基于播客「AI助理争夺战：解析Muse、Grok Bot与Instinct背后的产品布局、入口生意与盈利难题【硅谷101】」完整转写整理（音频2009秒，约33.5分钟）。主持人转写名为「译文/易文」（疑为ASR误差，本文一律称「主持人」）；具名受访者为郑鹏（Grokbot产品设计负责人），另有数位未具名的agent从业者受访。除注明外，事实与数字均为节目或嘉宾口述口径（「节目称」），未做外部核验；转写疑似错误文末统一标注。本系列前作：GPT-6 Astra篇、智能体手机入口篇，本文避免重复其中已展开的背景。

先说结论

这期《硅谷101》回答了三个连在一起的问题：帮人办事的AI Agent为什么此刻集中爆发、它们在抢什么、以及这门生意为什么还赚不到钱。节目给出的爆发原因是三线汇合——开源项目OpenCloud（转写名，疑指OpenClaude）验证过「替你操作电脑」的架构、模型处理连续行动的能力跟上、运行成本比九个月前降了约一个数量级。它们抢的东西则高度一致：谁先接到你的需求，谁就决定接下来用什么软件、买什么服务——入口从软件换成了Agent。但入口的代价同样清晰：不知不觉中交出去的授权（查个条款、航班被取消，损失300美元）、原有平台的反击（亚马逊封锁Muse），以及一个结构性矛盾——用户越喜欢这个助手、交给它的事越多，公司的服务成本就越接近指数增长。多位受访者对盈利的判断罕见地一致：C端Agent现阶段就是比谁钱多。

一、为什么是现在：从极客的OpenCloud到人人可用

节目的叙事起点是一个「熟悉的陌生项目」。如果年初你折腾过OpenCloud（转写名，按上下文疑指开源项目OpenClaude，下文保留原转写名），会发现今天Muse们的功能它早已具备雏形：接入邮箱、管理日程、操作电脑、后台24小时持续运行、主动提供服务。一位受访者点破了两者的关系：OpenCloud背后代表的是一个architecture，是技术成熟度；今天的Grokbot和Meta Muse，其实是「用OpenCloud的思维在做这些架构的application」。它始终没走进家家户户的原因也简单——技术门槛太高，高到「有课可以卖、有人付钱请人安装」。但在主持人看来，这恰恰证明了需求：人们需要能真正完成任务的助理形态，只是被门槛挡住了。于是这一代产品做的事，就是把一个已被验证的方向变成普通人能用的服务：电脑由平台准备，不需要你给agent配一台Mac Mini或虚拟机，运行环境由平台维护，你只需连接账户、告诉它要做什么。

后台能力为什么此刻跟得上？节目给出两个同时在发生的变化。第一是模型处理连续行动的能力增长了。回到主持人开场那个卖家具的例子：写商品介绍只是第一步，agent还要查价格、找到正确的页面、填写信息、处理买家回复，事情偏离计划时还得决定下一步——步骤之间有依赖，前面出错，后面全部白做。一位受访者用「冰山理论」描述这件事：你看到的执行只是水面上的那一点点，水面下是大量Harness（工程脚手架）与sandbox（沙箱环境）的配合，以及「很多很多的sub agent，一百个这种sub agent其实都是在背后跑的」。第二是一部分任务已经可以用更便宜的模型完成，这对需要持续运行的Agent尤其关键。一位正在开发同类产品的受访者（其产品转写名为「保尔泰」，存疑）给出了体感数字：今天一个转写名为「Luna」（存疑）的模型，能力遥遥领先一年前、甚至九个月前最先进的模型，而开销只有前沿模型的约十分之一，「这就使得我们可以开始用了——用得起用不起至少可以去debate了，九个月前根本不用debate」。

不过节目紧接着补了一个限定：一次调用变便宜，不等于一个助手的总成本会下降——它能做的事情越多，用户交给它的任务也就越多。这是理解后文盈利难题的伏笔。沿着OpenCloud爆火之后的脉络，节目快速过了一遍产品谱系：Anthropic先推出Claude Cowork（转写为Cloud Cowork），把coding agent的执行方式带进办公任务，让agent读取授权文件、整理资料、处理表格，交付可检查可修改的成果，当时引发了资本市场的一批「SaaS焦虑」（转写为「惊虑」）；腾讯二月推出Work Buddy探索类似路径；Poke三月把助手放进用户熟悉的邮箱与消息对话（写作者注：与前作Astra篇嘉宾朱哲清创办的POKE AI同名，疑为同一家，节目未明确）。这些产品的共同点是背后都连着一个能干活的执行环境——有的直接用你的电脑（Work Buddy），有的用云端虚拟机（Instinct、Grokbot、Muse），有的调用本地工具——以及比聊天机器人更大的变化：跨对话的记忆。

把这一节收成第一条机制链：开源架构验证＋模型连续行动能力成熟＋单次成本降一个数量级 → 长程任务的持续运行在经济上从「不可讨论」变成「可以讨论」 → 个人Agent从极客玩具变成大众产品 → 二阶影响是SaaS软件开始被「代理使用」而非直接使用（下文Grokbot节展开）。对读者的启发：判断一类产品会不会成批出现，与其盯单个功能发布，不如盯「架构成熟度」和「成本拐点」这两个慢变量——它们到位之后，产品潮只是时间问题。观察指标是Agent产品里便宜模型承担的任务占比，以及单任务成本曲线。

二、Instinct与Muse：消费端的两条入口路线

Instinct：短信里的熟人与Clubhouse之问

Instinct是这波产品里最「资本现象级」的一个：成立仅一年，仍采用邀请制，用户已超十万（节目称），以100亿美元估值完成10亿美元C轮融资，两个月内融资三轮。它的早期用户大部分是硅谷创业者和投资人，靠这些Power Users在Twitter上的主动宣传获得关注。创始人Noah Shen是23岁的大学辍学生，节目特意回溯了他的两段研究经历，因为它们恰好对应Agent的两个核心问题。2023年他发表名为Reflection的论文，研究「AI做一件事失败了，下一次能不能少犯同样的错误」——方法是让Agent根据任务反馈把经验总结成文字存进记忆，下次尝试时拿出来参考，不需要每次重新训练模型。后来他在Sierra担任研究员期间参与了Tollbench（转写名，疑指τ-bench/Tau-bench）的研究，追问一个Agent怎样才算真的把事情办好：在模拟的航空客服场景里，它要理解用户要求、调用系统工具、遵守公司业务规则，更关键的是同一任务重复执行时能不能持续做对。出错之后的改正，和能不能稳定地把事情做完——Noah在个人助手流行之前就在研究这两件事，节目认为这解释了他为何受到资本追捧。

产品设计上，Instinct选择了一个零学习成本的入口：短信（苹果iMessage）。你像联系真人一样把要办的事发给它。对用户，不需要重新建立「打开一个应用」的习惯；对厂商，这极大降低了获客成本。一位受访者把这套逻辑推得更远：「未来的Application很有可能是没有Application的。你跟他打交道就是Messages，就是对话。你要告诉他的是我要什么结果，而不是go through什么workflow、点这个点那个——我们是被前几代的软件给培养坏了，要去订餐馆买样东西，凭什么要点这个点那个？」这是一句值得记住的反workflow宣言：让模型来告诉你需要做什么，而不是你去走软件的流程。

但入口简单了，新的问题随之出现：面对一个什么都能做的助手，普通人未必知道该让它做什么。受访者点破：「一个助手具备某种能力，和用户愿意把事情交给他，是两码事。」Instinct的火，靠的是Twitter上有想法的power user分享「我用它做了Poke做不了、GPT做不了的事」，别人觉得amazing来试，发现真能完成——早期用户分享用法，本质上是在替产品做市场教育。于是难题来了：发布两个月内靠资本捧起来的流量能不能持续？一位受访者的判断相当尖锐：「Instinct在我看来就是新一代的Clubhouse。这不是产品判断，是从创始人打法的判断——它是高举高打。高举高打本身没有问题，问题是你要意识到自己在高举高打，要能伸缩自如，知道什么时候伸、什么时候缩。」新鲜感过后我们已很少打开Clubhouse，Instinct会不会一样？创始人说过不打算让用户付费，那就意味着要靠广告赚钱——热度褪去后这个模式是否可行，是受访者眼中创业公司面临的最大挑战。

Muse：社交图谱上的Goals与广告算盘

Muse和Instinct要解决的问题类似，条件却完全不同：Instinct需要让大家先认识自己，Meta已经有Facebook、Instagram、WhatsApp这张现成的网络。受访者直言这就是大厂和创业公司最大的区别——distribution（分发渠道）：「Grok跟Meta的Muse至少有distribution channel，尤其是Meta，特别广。在今天这个时代，一家公司的distribution channel好的时候，很难做得太烂。」数字上（节目称），Muse今年9月8日向公众开放，截至10月初下载已超660万次，多次冲到App Store免费应用榜第一；除了独立App，用户可以在WhatsApp里直接和Muse对话，也可以连接Facebook和Instagram账户。

Meta的天然位置在于：它已经参与了我们「发现内容、产生兴趣、联系别人」的过程，现在希望进一步承接这些行为之后「要办的事情」。节目用卖家具的例子说明了任务性质的变化：这不是写一条帖子的一次性任务，而是一个长期委托——我交给Muse一个需要持续跟进的指标，直到东西卖出去为止。这类任务在Muse界面上活在一个叫Goals的页面里。按Meta对Muse的介绍，它要做的就是理解用户的目标、协调时间和资源、在用户离开后继续推进、在需要批准或出现变化时回来联系用户，并记住用户偏好供后续任务参考。记忆在这里直接兑换成商业上的留存：换一个助手，意味着重新介绍自己、重新磨合、重新建立信任——切换成本本身就是护城河。

商业设想来自扎克伯格在采访中的原话：现在先提供较大的免费额度让用户尝试把任务交给它；未来让Muse帮用户赚钱、省钱，Meta再从中抽成——「我们相信对于用它经营小生意、赚钱、做交易的人，它能为人们赚到那么多钱，以至于我们预期的商业模式，就是长期从每笔交易里抽很小一部分（take rate），而且付费方未必是用户，可以来自它合作的商家」。技术上，Muse用的是Meta自研模型（转写为「Muse Spark」，存疑），扎克伯格强调个人助手需要专门能力、应从模型训练阶段就开始培养，并举了「边界感」的例子：你把怀孕的事告诉agent，它订餐厅时会据此找有无酒精饮品的地方，但不会把你怀孕的事告诉餐厅——利用它知道的信息帮你办事，同时判断哪些信息没必要向外透露。

这盘棋真正的杀招在广告。一位自述曾在Facebook工作的受访者拆解了Muse对Meta的独特价值：Facebook广告本质是「兴趣和冲动消费型」——刷刷刷、砰、下单；Google更多承接「你有强烈需求去搜索」。而Muse的优点恰恰是把强意图的捕捉提前了：「在你还没想到要去Google搜索之前，Muse就跟你聊了聊，把这事解决了——相当于绕开了Google那道广告，直接在Meta的生态里解决。」他进一步推演（此为受访者观点，非Meta官方口径）：即使Muse不替你买东西、不抽成，Facebook了解了你的email、联系人、你的所有意图之后，feed广告的推荐会变得更精准、转化率更高——「假设推荐转化率提升一倍，收入就乘以一倍。对Facebook来讲这是很大的钱，相比之下算力本身不算什么。」这就是「从内容分发走向任务分发」的完整含义：成为你使用软件、购买服务的入口，进而影响哪些酒店进入候选名单、哪些商家拿到订单。

两条路线对照着看，第二条机制链浮现出来：Agent成为需求的第一触点 → 软件与服务从「入口」退居「被调用层」，选择权与推荐权向Agent转移 → 对原有平台，订单可能还在，但影响用户选择的位置和广告收入被拿走 → 平台有充分动机反击（见第四节）。对读者的启发：评估任何Agent产品，先看它站在「需求第一触点」的位置有多深、多难被绕开——Instinct的iMessage、Muse的社交图谱、Grokbot的工作流，本质上都是把「先找我」变成习惯。观察指标是Agent影响候选名单与交易的比例，以及take rate能否真的落地。

三、Grokbot：把组织单位从对话换成「数字同事」

生活场景之外，工作场景对助手提出了另一个要求：分工。你一边让AI整理客户资料、一边让它做市场调研、还要它跟进报销——这些工作各有进度、文件和要记住的细节，全放进一个对话里，事情一多就得重新花时间整理。xAI（转写为「Spexx/Spikes X」，存疑）夏天推出的Grokbot正是从分工切入的多agent协作产品：把长期委托组织成一支数字团队。节目采访了负责Grokbot产品设计的郑鹏，他提出了本期最有意思的观点之一：人类是agent工作的瓶颈。「行业大部分人已经步入『我们指挥一个agent团队去做任务』的阶段，但很快意识到我们自己成了瓶颈。」他用无人驾驶作类比：如果法律规定你必须把手一直搭在方向盘上，无人驾驶对你的时间利用就没有太大价值——你还是得坐在驾驶位上，注意力放不到别处。数字世界一样：执行层面agent已经替代了你亲自去做，但如果你还得一直盯着、一次次往返确认，「这只是把我们的时间放到了一个管理者的角色上，并没有真正解放我们的时间」。

这个判断直接体现在Grokbot的界面上。几乎所有AI产品都是三个面板：左边历史聊天记录、中间当前对话、旁边任务和结果；有新任务就新开对话，交代要求，来回检查补充确认——而对话结束后我们很少回头看，更不用说把经验整理下来留给下次。郑鹏的设计是把产品的组织单位从一次对话变成一个长期存在的bot：聊天框左侧是以角色与身份为中心的agent list，它们有各自的名字、头像和分工，能在云端使用电脑、进入工作工具、彼此传递信息、在群聊里协作——一个负责客户跟进，一个负责市场内容，再一个协调任务。「通过这样的界面变化，比较implicitly地推动用户去想：当我拿到一个任务，第一反应不应该是我又开一个新的对话session自己去完成、自己去监控，而是我怎么把它交付给我的数字同事，怎么把任务自动化，怎么在一次一次完成任务的过程中把经验沉淀下来。我希望设计的不是一个一次性的来回交互，而是一个系统，尽量把人的因素从这个loop里省略掉。」

多agent协作还有一个反直觉的设计问题：人类团队分工是因为不同人有不同专业能力，agent背后可以是同一个模型，为什么还要分出一个设计师、一个工程师、一个项目经理？郑鹏的答案是：关键在于它们需要记住的事情不一样。「更多是我怎么把context限制在合理的边界。我们把相关的context封装在同一个bot里：所有的skill、plugin是每个bot共享的，但所有的记忆、personalization是单独的。」context即agent执行任务时参考的上下文——你的要求、之前的对话、积累的工作经验。设计bot要记得你喜欢什么视觉风格，客户沟通bot要记得你和客户的交流方式；如果全放在一起，就得不断判断哪些要求适用于眼前任务、哪些只是另一个项目的特殊情况——这种信息相互干扰就是「上下文污染」。角色由此成了整理记忆的一种方式：把一类工作持续交给同一个bot，它围绕这类工作积累经验，减少每次重新交代的负担；分工也不固定，可以把相关bot拉进群聊围绕同一项目协作，同一个bot也能同时参与不同项目。

但如果有数字团队之后还要花很多时间管理它，人的瓶颈不还在吗？郑鹏说团队曾尝试把agent的电脑和操作过程展示得更明显，用户研究却发现人们真正想确认的只有四件事：任务有没有被接收？还在运行吗？有没有卡住？什么时候需要我回来？于是他们改用头像的不同动画表达bot正在工作、等待处理或已完成。「这些看起来很小的设计，承担的是一个非常实际的任务：给用户足够的信息，让他可以放心离开一会儿。」Grokbot想建立的关系是——你知道它还在做事，也知道需要判断的时候它会回来找你，更详细的过程在你离开时再展开。郑鹏观察到的深层变化则是：「大家和数字世界中间开始增加了agent这一层layer。比如我个人的日常工作实践，很多时候变成我不再主动亲自使用Figma、Notion、Slide这些SaaS工具，而是我指挥我的agent去使用这些。」这正好接回本期的主线：所有agent产品都在潜移默化地让用户「通过agent使用软件」——Instinct想做消息列表里随时可联系的助手，Meta借社交生态承接要办的事，Grokbot让数字同事成为持续委托的对象，形态不同，核心逻辑一样：抢占人们执行任务的入口。

这一节是第三条机制链：Agent能执行但需要人盯 → 人的注意力成为系统瓶颈 → 产品设计必须重造组织单位（对话→长期bot）与信息呈现（过程→状态），把人从loop里省略 → Agent的采用深度实际等于用户敢放手的程度。启发：评估一个agent产品，别只看能力演示，看它把「需要人回来的次数」降到了多少——这是比功能列表更诚实的采用深度指标。

四、入口的代价：授权边界、机密虚拟机与亚马逊的封锁

当agent真的站到用户和软件、商家之间，三个新问题出现了：用户能不能放心放手？原有平台愿不愿意让agent介入？没有消失的监督、执行和协调成本由谁承担？节目先摆了两个媒体上的「恐怖故事」：让Instinct查看航班条款，它直接把航班取消了，直接损失300美元；让Muse卖键盘，它在未经允许的情况下让买家上门取货，买家没见到人，最终给了差评。主持人特意限定：这些案例不能说明agent出错率有多高，但暴露了一个直接问题——在不知不觉当中，我们到底给了agent多少授权？

这就是agent的第一个隐藏成本：隐私和安全边界。受访者提醒，这里其实是两个不同的问题——助手会不会超过你的授权去行动，以及你交给它的数据会被谁看到、怎么保存、如何使用。「一个新兴事物刚出来，大家关心的是有多少sexy的功能，哇，一句话就把机票订好了；但要真正进入千千万万的家庭，对安全性和可靠性的要求还是比较高的。」Meta在这上面的投入颇有点故事性：扎克伯格透露，他和Nat Friedman（转写为「Net Freeman」，存疑）亲自招募了加密通讯软件Signal的创始人Moxie Marlinspike，参与Muse的机密虚拟机项目，目标是把用户交给Muse的信息放进受保护的云端运行环境，连Meta自己也无法查看。节目补充了背景：由于Hugging Face和OpenAI近期的安全事故（节目口径，未展开细节），公众对AI安全的关注度正高；扎克伯格还发推表示，为保证Muse的安全性，发布时间比原计划晚了几个月；Meta另加入了一个名为Sentinel（转写名，保留）的监控agent，检查进出信息、需要时触发用户审核。但受访者随即泼了冷水：即使解决了「谁能看到数据」，也还没解决「助手会拿数据做什么」——它仍可能在一个正常任务里发出一条不该发的消息；而且「我们能从infra层约束自己，却没办法约束我们的client——当客户用到这些用户数据之后，会怎么做」。

第二个隐藏成本来自原有平台。Muse上线后没多久，亚马逊就封锁了它，禁止其代替用户购物。亚马逊的理由（节目转述）：Muse没有公开表明agent的身份，且存在账户访问和凭证处理方面的安全担忧；它认为替用户在其他商家处购买东西的第三方服务应该公开运行，并尊重商家是否参与的决定。这场冲突的分歧点很根本：**用户同意让助手帮自己操作，是不是意味着另一个平台就必须接受这个助手？**从用户角度，我有账户、愿意花钱，只是换了一种操作方式；从平台角度，进入账号读取信息、执行交易的是另一家公司的系统——它想知道这个系统是谁、能做什么、出了问题谁负责。而在安全规则之下，是更硬的商业利益冲突：你自己打开购物网站，平台可以通过搜索、推荐和广告影响你的选择；如果你先让Muse比较商品、再由它完成购买，一部分选择过程就转移到了Muse那里——原有平台可能仍然拿到订单，但不再直接接触用户，广告收入也可能减少。节目总结得很直白：agent在带给平台交易的同时，也可能把原有的客户关系带走。（写作者注：本刊Astra篇曾借嘉宾朱哲清之口分析过同一结构性矛盾——云端虚拟机无法向商家证明「这个Agent代表这个用户」，可参照前作；本期补充的增量是亚马逊给出的具体封管理由。）

第四条机制链：授权默认模糊＋平台利益受损 → 平台以安全与身份之名封锁agent → agent必须发展可验证身份、机密计算与商家协议才能推进 → 观察：后续有多少平台跟进封锁，或反过来出现agent与商家的接入协议/分成标准。启发：入口之争不是产品单方面的事，是一场三方谈判——用户、agent平台、被代理的平台；谁能先把「身份与授权」变成双方都认的技术标准，谁就握住了解锁规模化的一把钥匙。

五、盈利难题：比谁钱多、指数成本与办公场景的妥协

最后一个问题是节目自设的：agent能成为一门赚钱的生意吗？节目制作时，关于用户增长、融资和估值的报道已经很多，但Muse、Instinct和Grokbot都还没有清晰的收入和利润披露。两位消费端主角的盈利前景，节目认为完全取决于分发渠道：对Meta这样拥有成熟业务的公司，可以选择先投入、让用户形成习惯，再逐步寻找收入来源；对Instinct这样的独立创业公司，可以靠融资补贴使用，但下一轮融资能否继续，最终还是要回应增长、留存和商业模式。开头那位受访者的冷水在结尾得到了呼应：「我不觉得任何一个（能盈利），它融了非常多的钱，所以早期烧得起来——Instinct现在融了一个billion，那一个billion对Facebook来讲屁都不是。」另一位说得更狠：「我认为C端Agent最后就是比谁钱多、就是能烧。即使Instinct的体验更好，如果它不能做到百分之百免费，我认为它没有未来。」

agent生意里还有一个特别的矛盾，让它区别于普通软件：用户越喜欢它、越愿意把事情交给它，就意味着调用模型的次数越多，公司的服务成本也跟着增加。用受访者的原话：「最终你会发现这个支出是指数性的增长，我不认为这是一个Startup能够玩的游戏。」这也就解释了为什么很多Agent选择从办公场景切入：办公场景有更多清晰的交付物——follow up一个PR、做一份纪要、每周简报、日程协调；企业用户的付费意愿更强，也更容易证明「我把任务委托出去、直接拿结果」的叙事——一个助手如果能稳定完成每周报表或持续处理客户跟进，企业很容易衡量它省了多少工时、值不值得付费。但节目同样不乐观地补了一句：付费意愿更强，不代表钱更容易赚——数据保护、权限管理、系统接入，都可能增加企业侧成本。国内路径可作参照：Manus宣布回归并上线2.0，腾讯的Work Buddy也选择了从整理资料、处理表格这类任务切入（节目口径）。

第五条机制链（本条的启示大于预测）：单次调用成本下降 ≠ 总成本下降，因为任务量随能力同步膨胀（类杰文斯效应） → 用户喜爱度与服务成本同向指数增长 → C端免费成为生死线、烧钱能力成为护城河 → 创业公司被迫退向交付物清晰、付费意愿明确的企业场景。对读者的启发：看agent公司的单位经济，别看单次调用价格，要看「每任务成本×任务量」这条曲线的形状，以及它有没有把任务往便宜模型上分层的工程能力——那位开发同类产品的受访者说得很清楚，便宜模型能覆盖的任务占比，才是这门生意能不能算过账来的关键变量。

尾声：入口之后，看什么

收束全期，节目给出的终局判断是：入口过去是软件，今天是Agent，它想成为我们和数字世界之间的桥梁。但今天的形态未必是未来的答案——一个可能的变化是专业agent的诞生：现在看到的都还是通用agent，未来可能出现专攻细分领域的agent，服务企业甚至消费者的不同需求，「现在的模型多样化，可能就是未来的agent多样化」。受访者的想象更进一步：每个员工在用同样的生产线、用多个agent，「这一波agent之间怎么合作、生产线怎么搭建，才刚刚开始。围绕生产线，会出现什么样的agent在什么情况下做什么样的事——什么时候我们在乎价格、什么时候在乎质量、什么时候在乎agent迭代的速度，这些都会逐渐出现，现在还是非常非常早期。」

Instinct们的高估值，反映的是资本对一种可能性的押注：当我们习惯先把需求告诉助手、再由它调用软件寻找服务，助手就有机会成为新的入口；谁能赢得这份长期信任，谁就能改变我们使用软件、购买服务的方式。综合全期信息（写作者推断，非节目原话），接下来值得盯的观察指标有四个：一是Instinct的资本热度退潮后留存与活跃的真实水平（Clubhouse之问的答案）；二是Muse式的take rate与「意图数据反哺广告」哪个先跑通；三是亚马逊式封锁会扩散到多少平台、以及agent身份验证标准是否出现；四是Grokbot的「数字同事」能否把用户需要回来的次数降到足以形成真正的放手。这场入口之争的移动端版本——整机AI还是超级App——本刊在智能体手机入口篇已有梳理，两期合看，就是2026年Agent入口之争的完整地图。

归属说明：本文事实与观点均来自《硅谷101》本期节目（主持人口播＋硅谷实地采访）。扎克伯格言论为节目引用的采访原话；郑鹏（Grokbot产品设计负责人）观点来自节目采访；其余受访者节目未具名，本文以「一位受访者/受访者」指称，未将不同受访者的观点合并为一人；Muse下载量、Instinct融资与用户数、AMD/英特尔股价表现等均为节目口述口径，未经独立核实；「写作者注/写作者推断」处为本文作者基于节目信息的补充与推断，其中跨期关联（Poke与POKE AI）为写作者注。

转写疑似错误与不确定项（本地ASR转写，专名按上下文校正，无法确认处保留原文）：

  1. 主持人姓名转写为「译文/易文」，疑为ASR误差（本系列前两期转写分别为「红军」「陈倩」，均不确定），本文一律称「主持人」。
  2. 「Spexx旗下的Grokbot」「Spikes X夏天推出的Grokbot」中，Spexx/Spikes X疑为xAI；音频标题原文作「Grok Bot」，正文多处转写为Grobbot/Grovbot/Grabbot，本文统一写作Grokbot（与前作口径一致）。
  3. 「Open Cloud」疑为开源项目OpenClaude（年初爆火、可代客操作电脑的开源个人Agent架构），本文保留转写名并标注。
  4. 「Tollbench」疑为τ-bench（Tau-bench，Sierra相关的Agent能力基准，与受访者经历吻合）。
  5. 「SaaS惊虑」疑为「SaaS焦虑」；「Instant/Insta」均为Instinct。
  6. 「Muse Spark」为扎克伯格提及的Meta自研模型转写名，写法存疑。
  7. 「Luna」为受访者提及的新模型转写名（口述口径：能力超九个月前SOTA、开销约前沿模型十分之一），写法存疑。
  8. 「保尔泰」为受访者自述在开发的类Muse产品转写名，无法确认对应实体。
  9. 「Net Freeman」疑为Nat Friedman（与扎克伯格共同招募Moxie Marlinspike的口径）。
  10. 「Tong」为节目提及的消费端Agent产品转写名，存疑；「Dots」为OpenAI在DevDay宣布的助理产品转写名，存疑。
  11. 「Sentinel」为Meta监控Agent的转写名，按原文保留；「Hugging Face和OpenAI的事故」节目未展开，按节目口径保留。
  12. 「Cloud Cowork」应为Claude Cowork（Anthropic产品，与前作口径一致）。