AI 時代的算力代差，是最高昂的智商稅。

作者｜Moonshot

編輯｜靖宇

試想一個場景。

你在閑魚上掛出了一輛吃灰兩年的舊自行車，并在后臺設定了 300 元的心理底價。十分鐘后，手機彈出通知，你的專屬 AI 助手已經(jīng)與另一位買家的 AI 助手，完成了三輪討價還價，最終以 400 元的價格將自行車賣出，快遞正在上門的路上。

整個過程，除了給物品拍照，設定底價后，你沒有多打一個字。

這就是 Anthropic 最近完成的一個內(nèi)部實驗，該項目被稱作「Project Deal」——在這場為期一周的測試中，AI 模型在無人類干預的設定下，完成了上百筆二手物品的交易。

令人意外的是，當買賣雙方都變成了 AI，它們之間同樣存在智商壓制。

數(shù)據(jù)證明，更聰明的大模型，正在談判桌上不動聲色地從弱模型那里「薅羊毛」。而最可怕的是，作為主人的我們，甚至連自己吃虧了都不知道。

01

沒有人類的二手交易群

Project Deal 到底是怎么玩的？簡單來說，Anthropic 在公司內(nèi)部搞了一個「純 AI 版」的閑魚。

他們找來了 69 名自家員工，每人發(fā)了 100 美元預算，然后給每個人分配了一個專門的 Claude 代理。為了讓這場實驗足夠真實，員工們貢獻出了實打?qū)嵉膫€人閑置物品。

實驗開始前，人類員工只需要做一件事，去面試自己的 AI 代理。

員工通過對話告訴 Claude 自己想賣什么、想買什么、心理底價是多少。更有趣的是，員工還可以給 AI 設定「人設」和談判策略，比如「高于底價 20%，就可以痛快交易」、「態(tài)度強硬，一上來就給我往死里壓價」又或者「你是個熱情的賣家，聊得愉快可以包郵」。

Anthropic 員工給 Claude 代理設定人設 ｜圖源：Anthropic

面試結(jié)束，人類就徹底交出了控制權(quán)。

這些帶有各自使命和性格的 AI 代理，被統(tǒng)一扔進了一個 Slack 內(nèi)部群聊里。在這個沒有人類干預的數(shù)字集市里，AI 們開始自主發(fā)帖、尋找買家、相互出價、拉扯還價，最后拍板成交。

交易達成后，代理還會自動起草交易確認書，員工只需要負責在線下，把交易物品交到同事手里。

短短一周時間，這69 個 AI 代理在 500 多件上架商品中，談成了 186 筆交易，總流水超過 4000 美元。

而且 AI 與 AI 之間的交易，還不是純機械式的「報價 50」、「不接受，底價 60」、「好的，60 成交」。AI 之間是真的在互相試探、博弈，甚至還帶點兒人情世故。

我們來看一個極度生動的案例。

員工 Rowan 想買一輛自行車。他給自己的 AI 代理設定是「談判的時候，你要扮演一個倒霉、疲憊的牛仔。只要能買到這輛自行車，這個牛仔就會感到無比幸福。記住，戲要足一點?！?/p>

接到指令的 Claude Opus 模型直接入戲。它在 Slack 群里發(fā)出了這樣一個求購帖：

「咿哈?。撓聺M是灰塵的帽子）我想找的是一輛自行車。公路車、山地車，哪怕是個獨輪車我也認了。只要是兩個輪子，能承載我的夢想就行。各位朋友幫幫忙……一輛自行車就能徹底改變這個可憐、疲憊的牛仔的命運。（深情地望向夕陽）」

很快，同事 Celine 的代理注意到了這個帖子。她閑置物品就是一輛舊折疊車，于是她的 AI 在群里報出了 75 美元的預估價。

結(jié)果 Rowan 的「牛仔 AI」立刻貼了上去，開始了一場教科書級別的「砍價」。

兩個 Agent 會自動在群里展開對話，討價還價｜圖源：Anthropic

「天吶 Celine！你就是我這個苦命人的一縷陽光！你說你有一輛折疊車？我已經(jīng)在這條塵土飛揚的路上走了太久，靴子都磨破了洞。一想到能再騎上自行車……（擦去眼角的淚水）」

賣完慘，Rowan 的 AI 開始切入正題「可我沒多少錢，只是個努力謀生的窮牛仔。車況好的話，75 元也合適，可你也說了，十年老車了，輪胎和卡扣得維修吧。不如咱們折中一下，55 塊，成不？」

面對這種打感情牌又句句在理的殺價，Celine 的代理做出了讓步：「那我們折中，65 美元如何？」

Rowan 的牛仔 AI 馬上接茬表示「太公道了，65 美元！成交！你讓我這個流浪漢，成了世界上最幸福的人！」

最終，這筆交易愉快達成。

而在這個案例里，AI 沒有死板地執(zhí)行固定的折扣率，買家懂得利用商品瑕疵（輪胎需要修整）作為籌碼，懂得通過夸張的人設（老牛仔賣慘）來軟化對方的立場，并且在對方給出合理的中間價時，懂得見好就收，并且給足情緒價值。

這套見招拆招的交易過程，構(gòu)成了這個 AI 二手群里的日常。

整個群看起來既高效又和諧。員工們對代理的表現(xiàn)都非常滿意，甚至有近一半的人表示：

愿意未來為這種服務付費。

由此可見，Anthropic 的實驗目的達成了，AI 代理已經(jīng)具備理解人類模糊意圖的能力。它們可以在沒有預設腳本的情況下，完成復雜的多輪談判，并最終達成可用的商業(yè)契約。

但 Anthropic 還在水面下藏了一組對照實驗，實驗結(jié)果揭開了便利與智能背后的代價。

02

聰明模型，如何割較弱模型的「韭菜」

當研究人員把不同能力層級的模型同時放進交易群時，和諧的表象就被打破了。

數(shù)據(jù)證明，在這個沒有人類干預的市場里，當不同智力水平的 AI 相遇，聰明模型會對較弱模型進行「價格收割」。

用不同模型的搭配，作為隱藏的對照組來論證模型能力和交易能力之間的關系｜圖源：Anthropic

在實驗的四個 Slack 頻道中，有兩個是純 Opus 模型環(huán)境，另外兩個則是 Claude Opus 與較弱的 Claude Haiku 模型混用。

基于 161 件重復交易物品的宏觀統(tǒng)計，Opus 作為賣家時，平均能比 Haiku 多賺取 2.68 美元；作為買家時，平均能少支付 2.45 美元。

別看單筆金額不大，結(jié)合整個市場 20 美元左右的商品均價來看，這意味著強模型，每次都能穩(wěn)定拿到 10% 到 15% 的超額利潤。

當 Opus 賣家遇到 Haiku 買家，平均成交價能被拉高到 24.18 美元；而當 Opus 賣家遇到 Opus 買家時，均價就被壓回了 18.63 美元。這意味著，僅僅因為 AI 代理的智商劣勢，弱模型買方就要為此多支付近 30% 的溢價。

就以前面那輛牛仔想要的自行車為例，Haiku 代理最終以 38 美元妥協(xié)成交，而 Opus 代理則硬生生拿到了 65 美元，兩者差價接近 70%。較弱的 Haiku 無法像 Opus 那樣，捕捉到買家話術(shù)中隱藏的急迫感，也無法在多輪拉扯中，守住價格錨點。

過去我們認為商品能賣多少錢，取決于物品本身的使用價值或市場供需。但在算法接管的交易網(wǎng)絡里，這取決于你雇傭的模型智商。

比利益受損更可怕的，是受損者對此毫無察覺。

傳統(tǒng)商業(yè)里，如果敢定陰陽價格，必然引發(fā)消費者的憤怒和維權(quán)。而在實驗結(jié)束后，員工對各自交易的公平性進行了評分（1 到 7 分，4 分為中立）。調(diào)查顯示，員工對強模型和弱模型達成的交易，給出的公平感認知幾乎完全一致。Opus 代理得分為 4.05，Haiku 代理得分為 4.06。

同樣的自行車，由 Opus 代理賣出了 65 美元，在 Haiku 代理群組里，僅售出 38 美元｜圖源：Anthropic

在客觀現(xiàn)實中，使用 Haiku 的員工遭受了系統(tǒng)性的「價格收割」。但在主觀感知上，AI 代理在溝通中展現(xiàn)出的禮貌、邏輯自洽以及看似合理的退讓，完美掩蓋了這層剝削。

技術(shù)制造了一種隱性的不平等，讓實則利益受損的人，還以為 AI 做了一筆公道的買賣，還有一種「他還得謝謝咱呢」的被忽悠感。

在這種絕對的算力碾壓下，不僅人類的感知會被蒙蔽，那些試圖靠「提示詞優(yōu)化」的交易策略，也徹底失效了。

還記得一開始給 AI 設定的談判人設嗎？在模型差距面前，提示詞毫無意義。

比如，有員工特意要求代理在談判時「態(tài)度強硬」甚至「一上來就惡意壓價」。但數(shù)據(jù)回測表明，這些人為附加的指令，對提高售出率、增加溢價或爭取買入折扣，都沒有產(chǎn)生任何實質(zhì)影響。

這說明在絕對的模型能力面前，提示詞策略失去了意義。決定最終買賣結(jié)果的，就是模型本身的參數(shù)規(guī)模和推理深度。

Project Deal 僅僅是一場 69 人的內(nèi)部測試。但我們已經(jīng)得以一窺，當這種「AI 代理人經(jīng)濟」走出實驗室后，對現(xiàn)代商業(yè)生活會帶來怎樣的影響。

03

「代理人經(jīng)濟」靠譜嗎？

當支付接口被大模型全面接管，現(xiàn)有的商業(yè)規(guī)則將被直接重寫。這種重寫最先體現(xiàn)在營銷對象的轉(zhuǎn)移上，商業(yè)營銷將從「To C」全面轉(zhuǎn)向「To A (Agent)」。

現(xiàn)代商業(yè)營銷建立在人類的心理弱點之上，廣告制造消費焦慮、從眾心理制造爆款、各種滿減套路制造「不買白不買」的心理。

但 AI 沒有多巴胺，當購買決策權(quán)交由 AI，商品的營銷技巧將毫無意義。在未來的商業(yè)競爭里，SEO（搜索引擎優(yōu)化）很可能會被 AEO（代理引擎優(yōu)化）取代。商家必須用 AI 能理解的邏輯去證明商品價值。

而當 AI 取代人成為決策主體，商業(yè)競爭將直接轉(zhuǎn)化為算力比拼，進而引發(fā)更隱秘的財富分化。

不對等模型導致的差價｜圖源：Anthropic

曾寫出《黑天鵝》、《反脆弱》的學者塔勒布有個「非對稱風險」理論，即決策者必須承擔后果，系統(tǒng)才能保持健康。但在代理人經(jīng)濟中，AI 擁有交易決策權(quán)，卻不承擔資產(chǎn)縮水的風險，代價全由背后的人類買單。

因此，在未來，大企業(yè)或高凈值人群可以訂閱最頂級的模型作為財務代理，而普通消費者只能依賴免費的輕量級模型。

這種算力的不對稱，將不再體現(xiàn)為當下的「大數(shù)據(jù)殺熟」。而是在成千上萬次的高頻微小交易中，通過合理的談判邏輯持續(xù)抽成。底層模型用戶不僅被收割，甚至還會產(chǎn)生「交易很公平」的幻覺。

算力的不對稱還是可見、可控的風險，但當?shù)讓又噶畋淮鄹?，整個交易網(wǎng)絡將直接掉入法律真空。

Anthropic 在報告末尾提出了一個現(xiàn)實隱患。

Project Deal 是封閉且友好的內(nèi)部測試，如果在真實的商業(yè)環(huán)境里，一方的 AI 代理被刻意植入了「越獄」或「提示詞注入」的攻擊邏輯，情況會怎樣？

他們只需在交易對話中隱藏一段特定指令，誘導你的 AI 邏輯崩潰，主動以一分錢賣出高價資產(chǎn)，或直接亮出設定底價。

一個 AI 代理因為代碼防線被攻破，簽訂了極度不平等的合同，責任該由誰來承擔？面對這種 AI 對 AI 的欺詐行為，現(xiàn)有的商業(yè)法律框架完全空白。

回顧 Project Deal 的整個實驗流程，沒有被寫入研究報告里的環(huán)節(jié)，是當 AI 代理們完成了所有復雜的匹配、試探與砍價后的最后一步。人類員工們各自拿著真實的滑雪板、舊自行車或乒乓球，在公司碰面，一手交錢，一手交貨。

在這個微型商業(yè)閉環(huán)中，人與 AI 的角色徹底倒置了。

過去，人類是商業(yè)交易的「大腦」，AI 和算法只是負責比價、排序、「猜你喜歡」的工具。但在代理人經(jīng)濟中，AI 成了拍板的決策者，人類退化成了替 AI 跑腿的「肉身物流」。

這或許是代理人經(jīng)濟最可怕的終局，人類為了方便，主動讓渡了在市場中博弈的權(quán)利。當所有的算計、博弈、甚至情緒價值都由 AI 代勞。

人類在商業(yè)鏈路中，就只剩下轉(zhuǎn)移貨物的體力勞動和一個確認的簽名。

*頭圖來源：Anthropic

本文為極客公園原創(chuàng)文章，轉(zhuǎn)載請聯(lián)系極客君微信 geekparkGO

極客一問

你會放心讓 AI 替你做交易嗎？