Invest Like The Best · 核心结论

阅读导言 · 这期节目真正讨论的是什么

Invest Like the Best 主持人 Patrick O'Shaughnessy 与 BuilderAI / Instinct 创始人 Noah Shinn 的对话，围绕一个被行业忽视的问题展开：如果 AI 已经能执行任务，为什么我们还需要一个个独立的 APP？

Shinn 的核心判断极其明确：不应该为与 AI 交互而新建任何 APP。个人代理应该运行在你已有的操作系统层面——电话、短信、邮件、浏览器——通过这些原生入口执行任务。这与当前"每个 AI 功能都是一个独立 APP/插件"的方向截然相反。

节目的真正关注点不只是"个人代理是什么"，而是 个人代理的商业化路径与信任经济。Shinn 详细拆解了 Instinct 如何从"省钱"到"交易 take rate"再到"注意力经济"三层变现，以及为什么"信任建立需要数周"不是缺点而是产品哲学。

这不是又一个 AI agent 的营销稿。这是一次关于 代理时代的竞争维度将从"算法/数据"转向"信任" 的深度推演。

第一章 · 个人代理的范式转移：从 APP 到原生操作系统（00:00 – 05:18）

Shinn 提出一个核心判断：不应该为与 AI 交互而新建任何 APP。个人代理应该运行在你已有的操作系统层面——电话、短信、邮件、浏览器——通过这些原生入口执行任务。

BuilderAI 的验证路径：先做代理的基础设施层（MCP marketplace、代理托管），再向上构建终端产品 Instinct。这种"先修路再造车"的策略反映了 Shinn 作为 builder 的务实。

要点：

• 当前 AI 产品的竞争维度是"谁有更好的 UI"，但终局竞争维度是"谁更能隐形"：用户不想要另一个 APP，想要的是"事情被做了"。
• BuilderAI 背景：Noah Shinn 此前以 Agent BME（能在没有工程师情况下构建 AI 代理的平台）闻名，积累了大量代理构建和分发的实践经验。
• "无安装"策略：Instinct 通过电话 + 短信 + 邮件 + 浏览器入口实现"零安装"，极大降低采用门槛。

投资含义：如果个人代理运行在 OS 层而非 APP 层，那么现有 APP 生态的价值将被重新定义。能够成为"代理的基础设施"（MCP、API 可代理化程度）的公司，可能比"面向消费者的 AI APP"更具长期价值。

第二章 · Instinct 的产品哲学：用户永远掌控数据（05:18 – 28:39）

Instinct 是 BuilderAI 面向消费者的个人代理产品。它的核心设计原则是：用户始终对数据有控制权，永远不应该感到失控。

Shinn 用具体场景说明价值：订不到的高端餐厅——代理通过关系网络打电话预约；航班取消——代理自动改签到下一班并重新安排酒店；朋友聚会调度——代理协调多方时间找到最优解。

要点：

• 执行模式：代理可以代你完成任务，但每个关键动作需要用户审批。代理不是"替你开账号"，而是"用你的账号、你的数据、你的授权"做事。
• 隐私设计：所有代理思考都有监控体系，用户可以随时查看代理在做什么、为什么这么做。数据归属用户——这是建立信任的前提。
• 与竞品差异：Apple Intelligence / Google AI Pin / Samsung Galaxy AI 聚焦于"短文本/短任务生成"。Instinct 的差异化在于跨 APP 的自主执行——不只是"帮你写"，而是"帮你做"。

投资含义：Instinct 的"无安装 + 跨 APP 执行"策略如果跑通，将绕过传统 APP store 的分发壁垒，这是典型的 PLG（产品驱动增长）路径。

第三章 · 信任建立曲线：三周学习期与 80% 留存（28:39 – 45:00）

Shinn 坦诚分享了一个反直觉的数据发现：建立信任需要数周时间，而且他认为这不是问题。

"你给它的越多，它就越有用。但数据发现：实际上需要数周才能建立信任。我对此毫无异议，因为核心原则是用户应始终掌控自己的数据，以自己的节奏与 Instinct 共享。"

度过最初三周后，用户留存率约 80%——这些人想尝试但天生对新技术谨慎。80% 的留存说明信任建立后的粘性极强。

要点：

• 信任 > 数据 > 算法：在个人代理赛道，最终的竞争维度不是 LLM 能力（commodity），也不是数据规模（可迁移），而是信任。
• 冷启动不是"训练数据不足"，而是"第一次成功体验"的设计：让代理在低 stakes 场景先证明自己。
• 信任是"消耗型资源"：引用多个熟人比推荐一个陌生人有价值得多——因为推荐是"消耗"信任资源。

投资含义：个人代理公司的早期用户流失率可能很高（前 3 周），投资者需要看 3 周后的留存率而非首日激活率。80% 的长期留存是一个强劲的 PMF 信号。

第四章 · 信任图谱：可信人脉与数据共享机制（45:00 – 55:51）

Shinn 深入讨论了 Instinct 的信任图谱设计——你不是孤立地使用代理，而是通过"可信人脉网络"扩展它的能力。

核心机制：你只连接到信任的人，且你可以精细控制共享范围（"只给你日历权限，不要给我整个硬盘数据"）。这种设计将社交信任迁移到了 AI 代理层。

要点：

• 信任网络的双向传播：当你信任我，你也会把 Instinct 连接给我——每个交互都在扩展信任图谱。
• 细粒度数据权限：用户可以精确控制哪些数据对哪些人/代理可见，这不是"全有或全无"。
• 信任破裂的社会成本：如果你的代理错误执行了某个操作，影响的不仅是你和代理的关系，还有你与被影响者的社会关系。

投资含义：信任图谱具有网络效应——每个新增用户都扩展了网络的覆盖范围和价值。这是 Instinct 区别于"单用户工具"的核心特征。

第五章 · 商业化路径：交易 Take Rate 与注意力经济（55:51 – 70:02）

Shinn 将个人代理的商业化分为三层，每层都对应不同的经济模型：

第一层：省钱——代理帮你发现省钱机会（"你这个月省了 $2,000"）。最直观的 value prop，获客利器。

第二层：交易取用——代理替你下单（订酒店、订餐厅、买票）。类比 Stripe 在支付中的位置，代理可以成为"交易的入口"，从交易金额中抽取微量 take rate。平台年交易额正逼近百亿美元，单日就有十亿美元流过。

第三层：注意力经济——代理积累的用户注意力（推荐内容、推荐服务）是最大但最敏感的 monetizable surface。公式：用户注意力/体验占收入的比例——如果代理为了收入牺牲用户体验，就破坏了信任。

要点：

• 交易 take rate 类比 Apple Pay / MX：代理不是Merchant，而是分发通道——用分发能力交换为商家提供产品的权益。
• 注意力经济的终极货币："这些平台最终的货币是用户的注意力"——这是注意力经济的 OS 层。
• 免费 vs 付费的权衡：全面免费会导致滥用（spam、骚扰电话），破坏代理的"人际关系资本"。付费墙是质量控制的必要手段。

投资含义：如果三层变现全部跑通，TAM 是万亿级的。但第三层（注意力经济）与用户信任存在根本张力——这是产品哲学层面的难题，没有标准答案。投资者需要跟踪的是 take rate 的实际水平和用户信任指标（NPS、代理任务完成率）的同步变化。

第六章 · 速度 vs 准确性：代理体验的核心维度（70:02 – 86:00）

访谈深入讨论了 AI 代理在真实世界执行中的核心难题——速度-准确权衡。

Shinn 的观点尖锐而实用："如果你速度对但 accuracy 错，那是糟糕体验；如果你 accuracy 对但速度错，那是烦人但可用。大多数人低估了'速度'这一维度在代理价值中的权重。"

错误成本决定了所需速度——低风险操作可以快，高风险操作需要审批。这不是"全自主 vs 人工审核"的二选一，而是根据场景动态调整控制程度。

要点：

• 速度是代理价值的核心杠杆：代理反应太慢失去价值（航班改签晚了就没座了），太快可能犯错（订错餐厅）。
• 错误成本分级：低风险（订餐厅）可以全自动，高风险（改航班 + 酒店）需要人工审批。
• "Agent vs Copilot"不是二选一：产品哲学是让用户选择控制程度——有些场景要完全自主，有些场景要人工审核。

投资含义：速度-准确权衡的解决能力是代理产品的核心 engineering moat。能在低风险场景实现高速全自动、高风险场景优雅降级到人工审批的公司，将赢得市场。

第七章 · 综合判断：五个核心结论

给投研的跟踪表 · 后续应该验证什么

最终结论

Noah Shinn 的 Instinct 代表了 AI 应用下一个可能的重大方向：从"聊天机器人"到"行动代理人"。与当前市场上大多数 AI 产品（帮你写邮件、帮你生成内容）不同，Instinct 的目标是替你做事——打电话、预约、改航班、协调时间。

最大的不确定性不在于技术能力（LLM 已经足够好），而在于：① 科技巨头是否会通过 OS 层级整合垄断个人代理入口；② 商业化中"用户信任"与"注意力经济"的张力能否平衡；③ 代理执行错误时的责任界定与用户体验取舍。

BuilderAI 的"基础设施 + 终端产品"双层策略使其在技术上具有独特优势，但消费者产品的成功最终取决于产品体验和时机——这正是最值得跟踪的信号。