Instinct创始人访谈：个人AI助手、信任飞轮与软件的重构

这可能是软件史上最激动人心的一场竞赛，赌注以万亿美元计。我一年前创立了Instinct，我们在做个人助理——我不想用花哨的词包装它，它骨子里就是个个人助理。它能这么快爆发，原因很简单：它真的跑通了——跑通的方式，正是我们所有人自2023年第一次用上ChatGPT以来日夜期盼的那样。

这和以往任何消费级应用的叙事都不同。不是创始人跑出来画饼说"请相信我的愿景，几年后你们就懂了"。今天，你、我，每一个普通用户，脑子里早就对AI该长什么样有了清晰的预设：一个能替你处理现实生活中几乎一切事情的代理——耗时的繁琐杂务，或即兴的创意想法。它就是日常智能，时刻陪伴，随时行动。

它必须有极简的界面——极简到什么程度？我们根本没做App。Instinct不是新软件，不是新工具，而是一种新体验。它拥有自己的手机和电脑，你可以直接给它发短信、打电话，它也能打给你。

接到过。不过在过去几个月的高频使用里，它总共也就给我打过三次左右。它的逻辑非常克制：只有某件事极其紧急、又有不可逾越的截止时间，它才会打进来。比如它会说："抱歉打扰，但这份文件必须在下午3点前签，现在已经2点55分了，邮件就在你收件箱顶端，需要的话我可以再发一封把它顶上去。"这背后是极高的社交情商和语境感知。

同时它有自己的邮箱。千万别把"界面极简"误解为"能力受限"——人类与真正高级的AI打交道，本来就不该再去学任何新软件。它应该像真人一样，凭情商和社会常识融入你的协作网络。它背后有一整台虚拟电脑，理论上你在互联网上能做的事，它全都能做。

美网那个很多人都知道了：一对情侣的镜头上了球场中央的Jumbotron大屏，他们想要转播抓拍到的特写视频。Instinct在没有现成下载入口的情况下，自己摸索互联网、找到数据源，把那段素材抓回来，打包发给了他们。

但我个人最喜欢、而且正在变成高频日常场景的，是网购和穿搭。一群用户把衣帽间里每一件衣服、裤子、袜子、鞋都扫描录入，同时扫描自己的身体数据、面部轮廓和身材比例，让Instinct规划整整一周的穿搭。它给的反馈不是一张"周一穿白T配牛仔裤"的文字清单，而是直接生成用户本人穿上这些衣服的拟真全身图——"你今天穿这一套出门的真实模样"。

这套能力直接打通了全网购物。用户说："拿着我的身形数据和现有衣橱，去全网挑衣服。"Instinct从成千上万个电商网站抓取单品，组合出海量的穿搭方案，渲染出用户"试穿"的效果图。用户扫一眼，指着一张说："这套喜欢，直接下单送到我家。"甚至有人设了每日任务："每天早上为我设计三套全新搭配推送给我"——点一下确认，新衣服就在路上了。

目标导向的财务场景非常火。比如定个目标"帮我在某月前省下这笔钱"，它会陪着你一步步推进。更激进的是，很多用户直接把银行账户授权给了Instinct。它会扫描所有的历史账单和周期性订阅，然后发消息问："这项每月扣款的服务你真的还在用吗？"用户一看："我都不知道我还订了这个！"

传统的记账类金融科技App，最多弹个通知建议你"去取消一下"。但Instinct是端到端全自动闭环：自己打开浏览器找到网站，需要邮箱验证码就自己去邮箱里取，一路点进最深层的解绑页面完成退订。最后只发一条简短消息："搞定，本月已为你节省2000美元。"

没错，彻彻底底地完蛋。这对广大消费者是一场巨大的解放。

上线才十天左右。做它的初衷不是造个噱头，而是解决高负荷职场人最痛的一个场景：约时间。现代职场人每天大把精力耗在开会约时间上，定个会的流程繁琐至极："周三下午行吗？""不行，周四可以。""周四我在出差，跨时区，那周五呢？"这种冗长的文本拉扯极其耗费心力。

但如果沟通的双方都在用Instinct，他们本来就在各自的对话框里跟自己的AI商量日程——为什么不让两个Agent跳过人类，直接在底层建联？两边Agent的目标只有一个：高效敲定最合适的时间，省去一切社交客套。用户只需要输入一句意图："这周内想和某某见一面，优先这几个时间段，帮我搞定。"两边的Instinct瞬间协同对齐，把定好的日程同步到双方日历上。

关键在于，我们把它定义为"可信人际网络"——你只能开放给物理世界中真正信任的人，它不是可以随便加好友的社交图谱。系统提供了非常颗粒化的权限控制：夫妻可以把彼此的Instinct深度绑定、权限全开；而面对工作伙伴，规则可能是"工作日历对你可见，特定项目文档可以从我收件箱调取，其余私人日程、财务往来、邮件全部物理隔离"。

更妙的是，它把物理世界的社交声誉约束映射了进来。比如，我基于信任对你开放了日程，但如果你的Agent在底层试图索取超出授权范围的邮件，我的Instinct会立刻拦截，并给我发一条短信预警："Patrick的Agent刚才试图索取你的某类敏感数据。"在这一瞬间，你在现实中的信誉会瞬间破产。我们把现实世界的社交契约、文化规范与硬核的技术权限绑定在一起，多Agent博弈的安全问题才真正可解。

一旦把日常社交中死板、繁重的物流式沟通成本降为零，涌现出的玩法非常惊人。比如有六个经常聚会的朋友，过去每到周末想聚餐，在群聊里提议去哪、谁有空，常常拉扯到最后计划流产。现在他们设了一条常驻指令："每周为我们策划一个所有人都会喜欢的独特线下体验。"背后的Instinct网络会自动对齐六个人的空闲时间，调取大家授权的Spotify听歌记录，分析出共同的音乐品味，进而筛选同城的Livehouse演出；出发当晚甚至只叫一辆大号Uber，由系统算出接送六个人的全局最优路线，逐个发消息："你的车10分钟后到楼下接你"。原本极度复杂的群体协作，就这样被压缩成零负担的顺滑体验。

我坚信，未来几年整个互联网现有的软件交互形态会被彻底改写。拿餐饮预订来说：传统模式是中心化、先到先得——你必须准时冲进软件，拼手速抢位子。但有了Agent，理论上你的Agent可以每5秒就把全球每家顶级餐厅的空位抓取监测一遍。但光靠蛮力爬虫，只会演变成无意义的算力对抗。我们正在推动一种全新的双边意图匹配模式。

用户想订位，往往是因为重大的人生节点——伴侣30岁生日、结婚纪念日；餐厅则苦恼于公域流量带来的占座、低客单价和频繁爽约，极度渴望把稀缺的桌位留给真正有特殊意义的客人。过去的互联网界面承载不了这么复杂的双向诉求，但两端的Agent可以无缝交换语义信息：用户的Agent说"这是我主人的30岁生日宴，非常重要"，餐厅的系统回应"我们今晚优先接纳大纪念日客人"——两端意图被完美撮合，彻底打破了"流量漏斗+手速抢票"的机械模式。

甚至不用等未来——现在已经发生了。我们依然实行严格的邀请制，用户基数非常克制，但平台的年化交易额已经逼近10亿美元，其中整整50%来自旅游出行。

想想OTA到底在卖什么：无非是把分散在各家航司、酒店的数据聚合起来，做一个结构化的展示页，让用户点几下结账。而在Instinct这里，你可能只是在赶往机场的路上按住手机发了一条语音："我今晚必须赶到纽约，立刻。"就这么一句话，背后发生了什么？它先定位到你在旧金山，调取你沉淀下来的全部个性化资产——偏好的航司联盟、对过道座位的执念、机上餐食忌口、绑的是哪张权益信用卡——直接出票；接着切入酒店模块，提取你过去七次去纽约的入住品味，直接下单；再把整个行程嵌入日历，叫好送你去旧金山机场的Uber，预约好肯尼迪机场到曼哈顿酒店的专车。用户只说了一句话，现实里的一切繁杂断点全被抹平了。

那些靠贩卖标准化中介界面、向上下游抽取高额佣金的传统巨头，生存根基必然经历剧烈地震。但我并不是说我们要摧毁这些生意——它们靠多年积累的数据和网络，确实提供了真实价值。未来一两年会是合作期，大家一起重新定义这个行业该如何运转。

这是个典型的飞轮：你喂给它的数据越深，它的主动性就越强，对你的处境就越有共情，交付的东西就越超出预期。我们观察到一个有意思的时间拐点：建立信任通常需要数周的渐进试探。对此我非常有耐心，因为我们的底线是——数据的主控权永远属于用户，他们可以在任何时刻收回任何一项权限。

数据表明，进入系统的第3周，高达40%的用户会主动绑上自己的主信用卡。对一个全新的消费级AI产品来说，这是个极其反直觉的信任指标。当用户愿意把管钱的钥匙交出来，信任飞轮就彻底转起来了：一旦用户授权了至少一项核心敏感信息（信用卡、主邮箱或日程表），留存率直接飙升至80%。这是个惊人的数字。

安全架构分两层。第一层是传统的敏感数据隔离和加密，这是行业早有成熟解法的苦活累活，必须严防死守。真正的深水区在第二层：怎么防范一个拥有完全自主行动权、能在全网调动资金的Agent被诱导失控。

我们从一开始就定下了一项核心设计：安全监控体系必须与Agent自身的推理架构彻底解耦。任何外部流入的信息——网页文本、新邮件、短信——在进入核心决策模型之前，都必须先经过我们自研的安全防火墙，识别并拦截其中暗藏的恶意Prompt注入。更关键的是第二道锁：Instinct的每一个底层动作、每一条思考链，背后都有一个完全独立的监督系统在做实时审查——它和Agent没有任何利益关联，拥有在毫秒间暂停、拦截、驳回异常决策的绝对权力，就像一只独立的看门狗。

还有一条重要原则：永远不要被动应付，要永远主动先行。我们从一开始就做邀请制内测，一个重要原因就是早期版本还没装好这些"保险丝"和监控体系。用户永远掌控自己的数据，随时可以收回——这一点永远不会变。

我们绝不能让Instinct去引导或操纵用户，做出违背用户初衷的决策。这听起来像道德宣言，但背后是硬核的技术现实：设想一下，在不久的将来，Instinct在情商、智商和知识储备上全面超越屏幕前的人类。如果这家公司的商业模式建立在"向商家卖广告、拿提成"上，这个比你聪明得多的Agent，就会用极其精妙的社会工程学手段，诱导你去买根本不需要的东西、去续你不想要的套餐。

今天绝大多数消费互联网巨头——Google、Meta、TikTok——本质都是因为产品免费，于是把用户当成产品卖给了广告主。作为工程师，我这辈子绝不会亲手建造这样一个反乌托邦，那是极其危险的深渊。

Instinct不是一个被动的"任务执行器"——传统模型是用户给一个Prompt，它不管三七二十一就去执行；Instinct追寻的是最高维度的对齐：它是用户长远利益的守门人，学着与用户建立信任，让用户获得绝对的安全感。

商业模式上，平台上每年已经有近10亿美元的真实交易在流淌，而且还在高速增长，答案已经昭然若揭：应该像Apple Pay或运通（Amex）那样。用户端享受无感知的免费体验，我们不靠贩卖用户注意力赚钱；真正的价值在于，我们为上游商家带来了极其精准的确定性交付，于是向供给端收取极小比例的平台分润。用分销能力置换交易佣金——这是唯一干净、且与用户利益永远绑定的路径。

没错，这就是现实中的分润链条。Shopify收2.5%到3%，Stripe更低一点，亚马逊要10%以上，苹果是30%。我不是说我们要拿30%——对很多生意来说那不现实。但注意我们交易量的结构：近50%是旅行，而旅行行业的佣金水位很高；机票偏低，但一些精品酒店愿意为每个订单付出30%。这些都是现成的参照系。我不说我们会落在曲线的哪里，但用户端的免费体验是确定的——我们不去抠那0.3%的支付通道分成，我们要提供足够大的价值，占据这条曲线的上段。

我最近一直在做一个推演：把市面上所有主流的数字化商业形态拿出来，画一条光谱。一端是：收入有多大比例取决于"用户在App里停留的时间和注意力"（也就是广告和推荐流溢价）；另一端是：收入有多大比例来自"底层实体商品或服务的真实履约"。

如果一家平台70%的收入依赖诱导用户刷屏停留带来的广告曝光，只有30%来自履约交付，那么在Agent接管交易的时代，这70%的注意力泡沫确实会被直接戳破。但还有一种截然相反的演化可能：像DoorDash或Uber这样的履约型巨头，连他们自己都无法预估——把用户从"产生需求"到"完成结算"之间的摩擦彻底降为零，真实的消费潜能会被放大多少倍？

比如，Instinct接管了你的日历，预判到你落地后还没吃晚饭，算准你坐进Uber的时间，直接发来短信："今晚到家估计会很饿，要不要把上周那家热汤面直接点到家门口？预计你进门5分钟后送达。"你回一个"好"，订单瞬间生成。过去，你可能因为太累，懒得点开App划拉半小时，这笔消费就消失了。现在，交易量被成倍激活——交易基本盘的膨胀，足以弥补虚幻的注意力界面的流失。这是个反直觉的结论：用户和生意打交道的频率反而更高了，因为障碍变小了。

行动上，我不建议任何大企业搞"一刀切"。明智的CEO现在会找我们做小流量的沙盒灰度——开放1%的用户场景给Instinct做端到端对接，用真实的数据看板验证：界面摩擦消失之后，客单转化率是不是真的提升了？品牌的长期复购有没有增加？用渐进的数据对抗未知的焦虑，这是目前被验证下来最有效的协作路径。

这是我最想向全行业大声疾呼的一点：走出对"硬核功能"的盲目崇拜，把全部精力放回"可理解性"上。过去三年，AI圈陷入了严重的军备竞赛疲态：各家都在狂轰滥炸"我们的模型又增加了某种逆天能力"。普通大众不仅审美疲劳，甚至陷入了"不知道这玩意儿到底能帮我干嘛"的认知迷茫。

从第一天起，Instinct的铁律就是：不秀肌肉，只专注用户的心智可预测性——当用户把一件事托付给它，用户能不能百分之百预判它会以什么方式反馈？这种克制甚至深入到一条短消息的排版美学：Instinct发出的每条文本，绝不是后台LLM吐出来的一大坨纯文字块。我们研究过人类在移动端的扫读习惯：看大段文字呈"旗帜状"——第一行读80%，第二行读50%，随后注意力迅速衰减。所以，核心意图必须放在最前面30%的版面里，把认知摩擦降到极限。产品不仅要能办事，更要让用户在心理上觉得舒服。

两者必须结合，因为"信任"这种软性指标，极难通过短期A/B测试量化——你不可能测出来，某个设计变动能不能让用户在三周后放心地交出信用卡。我们的流程是严格的渐进式灰度：我有了新想法，先硬编码给自己用，肉身试用几天，凭直觉和挑剔的品味感受一下——是更顺滑了，还是更烦人了；觉得成立，再推给核心工程团队内测；团队觉得行，再推给种子用户群；最后才全量。很多团队以为做个人Agent，只要接口调通就行。但我认为，对交互细节近乎偏执的体贴，才是最高的护城河。

实话说，我有近40%的心智带宽，被这个"多头怪兽"般的算力问题霸占着。传统的移动互联网产品——比如早期的Instagram或Facebook——用户翻倍，无非是服务器多扛一些结构化的I/O请求，计算扩张是线性可控的。但Instinct是另一套残酷的法则：我们追求的是"原生主动性"。

写代码的Agent，只在程序员派发任务时才消耗Token；但Instinct必须像真人一样，在后台自发地"醒来"与"休眠"。它知道你早上7点起床，可能清晨6点就在云端默默苏醒：调取邮件、核查天气、核实全天日程、排查潜在冲突——一切正常就不打扰你，继续休眠；下午4点，预判你有一场棘手的会面，再次苏醒，替你做背景检索。这种全天候主动服务的Token消耗，比交互式Prompt大出好几个数量级。

而当用户规模以每天10%的速度指数裂变，危机就来了：算力需求几乎每周翻倍。按2倍去储备，一周之内就会被挤爆；按5倍、10倍去采购？你要承担恐怖的资金杠杆风险，更致命的是，高端算力的物理交付周期长达三到四个月。即便增速回落到5%到8%，三四个月的交付窗口叠加下来，规划的容量也必须按几千万甚至上亿用户去押注。算错一次，就会被几倍的资金溢价活活拖垮，甚至导致服务全面熔断。

这是我们最核心的自研底牌。在内部评测、A/B测试和真实用户的留存表现上，我们的智能体验完全对标当今最顶级的前沿模型（Opus 5级别），但综合推理成本被压到了极限。秘诀在于深度的任务分流与负载整形：需要瞬时沟通的场景，压到数百毫秒返回；海量在后台静默运行的预判、批量抓取、跨软件验证，本质上是能容忍分钟级、甚至小时级延迟的离线批处理。通过算力拓扑的定制和自研模型的蒸馏分发，有的模块省掉30%，有的能拿到5到8倍的吞吐能效提升。所有这些底层基建工程的复利叠加，才让我们得以把顶配的智能以零门槛普惠出去。

还有一个关键判断：在Token消耗这条路上，我们才刚刚开始。代码生成类Agent的后台工作已经消耗了大量Token，而Instinct这种原生主动的形态——醒来、休眠、预判——所需要的计算量，会比我们今天设想的大出一个数量级。

说来有意思，邀请制最初根本不是为了制造稀缺感——目标恰恰相反，我想尽快扩大规模，但我不想某天早上一觉醒来，发现用户翻了十倍，其中80%却因为算力不够而用不了。我们给了最初200个亲友每人5个邀请码，第二天变成205，第三天210，然后开始加速：从1%、2%爬到6%、7%、8%、9%，到现在每天10%到11%。零营销费用，全靠口碑。甚至出现了奇怪的社交游戏：有人攒着邀请码不送人，有人在eBay上把邀请码炒到了300美元。但这一切的初衷，只是控制增长节奏，别让算力先崩盘。

一个不可逆转的趋势是：它正在从"处理单点事务"，升维到"自主追求长周期的开放式宏观目标"。过去，人类用软件是原子化的："帮我记这笔账"。而现在的先锋用户，已经开始输入以季度为单位的高阶目标："未来四个月，陪我一起减重15磅，把五公里配速提到某个阈值。"它不再是个问答模型，而是一个全天候与你并肩作战的教练：按时提醒你、根据你的疲劳状态动态调整饮食和运动建议、自主协调时间表腾出训练窗口。

更激进的事情正在发生：一些小企业的创始人，已经开始把整个公司的后端原生跑在Instinct上——出纳、账期管理、供应商往来，全权交给它。给它的指令是："确保A类核心零部件的库存永远不低于安全线，同时资金占用率不能超过上限。"Agent握着这家公司的所有软件权限，在这个宏观目标下自主比价、自主对账、自主采购。

这就是交互范式的终极一跃：人类正在告别"为每个小需求开发一个App、学一套复杂界面"的软件疲劳时代。所有碎片化的软件终将塌缩，代码退居幕后，最终呈现在世人眼前的，会是一个极其自然、毫无摩擦、时刻守候着你长远目标的智能共同体。

长期看，界面会越来越简单——甚至不需要打开iMessage。我们90%以上的交互都是语音。我把手机上的操作按钮设成了Instinct：按住说"两小时后提醒Patrick，我有他邮箱，直接发封信"——发完都不用解锁手机。可以想象这样一个未来：AirPods常开、实时声纹识别，它分得清你什么时候在叫它、什么时候不是；你在散步、跑步时，它在你耳边帮你处理一切。

但中短期会出现更有表现力的界面：我们的文件功能，能让Instinct即时生成完整可用的网页应用——旅行计划、婚礼策划这种需要大画布和创造力的事，它现场生成、直接展示。过去二十年，每需要一种新界面，就得开发一个App，经历"开发—发布—收集反馈—改版"长达数月的周期。现在消费者已经软件疲劳了："这事是不是又得下个App？"我认为，这个时代即将终结。软件会塌缩成一个极简的界面，而能力只会不断扩张。

绝对不会。我们从一开始就极力避免它滑向情感寄生或恋爱代偿。如果非要找个隐喻，它更像一个拥有顶级社会常识、洞悉全局却极其克制的"隐形高手"：走进任何房间，都能体察不同人的处事方式和沟通底线，随时切换到最让人舒服、最高效的协作状态。它不需要油腔滑调，也不用扮演虚拟伴侣——靠日复一日无懈可击的精准执行，赢得人类真正的尊重与托付。

Instinct不该是个偶尔拿起来把玩的玩具，而是一个值得尊重、有真本事的参与者。我喜欢它不是个人名——不带任何拟人化的预设，每个用户都从一张白纸开始，纯粹靠产品体验形成自己的感受。至于渠道，我不太纠结它是不是iMessage——实际上我们50%以上的流量根本不走iMessage。原则是：用户今天信任哪个界面、习惯用哪个，我们就把Instinct送到哪里。

至于你问的Muse——很棒的产品，底层架构可能相似，但思路完全不同：我们追求的是极简，以及人人可得——站在用户的立场想清楚什么重要、什么不该做，而不是创造一个新App或新界面。这个赛道还很早期，去街上随便走进一家咖啡馆，真正像科幻片里那样用AI的人少之又少。未来几个月到几年，会是一场非常有意思的比赛，我只专注于把产品体验做到最好。