近期，硅谷的科技巨头们纷纷瞄准了一个新兴领域：个人AI助理。
Meta 推出了 Muse，OpenAI 有了 Dots，xAI 也发布了 Grok Bot。从基础模型到计算能力，再到用户流量入口，这些巨头几乎占据了所有优势。
然而，有趣的是，这条赛道上跑得最快的，并非全是这些大公司。
例如，Instinct 就是其中之一。这家公司成立仅一年，产品在今年2月才开始内测，至今仍采用邀请制，甚至没有一个独立的应用程序。
但就是这样一家初创企业，其投后估值已经飙升至100亿美元。
最近，年仅23岁的 Instinct 创始人 Noah Shinn 首次参加播客节目，接受了一次深度访谈。
在这次对话中，他提出了几个关于个人AI助理的“非主流观点”，值得探讨。
第一，认为AI产品必须拥有App，本身就是一种思维局限。
Instinct 既没有独立的App，也没有传统意义上的产品网站。用户主要通过短信、WhatsApp 或邮件，就能让AI完成各种任务。
在 Shinn 看来，个人AI助理最理想的形态，是让用户无需专门打开一个软件。
第二，个人AI助理存在一种特殊的数据飞轮效应。
用户提供的个人数据越多，AI就越了解用户，服务体验也随之提升。
Instinct 有一组令人印象深刻的数据：大约三周后，约40%的用户愿意提供自己的信用卡信息。而在已经接入至少一项敏感信息的用户中，留存率达到了约80%。
第三，AI产品也能产生网络效应。
许多人认为，AI产品很难像传统互联网那样形成网络效应。但 Shinn 认为，未来的网络不仅连接人，还会连接每个人背后的智能体。
两个AI助理可以直接协调日程、安排聚会，甚至替各自的主人完成跨账户协作。身边使用同一套智能体网络的人越多，AI能做的事情也就越多。
第四，AI助理正在开始接管真实的消费行为。
根据 Shinn 披露的数据，Instinct 的年化交易规模已超过10亿美元，而用户总数只有10万出头。
粗略计算，人均年化交易额接近1万美元。如果按美国人均年消费支出约6万美元估算，这相当于六分之一。
虽然这不代表每位用户真的支出了六分之一的消费，但这个规模已经相当惊人。
第五，AI助理可能重塑互联网的盈利模式。
在 Shinn 看来，传统互联网平台高度依赖广告收入，平台希望用户停留更长时间、点击更多广告，但这些行为未必符合用户利益。
AI助理则有机会走另一条路：直接帮助用户搜索、比价、购买，再从完成的交易中抽取佣金。
Instinct 甚至计划让十亿用户免费使用AI助理，依靠交易佣金来覆盖背后的算力成本。
今天，我们就借着这场深度访谈，聊聊个人AI助理这门生意究竟是如何运作的。
把产品做成应用，本身就是一种束缚
在 Noah Shinn 看来，将个人AI助理设计成一个等待用户打开的App，本身就是一种限制。因为真正的助理不应该只有一套预设功能，而是用户随时想到什么，就能随时交代它去做。
例如，一对情侣在美网现场观看比赛时，意外出现在场馆大屏幕上，想把那段视频保存下来。
他们把座位号发给 Instinct，AI花了大约18个小时，联系赛事方、寻找比赛录播、询问客服，最终找到负责视频剪辑的工作人员，拿到了那段画面。
这件事没有现成的操作流程，AI自己也能想办法解决。
类似的案例还有很多。
一些热衷网购的用户，会把衣柜里的上衣、裤子、鞋子逐件拍下来，再提供自己的脸部和身材信息。
Instinct 不仅能搭配一周的穿着，还会直接生成衣服穿在本人身上的效果。如果发现缺少合适的单品，用户还能让它去网上挑选、购买，甚至每天主动推荐三套新搭配。
取消订阅也一样。AI可以检查银行账单，筛选出不再使用的服务，征得用户同意后登录对应网站，处理邮件验证码，直到完成取消，并告诉用户省下了多少钱。
个人AI助理的核心，就是让AI真正融入日常生活，随时替用户解决问题。相比做成什么样的产品形态，实际的使用体验才更重要。
这种思路也体现在具体的交互方式上。
目前，Instinct 已有部分用户超过90%的交互通过语音完成。Shinn 自己甚至把手机的快捷操作按钮设置成语音入口，无需解锁手机、打开聊天窗口，就能让AI发送邮件。
未来，他还设想通过耳机持续与AI交互。散步、骑车时，助理可以汇报待处理的工作，用户直接用语音决定哪些保留、哪些取消。
当然，文字和语音也不能解决所有问题。遇到旅行规划、婚礼安排等复杂任务，Instinct 还能临时生成专门的页面，让用户查看和调整细节。
AI个人助理，同样具备网络效应
许多人认为，AI产品很难形成传统互联网那样的网络效应。但 Noah Shinn 并不这么看。
在他看来，个人AI助理也可以形成自己的网络。只不过，这张网络里的连接，不再只是人与人之间的关系，还包括每个人背后的智能体。
为此，Instinct 推出了一套智能体协作网络，让不同用户的AI助理可以直接沟通、协作完成任务。
例如，约同事吃饭，双方只需要告诉各自的AI想见面，两个智能体就能自动交换空闲时间、商量地点，最后把安排写进日历。
甚至还有六位朋友，让各自的 Instinct 每周自动寻找大家都感兴趣的活动，再协调时间和安排。
这就带来了一个很有意思的变化：个人AI助理开始让人与人之间的协作也自动化。
而且，这种连接本身可能产生网络效应。
对于传统社交平台来说，好友越多，平台的价值通常越大，用户也越难离开。
个人AI助理也有类似的潜力。身边使用 Instinct 的朋友、同事越多，彼此的智能体就越容易协作，能够自动完成的事情也会越来越多。
当这种协作成为日常习惯，个人AI助理就有机会从一个独立的效率工具，逐渐变成连接用户社交关系和现实生活的网络。
不过，和传统社交平台相比，智能体网络还有一个更复杂的问题：权限。毕竟，两个智能体想要真正协作，就不可避免地需要交换信息。
这里，Shinn 提到了个人AI助理一个很有意思的特点：用户愿意交出的个人数据越多，AI助理就越了解自己，能够提供的服务也就越好。
Instinct 有一组数据很能说明问题。
通常来说，用户不会轻易把信用卡、邮箱等敏感信息交给一个刚接触的产品。但随着使用时间增加，这种信任关系正在发生变化。
按照 Shinn 的说法，使用 Instinct 约三周后，已经有40%左右的用户愿意提供个人信用卡信息。而在接入过至少一项敏感信息的用户中，留存率达到约80%。
这意味着，个人AI助理可能正在形成一种特殊的数据飞轮。这是传统产品根本没见过的现象。
当然，当AI开始代表用户与其他智能体协作，这些个人数据应该开放到什么程度，也是一个问题。
为此，Instinct 设计了一套被称为“可信任的人际网络”的机制。
不同的人际关系，对应不同的信息授权。例如夫妻之间可以共享更多个人信息，而同事之间可能只能查看工作日程和部分邮件。
这种设计让智能体能够在一定的授权范围内交换信息、完成协作，但也带来了新的安全挑战。
在 Shinn 看来，个人AI助理既要保护信用卡、邮箱等敏感数据，也要防止恶意内容诱导智能体执行错误操作。
这也是个人AI助理想要建立网络效应，必须解决的一个问题。
抓住互联网模式的痛点
按照 Shinn 披露的数据，平台年化交易规模已超过10亿美元。
这个数字其实相当夸张。
要知道，Instinct 目前只有10万出头的用户。粗略计算，平均每位用户通过平台完成的年化交易额已经接近1万美元。
如果按美国每年人均消费支出约6万美元估算，相当于用户已经把六分之一的消费交给了 Instinct。
当然，这只是一个粗略对比，但已经足以说明，AI助理正在开始真正接管用户的消费决策。
其中，最典型的就是旅行。目前，Instinct 约50%的消费委托来自旅行场景。
例如，用户只需要说一句：“今晚我要到纽约。”Instinct 就能根据当前位置寻找航班，按照用户习惯选择航司、座位和舱位，再预订酒店、安排接送机，把行程同步到日历。
过去，这些消费要经过航旅平台、酒店网站和打车App。现在，AI可以把它们串成一项任务，一个更简单的入口出现了。
Shinn 还提到了一个AI助理和传统互联网平台之间的关键区别：两者的商业模式，可能决定了它们究竟为谁服务。
在 Shinn 看来，传统互联网平台有一个长期存在的问题，就是平台和用户的利益并不总是一致。
以 Google、TikTok、Instagram 为例，这些平台高度依赖广告收入。为了赚更多广告费，它们需要不断增加用户停留时间、提高广告点击率，甚至通过算法影响用户的消费决策，让用户购买原本不需要的商品。
但AI助理提供了另一种可能。
用户只需要告诉AI自己的需求和偏好，AI就能直接完成搜索、比价和购买。这是一种完全站在用户立场的服务。
不过，这种模式要成立，还有一个很现实的问题：AI助理替用户省下了时间和金钱，自己又靠什么赚钱？
Shinn 曾经考虑过每月100美元的订阅制，但最终没有选择这条路。
因为 Instinct 真正想做的，是让十亿级用户免费使用个人AI助理，再通过庞大的交易规模赚钱。
具体来说，Instinct 希望从AI助理促成的交易中抽取一定比例的佣金。
按照 Shinn 披露的数据，目前经由 Instinct 完成的付款规模，正在以每天约10%的速度增长。
他的设想是，随着接入的供应商越来越多，AI助理能够完成的交易也会越来越多。即使不向用户收取订阅费，只要交易规模足够大，佣金收入就有机会覆盖后端的模型推理和算力成本。
这实际上是在尝试把互联网平台的广告生意，改造成一门AI时代的交易生意。
算力账越来越难算
不过，在这门生意真正跑通之前，Instinct 还要解决一个很现实的问题：算力成本。
此前，Instinct 的邀请码一度在 eBay 上被炒到约300美元。但直到现在，它仍然没有全面开放注册。
原因很简单：用户增长太快，算力可能跟不上。
最初，Instinct 只向约200位亲友开放，每个人可以邀请五位新用户。随着早期用户开始在社交平台分享使用经历，产品迅速传播，用户规模也越来越大。
麻烦的是，AI助理的算力消耗远比普通聊天机器人复杂。
ChatGPT 这样的聊天产品，主要是在用户发起请求后进行计算。但 Instinct 不同，即使用户没有发问，AI也可能在后台持续工作，例如检查邮件、整理日程、跟踪订单，或者执行之前交代的任务。
这意味着，用户增长带来的算力需求，可能比用户数量增长得还要快。
按照 Shinn 的说法，他现在大约40%的时间都花在算力问题上。以当前增长速度，Instinct 的算力需求几乎每周翻倍。
但算力供应很难跟着同步扩张。
新增算力往往需要提前几个月预订。如果临时采购，成本可能高出三四倍。
这就让Instinct 陷入一个很现实的矛盾：用户增长越快，平台需要承担的算力成本就越高；但如果提前采购太多算力，一旦增长放缓，又可能造成资源浪费。
除了不断采购 GPU，Instinct 也开始从任务调度和模型选择两个方面降低成本。
首先，是把实时任务和后台任务分开处理。
例如，用户正在等待AI回复，延迟几秒钟就可能影响体验，这类任务必须优先处理。
但整理资料、检查日程、汇总邮件等后台任务，晚几分钟甚至几小时完成，用户通常不会有明显感知。
这些任务就可以集中起来，通过批量推理完成。
由于不必随时为每个任务单独保留实时计算资源，GPU可以得到更充分的利用。按照 Shinn 的说法，部分任务的处理效率可以提高三倍、五倍，甚至八倍。
其次，是让不同模型处理不同难度的任务。
复杂的规划和推理，可以交给能力更强的前沿模型；简单的信息提取、分类和执行任务，则尽可能交给成本更低的模型。
按照 Instinct 内部测试，一些低成本方案已经能够在用户体验指标上接近前沿模型。
Instinct 凭什么挑战 Meta 和 OpenAI？
个人AI助理的竞争，正在变成一场巨头与创业公司的较量。
Meta 有 Muse，OpenAI 有庞大的 ChatGPT 用户群，xAI 也在布局智能体。这些巨头不仅掌握基础模型和算力，还能依靠现成的产品触达海量用户。
相比之下，Instinct 既没有自己的基础模型，也缺乏现成的分发渠道。
更麻烦的是，它主要依靠短信、WhatsApp 等现有通信渠道提供服务，而这些入口本身就掌握在其他公司手里。
例如，Meta 如果限制 WhatsApp 接入，或者苹果调整 iMessage 的相关规则，都可能影响 Instinct。虽然目前超过一半的流量已经不经过 iMessage，但对外部平台的依赖仍然存在。
这些差距，Instinct 短期内很难补齐。
但个人AI助理的竞争，不只是比谁的模型更强、用户入口更大。
Shinn 曾试用过 Muse，认为这是一款不错的产品。他也不否认，未来其他公司完全可能做出能力相近的AI助理。
因此，相比单纯追求功能领先，Instinct 更在意用户实际使用AI时的感受。
一个很典型的细节，就是AI该如何回复用户。
传统大模型往往习惯把问题解释得很完整，但 Instinct 主要通过短信与用户交流，太长的回复反而容易增加阅读负担。
例如人们浏览一段文字时，第一行可能阅读80%，第二行只有50%，往后还会继续减少。
因此，Instinct 会尽量把重要信息放在前面，让用户读完前30%的内容，就能掌握主要信息。甚至回复长短、表情符号怎么使用，团队都会反复测试。
另一个更难的，是AI能否在长期使用中建立信任。
例如，什么时候应该主动联系用户，什么时候最好保持安静。提醒太多容易让人厌烦，但该提醒的时候没有出现，同样会影响体验。
这些问题，很难通过模型跑分来判断。
所以，一项新功能开发出来后，Shinn 通常会先自己试用，再交给团队，随后开放给一小批早期用户，根据反馈调整，最后才正式推出。
因为AI能否完成一次任务容易验证，但用户使用两三周后，是否依然觉得可靠、愿意继续使用，就没那么容易测试了。
当然，这些体验上的积累，能否抵消巨头的渠道优势，现在还很难说。
Shinn 对此也没有急着下判断。
在他看来，随便走进一家咖啡馆，真正让AI持续处理日常事务的人，可能还没有几个。个人AI助理市场，实际上才刚刚开始。
至于最后谁能胜出，现在还远没有答案。
本文来自微信公众号“硅基观察Pro”，作者：元元，36氪经授权发布。
张伟
足球赛事数据覆盖欧洲五大联赛及中超，包含球队控球率、射门次数、传球成功率等核心指标。