Muse只是起点,AI Agent真正要重新的是整个经济的摩擦成本

先问一个扎心的问题:上一次你因为「懒得弄」而多付钱,是什么时候?

保险到期自动续费,贵了 30%,你懒得重新比较几十家;视频会员、网盘、健身 App,每个月默默扣钱,你甚至忘了自己还在付费;手机套餐两年没换,合约早到期了;退款要打电话、发邮件、等客服,你算了算时间成本,干脆放弃。

这些小事撑起了一个隐形经济:很多公司的高利润,不是产品无可替代,而是消费者嫌麻烦。

高盛 One-Delta 交易台负责人 Rich Privorotsky 最近提了一个更大的判断,把这件事讲透了。X 博主 M 的解读长帖(4.7 万浏览)把它拆开揉碎,这篇文章顺着这条线整理——先说判断本身,再说它背后的经济学,最后说它对 AI 行情意味着什么。

源帖:X 上 M 的解读长帖,4.7 万浏览

01高盛交易员说了什么 THE CALL

先交代人物:Privorotsky 是高盛 Delta One 交易台的负责人,今年在 AI 交易面上一直有尖锐观点——7 月 Meta 宣议「算力外售」时,他就提醒过市场的前提假设一直是「算力稀缺」。

这次他的目光从 $META 的 Muse 身上移开了。Muse 是 Meta 9 月初正式发布的个人 AI Agent,官方定位是「理解你的目标、7×24 小时替你把事办成」。但 Privorotsky 认为它只是起点,真正的判断是:

Agentic AI 正在开始消除整个经济体系里长期存在的「摩擦」,这可能带来一次真正的生产率跃升,并形成结构性的去通胀力量。

过去三年的 AI 牛市,市场交易的是一条硬件链:训练模型 → GPU → HBM → 数据中心 → 网络 → 电力。而下一阶段,市场要交易一个完全不同的问题:当 AI 真正进入日常经济活动,它到底能替人类省掉多少时间、成本和中间环节?

02「嫌麻烦」经济学 THE INVISIBLE ECONOMY

这条判断最锋利的地方,是它点破了一个我们从不说破的事实。

保险续费涨价了,你懒得重新比较几十家公司。手机套餐贵了,你懒得转运营商。酒店价格高了,你没时间每天重新搜索。订阅服务每个月继续扣钱,你甚至已经忘记自己还在付费。退款需要打电话、发邮件、等待客服,很多人最后干脆放弃。

这在行为经济学里有个名字:Consumer Inertia,消费者惯性。过去消费者的时间有限,所以很多公司实际上可以从「麻烦」本身赚钱。

消费者惯性:五件你也在做的「懒得弄」

而 Muse 这样的 AI Agent,攻击的恰恰就是这种摩擦。想象你的 AI 可以 24 小时替你比价、取消订阅、申请退款、重新谈账单、找更便宜的保险、比酒店、订机票甚至完成支付——过去建立在消费者「不想折腾」之上的商业模式,地基就松了。

所以 Privorotsky 说 AI 最先消灭的未必是某一个行业,而是「麻烦」本身。把镜头拉远看,这是第三次成本革命:

●互联网降低的是信息传播成本;

●移动互联网降低的是连接成本;

●Agentic AI 下一步降低的,是行动成本。

三次成本革命:信息成本 → 连接成本 → 行动成本

当前几亿消费者都拥有一个永远不会累、永远愿意比价的 Agent:保险公司更难靠「客户懒得换」维持高价,旅游平台必须证明佣金真的创造价值,长期不用的订阅被自动取消,信息差、搜索成本、时间成本、人工成本、中间环节——这些长期存在的经济成本被逐层压缩。

经济「摩擦」的五层构成:Agent 压的是总厚度

03行情三段论,和 CPU 的意外翻身 FROM SHOVELS TO PRODUCTIVITY

(先声明:以下是高盛交易台观点的转述梳理,不构成任何投资建议,文中公司名仅为逻辑例证。)

帖子里把 AI 行情分成三段:

第一阶段:AI 基础设施重新定价。 GPU、HBM、网络、数据中心、电力率先上涨——无论哪个模型胜出,都得先买算力。这一阶段的赢家清单很好理解:英伟达、AMD、台积电、博通,以及一整条配套链。

第二阶段:Agent 平台重新定价。 Meta 的 Muse 只是最近最明显的案例。这一阶段的价值开始从基础设施向整个经济扩散:企业减少后台人工、客服效率提高、营销更精准、库存管理改善、开发周期缩短、采购和供应链自动化——第一阶段赚的是「建设 AI」的钱,第二阶段赚的是「用 AI 提生产率」的钱,两轮的受益公司可能完全不同。

第三阶段:整个经济的生产率重新定价。如果 Agent 真的大规模进入企业和消费者生活,受益范围才会从科技股扩散到更广泛的权益市场。帖子作者判断:我们现在大概站在第二阶段的入口。

AI 行情三段论:现在站在第二阶段入口

这一段里最反直觉的是 CPU 的翻身逻辑。过去生成式 AI 的硬件叙事约等于 GPU——训练和大规模推理都吃 GPU。但 Agent 不是回答一个问题就结束:它要打开浏览器、运行操作系统、调用 API、处理文件、管理数据库、执行代码、安排任务,甚至同时跑多个 Sub-Agent。

这些全是传统计算负载。如果未来不是几亿人偶尔问 AI 一个问题,而是几亿个 Agent 每天在后台连续工作几个小时,计算需求的结构本身都会变。老公式「AI = GPU」不够用了,更完整的写法是:

AI Agent = GPU + CPU + Memory + Storage + Networking + Power

公式变了:从 AI=GPU 到一整台数据中心

Agent 运行越久、调的工具越多,整台数据中心被吃掉的资源就越多。

04真正的悬念 THE REAL QUESTION

按惯例泼冷水。Privorotsky 自己也没说这是一路通途:季节性仍在、实际利率偏高、地缘风险没消失、市场宽度不理想——只是仓位和情绪没到极端乐观,所以仍有向上空间。再往深一层:Agent 真正进入大众日常还早,Muse 只是第一批入口产品;而 Privorotsky 本人在「算力稀缺」前提被打破后一直偏谨慎,这个判断本身也是一家之言,适合当观察框架,不适合当口令。

真正值得带走的是帖子结尾那个问题:

当几十亿个 AI Agent 每天替人类工作、购物、谈价格、管理订阅、完成交易时,今天哪些看起来稳定的行业利润,其实只是建立在「人类嫌麻烦」这件事上?

三步,今晚就能做:

1.盘点你的「惯性支出」:把每月固定扣费过一遍,标出那些你续费只是因为懒得比的项——那就是你个人版「摩擦成本」清单;

2.把这条判断当筛子,不当口令:下次看到「AI 降本」叙事的公司,先问它省的是真人工还是真空话,摩擦变薄的受益方和受害方分别是谁;

3.盯一个信号:下个财报季,看「使用 AI 提利润率」的表述是不是从科技公司的措辞,扩散到了保险、零售、旅游这些传统行业——那才是第三阶段开门的声音。

卖铲子的钱赚完了,下一轮赚的是用铲子的人的钱。而最先被重新定价的,可能是你那份没取消的订阅。