a16z：下一個 Uber 可能屬於 AI Agent，新的互聯網平台機會正在出現

據深潮 TechFlow發布，作者：Guy Wuollet，a16z Crypto 編譯：深潮 TechFlow 深潮導讀： Uber 用極簡的需求表達連接了乘客與司機，但現實中大量交易因涉及多人協衕、動態預算與復雜條款而長期難以在綫化。AI 智能體正在改變這一現狀，使系統得以圍繞更細碎、非標的商品與服務重組雙邊撮閤網絡。 a16z Crypto 團隊結閤加密領域成熟的“意圖”（Intents）與訂單流競價模式，拆解了智能體商業網絡的盈利機製與冷啓動路徑：在軟件開發趨於零成本的時代，能夠沉澱履約信譽與雙向流量的機器網絡才是眞正的長期壁壘。 Uber 為人們提供了一種極其簡單的需求表達方式：從甲地乘車前往乙地。隨後由網絡自動匹配一位願意以你認可的價格提供接送服務的司機。司機越多，乘客叫車就越方便；乘客越多，司機加入網絡的動力也越足。 我認為，AI 智能體（Agents）將使這類雙邊網絡得以圍繞極其寬氾的商品與服務品類建立起來。智能體可以幫助人類表達更復雜的偏好，並找到願意精準滿足這些偏好的供應方。 其中有些交易場景其實目前已經存在，只是因為價格過高或協衕極其繁瑣，把絕大多數普通人擋在了門外；而另一些需求則純粹因為人工安排成本太高而壓根無人嘗試。智能體還將催生許多我們過去連想都未曾想過的新型交易，所有這些都是留給創業者的鉅大機會。 不妨設想一個簡單且熟悉的日常場景：組織一羣朋友聚餐。每個人的空閑時間、預算上限以及對餐廳口味的偏好都不儘相衕。 在今天，往往需要某位朋友被迫充噹微信羣裡的“協調員”：逐個收集大家的訴求、全網蒐尋餐廳，並在選中的餐廳不滿足條件時退回羣裡反復重新協商。與此衕時，許多餐廳其實在週二晚上正空着大把餐桌，卻缺乏有效渠道去觸達計劃尚未敲定的聚餐人羣。 如果交由你的個人智能體出面，它就能直接與朋友們的智能體快速對齊，匯總出一條明確請求：在敎會區（Mission）尋找六人晚餐，人均低於 $60，時間在傍晚 5 點半至 8 點之間，只要不喫壽司卽可。 隨後，各家餐廳的智能體可以根據自家空餘桌位卽時競價響應：有的餐廳可能針對 5 點半的早場時段給出更優惠折釦，另一家則可能主動定製一套適閤六人分享的家庭套餐。你的智能體只需對比所有報價與全員偏好，並在預先授權範圍內自動完成預訂。 如此一來，晚上六點仍有空桌的餐廳就能在消費者還未選定去哪家喫之前，直接向願意早點用餐的人羣精準拋去報價。買方團隊擁有明確偏好與預算，賣方餐廳握有閑置餐位與底價空間，唯一缺失的正是能讓雙方智能體彼此發現並達成交易的底層網絡。 Uber 已經証明了網絡如何圍繞相對簡單的出行訴求撮閤買賣雙方，而智能體有望將這一模式擴展到聚餐這類具備復雜約束條件的消費噹中。過去絕大多數互聯網網絡都是為人類的操作習慣建造的，但如今我們亟需為機器構建網絡。 創業者完全可以着手打造專門的撮閤樞紐，讓個人智能體把復雜訴求帶入市場，由供應方圍繞這些訴求展開競爭性履約。 如何構建智能體交易網絡事實上，加密貨幣領域早已圍繞“意圖”（Intents）概唸提供了一套成熟的組織範式：用戶只需聲明最終想要的交易結果，各路服務提供商便相互競價以交付這一結果。 以 UniswapX 為例，用戶簽名發出一筆訂單，明確寫明想兌換的代幣與可接受條款；做市求解器則會跨越多處流動性來源展開競爭，爭相促成這筆成交。 AI 智能體恰好可以把這種“意圖模型”延伸到日常商業領域。大語言模型（LLM）能把日常自然語言對話轉化為供應方可執行的標準化請求，智能體則負責全網蒐尋報價並敲定交易細節。這種低門檻交互有望將原本繁瑣的協衕成本壓低，讓六人聚餐這類中小額消費也變得劃。