錢,從來不迷信誰更聰明。它只信一件事:誰更能幹。最近,一隻龍蝦刷屏矽谷。開源智能體 MoltBot(它因為商標問題 Clawdbot 改名而來 ) 火到出圈:它不光會聊天,更真能交付任務。與此同時,ARK Invest 創始人木頭姐在最新年度報告中明確指出:AI 推理成本將每年下降70%-99%,全球GDP年增速可能突破7%,通膨甚至長期低於1%。把這兩件事放在一起看:一邊是智能體正在大量落地,另一邊是推理成本每年暴跌。這意味著,AI 不再只是演示工具,而是可以大規模部署的勞動力。當智能體變成勞動力,賺錢邏輯就變了。錢開始流向能交付的那一方,木頭姐給出3個方向:數字勞動力:MoltBot 這樣的智能體,正在從聊天工具變成能交付任務的數字員工。實體勞動力:Robotaxi 從技術展示走向商業閉環,2030年全球市場可能達到34兆美元。底層基礎設施:推理成本暴跌、核能重啟、太空資料中心,讓 AI 成為像水電一樣的基礎設施。這不是未來,這是現在。第一節|MoltBot 背後:數字勞動力市場已開啟MoltBot 火了,但它不是大廠產品,而是開源社區裡自發誕生的小項目。短短幾天內,這只龍蝦在矽谷圈子裡迅速傳播,被用來代辦任務、歸類筆記、早起提醒、管理信箱。木頭姐形容它像個人工智慧實習生,在你睡覺時還在幫你整理生活。但這不只是個有趣的工具。她的研究團隊指出:這類智能體,不再是聊天機器人,而開始像勞動力一樣被部署。看資訊、下決策、做執行。用木頭姐的話說:MoltBot 不是在對話,是在交付。這背後,一個新市場正在成形。幾年前,AI 還是個問答工具:問它問題,等它回答。但 MoltBot、GPTAgent這些項目出來後,最明顯的變化是:人不再只是提問,而是直接安排工作。比如打開 MoltBot,只需要說一句:把我過去三天的簡訊、信箱和備忘錄裡的會議邀請都提取出來,做一個時間表發給我。就能得到一份 Word文件、日曆檔案和總結報告。這種“任務→完成”的互動方式,讓 AI 正式開始接手以前需要人類助理才能完成的工作。木頭姐認為:這是數字勞動力的起點。有人會問:這不是早就有了嗎?為什麼到了2026年,才突然集中爆發?答案在於:幾件事湊到一起,讓智能體從能用變成了好用。AI 能力躍升了。它處理速度從 30 秒降到 3 秒;它能讀的資料從幾頁變成上百頁文件;它從需要手把手教,到說一句話就能執行一整套流程。更關鍵的,是這些系統已經足夠開源和本地化。MoltBot 的出現,讓開發者可以在個人電腦上直接裝一個智能體,不依賴雲端,不需要登錄帳戶。從公司到個人,誰都能動手部署自己的AI實習生。木頭姐在訪談中提到 ARK 的變化。他們的首席 AI 分析師用了 MoltBot 後,工作效率明顯提升。整個團隊也是如此:我們沒多招人,但交付速度快了一倍。以前,一個人只能做一個人的活。現在,一個人可以配幾個智能體,讓每個智能體專做一類任務:收集資料、寫初稿、理解政策變動、生成展示文稿、整理會議紀要。當智能體能幹一個實習生的活,真正的問題不是 AI 會不會幹活,而是這些數字勞動力該怎麼定價。這,就是木頭姐說的數字勞動力市場。第二節|Robotaxi:從技術敘事到商業閉環智能體是看不見的數字勞動力,但還有一種勞動力,正在馬路上跑起來。過去幾年,大家對自動駕駛的認知還停留在燒錢、遙遙無期、還在測試上。但在木頭姐看來,Robotaxi 正從技術敘事變成收入來源。它不僅能跑,而且能算出現金流。她在這次對話中明確表示:“Robotaxi 是我們未來五年最看好的商業模式,它的市場規模不只是大,而是已經能夠被清晰量化。”1、賺錢路徑清晰了:更少的車,更高的效率一輛 Robotaxi 的利用率可以達到50-60%,而私家車只有4-5%。這意味著更少的車,能服務更多的需求。她提到一個資料:Uber現在只覆蓋美國1%的城市里程,用了14萬輛車。要覆蓋100%的城市里程,只需要2400萬輛Robotaxi。這還不到美國現有汽車保有量(4億輛)的十分之一。關鍵是:沒有司機成本、車輛自動回充、AI 自我調度,邊際成本極低。過去是一個司機配一輛車,現在是一個調度後台配一城的車。Robotaxi 不只是新交通工具。它是穩定可規模化的自動化營運,與電力、AI晶片、路權調度繫結,成為城市基礎設施的一部分,能對接真實訂單產生收入。這意味著,Robotaxi 是可複製的盈利模型,而不只是科技展品。在木頭姐的投資框架裡,這類項目可以像早期特斯拉那樣,既能對外融資講故事,又能自我造血產生現金流。2、錢會流向那裡?過去談 Robotaxi,焦點都在車能不能跑、法規通不通。現在木頭姐更關注的是另一個問題:誰能從Robotaxi規模化營運裡,分得真實收入?她看好四類玩家:調度平台商,能接入多個Robotaxi品牌、做城市級路線規劃和訂單匹配的公司;能源服務商,掌握車輛夜間充電、路線中轉、電網平衡的調配能力;晶片和算力基礎設施提供者,為推理、路徑規劃提供穩定處理能力的底層服務;城市與地產開發商。在Robotaxi成本下降後,原本偏遠的地段反而變成了新價值窪地。這已經不是單點技術創新,而是一個經濟鏈條在重構。從交通到城市佈局,從能源調度到消費習慣。她說:當車開始自己營運,城市的稅收結構也會變。3、技術不是問題,條件正在成熟木頭姐明確表示:Robotaxi 的技術準備,其實早就完成。真正攔著它的是監管節奏、基礎設施跟不上、AI 營運成本沒降下來。但現在,這三個條件正在同時被突破:監管方面:多個城市已批准無人車夜間營運;基礎設施方面:多地新建Robotaxi專用充電站和等候區;成本方面:AI 的每公里營運成本已經低於人類司機。不少車廠過去十年在虧錢造概念,現在終於到了把 Robotaxi 變成盈利出口的節點。木頭姐特別強調特斯拉的優勢。特斯拉的成本結構比 Waymo 低50%,定價可以做到每英里20美分,而Uber現在是2.8美元。按照這個趨勢,到2030年,全球Robotaxi生態系統可能達到 34 兆美元。MoltBot 是數字勞動力,Robotaxi 是實體勞動力。但它們能大規模運轉,都依賴同一件事:讓 AI 運行起來的成本,要足夠低。第三節|推理成本暴跌:AI正在變成基礎設施MoltBot和Robotaxi能用起來,因為有一個成本在暴跌。這個成本,指的就是推理成本。木頭姐在訪談中反覆強調:推理成本每年下降70-99%,這個變化讓一切商業模型都能重新算一遍。1、什麼是推理成本?不是訓練一整個大模型花的錢,而是每次你用AI做一件事,它背後實際消耗的電、晶片、記憶體資源。比如你輸入一段話,讓Claude/GPT 幫你寫一份方案,那一瞬間伺服器在後台呼叫模型、生成回覆,消耗的資源,就是推理成本。過去一次可能要幾毛錢,現在可能只要幾釐錢。不是模型變便宜,是用模型做事開始變便宜了。這個變化對普通使用者影響不大,但對企業決策至關重要。當推理成本高,AI是演示工具;當推理成本低到可以大規模部署,它就成了勞動力。這輪AI增長不是靠堆人,也不是靠提價,是靠成本通縮。2、通縮改變了競爭邏輯當推理成本變得像水電一樣便宜,企業就不再問AI能不能做,而是問:你每運行一次,花我多少錢?我能讓AI替我做幾件事?這時候,所有 AI 工具、平台、服務商的商業模型,都要重算一遍。Claude、ChatGPT 等的模型公司會被問:你們這個 Agent 跑10次,能省幾個人?電力平台會被問:你能不能在晚高峰給我壓縮電力成本?AI 晶片平台要回答:你能不能讓每秒處理的資料翻一倍,但電費不變?資金不再盯著誰模型大,而是盯著誰能把每次運行成本壓得更低、服務交付得更穩定。3、電力和算力,成了決定勝負的關鍵這一輪成本下降的背後,基礎設施在加速升級。木頭姐特別提到三個方向:核能重啟。她指出如果70年代沒有過度監管核能,今天的電價能低40%。現在美國多個州正在重啟核電站,中國一次性建設28座大型核反應堆。更便宜的電力,意味著更便宜的 AI 運行成本。太空資料中心。SpaceX的可重複使用火箭讓軌道資料中心成為可能,太空太陽能效率是地面的 6 倍。這將大幅降低資料中心的電力和散熱成本,讓AI推理變得更經濟。分佈式能源系統。她提到電網效率問題:晚上用電少,白天根據天氣又過度使用。未來Robotaxi本身就是移動的儲能裝置,可以平衡電網負荷,讓整個系統的能源利用率更高。這些變化疊加起來,讓 AI 可以像基礎設施一樣被接入、定價、規模化使用。推理成本每降一個點,就有一批新應用能落地。成本降下來,錢就流過去。結語|錢往那流,已經有了答案AI 智能體不是下一件事,而是已經在幹活的事。木頭姐沒談模型有多強,她看的全是交付能力:MoltBot 這樣的數字助理,讓一個人的產出翻倍;Robotaxi這樣的實體勞動力,2030年市場可能達到34兆美元;推理成本每年暴跌70-99%,讓AI變成像水電一樣的基礎設施。錢,已經開始流向能交付的那一方。不是誰更聰明,而是誰更能幹。 (AI深度研究員)