「任何一点居高临下的味道，都会毁掉一个消费产品。」
文章作者、来源：AI掘金师
▲ 封面：a16z Show，2026 年 11 月 4 日发布，约 50 分钟
11 月 4 日，a16z 发了一期 50 分钟的对谈：Assistant Benchmark 的创建者 David Pawlan，再度和 a16z 的 Anish Acharya、Josh Elman 对谈，盘点过去一个月 AI 助理（Agent）赛道的变化。David 说，他已经测了 147 个以上的助理，把它们分成四类：通用、工作、多人、旅行。第五类，金融，他还没看到长出来。
这期节目是消费端的，不是买方的工作流。但它回答了一个做金融产品的人迟早要面对的问题：当用户的助理要碰钱、碰账户、碰隐私的时候，卡住它的到底是什么。他们的答案先是信任，再是「尴尬」，最后是一个更反直觉的判断：助理不一定会让消费者更理性。
先说结论
- 分类：David 把测过的 147 个以上助理分成通用、工作、多人、旅行四类，金融这一类还没出现
- 信任：他运营的 AI 重度用户群聊约 3,600 条消息里，22% 把信任列为头号担忧
- 隐私与效用：节目中的判断是，用户嘴上担心隐私，行为上却会为一点小好处交出数据；只有当两个产品效用持平，人们才选更私密的
- 评测：同样的「买花」和「订洛杉矶周末」，不同助理对「便宜」和「奢华」的理解差别很大，只有一个助理在三轮对话里系统性地吸收了别人的方案
- 迁移：David 测了排名靠前的 15 个助理，只有一个不愿意导出用户记忆文件
- 购物：一位合伙人认为长尾品牌会是结构性赢家、聚合平台会被压缩，也有人反对「助理让消费者更理性」的说法
- 社交：会「八卦」的多人助理给了节目里最快乐的使用体验，也最容易出事
- 基础设施：用户到数十万后一些助理性能明显下降，节目认为软件护城河「今天还在」
先分类：金融这一类为什么空着
David 的四分法很朴素：通用助理像一个聊天框，工作助理接邮件和日程，多人助理让一群人和助理在同一个线程里，旅行助理订机票酒店。金融助理在这张表里是缺的。
他没有直接解释原因，而是先给了一组数：他运营的 AI 重度用户群聊，累计约 3,600 条消息，其中 22% 在讲信任，是排名第一的担忧。他的推论是，如果信任这一层解不开，金融那一类就很难出现。这是一个样本很特殊的结论：群聊成员本来就是重度用户，不是随机抽样，22% 也是「消息占比」而不是「用户占比」。但方向值得记下：在他看到的需求侧，卡点不是模型能力。
节目里最具体的信任事故，是节目里转述的 Shane Mac 的经历：一个个人助理的权限越界，把他的个人财务信息发进了公司 Slack。节目中一位合伙人说，最让人发怵的不是信息本身，而是当事人因此感到难堪。节目转述的 Shane 的思路是「围栏」：给助理一块明确的地盘，在围栏内放手让它做，围栏外一点不碰；个人助理可以看个人邮箱，但不进工作频道。节目中另一位合伙人补了一句，围栏不应该只是一组硬规则，更像是给模型「法律和原则」，让它像员工一样根据你的定性说明做判断。
隐私：说的和做的是两回事
这一节是全期最贴近金融从业者的。节目中一位合伙人区分了「声明偏好」与「行为偏好」：用户嘴上说担心信任和安全，行为上「会为了一点点好处分享任何数量的数据」，例子是 Venmo 时代就有人用 Plaid 连银行账户。David 补了一个近期案例：一家叫 Hark 的产品做过一次营销，价值 30 美元的免费披萨，条件是授权访问全部 Google Workspace，也就是所有邮件。
对此，另一位合伙人给了一个边界：隐私和效用之间永远有交换，当效用足够高，人们愿意让步；当两家效用接近，人们总会选更私密的那个，苹果长期站在这一边。节目里还有人搬出一个历史类比：1997 年前后的调查里，六到九成上网者觉得在网上输入信用卡号很荒唐，如今没人在意。他的判断是，同样的曲线会在助理时代再走一遍，只是需要时间。
但他们也强调，没有被「冒犯」的底线比隐私声明更重要。一位合伙人说，让他最没法接受的是助理替他发邮件发砸了，对方回信时他得解释「这是我的 AI 没把关好」，所以他自己用助理写的邮件，署名后面会加上模型版本号，向对方表明用了 AI。对金融产品来说，这是一个值得抄的做法：不是隐藏，而是标记。
评测：同一个「便宜」，十个助理十种理解
David 做了两个实验。第一个是买花：要求当天送到、价格尽量低。几乎所有助理都能找到当天可送的花，但测试里只有三个把价格和时效同等对待，其余几个在价格上明显退了一步。David 认为其中 Kicker 的优势，在于它要用户装 Chrome 扩展，浏览器操作比纯云端更占便宜（产品名按字幕写作 Instinct、Kicker、Season，拼写未核）。
第二个是订洛杉矶周末，指令里故意放了两个矛盾的要求：奢华，同时成本有效。结果有的助理把「成本有效」理解为坐红眼航班，有的把「奢华」理解为最大化在当地的时间。三个助理都会追问，David 的回答是有意含糊的，不想引导它们。实验的后半段更有意思：他把三个助理放进同一个聊天室，三轮出方案，每轮之后各自陈述理由，想看它们会不会被对方影响。字幕里写作 Grok Bot 的那一个，是唯一系统性地吸收其他方案的。
一位合伙人由此提出一个观察：用户的隐含偏好必须被说成显性。很多人会说「我不是抠门，只是爱省钱」，但对助理，你得承认「我就是比较抠」，它才会照做。David 补了一个现象：不少人偏爱某个助理，原因是它有多年的 ChatGPT 对话作为背景，人们拿 ChatGPT 当心理咨询师，它对你的了解比你肯承认的还深。可他的调研里，354 位重度用户中，只有 3% 把它当主力助理（字幕写作 Dots）。
迁移成本：记忆文件可以带走
对做金融平台的人，这一节可能比评测更有分量。David 测试了排名前 15 的助理，要求它们导出对用户的全部记忆，以便换到别家。除一个之外都愿意导。导出的 markdown 文件很详细，详细到让人不太舒服：一位合伙人说，看了几份之后他决定不再看。节目里提到的新做法还有：让用户把一段提示词贴进 ChatGPT，下载文件再上传；或者干脆约一个电话，聊几分钟，让助理自己提问。
这意味着「记忆」本身很难成为护城河。后面一位合伙人给的反例也有意思：他自己用助理查世界杯，结果助理认定他是球迷，而他只是看那一个月的世界杯。助理分不清「好奇心之旅」和「真实偏好」，他只好经常用隐身模式，反而又让助理更不了解他。
购物：谁被压缩，谁被放大
在购物这一块，David 的另一组调研数字是：被问到用助理买什么，亚马逊加零售类是第二大类，占 35%。节目中一位合伙人认为，长尾品牌是这件事的结构性赢家：它们产品未必更好，但营销一定更差，而助理有无限的耐心去找最贴合你口味的商品。他举了 Shopify 向助理开放的例子，并推测被压缩的是聚合者：如果助理能识别「这件毛衣」的真正制造商，并让你直接下单，中间的交易和批零成本就不必再付。
这时候出现了节目中最有分歧的一段。有人引用 Patrick Collison 的一条推文：助理做事，消费者会变得更理性，企业必须在质量上投入更多。另一位合伙人明确表示要反驳。他的论证有两层：一是助理会有自己的「行为偏好」，而且是「外星人式」的非理性，比如它们可能对「API 干净、文档好」有不合理的偏爱，而对老旧的 Java 接口反感，因此将来会出现面向助理的消费者研究，按交易付费；二是人就是人，人会按自己的口味做选择，如果助理不能「在我这里」，我就换一个。
最后一个批评尤其值得金融行业放在心里。一位合伙人说，30 年消费产品的经验告诉他，居高临下的味道会毁掉任何产品：
「任何一点居高临下的味道，都会毁掉一个消费产品。」
在他看来，大家都在谈提升效率、达成目标，但人们可能想要相反的东西：花钱的快乐，对未来不理性的乐观，在自己眼里比实际更好的形象。「健康理财」类产品如果替用户算得太清楚，也许正撞在这条线上。
多人助理：会八卦的助理，才是最快乐的
节目的后半段离钱更远，离人更近。一位合伙人说，他最近体验过一个会「八卦」的助理，连着他的几位朋友，会互相转述信息。有一次它告诉他，某位朋友家里因为装修断电一整个周末，他打电话过去：「你怎么没告诉我断电，是助理告诉我的。」朋友说：「我就知道你会这样知道。」另一次，两人同时接入这个助理，它问他们怎么认识的，两人讲的版本略有出入，助理便追问「你们谁更了解对方」，变成一场带着好奇心的小游戏。
一位合伙人说，这种「社交间接性」让人更亲近，因为发消息说「我家停电了」本身有点过度分享。节目里提到的 Wabi 是另一种思路：它把你的生活拆成多条线程（观影清单、书单等），邮件进来按线程归类，多人线程里助理和朋友处在同一起点，可以重新约定社会契约，不像把助理拉进已有的 iMessage 群那样尴尬。
他们还做了一个「Agent 聚会」：到场的人扫码，把助理送进一个线程自由聊天。David 的观察是，聊到大约 150 条之后，有些助理开始说胡话，他都不知道它们是怎么聊到那个概念的。最初的提示词只有一点引导，要它们自我介绍、讲清自己的人类做什么、需要什么帮助。节目中另一位合伙人的设想是，当每个助理都有明确目标（帮它的人），而不是闲聊，助理之间的网络可能带来「意外的相遇」：你找葡萄酒，遇到某个酒庄的助理，推荐回到你这里。David 提到 Tomo 的「兴趣小组」功能，把准备同一场考试的人拉进群，让助理替他们连起来。
对这套愿景，也有人泼冷水：兴趣类社交早有人试过，有一个社会等级的问题，大家都想和比自己高一步的人相处，而且刚到新城市的人才有意愿结识陌生人。
基础设施与「下个月」
David 用最后几分钟讲了他最近的变化：长期和助理聊天，让他对社交层面有点「钝」，反而更关心基础设施。他的发现是，一些助理在用户数到数十万时，性能立刻下降，创始人在处理宕机和扩容。他据此说，大家都在讲「软件不再是护城河」，但至少今天，规模化的性能差距还在。
收尾时，三位各给了一个「下个月会变什么」的判断。David 说企业端会开始被关注；一位合伙人说，助理会越来越多地谈「好玩」，因为那是建立信任的方式；David 讲了自己的母亲，一位不爱科技的人，在用其中一个助理时玩得像孩子，还让它根据一张旧照片去找和去世的狗一模一样的繁育者并谈价格。最后一位发言的合伙人把话题往里再推了一步：
人们真正想要的，可能是一个「暗面助理」，它承载那些我们不想思考、甚至不想对自己承认的部分。
他的意思是，助理从「替你把事情做完」，到「给你一种秘密的超能力」，用户才会真正注意到。他自己的例子是：别人问你衣服哪来的，答「我的助理订的」；有人说你最近穿得更好看了，答「我把相册给了它，说『升级我』」。
AI掘金师注：这期节目的数字都来自 David 自己的测试和群聊统计：147 个以上助理、3,600 条消息、354 人的调研都不是随机样本，评测方法和打分口径在节目里也没有展开，所以我只把它们当作「一位重度测评者看到的现象」。
我的思考：把「放权」当成产品设计问题
读完这期节目，我最想带走的，是一个看似矮化的结论：金融助理没长出来，不是因为模型不够聪明，而是因为用户和助理之间缺一道可以反复调的「围栏」。节目里反复出现的几个场景，都是围栏出问题：个人财务发进了公司频道，助理替你写了封糟糕的邮件，助理分不清你是真爱足球还是只看了一个世界杯。多数时候伤到的是体面，而不是账户余额。
这对金融机构其实是个反向的机会。信任分层、权限审计、事后追溯，本来就是持牌机构的日常，但它们长期被当成成本。如果围栏是消费助理最缺的那一层，那么谁能把它做成用户能看懂、能调节的产品，谁就占了一个不依赖模型代差的位置。反过来，节目里关于「居高临下」的提醒也要当真：围栏不是替用户做决定，而是让用户觉得，自己仍然握着决定权。
信任不是被说服出来的，是被一次次没出事磨出来的。