社区

高盛交易台负责人Rich Privorotsky写了一篇关于Muse的研报，非常深刻：AI Agent真正可能改变的，是整个经济运行中的摩擦成本。

中秋佳节，分享给兄弟们，希望对兄弟们日后的工作生活投资中有所帮助。

过去三年的AI行情，本质上交易的是“造AI”。

大模型越来越强，需要越来越多的GPU、HBM、服务器、网络、数据中心和电力。

所以市场一直在问：

AI需要多少算力？

但Agent出现之后，问题开始变了。

市场开始问：

如果AI每天替几十亿人工作，它到底能帮整个经济省掉多少时间和成本？

这两件事的区别非常大。

因为经济中其实存在大量非常隐蔽的“摩擦”。

比如你的手机套餐涨价了。

你理论上可以换运营商。

但你需要搜索、比较套餐、联系客服、办理转网。

最后发现一个月也就便宜20块钱。

于是大多数人的选择是：

算了。

保险贵了，不换。

酒店贵了，懒得比较。

订阅服务不用了，懒得取消。

银行卡手续费太高，懒得换。

这就是所谓的消费者惯性（Consumer Inertia）。

很多商业模式之所以能够维持，并不完全是因为产品有多优秀，而是因为：

消费者嫌麻烦。

但AI Agent没有这个问题。

未来你只需要告诉Agent：

“帮我把手机套餐换成性价比最高的。”

剩下的事情全部由它完成。

搜索、比较、联系客服、谈价格、办理。

甚至你都不需要知道具体过程。

保险也是一样。

以前消费者一年比较一次保险已经很不错了。

未来Agent可以每天替你比较。

发现另一家公司便宜，就直接换。

旅游、电商、银行、软件订阅，本质上都一样。

所以AI Agent真正消灭的，可能不是某一个行业，而是：

“嫌麻烦”本身。

这也是为什么我觉得，Agentic AI可能带来一种非常有意思的“隐形通缩”。

因为它降低的不是某一种商品的价格，而是整个交易过程中的成本：

搜索成本、信息成本、人工成本、沟通成本、切换成本、管理成本。

过去一个消费者想换保险，需要花两个小时。

现在可能只需要说一句话。

过去一个企业需要十个客服。

未来可能只需要几个员工管理Agent。

同样的经济活动，可能需要更少的人、更少的时间和更少的中间环节。

这才是AI真正可怕的地方。

而这也解释了为什么最近市场开始重新关注CPU和推理算力。

过去AI主要是：

训练大模型。

所以GPU是绝对核心。

但如果未来变成：

几十亿个Agent，24小时不断替人类执行任务。

计算需求就完全不一样了。

大量任务不需要调用最大的模型。

搜索、分类、比价、调用API、处理邮件、运行软件，这些都可以由更便宜、更高效的小模型完成。

于是AI算力需求可能从今天的：

少数几个超级模型 + 巨型GPU集群

逐渐变成：

海量Agent + 持续推理 + 分布式计算。

这意味着AI行情可能正在从第一阶段的“建设AI”，进入第二阶段的“部署AI”。

但这里还有一个非常重要的问题。

AI提高生产率，并不意味着所有公司都会受益。

因为消费者得到更低的价格，往往意味着企业得到更低的利润率。

过去一家保险公司可以依靠消费者懒得比较来维持价格。

未来Agent天天帮消费者比价，这种优势就可能消失。

所以未来研究一家公司，我觉得可能需要多问一个问题：

这家公司的利润，到底来自真正的护城河，还是来自消费者嫌麻烦？

如果是前者，AI可能帮助它提高效率。

如果是后者，AI可能恰恰是它最大的敌人。

所以Muse真正值得关注的地方，可能根本不是Meta又推出了一个AI产品。

它更像是一个信号：

AI正在从“给你答案”，变成“替你行动”。

过去互联网革命降低了信息传播成本。

移动互联网降低了连接成本。

而Agentic AI可能进一步降低：

行动成本。

如果未来每个人都有一个甚至几十个Agent，每天替我们搜索、比价、购物、订票、取消服务、处理工作，那么今天整个经济体系里，有多少利润其实建立在一个非常简单的前提上：

人类嫌麻烦。

这可能才是未来几年AI最值得交易的第二层逻辑。

过去市场一直在问：

谁能提供最多的AI算力？

接下来可能要开始问：

谁能利用AI，把自己的成本降得最快？

再往后，则是一个更加残酷的问题：

哪些公司的利润，本质上只是建立在“消费者嫌麻烦”这件事情上？

如果Agentic AI真的走到这一步，那么它重写的可能就不只是科技行业。

而是整个经济的 “摩擦成本”。