AI 智能体或将推动网络活动增加 10,000 倍 | Twitter 前 CEO

摘要

• 如果他最初提出的1,000倍判断成立，Agrawal认为Agent使用网页的规模还有5,000–10,000倍增长空间。 他估计目前Agent的使用量相当于人类的10–20%，并将其与爬虫流量和媒体报道中的机器人流量区分开来。他自己的Agent每天已经进行数千次搜索：“1,000倍还不够。”
• Parallel以Agent推理需求作为增长基准，Agrawal目前按10倍作规划估算。 他预计，全球每投入10块GPU用于模型推理，就会有1–2块GPU用于网页搜索。算力供给取决于具体硬件、地点和交付时点；部分GPU必须部署在距离Parallel网页索引5毫秒以内。
• Parallel主打搜索质量、模型无关性和更低的推理成本。 节目开场介绍称，公司上个月完成1亿美元B轮融资，估值达20亿美元；Agrawal表示，公司员工人数从年初接近30人增至约120人。他称，高信噪比搜索结果能让模型“少搜一半”，减少Token消耗并更快完成任务。
• 消费级Agent能否留住用户，取决于是否兑现足够简单的产品承诺。 Agrawal看好留存，因为用户只需给Agent发消息，几乎不需要学习成本；但他承认自己没有内部留存数据。他不认同OpenClaw的理念已经碰壁：配置和持续维护门槛较高，早期模型能力也有限，限制了产品的普及。
• Agrawal认为，Agent浏览网页会打破注意力经济，即使购买行为仍会保留。 “注意力已经无法变现”，因此他认为广告和按席位订阅都难以持久。Parallel正在搭建向内容所有者支付Agent阅读费用的系统，并由模型决定补偿金额，试图为这种新型网络打造一个“AdSense”。
• Agent访问网页，既需要商业利益协调，也需要身份识别和安全保障。 Agrawal希望实用的Agent能够表明身份，并继承所有者的权限，但目前表明身份反而容易招致封锁。安全仍需分层负责；他预计攻击者和防守方都会投入推理算力，造成影响重大的网络安全事件将“每隔几周”发生一次。
• Agrawal对下一阶段需求的判断是：“网页将从拉取转向推送。” 如今常驻运行的Agent大多仍是被动响应；他预计Agent会监测变化，并响应用户明确或隐含的需求。在一个拥有万亿页面、机器生成噪声不断增加的网页上，瓶颈将变成如何分配算力，识别值得采取行动的变化。

精读

1. 尽管流量数据醒目，Agent使用网页仍处早期

• Agrawal最初的判断是，Agent使用网页的规模将达到人类历史最高水平的1,000倍。如今他说，1,000倍还不够（“1000x is too low”）：普通人每天使用Google搜索约10次或更少，而他追踪的Agent每天会搜索数千次。他粗略估算，自己的使用量略低于1,000倍。大多数人还远未达到这一水平；要走到那一步，可能还需要几年。
• O’Shea提到，Vercel观察到编码Agent的流量已达到60%。Agrawal提醒，自动化流量还包括预训练爬虫，而且Agent完成同等任务时的搜索次数多于人类。他估计，Agent目前的网页使用量约为人类的10–20%。如果他最初提出的1,000倍判断成立，那么从现在起还要增长5,000–10,000倍。
• O’Shea追问：Agent变得更聪明后，会不会减少搜索次数？Agrawal认同这一点，但不认为可以把旧有搜索基础设施扩容1,000倍。他估计Google每天大约会进行100亿次搜索，也不认为Google能建成支撑千倍搜索量的基础设施。Parallel则用GPU支撑搜索索引；这类系统过去受CPU和内存限制，公司还把排序能力提炼进更小的模型。
• Agrawal的信念来自早期尝试：他用“GPT-3.5之类的模型”运行BabyAGI和AutoGPT。那些产品当时并不好用，但发展方向似乎清晰可见：模型能力会变强、运行时间会变长，而在能力不变的情况下，模型会变得更小、更便宜。他没料到编码Agent会率先普及，也没预料到CLI会成为它们的交互形态。

2. 推理需求决定增长门槛，也带来产能难题

• 节目开场介绍称，Parallel上个月完成1亿美元B轮融资，估值达20亿美元。Agrawal以推理需求为基准：“全球每投入10块GPU用于模型推理，就会有1–2块GPU用于网页搜索。”他目前按10倍估算增长，高于去年给出的数字。他希望Parallel的增速能跟上甚至超过Agent推理需求，同时也在追问10倍增长还能持续多少年。
• Parallel通过租赁获得GPU，过去3个月里多次陷入紧张的算力调配。所谓可用，不只是有GPU，还要型号、数量、地点和交付时点都合适；部分GPU必须部署在距离网页索引5毫秒以内。对于某些大型集群，Agrawal还要确认这部分实体算力能否锁定足够长时间。他会联系每一家超大规模云厂商和新云厂商。供给情况有时会先在iMessage上谈妥，再由财务团队处理手续。到目前为止，GPU短缺还没有迫使Parallel拒绝客户。
• Parallel当天上线了BrowserBase集成，为BrowserBase提供搜索能力。这也体现了“读取”和“行动”的区别：Agent先通过Parallel的API搜索和访问网页，之后才通过浏览器登录、购买或写入内容。Agrawal所说的“Agent云”整合了推理、可能还有沙箱、网页搜索、浏览器和API操作、个人或企业数据连接器，以及可观测性、反馈闭环和安全能力。

3. 留存和企业采用取决于兑现产品承诺

• Agrawal看好Instinct和Muse等消费级Agent的用户留存，但承认自己没有内部留存数据。消息交互本身就能自然完成引导；关键在于产品能不能兑现承诺。他的检验标准是：“它能不能足够频繁地兑现这个非常简单、概括性的承诺，进而成为你生活的一部分？”
• 被问到OpenClaw是否碰壁时，Agrawal不认同：“OpenClaw各方面的方向都是对的。”大多数人既无法完成配置，也无法随着能力变化持续调整产品。早期表现还高度依赖Opus这样的强模型。托管产品则能在用户看不见的地方持续升级，不必让用户理解具体改了什么。
• 早期客户Harvey和Notion推动了搜索质量提升；语音Agent如今则在推动延迟下降。搜索响应需要约150–200毫秒，而人类搜索大约需要600–700毫秒。用户预期很快就会固化：Agrawal打赌，即使换上新模型，今天关掉ChatGPT的网页搜索功能，90%的请求都会让用户失望。“你会觉得自己像个穴居人。”
• Parallel员工人数从年初接近30人增至约120人，主要是过去6个月扩充了市场拓展团队。Agrawal总结了3类购买触发因素：捆绑搜索无法胜任高要求任务；客户需要在专有模型和开放权重模型之间保持独立性；或者业务规模扩大后需要更好的成本效益。他称，高信噪比的搜索结果能让模型“少搜一半”、减少Token消耗并更快完成任务。

4. 要保持网页开放，需要支付机制和继承权限

• Agrawal的经济逻辑从人类“随机漫步式浏览网页”开始。出版商可以在这段浏览路径中通过订阅、广告、引荐或交易获利。到了Agent时代，“购买行为还在，其他所有行为都断了。”他认为广告和按席位订阅难以持久，因此，让内容所有者的利益与Agent生态对齐，也是基础设施问题的一部分。
• Parallel搭建了一套系统：每当Agent读取内容，就运行一个模型计算应向相应内容所有者支付多少费用；公司也在建立内容合作关系。Agrawal把它称作一种“AdSense”，能够“轻松、自动地差异化定价”。他的判断是，为优质内容付费可以让网页保持开放，以补偿机制取代出版商封锁Agent的动机，让他们有理由欢迎Agent。
• 被问到机器人检测是否仍有意义时，Agrawal区分了爬虫、有用的Agent和恶意机器人。他说自己有“两种相互矛盾的想法”：好的Agent应该表明身份，但在利益机制尚未对齐时，表明身份可能先招来封锁。Instinct和Muse无法访问许多他本人能访问的网站。他希望所有Agent，包括大型实验室之外的Agent，都能继承所有者获准的访问权限和操作权限。

5. 安全是贯穿各层的持续攻防

• Agrawal认为网络安全风险真实存在：Agent既能帮助攻击者，也能帮助防守方。他认为，尽早部署防御型Agent的组织会没事，因为攻击者会瞄准最薄弱的一环；前沿模型权重则是另一个更敏感的问题。他预计编码Agent会被广泛用于网络安全，造成重大影响的网络安全事件将“每隔几周”发生一次，攻防双方也都会投入大量推理算力。
• Agrawal用Twitter作比，把网络安全称作一场“刀战”：攻击可以被遏制，却几乎无法彻底消除；最棘手的是防守方无法识别的行为。网页内容可能进入Agent上下文，进而引发提示注入攻击。过去2年里，模型能力确实取得了实质进展，但“不能说‘模型会解决一切’”。Parallel、模型构建者和应用开发者都必须守住各自的层面；偶尔仍会有失守。

6. 主动式Agent改变搜索和算力分配

• Agrawal最近最关注的是“网页将从拉取转向推送”。Instinct、Muse和Dot已经展现出一些苗头，但尽管一直在线，它们仍以被动响应为主，还谈不上主动。他预计Agent会理解用户明确表达和隐含的需求，在全网设置高信噪比、高精度、高召回率的提醒，并判断哪些变化需要采取行动。智能成本下降后，早期的提醒产品思路可能会重新可行。
• 算力分配面临的对象是一个拥有万亿页面的网页，其中大量内容毫无价值，而且每天都有很多页面发生变化。“无论把算力成本降得多低，我们都没有足够算力处理一切。”资源必须优先投向值得采取行动的变化。Agent生成内容的发布增加了变化频率，也可能放大噪声，让信号提取变得更难。
• O’Shea区分了面向聊天机器人的GEO和面向Agent的AEO；Agrawal起初把两者视为一回事，随后接受了她的区分。Parallel从早期隐身阶段起，就同时提供面向人类和机器的网站视图。不过他认为，呈现形式并非首要问题：“即使出版商还没把网站做成适合Agent使用的样子，我们也能改造整个网页。”
• Parallel围绕“开发者身边有编码Agent”来设计文档和引导流程。客户可以把提示词粘贴到Agent里，由人类授权访问、添加信用卡并接受条款，剩下的交给Agent处理。Agrawal认为，围绕Agent重新设计完整的客户旅程，是根本性的工作。

7. 内在标准塑造Agrawal的经营理念

• Agrawal认为，自己的妻子——一位医生，也是Andreessen Horowitz的投资人——让他的 ambition 超出原先想象。小时候，他在印度的同伴都是核科学家的孩子，身边的人都期待自己做到最好。他把这种环境与招聘联系起来：“不招出众者，就招不到出众者；只招出众者，最后手下就全是出众者。”
• 被问到如何承受压力时，他回答：“什么压力？”Twitter收购期间，他的睡眠也一直很好；他把压力和每天的工作表现区分开来。“我只想做那些我不会雇自己来做的工作”：不安全感会让他保持谦逊、一点点偏执、好奇心和努力，也会促使他寻求帮助。除妻子外，他说自己的要求一向高于别人对他的要求；相比外部标准，内在标准更能驱动他。