木头姐：智能体改写赚钱逻辑，钱先流向 3 个方向|推理|智能体|木头姐

全文 3,000字 | 阅读约 8 分钟

（Cathie Wood：AI 时代财富新定义）

钱，从来不迷信谁更聪明。

它只信一件事：谁更能干。

最近，一只龙虾刷屏硅谷。开源智能体 MoltBot（它因为商标问题 Clawdbot 改名而来）火到出圈：它不光会聊天，更真能交付任务。

与此同时，ARK Invest 创始人木头姐在最新年度报告中明确指出：AI 推理成本将每年下降70%-99%，全球GDP年增速可能突破7%，通胀甚至长期低于1%。

把这两件事放在一起看：一边是智能体正在大量落地，另一边是推理成本每年暴跌。这意味着，AI 不再只是演示工具，而是可以大规模部署的劳动力。

当智能体变成劳动力，赚钱逻辑就变了。钱开始流向能交付的那一方，木头姐给出3个方向：

数字劳动力：MoltBot 这样的智能体，正在从聊天工具变成能交付任务的数字员工。
实体劳动力：Robotaxi 从技术展示走向商业闭环，2030年全球市场可能达到34万亿美元。
底层基础设施：推理成本暴跌、核能重启、太空数据中心，让 AI 成为像水电一样的基础设施。

这不是未来，这是现在。

第一节｜MoltBot 背后：数字劳动力市场已开启

MoltBot 火了，但它不是大厂产品，而是开源社区里自发诞生的小项目。

短短几天内，这只龙虾在硅谷圈子里迅速传播，被用来代办任务、归类笔记、早起提醒、管理邮箱。木头姐形容它像个人工智能实习生，在你睡觉时还在帮你整理生活。

但这不只是个有趣的工具。她的研究团队指出：这类智能体，不再是聊天机器人，而开始像劳动力一样被部署。看信息、下决策、做执行。用木头姐的话说：MoltBot 不是在对话，是在交付。

这背后，一个新市场正在成形。

几年前，AI 还是个问答工具：问它问题，等它回答。但 MoltBot、GPTAgent这些项目出来后，最明显的变化是：人不再只是提问，而是直接安排工作。

比如打开 MoltBot，只需要说一句：把我过去三天的短信、邮箱和备忘录里的会议邀请都提取出来，做一个时间表发给我。就能得到一份 Word文档、日历文件和总结报告。

这种“任务→完成”的交互方式，让 AI 正式开始接手以前需要人类助理才能完成的工作。

木头姐认为：这是数字劳动力的起点。

有人会问：这不是早就有了吗？为什么到了2026年，才突然集中爆发?

答案在于:几件事凑到一起，让智能体从能用变成了好用。

AI 能力跃升了。

它处理速度从 30 秒降到 3 秒；
它能读的资料从几页变成上百页文档；
它从需要手把手教，到说一句话就能执行一整套流程。

更关键的，是这些系统已经足够开源和本地化。

MoltBot 的出现，让开发者可以在个人电脑上直接装一个智能体，不依赖云端，不需要登录账户。从公司到个人，谁都能动手部署自己的AI实习生。

木头姐在访谈中提到 ARK 的变化。他们的首席 AI 分析师用了 MoltBot 后，工作效率明显提升。整个团队也是如此：我们没多招人，但交付速度快了一倍。

以前，一个人只能做一个人的活。

现在，一个人可以配几个智能体，让每个智能体专做一类任务：收集数据、写初稿、理解政策变动、生成展示文稿、整理会议纪要。

当智能体能干一个实习生的活，真正的问题不是 AI 会不会干活，而是这些数字劳动力该怎么定价。

这，就是木头姐说的数字劳动力市场。

第二节｜Robotaxi：从技术叙事到商业闭环

智能体是看不见的数字劳动力，但还有一种劳动力，正在马路上跑起来。

过去几年，大家对自动驾驶的认知还停留在烧钱、遥遥无期、还在测试上。但在木头姐看来，Robotaxi 正从技术叙事变成收入来源。它不仅能跑，而且能算出现金流。

她在这次对话中明确表示:

“Robotaxi 是我们未来五年最看好的商业模式，它的市场规模不只是大，而是已经能够被清晰量化。”

1、赚钱路径清晰了:更少的车，更高的效率

一辆 Robotaxi 的利用率可以达到50-60%，而私家车只有4-5%。这意味着更少的车，能服务更多的需求。

她提到一个数据：Uber现在只覆盖美国1%的城市里程，用了14万辆车。要覆盖100%的城市里程，只需要2400万辆Robotaxi。这还不到美国现有汽车保有量(4亿辆)的十分之一。

关键是：没有司机成本、车辆自动回充、AI 自我调度，边际成本极低。过去是一个司机配一辆车，现在是一个调度后台配一城的车。

Robotaxi 不只是新交通工具。它是稳定可规模化的自动化运营，与电力、AI芯片、路权调度绑定，成为城市基础设施的一部分，能对接真实订单产生收入。

这意味着，Robotaxi 是可复制的盈利模型，而不只是科技展品。在木头姐的投资框架里，这类项目可以像早期特斯拉那样，既能对外融资讲故事，又能自我造血产生现金流。

2、钱会流向哪里？

过去谈 Robotaxi，焦点都在车能不能跑、法规通不通。现在木头姐更关注的是另一个问题：谁能从Robotaxi规模化运营里，分得真实收入?

她看好四类玩家:

调度平台商，能接入多个Robotaxi品牌、做城市级路线规划和订单匹配的公司;
能源服务商，掌握车辆夜间充电、路线中转、电网平衡的调配能力;
芯片和算力基础设施提供者，为推理、路径规划提供稳定处理能力的底层服务;
城市与地产开发商。在Robotaxi成本下降后，原本偏远的地段反而变成了新价值洼地。

这已经不是单点技术创新，而是一个经济链条在重构。从交通到城市布局，从能源调度到消费习惯。

她说：当车开始自己运营，城市的税收结构也会变。

3、技术不是问题，条件正在成熟

木头姐明确表示：Robotaxi 的技术准备，其实早就完成。真正拦着它的是监管节奏、基础设施跟不上、AI 运营成本没降下来。

但现在，这三个条件正在同时被突破:

监管方面：多个城市已批准无人车夜间运营;
基础设施方面：多地新建Robotaxi专用充电站和等候区;
成本方面：AI 的每公里运营成本已经低于人类司机。

不少车厂过去十年在亏钱造概念，现在终于到了把 Robotaxi 变成盈利出口的节点。

木头姐特别强调特斯拉的优势。特斯拉的成本结构比 Waymo 低50%，定价可以做到每英里20美分，而Uber现在是2.8美元。按照这个趋势，到2030年，全球Robotaxi生态系统可能达到 34 万亿美元。

MoltBot 是数字劳动力，Robotaxi 是实体劳动力。

但它们能大规模运转，都依赖同一件事：让 AI 运行起来的成本，要足够低。

第三节｜推理成本暴跌：AI正在变成基础设施

MoltBot和Robotaxi能用起来，因为有一个成本在暴跌。

这个成本，指的就是推理成本。木头姐在访谈中反复强调：推理成本每年下降70-99%，这个变化让一切商业模型都能重新算一遍。

1、什么是推理成本?

不是训练一整个大模型花的钱，而是每次你用AI做一件事，它背后实际消耗的电、芯片、内存资源。

比如你输入一段话，让Claude/GPT 帮你写一份方案，那一瞬间服务器在后台调用模型、生成回复，消耗的资源，就是推理成本。

过去一次可能要几毛钱，现在可能只要几厘钱。不是模型变便宜，是用模型做事开始变便宜了。

这个变化对普通用户影响不大，但对企业决策至关重要。

当推理成本高，AI是演示工具；当推理成本低到可以大规模部署，它就成了劳动力。这轮AI增长不是靠堆人，也不是靠提价，是靠成本通缩。

2、通缩改变了竞争逻辑

当推理成本变得像水电一样便宜，企业就不再问AI能不能做，而是问：你每运行一次，花我多少钱?我能让AI替我做几件事?

这时候，所有 AI 工具、平台、服务商的商业模型，都要重算一遍。

Claude、ChatGPT 等的模型公司会被问：你们这个 Agent 跑10次，能省几个人?

电力平台会被问：你能不能在晚高峰给我压缩电力成本?

AI 芯片平台要回答：你能不能让每秒处理的数据翻一倍，但电费不变?

资金不再盯着谁模型大，而是盯着谁能把每次运行成本压得更低、服务交付得更稳定。

3、电力和算力，成了决定胜负的关键

这一轮成本下降的背后，基础设施在加速升级。

木头姐特别提到三个方向:

核能重启。她指出如果70年代没有过度监管核能，今天的电价能低40%。现在美国多个州正在重启核电站，中国一次性建设28座大型核反应堆。更便宜的电力，意味着更便宜的 AI 运行成本。
太空数据中心。SpaceX的可重复使用火箭让轨道数据中心成为可能，太空太阳能效率是地面的 6 倍。这将大幅降低数据中心的电力和散热成本，让AI推理变得更经济。
分布式能源系统。她提到电网效率问题:晚上用电少，白天根据天气又过度使用。未来Robotaxi本身就是移动的储能设备，可以平衡电网负荷，让整个系统的能源利用率更高。

这些变化叠加起来，让 AI 可以像基础设施一样被接入、定价、规模化使用。

推理成本每降一个点，就有一批新应用能落地。

成本降下来，钱就流过去。

结语｜钱往哪流，已经有了答案

AI 智能体不是下一件事，而是已经在干活的事。

木头姐没谈模型有多强，她看的全是交付能力：