连App都懒得做了?Instinct 创始人首次访谈:当AI开始消灭手机屏幕,过去20年的移动互联网正被连根拔起

在 eBay 上，一个只能通过 iMessage 跟你发短信的内测邀请码，正被硅谷极客们炒到 300 美元的高位。

一个月内估值狂飙四倍触及百亿美金门槛、引得红杉与 Benchmark 竞相重仓的初创公司 Instinct，正在向整个科技界抛出一个极具叛逆色彩的命题：它没有应用商店图标，不开发网页端，甚至宣称“这辈子都不打算做独立 App”。

过去二十年，全球消费级软件倾注全部心血所做的一件事，就是用精密的算法推荐和信息流迷宫，千方百计把人类死死焊在屏幕前，靠吸食用户的时间与注意力来换取广告溢价。

而在最新的知名商业播客《Invest Like the Best》中，Instinct 创始人兼 CEO Noah Shinn 首次全面拆解了其狂飙背后的产品与商业逻辑，几乎是在对这套延续了二十年的“注意力经济”进行公开宣判。

与主流赛道死磕聊天界面不同，Instinct 走向了极端的“消灭界面”——赋予 AI 独立的虚拟电脑、手机和邮箱，让它退居幕后，纯粹通过短信、电话与邮件等既有渠道代人类在物理世界中办事。

这场对谈撕开了 AI Agent 走向行动级落地的核心底牌：当智能体将现实生活中的操作阻力彻底抹平为零，传统依赖注意力和广告展示的互联网巨头将遭遇怎样的降维冲击？在零市场营销投入、全凭口碑实现日环比 10% 复合裂变的狂奔之下，一个致力于让终端用户“终身免费”的产品，如何通过类比 Apple Pay 的交易抽成改写消费商业？而面对全天候在后台主动推演所引发的指数级算力海啸，初创企业又如何在数月周期的硬件供应链死结中涉险过关？

💡 要点速览：

• 消灭界面的“无 App”范式：下一代 Agent 不应是一个需要下载打开的新软件，而是一个拥有独立电脑、手机和专属邮箱的虚拟超级个人。
• 留存的黄金指标是“3周信任拐点”：用户对 Agent 产生依赖需要周期。数据表明，约 40% 的用户会在使用第 3 周主动向 Instinct 授权个人信用卡等敏感凭据；而一旦迈过这一信任门槛，该群体的用户留存率高达 80%。
• 告别注意力广告，做“AI 界的运通”：个人 Agent 绝不能靠贩卖用户注意力或诱导消费变现。Instinct 追求终端用户终身免费，凭借无感完成消费闭环的超级分发权，向航司、精品酒店等底层服务商收取交易抽成（Take-Rate），目前年化交易流水在小规模内测下已逼近 10 亿美元。
• 零摩擦时代：交付型商业的暴利：纯靠用户停留时长和页面广告展示的 App 将失去流量入口；但对于网约车、外卖等交付底层实体服务的平台而言，由于 Agent 将呼叫和结算门槛降到了物理极限，其真实交易频次和交易总量反而会迎来数倍的激增。
• 原生主动式（Proactive）引发的算力海啸：被动的一问一答仅消耗极少资源，而全天候在后台主动监控行程、核算路况、推演需求的架构，其算力消耗呈指数级膨胀。提前数月预估采购长交付周期的算力，成为团队消耗 40% 精力的生死线。
• “Agent-to-Agent”代理人受信任网络：不同用户的 Agent 可以在后台直接交换受限数据完成无缝协作（如自动对齐多方日历、统筹出行最优路线）。系统根据现实人际关系严格配置数据防火墙，并在外部节点试图过度刺探隐私时即时向主人告警。

以下是采访全文：

无需华丽包装：我们甚至没有开发独立 App

主持人：Noah，这是你第一次接受长篇深度访谈来公开聊你的业务，我也很期待能从各个维度与你深入交流。

当下个人智能体（personal agent）的发展节点，与一年多前代码生成技术的爆发期非常相似，甚至影响范围可能更广。能否先为我们梳理一下背景：你如何看待你的产品以及各类 agent 即将对世界产生的冲击？又是什么让你决定将全部精力倾注在这个赛道上？

Noah Shinn：我认为，这里将孕育出全球多数人与科技交互的全新方式。

我创办了 Instinct。这是一家成立仅一年的年轻公司。我们在做的是一款个人助理。我不想用宏大的概念去包装，因为它本质上就是一个个人助理。

早期之所以能引发强烈反响并获得关注，核心就在于：它切实好用。 它的运行方式，完全符合我们所有人——包括我自己作为用户——长期以来对 AI 替人解决实际问题的预期。

一个有趣的现象是，这与以往颠覆性的消费级软件截然不同，并不需要创始人站出来布道说：“我描绘了一个全新愿景，请相信我，几年后大家都会明白。”

我们所处的时期不同。早在 2023 年初次体验 ChatGPT 并展开想象时，大家脑海中就已经对 AI 理想的行动方式有了清晰的预想。 我们期待的 agent，是能在日常方方面面提供帮助的存在——无论是一个全新的创意尝试，还是过去需要耗费数小时处理的繁杂事务。这是一种日常维度的智能，旨在随时伴你左右、协同配合。

它的交互界面理应极其纯粹。而我所说的“极简”，是指我们甚至根本没有开发专门的 App。

这不是一个新软件，也不是一个新工具，而是一种全新的体验。 它拥有独立的手机和电脑环境，你可以直接给它发短信、打电话，它也能主动打给你。你之前体验过这个功能吗？

主持人：体验过了。

Noah Shinn：是吗？我自己用了好几个月，它主动给我打电话的大概也就三次。

主持人：很有意思，只有在面临紧急临界点时，它才会选择主动来电。

它会打过来说：“抱歉打扰，但这份文件必须在下午 3 点前签署，现在已经是 2 点 55 分了。能麻烦您处理一下吗？邮件已在收件箱中。如果有需要，我可以重新发一封帮您置顶。” 它展现出了很高的社交智能，并且非常懂得分寸感。

Noah Shinn：你也可以直接给它发邮件，它有专属的邮箱地址。

我不希望大家把“极简的界面”误解为“能力的局限”。其核心逻辑在于：与 AI 交互，本就不该依赖另一个独立的应用程序。 它理应具备足够的社交理解与感知力，能像真人一样自然地与你协作。

我们追求的是最纯粹轻量的交互体验，而支撑这一体验的能力却非常宽广——它拥有属于自己的电脑环境，从字面意义上讲，凡是你在互联网上能做、想做的事情，它几乎都能替你完成。

扫描衣柜挑选全网服饰，顺手退订隐形扣费服务

主持人：能分享一两个最让你印象深刻的真实案例吗？也就是唯独依靠 Instinct 才得以实现的场景。

之所以问这个，是因为你并没有针对特定任务去预设规则，而是赋予了它一台手机和电脑，让它自主去处理事务。大家可能听过美网（US Open）的例子：现场大屏幕抓拍到了一对情侣，他们想要拿到那段画面，Instinct 自主在网上检索并把视频找了回来，这很令人惊讶。在这些案例中，你个人最推崇的有哪些？

Noah Shinn：针对喜欢网购的群体，有一类高频用法在用户中自发流行起来——那就是全面扫描自己衣柜里的所有衣物。

用户走到衣柜前，把上衣、裤子、鞋袜等单品逐一扫描录入，并同步录入自己的面部特征与身形比例。随后，他们让 Instinct 规划整整一周的穿搭方案。Instinct 会基于已有衣物，精确搭配出每天的具体着装。更重要的是，它反馈的不是枯燥的单品清单，而是直接生成一张用户本人穿着该套衣服的渲染图，直观展现当天的上身效果。

这种能力自然延伸到了日常购物中。用户可以直接对 Instinct 说：“去帮我在全网挑衣服。”Instinct 能够从各大电商平台检索出数千种全身搭配方案。整个过程中，用户看到的始终是自己试穿这些新衣服的实时效果，挑中满意的款式后，只需确认一句便能直接下单。甚至有用户要求它每天推送三套全新的全身搭配方案，看中后一键即可坐等新衣服寄送到家。

此外，还有许多目标导向的应用场景。比如用户设定了“在某个月前攒够特定金额”的个人财务目标，Instinct 便会协助规划并推动执行。

在日常开销管理上，用户将银行账户绑定至 Instinct 后，它会梳理全部交易明细和订阅账单，主动向用户确认：“这项服务你现在是否还在使用？”很多用户往往才意识到自己一直处于被扣费状态，此时 Instinct 就会自主介入，完成退订。

它可以端到端地跑完全部流程。市面上主流的理财软件通常仅停留在提醒层面，建议用户手动去取消订阅，而 Instinct 能够做到全流程闭环。

它会直接访问相关网站办理退订；如果遇到邮箱验证码，它凭借权限自主读取并顺利完成登录，全程自主操作直到成功取消订阅。最后，它只会发来一条简短的费用汇总通知：“处理完毕，本月已为你节省了 2000 美元。”

主持人：这么看来，凡是依赖用户惰性或遗忘惯性来盈利的商业模式，恐怕都难以维系了。

Noah Shinn：正是如此。但这本质上是一件好事，能真正让消费者受益。

告别繁杂的日程协调：通过 Agent 间协作构建可信社交网络

主持人：能跟我们聊聊 Instinct-to-Instinct 网络吗？

Noah Shinn：在 Agent 相互协作的未来图景中，存在许多极其务实的应用场景。我认为这种机制将在特定维度上深刻改变一部分人的行为模式。其实这项功能刚上线十天左右。

我们开发它的初衷并不是制造噱头，而是为了解决高频商务人士的真实痛点。他们整天会议不断，需要持续对接新老合作伙伴。

在日历上敲定会议时间往往极为繁琐。传统的沟通模式充斥着推拉：你发消息问“周四这个时间方便吗？”，对方回复“不行，换这几个时间可以吗？”，你又回“但我那时要出差，可能在另一个时区……”。这种反复推拉消耗了大量不必要的精力。

但如果双方的 Instinct 能够直接交互——既然大家平时本就依赖各自的 Instinct 管理时间——情况就完全不同了。双方的核心诉求只是敲定一个合适的时间，不需要任何拉扯或试探。

这是一个非常经典的场景，也彻底重塑了协调日程的方式：你只需表达意图，比如“我想和某人见一面，最好在周末之前，帮我安排一个时间”。接着，双方的 Instinct 会直接对接，交叉排查彼此的空闲与冲突时段，最终自动将确定的行程同步到各自的日历中。

这项功能的核心突破，在于我们构建的“受信任个人网络”（trusted person network）。

其基本原则是：你应当只与真正信任的人建立连接。观察这套机制的运行，我发现了一些耐人寻味的社交互动变化。它的底层设计逻辑，是让你仅将真正信任的人引入网络，这些人绝不会怀有恶意地试图窥探你的日历或邮件。

在此基础上，我们提供了精细的权限控制，支持针对不同对象配置不同级别的访问权限。

许多伴侣会互相彻底打通 Instinct，因为他们彼此可以完全共享信息，设定也非常直接：“这是我的伴侣，所有信息对其开放。”

面对工作伙伴时，规则则可以细化为：“仅开放工作日历；若对方索取特定项目文档，允许从收件箱调阅；其余信息一概屏蔽。”系统会严格执行这一策略。

从架构上看，这相当于在网络各节点之间建立了带有不同权重的连接。它不同于传统的好友关系图谱，并非停留在“互为好友”这种单薄的二元关系层面。 它的逻辑是：“我与你建立了连接，基于对你的信任，我赋予了你相应维度的访问权限。”这种机制催生了一种独特的网络效应，也映射出了全新的社交互动模式。

我们也观察到一些值得玩味的现象：一旦有人滥用了网络内的权限，这种违规行为会直接冲击现实中的人际关系。

例如，假设我对你说：“Patrick，我相信你，我们在平台上关联一下，方便以后对日程。”但我明明只授权了日历访问，你却试图借机刺探其他敏感信息。此时，我的 Instinct 会及时向我发出预警：“提醒一下，Patrick 正在尝试调取某项未授权的信息。”一旦发生这种情况，彼此之间的信任基础基本就瓦解了。

针对这些微妙的社交心理与人际动态，我们在架构设计上做了深入考量。既要确保用户享受到无缝排期、协同规划的便利，也要契合现实中的社交规则与人际常识，在技术层面对信息边界设立刚性约束。

主持人：这确实展现了一种全新的可能性，非常具有吸引力。

我能想到太多适用的场景了。仅以我和我太太的生活为例，它就能在很多方面带来切实的便利。

哪怕是一些琐碎的小事——比如刚才你来找我住处的时候，如果我只需对我的 Instinct 说一句“Noah 到了吗？他现在在哪儿？”，而你恰好向我开放了一天的临时位置权限，整个过程就会顺畅很多。稍加发散，就能想到无数实用的应用场景。

Noah Shinn：我们在受信任网络中看到了很多非常有启发性的用户案例。平台的其他板块大多符合用户既有的认知框架，唯独这个功能开辟了一片全新且富有创造力的空间。

比如前几天听说的一个案例：平时和朋友或伴侣规划周末行程往往很耗费精力。许多人周四就开始纠结周六晚上去哪儿，总得有人出头张罗。在群里提议后，往往又因为各种时间冲突而搁浅，反复协调才能勉强成行。

有一群朋友尝试了一种新玩法：他们让各自的 Instinct 每周主动协同策划大家都感兴趣的新颖活动。Instinct 会自动比对每个人的空档期，综合考量彼此的偏好与饮食禁忌，甚至结合大家关联的 Spotify 听歌记录与音乐品味，筛选当期适合的剧目或演出。

不仅如此，这六位朋友还在出行时让系统协助拼车。他们只需要一人叫一辆 Uber，Instinct 就能协调接送全部六人，分别向每个人同步“10 分钟后到你楼下”或“5 分钟后到你这里”。它自动规划出最优路线，让六个人高效合乘了一辆车，大幅降低了出行成本。

类似的自发案例不胜枚举。一旦摆脱了繁琐低效的沟通损耗，省去事务性的统筹成本，人们自然会自下而上地探索出更多未曾设想的应用场景。

50% 流水来自差旅：消灭界面的时刻，互联网商业被彻底改写

主持人：这个逻辑其实非常直观：你可以想象自己拥有了一个配备专属手机、电脑与邮箱的数字分身。它能像真人同事一样主动与你沟通、协作，仅此而已。这不禁让人思考，当全球每个人都拥有这样一个专属的分身——一个属于自己的 Instinct 或 agent 时，现有的格局将会发生怎样的重塑？

近期代码生成技术的发展令人振奋，许多听众大概都体会过用它构建产品的过程。但在过去，软件工程师毕竟是少数群体，编写代码历来是一项专业门槛极高的工作。尽管未来编程人群可能会扩大，但眼前呈现的显然是一个更广阔的市场和一种截然不同的全新范式。

在你看来，这套范式将如何开始重塑整个互联网与商业体系？换句话说，交互界面的未来究竟会走向何方？

Noah Shinn：我想分两个层面来拆解这个问题，避免陷入宏大叙事，显得像在空谈“颠覆互联网”。

但我必须明确表示：我坚信在未来几年内，互联网将被彻底改写，全球绝大多数人与软件交互的方式都将发生根本性变革。

如果落实到具体演进节奏：在中短期内，一个标志性的切入点就是预订服务——以餐厅订座为例。以往人们是如何订座的？用户必须打开平台，搜索心仪的餐厅，逐步筛选时间与人数，然后碰运气；如果没订到，只能作罢，本质上完全依赖“先到先得”。

但如果拥有一个 agent，理论上可以让它每隔几秒就自动检索一次。这不仅局限于某一家你极难订到的特定餐厅——如果它能面向全球核心城市的每一家餐厅、每一个平台全天候执行这一操作呢？ 你能立刻感受到，agent 是如何打破传统订座场景的游戏规则的。

进一步剖析其底层逻辑：我们正在重塑这一细分垂类的运行机制，这不仅对用户至关重要，而且对供需双方都是互利共赢的。从用户视角看，前往高端餐厅往往是为了庆祝重要时刻——生日宴、结婚纪念日，或是挚友重逢。而餐厅同样希望将有限的席位留给这些具有特殊纪念意义的客人，而不是无差异地分配给普通散客。

但以往的互联网基础设施只能支撑“先到先得”的单一规则，无论就餐目的有多重要，系统只认谁先提交。

如果 agent 具备双向沟通的能力呢？ 它可以向餐厅准确传达：“这次用餐非常关键，是我代表的用户配偶的三十岁生日。”而餐厅也可以设定清晰的规则：“我们将优先接待重大纪念日或特定需求的客群。”

这样一来，用户无需反复沟通背景诉求，系统即可实现餐厅意向与用户需求的精准匹配。最终，用户能在关键节点如愿订到心仪的位置，餐厅也能锁定更高质量、更符合其定位的目标客群。

餐厅订座只是一个微观案例，但它代表了一个正在被重塑的传统商业模型。

我认为同样的变革正在主流旅游出行平台（OTA）中上演。我们平台目前有 50% 的交易流水正是来自差旅出行。 尽管我们仍处于小规模邀请制阶段，公司也尚在早期，但在现有的内测体量下，平台的年化交易额已经逼近 10 亿美元。

主持人：在极小的用户基数下就实现了这一体量。

Noah Shinn：在极小的用户基数下，年交易额就已超过 10 亿美元，其中差旅占据了半壁江山。

大家今天普遍使用的旅游预订平台——或者说在未使用 Instinct 前订机票和酒店的工具——其核心价值究竟是什么？本质上，是它们将分散在各家航司、酒店连锁的底层数据标准化聚合，以友好的界面呈现出来，供用户筛选、支付并接收确认邮件。这套流程固然成熟，但通过类似 Instinct 这样的智能体，能够提供一种截然不同的极致体验。

你甚至只需要发一条语音——我反复用语音举例，是为了具象化这种交互的轻量程度：“我今晚必须赶到纽约，十万火急。”说完就够了。

这意味着什么？首先，系统会结合授权感知你当前的地理位置；无论是旧金山还是洛杉矶，它会立即调取所有可行路径。不仅如此，它还掌握用户的深层偏好：习惯乘坐哪家航司？偏好什么舱位与座位类型？机上餐饮有哪些禁忌？甚至默认使用哪张信用卡支付？

在瞬间完成出票后，它会无缝衔接酒店预订。

主持人：它在持续学习并沉淀用户的个人偏好。

Noah Shinn：这正是核心价值所在。只要你明确表达过一次：“我习惯这种风格，偏好这类酒店。”

一方面，未来无论你前往何地，系统都能调取这段记忆，直接交付完全契合你心意的方案；另一方面，它能将这种品味偏好进行抽象提炼，泛化应用到你未来的其他消费决策中。随着交互数据的积累，整个闭环会变得无比自然顺畅。

回到刚才的差旅场景：系统会挑出最理想的酒店——或许是你过去已经入住过数次的常驻地——并端到端完成预订。接着，它会将行程无缝同步至你的日程表：包括航班时间、前往机场的接送车、落地接驳，以及当地的后续安排。

底层系统处理了极其繁琐的信息链路，但对于用户而言，仅仅是一条几秒钟的语音指令，后续所有环节便已自动跑通。

这就是所谓“在需求产生的原点完成交付”。与传统的差旅代理或 OTA 相比，这是一种跨维度的体验升级。过去依靠提供标准化搜索界面赚取丰厚利润的企业，面对这种轻量百倍的全新交互形态时，势必会受到冲击。

但我的意思并非要彻底颠覆现有巨头。他们在长年累月中沉淀下来的履约网络与数据资产依然具备极高的商业价值。未来几年更可能呈现的，是一场深度的产业协同，共同去重新定义整个行业的服务形态。

三周信任拐点：当用户交出信用卡，留存率高达 80%

主持人：让用户真正信任并依赖自己的 agent，并在这一过程中摸索出建立信任的规律，是一种怎样的体验？

过去这一周我们讨论过这个话题，你之前分享的用户产生信任的瞬间、相关数据，以及对建立信任之必要性的洞察都非常有价值。同时，我也希望探讨用户隐私与 agent 实用性之间的权衡取舍。显然，用户赋予它的背景信息越详尽、密码和权限越完整，它的办事能力就越强；而用户在交互中往往始终在权衡这一点。关于“信任”，你们目前总结出了哪些认知？

Noah Shinn：这里存在一个非常微妙的数据飞轮，或者说是先有鸡还是先有蛋的问题：输入的数据越多，agent 就能越主动地提供协助、越深刻地理解情境，可调用的上下文信息也就越充分，从而为用户带来更大的价值。

但数据显示，建立这种信任通常需要数周时间。这完全合乎情理，因为我们从一开始就确立了一项核心准则：用户必须始终对自己的数据拥有绝对的掌控感。 用户应当按照自己感到舒适的节奏逐步向 Instinct 开放权限；如果中途想收回，随时都可以撤销。

根据我们观察到的客观规律——前几天复盘时也再次印证了这点——到了使用产品的第三周，有 40% 的用户会主动向 Instinct 授权个人信用卡。 这是包含了中途流失用户在内的全量数据的 40%。

我之所以看重这个指标，是因为从最初接触到首次绑定信用卡、授权账户密码或提供私密信息的时间跨度，正是信任程度最真实的映射指标。到了第三周就有 40% 的用户愿意绑定信用卡，说明产品在某种程度上达成了它的初衷——套用一句双关语——遇到任何需求时找它帮忙，已经成了用户的一种本能反应（instinctual）。

在前三周的持续交互中，用户逐渐建立起了信任。而一旦跨过这个门槛，飞轮效应便会迅速放大。数据显示，一旦用户在 Instinct 上关联了至少一项敏感信息并真正对它产生信任，这部分用户的留存率高达约 80%。

主持人：只要共享一项敏感信息，留存率就能达到 80%，作为一款消费级科技产品，这个表现非常亮眼。

核心之外的看门狗：任何物理动作，都先穿透独立防火墙

主持人：对于那些跃跃欲试、但天生谨慎，面对任何索取全部隐私信息的 AI agent 都会产生顾虑的人群，他们应该如何客观看待背后的潜在风险？你会如何向他们证明：系统架构在设计之初，就已经确保了即便托付了高度敏感的信息，发生安全风险的概率也极低、甚至趋近于零？

Noah Shinn：这个问题可以拆解为两个核心维度。

第一个维度是敏感信息的加密存储。这并非全新挑战，许多成熟的商业软件都面临同样的课题：如何在持有敏感数据时做好严格的前置隔离与防范。这在工程上属于有既定解法的成熟领域，核心在于以严密、细致的技术手段，确保用户托管的数据安全稳固，且数据主权始终掌握在用户手中。

第二个维度则是全新的课题，也是我想花更多时间探讨的：新形态 agent 所衍生的全新攻击面与系统性风险。这是有史以来第一次，一个 agent 能够在三周内让 40% 的用户自主托付信用卡权限，理论上具备在全球任何地方直接刷卡消费的能力。 虽然我手头没有用户绑定邮箱的具体比例，但可以想象，一旦被授予收件箱和日历的完整访问权限，涉及的数据敞口将极其庞大。

为此，我们在架构层面构建了完全独立于 Instinct agent 核心逻辑之外的外部安全体系，用于主动防范潜在风险，实现风险的彻底解耦。

举例来说，任何输入给 Instinct 的文本或介质，在交由核心模型解析处理前，都必须先经过外部防火墙系统的筛查。这些防火墙能够精准识别、拦截并阻断恶意内容，防止其诱导 Instinct 做出越权或违规行为。

此外，针对 Instinct 试图执行的每一个具体操作、乃至其推导出的每一条思维链路，都有另一套与 Instinct 核心解耦的独立监控系统进行实时守望。 在操作真正落地执行前，该系统有权对其进行审查、拦截、驳回或放行。

这仅仅是底层防御机制的一部分。我们在幕后做了大量细致的架构推敲，目的就是在赋予 agent 强大行动能力的同时，牢牢守住安全与可信的底线。

不以广告模式背离用户：构建类似 Apple Pay 的商业闭环

主持人：我想请教一个关于“对齐”（alignment）的问题。虽然这个词在 AI 领域可能被赋予了过于宏大的叙事，但我指的并不是全人类层面的超级对齐，而是 AI Agent 与用户个人的利益对齐。

打个比方，现实中我雇佣员工并向其支付薪酬，因此我相信他们会以我的利益为重。即便不够绝对完美，他们也没有互相冲突的外部利益诉求来左右其行为，这种忠诚本质上由雇佣关系驱动。

你是如何从商业模式的视角来审视利益对齐的？目前市场上显然存在不同的路线：有的做订阅付费，有的走免费模式，而免费产品又有着截然不同的变现路径。能否梳理一下你们在确立商业模式时的推导逻辑：未来的商业模式究竟是什么？你们又是如何认定这一模式是 Agent 最理想形态的？

Noah Shinn：我们绝不希望 Instinct 诱导用户做出任何背离其真实意愿的决定。

这听起来像是一句公关辞令，但我想强调这有多么关键。试想这样一个场景：如果 Instinct 在综合能力上全面超越了普通人——拥有更高的社交情商、更敏锐的共情能力，甚至在知识储备上也远超常人。一旦 Instinct 利用其超凡的智能去说服、诱导用户购买原本不需要的商品，或是开通他们根本不想要的订阅服务，后果将是极其危险的。

纵观当今主流的消费级互联网巨头，它们的核心能力恰恰就在于左右用户的行为。无论是 Google、TikTok、Instagram 还是 Snapchat，产品虽然对用户完全免费，平台却充斥着形形色色的商业广告，千方百计地促成消费。一旦演变成这种模式，整个生态就变成了资本与注意力的博弈：品牌方竞相投放，借助算法去说服用户购买那些他们可能想要、也可能完全不需要的东西。

主持人：这就是常说的“如果你不需要付费，那你本身就是被出售的商品”。

Noah Shinn：作为技术开发人员，我绝不希望亲手造就这样的现实，那是一条非常危险的歧途。

Instinct 必须始终站在用户的立场上代为行事。这是我们在构建产品和推进多项研发课题时始终恪守的信条。与当前市面上的 AI 产品不同，Instinct 绝不是一个单纯的“任务执行器”。

市面上绝大多数产品的工作逻辑很简单：用户输入 Prompt，系统执行指令，然后反馈结果。理论上这看似合理，但如果用户的指令存在潜在疏漏、隐患甚至带有恶意，任务执行器只会唯命是从地照办。

相比之下，Instinct 追寻的是更高维度的目标体系：Instinct 会学习如何与用户建立互信，让用户感到踏实与安心；在事情可能出现纰漏或被遗忘时，成为在幕后为用户兜底的防线。

当然，当用户的指令合理明确时，建立信任最直接的方式就是干净利落地办妥任务，因此我们在功能表现上也完整覆盖了现有 AI 产品的能力集。但更关键的是，这种更高维度的目标设定，赋予了 Instinct 在应对各种边缘异常情况时极强的鲁棒性。我们绝不会通过违背用户初衷的方式去干预其选择。

即便从商业变现的逻辑来看也是如此。虽然一切尚处早期，但目前平台上流转的年化交易流水已经超过 10 亿美元，且日环比复合增速维持在 10% 左右。在这种复利递增下，交易规模正以极快的速度迈上新台阶。

面对如此庞大的资金流转，我认为它底层对应的是一种非常清晰的基础设施形态：它类似于 Apple Pay、运通（Amex），或是其他在为底层实体服务提供分发渠道的同时、带来极致用户体验的基础平台。

Apple Pay 的体验极其出色：用户在线下任何场景挥卡即走，无需为此承担任何额外费用。消费者享受到了免费且极致的体验，而获得交易收益的商户，则乐意为这种分发与触达支付合理比例的通道费用。

我们构想的正是这种全平台统一的交易抽成机制（take-rate）——本质上，就是用强大的分发与服务能力，通过为商家连接用户并促成真实交易，来换取合理的商业回报。

避开支付通道费的内卷，超级分发权才是真正的溢价底牌

主持人：能再深入谈谈这套模式将如何融入现有的商业格局吗？

从支付链条来看，你们既可以成为发卡机构，也可以成为类似 Stripe 的平台，或是像 Visa、Mastercard 这样的清算网络。支付领域已经建立了成熟的底层轨道，通过消除交易阻力来提供便利，并从每笔交易中按比例抽成，这无疑是非常优秀的商业模式。

在你看来，这套体系中哪些环节会成为你们的合作伙伴，哪些又可能被你们替代？鉴于 Instinct 是一款免费产品，依靠交易佣金盈利的构想，最终将如何嵌入现有的商业生态？

Noah Shinn：这些传统巨头的商业模式确实非常扎实，整条支付链路也极度复杂——用户在数字端完成一笔交易，链路上大概有 40 个中间节点能从中获利。但退一步来看，这 40 多个分布在各层级技术栈的参与方，瓜分的不过是总额 2% 到 2.5% 的费率池（取决于具体交易场景），这在整个商业大盘中其实只占极小的一部分。

因此，我们的核心目标绝不是去争夺 American Express 依靠壁垒构建的闭环网络，也不是去和 Stripe 这类底层支付基建硬碰硬。一方面那里的利润空间过于微薄，另一方面，它们确实提供了不可或缺的基础价值。

从商业逻辑来看，真正的价值空间，在于审视全球各大主流平台的综合抽成率（take rates）究竟能达到什么量级。

对终端用户来说，这套产品体验完全免费；而对商户而言，它是一个能够带来明确业务增量的新分发渠道。对比现存的几类平台：Shopify 通过提供技术设施向入驻商家分成，综合抽成率大约在 2% 到 3% 之间（Stripe 大致处于这一区间的下沿）；Amazon 构建了庞大的交易生态，平台综合抽成往往在 10% 以上；而最典型的代表则是 Apple，对应用内购买直接抽取 30% 的佣金。

我并不是说我们未来的抽成率也会达到 30%——对于很多实体消费产业来说这并不现实。我想表达的是，在“分发掌控力”与“抽成费率”构成的价值光谱中，我们未来究竟能占据怎样的位置，依然拥有巨大的探索空间。

需要再次说明的是，对于终端用户，这始终是一套免费的产品体验；而对于底层的各类供应商，这同样是一个能够输送增量业务的高效渠道。因此，我的精力绝不会放在如何与支付服务商合作、并从那 2.5% 的通道费里艰难争取 30 个基点的微薄分成上。

我真正在思考的是：我们能否创造出足够大的商业增量价值，从而在这条价值分配的光谱上占据更高的话语权？

支撑这一构想的现实依据非常明确：目前流经我们平台的交易流水中，有整整 50% 来自差旅场景，而差旅行业早已确立了成熟的商业规则与分润体系。

主持人：在线旅行社（OTA）的抽成比例一向很高。

Noah Shinn：差旅业务的费率弹性非常可观。

在机票领域，佣金空间确实相对狭窄，很难从中拿到几个百分点的利润；但在酒店板块，某些高端精品酒店非常乐意为每一个成功转化的订单支付高达 30% 的佣金。

这并不意味着我们的整体抽成一定要锚定在 30%，但它清晰地展现了利润空间的弹性，也是我们在业务早期可以直接切入并借势起步的成熟场景。

试想一下，如果能将这套商业逻辑推广至各个核心消费产业，将会释放出多大的商业潜能？

当然，这一推演成立的前提在于：绝大多数数字化消费行为，在未来确实会发生迁移，全面转向这种全新的交互载体——或者说，转向这种“消灭了独立界面”的范式。但这完全取决于平台能否掌握无可替代的超级分发掌控力。随着业务的推进，这套逻辑究竟会如何演化，将是一个极具吸引力的商业课题。

零摩擦的颠覆：当用户不再打开 App，真实交易反而会暴增

主持人：在我看来，科技巨头之间关于 agent 的竞争势必会全面展开，目前在亚马逊以及 Meta 推出的产品上已经初见端倪。面对这些拥有庞大用户基数与既得利益的老牌企业，无论是 Instinct 还是其他 agent 的崛起，似乎都可能对其构成颠覆性的挑战。

你是如何看待这种竞争态势的？你们又计划如何与市面上现有的优质服务共存与接入？

举个例子：我经常使用 Uber Eats，但每次在 App 里浏览和点击下单的操作都很繁琐。我完全能设想一种更流畅的体验：只需在 WhatsApp 上给 Instinct 发一条消息：“帮我从常去的那家餐厅点老样子的餐。”就这么简单，不再需要多余操作，Instinct 会在后台登录 Uber Eats 替我完成下单。

那么，在什么节点上，Uber Eats 会开始对这种模式产生戒备？这些拥有深厚护城河的商业巨头，在什么时候会把 agent 视为直接竞争对手？你认为潜在的冲突最可能在哪些环节爆发，未来又将以何种方式达成共识或和解？

Noah Shinn：这是一个非常值得探讨的演变过程。我们确实在严肃审视这一趋势。正如你刚才提到的，我认为绝大多数数字化服务和垂直行业并不会直接消亡，而是会被深刻地重塑。

前几天我做过一个分析模型：将各个细分赛道中的数字化服务与应用放在一个坐标轴上考量——轴的一端是“用户注意力及停留时长对企业营收的贡献度”，另一端则是“底层实际交付的服务与商品所贡献的收入比例”。换句话说：如果用户完全不再打开这款 App，企业营收中究竟有多大比例，依然能由其交付的实体商品或真实服务来支撑？

你刚才的问题，正好切中了那些高度依赖用户注意力的企业：它们的相当一部分收入，来自用户在 App 内的停留时间、广告展示以及相关的交叉销售。这包括部分餐饮外卖平台、各大在线旅游平台（OTA）、亚马逊搜索结果中的付费推广位，甚至也包括 Uber 在内的出行平台（尽管我并不确切掌握 Uber 内部的具体营收结构）。

对此，业内有一种较为直观的看法：如果一家公司的营收中 70% 依赖广告注意力，30% 来自交易交付，那么 agent 抹平界面交互后，就会砍掉那 70% 的广告收益，最终导致公司缩水至原来的 30%。

但我认为存在另一种截然不同的逻辑。以 Uber Eats 或 DoorDash 为例，虽然具体的业务细节属于商业机密，但行业规律很明确：只要产品端将点餐、结账或打车的链路缩短几步，降低用户完成交易的时间成本，平台的总交易量往往就会增长。这是因为用户获取底层真实服务的摩擦与阻力被实质性削减了。

而 Instinct 的核心逻辑，就是将用户完成任务的操作摩擦力降低至趋近于零。特别是在主动式（proactive）服务的介入下，这种摩擦力在很多场景下甚至可以完全消除。

仍以网约车为例：如果 Instinct 拥有你的日程授权，知晓你的会议安排与出行路线，清楚你在特定时间需要往返于两地之间，它完全可以在适当时机主动为你安排好车辆。你不再需要分心计算：“我得在五分钟后叫车，因为四十五分钟后有重要行程，可能还会遇上堵车，我得先打开 App 确认路况。”

如果这些流程全由主动式服务接管，系统实时计算路况并提前调度，车辆准时在出发地等候。对于本就习惯使用 Uber 或 Lyft 的存量用户来说，当获取出行服务的门槛与摩擦力彻底消除，整个网约车业务的基本盘会发生什么变化？我认为，这会让原本那 30% 的实体交易规模迎来远超以往的增长。

外卖场景同样如此：当你深夜下飞机乘车回家，系统发来提示：“需要帮你点前几天吃过的那家餐品吗？按你目前的行程，餐品预计会在你到家时送达。”此时你只需要回复一句确认，整个订单即可完成。当交互摩擦被降到最低，这种便捷性对商家的订单总量和复购率会产生怎样的影响？我认为相关的交易数据反而会迎来显著增长。

因此，这演变成了一种非常微妙的平衡。我们目前正处于一个关键的转折期：过去平台依赖占用用户的停留时间来实现广告变现；而在未来，用户与底层真实商业服务的交互频次反而会大幅提高。这在直觉上或许有些反常：用户打开 App 的时间减少了，但与企业发生实际交易的频次却大幅上升，其核心驱动力正是操作摩擦力的消除。

各个垂直行业演进的节奏会有所不同。在我们看来，面对这种行业变革，合理的应对方式绝非单方面宣称去颠覆现存巨头。作为一家初创公司，我们更倾向于采取开放合作的态度。

我们的策略是主动与这些企业沟通：“这是我们对贵公司业务模式的理解，你们显然比我们更懂自己的行业。同时，这是目前 Instinct 用户与贵公司服务交互的实际数据。我们应当如何合作，既能符合贵公司的商业利益，契合我们的产品形态，又能为终端用户提供更优质的体验？”

这正是我们当前跨多个行业领域正在积极探索与推进的方向。

告别信息流对用户的捆绑：交付实际价值的企业将迎来最大利好

主持人：站在传统企业的视角来看，面对一个由智能体（Agent）普及的世界，它们现在能做些什么准备？假定未来有一半的美国人都拥有一个能处理各类繁琐日常的 Agent，这听起来非常理想，甚至具有技术普惠的色彩。它把过去少数人专属或成本高昂的能力普及给了大众，我认为这是 Agent 最具吸引力的特质之一，我们稍后可以深入聊聊这个。

但在你看来，在未来的世界里，什么样的企业能够脱颖而出？它们现在应该做哪些准备，才能在竞争中立于不败之地？

Noah Shinn：这还是要回到前面提到的核心分析维度，这也是我前几天做那套推演的初衷：你的收入究竟源自哪里？有多少来自用户在界面上的停留时长？又有多少来自用户真正消费你的底层产品或服务？

答案其实很明确：如果你的商业模式能够直接受益于交易规模的扩大——哪怕代价是用户在客户端界面的停留时间变短——那么你的企业将处于极具优势的顺风位置，因为 Instinct 能把这种交易达成的门槛降低上百倍。

相反，如果你的业务收入几乎完全依赖于获取用户的注意力——很多时候这种消耗甚至违背了用户的真实意愿。市面上有太多产品设计在千方百计延长用户的停留时间，许多社交媒体巨头正是如此：用户并不是因为享受才留在里面，他们在刷手机时并没有获得真正的愉悦感，却依然深陷在无休止滚动的信息流中，这完全是因为底层平台的盈利模式建立在消耗用户时间之上。

因此，能够帮助用户摆脱这种无谓的时间消耗，本身就是一种解脱。这也印证了为什么 Instinct 必须始终以用户的核心利益为先，只有这样，才能真正交付这种体验，把用户从无休止的信息流中解放出来。

面对这种转变，任何一刀切的建议都缺乏实操意义，不同行业的情况必然因地制宜。从务实的推进层面来看，我们接触到的一些早期合作伙伴，其 CEO 和高管极具前瞻眼光，非常乐意率先尝试。我们正在探索一套可复制的实施路径，帮助处于不同风险承受度的企业明确潜在的风险敞口，并通过扎实的数据支撑，找到供需双方都能受益的平衡点。

这里面最核心的法则是：企业完全没必要孤注一掷。你不必一开始就全盘放开、全面拥抱，以至于冒着现有大部分收入受损的风险陷入被动。企业完全可以通过小规模的灰度测试来有效控制风险边界。

比如通过 A/B 测试进行验证：“如果我们面向 1% 的用户灰度开放这套新机制，这批用户与我们业务的互动模式会发生什么变化？用户的体验是变好了还是变差了？对品牌端而言是否更有价值？交易量有没有增长？用户购买产品或服务的真实意愿是否有所提升？”

此外，在“产品发现”环节同样大有可为。很多时候用户没有下单，并非没有需求，而是因为界面过于繁琐而找不到想要的东西。这种新形态能否帮助用户更精准地触达心仪的产品？

通过收敛风险的小规模灰度实验，是一套极佳的落地方式，因为你可以精确把控风险的边界。 在测试结束时，你不仅能获得具备参考价值的详实数据，还避免了直接全量推行可能带来的业务冲击。这正是我们目前验证行之有效的方法论。当然，一切才刚刚起步，我们同样在边实践边探索。

不必一味卷模型能力：“可理解性”与排版克制才是最深的产品壁垒

主持人：在进一步探讨 personal agent 重塑全球格局这一宏大叙事之前，我想先切入一个具体的技术层面：为了支撑这样的愿景并兑现这些体验，背后究竟需要付出怎样的代价。我很想深入了解，在构建这项技术的过程中，最难啃的“硬骨头”是什么？我想和你聊聊算力。

你之前提到过，目前你很大一部分精力都在统筹算力。五年后行业格局或许会有所不同，但在当下技术呈指数级爆发的阶段，算力规划至关重要。能否同我们讲讲，从零打造 Instinct 经历了怎样的过程，最棘手的技术难关又是什么？

不过在深入这些底层硬核工程之前，结合我们此前的多次交流，或许你可以先向大家界定一下：你心目中的 Instinct 究竟应该呈现出怎样的质感？为什么在切入底层工程之前，先赋予它独特的交互品味与表现力对你而言如此关键？作为一款产品，你最希望它给用户带来怎样的直观感受？

Noah Shinn：这个话题非常值得深入探讨，因为对于产品打造者来说，这是一种需要全新锤炼并持续进化的底层思维。我一直极力倡导的，是一种超越单纯技术能力的思考视角。

回顾过去三年，行业内充斥着密集的新品发布会，大家都在争相标榜模型又解锁了某项新能力，或是底层微调突破带来了某项新技能。但面对这些宣传，普通用户的普遍反应其实是认知疲劳——他们根本不知道该如何在日常场景中使用这些能力。这种研发导向从根本上就本末倒置了。

因此从创业之初，我们内部就确立了一条原则：不要把重心放在盲目卷能力上，要全力以赴聚焦于“可理解性”（understandability）。

普通用户对系统当前正在发生的事情究竟能理解多少？当他们提出需求、做出操作或与系统交互时，能否准确预判下一步的反馈？我认为这正是推动各项用户参与度指标大幅爆发、支撑起每天 10% 口碑裂变增长的最关键支点之一。 因为系统是清晰可理解的，使用过程才会让人感到轻松和愉悦。

以沟通交互为例，发送一条消息的目的不仅在于传递文字信息，更在于视觉层面的整体呈现——这细致到消息在屏幕上的排版留白，以及用户扫视时的直观心理感受。如果你推送的是一大段密密麻麻的长文本，迫使用户不断上下滑动去寻找核心内容；对比通过倒金字塔结构将关键信息前置在开头 30% 的篇幅中，让用户一眼扫过即可自主决定是否精读，两者的体验有着天壤之别。

我们必须深入研究用户的阅读习惯与视觉动线：大多数人在快速浏览大段文字时，通常只会扫过第一行的 80%、第二行的 50%，随后视线便会快速向下收窄，呈现出类似旗帜或 F 形的视觉轨迹。 这些都是产品设计中必须严谨考量的细节。

Instinct 在设计上充分考虑了这些认知规律：既然用户最集中的注意力只会分配给前两行的前半部分，那么系统就应当精准编排文字结构，以认知负荷最低、最易读的方式将信息交付给用户。我们在产品体验的工程雕琢上倾注了大量精力。虽然团队在底层架构上也做了深度优化以确保低延迟和高性价比，但这种对交互质感的打磨，我认为同样至关重要，并且未来必将成为极具辨识度的核心壁垒。

主持人：这种产品质感在多大程度上源于你和团队特有的审美直觉，又有多少是通过量化机制迭代出来的？比如针对 Emoji 互动、短句或长句回复做多组 A/B 测试并推导出最优解。这究竟更偏向于数据驱动的精细化实验，还是更多依赖团队自身的产品主张？

Noah Shinn：二者兼而有之，缺一不可。

当你尝试构建评估体系（evals）去度量这些微妙的软性品质时，会遇到一个难题：像“使用两三周后，用户是否真正对 Instinct 建立起信任”这种极长周期的指标，在工程上是极难进行定量模拟和测试的。

因此，实际落地很大程度上依赖于循序渐进的灰度推进。我经常会亲自构建一个体验略有差异的版本，只发布给自己，花时间深度试用，仔细体会其中的微妙感受。在这方面，我有极度严苛且主观的标准。

如果我认为体验达标了，就会把它推给核心团队共同体验，收集第一手直观感受。在团队反馈良好后，我们会将其开放给规模极小的早期内测群体，深度观察并收集真实反馈，及时修正体验中的毛刺，最终再稳步推向更广泛的用户。

这一步至关重要。虽然 Instinct 目前在综合能力上已经处于行业顶尖水平，但在未来的几个月或几年内，市场上必然会出现能力旗鼓相当的竞品。这种对用户直观心理感受的高度关注与资源倾斜，这种跳出单纯文字内容、在交互“触感”与“温度”上的极致雕琢，才是真正难以被复制的核心壁垒。

零营销费用与日增 10%：算力供应链上的生死时速

主持人：纵观科技发展史，最经典的竞争莫过于拥有分发优势的老牌巨头补齐产品短板的速度，与打造出极致产品的初创公司抢占分发渠道的速度之间的赛跑。

显而易见，你们已经做出了一款令人惊艳的产品，而且正如你所言，目前的版本甚至会是它未来生命周期中最简陋的一版。你是如何看待这种规模化扩张挑战的？你们在短时间内做大规模的野心有多大？在 agent 赛道，你认为最终会演变为赢家通吃、还是赢家通吃绝大部分份额的格局？

我很好奇你的真实心理状态：你们已经建立了初步的阵地，业务正以每天 10% 的速度复合增长。从数学逻辑上推导，这个数字在极短时间内就会膨胀为天文数字。但你们提供的是免费产品，这背后需要极其庞大的算力支撑。你表面上看起来非常松弛、从容，但面对这种瞬息之间呈指数级扩张的局面，必然是一场高压之战。请跟我们聊聊这个复杂的系统性挑战。

Noah Shinn：你刚才在短短二十秒里，把我们当前面临的所有核心矛盾和挑战都概括到了。

如果复盘我们的增长历程，不妨先从起点谈起。众所周知，我们目前仍严格执行邀请制内测，外界对此也多有非议。老实说这绝不是为了搞什么饥饿营销或虚荣特权，尽管确实有一部分用户在把它当成某种身份象征来炫耀。但这从来都不是我们的初衷。

我确实有很大的野心，渴望以最快的速度将产品推向最大规模；但我必须以极其负责的方式推进。我绝不能允许一种灾难发生：某天早上醒来，用户规模暴涨了 10 倍，结果 80% 的人却因为底层算力彻底崩溃而无法使用服务。

最初启动内测时，我们其实只发给了大约 200 个人，都是身边的亲友，当时的想法很简单：“帮我们测试体验一下。”作为背景补充，这是一个严格的邀请制机制，每位用户最初拥有 5 个邀请名额。

测试推出去后，第二天新增了 5 个人，第三天又新增了 5 个人，变成了 210 人。当时我们觉得增长很平稳，只是少数用户把名额分享给了朋友。但随后，飞轮开始加速。增长轨迹从最初 1%、2% 的温和递增，迅速爬升到 3%、4%。

当用户体量达到数千人时，社交网络上开始出现自发的晒单与分享——用户纯粹是在自然地展示他们用产品做出的酷炫成果。这直接点燃了增长引擎，日增速一路拉升到 6%、7%、8%、9%，而据我了解，眼下我们每天的环比复合增速已经稳定在 10% 到 11% 之间。

必须说明的是，我们从没有策划过任何博人眼球的营销动作，迄今为止我们在市场营销上的投入是结结实实的 0 美元。我们也没有在运营层面做刻意的干预来推高这个数据。现实情况就是，每天有大约 10% 的存量用户——或者略低一些，因为单人可以邀请多人——决定把手里仅有的 5 个名额送给朋友。这种自发的裂变正以每天 10% 的复合增速持续发生。

这种口碑传播所爆发出的穿透力和能量连我都始料未及，这是我所见过的最极致的口碑裂变案例之一。我每天都会收到形形色色的求码邮件，许多人甚至措辞非常恳切：“能不能给我一个邀请码？我有个朋友手里有名额，但我拿不准自己能不能排进他最重要的 5 个人选里。”与此同时，拿到资格的人又在社交平台上调侃：“我手里还有 3 个名额，先捂着谁也不给。”

围绕这些有限的名额，市场上衍生出了非常微妙的社交博弈。前几天我还看到在 eBay 上居然有人在倒卖我们的邀请码。不知道你刷到没有：一个码能炒到大概 300 美元。大家愿意花真金白银去买一个内测资格，而我们之所以始终保留这道门槛，唯一的目的就是控制增长节奏，守住服务可用性的底线。

接下来，最关键的核心考验就出现了，这也是外界一直在追问的焦点：老牌科技巨头一夜之间就能把新产品推送给全球数十亿用户。即使它们的自然复利增长曲线没有那么陡峭，但它们掌控着无与伦比的顶层分发流量池。而我们虽然每天都在高速复利增长，却并不具备这种可以一键全量触达数十亿用户的底座。这引出了一个极具张力的问题：这两条曲线将在何时何处相交？那个决定胜负的拐点究竟什么时候到来？

随之而来的，是一个更为严峻的难题：算力扩张的陷阱。

这也是我目前必须耗费整整 40% 的心力去焦虑应对的核心瓶颈：这完全不同于以往那些用户暴涨的传统消费级互联网产品。在过去，Facebook 或 Instagram 的用户量翻倍，底层只需承载对应倍数的页面请求和数据读写即可。那同样是一项极其复杂的基建工程——坦白说，这套底座我们也必须搭建。但现在的问题是，当产品所需的推理算力每天都需要以 10% 的速度复合增长时，你该如何应对？我们已经维持这种状态好几周了。

这意味着什么？意味着你所需掌控的算力资源，每过一周左右就要原地翻一倍！

如果按现有算力储备的 2 倍去提前采购，短短一周就会被新用户消耗殆尽；按 5 倍提前采购，不到三周就会再度告急；如果直接加到 10 倍去下注，先不说现金流能否承受，就算提前锁定了 10 倍算力，几周之内也同样会被涌入的新增需求填满。

最棘手的症结在于：你到底该打多大的提前量去锁定算力？我们目前的资源消耗曲线，甚至比早期的 Claude Code、Codex 等编程工具增长得更为陡峭，尽管它们也曾遭遇过指数级的算力压力。

更核心的现实是，算力供应链不同于一般的通用资源采购，不是用户翻倍后你立刻就能在市场上买到双倍的机器。高阶算力的采购与交付周期长达数月。你很难在第二天直接以现货形式买到足量资源；即便能找到现货，也往往要承担高达三到四倍的溢价。而一旦你的增长预测出现偏差，就会造成极其沉重的财务损失。

即便把预期放保守一些：假设我们无法长期维持每天 10% 的增速，增长放缓到 5% 至 8%。但即便只是 5% 至 8% 的日复合增速，只要持续跑上三到四个月——这恰好是算力机柜从下单到通电上线的最短交付周期，而且已经是非常激进乐观的排期——折算下来，底层对应的都将是一亿级用户的算力负载。

你敢现在就为一亿用户去砸钱锁定算力吗？

这就是每天都在我脑海中反复权衡的难题：在这种战略决策上，一旦预判失误，付出的代价将是致命的。

原生主动式 AI：后台自主思考，Token 消耗才刚刚开始

主持人：如果具体来看单客成本和日常的服务开销呢？像我这样的重度用户，每天或每周使用 Instinct，背后的纯推理成本大概是多少？你对这方面的成本规模有大致概念吗？

Noah Shinn：我们目前的核心优势，在于搭建了一套极其高效的工程服务链路。

无论从线上 A/B 测试、内部基准评估，还是跨底层模型跟踪用户留存与活跃度来看，我们在实际体验上都能达到甚至媲美 Opus 5 级别的表现（即当前最前沿的行业基准）。 我们不仅能维持同等水平的活跃度、测试胜率和评测得分，而且边际成本非常低。

目前 Instinct 对所有用户完全免费。我们的初衷始终是以尽可能低且可持续的成本来交付这款产品。虽然现在还无法给出“终身免费”的绝对承诺，但这确实是我的愿景：我希望未来能让所有人终身免费使用它。 而这完全依赖于我们在底层工程基建上的深厚积累。

举个简单的例子：如果直接调用各大模型厂商最顶级的 API，每次请求都按最高费率计费，长期累积下来成本极其高昂。但在用户的日常使用中，很多后台的主动计算任务对低延迟并没有苛刻要求，不需要在几百毫秒内给出响应，而是可以在几分钟甚至几小时内完成批处理。

针对这些需要处理海量上下文的离线批处理任务，在同等算力规格下，我们自研的推理服务架构能带来比通用方案高出 3 到 8 倍的吞吐效率。

当你根据自身的数据流和工作负载特征深度定制这套推理部署体系时，就可以在不同环节持续优化：这里减少 30% 的损耗，那里提升 5 到 6 倍的效率，或者在细节处再挖掘出 10% 的收益。这些工程优化层层复合，最终让我们能以极低的边际成本稳定运行整个系统。

主持人：从更宏观的角度来看，你们如何规划未来的算力储备，需要提前多久准备？如果从长远目标来看——假设产品达到十亿级用户规模——你预计这会带来多大规模的新增算力需求？代码生成工具的算力消耗已经相当惊人，能否给一个参照，让我们直观理解这背后的算力体量？

Noah Shinn：那会是一个非常庞大的数字。只要粗略推算一下系统流转的 Token 规模就能明白：此前在代码生成领域流行的工具，本质上仍然需要用户在前端输入 Prompt，模型在后台运行一段时间后遇到问题再向用户确认，经用户补充后再继续执行。虽然很多步骤是后台异步处理的，也确实消耗了相当大的 Token 量，但整个机制依然偏被动。

而 Instinct 的逻辑截然不同：它在一整天中的任意时刻，都有自主唤醒和休眠的运行周期。

这种架构赋予了它根据当前情境自主决策的能力。比如当你赶会议可能迟到需要叫车，或者它已经为你叫好了车，却发现你还没到达上车点时，它都能在关键节点主动介入协助。这种主动式（proactive）的处理方式，未来会渗透到更广泛、更深入的场景中。

在上一阶段的 AI 标志性产品中，我们已经见识过庞大的算力中心建设，但客观来说，那些产品对主动运行或后台常驻计算的挖掘还非常初级。我们正在构建的是一套原生的主动式架构，被动的一问一答只占极小部分。未来实际需要的算力规模，会比我们过去预估的上限高出几个数量级。

系统越主动，对用户需求的把控就越细致，也就需要更深入的推演和思考去覆盖所有潜在问题与优化空间，这背后底层的计算每分每秒都在高速运转。

比如，Instinct 可能会在早上 6 点自主唤醒，因为它知道你通常 7 点起床。它会提前梳理所有相关信息，确保你一天的日程安排妥当，随后它判断：“现在没必要打扰用户，先保持静默，在后台把事情处理好即可，不用弹窗通知。”到了下午 4 点，它可能发现了一个能帮上忙的重要节点——哪怕用户自己都没意识到这一点，但系统判断这符合用户的实际需求，于是它会在 4 点准时启动，把前期准备全部做好，主动向用户确认，用户只需简单核准授权即可。

你可以想象这背后静默发生的计算量有多大。相比之下，传统的代码辅助工具根本不会产生这种高密度的常驻后台主动推理。我们虽然很难直接给出一个脱离实际的具体数字，但可以肯定的是：随着这种全新产品形态和计算负载特征的落地，行业对 Token 消耗量的认知才刚刚开始。

别盯竞品，去咖啡馆看看：这还是一片没被开发的绝对蓝海

主持人：你怎么看待 Meta 的 Muse？对这款产品有何评价？

Noah Shinn：我认为它做得很出色，我自己上手体验过一段时间，确实很有启发。

Muse 采取了截然不同的解题思路。虽然从底层模型基建的层面上看，各家可能大同小异，但在产品哲学上我认为有着本质的区别。 Instinct 始终追求的是极简与易用，将重心完全放在前面提到的那些软性品质上：真正站在用户的立场，洞察什么才是核心诉求、什么不该去打扰用户，怎样才能把每次任务交付打磨得最省心、最符合直觉，而不是迫使用户去适应复杂的全新软件和界面。未来随着业务发展，我们或许也会针对特定的垂直场景推出独立客户端，但无论如何，Muse 都是一款优秀的产品。

其实我平时很少把精力放在琢磨竞品或行业动作上。因为只要你推门走到大街上，走进任何一家街角的咖啡馆，看看周围有几个人真正在按他们期望的方式深度使用 AI？可以说是寥寥无几。 在硅谷尚且如此，如果放眼全球其他地区，普及率就更低了。所以这依然是一片非常宽广的蓝海市场。 在未来的数月甚至数年里，真正的变革才刚刚拉开序幕。我现在唯一在乎的，就是全力以赴把极致的产品体验打磨出来。

绝不做被动的救火队员：用前置架构驯服模型幻觉与越狱

主持人：这一路走来你们踩过哪些坑、犯过哪些错误，又是如何应对解决的？在这个领域，未知的系统特性和意料之外的故障注定会不断涌现，试错成本极高。你们是如何提前防范潜在隐患，又该如何在突发漏洞出现时快速响应？能否跟我们聊聊打造这款产品过程中那些最艰难的时刻？

Noah Shinn：我认为最核心的原则在于：永远不要沦为被动的救火队员，必须始终坚持主动前置防御——提前洞察有哪些全新的暴露面正在形成，研判可能滋生出怎样的新生系统风险。 这也是我们从一开始就坚持推行邀请制内测的根本原因。

在产品的极早期版本中，我们内部尚未搭建起完备的防火墙机制，也没有上线独立的实时监控体系，忽略了大量必要的基础设施建设，而这些基建正是赋予 Agent 如此高度的自主操作权限时所必须具备的安全护栏。早期版本确实暴露过这类漏洞，但我们进行了彻底整改：没有止步于头痛医头式的简单修补，而是从系统架构的高度重新搭建了一整套机制，从根源上系统性地根治此类隐患。

这里的关键再次重申：用户必须始终牢牢掌握控制权。用户对自身的数据必须享有至高无上的主权。 授权范围完全由用户自己决定；一旦在任何环节感到顾虑，随时随地都可以一键撤销对特定外部服务的授权。

主持人：这引发了一个长远的问题：安全体系的未来究竟走向何方？哪怕是全世界最顶尖的团队，系统里也势必会汇聚海量极具隐私性的上下文和真实数据，而网络安全向来是一个长期的终极课题。历史上那些公开披露的黑客攻击手段之精湛令人心惊，未来的破坏力也只会更强。

你们是否有贯穿始终的底层安全哲学？面对如此巨大的数据暴露面，你们打算如何构筑防线？以往历次技术变革的初期往往都会伴随大规模的数据泄露，面对掌握海量个人数据的责任，你们如何思考这份安全使命？

Noah Shinn：这是关乎企业生死的核心命题。我认为归根结底，必须把对安全、隐私与敬畏的坚守，深深刻进公司的基因、每一位团队成员的意识，以及打造产品的每一个流程之中。

这个话题探讨得恰逢其时。回顾过去二三十年，每当颠覆性的消费级交互新体验出现时，外界的第一反应往往充满质疑与批评，习惯性地将“未知”与“危险”划上等号，我们在今天同样能感受到这种审视的目光。

因此，化解之道唯有坚守底线原则：用户必须对其数据拥有绝对的控制权；无论在任何时刻，决不能让用户产生失控的恐慌感。 接下来，就是通过构建前置主动式防御体系，在风险发生之前全面拦截。

以大家最熟悉的大语言模型幻觉为例，它在生成内容时很常见，但在一款真正落地的 Agent 产品中，绝不能容许模型出现不可控的行为。为此我们部署了一套严密的工程方案：在任何具体动作付诸执行之前、在思维链被转化为工具调用（tool call）之前——也就是任何可能产生实质影响的动作落地之前——它都会被一个在激励机制上与底层 agent 完全解耦的独立审查系统进行全方位的核验与剖析。

主持人：就像一个安全看门狗。

Noah Shinn：就像一个高精度的独立过滤器，能够敏锐揪出问题：“等等，这个专有名词完全是底层模型在采样概率波动时凭空编造出的幻觉。”

事后复盘时，捕捉这类错误其实很直接，而这套防御矩阵目前已经被打磨得非常稳固。我们组建了顶尖的安全红队，每天都在主动对系统发起严苛、复杂的对抗性测试，尽可能覆盖各种隐蔽的边界情况。随着时间推移，系统的漏洞率正在持续大幅下降。

构建这样一个平台的优势在于它具备复利进化的能力。随着对抗性攻防演练的持续深化，随着我们在边界 case 上的探索越来越具有想象力，这些底层模型在抵御各类新型越狱攻击时的免疫力也在与日俱增。

界面终将彻底消融：未来你甚至不需要掏出手机打字

主持人：我们来看天平的另一端。很多人喜欢看历代 iPhone 演变的那张对比图，能直观看到硬件随着时间推移变得越来越精致、纯粹。在你的产品规划里，这条演进曲线是怎样的轨迹？

这个话题很有意思，因为 Instinct 既不是一个独立的 App，也不是某个特定的硬件，而是直接嵌入在现有的通信渠道中，比如 WhatsApp 和 iMessage。随着时间推移，你们正在或计划加入哪些核心功能，让它变得比现在更强大？

Noah Shinn：目前的产品体验甚至可以说是过于简单了。极简一直是我们的核心原则，但我认为，随着时间推移，它还会变得比今天更加纯粹。

虽然我们不排除未来会推出独立的 App，但我坚信长期的演进方向，必然是向着更无形、更自然的交互形态收敛。 未来你真的还需要特意打开 iMessage 客户端、打字、发送，然后停下来等回复吗？

在我们的平台上，已经有一批核心用户完全依赖语音与 Instinct 交互，他们发送的消息中有超过 90% 都是纯语音形式。以我自己为例，我把手机侧面的操作按钮（Action button）绑定了快捷指令，按一下就能直接说：“两小时后帮我联系 Patrick。你应该有他的邮箱，帮我发封邮件。”说完即可，系统到时间会自动发送。我完全不需要掏出手机、解锁、打开 iMessage 再逐字输入。

你可以设想这样的场景：结合低延迟实时语音与声纹识别技术，系统能准确分辨你是在对它下指令，还是在和身边的旁人闲聊。届时你只需要戴上一只普通的 AirPod——不需要昂贵的下一代概念设备，现有 AirPod 的收音和解析能力就完全够用——并且全天佩戴。

当你正在徒步、骑行、散步或晨跑时，耳机里会适时提醒：“有一份合同急需你确认。”你可以直接回复：“好，确认通过。”或者它会提醒：“刚出了一条重要行业新闻，核心要点如下；另外你关注的项目开源了，值得看一眼。”你只需随口应答：“收到，在日历上帮我留出 15 分钟看一眼。”“另一条不重要，直接归档。”“需要我协助的那件事我知道怎么解决，你直接替我回复，就说……”未来的交互会比现在轻松得多。

这里需要兼顾长期愿景与当下落地。长远来看，界面一定会走向极致简化；但在中短期内，确实需要更具表现力的载体来呈现信息。因此我们开发了一个叫“Files”的功能，可以让 Instinct 实时动态生成一个完整的交互式 Web 应用，直观地呈现复杂信息——无论是多天的旅行路书、婚礼筹备方案，还是对视觉排版要求更高的开放式项目，它都能即时渲染并展示给用户。

回顾过去 20 年的软件工程史，有一个耐人寻味的规律：每当你想向用户呈现某种特定形态的数据或信息时，往往就得专门为它做一款独立的 App。随之而来的是漫长的开发周期：立项、编码、测试上架，收集用户反馈说“要是做成那样就好了”，再花上几个月去打磨和发布新版本。为了满足无数碎片化的细分需求，市面上涌现了数百万款独立应用，最终给用户带来了沉重的选择与认知负担。每次遇到新需求，大家总会疲惫地发问：“有没有专门做这个的 App？”

我认为这种模式在未来终将被彻底打破。整部软件发展史，最终都将收敛为一个单一、无感且极易上手的终极交互形态。 但这绝不意味着系统能力的萎缩，恰恰相反，底层系统的能力与边界将会迎来指数级的扩展。

告别具体执行：从单点操作转向追求高维目标

主持人：当我们逐渐告别那些琐碎的命令式任务——比如“我想办这件事，你能帮我执行吗”——当完成具体任务的阻力降为零时，你认为这项技术能带来的最大突破或最具想象力的空间是什么？

Noah Shinn：系统的重心将全面转向自主协助用户去达成那些更高层级、更符合其长期利益的宏观目标（higher-level objectives）。

届时用户提出的需求，将绝不仅仅是“帮我记录一下今天下午的健身打卡：做了哪些动作、完成度如何、数据是怎样的”；而是能从更高维度提出要求：“在接下来的三到四个月里，你能全程配合我，确保我达成这几个长期指标吗？” 现在已经有很多人开始尝试这种用法了，无论是增肌、减脂，还是把一英里配速提升到某个区间，用户只需定义宏观目标，系统就会持续跟进，协助用户逐步落实。

我已经看到一些完全基于 Instinct 运转的小微企业了——整家公司的业务完全跑在 Instinct 之上，后勤、财务法务以及供应链协调都依托它运转，其中很多业务链路甚至已经实现了全自动无人化闭环。以业务管理为例，你只需直接下达指令：“确保这批 SKU 的库存既不缺货，也不要产生多余积压。”这不再是机械地命令它“去帮我补某一件单品”，而是：“调用你手头能使用的一切工具，自主去达成这个业务目标。”

我认为这才是未来。你可以设定很多宏大目标，让系统在更长的时间跨度里持续推进，相关的应用场景不胜枚举。但最核心的趋势是：人机交互的终极演进，必然是从操心具体的单点执行，彻底跃迁为协同推进更高维度的宏观目标。

它不是耍嘴皮子的虚拟人，而是一位有分寸的高级幕僚

主持人：你希望它针对每个人展现出鲜明独异的个性吗？我脑海里不由自主地浮现出电影《她》（Her）中的场景：那个全知全能的超级 agent 与人类用户之间滋生出了一段深厚的情感羁绊。你怎么看待这种维度的产品特质？

在我眼中，Instinct 更像是一个严谨克制、高度可靠且能力出众的幕后伙伴，而不是一个喜欢抖机灵的虚拟形象。你是如何打磨这款产品在性格层面的颗粒度的？

Noah Shinn：你提到了《她》，我可以非常明确地说，情感羁绊或任何带有亲密关系色彩的倾向，绝对不是我们希望 Instinct 去刻意发展或纵容的方向。

如果要我更具体地描绘它在用户生活中应该扮演的角色、呈现的质感：它更像是一个极具社交智商的高级幕僚。 无论走进哪一间屋子，它都清楚知道怎样的分寸最合适，以及怎样才是最契合当下语境的交互范式——而且它能在相处中日复一日地学习沉淀。

哪怕你勉强把它称作一款 App，它也是有史以来可定制化程度最高的 App，因为它不仅能针对不同用户呈现出截然不同的服务面貌，更具备随着时间推移自我进化的能力。

这正是为什么我们在交互细节上倾注了大量精力：去敏锐捕捉用户何时不喜欢某类措辞表达；去捕捉何时因为发送的消息篇幅过长导致用户的回复意愿下滑；去捕捉用户何时并不想点开一份复杂的长文件去理解你在说什么。它会在朝夕相处中悄无声息地参透这些微妙习惯，最终让整套体验变得越来越润物细无声，让用户在使用时愈发感到舒心与自如。

我们无意去强行把某种刻板的性格模板强加在用户头上，而是希望从更高的维度来解决这个问题：赋予系统一种能够自主适应、严丝合缝匹配每一位用户最舒适的沟通范式与任务执行风格的底层能力。

主持人：为什么给它取名为 Instinct（本能）？

Noah Shinn：“Instinct”这个名字之所以深得我心，背后有很多缘由。

最核心的一点在于，Instinct 绝不应该被塑造成一个供你偶尔出气调侃的玩具，一个让你居高临下轻视、仅仅用来替你打扫琐碎脏活的低级仆从。 我认为它代表着一个崭新的、充满创造力且极具专业素养的高维行动主体，人与它之间应当建立起对等的相互尊重与彼此信赖。

用户能感知到安全感，笃信它会在背后默默协助自己，认可它的聪慧、干练，以及在复杂情境下恰如其分拿捏尺度的社交智慧。我很喜欢 Instinct 这个名字并没有随大流地起一个拟人化的普通人名，没有刻意把它包装成一个虚拟人类。

它更像是一种纯粹的意向——甚至连我自己当初都不敢断言“Instinct”到底该如何具象定义；我是随着日复一日深度使用它，才逐渐真切触摸到了这个品牌的灵魂与质感。这赋予了产品一种奇妙的心智优势：每一位走进这个世界的新用户，都能以一张白纸般的纯粹心境切入其中。 他们的脑海中不会预先被某种具象的人格画像、名字或刻板印象所束缚，一切感知皆完全源于产品体验本身。

像水一样随物赋形：拒绝短视快钱，打一场数十亿美元的硬仗

主持人：谁是你的敌人，谁又是你的盟友？在 WhatsApp 的渠道里，你随时面临着被掐断接口的潜在风险——那毕竟是 Meta 的私域腹地，也是你们的核心命脉渠道之一。而 iMessage 则是苹果重兵把守的封闭花园。面对眼下不可避免的竞争现实，你如何看待竞合关系？

Noah Shinn：我其实不太愿意把精力局限在去纠结“Instinct 到底是一个 iMessage 插件”还是“Instinct 到底是一个 WhatsApp 机器人”。

从第一性原理出发，最接地气的本质在于：今天用户最信赖的交互界面到底是什么？他们每天最熟悉、最习惯与之发生交互的管道究竟在哪里？ 我们如何能够借由用户每天早已高频使用的既有通路，顺水推舟地把 Instinct 的完整体验直接交付到他们手中？

我们从未将自己死死绑定在 iMessage 之上。事实上，我们平台上超过 50% 的业务流量根本不跑在 iMessage 上；但不可否认，对于习惯了 iMessage 的用户来说，这种接入方式的认知门槛是最低的。核心始终在于思考对用户而言什么才是最高效务实的路径，而我们会像水一样随物赋形， 唯一的目标就是坚持不懈地交付今天这种极度纯粹、信手拈来、毫无摩擦的极致体验。

主持人：据我所知，你们最新的这轮融资规模大概在 10 亿美元左右，估值已攀升至约 100 亿美元，Sequoia、Benchmark、Coatue 等全球顶级投资机构均重仓领投。伴随着这笔资金的入账，你如何审视公司未来对资本的需求？你又是如何挑选出当下的这批投资合伙人的？

Noah Shinn：我深感幸运，能够与董事会桌旁这群鼎力支持我们的顶尖合伙人并肩作战。他们在过去的科技浪潮中，曾亲身穿越过诸多形态各异、但底层规律相似的技术跃迁周期。

我个人其实建议外界少把目光聚焦在那些估值数字上，多去关注这个赛道背后汹涌澎湃的真实需求——关注市场对于这样一款产品、这样一种体验的极度渴望。 它兑现了大家自这一轮 AI 浪潮爆发以来，期盼已久的那种产品体验。

同时，这确实是一场重度依赖资本投入的硬仗。作为一家刚刚起步的年轻公司，我们立志要以极度亲民、甚至完全可负担的成本，将这种能力在未来每一天分发普惠给全球数十亿普通大众。当我提到“可负担”时，背后的现实是当前的底层算力成本极其昂贵，而我们在竭尽全力用极具性价比的体验去回馈用户，因此整个工程在资本开销上是极其庞大的。

在这个过程中必然需要一段深度的厚积薄发，尤其是如果你深究我们追求的那套底层商业模式的话。我们原本完全可以走一条寻常老路，直接宣布：“从明天起全面推行付费订阅制，平台上的每一位活跃用户每月必须交 100 美元会员费。”眼前确实摆着很多唾手可得的短视快钱。

或者，我们也可以选择引入顶尖资本的支持，将其投入到风险投资真正该去发挥价值的使命上：去承担某些经过精密计算的战略风险——如果在某些垂类行业沉淀交易流水或验证落地体验的过程中出现了一些细小的颠簸，我们可以果断调动资本打提前量，一举跨越险阻。唯有如此，你才能真正挣脱传统软件订阅制那套画地为牢的局部最优解陷阱。

主持人：每次主持访谈，我都会向每一位嘉宾抛出同一个传统的收尾问题：在你的生命中，别人为你做过的最温暖善意的事情是什么？

Noah Shinn：我非常幸运，无论是在科技行业内还是行业外，无论是在我的工作圈子还是私人生活中，身边始终环绕着一群无比出色、与我建立了深厚情谊的师友，能与他们同行让我心怀感激。我也由衷期盼并要求自己，能够始终向他们传递同等分量的善意、温暖与体贴。

我知道我没有正面回答某件具体的事件，我更多是在从宏观的感知层面作答。但这种在日常点滴中流淌的人性质感，才是我真正铭记于心、无比珍视的馈赠。

写在最后：

很多刚关注的朋友常问，为什么我们叫「奇点折射」？

我们的初衷，其实正是那句话：“跨越 AI 奇点，折射产业未来。”

在大模型被铺天盖地的公关营销、资本泡沫与概念炒作裹挟的今天，AI 的爆发看似光芒万丈，但也刺眼而混沌。我们希望做一个坚持原创、拒绝喧嚣的 AI 观察站。将外界复杂的“AI 强光”，真真切切地折射为清晰的未来产业格局与工程现实。

穿透迷雾，看清底牌。👇 欢迎关注「奇点折射」，并设为星标 🌟