关于 AI Agent、信任与决策权的 100 条

一、十四个人，一百亿美元

1、近期硅谷一家名为 Instinct 的企业，非常适合用来观察 AI 应用层的发展动态。Instinct 于 2025 年成立，创始人 Noah Shinn 年仅 23 岁。

2026 年 8 月 26 日，该公司完成了 2.5 亿美元的 B 轮融资，累计融资额约 3.5 亿美元，估值达到 25 亿美元；

仅仅 33 天后的 9 月 28 日，它又获得了 10 亿美元融资，估值直接飙升至 100 亿美元。9 月中旬，《The Information》报道称其用户数已突破 10 万；

创始人透露，用户使用三周后，约有 40% 愿意将个人信用卡信息提供给平台，提供敏感信息后的用户留存率约为 80%；

平台经手的年化交易额接近 10 亿美元，其中超过一半来自旅行领域。整个团队仅有 14 人。

2、Instinct 最独特之处，并非打造了又一个更精美的 App，而是努力将“App”本身隐藏起来。用户可以通过短信、电话、Email 和语音与它联系，就如同寻找一位真人助理。

上一代软件要求用户学习全新的界面；

Instinct 的思路则相反：软件去适应人类已经掌握的技能——说一句话，找个人把事情办了。真正的“真人感”，并非聊天框里文字写得像人，而是你将现实世界的事务交给它后，它确实能持续执行下去。

3、这些数据需要理性看待。

融资额和估值已有公开报道证实；

“超过 10 万用户”主要来源于媒体信源；

40% 的信用卡连接率、约 80% 的留存率、10% 的日增长率、接近 10 亿美元的年化交易额，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，不能直接推广至大众市场。

真正值得关注的并非某个数据的精确程度，而是它们共同指向了一件此前颇为抽象的事情：

已经有一部分人愿意让 AI 不仅回答问题，而是真正介入自己的信用卡、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），而个人代理人（Personal Agent）的基本产出是行动（Action）。前者告诉你如何做，后者开始代表你执行：订机票、改酒店、找餐厅、取消订阅、协调日程、处理邮件。这并非一次普通的产品升级，而是软件角色的转变：从工具（Tool），走向代理人（Agent）。

5、Instinct 率先在旅行领域取得成功，并非偶然。旅行客单价高、信息复杂、步骤繁多、实时变化多、供应商零散，而且消费者早已习惯让第三方代办。

过去携程和 Booking 的价值，在于将酒店、机票、租车整合进一个界面；

Agent 则更进一步，连界面都可能变得不重要。用户只需说：“今晚必须到纽约，帮我搞定。”剩下的比较、权衡、预订、修改和支付都隐藏在后台。Instinct 创始人表示，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优势：这个行业早已习惯为流量和交易入口付费。Booking Holdings 2025 年的营销费用约为 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，旅行行业本身就存在巨额“需求分发费”。如果 Agent 能从 Google、OTA 或 App 手中夺走一部分需求入口，就不必凭空创造一个新的利润池，它争夺的是一笔已经存在多年的资金。

（至少在中国老板的现实生活中，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，不主要依靠每月 20 美元的订阅费，而是在替用户完成交易后获得交易抽成（Take Rate）。目前它尚未形成一套公开、稳定的抽佣制度，因此那接近 10 亿美元是交易额（Transaction Volume），而非 Instinct 的收入。它真正实验的是另一条链条：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 在谈论商业模式时，拿几个成熟行业作为参照：支付网络通常只收取几个百分点，交易平台可能收取更高的比例，应用分发平台甚至能拿到 30%。这不应理解为“Instinct 已经决定在 2.5%、10%、30% 三档中选择一个”，真正的问题是：市场最终会将 Agent 视为什么？

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、因此，将 Instinct 称为“AI 版携程”，只说对了一半。

携程主要聚合某一领域的供给（Supply），将旅行需求与机票、酒店、租车匹配在一起；

个人代理人则想聚合一个人的需求（Demand），并且跨品类。

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，再延伸至旅行、购物、餐厅、日程、邮件以及更多现实事务。

10、进行 AI 创业时，大家经常问“AI + 什么行业”。更应问的是：AI 出现后，产业链中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、携程这类拥有数据、客户和产业壁垒的巨头。但技术革命真正巨大的创业机会，往往来自第三种东西：旧地图上根本没有那个位置。

11、互联网早期也是如此。电信公司拥有网络，零售商拥有商品，媒体公司拥有内容，但后来真正成长起来的是 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？

（我们总爱谈论护城河。在一个稳定范式里，护城河当然有用；问题是，范式切换时，护城河本身也会改变定义。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 在 2023 年写过一篇关于 Agent 的文章。他的判断是，Agent 将成为下一代计算平台，用户不需要知道应该打开哪个 App，只需说出自己想完成什么；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，盖茨那篇文章中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”，可能仍停留在旧语言中，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；

判断才是将两者结合，在具体约束下做出选择。

个人代理人的核心竞争力，很可能会从“知道多少”逐渐转向“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。那项研究讨论的不是重新训练一个更大的模型，而是 Agent 能否将过去行动获得的反馈转化为语言反思，写入情景记忆（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，而是与你相处越久，能否越来越会替你办事。

16、Shinn 后来又与 Sierra 团队合作开发了 τ-bench，用于测试 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。

（这里用概率来看尤其有意思。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）。传统软件用一年后，它还是差不多同一个软件；真正好的 Agent 用一年后，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，不应只是一个 Bug，而应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；下次在商务行程中自动排除它，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》中，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、规则和偏好清单应尽可能让用户带走。真正的护城河应来自“我不想走”，而不是“我走不了”。可以把它称为退出权（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、更换服务商，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、将判断外包给一个值得信任的专业机构，一点也不新鲜。Costco 可以理解为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 还可以再将信任拆成三种：

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：将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，应分别设置。）

33、贝索斯曾将决策分成单向门（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，则应将确认门槛拉高。

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