，占收入约三成，其中效果营销（Performance Marketing）包括搜索、比价、联盟等重要渠道。也就是说，旅行行业本来就存在巨额“需求分发费”。如果Agent能从Google、OTA或App手里拿走一部分需求入口，就不必凭空发明一个利润池，它争的是一笔已经存在很多年的钱。
（至少在中国老板的现实生活里，私人助理最重要的一类工作，本来就是安排行程、订酒店、改机票。旅行可能天然就是“私人代理”最早被理解的场景。）
7、Instinct想走的商业模式也很直接：消费者尽量免费，不主要靠每月20美元的订阅，而是在替用户真正完成交易后获得交易抽成（Take Rate）。现在它尚未形成一套公开、稳定的抽佣制度，所以那接近10亿美元是交易额（Transaction Volume），不是Instinct的收入。它真正实验的是另一条链：免费获得使用→服务建立信任→信任获得委托→委托产生交易。
8、Shinn在谈商业模式时拿几个成熟行业作过参照：支付网络通常只拿几个百分点，交易平台可能拿到更高的比例，应用分发平台甚至能拿到30%。这不应该理解成“Instinct已经决定在2.5%、10%、30%三档里选一个”，真正的问题是：市场最终会把Agent当成什么？
如果只是支付基础设施，抽成很薄；如果是交易平台，会厚一些；
如果它真正控制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，比抽成数字本身更重要。
9、所以把Instinct叫“AI版携程”，只说对了一半。
携程主要聚合某一个领域里的供给（Supply），把旅行需求和机票、酒店、租车凑到一起；
个人代理人想聚合的是一个人的需求（Demand），而且跨品类。
携程从旅行出发，努力越来越懂旅行；
Personal Agent从用户出发，想越来越懂这个人，再走向旅行、购物、餐厅、日程、邮件以及更多现实事务。
10、做AI创业，大家经常问“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？
我们习惯认为AI最大的机会，要么属于模型公司，要么属于苹果、腾讯、携程这种拥有数据、客户和产业壁垒的巨头。但技术革命真正巨大的创业机会，经常来自第三种东西：旧地图上根本没有那个位置。
11、互联网早期也一样。电信公司拥有网络，零售商拥有商品，媒体公司拥有内容，但后来真正长出来的是Google的搜索入口、Amazon的线上交易入口、Facebook的社会关系入口。旧资产当然重要，但技术范式变化时，更要问：新的稀缺位置是什么？
（我们总爱谈护城河。在一个稳定范式里，护城河当然有用；问题是，范式切换时，护城河本身也会换定义。新的军队未必攻破你的城墙，它可能直接绕过这座城，在另一个维度建立一张新地图。）
12、Bill Gates 2023年写过一篇关于Agent的文章。他的判断是，Agent会成为下一代计算平台，人不需要知道应该打开哪个App，只需要说自己想完成什么；他还特别提到，今天只有少数富人负担得起的私人助理式服务，会被Agent大幅降低成本。
（有趣的是，盖茨那篇文章里仍然强调最终决定权属于用户。今天真正更激进的问题，是：最后拍板的那一下，有多少也会被委托出去？）
13、所以“未来每个人都有一个AI助手”，可能还是停留在旧语言里，就像当年“每个人桌上都会有一台电脑”。更大的变化可能是两步：
AI让智能大众化（AI Democratizes Intelligence）；
Agent让委托大众化（Agent Democratizes Delegation）。
第一阶段，每个人都能低成本调用过去属于专家的知识；
第二阶段，每个人都可能拥有一个持续了解自己、替自己判断、协调并执行的数字代理人。软件开始进入过去主要存在于人与人之间的委托关系。
三、上下文、记忆和“我的模型”
14、智能（Intelligence）和判断（Judgment）不是一回事。一个模型可以知道全世界所有酒店的信息，却仍然不知道哪家最适合你。
专业能力（Expertise）让它懂这个行业；
上下文（Context）让它懂你；
判断才是把两者结合，在具体约束下做出选择。
个人代理人的核心竞争，很可能会从“知道多少”逐渐走向“替这个具体的人判断得有多好”。
15、Noah Shinn的学术背景因此很有意思。他是NeurIPS 2023论文《Reflexion》的第一作者。那篇研究讨论的不是重新训练一个更大的模型，而是Agent能不能把过去行动获得的反馈转换成语言反思，写进情景记忆（Episodic Memory），再改善下一次行动。
不能说这篇论文“直接构成了Instinct的技术实现”，但它与今天Instinct的产品哲学高度呼应：真正重要的不只是这一次够不够聪明，而是和你相处越久，能不能越来越会替你办事。
16、Shinn后来又与Sierra团队做过τ-bench，用来测试Agent在现实工具和规则约束下的可靠性。原论文一个很重要的结论是：当时最先进的工具调用型Agent在不少任务上的成功率仍低于50%；而要求同一种任务重复稳定成功时，零售场景的pass^8低于25%。这把尺子今天依然很重要：一个Agent偶尔会做对，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意思。Agent的可靠性不是一枚“每次胜率60%”的均匀硬币。不同任务的难度差异极大，有的任务几乎次次成功，有的任务高度不稳定。所以授权最好按任务类型给，而不是笼统问一句：“这个Agent到底靠不靠谱？”）
17、这可以称为学习型关系（Learning Relationship）。传统软件用一年以后，它还是差不多同一个软件；真正好的Agent用一年以后，应该因为与你共同经历过大量行动和反馈，变成了一个“不同的Agent”。一次酒店订错，不应该只是一个Bug，而应该成为下一次判断的训练材料。
18、因此，“数据壁垒”这个词太笼统。携程拥有领域数据（Domain Data），苹果拥有大量行为数据（Behavioral Data），Personal Agent真正想积累的是个人上下文（Personal Context）。知道我上次住了Aman，是数据；知道当时是因为同行者喜欢，而我自己其实嫌位置不方便，是上下文；下次在商务行程里自动排除它，才开始接近真正的“我的模型”（Model of Me）。
19、Scott Belsky对Instinct有一个很耀眼的判断：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。一个人不是十几个标签组成的。真正的偏好藏在数千次小选择里：什么时候愿意多花钱换时间，谁的邮件不能晚回，什么会议宁可改机票也不能错过，什么酒店看着喜欢但以后不会再住。
20、Belsky还强调选择性记忆（Selective Memory）。Personal Agent的难题不是“记得越多越好”，而是要知道什么值得记、什么只是偶然、什么已经失效、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，而是一套不断更新的解释。
21、更难的问题是：Agent到底代表哪一个你？你嘴上说要减肥，半夜点的是炸鸡；说今年要少花钱，遇见打折又下单。经济学区分声明偏好（Stated Preference）和显示偏好（Revealed Preference），但还有第三层：你想成为的那个人。
《奥德赛》里，奥德修斯知道自己经过海妖时会失控，于是在清醒时让水手把自己绑到桅杆上，并规定届时无论自己怎样哀求都不要松绑。这种机制后来常被称为尤利西斯契约（Ulysses Contract），也就是预承诺。
（最高级的Agent也许不是永远听“此刻的我”，而是理解一个偏好栈（Preference Stack）：即时指令、长期目标、预先设好的红线，谁的优先级更高。真正的关键不是AI替我做主，而是清醒时的我，预先规定冲动时的我不能做什么。我以前写过，健身房是在做空你的意志力；一个站在你这边的Agent，可能恰好是在替你做多自己的意志力。）
22、时间再拉长，形成的可能不只是“我的模型”，而是“我们的模型”（Model of Us）。一个跟了你十年的助理，价值不只在于“了解你”，而在于双方形成了大量无法写进说明书的默契。你说“有点贵”，他知道不一定是不买；你说“再看看”，他知道暂时不要推进。真正昂贵的迁移成本（Switching Cost），未必是数据，而是这种共同校准出来的判断。
23、但这里有一条非常重要的边界：原始数据、规则和偏好清单应该尽可能让用户带走。真正的护城河应该来自“我不想走”，而不是“我走不了”。可以把它叫退出权（Exit Right）。Costco的会员费可以退，很多商品退货极宽松，反而让消费者敢买。一个Agent如果允许一键导出记忆、撤销权限、换掉服务商，反而可能让人更敢把重要信息交进去。
（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知识库软件恼火，我忍住不说这个我付费用了十几年的App的名字，但它的确已经变成了一个恶棍。）
四、Costco教给Agent的事
24、把判断外包给一个值得信任的专业机构，一点也不新。Costco可以理解成一种低技术版的委托（Delegation）。它长期坚持有限选品。一个家庭走进Costco，不需要重新研究市场上所有洗衣液、橄榄油和电视，而是默认Costco已经替自己筛掉了绝大多数选项。
25、所以Costco卖的不只是商品，还卖“替你做掉的一部分家庭采购判断”。这里至少需要两个条件：信任+专业（Trust+Expertise）。只有专业，没有信任，我担心你利用信息优势赚我；只有信任，没有专业，我没理由把决定交给你。Personal Agent还可以再把信任拆成三种：
能力信任（Competence Trust）——你做不做得好；
立场信任（Alignment Trust）——你到底站不站在我这边；
程序信任（Process Trust）——我知不知道你什么时候会问我、怎么撤销、出了错怎么办。
26、Costco的信任很大程度来自自我约束（Self-restraint）。长期以来，它对品牌商品和Kirkland商品的加价设置极低的上限；会员制、有限SKU、退货政策，都构成某种承诺机制（Commitment Device）。真正牢固的信任，往往不是来自一句“相信我”，而是来自一个明明有能力占你便宜的人，长期反复选择不占你的便宜。
27、信任的经济价值也很具体：它降低搜索成本（Search Cost）、决策成本（Decision Cost）、验证成本（Verification Cost）。消费者信任Costco，就不需要每次买橄榄油都研究两个小时；信任一个Agent，也不需要每笔小额旅行、预订和购买都重新检查一遍。信任真正节省的，是人的注意力和决策能力。
（甚至可以说，最好的信任架构（Trust Architecture），不是让用户“更相信”Agent，而是通过限额、撤销、双确认、日志，让用户不需要那么相信它。制度把一次犯错的损失锁死，比一百句“请放心”都可靠。）
五、从注意力到决策权
28、赫伯特·西蒙1971年有一个著名判断：信息越丰富，注意力就越稀缺。互联网过去几十年不断让我们拥有更多网页、更多商品、更多餐厅、更多内容，但人的认知能力没有同比增长。
上一代互联网的任务是帮助人获得更多选择；
Agent时代真正值钱的服务，可能反过来：请替我删掉9999个，然后把最后那个选择做对。
29、所以真正稀缺的资源，正在从信息变成决策能力（Decision Capacity）。AI能规模化的不只是智能，还可能是经过筛选的判断（Curated Judgment）。医生、律师、私人银行家、旅行顾问、家族办公室，本质上都在做同一种事：把复杂信息压缩成可以行动的判断。过去这种服务受限于昂贵的人力，现在它第一次可能获得接近软件的边际成本。
30、这也重新定义了“入口”。
PC时代争的是信息入口（Information）；
移动互联网时代争的是注意力入口（Attention）；
Agent时代可能多出一个委托入口（Delegation）。
过去所谓入口，是“你先打开谁”；新的入口可能是“你允许谁代表你行动”。
31、Google给我十条结果，我自己选；携程给我二十家酒店，我自己订；ChatGPT给我五个方案，我自己决定。真正进入Agent时代的分水岭，是一句：“不用问我，你替我决定。”从这一刻开始，软件获得的不只是注意力，而是被委托的决策权（Delegated Decision Rights）。这里特意加“被委托”，因为这不是Agent天然拥有的权力，而是用户授予、可以收回的权力。
32、决策权不是一把总钥匙，而是一档一档交出去的。可以粗略分成：给建议；替我起草；我确认后执行；某个金额或范围内自动执行并事后告知；某一类事务完全托管。
授权也不能只看金额，至少要看三个轴：
最大可能损失（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）：能花多少钱、在哪些场景花、对谁花、有效多久、能不能撤回，应该分别设置。）
33、贝索斯曾把决策分成单向门（One-way Door）和双向门（Two-way Door）：能退回来的双向门可以快，难以撤销的单向门要慢。这个框架非常适合Agent。可取消的预约、可退机票，可以逐渐自动化；发出去的邮件、不可退订金、转出去的钱，则应该把确认门槛拉高。
Cruise 2023年事故后，加州DMV暂停其无人驾驶许可，其中一个明确原因就是公司在安全事件披露上的问题；GM后来退出Robotaxi业务还有成本、规模化时间和竞争等多重原因，不能简单归因于这一场事故。但授权系统有一点和自动驾驶很像：升级很慢，降级可以很快。
（保险也可能成为Agent时代很有意思的一层基础设施。未来如果Agent真正开始替企业和个人作出高价值决策，“自动决策保险”很可能会越来越具体。）
34、未来衡量Personal Agent，也许需要一个现在很少出现在财报里的指标：权限深度（Permission Depth）。用户给你的只是日历读取权，还是修改权？只是信用卡信息，还是500元以下自动付款？只是起草邮件，还是允许直接发送？一个有1亿日活、但没有行动权的AI，和一个只有100万用户、却掌握大量高价值权限的Agent，是完全不同的资产。
35、Belsky讲的信任回报率（ROI on Trust）因此非常有意思。它现在还不是一个标准财务指标，但逻辑已经可以观察：信任越高，权限越深；权限越深，委托越大；委托越大，Agent能参与的经济活动越多。信任第一次开始拥有非常直接、甚至可以逐渐量化的经济后果。
（当年Amazon从Costco学过很多零售逻辑。AI时代绕了一圈，商业最深处可能仍然是那件很古老的东西：专业地替人判断，并让人相信你不会滥用这个权力。）
六、订阅经济与交易经济
36、a16z 2026年10月发布的消费AI报告给了一个很重要的背景：美国AI使用已经很广，但直接付费仍然很窄。YipitData的美国样本显示，2026年8月只有4.5%的消费者拥有ChatGPT、Gemini、Claude至少一个个人付费订阅，一年前是2.1%；AI消费还高度集中，Top 1%的付费者贡献了19.5%的消费，平均每月在消费者卡片上花903美元，而中位数用户只有25美元。
37、所以“订阅是AI的终局商业模式”至少对大众Consumer AI来说，远未被证明。a16z统计的头部AI原生Web产品中，84%做订阅、64%做Credits或用量收费，而广告只有14%，交易或平台收费只有2%。这很可能与今天昂贵的模型推理成本有关：传统互联网可以先免费养用户，AI每多一个高频用户都要花算力。但这里要加一个限定：生产力AI（Productivity AI）的订阅完全可能是长期模式。Claude那批愿意每月付100美元甚至更多的重度用户（Power User），就证明直接创造经济产出的工具可以长期卖高价。
38、Personal Agent提供的是另一条路：交易经济（Transaction Economics）。如果Agent替我订酒店、买机票、换保险、安排服务，它创造了一笔现实世界里本来就存在的交易价值。那为什么一定要让我每个月先付20美元？过去大家一直问“怎么让十亿人订阅AI”，未来也许会发现，这根本不是大众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）。程序员每天都有代码要写，研究者每天都有材料要处理，所以AI很容易高频；普通人的需求却非常零散。订机票、换运营商、处理保险、约餐厅都是真的需求，但并不每天发生。把一个空白聊天框放在普通消费者面前，他经常根本不知道该问什么。
40、Personal Agent真正可能改变的是交互范式。今天大部分AI是提问驱动（Prompt-driven AI）：先由用户意识到自己有一个任务，再想起“我要去找AI”。长期拥有上下文的Agent则可能逐渐变成状态驱动（State-driven AI）：邮件来了、航班延误了、两张日程撞了、账单重复扣款了，状态本身触发下一步。用户不必先产生“我要用AI”这个念头，AI也能创造价值。
41、普通人的生活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、一笔该重新比价的保险。这些事情单独看都小到撑不起一个App，却每天持续消耗注意力。Personal Agent真正可能创造的高频，不一定来自制造更多需求，而是接管那些过去“小到不值得专门处理”的需求。
七、服务图谱与旧巨头
42、上下文只解决了Agent壁垒的一半。Agent知道你想吃什么，不代表能订到桌；知道哪班飞机最合适，不代表能够出票。要真正把事情做完，还要接支付、酒店、航空公司、电商、餐厅、票务、银行和各种企业软件。
因此一个成熟Agent很可能需要两张图：
个人上下文图谱（Personal Context Graph），负责懂你；
服务图谱（Service Graph），负责把事情做完。只有前者，它只是聪明顾问；两张图都有，才是代理人。
43、Amazon和第三方Agent的冲突，几乎提前演示了下一场平台战争。Amazon不愿让Perplexity的Comet Agent自由在站内替用户购物；a16z同时观察到，Amazon很快限制Meta Muse，而Shopify、Instacart、OpenTable、Expedia、Ticketmaster、Plaid等却主动和Agent集成。
原因并不神秘：
如果你主要卖供给，Agent给你带订单是好事；
如果你最值钱的是“用户必须先来找你”，Agent就在抢你的入口。
44、所以携程面对Agent，不只有“打败它”一个选项。它可以争夺终端用户，自己做最好的旅行Agent；也可以成为世界上所有Agent最好调用的旅行执行层（Travel Execution Layer）。它真正的资产不是聊天能力，而是库存、支付、出票、改签、退款、客服和几十年的供应关系。最危险的位置不是“做执行层”，而是既没有终端用户的委托关系，也没有不可替代的执行能力，只剩一个必须等人主动打开的App。
45、当比较和挑选越来越多由Agent完成，广告也会变。更准确地说，广告的说服对象将部分从人转向机器。品牌不会消失，但品牌价值可能重新分解：靠重复曝光、货架位置、人的记忆捷径形成的那部分溢价可能下降；真正可验证的质量、售后、交付、退货能力可能升值。
（写公众号的人大概也要想一件事：以后“读你文章”的，可能有一部分不是最终的人，而是替主人先读一遍、提取判断的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）。携程最自然的动作，是在携程App里面加一个更好的AI；Amazon必须考虑Agent会不会伤害搜索、推荐和广告；新公司可以直接问：“为什么还要打开这个App？”
Transformer最早来自Google，ChatGPT却由OpenAI把对话式AI变成大众产品。自我蚕食当然不是唯一解释，组织结构、风险偏好和产品文化都很重要，但incumbents必须保护现有利润池，这是结构性事实。
47、但苹果、腾讯当然不能被低估。它们拥有巨大的信任存量（Trust Endowment）。我们已经把照片、密码、信用卡、位置和大量设备权限交给Apple；微信拥有十亿级用户、支付、通讯和庞大的服务生态。独立Agent如果只说“我有数据”“我更懂用户”，远远不够。
48、真正的窗口在保管信任（Custodial Trust）与代理信任（Delegated Trust）之间。我相信银行保管一千万，不等于允许银行经理替我随便投资；我相信Apple保存密码，不等于允许Apple决定我住哪家酒店。“替我保管好”和“替我判断”，是两种心理契约。今天的巨头在第一种信任上有巨大优势，第二种仍没有完全尘埃落定。
49、所以独立Agent真正要抢的时间窗口，是形成委托关系（Delegated Relationship）。模型可以被追赶，功能可以被抄，原始数据甚至可以导出，但一个经过三年真实行动、出错、修正、规则更新和授权升级形成的代理关系，更难复制。这里真正的锁定不是格式，而是历史。
50、这会形成一个委托飞轮（Delegation Flywheel）：更多行动带来更多上下文；上下文加上专业能力形成更好的判断；更好的判断带来更多成功行动；成功行动积累信任；信任换来更深权限；权限扩大委托；委托又产生更多现实反馈。传统互联网的网络效应经常发生在“更多用户之间”，Personal Agent最初的复利可能先发生在同一个人与Agent的时间轴上。
八、谁付钱，你就代表谁？
51、a16z的Anish Acharya总结Instinct时，抓到了一个非常重要的概念：Agent不应该只优化任务完成率（Task Completion），还需要追求高阶目标（Higher-order Objective），例如长期建立信任、真正“站在用户这一边”。酒店订成功了，但Agent擅自越权，任务层面成功，代理关系可能是失败的。真正应该问的是：这次行动结束以后，用户下一次愿不愿意把更重要的事情交给你？
52、信任的脆弱性已经有真实案例。2026年8月，Moxxie Ventures创始人Katie Jacobs Stanton公开表示，Instinct未经她确认便以她的名义发出邮件，她随后断开Email权限。她的总结很准确：每一次成功行动只能增加一点信任，一次未经授权的行动却可能把信任清零。
53、所以Agent的信任是一种不对称资产：信任缓慢复利，却可能瞬间崩塌（Trust Compounds Slowly and Crashes Suddenly）。普通软件做错事，我们通常叫故障（Error）；一个已经获得代理权的Agent擅自越过授权边界，人的心理体验更接近背叛（Betrayal）。权限越深，这个区别越重要。
54、AI Agent还增加了一种过去没那么突出的风险：共模失败（Common-mode Failure）。人类当然也会因为从众、激励和共同信息集体犯错，但一百万个Agent如果使用相同模型、相同规则、相同工具链，某个漏洞可能让它们在极短时间里犯同一种错。2010年Flash Crash的教训之一，就是自动执行系统与其他算法之间的反馈，可以在压力条件下迅速放大价格波动。Agent世界里，提示词注入（Prompt Injection）、错误规则或共享模型缺陷也可能具有这种同步放大效应。
（过去一万人可能犯一万种错；以后更可怕的情况，是一百万个Agent在一分钟里犯同一种错。）
55、Instinct的“用户免费、商家付钱”因此藏着一个天然矛盾。如果最适合你的酒店不给佣金，第二好的酒店给15%，Agent应该推荐谁？这不是一个推荐算法问题，而是经济学最古老的委托—代理问题（Principal-Agent Problem）。
56、Levitt和Syverson对约9.8万笔芝加哥地区房产交易的研究，是理解这个问题的经典案例。他们发现，房地产经纪人出售自己的房子时，在控制房屋差异后，平均卖价更高，挂牌时间也更长。原因并不需要假设经纪人都是坏人：佣金结构决定了，替客户多等十天、多卖一万美元，经纪人实际多拿到的只是很小一部分。激励错位，不需要恶意就能产生。
57、所以Agent时代最重要的商业模式问题，可能不是“怎么赚钱”（How do you monetize），而是“谁给你钱”（Who pays you）。但这里也不要说得太绝对：谁付钱，不一定决定你代表谁，却会决定激励朝哪边倾斜。对普通互联网公司，商业模式主要决定收入；对Personal Agent，商业模式还会影响信任。
58、当一个极其了解用户的Agent开始主动推荐商品，这种矛盾会更尖锐。传统广告平台也了解你，但最终是否点击、是否购买主要还是你决定；Agent获得委托以后，可能从“影响决定”走向“直接做决定”。所以个性化（Personalization）与操纵（Manipulation）之间，也许只隔着一个激励机制。对医疗、保险、投资、法律这些信任品（Credence Goods）尤其如此：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。这些领域越像医生和律师，Agent的商业模式就越不能简单复制酒店佣金。
59、委托—代理问题还有反方向的一面：Agent不仅可能出卖主人，也可能为了主人伤害第三方。假如一个订餐Agent发现“声称今天是纪念日”能显著提高订位成功率，它该不该自动这么做？如果所有Agent都这么干，“纪念日”这个信号很快失去价值。这是外部性，也是古德哈特定律（Goodhart’s Law）的一个版本：当一个信号被系统性优化，它就可能不再是好信号。一个过分忠诚于主人的Agent，对整个市场未必是好事。
60、所以成熟Agent可能需要一部自己的代理人宪法（Agent Constitution）：什么可以自己决定，什么必须询问；佣金是否影响排序；哪些利益冲突必须披露；权限怎样撤销；出现错误如何降级；什么情况下必须牺牲短期收入保护用户。
耶鲁法学院Jack Balkin早在2016年就提出信息受托人（Information Fiduciary）的概念：掌握高度私密信息并鼓励用户依赖自己的机构，可能需要承担类似医生、律师的特殊义务。未来Personal Agent甚至可能逐渐出现类似注意义务（Duty of Care）和忠实义务（Duty of Loyalty）的制度讨论。
（而最好的“代理人宪法”不是写一张漂亮海报，而是把原则变成技术约束：最小权限、额度隔离、临时凭证、不可逆操作双确认、完整审计、随时撤销。真正好的信任架构，不靠盲信，而靠即使出错，损失也被锁住。）
九、中国用户为何买单？
61、该说回中国市场了。不要轻易把问题解释成“中国人不愿意为软件付钱”这种文化判断：中国消费者愿意给音乐、视频、游戏以及各种会员付钱。更准确的事实是，到现在为止，中国大众型AI的直接订阅验证仍比美国弱，平台更早同时寻找广告、电商、生态和交易变现。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质问题：AI到底如何进入真实经济活动？
62、对创业者来说，先区分两类生意。
第一类是生产力AI（Productivity AI）：Coding、研究、设计、销售、专业办公，用户能清楚算出“花200元能替我赚回多少时间和收入”，订阅很自然。
第二类是委托型AI（Delegation AI）：用户购买的不是更多Token，而是少操心、少比较、少决定，并把事情真正做完。前者适合订阅经济（Subscription Economics）；后者更可能走向交易经济（Transaction Economics）。
63、所以中国创业者不必只问：“有多少人愿意每月付99元？”还应该问：我的AI能不能进入一笔原本就会发生的交易？如果Agent帮用户选车、订酒店、找医生、买保险、安排培训、采购家庭服务，即便用户永远不为Agent本身交月费，也可能通过服务费、交易分成、供应链或其他方式形成经济价值。
64、中国甚至可能拥有发展交易原生Agent（Transaction-native Agent）的特殊基础。支付、电商、本地生活、出行、旅游、小程序等现实服务已经高度数字化。
从经济结构看，微信小程序甚至有一点像提前多年出现的“封闭式Skill市场”：统一宿主、身份、支付和服务生态。当然，它在技术标准意义上不是MCP。真正重要的不是“MCP”这个缩写，而是一个服务是否已经变成机器可调用（Machine-callable）：可发现、可理解、可授权、可调用、可结算。
65、2025年底的“豆包手机”已经演示过一次这种冲突。豆包与中兴合作的工程样机可以通过系统权限模拟点击、跨App执行任务，但用户很快遇到微信异常退出；随后豆包下线了操作微信的能力，淘宝、闲鱼、大麦及部分银行App也出现登录限制或风控提醒。真正值得记住的是一句：技术上能操作，不等于生态上有权操作。
66、支付会成为Agent授权的关键试验场。微信支付推出AI专属卡：与主账户隔离，用户自己放额度，每笔订单仍需要最终确认。中国支付清算协会进一步提出了解你的智能体（KYA，Know Your Agent），要求明确授权边界、建立分级分类管理和交易限额。
（银行过去强调了解你的客户（KYC，Know Your Customer）；Agent时代又多出KYA：知道替这个客户花钱的智能体是谁、拿了什么权限、出了事谁负责。以后授权Agent很可能越来越像给员工公司卡：不是把银行密码交出去，而是给一份有限额、有限场景、可随时撤回的风险预算。）
67、大平台和创业公司的起点因此完全不同。微信、支付宝、手机厂商可以走宽而浅（Wide but Shallow）：场景很多，但早期每一步都要求用户确认，因为它们已经拥有支付、身份、系统权限或服务生态。创业公司更现实的路线可能是窄而深（Narrow but Deep）：先在商务旅行、保险、就医导航、企业采购、留学、跨境服务等高信任垂直场景里做到“这件事以后就交给你”，再向外扩。两条路的终局都是又宽又深，只是起跑点不同。
68、这又形成两种创业位置。一种是需求拥有者（Demand Owner）：掌握用户上下文、信任和委托；另一种是最佳执行层（Best Execution Layer）：拥有专业能力、供应链和履约系统，成为各家Agent最愿意调用的服务。不是每家公司都必须成为最终入口。未来很多传统App不会消失，而是从“用户必须到访的目的地”变成“Agent后台调用的基础设施”。
69、对中国Agent来说，信任架构（Trust Architecture）可能尤其重要。中国互联网已经非常擅长广告、电商推荐、流量变现。如果一个比你更懂你的Agent又背负很重的商业化指标，“懂你”很容易从价值变成风险。谁付钱、佣金是否影响推荐、平台自营商品有没有特殊权重、广告能不能进入主动建议，这些事情最好在用户还不多的时候就设计，而不是十亿用户以后再补。
70、所以中国消费者没有迅速形成大众AI订阅，未必代表AI商业价值低。一个每月收99元、主要提供聊天的产品，未必比一个完全免费、但一年替一个家庭参与5万元真实消费决策的Agent更值钱。未来也许应该看委托钱包份额（Delegated Wallet Share）：这个人的钱包里，到底有多少经济活动经过你。
71、美国和中国可能正在回答两个略有差异的问题。美国目前更容易验证：“用户愿不愿意直接为智能付钱？”中国可能更早被迫回答：“智能怎么进入交易？”最终两边可能在同一个地方汇合——代理人经济学（Agent Economics）。
十、谁会赢？
72、豆包已经给中国的订阅路线做了一次很有代表性的实验。它的基础日常功能继续免费，而复杂办公、数据分析、应用开发、专业设计、流程自动化等生产力场景进入付费订阅。这条分界很有意思：替你生产的部分先收费，替你过日子的部分继续免费。它是否是长期正确答案，要等真实付费和留存数据，但至少产品逻辑很清楚。
73、中国和美国还有一个很重要的区别。
美国的消费互联网服务相对分散：购物、旅行、餐饮、出行、支付往往属于不同公司，Personal Agent要真正把事情办完，需要把大量独立服务连接起来。
中国反而拥有几个高度集成的超级生态：微信同时拥有身份、关系链、支付和小程序；阿里可以把淘宝、支付宝、高德、飞猪和本地生活串在一起。
从这个意义上说，中国可能比美国更适合Agent：大量现实服务早就已经数字化，而且已经被组织进几个庞大的服务网络。
真正的问题不是“服务够不够”，而是这些超级生态愿不愿意把能力开放给谁。
微信内部的Agent调用微信支付和小程序，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，与一个独立Agent要求同时比较淘宝、京东、拼多多，也完全不同。
所以，美国Agent面临的主要难题之一是服务集成（Integration）——怎样把分散的服务连接起来；中国Agent更早面对的则可能是调用权限（Permission）——谁有资格调用已经高度集成的服务生态。
（换句话说，美国需要先把路修起来；中国很多路已经修好了，真正争的是谁拿得到通行证，以及谁有资格坐在驾驶座上。）
74、手机厂商因此拥有一张非常现实的牌：系统权限（System Permission）。华为、小米、荣耀、OPPO、vivo等都可以让自己的Agent更接近通知、相册、位置、设备和跨应用操作。但豆包手机的经历也说明，靠模拟点击走“后门”速度很快，却随时可能触发别人的风控；让App主动暴露Skill、API和授权接口的“前门”慢，却更可持续。未来真正稳定的Agent生态，大概率要从“模拟人点击”逐渐走向“软件主动声明我允许Agent做什么”。
75、微信的牌非常特殊。它不仅有十亿级用户，还有支付、关系链、小程序和现实社交。AI替人办的很多事情，最后不是和一个数据库打交道，而是和另一个人打交道：约时间、拉群、转账、通知家人、和朋友一起旅行。Instinct也开始从个人Agent向群聊和多方协调扩展，这说明“代理人与代理人之间协商”本身可能成为新的一层。微信天生拥有这种网络。
76、但微信最大的优势也是它最难的问题：过去“用完即走”、较克制的商业化和工具属性，积累了很深的信任存量；Personal Agent却必须替用户“挑”。一旦用户说“帮我订一家酒店”“给我买杯咖啡”，Agent必须决定调谁。平台时代最优雅的姿态是不表态；Agent的工作恰恰是替你表态。微信能不能把“保管信任”升级成“判断信任”，同时克制住为自家生态导流的激励，是它最重要的考题。
77、阿里的优势主要在服务图谱（Service Graph）。千问把淘宝、支付宝、淘宝闪购、飞猪、高德等服务串到一起，可以点外卖、买商品、订机票酒店和完成大量生活服务。这已经很接近“说一句话，后面的服务自己编排”。但它同时背负最大的自我蚕食税：淘宝的搜索、推荐、广告和商家经营，本身就是巨大的利润池。
一个真正无偏的Agent，理论上应该愿意告诉用户：“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，它才真正跨过“平台助手”与“用户代理人”之间的线。
78、字节的牌又不同。豆包拥有庞大的AI用户基本盘和字节系极强的内容、广告、电商能力；但Personal Agent更深的委托最终会碰到关系链、支付习惯和系统权限。豆包手机试图从手机层打开一条新入口，说明字节也知道：只拥有一个AI App可能不够。它未来很可能同时走两条路——在生产力上卖订阅，在消费Agent上不断寻找支付和外部服务的“通行证”。
79、携程则是一个非常典型的“到底抢入口还是做执行层”的公司。它已经在自己平台里建设AI助手，并把AI用到行前、行中和售后。它真正的资产不是聊天能力，而是库存、支付、出票、改签、退款、客服和几十年的供应关系。即便最终旅行需求先进入别人的Agent，携程也完全可能成为那个Agent背后最好的旅行执行机器。
80、美团真正有价值的，不是那个App，而是App后面整套现实世界的履约能力。Agent可以替你决定今晚吃什么，也可以替你下单，但最后还是要有商家接单、骑手取餐、路线调度、配送、退款和售后，才能把一杯咖啡送到你家门口。
所以即使未来用户不再频繁打开美团，美团也未必因此失去价值。它有可能从“用户每天直接打开的入口”，变成各种Agent背后的执行系统。
真正可能被削弱的，是界面和流量入口；不容易被替代的，是多年积累出来的商家网络、配送体系和履约能力。
对美团来说，未来的问题不是Agent会不会替代它，而是：用户还需不需要先来美团，还是别人的Agent直接调用美团来完成最后一步。
（还有一家公司，拼多多，这家货找人的公司，会如何拥抱AI的浪潮，一直是最大的悬念之一。）
81、Agent还可能重写中国消费互联网过去十几年最熟悉的一批增长术。倒计时、砍一刀、视觉诱导、凑满减、默认勾选，很多设计是在利用人的注意力缺陷和认知偏差。一个真正站在用户这边、目标函数清晰的Agent，不会因为按钮变红就更冲动。当然，它仍然会算优惠，也可能主动薅券。真正失效的不是“促销”，而是暗黑模式（Dark Patterns）——依靠人的认知漏洞获取转化的那部分增长。
82、车可能是状态驱动型Agent天然的场景。手机很多时候不知道你此刻真正处于什么状态，车却知道你在哪里、要去哪里、还剩多少电、预计几点到。快到公司了，车位可以提前找；堵车会迟到，Agent可以拟好消息；长途开车时，语音比打开App更自然。车不仅是一个屏幕，而是一个高度连续、上下文极强的现实状态机器。
83、再往后一步是自动驾驶。当“驾驶”这件事本身从人手里释放出来，通勤的时间结构也会改变。如果每天原本必须交给方向盘的一小时逐渐被释放，它很可能会被邮件、工作、家庭决策以及那条“未竟之事的长尾”重新占据。汽车也会成为Agent竞争的另一块入口。
84、谁会赢？我更倾向于认为，中国不会只有一个总赢家，而会出现两三个重要的委托入口（Delegation Entry），再加大量执行层（Execution Layer）。好用的底层模型越来越可以采购，真正差异会来自上下文、支付、社会关系、系统权限、服务图谱和信任架构。
（如果非要我今天只押一个“日常委托入口”，我仍然更愿意押微信。但押的不是它已经拥有十几亿用户，而是赌它能不能把多年积累的保管信任升级成代理信任，并且在替用户挑选的时候，克制住替自己生态挑选的冲动。这个赌注远没有结束。）
十一、新指标，新公司
85、用户一旦愿意连接信用卡并真正发生消费，关系就从“我试试这个AI”走到了“我允许它进入我的经济生活”。未来衡量Agent，也许应该看委托钱包份额（Delegated Wallet Share）：一个家庭一年真正的消费里，有多少钱是在Agent的判断、比较或执行之下完成的？
（我相信一家不作恶的公司、一家价值观正确的公司，更有可能在AI的大战中赢得用户。）
86、还可以进一步把“份额”拆成四层：影响份额（Share of Influence）、决策份额（Share of Decision）、执行份额（Share of Execution）、委托钱包份额（Delegated Wallet Share）。Agent可以只推荐，用户自己决定；也可以替用户选，但付款由用户确认；还可以在规则内自主决定并支付。越往后，经济权力越大。推荐算法的成功经常是让你停留更久；Agent的成功，也许反而是让你停留更短，但把更重要的决定交给它。
87、所以判断一家Agent公司，可以问一组新的问题：
它是不是随着时间越来越懂某个具体的人？
它在哪些领域真的拥有专业能力？
现实行动有没有持续校准它的判断？
用户是否给它更深权限？
用户有没有从“给我几个选择”走到“这件事以后你替我决定”？
它能否把委托转化为经济价值，同时不损伤信任？
对应到指标，可以观察上下文深度（Context Depth）、权限深度（Permission Depth）、委托深度（Delegation Depth）、信任留存（Trust Retention）、委托交易额（Delegated GMV）、委托钱包份额（Delegated Wallet Share）。今天这些词还不是会计准则，但可能比“每天聊多少轮”更接近Agent的真实资产。
88、Instinct只有14个人，却让接近10亿美元的年化交易额流经自己的Agent，大约相当于每名员工编排数千万美元交易。当然，这绝不能叫“人均产值”：GMV不是Instinct收入，而且背后的出票、酒店、支付、客服和履约大量发生在其他公司。真正有意思的是：一个极小团队可能通过软件和外部执行网络，协调远超自己组织规模的经济活动。
89、这可以接到科斯1937年《企业的性质》。科斯的问题是：既然市场可以交易，为什么还需要公司？核心答案之一，是使用价格机制、找人、谈判、签约、监督都有交易成本（Transaction Cost）；企业边界取决于“通过市场组织”与“在企业内部组织”的相对成本。
AI会同时降低两边的成本，所以未来未必只有“公司越来越小”一种结果：有些公司会因为可以外包和编排更多能力而变得极小，有些大公司则因为内部协调成本下降而管理更大的范围。
同样的逻辑也作用在个人身上：一个善于使用Agent的普通人，第一次可能获得接近一支小团队的组织能力。
十二、小结
90、一个成熟的Personal Agent，可能需要同时拥有四种核心资产。
第一，个人上下文（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）：它能连接现实世界把事情做完；
第四，交易经济（Transaction Economics）：它能在不破坏信任的情况下赚钱。
这四项更像乘法，不只是因为缺一不可，还因为它们互相放大：越懂用户，判断越好；越值得信任，权限越深；服务网络越强，委托的经济价值越大。
91、把这些串起来，可以得到一条代理人经济学（Agent Economics）：
智能（Intelligence）→记忆（Memory）→个人上下文（Context）→专业能力（Expertise）→判断（Judgment）→成功行动（Successful Action）→信任（Trust）→权限（Permission）→委托（Delegation）→交易（Transaction）→收入（Revenue）。
但它不是一条简单直线，里面至少有三个循环：
学习闭环（Learning Loop）——行动、反馈、反思，让判断越来越好；
委托闭环（Delegation Loop）——成功、信任、授权，让委托越来越深；
经济闭环（Economic Loop）——委托、交易、收入，让服务图谱越来越强。
还有一个反方向的信任失败闭环（Trust Failure Loop）：一次严重越权，权限可能迅速被收回。
92、如果基础模型继续变强、调用成本继续下降，那么“智能本身”未必会一直是最稀缺的东西。对Personal Agent来说，更难积累的，可能是后面的那些东西：上下文、判断、信任、权限和长期委托关系。模型可以换，关系却需要时间慢慢形成。
（但是，我又觉得，类似于ChatGPT与Claude这两个年轻的超级怪兽，有可能吞噬一切。）
93、所以AI时代真正的入口，也许最终不是一个App，不是搜索框，甚至不完全是操作系统，而是被委托的决策权（Delegated Decision Rights）。真正拥有入口的，不一定是每天最先被打开的软件，而可能是那个你允许它在某个范围内替自己说“是”或者“否”的代理人。
94、我们过去两年反复问：“谁拥有最聪明的AI？”接下来更重要的问题可能是：谁最值得托付？智能决定它能不能替你做事；上下文决定它懂不懂你；专业能力决定它懂不懂这件事；判断决定它会不会作出合适选择；信任决定你敢不敢给权限；委托决定它最终能进入你的生活多深。
95、落到每个人身上，Agent时代可能第一次把“授权能力”变成一种大众技能。
过去主要是老板和经理学习委托（Delegation）：什么自己做，什么交出去，交给谁，检查到什么程度。以后每个人都要学。
我的一个简单原则一直是：没有我明确的一句话，AI不得以我的名义对外发布，不得擅自回复别人。因为这类行为属于高外部性、难完全撤回的“单向门”。
96、普通人如果开始使用真正有执行权的Agent，我建议至少做四件事。
第一，从双向门开始：先让它查、比较、整理、提醒，发消息、签字、大额支付自己按最后一下。
第二，用风险预算（Risk Budget）管钱：单独额度、限定场景，跑顺以后再提高。
第三，每当它主动推荐商品或服务，习惯问一句：谁在付它的钱。
第四，把长期偏好、原则和红线写成一页“个人代理说明书”，并保留数据导出权和退出权（Export&Exit Right），哪家Agent都可以读，换一家也带得走。
97、对上班的人来说，真正值得问的是：你的工作里，哪些部分只是搜索、比较、填表、跑流程，哪些部分需要判断、承担责任，以及让别人愿意把事情交给你？前一类工作会越来越便宜，后一类反而可能越来越值钱。判断一份职业会升值还是贬值，可以再问一句：客户付钱买的是信息，还是判断、责任和信任？
98、对小创业者，也不要把结论理解成“别抢入口”。真正的建议是：不要一上来就正面和微信、阿里、Apple抢通用入口。先找一个巨头嫌麻烦、又需要高度信任的窄切口（Narrow Wedge）：老人就医、跨境税务、留学材料、复杂保险、装修验收、企业采购、宠物重症、商务差旅。单向门多、履约麻烦、出问题需要真人兜底，恰恰是小团队更有机会建立深度委托的地方。先做到“这一件事以后都交给你”，再谈扩张。
99、小公司还有另一条路：不做最终Agent，而是把自己的能力变成机器可调用服务（Machine-callable Service）。价格、库存、可约时间、规则、退款条件、身份认证、API、结算都尽量结构化。能接MCP就接MCP，但不要迷信某个协议；真正的目标是让未来任何Agent都能够发现你、理解你、调用你、支付你。
你的下一个客户可能不是一个打开官网的人，而是一个正在替主人办事的Agent。与此同时，把商业规则亮出来：收多少佣金，佣金是否影响排序，发生利益冲突时站哪边。信任架构也可以成为小公司的竞争优势。
100、回头看，人类文明的一部分历史，就是不断把自己的能力交给外部世界。机器替我们放大力量，文字替我们保存记忆，计算机替我们处理计算，互联网替我们连接信息。AI再往前走了一步：它开始替我们理解、判断，甚至行动。
这也是为什么Personal Agent可能比“又一种软件”重要得多。它真正改变的，不是我们怎样使用电脑，而是一个人可以把多少事情交给另一个智能去完成。
过去，只有极少数人拥有私人助理、私人银行家、律师团队和家族办公室。他们真正拥有的，不只是更多钱，而是有人替他们过滤信息、处理琐事、寻找方案、协调资源，把有限的注意力留给真正重要的决定。
如果Agent最终成立，这种能力第一次可能属于普通人。
（我们也可以有一个可能显得过于简单的美好想象：100年之后的普通人的生活质量，可能比现在世界上的顶级富豪还要好很多，就像现在的普通人很多方面比100年前的帝王还要过得更好一样。）
一个人的边界，也许不再由他一天只有二十四小时、只能处理多少事情决定。一个普通人可以调动的知识、判断和执行能力，可能开始接近过去一整个团队。
但这件事越往前走，另一个问题就越重要：什么应该交出去，什么不应该交出去。
因为真正值得珍惜的，从来不是“凡事都可以不用自己决定”。
恰恰相反。
当越来越多的小事可以被代理以后，我们才更需要知道，什么是那些必须由自己来决定的事：我要成为什么样的人，我愿意承担什么风险，我珍惜什么关系，我把时间花在哪里，以及我愿意接受怎样的人生。
这就是为什么我把自己的未来职业定义为“AI时代的古典主义哲学家”，因为我相信未来的人们需要更多的古典主义哲学思考。
AI可以替我们做越来越多的选择。
但一个人最终成为什么样的人，仍然取决于他选择把哪些判断交出去，又把哪些判断始终留在自己手里。
所以，一家Personal Agent公司最终能有多大，可以问：
有多少人愿意把多少事情交给它。
而对每一个人，更重要的问题可能是：
当我们终于可以把越来越多的事情交出去以后，我们准备把省下来的时间、注意力和自由，用来做什么？
技术史一直在帮助人类摆脱某种限制。
蒸汽机释放了体力，计算机释放了计算，互联网释放了信息。
AI也许正在释放另一种长期被忽视的稀缺资源：
人的判断、注意力和时间。
真正值得期待的，不是未来我们可以什么都不用自己做。
而是当那些不值得占据生命的事情被机器接过去以后，我们终于可以把自己重新留给那些真正值得亲自去做、亲自去判断、亲自去经历的事情。