我对站内广告和 AI 下一步的几点看法

《Project Alpha Lyrae》里没有展开的行业判断，放在这里。

一、站内广告

亚马逊站内广告是一门很简单的生意。商家给关键词出价，用户搜索时，平台在正常结果里混进几条出价高、又还算相关的商品。它在亚马逊做了很多年，一年几百亿美元，被普遍看作 AWS 之外最赚钱的一块。

可它的地基，是人的有限。搜「空气净化器」，结果有几十上百页，我只看前一两页，没有时间一件件点开比。商家要抢的，就是这一两页。广告卖的从来不是商品，是用户那点有限的时间和注意力。

大模型来了以后，这份有限开始松动。Muse 也好，ChatGPT 也好，它们知道你是谁、家里几口人、上个月买过什么，也不嫌累，可以在后台替你翻完所有页。更要紧的是，你不必再把自己的问题压缩成一个关键词。

举个例子。一个刚当爸爸的人，连着几周睡不好，白天也没精神。站在搜索框前，他得先替自己做一轮诊断：是枕头不对，床垫太硬，还是该吃点褪黑素？想好了，再把问题压成一个关键词，比如「助眠枕头」，然后在结果页里一页页翻。可他真正的问题也许根本不是枕头，而是孩子半夜要喂奶，工作压力大，睡前还一直刷手机。这些搜索框都接不住，它只认关键词。曾鸣在《智能》里讲过这一层：过去，定义问题的大部分工作是消费者自己承担的。

有了 agent，他可以直接说：「最近总觉得很累，晚上睡不好。」agent 知道他家刚添了孩子，知道他最近常加班，会先帮他把问题理清楚，再决定推荐什么。也许是一个枕头，也许是一副遮光眼罩，也许只是建议他和伴侣轮流起夜。搜索记录的是你的注意力去了哪里，回答的是「你属于哪类人」；agent 关心的是「你正在面对什么问题」。

问题一旦能被完整地说出来，人就会去最懂自己的那个入口说。没有人会在购物 app 里讲自己最近为什么失眠，大家会对那个陪了自己一整年的助手讲。亚马逊也做了 Alexa Shopping，可它难用，而且它站错了位置：它在货架这一层等人，意图却在更上一层被说出来。谁接住了意图，谁就能做更好的推荐，广告嵌在那里也更合理，因为它回应的是一个具体的问题，而不是一个被猜出来的标签。

亚马逊的选择是守。它不让 ChatGPT 和 Muse 访问自己的网站。这是一种贸易保护主义：筑起关税墙的一方，往往是已经没有把握在公开竞争里赢的一方。墙能挡住 agent 进门，挡不住用户换一个地方开口。我跟老板提过两次，去年一次，今年 Muse 出来又一次，组里和 org 都没有往这个方向动。大家仍然在一两页的搜索结果里，为下一个 Weblab 里零点几个百分点的提升拼命。

如果不做出巨大的改变，我看到的结局是这样的：亚马逊零售退化成别人家助手背后的购物仓库，有货、有物流、有价格，却没有了流量入口；广告商则跟着意图走，去上一层的入口竞价。曾鸣在播客里说，旧平台大概率变不成新平台。我不希望这句话应验在亚马逊身上，但守门不是答案。

二、AI 的下一步

那上一层会长出什么？我之前以为这一轮 AI 已经快走到尾声。听了张小珺采访曾鸣的那一期，才意识到我们离终点还远：大模型是蒸汽机，是电，是最底层的互联网；在它之上的电灯、冰箱、洗衣机，浏览器、搜索引擎，更不用说抖音、拼多多那样的原生应用，都还没来。

我们现在做的，大多是把一个现成的工作流里的人拿掉，换成 AI。这不是 AI native 的想法。AI native 是围绕 AI 去搭脚手架，让一整条工作流在它身上跑通。

曾鸣还说，接下来会是智能体的大爆发，agent 会多到数不清，到那时就需要一个 agent 的推荐系统，而推荐的前提是 benchmarking：先把 agent 放到各类任务上跑一遍，才知道什么样的任务该交给什么样的 agent。有点像 App Store，app 多了，人得靠榜单和推荐，才找得到想要的那一个。只是 agent 更难试：一个任务只有真的分发下去、跑出结果，才知道好坏，用户的时间和钱都不够一个个试过去。说到底，这和广告出现的理由是同一个：资源有限，就需要有人按一套标准替你挑。广告本来也是一种推荐。站内广告离开正北之后，下一颗星，也许就是 agent 的推荐。

可选对了 agent，事情也才做了一半。眼下的模型加 harness 加 agent，处处都有摩擦，自主性和准确性都不够，人得一直在旁边盯着，我管这叫 botsitting。曾鸣在《智能》里也写到，在 AI 敢对结果负责之前，人要决策、确认、兜底，能并行的任务就没法无限扩张，瓶颈在人。人越干越累。

要让人从旁边撤下来，就得用每一次任务留下的数据，反过来把 agent 训得更好。insights 在 agent 运行时收集 trace 数据，清洗、分析，拿来提升它的能力；能力提升了，重跑 benchmark 验证；验证过了，进入下一轮。agent 就这样一点点变聪明，一个垂类一个垂类地攻下来。等到要跨 agent 做推荐，benchmark 又会被叫回来，成为推荐的依据。这条循环跑通了，人才能真正离开 loop，让 agent 去做确定的事，人去挑下一个值得解决的问题。

我相信，接下来两三年，大家都绕不开这件事。