•
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：
這不是未來，這是現在。
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。
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。
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:
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:
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。
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:
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。
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：
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)