三周,四家巨头:AI 圈抢的不是模型,是你的「授权」

我做了二十多年影视，这半个月看 AI 圈的动静，第一次有点手心出汗。

不是因为又出了什么新模型。是 AI 开始要「你的账号」了。

从 9 月 8 日到 9 月 29 日，三周时间，四家巨头密集出手。它们发布的产品，共同点只有一个：都不是在对话框里等你打字，而是伸手替你去办事。

我把这半个月的事捋了一遍。这不是几场发布会，是一次集体转向。

一、半个月，发生了什么

最扎眼的不是产品功能，是 Instinct 那条融资新闻。

这家公司做的是同一件事：你发短信或者打电话给它，它用自己的手机和电脑，替你把事办完——订机票、买菜、退掉忘了的订阅。8 月它刚拿了 2.5 亿美元 B 轮，估值 25 亿美元。一个月后，C 轮 10 亿美元，估值 100 亿美元。

一个月，估值翻四倍，团队 14 个人，产品还在内测。

资本市场从来不傻。它赌的不是一个 App，是一个位置。

二、三条路，区别不在智商，在你敢给它多少权限

三家的产品，被概括成三个角色，我觉得挺准：

Muse 是「管家」——处理生活琐事。订旅行、购物、发邮件、管目标。它的关键是「脱离 App」：你关掉应用，它还在云端后台继续干，直到任务有变化或者需要你批准，才回来找你。

Dots 是「同事」——承担持续责任。你交给它一个目标，它记住上下文，哪怕你关了窗口、过了两天，它还在推进；需要授权的时候才联系你。奥特曼举的例子是：让它盯着软件故障报告，有缺陷就开始排查，改完提交给团队审查。

Cue 是「员工」——有自己的身份。这一点最狠：每个 Cue 智能体有独立的邮箱、电话号码、钱包和云电脑。它可以以自己的名义对外发消息、接电话（通话完给你留一份摘要）、在你设定的预算内自主付款。更关键的是可以「组队」——把几个智能体拉进同一个群聊，一个查航班、一个比酒店、一个写方案，你只负责拍板。

看出区别了吗？

它们的分野不在模型多聪明，在你敢把多少权限交出去。

管家，交的是琐事；同事，交的是一段责任；员工，交的是身份和钱包。

三、一个被忽略的共同动作：都给 AI 配了一台电脑

这是我觉得最该被拿出来说的细节。

• Muse：运行在云端虚拟机上，能调用 Instagram 和 WhatsApp
• Dots：每个 dot 有独立的云端电脑和浏览器，还有独立身份管理权限
• Cue：每个智能体一台云电脑，你设备关机它也继续跑
• Instinct：用它自己的手机和电脑办事

为什么这一步是分水岭？

因为过去的 AI，本质是「说」——它给你答案，你自己去操作。现在它有了自己的设备、自己的登录态、自己的身份，它能「做」。

有个说法总结得好：AI 产品的计量单位正在换。从提示词（Prompt），到任务（Task），到持续责任（Responsibility），最后到角色（Role）。

你以前写提示词，是在「教它说话」。现在你派任务，是在「给它岗位」。

四、真正的战场：信任

产品功能都好抄。真正难的是另一件事——你凭什么敢把银行卡交给它。

看几个细节，全是各家在「信任」上砸的钱：

Instinct：8 月它出过事。用户协议里写了「永久且不可撤销地使用用户数据」的条款，舆论炸了，火速修订。现在它主打的是隔离沙箱、短期凭证、身份签名的工具调用，还专门做了个系统来「主动检测幻觉」——在回答成形之前就把错误拦下来。

OpenAI 的 Dots：明确规定你不在场时的「主动研究」只能用只读工具，不能发消息、不能改内容；可能影响账户或分享信息的操作，要过自动审查。

Meta 的 Muse：执行敏感或重要操作前反复向你确认；并且明确说，数据不与广告系统共享。

这些不是营销话术，是信任工程。

一个只会聊天的 AI，错了就错了，重问一遍。一个能打电话、能花钱的 AI，错一次是真金白银，对面还是个大活人。

所以我说：这半个月的真正战场，不是模型排行榜，是谁能拿到你的授权。

授权这件事很微妙——它不是「一次点同意」，是长期累积的：它办事靠谱一次，你多给它一分权限；它翻一次车，你的授权全部收回。信任没有中间态。

五、对我们这些做 AI 内容的人，意味着什么

我不是看热闹。我关心的是一件事：这些东西，什么时候能替我倒掉我手里的重复劳动。

我的三个判断，说给同行听：

第一，你的重复环节，正在排队变成「可外包的岗位」。

那些流程固定、判断标准明确、不用你现场发挥的活——整理素材、批量跑参数、按模板出文案、盯数据——在 agent 眼里已经是「可执行任务」了。前提是你得把它写清楚：谁、在哪、做什么、什么算做完。写不出来的东西，交不出去。

第二，判断力比执行力更值钱，而且会越来越值钱。

拿我自己举例：我搭的流水线几秒钟能出 19 条提示词。但「这一镜结束时，观众应该多知道什么」——这句话机器写不出来，也没人替你写。agent 能执行到超出你想象，但它永远需要一个人告诉它「要什么」。

第三，把钱包和账号留到最后。

我的建议很具体：先从只读权限的活开始交。整理资料、查信息、跑批处理、盯进度——这些坏了不致命。等它连着一个月没出岔子，再考虑给写权限；至于付款权限，那是最后一关，别急。

现在就能做的动作：把你最烦的那件重复活列出来，花十分钟写成一段结构化说明——目标、输入、步骤、验收标准。写完你就知道，它能不能被交出去。这一步，是提前练「当导演」：派活、验收。

最后

这几家的竞争，会在接下来半年里越来越密。产品名你可能记不住，但方向已经很清楚了：

AI 的下一代入口，不取决于它多聪明，取决于我们敢把事情托付给它多少。

以前我们用 AI，是我们求它。以后我们用 AI，是我们雇它。

而雇人这件事，考的从来不是对方，是你会不会派活、敢不敢授权、能不能验收。

你会先把哪一件事交给一个 AI 去办？

评论区说说，我挑三个，讲讲我会怎么给这个「新同事」派活。

本文事实部分依据各家官方发布与公开报道整理（2026 年 9 月）。AI 工具能力以实际使用为准，本文不构成任何效果或收益承诺。