硅谷科技巨头近期集体聚焦一项新兴业务：个人AI助手。Meta推出了Muse，OpenAI发布了Dots，xAI也上线了Grok Bot。从模型研发到计算资源，再到用户入口，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选手并不全是这些大公司。

以Instinct为例。这家公司成立仅一年，产品今年2月才开始内测，至今仍采用邀请制，甚至连一个独立的应用程序都没有。

但就是这样一家初创企业，其投后估值已飙升至100亿美元。

最近，23岁的Instinct创始人Noah Shinn首次做客播客，接受了一场深度访谈。

Instinct创始人Noah Shinn接受《Invest Like the Best》采访

在这次对话中，他提出了几个关于个人AI助手的“非主流观点”，值得深入探讨。

第一，AI产品必须拥有App，这本身就是一种思维束缚。

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助手最理想的形态，是让用户无需特意打开某个软件。

第二，个人AI助手存在一种独特的数据循环机制。

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有一组令人惊讶的数据：使用大约三周后，约40%的用户愿意提供自己的信用卡信息。而在接入过至少一项敏感信息的用户中，留存率达到了约80%。

第三，AI产品也能产生网络效应。

许多人认为，AI产品难以形成传统互联网那样的网络效应。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代理。

两个AI助手可以直接协调日程、安排聚会，甚至替各自的主人完成跨账户协作。身边使用同一套代理网络的人越多，AI能做的事情就越多。

第四，AI助手正开始接管真实消费。

根据Shinn披露的数据，Instinct的年化交易规模已超过10亿美元，而用户总数仅有10万出头。

粗略计算，人均年化交易额接近1万美元。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。

虽然这并不意味着每位用户真的交出了六分之一的消费，但这个规模已经相当惊人。

第五，AI助手可能改变互联网的盈利模式。

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久、点击更多广告，但这些行为未必符合用户利益。

AI助手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甚至想让十亿用户免费使用AI助手，通过交易佣金覆盖背后的计算成本。

今天，硅基君就借着这场深度访谈，聊聊个人AI助手这门生意究竟是怎么做的。

把产品做成应用，本身就是一种限制

在Noah Shinn看来，将个人AI助手做成一个等待用户打开的App，本身就是一种限制。因为真正的助手不应该只有一套预设功能，而是用户想到什么，随时就能交代它去做。

例如，一对情侣在美网现场看比赛时，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花了约18个小时，联系赛事方、寻找比赛录播、询问客服，最后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助手的出发点，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，不用解锁手机、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，助手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个人助手，也有网络效应

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助手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代理。

为此，Instinct推出了一套代理协作网络，让不同用户的AI助手可以直接沟通、协作完成任务。

比如约同事吃饭，双方只需要告诉各自的AI想见面，两个代理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助手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助手也有类似的潜力。身边使用Instinct的朋友、同事越多，彼此的代理就越容易协作，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助手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，代理网络还有一个更复杂的问题：权限。毕竟，两个代理想要真正协作，就不可避免地需要交换信息。

这里，Shinn提到了个人AI助手一个很有意思的特点：用户愿意交出的个人数据越多，AI助手就越了解自己，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助手可能正在形成一种特殊的数据循环机制。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代理协作，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。比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。

这种设计让代理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助手既要保护信用卡、邮箱等敏感数据，也要防止恶意内容诱导代理执行错误操作。

这也是个人AI助手想要建立网络效应，必须解决的一个问题。

抓住互联网模式的死穴

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。粗略算下来，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助手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。

比如，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助手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助手提供了另一种可能。

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助手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助手，再通过庞大的交易规模赚钱。

具体来说，Instinct希望从AI助手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助手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计算成本。

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：计算成本。

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，计算资源可能跟不上。

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助手的计算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，比如检查邮件、整理日程、跟踪订单，或者执行之前交代的任务。

这意味着，用户增长带来的计算需求，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%的时间都花在计算问题上。以当前增长速度，Instinct的计算需求几乎每周翻倍。

但计算资源供应很难跟着同步扩张。

新增计算资源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，平台需要承担的计算成本就越高；但如果提前采购太多计算资源，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。

比如，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助手的竞争，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也在布局智能代理。这些巨头不仅掌握基础模型和计算资源，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助手的竞争，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助手。

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。

比如，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助手市场，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。在探索AI助手的过程中，爱游戏娱乐入口也关注到这类非主流观点带来的思考。