AI没有慢下来，经济还没接上：Grok Bot揭开的下一轮竞争

> 信源：[Moonshots with Peter Diamandis，EP 283]

Sam Altman在这期节目开头抛出了一个反直觉判断：GPT-4之后，他曾以为软件和经济会被迅速改写，现实却比预期平滑得多。企业还在向原来的供应商采购，员工还在使用熟悉的软件，宏观世界没有按模型能力曲线同步加速。

这并不是说AI停了。OpenAI此前给出的判断恰恰相反：近几年，同等智能的单位成本大约每年下降40倍，但日常生活仍会因为惯性而显得稳定。[能力曲线与扩散曲线正在分叉]。

这期两小时十八分钟的讨论真正值得追问的，不是“奇点是否放慢”，而是：当智能供给已经过剩，为什么经济系统还吸收不了它？

我的答案是，AI没有慢下来，旧接口拖慢了它。

这里的“接口”不是一个技术名词，而是模型输出变成真实经济行动之前必须穿过的全部转换层：聊天窗口、软件菜单、账号登录、API、数据权限、审批链、合规规则、采购流程和责任归属。模型在这些旧接口里面变强，通常只带来更好的草稿、更快的搜索和局部提效；只有当AI能够跨过接口、在真实工具里完成闭环，生产函数才会变化。

问题不再是模型会不会写一封邮件，而是它能否找到客户、更新CRM、起草邮件、等待批准、发送、记录结果，并在失败后恢复。

Grok Bot因此是本期最重要的样本。xAI把它定义为“持续在线的AI队友”：Bot拥有持久化云电脑，可以登录应用、调用浏览器和终端、保存状态，并与其他Bot并行协作。公司给出的内部场景也不再停留在对话，而是销售、运营、财务和软件工程的端到端任务。[官方产品说明]明确提到，一个“chief of staff”式Bot可以管理多个专业Bot，只有遇到判断问题才把人拉回来。

节目中，Emad Mostaque说自己同时运行18个Grok Bot，Dave Blundin则谈到数千个低成本代理。这些是参与者的个人实践，不是大规模生产率统计，但它们揭示了一个结构变化：AI的基本单位正在从“一次回答”变成“一名持续工作的执行者”。

招募一个新代理的边际成本接近于零，复制技能和上下文也远比培训新人快；然而，协调、验收和问责的成本并不会自动归零。企业真正需要的不是更多聊天框，而是一张机器组织图。

低价模型又把这场变化向前推了一步。节目反复讨论中国开放模型与前沿闭源模型的价差，但“便宜100倍”只能在特定基准、缓存和输入输出结构下成立，不能当作普适价格结论。

更重要的不是一个整数，而是数量级下降带来的架构变化：当推理足够便宜，企业不必让最贵、最强的模型处理每一步，而可以让廉价专业模型承担检索、分类、监控和初审，只在高价值判断上调用前沿模型。

NVIDIA主张开放权重的理由也正是“让每个任务匹配合适的模型与成本”，并把前沿能力留给真正困难的问题。[NVIDIA开放权重白皮书]已经把竞争焦点从“谁有唯一最强模型”改写为“谁能让模型扩散到最多工作流”。

这也解释了节目里另一条看似独立的线索：为什么NVIDIA要向模型层上移，为什么Waymo要同时设计芯片、传感器、软件和运营网络。

垂直整合的目的不只是扩大控制权，而是消除层与层之间的等待、议价和失配。芯片公司进入开放模型，是为了让更多模型消耗其算力生态；自动驾驶公司自研关键硬件，是为了围绕安全冗余、成本和车型部署做联合优化。

Waymo公开资料确认，第六代系统把传感器收敛到13个摄像头、4个激光雷达和6个雷达，同时宣称成本显著下降、性能提高。[Waymo官方披露]并没有公布节目所说的“硬件从11.5万美元降到2万美元”，因此标题中的“降本83%”应视为外部估算，而不是公司确认数字。

但即使剔除这个吸睛比例，软硬件协同压低系统成本的方向仍然成立。

真正的反转出现在节目后半段：有了代理之后，人并没有更轻松，反而可能工作得更久。十个代理同时提交结果，会把原本的执行队列变成审阅队列；代理可以机器速度运行，人类的注意力、判断和承担责任的能力却不能同比扩容。

这是一种“认知版杰文斯悖论”：一次任务越便宜，值得尝试的任务越多，最终消耗的判断力反而上升。AI先消灭的是执行稀缺，随后制造的是决策拥堵。

因此，多Agent经济的核心瓶颈不会长期停留在模型智力，而会迁移到控制平面：谁有权访问哪些系统，什么动作可以自动执行，什么情况必须升级给人，结果如何验真，错误如何追溯，多个代理如何避免共享同一个错误前提。

Grok Bot的官方文档本身就暴露了这个矛盾：同一用户的所有Bot共享一台持久化云电脑，也共享文件、浏览器会话和应用登录，并不具备彼此独立的安全边界。[这让协作更顺畅，也放大了权限与凭证风险](网页链接)。

当一个错误信念可以被数百个同源代理瞬间复制时，“让代理管理代理”既是扩展方案，也可能成为故障放大器。

这给下一阶段的产品和投资判断提供了更可靠的坐标。衡量一家企业是否真正进入Agent时代，不能看它部署了多少机器人，也不能只看节省了多少Token，而要看四个指标：端到端任务的一次通过率、每个有效结果消耗的人类审阅分钟数、返工与权限事故率、异常能否在造成损失前被发现。

如果代理产出增长十倍，而人的审阅时间、返工和风险也增长十倍，那么所谓“智能扩散”只是把瓶颈从队列前端搬到了后端。

视频最有价值的结论因而不是“奇点晚了”，而是产业竞争已经换题。上一阶段争的是谁能训练出更聪明的单一模型；下一阶段争的是谁能建立机器组织的操作系统——权限、上下文、评测、可观测性、任务路由和升级机制。

模型会越来越像可替换的劳动力供给，真正沉淀复利的资产，则是企业自己的工作图谱、判断标准和责任边界。

AI能力没有减速。它只是撞上了一个尚未为机器速度设计的经济系统。最先拆掉旧接口、又能把新风险关进制度笼子的公司，才会把智能曲线真正变成收入曲线。