The AI Assistant Battle: Entry-Point Design and Monetization Challenges of Muse, Grok Bot, and Instinct

10月21日，Anthropic发布Claude Duet，加入个人AI助理的竞争。还有此前Meta推出了Muse，SpaceX旗下的Grok Bot想打造一支数字同事团队，OpenAI也宣布了自己的助理Dots，Instinct则把私人助理放进苹果iMessage，成立仅一年，就以100亿美元估值完成了10亿美元的C轮融资。

在国内，Manus上线2.0版本，腾讯的WorkBuddy也从整理资料、处理表格切入办公场景，还有千问、豆包也都推出agent产品。

随着Agent开始干活，也带来了新的算力需求。它们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、内存和存储支撑，AMD和英特尔的股价，也在过去这个月水涨船高。

但更多任务、更多算力，并不自动等于更多利润，这背后的生意，并不好做。这期内容，我们采访了包括Grok Bot设计师在内的几位Agent从业者，来回答下为什么大厂和创业公司都在抢着做AI助理？他们争夺的入口，最后又能不能成为一门赚钱的生意？

Agent产品频出为什么是现在?

如果年初你也折腾过OpenClaw，看到这些Agent的用法，可能会觉得很熟悉：这些事情，“小龙虾”不是就能做了吗？

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。

Howie Xu

Gen首席AI与创新官

OpenClaw背后代表的是一个架构，代表的是技术的成熟度。所以，我们今天看到Grok Bot，包括Meta推出的Muse，背后肯定不是用OpenClaw，但是是在用OpenClaw的思维去做这些架构的应用。

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。它的技术门槛确实很高，所以才会有人卖课，也有人付钱请人上门安装。从另一个角度看，这也恰恰说明了需求。

Peng Zheng

SpaceXAI设计师（Grok Bot）

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，但是又对它的门槛有一些望而却步。

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，变成普通人能够使用的服务：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，比之前在本地设置方便得多。

这背后，有两件事在同时发生。首先是Harness（智能体运行框架），以及模型处理连续行动的能力增长。

回到卖家具的例子，写介绍可能只是第一步。它还要查价格、找到正确的页面、填写信息，处理买家的回复。如果事情没有按计划发展，还得决定下一步怎么办。这些步骤之间存在依赖，如果前面出错，后面的操作可能全部白做。

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，或者把任务交给别人。

Homin Luo

Mapier.ai创始人

它就像冰山一样，你能看到的、跟你交互的执行只有一点点。但后面有大量harness，有大量与sandbox（沙箱）相关的工作和执行。比如怎么去跑很多subagent，其实都是在背后运行的。

第二，一部分任务现在可以用更便宜的模型完成。这对需要持续运行的Agent来说尤其重要。

Howie Xu

Gen首席AI与创新官

另外，尤其是最近半年，模型的能力和开销都在大幅度变好。

今天OpenAI的Luna模型，我觉得遥遥领先一年前最先进的模型，甚至可能领先9个月前最先进的模型，而它的开销是前沿模型的十分之一，大约低一个数量级，这就变得非常可用了。

因为我们自己也在开发类似于Muse或者Bot的产品，我对消耗非常了解。虽然还是很贵，但至少可以开始讨论用得起、用不起了。9个月前太贵了，根本不用讨论。

为什么成本这么关键？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；我们休息时，它也在不断工作。这样叠加的成本，就更需要经济的模型。

当然，一次调用变便宜，也不等于一个助手的总成本一定下降。它能做的事情越多，用户可能交给它的任务也越多。

到这里，就可以理解为什么这些Agent产品变得可用了。本质上，它们是在沿着OpenClaw的逻辑，做更适合大众的产品。回过头来看，在OpenClaw爆火之后，就出现了一批这样的产品。

一开始，Anthropic推出Claude Cowork，把Coding Agent的执行方式带到更广泛的办公任务里：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，也引发了资本市场的一轮SaaS焦虑。

腾讯也在二月推出了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个人工作模式，把任务自动化。

这些产品的共同点是，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，比如WorkBuddy；有的有虚拟机，在云端工作，比如最新的Instinct、Grok Bot和Muse；也有的调用本地工具。

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。尤其是与聊天机器人相比，更大的变化是，它们有跨对话的记忆。

但不同的是，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，我们以最近流行的几款产品为例，看看它们的不同设计和目标。

三款产品，三种建立长期委托的方式

Instinct

Instinct这个产品，很多人可能还没拿到邀请码，风险投资人就已经给它开出了100亿美元的估值。

到现在，Instinct仍然采用邀请制，但用户已经超过十万。早期用户大部分是硅谷的创业者和投资人，也正是这些资深用户的主动宣传，为Instinct吸引了一波关注。

创始人Noah Shinn是一名23岁的大学辍学生。2023年，他就发表了一篇叫作Reflexion的论文，研究的问题与今天的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（τ基准测试）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？

在个人助手流行之前，Noah就已经在研究Agent的两个核心问题：出错之后如何改正，以及能不能稳定地把事情做完。这也能解释为什么这位年轻创始人会受到关注，拿下10亿美元的C轮融资，甚至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，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。

Howie Xu

Gen首席AI与创新官

我觉得未来的应用很有可能是没有应用的，你跟它打交道，就是发消息、对话。你要告诉它的是结果，而不是经过什么工作流，点这个、点那个。

我们被上一代或者前几代的软件培养坏了，要订一个餐馆、买样东西，就要点这个、点那个，凭什么呢？你就告诉它我要什么东西，让模型或者软件来告诉你要做什么，而不是你去做。

把Agent变成一个能帮你办事的联系人，也不是Instinct首先想到的。

今年三月，一款叫作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。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，又出现一个新问题：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，一个助手具备某种能力，与用户愿意把事情交给它，是两回事。

Homin Luo

Mapier.ai创始人

Instinct火起来，其实是因为Twitter上有很多power user（硬核用户）、pro-sumer（产销合一者）。这些人先告诉你：“我用Instinct做了很多原来Poke或者GPT做不了的事情。”

很多人觉得非常有意思，过来试一下，发现它能完成这个使用案例。于是，有很多非常有想法的用户去尝试，但并不是所有用户都非常有想法。

所以，具体的使用案例对这类产品非常重要。早期用户分享用法，可以说是在帮产品做市场教育，但这也带来了一个难题：发布两个月内靠资本捧起来的流量，能不能持续下去？

Howie Xu

Gen首席AI与创新官

Instinct在我看来就是新一代的Clubhouse，这个判断不是从产品出发，而是从创始人或者公司的打法来看：它是高举高打，就像当年的Clubhouse。

高举高打本身没有问题，有的公司高举高打成功，有的公司相对低调。问题是，高举高打的时候，你要意识到自己在这么做，能够伸缩自如，知道什么时候伸、什么时候缩，这对创业者是一个很大的挑战。

新鲜感过去后，我们已经很少打开Clubhouse了，Instinct也面临同样的问题。创始人说过，他不打算让用户付费使用产品，这意味着要通过广告赚钱。热度退去后，这个商业模式可行吗？这是创业公司面临的最大挑战。

当然，能让这么多人争相获得邀请，本身就是一种成功。只是靠融资烧Token，之后会走多远，变量仍然很多。

最近Meta Muse的发布，也给Instinct带来了一波热度。这两款产品要解决的问题很类似，面临的条件却不一样：Instinct需要让大家先认识自己，Meta却已经有了庞大的用户网络，也就是Facebook、Instagram、WhatsApp等现存的社交平台。这是大厂与创业公司之间最大的区别：分发渠道。

Howie Xu

Gen首席AI与创新官

Grok和Meta的Muse，至少有分发渠道。尤其是Meta，它的分发渠道特别广。所以我觉得，在今天这个时代，当一家公司的分发渠道好的时候，很难做得太烂。

Meta Muse

Muse在今年9月8日向公众开放。截至10月初，已经超过660万次下载，多次冲到App Store免费应用榜单第一。

除了在独立应用上使用Muse，人们还可以在WhatsApp里和Muse对话，也可以连接Facebook和Instagram账户。这就是Meta天然的优势。它已经参与了用户发现内容、产生兴趣、联系他人的过程，现在希望进一步承接这些行为之后要办的事情。

还是以卖家具作为例子，这不是写一条帖子的一次性任务，而是一个长期的委托关系。我交给Muse的是一个需要长期跟进的指标，直到东西被卖出去为止。这类任务，在我的Muse界面上，放在一个叫作Goals（目标）的页面里。

根据Meta对Muse的介绍，它希望承接的就是这一类任务：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，并在需要批准或出现变化时回来联系用户。它还会记住用户的偏好，为后续任务提供参考。

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，也重新建立信任。

Meta对于Muse的商业设想是：现在先提供较大的免费额度，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。

马克·扎克伯格

Meta董事长

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，这款产品能够帮助他们赚到很多钱。

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。

要让Agent与用户建立这种长期的信任关系，背后的技术要求是什么？

边界感就是Muse团队特别关注的一种能力。比如，你把怀孕这件事告诉Agent，它帮你订餐厅时，就可以据此寻找提供合适饮食、无酒精饮品的地方。但这并不意味着，它需要把你怀孕这件事也告诉餐厅。它要能够利用自己知道的信息帮你办事，同时判断哪些信息没有必要向外透露。

Meta为什么愿意在Muse上投入那么多？这就要回到这一章开头提到的分发。Meta已经掌握了社交媒体里的内容分发，现在想进一步掌握任务的分发。具体来说，它想成为用户使用软件、购买服务的第一站。

假设你让Muse安排一次旅行。以前，你自己打开几个平台，比较酒店，再决定在哪里下单。现在，你先告诉Agent时间、预算和偏好，由它查找、筛选，再把方案交给你确认。在这个过程中，助手有机会影响哪些酒店进入候选名单，也有机会参与后面的预订。如果它确实帮商家带来了订单，Meta再向商家收取费用，这就是扎克伯格口中的生意逻辑。

对于Meta这样玩转广告业务和精准推送的公司，Agent更能带来得天独厚的价值。

Xiaoyin Qu

AgentSky创始人及CEO

我以前就在Facebook工作，Facebook广告本质上是兴趣和冲动消费型的广告：你刷到这个东西，一冲动就赶紧买。谷歌更多是你有一个强烈的需求，去搜索。所以我觉得，Muse对于Facebook的优点是，它在很多情况下能非常明确地捕捉这种强烈的意图。在你还没有想到去谷歌搜索的时候，Muse就已经跟你聊天，把这件事解决了，相当于绕开了谷歌那道广告，直接在Facebook上解决。

扎克伯格说的盈利模式，是我替你买东西，然后收一个百分比的佣金。我认为，即使不替你买东西，Facebook了解了我的邮件、联系人和所有意图，再给我推荐信息流和广告，也会变得更加精准，转化率也会更高。

假设推荐的转化率提升一倍，那收入也乘以一倍。对于Facebook来讲，这是很大的钱。相比之下，这个算力本身不算什么。

从这里看，就很容易比较Instinct和Muse了。它们都希望用户形成一种习惯：生活里有事要办，先找这个助手。不同的是，Meta有社交软件优势，Instinct需要积累用户，所以选择了短信这个大家更熟悉的入口。

不过，这些还是生活中的场景。到了工作场景，你可能会提出另一种要求，其中很重要的一点是分工。你一边让AI整理客户资料，一边让它做市场调研，还要让它跟进报销。这些工作都有各自的进度、文件和需要记住的细节。把它们全部放进同一个对话里，事情一多，你就得重新花时间整理。

SpaceX夏天推出的Grok Bot，就是从分工这个角度出发的多Agent协作产品：把长期委托组织成一支数字团队。

Grok Bot

在采访中，郑芃用无人驾驶来解释人类为什么会成为Agent工作的瓶颈。

Peng Zheng

SpaceXAI设计师（Grok Bot）

现在，这个行业的大部分人已经步入了指挥一群Agent、甚至一个Agent团队去做任务的阶段，但是大家很快意识到，我们自己才是瓶颈。就好像无人驾驶，如果你必须把手一直搭在方向盘上，它对于人的时间利用并没有太大价值。你还是得坐在驾驶员的位置，注意力不能放到别的事情上。

在数字世界里也一样，我们指挥Agent完成事情，在执行层面，它可能已经替代了我们亲自去做。但如果我还是需要一直盯着它，通过一次次往返来完成事情，就只是把我们的时间放到了管理者的角色上，并没有真正解放时间。

所以，我们希望把角色抽象出来，把它做成你的数字同事。通过这种形态，可能可以把人与Agent的交互往更自动化、更长程的方向推进。

使用过Grok Bot的人会发现，它的界面设计与其他Agent产品有些不同。聊天框左侧是多个Agent，或者说Bot，有各自的名字、头像和分工，很像我们上班时与团队交流的方式。

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与AI对话的默认形式。在几乎所有AI产品里，我们会看到三个面板：左边是历史聊天记录，中间是当前对话，旁边展示任务和结果。有了新任务，我们就新开一个对话，交代要求，再来回检查、补充和确认。但这些对话结束以后，我们很少再回头看，更不用说把其中的经验整理下来，留给下一次任务。

在这种模式下，AI虽然已经能替我们执行，人却仍然需要持续推动工作。任务一多，我们就从亲自干活的人，变成了不断切换对话、检查进度的管理者。人的注意力，以及每天醒着的时间，也就成了Agent继续工作的瓶颈。

所以，Grok Bot尝试把产品的组织单位，从一次对话变成一个长期存在的Bot。

Peng Zheng

SpaceXAI设计师（Grok Bot）

我们把左边的任务面板，变成了以角色与身份为中心的Agent清单。通过这样的界面变化，推动用户去想：拿到一个任务时，我的第一反应不应该是又开一个新对话，自己完成任务、监控结果，而是应该怎样把它交给我的数字同事。

怎么把任务自动化？怎么在跟它一次次完成任务的过程中，把经验沉淀下来？我希望设计的可能不是一次性的来回交互，而是一个系统，让它能够尽量自动化，尽量把人的因素从这个循环里省略掉。

多Agent协作，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？关键在于，它们需要记住的事情不一样。

Peng Zheng

SpaceXAI设计师（Grok Bot）

这更多是我怎么样把上下文限制在合理的边界，怎么样划定它的区分到底在哪里，实际上是把相关的上下文封装在同一个Bot里面。所有的Skills（技能）、插件都是每个Bot共享的，但所有的记忆、个性化设置是单独的，每个Bot都有自己的记忆和偏好。

这里的上下文，就是Agent执行任务时参考的信息，比如你的要求、之前的对话，以及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，则需要记住你与客户交流的方式。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。这种信息相互干扰的问题，就是“上下文污染”。

所以，角色也成了整理记忆的一种方式。你把一类工作持续交给同一个Bot，它就能围绕这类工作积累经验，减少每次重新交代的负担。

这种分工也不需要固定不变。你可以把几个相关的Bot拉进群聊，让它们围绕同一个项目协作；同一个Bot，也可以同时参与不同项目。

但这里也有一个问题：如果有了数字团队以后，我们又要花很多时间管理它，人的瓶颈不就还在那里吗？所以，Grok Bot的另一部分设计，是尽量减少用户需要学习和配置的东西。

团队曾经尝试把Agent的电脑和操作过程展示得更明显。但在用户研究中，他们发现，很多人想确认的是：任务有没有被接收？现在还在运行吗？有没有卡住？什么时候需要我回来？

于是，他们用头像的不同动画，表达Bot正在工作、等待处理或者已经完成等状态。这些看起来很小的设计，承担着一个很实际的任务：给用户足够的信息，让人可以放心离开一会儿。Grok Bot想建立的关系是，你知道它还在做事，也知道需要判断的时候，它会回来找你。更详细的过程，可以在你离开的时候再展开。

如果这种合作真的能建立起来，用户的工作习惯就会发生一个更深的变化。

Peng Zheng

SpaceXAI设计师（Grok Bot）

我觉得目前正在发生的一件事是，大家与数字世界之间开始增加了一层Agent，好像额外隔了一层。比如我个人的日常工作，很多时候不再主动亲自使用Figma、Notion或者Slack这些SaaS工具，而是指挥我的Agent去使用。

这也把我们带回了这一期的主线：入口。就像生活中用不同的软件订机票、找房子一样，在工作中，我们也有不同的SaaS软件。所有Agent产品，都在潜移默化中让用户通过它们来使用这些软件。

所以，从Instinct、Muse到Grok Bot，它们争取的是相似的位置，切入方式却有所不同。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；Grok Bot则从工作分工入手，让不同的数字同事成为可以持续委托的对象。最后，它们都希望建立同一个习惯：有任务，先来找我。

但当Agent真的站到用户与软件、商家之间，新的问题也就出现了。用户能不能放心放手？原有平台愿不愿意让它代替用户操作？那些没有消失的监督、执行和协调成本，最终又由谁承担？

隐藏的成本：隐私、安全和利益冲突

随着使用Agent的人越来越多，媒体报道中也出现了各式各样的“恐怖故事”。比如，让Instinct查看航班条款，它却直接取消了航班，造成300美元损失；让Muse卖键盘，它却未经允许就让买家上门取货，买家没见到人，最终给了差评。

这些案例不能直接告诉我们，Agent出错的概率有多高，但暴露了一个很具体的问题：在不知不觉中，我们到底给了Agent多少授权？Agent的第一个隐藏成本，就是隐私和安全边界。

Howie Xu

Gen首席AI与创新官

我觉得最重要的可能还是安全性和可靠性，因为这是用户很容易疏忽的。新鲜事物刚出来时，大家关心它有多少吸引人的功能，能够做什么：“我就说一句话，就帮我把机票订好了。”但一个新鲜事物要真正长久地进入千家万户，对安全性、可靠性的要求肯定还是比较高。

这里有两个不同的问题：一个是，助手会不会超出你的授权去行动；另一个是，你交给它的数据会被谁看到、保存，又会被怎样使用。

扎克伯格透露，他和Nat Friedman亲自招募了加密通讯软件Signal的创始人Moxie Marlinspike，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。

Meta和扎克伯格最近的举动，也颇令人寻味。由于Hugging Face和OpenAI的事故，最近公众对AI安全的关注度很高。在这个节点，扎克伯格发了一条推文，表示为了保证Muse的安全性，Meta将发布时间比原计划推迟了几个月。

另外，Meta还加入了一个叫作Sentinel（哨兵）的监控Agent，检查进出的信息，并在需要时触发用户审核。

但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。它仍然可能在一次正常任务里，发出一条不该发的消息，或者做一项未经你批准的任务。

Homin Luo

Mapier.ai创始人

我们能够从基础设施层约束自己，但没有办法约束我们的客户：当他们用到这些用户数据以后，会怎么做。

第二个问题，是原有平台是否愿意让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第三方服务，应该公开运行，并尊重商家是否参与的决定。

这里的分歧是：用户同意助手替自己操作，是不是就足以让另一个平台接受这个助手？从用户的角度，我有账户，也愿意花钱，只是换了一个操作方式。

但从平台的角度，进入账户、读取信息、执行交易的，还包括另一家公司提供的系统。它希望知道这个系统是谁、会做什么，出了问题又怎么处理。

在安全和访问规则之外，这里还有一层商业利益的冲突。Meta希望从内容分发进一步走向任务分发，但这些任务原本就发生在其他平台上。如果你自己打开购物网站，平台可以通过搜索、推荐和广告影响你的选择。如果先让Muse比较商品，再由它完成购买，一部分选择过程就可能转移到Muse那里。

原有平台仍然可能获得订单，却无法像之前那样直接接触用户、影响购买决定，广告收入也有可能减少。这就是这场冲突中可以看到的商业压力：Agent给平台带来交易的同时，也可能把客户关系带走。

隐私安全与平台冲突，让一个Agent接管所有任务的设想变得更复杂，尤其是在企业层面。

入口之后，Agent的未来会走向哪里?

讲到这里，还有最后一个问题：这些Agent，最终能成为一门赚钱的生意吗？

在我们撰写这篇文章时，已经有不少关于用户增长、融资和估值的报道，但还没有看到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时，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，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。

Xiaoyin Qu

AgentSky创始人及CEO

我认为，消费端Agent最后就是比谁钱多、能烧。即使Instinct的体验更好，如果不能做到100%免费，我认为它就没有未来。

在Agent生意里，还有一个特别的矛盾：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模型，公司的服务成本也可能跟着增加。

Xiaoyin Qu

AgentSky创始人及CEO

所以我觉得，最终你会发现，这个支出是指数型增长的。我不认为这是一个初创公司能够玩的游戏。

这也解释了为什么很多Agent产品会从办公场景切入。

Peng Zheng

SpaceXAI设计师（Grok Bot）

办公场景有更多很清晰的交付物，比如我要跟进一个PR，或者做每周的简报、日程协调。企业用户的付费意愿更强，也能够更好地证明这种需求：我把一个任务委托出去，然后直接给我结果。

如果一个助手能稳定完成每周的报表，或者持续处理客户跟进，企业就比较容易衡量：它节省了多少工时，是否值得付费？但付费意愿更强，也不意味着钱就更容易赚。数据保护、权限管理和系统接入，都可能增加企业的成本。

不管怎么说，这场Agent产品之争才刚刚开始。

Instinct、Muse和Grok Bot，有的想成为私人助理，有的想组成一支数字团队。产品形态和切入点不同，核心逻辑却一样：抢占人们执行任务的入口。这个入口过去是软件，今天则是Agent，它想成为我们与数字世界之间的桥梁。

当然，今天的形态未必就是未来的答案。其中一种可能的变化，是专业Agent的诞生。目前我们看到的还是通用Agent，未来可能出现专攻细分领域的Agent，服务企业甚至消费者的不同需求。现在的模型多样化，可能就是未来的Agent多样化。

Xiaoyin Qu

AgentSky创始人及CEO

每个员工分别用同样的生产线，可能用多个Agent。这些Agent之间怎么合作，生产线怎么搭建，我觉得才刚刚开始。围绕这些事情，什么样的Agent在什么情况下做什么事，什么时候我们在乎价格，什么时候在乎质量，什么时候在乎迭代速度，这些东西都会逐渐出现。现在还是非常早期的阶段。

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，谁就有机会改变我们使用软件、购买服务的方式。这也是我们会持续关注这场竞争的原因。