个人AI代理的评测格局、主要用例、主动性壁垒与代理商务——Assistant Benchmark创建者David Pawlan访谈要点梳理（a16z，2026-09-29）
——据a16z节目《We Tested the New Wave of Personal AI Agents》（2026-09-29）整理
摘要：本文对a16z普通合伙人Anish Acharya对谈个人助理评测基准Assistant Benchmark创建者David Pawlan一期节目的主要观点进行了梳理汇总。梳理了个人AI代理的市场格局、评测方法与主要用例，介绍了交互界面、人格设定与主动性壁垒以及代理商务对电商和订位平台的影响，最后阐述了行业收费情况与单用户成本。据Pawlan统计，目前各类个人助理产品共122款，其中65款收费、13款完全免费；Assistant Benchmark上线16天，网站访问者超过10万；据Acharya团队估算，以较高标准提供此类服务的成本约为每用户每天20美元。
关键词：个人代理；消费级AI；代理商务；应用层护城河；单位经济；Assistant Benchmark；David Pawlan；Meta Muse
一、市场格局与评测基准
个人代理产品在过去四周内集中涌现，Pawlan以相同提示词横向比较各产品的实际完成情况。
（一）个人代理热潮的演进
Acharya将AI生态的关键时刻归纳为三个：一是2022年11月ChatGPT问世，用户开始感到在与“合成的人”对话；二是编程代理，Claude Code与Codex使软件开发变得十分容易；三是近期Instinct、Muse等产品带动的个人代理热潮。
Pawlan表示，这一领域在过去四周内迅速升温。据其介绍，一是Poke是较早进入市场的消费级AI代理之一，其特色是用户与代理就付费金额进行谈判；二是11月下旬OpenClaw发布，引发广泛关注；三是近期Instinct在科技圈社交媒体上走红，随后Grok Bot、Muse以及一批长尾产品相继出现。他认为，目前各方均处于摸索阶段。
（二）Assistant Benchmark的评测方法
据Pawlan介绍，Assistant Benchmark是一个按用例比较各AI助理的网站，其做法主要包括三点：一是向所有助理发出相同的提示词，如“帮我订一张去芝加哥的机票”“在我所在位置五个街区内找一家素食餐厅”；二是考察单次提示下的实际结果，包括任务是否完成、是否追问、回复速度如何；三是在16个维度上进行横向比较。他表示，该基准面向消费者，回答的是“要订机票该用哪一款、谁表现更好”这类问题。
据其介绍，该项目起于他本人的市场调研，上线16天以来网站访问者已超过10万，几乎所有相关创始人均与其取得联系。
（三）产品分类与数量
Pawlan将现有产品分为两类：一是面向消费者的通用型代理，如Instinct、Muse及若干长尾产品，网站上通用类别目前有64款，其下还可细分出旅行、邮件等专门产品；二是面向企业工作流的助理，定位更接近高管助理。据其统计，各类别合计122款，他本人实测过其中26款。他表示，目前绝大多数产品都在做通用型代理，试图覆盖全部任务。
二、主要用例与成本节约型代理
Pawlan认为，普通消费者对效率提升的兴趣有限，能够在后台替用户省钱的“隐形”代理更可能胜出。
（一）社群讨论中的用例排序
据Pawlan介绍，他参与了七八个专门讨论AI助理的群聊，成员合计超过1200人。按讨论热度排序，一是日常事务，如清理收件箱、代填表单；二是代理编排，即如何找到效率更高的代理、如何让代理之间相互沟通；三是开发，如通过短信调用Claude Code，或由设计师以短信方式对设计文件作小幅修改；四是旅行；此外还有金融类用例。
他同时指出两点：一是旅行在传播热度上往往居首，如代办值机、代订机票，但多数人并不每天出行，这类用例更多起到吸引注意的作用；二是这些群聊的成员以科技圈人士为主，并不代表整体人群。对于金融类用例，他认为用户拿到代理后的第一反应往往是让其替自己赚钱，这类用法实用性偏低。
（二）成本节约型用例
Acharya提到，Ben Thompson近日在TBPN节目中表示，多数消费者想要的是消磨时间，对节省时间的兴趣有限。Acharya总体认同这一判断，同时指出，美国消费者的财务事务存在大量行政负担，许多利润池建立在消费者的惰性或信息不足之上，代理有望把这部分利润返还给消费者。
Pawlan表示，普通人并不在意效率提高10%；人们雇用助理是希望其“隐形”，把事情办完后告知结果即可。他认为主动性较好的用例多集中于金融类别，成本节约型工作流将大量出现。其举例有三：一是有用户让代理梳理过去一年的收据、申报健康储蓄账户（HSA）报销；二是他本人订机票后，一旦票价下跌，助理即联系航司为其争取旅行抵用金；三是其友人将Grok Bot接入家中洒水系统并关联天气数据，水费因此下降50%。
Acharya补充，美国消费者对“白得的钱”比对“省钱”更感兴趣，HSA报销、机票差价退款给人的感受正是前者，这将成为有力的吸引点。
（三）垂直连接器与通用代理
Acharya指出，旅行与金融均属低频、高价值行为。Pawlan认为，此类品类可能出现一家独立胜出的产品，但总体上更可能以连接器的形式接入通用代理。Acharya表示，这类业务仍可能成长为十亿美元级别的垂直连接器企业。
三、交互界面、硬件与语音
两位嘉宾认为，界面与硬件形态将随消费者偏好分化，语音在用户双手被占用的场景中作用突出。
（一）短信与独立应用
Pawlan表示，目前主要有两种交互界面，即iMessage短信与独立应用，另有初创企业尝试以iPhone小组件作为第三种界面。
Acharya认为，界面选择取决于消费者偏好，可能沿两个维度分化：一是代际，据其了解，Z世代更习惯发短信，千禧一代与X世代更习惯应用界面；二是性别，他以自己与妻子为例，妻子规划目标与出行时倾向可视化界面，他本人则偏重功能，并称这只是粗略概括。他表示，iMessage在手机上处于较为特殊的位置，交互更具私人属性；若未来每隔一个对话都是代理，这一点将发生变化。Pawlan表示认同，认为短信是用户本已停留的场所，不构成额外的工作流。
（二）Muse Charm与硬件形态
据Pawlan介绍，扎克伯格与Muse团队于节目录制前一日发布了硬件产品Muse Charm。
Acharya认为，硬件形态将高度取决于个人偏好；随身、环境感知式的设备可以记录一天中的情境、请求与承诺，具有价值，社会对隐私的预期则需要共同摸索。他还认为纯音频眼镜可能成为一匹黑马，部分用户希望获得技术连接，同时避免摄像头带来的社交尴尬。
Pawlan认为，Muse Charm的主要意图在于为Meta采集现实世界数据：一是该设备带有一个摄像头与多个麦克风；二是他预计该设备难以被大众普遍采用，主要使用者将是科技圈人士；三是由此获得的大量数据可服务于扎克伯格描绘现实世界的元宇宙设想。对于眼镜已能提供此类数据的疑问，Pawlan表示眼镜不会像Charm那样始终开启，Acharya表示认同。
（三）语音交互
Pawlan表示看好语音与音频。据其介绍，ChatGPT语音于节目录制前一日开放连接器，可接入Gmail与日历；他于录制当日早间骑车上班，在约30分钟的路程中以语音完成了邮件分类与标签归档、回复邮件、发出日历邀请，到达办公室时收件箱已清空。他称这是其在AI助理领域的第二个“神奇时刻”。Acharya补充，该功能为全双工语音，可查看用户的全部对话线程，Muse与Instinct目前尚不具备；扎克伯格已宣布全双工语音，Muse可能很快跟进。
Pawlan认为，对普通消费者而言，助理在用户双手被占用时用处更大，如做园艺、做饭之时。他表示，大众采用的关键在于解决真实痛点，例如收到交通罚单后拍一张照片，即交由代理代为缴纳。
四、多人场景、人格设定与主动性
Pawlan认为人格设定易于配置、难以构成护城河，主动性具有较强的防御性，其边界把握直接关系用户信任。
（一）群聊中的三种做法
Acharya表示，就其体验而言，把代理加入群聊往往显得具有侵入性，甚至折损社交资本。Pawlan归纳了三种做法：一是传统方式，把代理直接加入群聊；二是Instinct的代理网络，用户邀请对方的代理，双方代理在后台代表各自用户沟通并回报进展；三是“静默”方式，代理加入群聊后只旁听、做记录，如有待办事项则在单独的对话中提醒当事人，用户可另行查看其记录。他认为第三种做法较有意思，代理承担了多人场景下的事务性工作，且不打扰群内多数人。
Acharya认为，模型在编程等可验证领域进步迅速，在文字质量与待人方式上的进步则已趋于停滞，现阶段代理对群体社交的增益有限，功能性较强的用法更易被接受。
Pawlan补充，业界可能把代理过度拟人化：部分公司采用AI生成的人类形象，令用户感到不适；Muse采用雪怪形象，受到广泛喜爱。
（二）人格设定的可配置性
Pawlan表示，每个人偏好的沟通风格不同。Poke的个性较为鲜明，他有不少朋友因其言辞尖刻而不愿向其提供个人信息。他认为人格难以构成护城河，原因在于配置十分容易：用户只需以短信告知偏好的回应方式，代理将其写入记忆即可。他预计，届时领先的通用代理将高度可配置。
Acharya则提出，在人格之外，代理的“自作主张程度”可能下沉为能力层面的差异：一是部分任务需要代理高度自主，用户宁可接受10%的出错率以换取事情办成；二是金融类代理需要高度审慎；三是代理在模糊情形下如何取舍，可能带来更多防御性。
（三）主动性的壁垒与边界
Pawlan认为，主动性具有很强的防御性，将成为领先者与其余产品的分水岭，即代理能否在用户未提出要求时即代为行事。他表示，迄今较受关注的案例是代办航班值机。
在边界问题上，他将工作流分为两类：一是需要用户一方改变行为的事项，如代理发现用户的保险费率偏高、建议更换保险公司，此类事项应事先取得用户许可；二是无需用户采取行动的事项，如代拟邮件、代为争取机票抵用金，只为用户节省金钱与时间。他指出，二者之间的界线十分微妙，代理一旦越界一次，即可能失去用户的全部信任。
Acharya认为，助理只能完成用户交办的事项，代理则具有能动性，可主动促成结果；相当一部分“神奇体验”正来自代理的自作主张，若社交媒体上无人发帖讲述代理替自己做了什么，反倒说明代理在这一方向上推进不足。
（四）产品同质化与专业化方向
Acharya表示，OpenClaw时期形成的基础能力如今已被产品化，普通消费者得以使用。他认为Poke若晚六个月起步可能成为赢家，该团队目前已并入Cognition。
Pawlan表示，当前的消费级代理基本是预先配置好的OpenClaw，个人助理领域尚无OpenClaw或Hermes做不到的功能，差别在于用户无需自行配置、不会频繁遇到报错、界面易用。他判断行业将沿两个方向演进：一是主动性继续增强；二是高度专业化，例如专门服务于育有三岁以下子女的单亲母亲的助理，此类产品也可以插件形式接入通用代理。
Acharya介绍了其“窄创业”的设想：一是如今可以为很少的用户构建价值很高的软件，已有用户每月支付200至300美元的先例，数万名用户即可支撑年化1亿美元的收入规模；二是比较优势将来自品味与专有知识，如同优秀的礼宾人员，其品味难以复制；三是专有数据，如仅服务于纽约市的个人代理。
五、代理商务与代理间交互
代理成为新的流量入口后，电商与订位平台的应对出现分化，推荐机制与代理间交互的基础设施尚待形成。
（一）亚马逊与Shopify的不同选择
Acharya将互联网分为内容、商务与应用三个部分，认为内容一端承压已久，商务一端表现良好，应用一端自编程代理推出后明显上行。据其介绍，本周Shopify选择接纳Muse，亚马逊（Amazon）则选择封锁Muse。
Pawlan认为，两家的商业模式截然不同：一是Shopify致力于降低商业门槛，帮助普通商家尽可能多地销售，代理进一步放大了这一效应，对其十分有利；二是据其表述，亚马逊的盈利主要来自广告收入，一旦交易环节不再有人的注意力，广告体系即失去作用，若任由代理下单而平台无法取得广告收入，其利润将被明显削弱。他判断，亚马逊需要找到代理代购情形下新的盈利方式。
Acharya认为，亚马逊不愿被去中介化，其所担心的除广告收入外还有冲动消费的流失，这一判断有其道理。他同时提出，代理会尝试给用户制造惊喜，本身可能在一定程度上成为“冲动购物者”，营销、冲动消费与广告仍将发挥作用，但需要转型。
（二）餐厅订位与供需匹配
Pawlan表示，餐厅订位是尚未被充分触及的领域，Resy已开始关停使用浏览器自动化工具订位的账户；若任由代理瞬时抢订，以人为中心的订位平台将难以维持。他提出，当人人都有代理、处于同一起跑线时，可能出现两种走向：一是主导权回到餐厅，由餐厅按忠诚度、平均消费等标准决定把座位给谁；二是演变为代理之间的竞价。
Acharya将商务场景分为两类：一是供给受限型，如热门餐厅座位，在信息充分的条件下，餐厅希望接待平均订单金额（AOV）与客户生命周期价值（LTV）较高的客人，同时保持接近满座，独有供给的重要性将上升；二是需求受限型，可能出现类似团购的形态，一组买家提出需求，商户前来竞价，比拼体验与价格。他指出，需求聚合早已存在，以拍卖方式聚合供给并使消费者受益的机制则尚属空白。
（三）推荐机制与长尾供给
Pawlan提出，代理商务中的推荐机制尚待形成：用户让代理“买几双白袜子”，市面上约有2万种白袜，代理并不知道用户偏好哪一种。他认为Muse可能具有先发优势，Meta掌握用户在Instagram与Facebook上的数据，对用户偏好的了解更充分。
Acharya认为，代理可能为长尾供给带来机会：代理可以遍历全部选项，在不受不当激励影响的前提下为用户匹配，例如推荐Etsy上一位内布拉斯加州手工织袜的卖家；进一步看，代理之间可代表各自用户撮合供需，形成频率更高的次级经济。他表示，代理可自行评估产品质量并据此选择，品牌偏好则须经用户明确认可。Pawlan认为，这为真正与消费者利益一致的互联网打开了大门。
（四）代理原生基础设施
Acharya提到Moltbook的经验以及Instinct的代理互联网络，认为未来将出现只为代理间交互而存在的基础设施与产品。Pawlan表示这是一个全新范式，主要涉及三个方面：一是代理专用的邮箱与电话号码；二是服务业形态的重塑，订位将由“人对人”演变为“代理对代理”；三是安全，互联网先行、网络安全随后，代理同样如此，代理安全将催生新的行业。他认为，大量初创企业将围绕这些细分问题出现。
六、收费模式与单用户成本
据Pawlan统计，多数产品采取收费模式，领先的Muse与Instinct则为免费；Acharya认为长尾企业面临较大的成本挑战。
（一）收费情况
据Pawlan统计，在122款产品中，收费产品65款，其中35款为完全付费，30款为免费增值模式，即用量达到上限后须付费；完全免费的为13款。他指出，Muse与Instinct均为免费且处于领先位置，OpenAI据称也将于近期推出新产品，长尾初创企业为何收费、如何胜出是有待回答的问题。
（二）单用户成本与定价
据Acharya团队估算，以较高标准提供此类服务的成本约为每用户每天20美元，对一家初创企业而言每年可能达到数亿美元。他认为有两点积极趋势可以期待：一是浏览器操作的成本应呈通缩态势，快速下降；二是token价格此前已大幅下降。他同时提示，初创企业若押注成本在6个月内下降，多少带有博弈性质。
在定价上，Acharya表示不希望看到补贴成为产品的主要价值主张，更期待出现每月收费1000美元、消费者仍乐于支付的代理；据其观察，人们每月在许多非必需品上的支出即达到这一水平，这样的代理将同时受益于高度的产品市场契合与成本下降。
总的看，Pawlan认为个人代理的竞争将以主动性分出高下，能够在后台替用户处理事务、节省开支的“隐形”代理更可能获得大众采用，代理商务有望推动互联网与消费者利益趋于一致；Acharya认为，以较高标准提供服务的成本约为每用户每天20美元，长尾企业面临较大挑战，可以期待的是浏览器操作与token成本的下降，以及消费者乐于付费的高价值代理的出现。