普及AGI，要攻克3个点

本文来自微信公众号：一个人类的思考，作者：杨懿宸，原文标题：《普及AGI要攻克的3个点》，题图来自：AI生成

1. token还是太贵了。像clawdbot这种自由度极高的玩法，虽然潜力很大，但是动不动一天烧个十几美元是很常见的。算了笔账：如按照这种用度，基本上和雇佣一个24小时365天在线的私人秘书，每月人民币5000的价格差不多。

推理费用肯定能降下来，但是不知道什么时候能降到什么程度。得看模型厂商什么时候能回本了。

2. 个人对于AI的需求有限，市场对agent能做什么的渴望有限。要么很简单（编辑、写作），要么很复杂（比如替代一个干杂活儿的员工）。

clawdbot这种极高自由度的agent已经展示出很强的潜力了，但是目前在极客、开发者圈子之外无法流行起来。付出的成本高：配置复杂、运行成本高；有强吸引力的场景较少：主要就是管理邮件、日历等。虽然可以自定义任务，但是各个平台的集成还没完全做好（国内就更别说了，除了一个飞书可以自定义bot接入，其他软件清一色封闭生态）。

所以一方面等接入成本降低、服务的门槛降低（这也是我在做的），比如最近的clawdwork，另一方面等市场玩出来更加能刺激市场想象力的应用场景。

用户对应用场景的兴奋阈值这也和市场有关。中国市场个人场景预算很低，所以更难做先发普及。我觉得最开始还做有钱人的fomo生意是个比较好的选择。类似于plaud卖这么贵给其实需求并不复杂的、但也不缺钱的企业中高层。

还有一点，我觉得陪伴场景和工作场景其实未来界限就会模糊了。agent做好了，两者都是，互为护城河。所以一开始如果因为工作场景不明确，稍微侧重一点陪伴场景，我觉得也是个不错的选择。

但不管怎么样，agent吃掉软件我觉得是趋势。开放数据和agent接口是其他软件想要存活下来必须做的。

3. AI记忆系统、持续学习的瓶颈。

现在的agent产品在记忆体验上有一定提升，原因是在于现在记忆系统的主流设计哲学慢慢往“抽取总结+不断的文档记忆+快速混合抽取+prompt engineering/tool use”的模式成熟。

Obsidian火起来也就是因为上下文才是agent产品最宝贵的护城河，而obs就是个免费的人机接口工具。

但是呢，现在记忆系统还是不够好。冗余就不说了，记忆还是会丢失。能保持2～4周记忆没有明显丢失感就已经是目前最好的效果了。

用户对AI记忆的要求其实是非常高的。比如他希望AI记住很久没被提过的信息，只要用户一提到，AI就能精准回想起来会迅速关联。

这难点在于LLM是个静态权重文件，相当于是人脑子被时间固定在了某个时刻，它无法进行持续学习。持续学习是目前AI最火的研究前沿之一。Google和Anthropic都在花力气，但说实在的，我并没看到什么太根本性的有效颠覆，我认为较小概率会在很短的时间内解决。

但是记忆做好了，是 game changer。人类就是有这种情节的：念旧。如果做成一个永远不会遗忘的AI，将会是个极大的优势。最理想的是能做成一种“养成系AI”——越用越懂你，越用越能配合你。这可能就真的像科幻电影里那种AI，这样才会让用户有持续订阅、养成的幸福感。

本文来自微信公众号：一个人类的思考，作者：杨懿宸