2026年9月20日
一、十四人团队，百亿估值
1、硅谷最近涌现出一家名为 Instinct 的企业，它成为观察 AI 应用层动态的绝佳样本。这家公司创立于 2025 年，创始人 Noah Shinn 年仅 23 岁。
2026 年 8 月 26 日，Instinct 完成了 2.5 亿美元的 B 轮融资，累计融资额约 3.5 亿美元，公司估值达到 25 亿美元；
仅仅 33 天后的 9 月 28 日，它再度融资 10 亿美元，估值飙升至 100 亿美元。据 9 月中旬《The Information》报道，其用户数量已突破 10 万；
创始人透露，在用户使用三周后，约 40% 的人愿意将自己的私人信用卡交由它管理，而交出敏感信息后的用户留存率约为 80%；
该平台处理的年化交易金额接近 10 亿美元，其中超过一半来自旅行领域。其团队规模仅有 14 人。
2、Instinct 最独特之处，并非打造了一个更精美的 App，而是致力于将“App”本身隐藏起来。用户可以通过短信、电话、电子邮件和语音与其沟通，如同联系一位真人助理。
过去的软件要求用户学习新的操作界面；
Instinct 的理念则相反：让软件去适应人类已经熟悉的行为——说一句话，找人把事情办妥。真正的“真人感”，并非聊天框内文字像人，而是当你把现实世界的任务交给它后，它能真正执行下去。
3、对于这些数据，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”主要源于媒体信息源；
40% 的信用卡关联率、约 80% 的留存率、10% 的日增长率以及接近 10 亿美元的年化交易额，大多出自创始人的公开访谈，并非经审计的数据；
此外，早期用户高度集中于硅谷科技圈，不能简单推广至大众市场。
真正值得关注的并非某个具体数字的精确性，而是它们共同指向一件以往颇为抽象的事情：
已经有一部分人愿意让 AI 不仅仅是回答问题，而是真正介入自己的信用卡、日程、邮件和现实交易中。
二、从提供答案到付诸行动
4、ChatGPT 这类聊天机器人的核心产出是答案，而个人代理人的核心产出是行动。前者告诉你如何做，后者开始代表你去执行：预订机票、更改酒店、寻找餐厅、取消订阅、协调日程、处理邮件。这并非一次普通的产品升级，而是软件角色的根本转变：从工具演变为代理人。
5、Instinct 首先在旅行领域取得突破，这并非偶然。旅行具有客单价高、信息复杂、步骤繁多、实时变化多、供应商分散的特点，而且消费者早已习惯委托第三方代办。
过去，携程和 Booking 的价值在于将酒店、机票、租车整合在一个界面中；
而 Agent 则更进一步，连界面本身都可能变得无关紧要。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、修改和支付都在后台完成。Instinct 创始人表示，目前超过一半的交易额来自旅行。
6、旅行还有一个商业优势：该行业早已习惯于为流量和交易入口付费。Booking Holdings 在 2025 年的营销费用约为 81.9 亿美元，占其收入的约三成，其中效果营销涵盖了搜索、比价、联盟等重要渠道。这意味着，旅行行业本身就存在着巨额“需求分发费”。如果 Agent 能够从 Google、OTA 或 App 手中夺走部分需求入口，就无需凭空创造一个新的利润池，它争夺的是一笔早已存在的资金。
（至少在中国老板的现实生活中，私人助理最重要的工作之一就是安排行程、预订酒店、改签机票。旅行可能天然就是“私人代理”最早被理解的场景。）
7、Instinct 计划采用的商业模式也相当直接：对消费者尽量免费，主要不依靠每月 20 美元的订阅费，而是在真正替用户完成交易后获取交易抽成。目前，它尚未形成一套公开且稳定的抽佣体系，因此那接近 10 亿美元是交易额，而非 Instinct 的收入。它真正实验的是另一条链条：免费使用 → 服务建立信任 → 信任获得委托 → 委托产生交易。
8、Shinn 在谈及商业模式时，引用了一些成熟行业作为参照：支付网络通常只收取几个百分点，交易平台可能收取更高比例，而应用分发平台甚至能收取 30% 的费用。这不应被理解为“Instinct 已决定在 2.5%、10%、30% 三档中选择其一”，真正的问题是：市场最终会将 Agent 定位成什么？
如果只是支付基础设施，抽成会很薄；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，利润池则会完全不同。
Agent 在价值链中的身份，比抽成数字本身更为关键。
9、因此，将 Instinct 称为“AI 版携程”，只说对了一半。
携程主要聚合某个特定领域的供给，将旅行需求与机票、酒店、租车整合在一起；
而个人代理人则试图聚合一个人的需求，并且跨越不同品类。
携程从旅行出发，努力变得越来越懂旅行；
Personal Agent 从用户出发，试图越来越懂这个人，然后延伸到旅行、购物、餐饮、日程、邮件以及更多现实事务。
10、在进行 AI 创业时，人们常问“AI + 什么行业”。更应该问的是：AI 出现后，产业链中多出了哪些以前不存在的位置？
我们习惯性地认为 AI 最大的机会，要么属于模型公司，要么属于像苹果、腾讯、携程这样拥有数据、客户和行业壁垒的巨头。然而，技术革命带来的真正巨大创业机会，往往源于第三种东西：在旧地图上根本不存在的位置。
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。旧资产固然重要，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。在一个稳定的范式里，护城河当然有用；问题是，范式切换时，护城河的定义本身也会改变。新的军队未必会攻破你的城墙，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 年撰写了一篇关于 Agent 的文章。他的判断是，Agent 将成为下一代计算平台，人们无需知道应该打开哪个 App，只需说出自己想完成什么；他还特别提到，如今只有少数富人能负担得起的私人助理式服务，将被 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。今天真正更为激进的问题是：最后拍板的那一下，有多少也会被委托出去？）
13、因此，“未来每个人都有一个 AI 助手”这种说法，可能仍停留在旧的语言体系中，就像当年“每个人桌上都会有一台电脑”一样。更大的变化可能分两步：
AI 让智能大众化；
Agent 让委托大众化。
第一阶段，每个人都能低成本地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、记忆与“我的模型”
14、智能与判断并非同一回事。一个模型可以知晓全世界所有酒店的信息，却仍然不知道哪家最适合你。
专业能力让它懂这个行业；
上下文让它懂你；
判断则是将两者结合，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、因此，Noah Shinn 的学术背景非常值得关注。他是 NeurIPS 2023 论文《Reflexion》的第一作者。那项研究讨论的并非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，从而改善下一次行动。
不能说这篇论文“直接构成了 Instinct 的技术实现”，但它与今天 Instinct 的产品哲学高度契合：真正重要的不只是这一次是否足够聪明，而是与你相处越久，能否越来越会替你办事。
16、Shinn 后来还与 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。该论文的一个重要结论是：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%；而当要求同一任务重复稳定成功时，零售场景的 pass^8 低于 25%。这把衡量尺今天依然重要：一个 Agent 偶尔能做对，与“我敢把信用卡交给它”之间，还有很长的距离。
（这里用概率来看尤其有意思。Agent 的可靠性并非一枚“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，有的任务则高度不稳定。因此，授权最好按任务类型来给，而不是笼统地问一句：“这个 Agent 到底靠不靠谱？”）
17、这可以被称为学习型关系。传统软件使用一年后，它还是差不多同一个软件；而真正好的 Agent 使用一年后，应该因为与你共同经历了大量行动和反馈，变成了一个“不同的 Agent”。一次酒店预订错误，不应该只是一个 Bug，而应该成为下一次判断的训练素材。
18、因此，“数据壁垒”这个说法过于笼统。携程拥有领域数据，苹果拥有大量行为数据，而 Personal Agent 真正想积累的是个人上下文。知道我曾入住 Aman，这是数据；知道当时是因为同行者喜欢，而我自己其实觉得位置不方便，这是上下文；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”。
19、Scott Belsky 对 Instinct 有一个非常精辟的判断：用户偏好的长尾，可能是消费者 AI 最终的护城河。一个人并非由十几个标签就能定义。真正的偏好隐藏在数千次微小的选择中：什么时候愿意多花钱换时间，谁的邮件不能晚回，什么会议宁可改签机票也不能错过，什么酒店看着喜欢但以后不会再住。
20、Belsky 还强调了选择性记忆。Personal Agent 的难题并非“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、更困难的问题是：Agent 到底代表哪一个你？你嘴上说要减肥，半夜却点了炸鸡；说今年要少花钱，遇到打折却又下单。经济学区分了声明偏好和显示偏好，但还有第三层：你想成为的那个人。
在《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在桅杆上，并规定届时无论自己如何哀求都不要松绑。这种机制后来常被称为尤利西斯契约，也就是预承诺。
（最高级的 Agent 或许不是永远听从“此刻的我”，而是理解一个偏好栈：即时指令、长期目标、预先设好的红线，谁的优先级更高。真正的关键并非 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、将时间再拉长，形成的可能不只是“我的模型”，而是“我们的模型”。一个跟了你十年的助理，其价值不仅在于“了解你”，更在于双方形成了大量无法写入说明书的默契。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，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”，而非“我走不了”。可以称之为退出权。Costco 的会员费可以退，许多商品退货政策极其宽松，反而让消费者敢于购买。一个 Agent 如果允许一键导出记忆、撤销权限、更换服务商，反而可能让人更愿意将重要信息交予它。
（好的锁定，是我不想走；而非我走不了。最近，我正在为一个用了很久的知识库软件感到恼火，我忍住不说这个我付费使用了十几年的 App 的名字，但它确实已经变成了一个恶棍。）
四、Costco 给 Agent 的启示
24、将判断外包给一个值得信赖的专业机构，这一点也不新鲜。Costco 可以被理解为一种低技术版本的委托。它长期坚持有限的选品。一个家庭走进 Costco，无需重新研究市场上所有洗衣液、橄榄油和电视，而是默认 Costco 已经替自己筛选掉了绝大多数选项。
25、因此，Costco 销售的不仅仅是商品，还包括“替你做掉的一部分家庭采购判断”。这至少需要两个条件：信任 + 专业。仅有专业，缺乏信任，我会担心你利用信息优势来赚我；仅有信任，缺乏专业，我没有理由把决定交给你。Personal Agent 还可以进一步将信任拆分为三种：
能力信任——你做得好不好； 立场信任——你是否真正站在我这边； 程序信任——我是否知道你何时会询问我、如何撤销、出了问题怎么办。
26、Costco 的信任在很大程度上源于自我约束。长期以来，它对品牌商品和 Kirkland 商品的加价设置了极低的上限；会员制、有限的 SKU、退货政策，都构成某种承诺机制。真正牢固的信任，往往并非来自一句“相信我”，而是来自一个明明有能力占你便宜的人，长期反复地选择不占你的便宜。
27、信任的经济价值也十分具体：它降低了搜索成本、决策成本和验证成本。消费者信任 Costco，就不需要每次购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，不是让用户“更相信” Agent，而是通过限额、撤销、双重确认、日志，让用户不需要那么相信它。制度将一次犯错造成的损失锁死，比一百句“请放心”都可靠。）
五、从注意力到决策权
28、赫伯特·西蒙在 1971 年有一个著名判断：信息越丰富，注意力就越稀缺。过去几十年，互联网不断让我们拥有更多网页、更多商品、更多餐厅、更多内容，但人的认知能力并未同步增长。
上一代互联网的任务是帮助人们获得更多选择； 而 Agent 时代真正有价值的服务，可能恰恰相反：请替我删掉 9999 个，然后把最后那个选择做对。
29、因此，真正稀缺的资源，正在从信息转变为决策能力。AI 能够规模化的不仅仅是智能，还可能是经过筛选的判断。医生、律师、私人银行家、旅行顾问、家族办公室，本质上都在做同一件事：将复杂信息压缩成可执行的判断。过去，这种服务受限于昂贵的人力，而现在，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 时代争夺的是信息入口； 移动互联网时代争夺的是注意力入口； Agent 时代可能多出一个委托入口。
过去所谓的入口，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，我自己选择；携程给我二十家酒店，我自己预订；ChatGPT 给我五个方案，我自己决定。真正进入 Agent 时代的分水岭，是一句话：“不用问我，你替我决定。”从这一刻起，软件获得的不仅仅是注意力，而是被委托的决策权。这里特意加上“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、决策权并非一把总钥匙，而是一档一档交出去的。可以粗略分为：提供建议；替我起草；我确认后执行；在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，至少要考虑三个维度： 最大可能损失、可逆性、对第三方的外部性。
一封公开邮件金额为零，却可能损害名誉；一张 2000 元可全额退款的机票金额更高，但风险未必更大。
（未来，交给 Agent 的不会是一张银行卡的总钥匙，而是一份委托风险预算：能花多少钱、在哪些场景花、对谁花、有效多久、能否撤回，应分别设置。）
33、贝索斯曾将决策分为单向门和双向门：能退回的双向门可以快速决策，难以撤销的单向门则需要放慢速度。这个框架非常适合 Agent。可取消的预约、可退款的机票，可以逐渐自动化；已发出的邮件、不可退的订金、已转出的资金，则应提高确认的门槛。
Cruise 在 2023 年的事故后，加州 DMV 暂停了其无人驾驶许可，其中一个明确原因是公司在安全事件披露方面存在问题；GM 后来退出 Robotaxi 业务还涉及成本、规模化时间和竞争等多重因素，不能简单归因于这一场事故。但授权系统有一点与自动驾驶非常相似：升级很慢，降级可以很快。
（保险也可能成为 Agent 时代一个很有意思的基础设施层。未来，如果 Agent 真正开始为企业和个人做出高价值决策，“自动决策保险”可能会变得越来越具体。）
34、未来衡量 Personal Agent，可能需要一个目前很少出现在财报中的指标：权限深度。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？一个拥有 1 亿日活跃用户但没有行动权的 AI，与一个只有 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、因此，Belsky 所讲的信任回报率非常有意思。它目前还不是一个标准的财务指标，但其逻辑已经可以观察：信任越高，权限越深；权限越深，委托越大；委托越大，Agent 能参与的经济活动就越多。信任第一次开始拥有非常直接、甚至可逐渐量化的经济后果。
（当年 Amazon 从 Costco 学到了很多零售逻辑。AI 时代绕了一圈，商业最深处可能仍然是那件很古老的事情：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 在 2026 年 10 月发布的消费 AI 报告提供了一个重要背景：美国 AI 的使用已相当广泛，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 中至少一个的个人付费订阅，而一年前这一比例为 2.1%；AI 消费还高度集中，前 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费 903 美元，而中位数用户仅为 25 美元。
37、因此，“订阅是 AI 的终极商业模式”这一说法，至少对于大众 Consumer AI 而言，远未得到证实。a16z 统计的头部 AI 原生 Web 产品中，84% 采用订阅模式，64% 采用 Credits 或按用量收费，而广告模式仅占 14%，交易或
精彩评论