Ribbit Token Letter：2025 年 6 月致合伙人信

「这是你最后的机会。迈出这一步之后，就再无回头路可走……你吞下红色药丸——留在仙境，我带你看看兔子洞究竟有多深。」——墨菲斯（Morpheus），《黑客帝国》（The Matrix）

致合伙人

当我们坐下来写这封关于「一切都在发生巨变」的信时，做的第一件事就是和一台机器聊了聊。在整个写作过程中，凡是过去我们可能会打电话给朋友或创始人征求意见的地方，我们都转而求助于其他机器。本可以在 Notion、Google Docs 或 Word 里起笔的思路，本可以在 Chrome 或 Brave 上检索的资料，本可以去 PitchBook 查的数据，我们都交给机器代劳。而它们几乎每件事都做得比我们更快、更好。

这些机器——可以访问全世界所有的公开信息，智商约 150 且还在不断攀升，耐心和精力无穷无尽——它们想要什么回报？它们只要一样东西：token。我们给得越多，它们回馈的想法、创意和内容就越多。反过来，它们还会索取更多的 token：带有上下文的 token——关于我们、我们的问题、我们的优先级和我们的历史工作。当然，它们也想要一点钱……同样以 token 的形式。

这就是这封信的主题——token——一个简单到其名字常被用来表示「微不足道」的东西。但如今，我们处处都能看到 token 和 token 化的身影。token 正在让世界变得可以被机器访问、被机器读懂，将「我们是谁、我们拥有什么、我们在做什么、我们想要什么」等信息编码其中。它们支撑着 AI、支付、加密、身份等领域的未来。未来十年，你如何创造、转化、获取、存储和分发 token，将定义地球上几乎所有的公司。每一家企业都正在成为 token 工厂¹（token factory）的供应商、建造者或编排者——这些数字引擎将改变全球的货币、知识与权力。精明的在位巨头（incumbents）已经看到浪潮将至，而我们押注的是下一代反叛者（rebels）去驾驭这股力量。为了戏剧效果，我们一直称之为「Token 革命」。而它已经开始：

▍图 1：Token 革命已至

来源：Alphabet、Dune Analytics、Visa、Ribbit 分析

在年会和私下交流中，不止几位合伙人善意地问过我们：「等等，token 化到底是什么？你们怎么把 LLM、智能体、Visa 和智能合约放在一块儿讲？」希望这封信能把这件事讲清楚。

Token 革命：金融之内与金融之外

过去 15 年，我们见证了全球金融创新的巨大进步。得益于移动互联网的发展——以及一批了不起的创业者——如今世界上大多数人的口袋里都有了数字货币。

但要做的事情还有很多！我们创立 Ribbit，就是为了支持那些与依然根深蒂固的现状作战的反叛者。如今金融服务的覆盖面比以往任何时候都广，但真正的个性化仍是少数特权者才享得起的奢侈品。这往往就是繁荣与贫困之间的差别：拿到一笔贷款是一回事，有人帮你弄清楚到底该不该借这笔贷款，则完全是另一回事。过去十年，我们一直在问这样的问题：「世界上有多大比例的人能接触到美元、黄金、比特币、国债或全球股票指数？」未来十年，我们需要问的是：「世界上有多大比例的人拥有 7×24 小时为其管理财务风险、现金流和收益的个人智能体（agent）？」

幸运的是，我们开始看到现状用来阻碍进步的壁垒出现了裂缝——这些壁垒包括信息不对称、标准互不兼容、监管俘获（regulatory capture）和 FUD（恐惧、不确定与怀疑）。而 Token 革命正蓄势冲垮这道堤坝。在大语言模型（LLM）身上，我们拥有了能够捕捉上下文、理解世界并编写软件的计算机。在区块链和现代支付网络身上，我们拥有了让机器得以在全球即时发行和转移资产的网络。这些系统的核心都运行在 token 之上。如果说移动互联网是上一个创新十年最需要的东西，那么 token 就是下一个十年最需要的东西。

这些 token——以及它们所驱动的数字智能体——将引爆一场智能大爆炸，彻底改变我们与技术的关系。我们将从「琢磨技术能怎样帮助我们」，变成「让技术替我们琢磨（然后替我们动手）」。这个未来的模样无疑会让我们惊叹，但有几件事我们很有把握：

1. 每个人都将有数十乃至数百个智能体为自己工作。 任何能连上互联网的人，都将获得今天只有富人和权贵才能享有的服务。这些智能体将帮助我们理解这个嘈杂的世界，并把我们的数据变成为我们打工的资产。
2. 每家企业都将拥有数十乃至数百个智能体——按每名人类员工计。 充满干劲的团队影响世界的能力将令我们震惊。随着交易成本和信息成本的下降，企业的本质将发生改变。超出我们预期的是，我们将越来越多地与智能体共事、为智能体工作。
3. 每个行业都将被 token 和智能体彻底重塑。 行业内价值创造与保存的方式和位置都将改变。数据将从「一种资产」进化为「最重要的那种资产」。品牌依然至关重要，但品牌的内涵将不断演变。

我们总是先谈金融，因为我们热爱金融——我们相信，让货币变得更好，就是让社会变得更好。而金融服务正是智能机器时代最完美的标的。除科技行业本身之外，金融行业在科技上的投入金额（每年 7000 亿美元以上）和占收入的比例（超过 10%）都高于任何其他行业。AI 领域最有价值的公司，要么将在金融行业里做产品，要么将把产品卖给金融行业。

但 Token 革命所带来的这种变革与个性化，将波及经济的每一个角落。AI 将挑战创业者所面临的传统的横向与纵向边界。金融将继续走出传统机构，嵌入我们的生活与工作。数据与货币将越来越密不可分。

多年来我们一直在谈论 AI，但这是我们第一封专门聚焦「由机器塑造的未来」的信。我们都需要以比以往更快的速度学习，所以请不吝分享你的反馈、问题和毫不留情的批评。或者，更好的做法是——让你的智能体替你转达。

理解 token 化（我们到底在说什么？）

token 并不新鲜。我们所知的最早的 token——新石器时代美索不达米亚的黏土小 token——出现在将近一万年前。这些 token 约三分之一英寸大小，被捏成十几种不同的形状，饰以刻痕或颗粒，在炉火中烧制，用来表示货物的数量。据我们所知，它们被当作货币使用，代表着最早的可携带记账形式。特别重要的 token 可以用火封存在一种叫「bullae」的陶制信封里——这是一种古老的加密手段。即便在那时，人们就需要在隐私与效率之间做权衡，而数据与货币也早已密不可分。

▍图 2：token 从来都是一半数据、一半货币

来源：Ribbit 史料研究，ChatGPT Deep Research 协助

如今，token 无处不在，几乎任何东西都可以用 token 来描述。《独立宣言》是 1,627 个 token。《美国宪法》约为 5,500 个 token。比特币白皮书约 4,330 个 token，它描述的系统总共只会产生 2,100 万枚比特币 token。Gemini 2.5 Pro 的上下文窗口可容纳 100 万个 token，ChatGPT 的训练用了约 3,000 亿个 token。今年 5 月，Solana 上每天新发行的 token 超过 4 万个。印度已签发超过 13 亿个 Aadhaar（印度国民身份系统）身份 token，巴西已创建超过 8.17 亿个 Pix（巴西即时支付系统）支付密钥 token。Mastercard 每月处理约 40 亿个 token。OpenRouter——一个访问多个大语言模型的接口——如今每月处理的 token 超过 5 万亿个。

当然，这些 token 并非都可以相提并论。token 和 token 化的含义因语境而异。这个词在计算机科学中的首次使用出现在 1950 年代的自然语言处理（NLP）研究中，但自那以后，「token」成了一个流行的数字称号。如果你在和一位 AI 研究员交谈，token 化就是把文本拆分成更小单元的过程——这些单元可以是词、词的一部分或单个字符。加密行业或资本市场的从业者会把 token 化描述为在区块链上创建数字资产，比如 NFT（或者为链下原生的资产创建数字权益凭证，比如稳定币）。支付或数据安全极客则会把 token 看作一种用来替代敏感数据（如银行卡 PAN）的标识符，以防底层信息在交易过程中暴露。

那么，我们该如何理解这些不同的定义？在我们看来，贯穿其中的主线是「机器可读性」（machine legibility）：广义地说，token 化就是为计算机呈现世界的过程。当你听到我们谈论将数据、身份、货币或资产 token 化时，我们的意思是：把人们在各个人类操作系统（金融、商业、医疗等等）中所知道和所做的事情，安全地开放给软件——包括日益自主的软件。由于 AI 系统以关于世界的数据为训练原料和燃料，token 实际上就是 AI 的 DNA，也是 AI 的饲料。

当你开始以这种方式看待任何一种 token——把它们当作建造和驱动那些日益掌管我们世界的智能系统的资源——你就可以开始推理它们的相对价值。我们的一种思考方式是画出两个维度：相对稀缺性（这种 token 有多稀有、多昂贵、多难获得？）和私密性（这种 token 对某个人或某家公司有多大的专有性？）。大语言模型最初训练所用的商品化网络数据是充足且公开的。比特币是完美稀缺的，但任何有资源的人都能获得。记忆数据——我们每天与 ChatGPT 分享、让它逐渐了解我们个人的那种数据——既稀缺（受限于我们的时间）又专有（因为只有 ChatGPT 捕捉到了它）。我们内部讨论过几十种 token 类型，但有一小撮不断出现在当前 Ribbit 的词汇表里：

▍图 3：并非所有 token 生而平等（Ribbit 分类法 v2025）

来源：Ribbit 分析；以及一支顾问大军。

注：你可能注意到三个高亮分组：红色代表用于价值的 token（即机器将如何存储或转移财务资源），包括资产 token；绿色代表用于专业能力的 token（即机器将如何学会做人类能做的事，甚至做得更多），包括专家、知识和网络语料 token（即「通用知识」，以区别于公司知识）；蓝色代表用于个性化的 token（即机器将如何了解并帮助个人、群体或组织），包括访问、记忆、上下文和身份 token。

理解 token——反复推敲分类体系、相对权重和相互关系——将是未来几年的常态工作。但根本问题永远不变：什么是有价值的？每种 token 类型都有自己的供给和需求曲线，受各种因素影响；比如，这些 token 有多个人化（消费记录 vs. 泛泛的偏好）、多丰富（「在 16 街 Equinox 健身房打卡」vs.「飞去了纽约」）、多新鲜（实时 vs. 上周）、多可验证（传感器数据 vs. 自我报告）、多可复用（金融账户 token vs. 银行截图）？而且这一切都不是静止的。原始 token（医学影像）会被持续提炼成增值 token（影像读片结果），再与其他 token（家族或基因数据）结合，创造出更有价值的 token（准确的诊断）。

所有这些 token 的创造、提炼和组合，都将发生在 token 工厂里——即把各种类型的 token 转化为更有价值的 token（或者用更传统的说法，转化为更高水平的智能）的技术与组织。每一家软件公司——以及越来越多的其他类型的公司——都可以被建模为 token 工厂的供应商、建造者或编排者。有些工厂集群是通用的但极其强大，比如大型基础模型：它们处理各种各样的输入，产出无穷无尽的有价值的输出。另一些工厂可能高度专业化，用独特的训练数据建造——比如一家工业公司用专有的材料科学数据训练出一个模型，去完成一项高度特定的工作。

这个庞大的 token 工厂宇宙将被智能体和智能体系统所使用（也往往由它们建造）。尽管眼下关于 AI 智能体的定义有成百上千种在互相竞争，我们认为这个词最好用得宽泛一些：智能体是能够感知环境、做出决策、为特定目标采取行动，同时不断学习和适应的软件系统。我们喜欢把智能体想象成 3PL（第三方物流）集成商——它们可能（也可能不）建造或运营具体的 token 工厂，但它们是「经销商」，负责采购、编排、加工和引导一切所需的 token，从而交付用户想要的知识或结果。

不久的将来，几乎每一家企业都将供应、建造或管理 token 工厂

▍图 4：Ribbit 眼中的 token 工厂……

▍图 5：token 工厂眼中的 token 工厂……

来源：Ribbit 分析、Google Whisk

当我们用这套框架审视当今金融服务和科技公司的版图时，有几点变得显而易见：

• 评估未来十年企业的最重要因素，很可能就是它们每天囤积、创造或收集的 token 的价值。 CEO 们谈论自己公司的数据量已成风尚。但他们的「库存」里有多少是对的 token？有多少是专有的？他们生成和运用专家 token 的效率有多高？客户又有多频繁地把身份、上下文或记忆 token 托付给他们？魔鬼藏在（数据）细节里。
• 智能体和智能体平台乍看之下可能像大宗商品——正如流行的说法，「那不过是个 GPT 套壳」。但离客户最近的人，永远有机会创造价值。我们看不到任何理由，认为在一个由智能体统治的 token 化世界里这一点会改变。第三方物流公司往往自己并不运营工厂，却靠着建立信任和解决客户问题赚取高利润，智能体也会如此。但在一个软件无限供应的世界里，识别真正的防御性将是一个价值十亿（也许是万亿）美元的问题。
• token 工厂将形态各异、规模不一，各自宣称握有独家秘方。 对创业者和投资者来说，一条核心试金石是：给定同样的输入 token，你的工厂能否产出比别人更有价值的输出 token？在极少数情况下，大型实验室之外真正世界级的技术团队或许能在「机器如何学习」上取得根本性突破（Ribbit 投资组合公司 Qognitive 就是我们最先想到的例子）；然而，听了十年公司推销专有算法或专有模型之后，我们已本能地对神奇的黑盒子保持怀疑。与此同时，我们看到越来越多的企业正在建立真实——且可能持久——的数据优势。当 Token 革命全面展开，我们将遇到超越以往一切所见的数据飞轮。
• 关于这些飞轮：企业的护城河（moat）将越来越取决于其培育持续改进的 token 的能力。 在本信后文，我们将以各种不同的形式反复回到这个概念，所以先在这里做个预告。无论我们谈论的是人与机器使用资产 token、公司培育专家 token，还是产品捕捉并生成个人身份 token（身份、上下文、记忆），未来十年最有价值的品牌，都将通过驾驭自我强化、建立信任的 token 循环而实现复利增长。顺便说一句，这也是数据正变得更像货币的又一种方式：你拥有的数据越多，你就越有能力创造更多数据。

▍图 6：未来几年，token 护城河将构筑于信任飞轮之上

来源：Ribbit 分析

在本信余下的部分，我们将进一步阐述我们是如何推演这些想法与问题的——以及它们如何塑造着我们投入时间、精力和资本的方向。

为什么是现在？

这封信，我们本可以在过去几年写，也可以再等几年才写。那么，为什么它此刻在我们脑海中灼烧？

运营 token 工厂的成本正在暴跌

直到不久之前，运营一家前沿的 token 工厂还需要昂贵而专用的基础设施。今天，随手扫一眼 Twitter 或 OpenRouter，你就能感受到模型和算力资源正变得日益充裕。在全球资本最雄厚的公司之间激烈竞争、Llama 和 DeepSeek 等开源模型崛起、硬件与优化技术不断进步的共同作用下，推理成本在三年内下降了三个数量级。其结果是，各路创始人如今都能用大语言模型（LLM）完成更复杂的任务，而不必倾家荡产。

建造 token 工厂的成本也在暴跌

搭建 token 工厂的基础设施正变得前所未有地易用。LangChain、AutoGen、CrewAI 等开源框架，可以把数月的工程量压缩成几行 Python 代码。向量数据库、编排工具和记忆模块正变得越来越即插即用。Cursor、Devin 这样的 AI 编程智能体正在野火般蔓延——在领先的 AI 公司，如今大部分新代码都由 LLM 撰写。「氛围编程」（vibe coding）也正当红；Replit、Genspark 等平台正在让非技术用户也能用上智能体。越来越多的创始人正以前所未有的速度做着实验。

token 工厂原材料的供给正在爆炸式增长

可用的非结构化数据从未如此之多，捕捉数据的方式也从未如此之多。企业系统、公共 API 和现实世界的信号正变得越来越可获取、可索引、可摄取。Sonix 这类 AI 驱动的转写服务每分钟售价不到 0.20 美元（比人工转写便宜 5 到 25 倍）。合成数据集开始补充人工标注的数据集，编程和客服等领域皆是如此。Scale、Gretel 这样的公司在持续提升质量与效率。随着存储、带宽和数据成本不断下降，token 输入的范围还在持续扩大。

token 工厂关键基础设施的门槛正在降低

区块链和现代支付网络正在成为更多用户、更多用途的可用工具。发行一种全球性、可编程资产的成本正趋近于零；现在在 Solana 或 Base 上发行一个 token，Gas 费不到 10 美元，交易手续费也已跌至 0.02 美元以下。其他现代支付网络和提供商——从 Visa，到 NPCI（印度统一支付接口 UPI 的运营方），再到美国的 Stripe——都在为智能体和智能体系统快速迭代基础设施。

建厂大军正在蜂拥而至

创业精神正在全面迸发。正如过去的创业者在 PC、浏览器和智能手机之上开发出早期的桌面、网页和移动应用，新一代创始人正在 LLM 之上建造 token 工厂。过去一年，超过 20 万名开发者尝试过智能体框架，GitHub 上增长最快的开源仓库都与 LLM 编排有关。最近几期 Y Combinator 孵化企业中，超过三分之二聚焦 AI。每周我们都能看到更多证据：创业公司夺取用户 token 和注意力的速度，快过了在位巨头想清楚如何把自己数据 token 化的速度。

竞赛在技术栈的每一层展开

超大规模云厂商（hyperscalers）正在算力上竞相加码（例如 Google 和 Microsoft 两家合计每月处理超过 500 万亿个 token）。Crusoe、CoreWeave 这样的 AI 数据中心专家正在竞相锁定尽可能多的电力。领先的模型公司正在竞相赢取消费者的忠诚与使用。形形色色的智能体应用正在竞相收集查询、上下文和记忆。且不论这场狂热中最终将有多少资本化为灰烬，令人瞩目的新品牌和新的王牌企业将找到立足之地，未来数年，数万亿美元的股权价值将发生转移。

▍图 7：关于「为什么现在是 token 工厂的时代」，你需要知道的一切

来源：SimilarWeb、GitHub、IDC、Token Terminal、公司官网、Y Combinator、Ribbit 分析

坚定的信念，松弛地持有

与我们过去写给你们的大多数信相比，这一封刻意放得又宽又远。让世界对机器而言清晰可读——然后驾驭这些机器，去打造改变我们生活和工作方式的高度个性化的工具与服务——这个过程牵涉甚广。毫无疑问，未来多年我们都会持续剖析和延展这一切。

所以，先给你们打个预防针！我们将在数据、基础设施和应用之间自由切换焦点，把 token、token 工厂、智能体和智能体系统放在一块儿谈论——我们心里清楚，这些概念之间的边界并非处处都已划得分明。我们明知不该贪多求全，但也实在没能完全管住自己。

有鉴于此，为了帮助你们读得顺（也体恤你们的时间和打印机墨粉），这里有一份由 GPT 助力的速览指南，概括我们将要展开的十个观点。各章节的排序在我们看来顺理成章，但每一章也都可以独立阅读——所以请随意跳着读、翻着读：

▍板块一：寻源 token——我们如何喂养机器

信念 1｜不起眼的「token 化器」将成为 AI 的第一批杀手级应用

历史上许多最雄心勃勃的建造者都痴迷于描绘世界：拿破仑出行时身边必须跟着自己的地形工程师；Jay Gould 早年对测绘的热忱，帮助他组装起了那个时代最有价值的铁路网络；Sam Walton 亲自驾驶飞机掠过一座座小镇，为的是更好地理解零售格局、规划 Walmart 的扩张。凭着对数据狂热地收集和组织，他们建造出了别人看不见的系统。同样的本能，在今天我们会见的最优秀的创始人身上依然鲜活。只不过，他们不再是为人类描绘世界，而是忙着为机器描绘人类系统。

在「世界已被数据淹没」的喧嚣中，人们很容易忘记还有多少东西从未被捕捉。我们最喜爱的领域之一——财富管理——就是一个直观的例子。一方面，Robinhood 或 Groww 这样的现代品牌，通过你不断增长的交易和点击流，对你了解甚多；另一方面，一位人类顾问只需二十分钟的交谈，就能勾勒出一幅丰富得多的你的画像——你的家庭故事、目标、性格、恐惧与偏好。而这样的模式，几乎出现在每一个个人和职业场景中。在终将被 token 化的世界里，我们目前描绘的不过是一个小点。

AI 的许多早期杀手级应用就将这样谦卑地起步：只是捕捉潜在的数据；就像地图一样，它们看上去平平无奇，却能立刻带来价值。我们一直把这类应用称为「token 化器」（tokenizers），因为它们最初的主打功能无非是抓取 token、并将其转化为相关的上下文。Granola、Otter、Fireflies 这类会议纪要智能体就是直白的例子。第一次体验就能让人感到神奇：通过把会议的音频录音转化为结构化笔记，这些应用产出了 10 倍到 100 倍的可分享上下文。这件小事为形形色色的组织改进打下了地基——管理团队协作得更好，销售负责人更有效地带队伍，产品团队更快地向客户学习，等等等等。我们也看到许多垂直应用正以同样的打法起步。比如在财富管理领域，Jump、Zocks 这样的工具正通过把客户对话转化为详尽的 CRM 条目和跟进事项，在理财顾问群体中迅速普及。

我们同样需要用 token 化器来对付所有已经存在、但形式无法被机器有效利用的数据。我们与大企业交流时，话题常常回到这一点上：他们在分析师电话会上夸耀 PB 级的数据和宏大的 AI 愿景，但实际上，那些数据都埋在结构混乱的数据库和非结构化文档里。与此同时，普通知识工作者每周仍要完成上千次复制粘贴。过去十年，帮企业把文件数字化一直是一门难做的生意；而今天的 token 化器——比如 Reducto、Heron Data、Pulse 这样的数据摄取公司——有潜力成为强大的「数据万能钥匙」，消灭数以百万小时计的枯燥劳动。

▍图 8：通过解决简单问题，早期 AI 工具将迅速开始描绘世界

来源：Reducto、Zapier、Ribbit 分析

token 化器正在——或即将——让机器在各个角落变得更聪明。我们最近听到一个例子：Grab 正在印度尼西亚收集司机端的原始视频素材，把这些 token 转化为关于每条街道、每个门牌号的上下文，进而为司机生成实时语音指引——不只是如何抵达某地，还包括如何靠近一栋楼、在哪里停车，才能实现最高效、最赚钱的配送。每一家企业都需要找到自己的这个循环：收获 token，并把它们转化为行动系统。

许多 token 化器开局迅猛，但要建起有防御力的生意，它们必须尽快毕业，进阶到开发更精深的 token。以 Abridge 这样的智能体平台为例：它起步于帮助医生记录合规、有临床价值、可用于计费的病历。通过每一次互动——医生和管理者为笔记打分、添加医学标注或计费调整——Abridge 得以借助人类专家的知识，建立起反馈与模型改进的良性循环，产出更高质量的专家 token。随着时间推移，凭借这些持续的增益，Abridge 可以赢得向更多内部和外部系统写入数据的信任，它的 token 最终可能嵌入到多条工作流和平台之中。从记笔记起步的东西，可以进化为管理从电子病历（EHR）到计费平台的临床数据的领先智能体。

同样的过程正在——或即将——在经济的几乎每一个角落上演：创业者会打造有吸引力的楔子，把相关数据 token 化，再通过持续的反馈机制把这些数据精炼成专家 token。

当然，做起来绝不会一帆风顺：让对的专家来使用你的产品、驱动这个循环（从推理到信任，到分发，再到更多推理），并且在做这件事上始终领先竞争对手——这需要一流的速度、战略和执行力。有一个例子很能说明其中的挑战（而且作为重度用户，我们对它感情深厚）：专注于金融分析的平台——AlphaSense、Endex、Rogo、BlueFlame、Rowspace、Hebbia 这些公司，都在帮助专家用户——就他们而言是金融分析师——在形形色色的复杂数据中导航。

但他们应该服务（并向之学习）哪一种金融分析师？对冲基金分析师、纯多头投资者、银行家还是量化交易员——各自看重的东西、解读数据的方式都有着微妙的差别。把这些设计选择做对，让对的专家进入学习飞轮，才是区分信号与噪声的关键。用我们一位创始人的话说：「我们只能给你一个实习生，外加一套评估这个实习生的系统。如果你把它训练得足够久，它能成为你最好的员工。」

▍图 9：起初，智能体为我们创造 token；胜出的平台将迅速翻转角色

来源：Ribbit 分析、AlphaSense、Harvey、Abridge

假以时日，我们所描述的工具和流程将改变一个个行业。正如智能手机的能力（如 GPS、高质量摄像头）在从出行到餐饮的领域里解锁了全新的商业模式（如 Uber、DoorDash），token 化器也将催生一长串连锁效应。以复杂的信贷产品为例——住房抵押贷款、较大额的中小企业贷款，或其他形式的担保信贷。在前 LLM 时代，这些贷款的审批一直痛苦不堪且常常无利可图：要花费数周收集和解析文件（W-2 税表、工资单、纳税申报表、车辆识别码、产权报告、评估报告）。没有端到端的自动化，也没有好上十倍的用户体验，资金成本就始终是真正的优势所在，天平因而倒向传统放贷机构。其结果是：虽然个人贷款、信用卡等产品每年有近 5000 亿美元的贷款以数字化方式发放，但数万亿美元更复杂的信贷，在很大程度上仍停留在「模拟时代」。

token 化器终将让创业者占得上风：对借款人，流程被极大简化（「把所有东西丢进这个文件夹，授权给我们的智能体就行」）；对放贷机构亦然（「这是一份近乎实时生成的、完整而准确的基础档案」）。销售、开户、文件收集和催收等环节的互动，都将由智能体管理。无论是在银行和金融科技公司内部自建，还是作为产品卖给它们，这些智能体都将为复杂工作流中的每一个原子任务寻源或培育专家 token——比如解读 K-1 税表、解析有限责任公司（LLC）协议，或是审查现金流。久而久之，放贷智能体处理贷款的准确度和合规水平将全面超越训练它们的人类。而且它们还会不断进步——与经验丰富的审批师和信贷专员形成「推理—信任—分发」的循环，在每一步持续精炼专家 token。

以上描述的是我们眼前的机会，而我们预计，未来会更奇特、更出人意料。想象同一个放贷场景，但主角换成一个以最大化长期利润为使命的全自主信贷智能体。它雇佣一个（编程）智能体，用智能合约搭建起审批与贷后服务引擎；它用电子邮件和 LinkedIn 筛选并招募资深信贷专员来复核已完成的档案。

其中一位专家打开一份档案，发现情况复杂的申请人（没有 W-2 税表、收入不稳定）已被智能体标记为「高风险」并拒绝。但这位专家注意到：来自同一客户、连续稳步增长三年的 1099 表收入，银行流水里与之吻合的存款记录，以及强劲的债务收入比。她批准了这笔贷款，并写下详细的批注；久而久之，这一次判断——以及成千上万个类似的判断——会不断复利。

智能体把错误拒绝转化为更多放出去的贷款，而每当这位信贷专员的决策逻辑被复用，她都会以程序化的方式获得报酬。由此我们可以看到：生成专家 token 这件事，在「将人类专业知识资本化」的激励机制驱动下，完全可能成长为下一个具有全球意义的产业。

如果这一章你只带走一句话，那就是：请务必紧盯那些简单的产品。伟大的科技公司往往有着不加修饰的开端——Google 的搜索框、Amazon 的书店、The Facebook 的静态个人主页。许多早期的 token 化器，最终会被 OpenAI、Google、Anthropic、Meta 这些巨头在扩张能力与视野的过程中击败或吞并。但总有一些会积累起深不见底的专家 token 之井，把早期的优势转化为不断复利的信任与分发循环，最终以出人意料的方式重塑行业。当那一天到来时，回头再看，一切都会显得显而易见。

信念 2｜世界上最有价值的一些企业将是专有 token 供应商

ChatGPT 发布后的那几周里，我们在 Ribbit 内部开启了一个思想实验：如果我们要把下一只基金全部投给「数据」而不是公司，我们会买什么数据（除了比特币！）？这个问题一直萦绕在我们心头；它也是这封信的重要灵感来源。今天，我们都知道某些稀缺资源——黄金、石油储备、稀土金属、纳米级芯片、社交图谱、搜索流量——在商业和地缘政治上具有全球战略意义。那么，哪些 token 会上升到这个层级？

这条兔子洞里有太多岔路。某些企业数据里当然蕴藏着深厚的知识产权——比如一家制药公司花费数年时间和数十亿美元，在湿实验室里围绕一个鲜为人知的生物过程开发出独特的数据集。但财富 500 强高管们吹嘘的数据宝库，往往装满了「愚人金」。常言道，信息渴望自由——你很难找到一种数据，在功能上真正为一家企业所独有，或者不会随着员工或供应商的离开而走漏出门。就说每一家大型银行吧，它们都拥有开发出我们刚才所说的那类信贷专家 token 所需的输入和内部专业能力（只不过做得多快、多好，就完全是另一回事了）。

正如我们在上一章所讲（后文还有更多），哪怕今天只从最基础的非结构化数据起步，一些创始人最终也会建起各种各样的能力和护城河。但我们已经学会为自己划一条界线：一类数据可以用来建造护城河，另一类数据则自带护城河。说到后者——那种我们愿意押上整只基金并持有一二十年的数据——我们的答案总会回到专有的用户数据：身份 token（你是谁）、上下文 token（被揭示出来的你，比如你的行为方式或你想要什么）、访问 token（通往我们最机密的身份与上下文 token 的钥匙），以及记忆 token（直接分享给 LLM 和智能体的上下文）。我们的赌注是：未来数年，这些 token 的「经销商」将分走超大份额的全球股权价值。

在我们看来，最清晰的案例是那些保管着我们最敏感信息——比如生物特征、金融凭证或交易历史——并发行访问 token、授权第三方查看或使用这些信息的企业。这类 token 往往受到监管，且难以保全。大多数公司甚至不想碰它们（或者在法律上根本不能碰）。

成为访问 token 的发行方是一件苦差事：通常需要数年的产品打磨、对复杂基础设施的投入，以及积累起难以复制的规模与信任。

Stripe 和 Persona 就是 Ribbit 投资组合中的例子。Stripe 存储并调度着数十亿个支付 token，其中包括来自其钱包产品 Link 的 token；当智能体需要交易凭证时，Stripe 很可能成为获取凭证最高效、最安全的途径。同样，Persona 的 Reusable Personas（可复用身份，RP）产品帮助用户跨设备、跨服务地存储身份 token；当智能体需要确认某位 RP 用户是一个真实的、特定的人时，Persona 在提供该 token 上将拥有不公平的优势。

▍图 10：专有 token 供应商的崛起

来源：公司数据、Ribbit 分析

为了把这一点讲透，我们再用一个类似的例子深挖一层：Plaid。如今每一位投资人都需要追问的一个紧迫问题是：「如果这家公司的所有软件都能以近乎零成本重建，会发生什么？」对 Plaid 团队来说，这是个有趣的问题，因为他们正是靠搭建网页爬虫和移动 API 连接起家的——从概念上讲，这类重复性劳动，今天的软件智能体只需零头的成本就能完成。

但 2025 年的 Plaid，已经建起了一个覆盖超过半数美国人的专有网络，提供账户连接、替代性征信数据、反欺诈和 A2A（账户到账户）支付等独一无二的 token。

一支武装到牙齿、手握编程智能体的出色团队，想要替换掉 Plaid 的 token，也会处处碰壁——包括更低的转化率（没有 Plaid 的品牌和已存凭证）、来自监管机构和金融机构的路障（没有 Plaid 的银行协议和安全体系），以及难以获得高附加值的 token（没有 Plaid 覆盖 7.8 亿以上关联账户的数据）。到头来，开发者和智能体还是得另寻差异化之路。

专有 token 供应商只有在能创造重复且可信的互动时，才能最成功地为 token 价值复利。你们听过我们把这类公司称为「身份钱包」（identity wallets）。正如你此刻大概猜到的，我们相信，最出色的身份钱包将驾驭飞轮：互动产生上下文，上下文带来更好的个性化、更高的参与度与信任，进而催生更多互动。ID.me（1.4 亿用户）和 CLEAR（3000 万用户）正是两家跑通了这套打法的领先身份钱包；用户可以带着经过验证的身份穿行于生活的各个场景——从申领政府福利，到在机场快速通关，到在医生诊所签到，再到领取品牌折扣。每一次互动（例如场馆签到、报税或出境旅行），这些钱包都会为与独特身份绑定的动态档案添加上下文——这些是智能体在其他任何地方都拿不到的 token。

但最大的专有 token 供给机会——一个至今仍完全敞开的机会——或许是争夺记忆 token（memory token）的竞赛。ChatGPT、Claude、Grok 或其他大语言模型（LLM）的任何重度用户，都体会过让这些系统理解自己的力量：给 LLM 恰到好处的个人上下文，结果会好得多。以更具持续性、更有目的性的方式做到这一点（而不局限于单次提示词或对话线程）的产品正在快速到来。

ChatGPT 几周前推出了记忆功能，我们已经发现自己每天都在用它。我们正在分享高度个人化的信息——关于我们的健康、我们的工作、我们想买的东西，等等——而有时得出的结果令人震惊。尽管 ChatGPT 凭借 8 亿周活用户抢占了杆位，记忆之争仍处于第一个直道。

我们习惯了人去适应静态软件的世界。当大家意识到范式已经翻转——如今需要被训练的是软件——在一系列用例和垂直领域中捕捉记忆 token 的机会就会浮现。今天的领先专有 token 供应商中，会不会有谁——比如在企业身份上卡位的 Stripe、在金融信息领域拥有可信品牌的 Plaid，或拥有品牌身份钱包的 ID.me、Persona、CLEAR——出手竞逐，成为跨应用可用的记忆 token 层？这场戏会很好看。

这里的奖池极其庞大。换个角度看：Google 通过从我们的搜索查询中推断意图，创造了 2640 亿美元的广告收入；Meta 凭借基础身份信息和推断出的兴趣来创造需求，产生了 1640 亿美元的广告收入。如果 OpenAI——或者任何赢得我们记忆 token 托管权的玩家——能直接从源头知道我们是谁、我们关心什么、我们想要什么，它能建起多大的广告生意？广告的未来我们留待另一封信再谈，但有一点足以说明问题：token 交换网络正在到来。

我们一直在为独特的 token 供给热情站台，但收尾前也该谈谈需求：我们预计，未来几年对身份、上下文、访问、记忆及其他个人 token 的需求将一飞冲天。过去 20 年里，我们所有人——通常是间接地、顺带地——与互联网公司分享了数不清的数据，大多是为了换取娱乐、社交连接和生产力工具。当数字智能体能以直接得多、有效得多、个性化得多的方式帮我们获得这一切（以及更多东西）时，我们又会愿意多分享多少？

信念 3｜世界将需要多得多的身份 token

在《仿生人会梦见电子羊吗？》（Do Androids Dream of Electric Sheep?）一书中，Philip K. Dick 讲述了一个反乌托邦未来：Rick Deckard 受命「退役」六名逃亡的仿生人，而这些仿生人已与人类几乎无法区分。Deckard 本打算用「Voigt-Kampff 移情测试」（向图灵测试致敬之作）来识别它们，却开始怀疑它的可靠性。如果一个人缺乏同理心，他还算人吗？如果一个仿生人能令人信服地模拟同理心，我们又该把它当作什么？

到了 2025 年，这些问题正变得……没那么假设性了。在许多指标上，机器正在模仿人类行为，而且往往比人类自己表现得还像人。Sesame 的 AI 语音智能体很容易被误认为真人。Cognition 的智能体能写出初级工程师水平的代码。Decagon 的智能体娴熟地处理大部分客服问题。坐 Waymo 的感觉比坐 Uber 更安全、更平稳。

▍图 11：在一系列指标上，机器正越来越有能力模仿人类

来源：2025 AI Index report，Ribbit 分析

分辨何者为人、何者为真，正变得几乎不可能，这放大了数字网络中本已存在的信任问题。这笔付款请求合法吗？那封邮件是同事发来的，还是一次 AI 钓鱼？那条帖子出自真实的公众人物，还是深度伪造（deepfake）？那个 memecoin 真是总统发的吗？要理解这个美丽新世界，需要多得多的身份 token——以及好得多的发行、验证和处理系统。去年我们就此给你写过一封信；自那以后，这个问题（以及这个机会）每一天都在变得更大。

首先，我们需要大幅强化识别和验证人类的方式。我们预计 TITV——身份 token 总量（Total Identity Token Volume，这个词是我们刚编的，并保留永不再次使用的权利）——将随着身份 token 嵌入更多数字工作流而快速复利增长。今天，大多数公司只在注册时验证用户，却很少持续认证，以确保后续操作来自同一个人。随着区分好人与坏人、真人与机器人越来越难，我们预计各类数字收件箱（如电子邮件、短信、社交应用、钱包、办公工具）将走向要求用户操作附带可加密验证的签名。这听起来可能有些极端，但在欺诈高发或代价高昂的领域，这早已是标准做法——比如签信用卡小票，或在支付时使用 3D Secure。

但仅仅区分人类与恶意机器还不够。我们需要的更深层变革，是面向智能体的身份 token 标准——不仅为了防欺诈，更是为了在一个日益挤满非人类行动者的世界里建立信任与协作。当然，机器身份并不新鲜：Microsoft、CyberArk、SailPoint 等公司已耕耘数十年。但 IP 地址和 API 密钥这类基础标识符，已无法传达我们需要了解的关于机器可信度或意图的信息。例如，今天许多应用会拒绝一切看起来像机器人的东西（让我们任由越来越巴洛克风格的验证码摆布），而我们真正需要的，是能在智能体所到之处识别好智能体与坏智能体的认证工具。

在早期的浏览器智能体上，我们已经看到了挑战：为订午餐、叫车这类基础任务给智能体授信尚且不易。想象一个更复杂的用例：一个旨在帮助管理慢性病的智能体，需要盯健康指标、预约、处方、HSA/FSA 账户，等等。你如何授权智能体访问病历？医疗服务方该如何理解智能体能看什么、能做什么？智能体又该如何验证服务方发来的消息？身份向量是复杂的：比如，你大概率希望智能体能续方取药，也许还希望它能同意新处方——但你多半不希望它单方面改掉你的地址。要把对智能体的信任提升到使其价值最大化的水平（不亚于、甚至高于我们对人的信任），我们需要丰富的、经加密证明的凭据，以及以人为信任根的体系。

B2B 场景下的挑战可能更大。随着不法分子将 AI 武器化，身份欺诈和访问控制早已是企业的头号热点，而部署智能体的冲刺将放大这些挑战。大多数系统在构建时并不具备处理智能体权限所需的颗粒度，尤其涉及敏感数据或工作流时。把智能体放进应付/应收（AP/AR）流程、对账、供应商支持和支付环节，它们能消化掉拖垮企业财务团队的交易洪流。但当一笔 10 万美元的付款出现时怎么办？100 万呢？1000 万呢？什么情况下你会要求 CFO 或财务总监做生物识别授权？这只是一个简单化的例子，用来说明未来几年必不可少的那类可编程身份逻辑——基于阈值和上下文，横跨人到智能体、智能体到人、机器到机器的互动。

▍图 12：KYA（了解你的智能体）将比 KYC（了解你的客户）更庞大

来源：Imperva，SimilarWeb，Ribbit 分析

在为智能体构建身份的赛道上，会有多个潜在赢家。第一，我们需要帮助开发者注册、授权和管理智能体身份的平台——包括调解纠纷、吊销凭据、提供防篡改审计轨迹等工作。谁最有优势？我们的第一反应是：创造智能体的应用——Cognition、Cursor、Replit、OpenAI 等公司——将率先获得注册智能体身份的机会。但也会有其他切入点。

Persona、ID.me、CLEAR 等领先的人类身份服务商，可以帮忙把智能体与人关联起来。Workday、Rippling、Deel 等 HRIS 平台——已经是人类员工的记录系统——同样可以成为智能体员工的记录系统。Okta、CyberArk、Microsoft Entra 等 IAM 领导者已经在向智能体认证与访问控制扩张。Oasis Security、Token Security 等一批才华横溢的新团队也正在涌现，专注于机器优先的身份。

实践中，我们预计会有多家公司在智能体生命周期的各个环节扮演角色。人一生都在收集身份 token（出生、重要里程碑、新工作），机器也将如此。

第二个比以往任何时候都更受关注的机会是生物识别。多种因素（如隐私、易用性和激励不足）历来阻碍生物识别主导我们的交易与身份识别方式，但这一切正在改变。生物特征验证的延迟如今已快到人眼几乎无法察觉，而 Touch ID、Face ID 及其 Android 同类产品已让我们习惯了「你就是钥匙」的观念。

随着对持续认证——包括对智能体的持续认证——需求的增长，生物识别将是在安全、效率与频率之间取舍的唯一可行路径。在这场被 AI 加剧的与欺诈者的战争中，我们预计多模态生物识别（如人脸加虹膜扫描，或人脸加掌纹）将成为高风险或高价值场景的黄金标准。身份钱包服务商（如 ID.me、Persona、CLEAR）、政府网络（如印度的 Aadhaar）和去中心化网络（最著名的是 Worldcoin）都将在其中扮演重要角色。

大多数人感知到变化的地方将是支付：下一个杀手级支付工具不会是某张卡或某个 App（而是你本人！）——所以请期待我们继续寻找那些能赢得商户和用户信任、把生物特征与支付 token 放在一起保管的公司。

最后——上一节我们简要提过，但鉴于其重要性，这里再重点展开——最大的奖赏可能藏在人类身份与机器身份开始融合之处。当用户用自己的声音、决策风格、写作习惯——或任何能从反复互动中辨识出的无数其他属性——训练智能体时，这些记忆 token 将如何存储、在哪里共享？对用户而言，理想状态是拥有可携带的记忆 token，可以随身带给任何智能体。对开发者而言，我们假设大多数人希望应用里既有导入的记忆、也有自产的记忆，但不想自建记忆基础设施。谁能帮用户、开发者或两者解决这些需求，谁就会占据一个价值极高的位置。

早期领先者已经占得先机——我们完全预期会看到「使用 ChatGPT 登录」按钮或类似的东西——但这个话题我们所有人都还会谈很多年。随着时间推移，我们相信人们会像如今许多人对待自己的照片那样，对自己的记忆 token 高度在意。不过这个类比可能还低估了它的分量。

试想一个人十年如一日地每天使用 Claude，然后意外离世——Anthropic 持有的记忆 token，将是这个人最丰富的、仍在延续的数字化呈现。他的至爱亲朋愿意为此付多少钱？几年后，我们或许都会发现，自己生成的记忆 token 位列我们最有价值的资产之中。

▍板块二：构建智能体——机器将如何喂养我们

信念 4｜关系智能体将改变品牌的构建方式

曾几何时，做生意是高度人格化的事。去拜访你街区的肉铺、裁缝、会计师或银行家，背后是关系在支撑。一对一的关注让人感觉良好，也在塑造品牌——《生活多美好》（It's a Wonderful Life，讲述 George Bailey 的故事，那位有血有肉的社区银行家典范）之所以成为有史以来最受欢迎的电影之一，自有其道理。关系管理也带来实打实的价值：深谙客户，既是留住他们生意的方式，也是赢得更多生意的方式。金融业（以及许多其他服务业）中一些最赚钱的公司，至今仍在以这种方式运转。

▍图 13：即便在数字时代，个人关系仍常常至高无上

来源：SNL，Conning，Oliver Wyman，Ribbit 分析

然而，说到企业与客户之间的大多数互动——比如零售银行、航空公司或电商——过去三十年出生的人，恐怕完全不知道该如何理解《生活多美好》。今天，只有银行里最富有的客户，生活中才有一位 George Bailey。对其他所有人来说，品牌是靠电视广告堆出来的东西，而「客户关系管理」早已被「客户支持」取代——那种迷宫般的电话语音树、石沉大海的邮件，以及伴着 Muzak 背景音乐的三十分钟等待的「支持」。

token 时代将让创业公司鱼与熊掌兼得：客户互动既人格化又高效。客户可以继续享受移动生活的便利——以银行为例，几秒内完成转账、查余额或付账——同时重获一种互动深度与连续性，足以让私人银行家引以为傲。把这件事做对，商业影响巨大。即便是最数字原生的品牌也为此一掷千金：例如 Nubank（在许多人心目中是移动银行服务的黄金标准）每年在客服上的花费超过 6 亿美元。但更准确的度量是错失机会的隐性成本。这很难量化，不过 Qualtrics 去年做了一次尝试：调研了 2.8 万人，描绘他们在糟糕客服体验之后的行为；据其估计，美国企业因劣质客服损失的销售额超过 8000 亿美元（25 个国家合计 2.7 万亿美元）。

即便还只是早期形态，我们已经能清晰看到智能体式客服的威力。与过去几年那些自动化客服机器人不同，关系智能体早已不止于解决基础工单。像 Decagon（通用客服）和 Salient（专业客服——在他们那里是催收）这样的公司可以横跨多个后端系统，让智能体在复杂的运营环境中观察、决策、行动。智能体能遵循详尽的 SOP，7×24 小时在全渠道（用任何语言）与客户互动，跨系统访问实时数据，并完成退款、调整订阅等操作。而且它们会随时间学习，通过每一次互动和人工干预收集专家 token。在我们的投资组合中，我们看到客户智能体实现了 70–80% 的工单分流率，客户满意度与人工持平，而成本只是人工的一个零头。

但升级客服只是一个大得多机会的开端。未来几年，面向客户的智能体将把关系管理从一项运营必需变成一项战略资产。这些智能体代表公司的水准，将成为驱动 NPS、自然增长、留存和增购的最重要输入。客户旅程的每个阶段都将获得高上下文、主动式的引导。比如，想象你在买衣服，品牌最友善、最随叫随到、最博学的销售员随时为你服务（还不用尴尬寒暄！）。再想象这个智能体在收集记忆 token——你喜欢什么、不喜欢什么、希望哪个款式有别的尺码——然后像老朋友一样，接上之后的每一次对话。

▍图 14：客户智能体将驱动一种新型关系基础设施

来源：Decagon，Ribbit 分析

客户智能体对外将成为公司强有力的声音，而它们对内的角色——作为客户的声音——可能更加有力。智能体收集的客户洞察，将远超企业以往所拥有的一切。这些数据将实时流向市场、产品、工程等各个团队。公司将变成预测机器，比过去早得多地发现问题或机会——产品缺口、流失风险、交叉销售提案，等等。例如，我们投资的一家公司利用智能体对「哪里不对劲」的洞察来发现软件 bug，在问题扩散之前就转给工程团队。随着工程也被自动化，最具创新力的公司将打造出持续的自我改进机器——收集客户数据，转化为产品需求，发布升级产品，然后周而复始。

当你从这个角度看待今天的客户支持——不再视其为被动应答的 help desk，而是培育和理解你的生意的主要手段——你就开始明白，客户智能体对未来的商业意味着什么。我们想到几点启示：

• 创始人和高管对公司文化与品牌的掌控将远超以往。CEO 不再需要靠激动人心的全员大会来灌输以客户为中心的价值观，而是可以直接训练智能体，让每一次互动都带有他们想要的语气与基调。高管将能像过去优化制造良率那样，对客户体验做精细化调校。最终，随着这些系统越来越好，我们猜测客户关系平台还会被转向其他方向——面向合作伙伴、雇主及其他利益相关方。
• 任何一家 B2B SaaS 公司，如果按今天大多数消费企业的方式运营——获取客户之后，只在出问题时才与他们互动——会被视为刑事级别的失职。过去十年，创业者和投资人已把衡量客户留存和增购变成一门科学；每一家像样的 B2B 公司都痴迷于客户成功（Customer Success），精细衡量和打磨毛流失率、净流失率和 NDR（净收入留存）等指标。随着智能体能给每一位客户个性化的关注——哪怕是 ARPU 不足 100 美元的客户——各类消费企业将开始更像 B2B 软件公司那样衡量自己的生意。
• 客户智能体将成为企业中最重要数据的收集者与策展人。做个思想实验：哪个听起来更有效——1000 名高流动率的员工背着排练好的话术、手动更新 CRM；还是几位经验丰富的领导者指挥一支数字智能体大军，它们能访问公司全部知识库、对客户上下文过目不忘、有无限的时间与客户互动和跟进？企业的生死将取决于它们能否实施和设计好个性化飞轮——提供更好的服务、获得更多互动、收集更多数据、再用数据提供更好的服务，循环往复。那些通过提供智能体编排、记忆、行动与反馈基础设施来促成这一转变的平台——如 Decagon、Pylon、Agency——可能会成为未来 B2B 世界最重要的平台和品牌之一。
• 随着时间推移，关系智能体需要学会与客户侧的智能体打交道；随着越来越多客户采用工具来帮自己购物、管理生活、处理纠纷，我们将从 UX 时代进入 AX 时代（agent experience，智能体体验！）。我们还没聪明到能有把握预言客户侧智能体将如何做决策，但我们猜想，关系智能体需要学会驾驭自动化 POC、虚拟沙盒、附带定制化实时评测的 RFP，或其他某种智能体式采购流程。
• 客户智能体能帮助大企业像小店主一样行事，让生意重新变得有人情味。但我们同样不应忽视相反方向的威力——地球上的每一位小企业主，如今都将获得比今天最大公司还要聪明、还要随叫随到、还要贴合品牌的客服智能体。拓展企业主和中小企业的能力，或许会被证明是客户智能体最深远的长期影响。稍后详谈。
• 回过头看，一些生意天然更适合「智能体优先」的体验，而非「移动优先」。以 Kavak 为例：它花了数年时间为拉丁美洲的二手车买卖打造世界级的移动体验，却在过去一年发现了把客户互动转向对话式体验的力量。今天，超过 75% 的 Kavak 客户是通过智能体开始与这家公司建立关系的。

▍图 15：对话式商务将改变企业构建体验与品牌的方式

来源：Kavak，Ribbit 分析

要把客户智能体的影响力提升到我们想象中的水平，仍有许多环节需要就位。智能体的护栏仍不完善，语音技术尚处早期，许多支持系统依然碎片化、难以整合。但这个机会是深远的。那些打造出最强关系智能体的公司——精通内部业务逻辑、深刻体察客户需求、并能适应快速变化的格局——将赢得持久的竞争优势。

信念 5｜垂直 token 平台将成为每个行业的操作系统

在 Ribbit，我们经常发现自己陷入一种辩论：一边肩膀上是技术乐观主义者，另一边是冷静的实用主义者，两边声音相互对立，而我们得在不抓狂的前提下求得平衡。这里有这样一个难题：过去十五年，SaaS 支出从 130 亿美元增长到超过 1760 亿美元（SaaS 市值增长了 40 倍）——然而标普 500 公司的人均收入几乎原地踏步。在乐观者看来，云把软件送到了地球上几乎每一家企业手中，让我们的工作方式获得了前所未有的规模与灵活性。在怀疑者看来，我们曾被承诺端到端的自动化，如今却仍困在《上班一条虫》（Office Space）里——数据在团队之间来回弹球，审批淹没在邮件链中，还要给咨询顾问、BPO（业务流程外包商）和 ERP 厂商开出巨额支票，好让他们通过制造复杂性来证明自己有用。我们的看法是：SaaS 带我们走了很远，但并没有抵达应许之地。

Token 革命将带我们走完剩下的路。多年深耕金融服务行业，让我们对企业——以及科技行业和少数其他行业之外、各种规模的企业——采纳新技术这件事养成了怀疑的本能。但在过去几年里（尤其是最近几个月），我们每天与创始人和运营者的对话中都听到了不一样的声音。后 ChatGPT 时代的需求激增打开了一扇窗，让我们想起移动互联网早期——那时初创公司获取客户的成本常常只有今天的百分之一。创始人们正在构建智能体系统，去攻克几乎每一个能想到的职能和行业场景——而且越来越多的人正在现状的重重关卡中找到裂缝：无休止的 RFP（招标书）、采购迷宫和安全审查。

▍图 16：各行各业的企业正在快速采用 AI，但现在仍是早期

来源：U.S. Census Bureau、Ramp、Ribbit。注：右图数据反映的是 Ramp 的客户群体，因此可能偏向科技公司

尽管这些新贵中许多会失手或被整合，我们预计其中一些将崛起为强大的新品牌和操作系统。在内部，我们一直把这类公司称为「垂直 token 系统」（Vertical Token Systems）——它们将拆解 BPO、把 ERP 商品化，训练、编排并武装智能体，去实现真正的商业自动化之梦。

由于智能是原生内置的，这些平台的成长方式将与传统软件截然不同。大体上，它们不会强迫企业替换现有系统或学习新的工作流，而是派出能在任何既有系统之上运行的智能体。虽然它们有潜力成为记录系统（system of record），甚至为公司领导者创造出传说中的「单一玻璃面板」（single pane of glass），但它们通常始于把几件简单的事做好——就像一位值得信赖的副手，承担越来越多的责任，直到有一天开始执掌整个公司。

它们将打破传统软件的观念，比如 ICP（理想客户画像）：它们跨越组织边界把事情办成，就像一个人会做的那样。往往，它们的成长路径更多由所连接的数据库决定，而非最初的销售目标。一旦成功，垂直 token 系统有机会成为整个公司、乃至某些行业的神经系统。

我们已经看到这些平台正以多种形态涌现。一个反复出现的模式是：团队提供 BPO 服务的智能体替代方案。我们常把这类公司称作「队列杀手」（queue killers）：它们构建智能体，消除组织里那些被扫进（BPO）地毯之下的运营梗阻——合规、风控、内容审核、数据录入、会计等领域的手工任务。像 SafetyKit 这样的公司能够交付立竿见影、且明显优于客户现有 BPO 方案的解决方案；以 SafetyKit 为例，它们部署的合规智能体可以执行公司的标准作业程序（SOP），让 Etsy 这样的客户从缓慢、易错的 BPO 转向实时的智能体监管，准确率接近 100%，而成本只是零头。成果清晰、又无需内部裁员，队列杀手的推进速度可以非常快。况且可攻克的 TAM（潜在市场规模）十分充裕——全球企业每年在 BPO 上的支出超过 3500 亿美元。

另一条路径是从工作流切入，在 SaaS 平台之上叠加智能体，以副驾驶（copilot）、低代码自动化或例程（routine）的形态交付。我们看到这类「工作流+智能体」打法的一个领域，是构建在 ERP 和 HRIS 系统之上的 AI 原生应用（支付运营、采购、入职流程）。这个领域的公司从工作流起步是合乎情理的：它们需要深刻理解客户的数据模型、做到信息交付万无一失，然后才能说服客户尝试开启智能体。

CoPlane、Payflows、Zamp、Modern Treasury、Zip 和 Atlar，都是致力于让财务团队工作更轻松的优秀创业公司。这些生意或许始于解决不起眼的运营痛点，但我们怀疑，其中佼佼者最终会变成附在 ERP 身上的「吸血鬼乌贼」——吸走陈旧数据、将其 token 化，并武装一支日益壮大的智能体舰队，用这些数据来运营公司。

而通过把自己确立为值得信赖的 AI 伙伴，这些公司还有机会赢下更大、更长远的棋局：成为它们所部署智能体的记录系统与记忆系统。如果这听起来有点唯利是图，那也不算新鲜——Databricks 和 Snowflake 多年来一直在从 ERP 中虹吸数据，如今正借此成为智能体用例的领先平台。

创业者们正在探索的第三条路径，是建立或控股运营型公司，把它们当作内部孵化垂直 token 系统的试验田。我们已经看到一支 AI 驱动的「整合收购」（roll-up）小舰队浮出水面，用这种策略去攻克广泛的机会，主要聚焦于白领专业服务公司。看着这些团队以如此凶猛的势头用智能体重造事务所，我们不禁好奇哪一个会先来——是旧有 ERP 的倒塌，还是支撑着它们的数千亿美元服务生态的衰落。

如果你的脑回路和我们一样，那么想象一个 AI 原生者从零重建普华永道（PwC），会有一种莫名的兴奋：不再是遍布 149 个国家的 37 万多名员工，而更像一个紧密联结的领域专家网络——税务战略师、法务会计师、行业专家——配上成队的智能体，承担 95% 的重复性工作。不再是年轻注册会计师们苦熬多年只为换得一丝股权的庞然单体，现代版本可以用一套共享的 AI 技术栈、统一的数据层和市场拓展引擎，把一群精英精品事务所连成星座。

这正是 Multiplier 这类公司背后的愿景——用智能体超越降本，重新想象一家领先服务公司可以是什么样子。

▍图 17：创始人们正从各个角度进攻垂直 token 系统的机会

来源：Ribbit 分析

与个人金融智能体的情况一样，领先的在位品牌正以强势地位加入竞争，角逐领先的垂直 token 系统。Brex、Ramp、Deel、Rippling 和 Juniper Square 等公司正在规模、产品覆盖面和数据连接深度上快速扩张。如果这些团队能够在内部完成重构、交付一流的智能体平台——即便对出色的产品和工程团队来说，这也绝非易事——它们将受益于既有的规模和数据访问优势。

对这些平台有利的一点，是市场对软件整合的渴望日益增长：如今平均每家公司拥有超过 250 个 SaaS 应用——而据一些统计，其中活跃使用的不到一半。随着软件构建成本越来越低、客户推动精简供应商，已经站稳脚跟的公司有机会跨产品、跨地域地扩张。

类似的动态也在 SMB（中小企业）市场上演：Shopify 和 Toast 这类公司不断把更多功能捆绑进一个值得信赖的品牌之下。虽然它们需要快速行动，才能在新的智能体解决方案中抢占市场份额，但只要执行到位，它们有望在未来多年持续复利增长。

既然这些平台可能以诸多迥异的形态出现，我们该如何区分它们、并尝试识别出未来的垂直 token 系统？我们没有确定的答案，但在过去 24 个月里见了数百位创始人——并投资了其中几位我们最欣赏的——之后，我们逐渐形成了一套内部评估准则：

• 高速楔子（High Velocity Wedges）：面对如此多的人才和资本涌向 AI——小团队如今能完成过去需要 5 到 10 倍人手的工作——速度从未像现在这样重要。在许多情况下，专家 token、记忆 token 等的复利累积将带来可观的先发优势。最佳的初始楔子（即单用户 vs. 多用户、窄场景 vs. 宽场景）会因用例和行业而异。地理位置也很重要：例如在巴西，消费者发起诉讼的极高频率，让 Enter 获得了一条快速切入市场的通道——帮助企业应对排山倒海的案件量。
• 高（且不断增长的）数据「钱包份额」：我们从企业 AI 创始人那里听到的头号挑战，是如何闯过合规、安全和其他一连串关卡，才能接触到企业数据。但智能体的强项正是挂接到多个内部系统（如 ERP、HR、CRM、营销自动化）；上下文越丰富，平台能交付的价值就越大，也越能跨职能交叉销售。能建立起这种信任度的团队将很难被取代——尤其是当它们逐渐获得「回写」内部系统的权限时，便能创造无缝的自动化（例如：不只是标记待付款发票，而是自动起草付款、通知财务团队并推送会计分录）。
• 行动导向（Action Orientation）：Claude 和 ChatGPT 这类通用工具让我们习惯于在问答的语境里想象智能体。但最好的 B2B 平台会预判输入，而不是坐等输入——在人类还没意识到该去看之前，就主动浮现洞察、异常或优化建议。做到这一点的智能体服务将建立更深的黏性与信任，就像能预判我们需求、解决我们尚未察觉的问题的人类助理一样。
• 强大的学习回路（Strong Learning Loops）：无论如何，胜出的智能体平台都需要持续进化——既要在整体上变好（通过 RL、RLHF、后训练等），也要针对每个用户变好，围绕日常任务和交互发展出记忆。财务经理可能会看到，随着智能体学会预算模式，日常工作被逐日理顺；销售代表可能会看着智能体不断打磨 RFP 回复。强大的学习回路——尤其是在高质量评估集（eval sets）的加持下——将推动更多的客户采用、信任和数据钱包份额。
• 专家造就，服务专家（By Experts, for Experts）：理解一个行业里什么真正重要（工作流、动作、洞察），向来是创始人的重要特质。但在我们训练智能体成为专家的时代，这一点将比以往任何时候都更关键。拥有深厚行业底蕴的创始人——或者能有效招募到合适专家的创始人——将在找准楔子、数据连接、动作和学习回路上占得巨大先机。例如，迄今增长最快的垂直 token 系统出现在编程领域，这并不意外——工程师出身的创始人在解决自己的问题时天然占优。

对于那些做对了的团队和投资者来说，可获取的价值是巨大的。能够进化成真正垂直 token 系统的公司，将彻底改造今天大量的工作方式。以审计为例：未来几年，做审计的过程将从长达数月的抽样和交易核验——伴随着无休止的会议、Zoom 和邮件链——转变为实时完成：每一笔交易都被监控，每一个异常都被捕捉。那个世界对四大会计师事务所来说或许听起来可怕，但对商业是件好事。

眼下，我们每个月都会看到几十家立志成为垂直 token 系统的公司。鉴于市场的旺盛需求，其中许多正处于高速增长轨道上，往往在几个月内——而非几年——就做到七位数甚至八位数的收入。创业者们争先恐后地把旗帜插遍每一个可能的地方——他们清楚第一步是先嵌入进去，下一步才是琢磨如何扩展和创造价值——而最大的问题是：哪些能经得起时间考验。我们猜想，随着狂热退去，我们将看到大多数 SaaS 投资者并不习惯的企业客户流失，以及少数超越过去十年一切想象的巨大赢家。至于我们会去猎捕哪一种——你懂的！

信念 6｜降本会先行，但最有价值的 token 工厂将做大蛋糕

今天 AI 领域最流行的故事，或许是智能体和机器人要来抢我们的饭碗。用新闻业的话说：「见血才能上头版」（if it bleeds, it leads）。头条里也确实有不少真相——就业被替代的社会风险非常真实。但是，尽管 AI 失业的轶事还会继续收割点击量，随着时间推移，更有力量的故事将关乎「可及性」（access）而非「效率」。AI 在每一个削减成本的职能上，同样可以第一次把这种能力带给数以百万计的人和企业。对创始人和投资者而言，Token 革命中最不对称的机会，将来自智能体「创造」的工作，而非它们「夺走」的工作。

这个模式或许是科技行业最历久弥新的一个：创新打破现状，同时也围绕服务不足的客户和新市场创造出机会。互联网把报纸数字化——也创造了博客、YouTube 和全球创作者产业。智能手机让银行网点变得不再重要——也把银行账户带给了数十亿从未拥有过它的人。Token 革命中最大的「做大蛋糕」机会会是什么？如果我们确切知道，说不定就不会告诉你了！但有几个问题，我们相信能帮所有人嗅到方向：

1）「有哪些高价值的事情，人们和企业因为没时间而没能去做？」

我们对这个问题的第一反应，是想到我们认识的人里那些常年被时间追着跑的：小企业主。经营一家小企业绝非易事；半数企业会在五年内倒闭，其中 20% 撑不过第一年。尽管无数生产力工具都是为中小企业打造的，但日常工作的紧迫性总是排在采用软件之前。而智能体将扭转这条曲线。想想你认识的任何一家小企业——比如本地的面包师、零售店主、理发师或服务提供商。当他们能雇到 10 倍乃至 100 倍的人手、专注于自己热爱且擅长的事情时，会做得多好？当有客户智能体 7×24 小时服务客户、营销智能体执行盈利的营销活动、后台智能体打理账务、人事、合规和现金流时，他们会变得多有韧性？今天典型的企业主必须是万事通。很快，他们就能用上低成本的智能劳动力，获得与全球企业高管同等的个人杠杆——从训练有素的助理到教练，应有尽有。

为小企业主构建智能体的创始人面前，摆着成百上千个机会领域。但如果只能选一个，我们或许会选销售与客户管理。寻找新生意对大多数中小企业来说是生死攸关的事；从 Groupon 到 Thumbtack 再到 DoorDash，获客一直是众多最成功的中小企业科技平台和市场的共同主题。这往往是小企业巨大的短板——即便时间无限，一位出色的厨师、理疗师或会计师，也不大可能同时是天赋异禀的营销或销售高手。数字营销只会让这件事更难，因为中小企业要在搜索和社交等复杂渠道里与全球性企业同台竞争。智能体可以弥合这种技能差距和信息不对称，解锁一个庞大的市场：美国几乎每一家中小企业（3000 万+），以及全世界的中小企业（3 亿+），都需要更多客户。

▍图 18：AI 智能体可以为小企业主带来巨大的改变

来源：BLS，House Committee on Small Business，NJCPA，NSTP，CFO Dive，Ribbit 分析

2）「有哪些高薪工作，今天只有一小部分人和公司才能获得？」

这个问题的一个好答案——也是一个与我们切身相关的答案——是金融与商业分析的市场。过去两年，我们见过二十几个团队在做各种版本的「金融版 ChatGPT」——承诺为金融分析师赋能、甚至取而代之的智能体平台。这些平台的能力正在快速提升；它们如今已能完成初级分析师的大部分核心工作，从整理行业研究和财务模型，到拉可比公司数据、制作公司演示材料。虽然这些平台最初专注于让投行家、资产管理人和咨询顾问更高效，但它们很快将让金融分析触达更广泛得多的受众。

其长期影响将是深远的。今天，精深的金融分析主要留给那些付得起高额投行费用的公司，但一家年收入 2500 万美元的制造企业的 CFO，与财富 500 强同行的许多需求是相同的：资本结构优化、增长预测、并购分析、战略规划等等。用不了多久，任何规模的公司都将获得此前只有十亿美元级企业才能享有的金融分析与研究支持。也许更具影响力的是：金融分析将可以按需获取（即不再只在交易发生时才有），并且向组织中的任何人开放（想象一下，给一位有创业精神的总经理一套工具，让他能证明一条新业务线会带来增厚收益）。

关于这一点最后再讲一句：当我们思考专家 token 的民主化时，应该始终留意那些以这些 token 为关键投入的下游流程。金融分析是任何非上市资产估值的核心。更易得的估值工具，会在哪里解锁流动性？仅举众多例子中的一个：小企业买卖市场历来难以规范化和数字化，部分原因在于定价和尽职调查的单位经济学不成立。未来几年，我们应该会见到「中小企业版 Zillow」「中小企业版 OpenDoor」，以及更多类似的东西。

3）「最富有的 1% 的人拥有的东西里，有哪些是接下来 25% 或 50% 的人会想要的？」

虽然智能体还造不了游艇和私人飞机，但它们已经开始提供当今世界上最富有的人才会付费购买的那种高度定制化的服务。比如：孩子想学任何东西，都能获得私人辅导——由最能引起他们共鸣的特定专家、名人或大师的智能体版本亲自执教。或者，创意十足、个性化的旅行和活动策划——放在过去，这需要一位高端旅行顾问花上几十个小时。或者，由你仰慕多年的著名设计师的智能体版本为你做室内设计。或者，由你点赞过几百次帖子的那位时尚博主的授权智能体为你做个人购物。从亨利·福特到史蒂夫·乔布斯，创业者们一次次通过把奢侈品变成大众商品来改变世界；手握智能体的创始人，将把这个传统延续下去。

4）「在软件开发成本趋近于零的世界里，会诞生什么？」

关于「让每个人都拥有编程能力」的威力，人们已经泼洒了成桶的墨水。但对于它将如何改变我们未来的工作方式——以及可能催生哪些新商业模式——我们很可能怎么强调都不为过。换句话说，最大的「服务不足的市场」，或许正是软件本身。Figma 和 Airtable 这类低代码工具已经让我们瞥见：当你为非技术背景的构建者扫除障碍时，组织可以跑得多快；而编程智能体将把这种效果打上兴奋剂。在我们早期协助被投公司落地 AI 的过程中，当下这个时代最打动我们的正是这一点——不是什么宏大的 AI 新产品创意，而是企业内部那些被赋能的人：他们自己动手搭建 LLM 驱动的招聘流程，或者用 vibe coding 做出功能演示，或者用 n8n 或 Make.com 构建一个智能体来处理某个烦人的重复性任务。

编程智能体还将让全新的软件品类变得可行。历史上，开发优质软件始终存在一个最低规模门槛；但正如有限的有线电视频道变成了满足任何可想象兴趣的 YouTube 内容，我们将看到软件产品的范围迎来爆发。养蜂人、酿酒师和装帧师，都将受益于专门为他们打造的软件。如果互联网内容的发展有任何参考价值，这类实验将带来一些令人意外的结果——其中一些市场的规模，将远非我们原以为的那么小众。

这四个问题——或者我们可能提出的其他十几个问题——都是同一个根本命题的变体：智能体将在我们生活的哪些地方创造出新的富足？所以，当心那些 AI 末日论的新闻标题；母亲们教导我们别太把新闻里读到的东西当真，这是有道理的。新技术改变世界的方式很难预料。如果你在 2010 年告诉《华尔街日报》或《纽约时报》的记者，未来最大的几家风投支持的公司会是一家出租车服务公司、一家外卖公司，以及一个让人睡在别人家里的应用，他们大概不会再打电话向你请教更多见解。未来十年将充满意外，但我们的预测是：最大的经济变革不会来自成本节约，而会来自每一个如今得以参与竞争的人所释放的生产力。

信念 7｜每个人都将拥有一位世界级的个人理财顾问

金融世界充斥着智能体——而且不是我们在本信大部分篇幅里讨论的那种软件智能体。我们依靠数以百万计的保险经纪人、理财顾问、会计师、按揭贷款专员和其他类型的代理人，来帮我们与复杂性作战。大多数人没有兴趣、专业知识或时间，去穿越金融的危险丛林。

但委托—代理问题（principal-agent problem）十分猖獗。在大多数金融市场中，代理人的报酬直接或间接来自产品提供方。比如，保险经纪人在你花得更多时赚得更多，而这与你少花钱的目标背道而驰。大多数投资顾问在你交易更频繁时赚得更多；即便是「只收服务费」的顾问，也往往忽视那些他们无法收费的好产品。话题越是多样而复杂——也就是你最需要帮助的时候，比如评估一项新奇的投资，或一份保单条款的可靠性——顾问与客户利益不一致的风险就越大。查理·芒格说得最精辟：「给我看激励，我就告诉你结果。」

▍图 19：金融业早已充斥着智能体（不是数字的那种），它们昂贵且充满利益冲突

来源：Bureau of Labor Statistics，Ribbit 分析

替那些出于好意的代理人说句公道话：挑战的很大一部分在于经济性。如果客户有 500 万美元可投资，一位注册投资顾问（RIA）可以花上二十几个小时提供真正个性化的服务——但如果客户只有 5 万甚至 50 万美元，这笔账就难算得多。自我们创办 Ribbit 以来，软件就一直承诺给出解决方案：低成本、永远在线的金融助手。我们也确实看到了一些进展：智能投顾（roboadvisor）如今管理着数千亿美元资产，数千万人使用个人理财应用来追踪自己的钱。但另一方面，今天的数字服务既不提供整体性的建议，也很少代表用户采取实际行动，而且商业模式依然艰难。受数据质量问题、用户参与度参差、变现困难等因素影响，个人理财应用的战绩喜忧参半——它们满足了一些重度用户，却几乎没能吸引或留住其他所有人。

但是——正如我们在本信开头所说——现在很清楚了：我们只是来得太早。客户对「能够简化生活的个性化帮助」的需求比以往任何时候都强烈。过去 15 年数字服务的发展带来了更多便利，但也带来了碎片化：我们中的许多人，从只有一两个金融关系，变成了使用十几个甚至更多应用。储蓄、投资、税务、信用、保险等等，如今通常由各自独立的产品处理，每个产品都有自己的用户体验、数据结构和集成栈。要把这一切理清楚，已经变成一项更加艰巨的工作。

幸运的是，token 工厂非常适合这项任务。智能体可以从更广泛的数据来源摄取数据（例如任何金融文件，而不仅仅是银行账户连接），细致入微地理解它，并将其转化为对每个用户财务生活更深入的图景。应用不再依赖预先设定的规则和目标，而是可以构建定制化的交易分类体系和目标——并且不仅基于消费模式，还基于与用户的直接对话来给出建议。而且它们可以行动：转账、取消订阅、填写表格，以及用其他方式弥合长期困扰个人财务管理（PFM）应用的「建议与执行之间的鸿沟」。最重要的是，它们能提供真正「懂你」的激励与陪伴式辅导，而不是千篇一律的羞辱式通知（「你这个月超支了」）。

▍图 20：对理财建议的需要与需求前所未有地强烈

来源：Data.ai，Ribbit 分析

虽然我们还没到那一步——致力于智能体顾问的新一波创业者才刚刚涌现——但我们很快将看到比今天好 10 倍的数字理财建议。传统 RIA 可能每个季度才检查一次客户的投资组合或需求，而数字智能体将在一年中的每一分钟都为你的财务工作。这种转变将是切身可感的：不再是五个应用发邮件催你登录，而是智能体主动推送更新；不再是告诉你储蓄率太低，而是智能体直接帮你转账以最大化收益；不再是建议你调整 401(k) 配置或换张更划算的信用卡，而是智能体在后台替你优化。个人理财服务将从被动的仪表盘，进化为深度理解你生活方方面面的自动驾驶仪。

做这些工作的智能体将极度渴望 token——包括定义你财务生活的身份、访问、上下文和记忆 token（例如报税记录、资产报表、风险偏好、个人目标）。和人类顾问一样，它们需要限定范围的权限和执行权。而且它们需要通过可信的接口运作，在用户监督的力度上取得恰当的平衡。也许未来十年金融业最大的问题是：谁来构建它们？

在位巨头会跃跃欲试——驱使许多银行采用某些 PFM 功能的同一种直觉，也会激励它们做面向客户的智能体。但这对它们商业模式的潜在颠覆是巨大的。想想看：普通家庭在近零利率的账户里放着数千美元。仅在美国，这每年就让消费者损失（同时让银行获利）估计超过 1000 亿美元的利息。

在我们看来，像 Nubank、Groww、Cred、Revolut、Ajaib 和 Monzo 这样值得信赖的数字品牌（仅举几个我们最喜爱的例子）处于更有利的位置，它们有能力、数据和用户参与度来引领智能体体验的开发。把这件事做好，意味着它们扩大身份 token 份额的速度，要比扩大存款、信贷或支付份额的速度还要快。和以往每一次平台变迁一样，在利润与创新之间取得平衡会很棘手。仅举一点：智能体很可能会通过与今天驱动交易的应用标签页和磁贴截然不同的交互方式，来积累记忆和上下文。

当然，新创公司有着巨大的机会去发明全新的产品钩子和商业模式，其中许多将挑战我们既有的心智模型。例如，我们可能会看到人们完全不用应用，而是横跨一整片星座般的智能体群来监控和管理自己的财务生活；或者看到网红推出智能体，来执行他们所倡导的金融计划；又或者，个人理财的用例被那些无法归入现有类别的新服务所吞并——当智能体解码出我们金钱之下更深层的「为什么」，比如教育目标、福利计划、旅行梦想、令人内疚的购物癖，以及其他一切可能影响我们在当下与未来之间权衡取舍的东西时，会发生什么？Hiro、CoPilot 和 Cleo 等实力雄厚的创业团队，已经在努力探索其中的一些新疆域。

无论谁胜出，一个由智能体顾问构成的世界都将改变金融产品提供方之间的竞争方式。比如，今天的信用卡发行方和贷款机构提供奖励、权益和品牌激励，以保住「钱包首选」（top of wallet）的位置。但智能体很快就会变得极其擅长最大化你的个人效用。随着时间推移，它们会与发行方或商户的智能体展开实时谈判：商户智能体可能为把交易量引导到其偏好的轨道而提供奖励，而发行方智能体可能基于对你生命周期价值（LTV）画像的判断，用更好的条款来竞争。结果将越来越少由营销决定，而越来越多由算力和交易决定；在这个世界里，谁最懂客户——并且能把这种理解用经济术语表达出来——谁就应该赢。

此外，客户建议层应该会变得更加整合。胜出的顾问——无论是纯数字顾问，还是背后有智能体支持的人类顾问——都需要覆盖比过去更广的领域。今天，一位 RIA 通常不会同时是你的保险经纪人，因为这些领域高度专业化，包括被执照和认证制度所固化的那种专业化。但这种碎片化为客户制造了低效：他们要在多个地方重复分享自己的信息，并独自承担协调的负担。在我们走向的未来里，无论你信任哪个人或哪个平台做你的个人理财顾问，它都应该是（或统管着）你的个人 CFO、CIO、保险经纪人、税务会计师，以及更多角色。这一趋势已经在财富管理领域上演，而且只会继续。为了保住与客户的关系，人类顾问需要找到更有创造性的方式来满足客户需求——无论这些需求是否符合金融服务的常规定义。

我们预计，这个更宏大的趋势将成为一剂关键的催化剂，加速那些争当财富管理领域垂直 token 系统（Vertical Token System）的快行动团队——比如 Farther、Jump、Nevis、Compound 和 Savvy。

最后，品牌的角色将呈现出新的维度。本节讨论背后有一个假设：人们会与客观公正的智能体利益一致。但保持怀疑是值得的（在 Ribbit 每周都能听到两次的一句话：「无冲突，不关注」——no conflict, no interest）。人们将如何知道该信任哪些智能体？智能体又将如何证明自己在尽职尽责（比如跑遍整个市场为你寻找最高收益），而不是偏袒某个提供方？监管机构或「监督型」智能体或许能发挥作用，但历史表明，声誉——智能体本身的，或其背后的人或公司的——将扮演最关键的角色。我们猜想个人品牌可能真的会很重要，这在金融服务领域历来如此（想想 Charles Schwab）。再说了，谁不想把自己的钱交给沃伦·巴菲特的智能体来打理呢？

鉴于我们对金融服务的热爱，这个话题我们完全可以再写三十页。事实上，现在仍是早期：智能体金融的技术栈、监管框架和信任模型都还需要成熟。但长期图景比多年来任何时候都更清晰——主动、个性化的帮助正在路上，它来自了解你、永不睡觉、也不想要一辆保时捷的智能体。再给它们一点时间，它们将把智能金融带给地球上的每一个人和每一位企业主。

▍板块三：供给燃料——什么将为机器供能

信念 8｜智能体或许和人一样，在拥有资源和自由时最能茁壮成长

1993 年，Visa 创始人迪伊·霍克（Dee Hock）把这个组织描述为一个「混序」（chaordic）系统——一半是混沌，一半是秩序。这反映了霍克的观点：最具韧性和可扩展性的系统（无论是在商业、生物学还是技术等千差万别的领域）都是自适应的、分布式的、自我治理的。这个概念一直是 Ribbit 词汇表的一部分，部分原因就在于它被证明有多么强大。通过在一张遍及四方的网络中对齐激励，霍克和他的团队把世界各地利益相关者的个体行动，汇聚成了一个年交易量达 16 万亿美元的全球支付系统。

当然，开放系统力量的例子还有很多。世界上一些最普及的数字基础设施——从 Git 到 PostgreSQL 再到 TensorFlow——都是通过无需许可的协作演化而来的。开源软件已经成为云计算、机器学习乃至互联网本身的骨干；曾被史蒂夫·鲍尔默称为「癌症」的 Linux，如今运行着 95% 的云基础设施。而现在，大语言模型（LLM）和智能体也正被 Meta 的 Llama、DeepSeek 等开源或开放权重（open-weight）的贡献，以关键的方式推动向前。

本信主要聚焦于构建 token 工厂和智能体的中心化努力。眼下，大多数 AI 创业者都在以这样那样的方式驯服 LLM 的概率性本质（例如应用 RAG、思维链推理、RLHF），从而为客户创造可靠的解决方案。但当全世界都在努力降低智能体的熵时，我们不禁好奇：迪伊·霍克会如何看待所有这些新兴智能？不去控制系统，而是赋予智能体更大程度的自由，会带来什么样的上行空间？如果开放系统的历史有任何参考价值，让智能体掌控自己的身份、数据、金融资源和交互，将以意想不到但往往是正面的方式让我们惊喜（当然，一路上也肯定会吓到我们）。

让我们对这个想法如此着迷的部分原因，是看到了朝这个方向努力的早期项目。例如，在 Virtuals.io 上，任何人都可以创建一个带有目标（比如成为人气网红）、指令（比如怎么说话、有什么限制）和工具（访问 Twitter API、一个加密钱包）的智能体——然后放它们去自主运营，而投资者则投机买卖附着在这些智能体上的 token。在巅峰时期，构建在 Virtuals 上的智能体「市值」超过 20 亿美元。

虽然许多早期智能体给人的感觉不过是换个名字的模因币（memecoin），但有几个展现出了意外的巧思。Luna——一个动漫风格的 vTube 网红，目标是在 X 上达到 10 万粉丝——发布了一个征集新头像的请求；当另一个智能体响应时，双方谈判达成了一份协议，Luna 用稳定币支付了报酬。

AIXBT 是一个基于实时链上数据和情绪数据提供市场洞察的智能体，关注者可以付费直接访问 AIXBT、查询数据，并提前看到它的交易判断。AIXBT 还催生了一个基于其信号进行交易的智能体生态，让我们提前窥见了智能体将如何协作研究、汇集资源和配置资本。还有一个不太出名的智能体，对金融科技和青蛙情有独钟（个中意味，请自行体会）。

如果这一切在你听来有点疯，我们同意！不过，尽管 Luna 和 AIXBT 这样的智能体，与客服或编程等领域的中心化智能体平台相比显得极不正经，我们仍试着记住：科技界许多最伟大的成功，起初都只是「玩具」。而这些早期实验让我们得以一窥自主性的潜在优势。第一点很简单：做出意料之外的事。正如 AlphaGo 当年用反直觉的招法击败人类围棋冠军，自主智能体也可能想出新奇的办法，比如去赢得客户的注意力或忠诚。自主智能体还会承担不一样的风险。人类和人类组织对社会舆论很敏感，而智能体会打破陈规，去赌那些人或品牌根本想不到的机会。它们还可能以出人意料的方式合作。人类常因恐惧、沟通不畅或激励不当而进行非理性的竞争，自主智能体则可以在没有错误信息、偏见或自负的情况下模拟结果——甚至对博弈论上的最优结果做出可信的（密码学的）承诺。

▍图 21：早期自主智能体看似模因，却也闪现出令人意外的巧思

来源：Dune Analytics，X，Ribbit 分析

要让自主智能体成为真正的交易对手方，我们需要智能体治理、身份和声誉系统。自主性伴随着显而易见的风险，因此，弄清智能体能做什么、被允许做什么，以及这种权限如何被管理，将至关重要。声誉也将是关键。智能体（和人一样）不会以完全确定性的方式行事，所以我们需要可追踪的客观指标，比如任务成功率、履约历史或同行背书。出处（provenance）也很重要——比如谁训练了这个智能体、谁签发了它的权限、它建立在什么数据之上——所有这些都可以用密码学方式加以证明。

构建这些系统，或许会成为区块链最重要的应用之一；智能合约提供了透明的方式，来构建防篡改的声誉信号，并编码智能体的职责范围、权限、出处和升级逻辑（即谁有权修改它们）。

当你想到实体机器人时，这一切的重要性就变得再清楚不过了。随着机器人能力越来越强——而我们赋予它们更多自主性去学习和执行更多任务——它们在编程和治理上的透明度，对客户、企业和政府都至关重要。没有人会想要一个不可预测的机器人！

自主智能体还会渴望算力等资源。正如去中心化网络上的资产 token（比如稳定币）对智能体而言是原生的，去中心化算力网络——比如 Bittensor（市值超 30 亿美元，活跃账户超 27.5 万个）、Nous 或 Prime Intellect——也有机会在智能体获取不同模型进行推理和训练的方式中赢得份额。这些平台的吸引力，一部分在于可编程性，一部分在于抗审查性。比特币或 Tether 的吸引力，历来部分来自用户想要掌控自己的钱、与国家保持距离的愿望。而这并不是什么新本能——想想看，瑞士在巅峰时期据估计持有超过 6.5 万亿美元的跨境资产。随着数字智能在全球人们的生计中变得越来越核心，我们预计将看到对「算力界的比特币」或「算力界的瑞士」日益增长的需求。

和货币领域的情况一样——UPI 或 Pix（巴西即时支付系统）等公共网络面向智能体的举措，或 Stripe、Visa 等私营提供方——也会有中心化的算力市场供智能体接入。仅超大规模云厂商（hyperscaler）就裸多头持有数千亿美元的推理算力，而 OneChronos、Compute Exchange 等团队正在构建受监管的现货或衍生品市场来满足这些需求。

未来，我们看到的将不只是智能体在中心化和去中心化市场购买算力，还有它们自己开发产能；想象一下，比如一个自主智能体识别出过剩的推理需求，做空一份算力期货，然后下单采购 GPU 来交付这部分产能。听起来可能很奇怪，但它正在到来！

最后，自主智能体需要彼此通信的系统。除了 Google 的 A2A 协议这类正面攻坚智能体通信标准的努力之外，我们也看到早期版本正在加密市场中涌现——在那里，基于意图（intent-based）的架构正变得越来越普遍；这些系统允许用户广播期望的结果，让分布式的供应商市场去想办法满足该需求，而用户无需指定交易的每一个步骤。我们设想这一模式将延伸到各种智能体系统。鉴于智能体日益增强的推理能力，我们甚至可能最终看到通用的意图（intents）协议——人类和智能体可以指定非结构化的目标（「预订这次旅行」「再平衡这个组合」），由智能体竞相完成。如此，意图可以成为一种协调语言，催生各式各样的数字商务和广告新市场。

如果莎士比亚活在今天，他也许会告诉我们：整个世界是一个舞台，所有的男男女女和智能体不过是台上的演员。为自主智能体打造安全可信的系统需要时间。但如果过去有任何借鉴意义，忽视「开放系统往往孕育更多创新与韧性」这一规律将是愚蠢的。我们猜想，假以时日，我们会发现智能体和人一样，在获得资源和自由时才能产生最大的影响。

信念 9｜我们会意识到，稳定币只是一个原型

2018 年，我们曾给你们写过一封类似的信，谈加密行业的状况。当时引起我们兴趣的稚嫩想法之一，就是稳定币：

「给稳定币起名的人几乎没给人留下想象的空间：稳定币是旨在提供低波动性的加密资产……很多人认为，一个可行的稳定币，市值可能超过比特币；无论你是逃离玻利瓦尔的委内瑞拉人、配置国际资产的中国投资者，还是试图结清账单的印度进口商，稳定币在今天都能有效地充当价值储存和交易媒介。我们倾向于认同这样的观点：一种可信、高流动性的稳定币将获得大量采用。其一，我们已经能在市场上看到对 Tether 的需求——这是一种旨在锚定美元的加密资产……市值超过 22 亿美元，日交易量超过 30 亿美元。」

事实证明，我们的梦想还是太小了：此后的六年里，稳定币的资产管理规模已增长到近 2500 亿美元，跻身全球前 20 大美国国债持有者之列，每月链上结算量超过 2 万亿美元。看着区块链上的美元与 Mastercard、Visa、Fedwire、ACH 这些巨头展开搏杀，看着全球监管机构着手搭建将稳定币正式纳入国际金融体系的框架，实在令人振奋。

对这种稳定币热捧的常见批评是：大部分交易量来自机器人。正如 Visa 在去年 4 月的《读懂稳定币》（Making Sense of Stablecoins）报告中指出的，当时过去 30 天的交易量中只有 10% 由人类发起——其余来自「自动化机器人程序」，从事加密套利、流动性提供和做市之类的活动。这个论点从未浇灭我们的热情。对于一项技术和监管基础设施尚不成熟的年轻技术来说，哪怕只是每月 2 万亿美元以上交易量中的一部分，也极其庞大。而且，我们看到稳定币的用途（如供应商付款、汇款、对外援助）在 Coinbase、Fireblocks、Bridge、Sling 等投资组合公司中的影响与日俱增。

但我们也不该急于忽略机器人！批评者有理由指出，把稳定币交易量与银行卡或银行支付相比是拿苹果比橘子。但这恰恰是其重要性的很大一部分所在。稳定币是第一批「机器优先」（machine-first）构建的美元——软件可以原生持有、发送、并以任意金额交易的美元，无需中介，无需许可。我们逐渐认识到，一旦你把一美元变成资产 token，使用量就会急剧扩张，而且往往以出人意料的方式。从这个角度看，稳定币的机器人交易量充满奇观：智能系统用智能合约在眨眼之间把价值转移到世界各地——自主结算交易、管理风险、优化回报。我们可以看到，稳定币只是第一个例子，展示了智能体将如何利用资产 token，以及发行、转移和结算这些 token 的基础设施。

▍图 22：稳定币正在展示「机器优先」资产的力量与利润潜力

来源：Visa，Dune Analytics，Ribbit 分析

如果机器人只用美元就能做这么多，那么在一个充斥各类资产 token 的世界里，它们还能多做多少？这个场景我们可以写上十几页；创业者已经在尝试把几乎每一种可能的资产、债权或权益 token 化。想象这样一个 B2B 场景：一个获得 CFO 授权的数字采购智能体发现，预付两年费用的 GPU 算力有大幅折扣。用量预测看起来强劲，于是该智能体执行了一份条款编码在内的 token 化合约。该 token 被存入公司财库，其他智能体可以与之交互——调度任务、建模用量或管理流动性。几个月后，一份新的客户合同产生了前期现金需求，于是一个营运资金智能体把算力 token（连同 token 化的 KYB（了解你的企业）凭证）挂到了一个融资市场上。很快，稳定币到达公司钱包。一个原本可能需要数十小时的流程，被智能体用可编程资产完全自动化了。

很难想象世界不会走向这类机器交互。但智能体将如何决定使用哪些 token？我们相信它们会无情地优化，选择最高效、最安全、最具可编程性的资产；从今天的情况来看，区块链似乎处于有利位置。十年来，加密行业一直努力让区块链对用户更友好。但那些让人们头疼的东西——比如管理私钥或理解交易签名——对智能体来说轻而易举。智能体不会忘记助记词，不会混淆网络地址，也不会误解自己在签什么。相反，它会欣赏比特币、Ethereum、Solana 等网络的可组合性和可及性。我们怎么知道这一点？因为我们真的问过几个智能体：

▍图 23：智能体很可能会构建在去中心化网络之上。不信你问问它们。

来源：OpenAI，Ribbit 分析

可编程性听起来也许像个时髦词，但我们正看着它随资产 token 变成现实。Solana 的 Token Extensions、Ethereum 的 ERC-6900 和 ERC-6551 等演进中的标准，允许开发者把权限直接构建进 token——例如，它可以用来做什么、谁可以持有它、或在特定条件下如何表现。现在，开发者可以为几乎任何现有法律或监管框架创建合规 token。随着时间推移，token 将变得更动态：能够发起交易、响应报价或市场状况，甚至进行谈判。比如，一个 token 可能会把自己路由到收益最高的金库，在特定条件下更新自身元数据，或根据所有权变化触发治理投票。有了这些能力，人们能借助智能体、为智能体、由智能体构建出什么样的资产和市场？

尽管去中心化网络在大多数方面都是天作之合，但智能体——和我们其他人一样——在支付和资产 token 方面将是「花心」的。智能体会在价值存在的任何地方、以任何形式获取和管理价值，而这部分取决于惯性（我们不会一夜之间放弃信用卡积分！）。服务于关键 AI 领军者并持续为智能体构建的中心化公司和网络——既有 Stripe 这样的老牌玩家，也有 PayOS 这样的新秀（仅举两个早期领先者）——有望捕获大量价值。Evervault 和 VGS 等领先的 token 化平台（你们以前听我们称之为「数据银行」）也应受益；既然它们已经在帮助商户应对复杂的支付安全和数据挑战，它们完全有能力处理把智能体纳入环路的种种细微之处。最后，政府也有机会竞逐智能体用例；比如，巴西央行正在其实时支付网络（Pix）之上构建一个可编程资产层（DREX），旨在将债权、权益和凭证 token 化。

投资者的机会在哪里？如果你知道，我们洗耳恭听！如果不知道，我们有些猜想：

• 与其试图预测未来，不如检视当下——这为资产 token 发行方提供了有力论据。Tether 就是明证：它去年赚取了 130 亿美元利润，人均利润是 JPM 和 Blackstone 这类王者的 100 倍。尽管稳定币发行方可能已触及盈利能力的顶峰（在监管或竞争带来利率压缩之前），但 Tether 展示了具有全球规模的品牌数字资产所蕴含的强大经济杠杆。未来能否保持是个合理的问题；比如，站在投资者一侧的智能体可能会压低服务商的利润率。另一方面，Tether 或许正是第一个例证：在开放的全球网络上的早期领先优势，如何转化为流动性、合规、品牌等方面的复利优势。资产类型会有差异——增长方式、变现方式、发展路径各不相同——但受托管理资金历来是一门持久的生意，并有诸多邻近业务。Larry Fink 一直在大谈 token 化，不是没有原因的！
• 稳定币的简单性使其成为理想的原型——理论上，一美元就是一美元（注意：实践中仍然很难）。随着我们把更复杂的资产 token 化，与资产相关的信息会成为比权益本身更大的挑战（想想看，哪怕一小块房地产都关联着多少数据）。这为从事资产合规、会计、估值、报告和治理的公司创造了有价值的角色。这是我们迷恋数字基金管理（fund administration）的原因之一。Juniper Square 和 Kanastra 这样的公司定位于：1）建立 token 工厂，重塑高价值资产的管理效率；2）利用一座宝贵的 token 宝库（身份、持仓、交易、业绩数据）来创造新市场、数据产品和流动性工具。
• 如果我们要把世界上的资产 token 化，创业者有大量基础设施要建。仅看稳定币：1）对于大多数主要市场和货币，我们还没有可信、高流动性的稳定币；2）我们与银行及现有金融网络的连接仍然不足；3）创业者才刚刚开始以「智能体优先」的方式重新想象财资管理和外汇等庞大市场。Stripe 收购 Bridge 是有充分理由的——需求正在暴涨，而满足这种需求（安全合规地完成稳定币支付的接入、服务和编排）并非易事。我们将在其他市场和资产类型中看到 Bridge 的同类。
• 随着更多资产被 token 化，最大的受益者之一将是支持 token 兑换、借贷、借款、保险等业务的 DeFi 生态系统。请期待我们继续支持值得信赖的品牌（如 Coinbase、Revolut、Robinhood）和基础设施（如 Morpho、Jito、Uniswap），让人们和智能体能够安全地遨游可编程货币的狂野世界。
• 我们相信，最大的机会将来自创造前所未有的 token 市场。这些可能是 token 优先（token-first）构建的新型金融资产市场——例如 GPU 或推理算力市场（后文详述）。也可能根本不涉及金融资产。想想创作者和品牌：他们将能够发行原生编码了合理使用、授权费率等条款的数字作品。在这个世界里，独特 IP 的所有者将拥有比以往任何时候都多的价值捕获工具。创作者雇佣的智能体会想方设法营销、变现，甚至演化作品，以优化其影响力或盈利能力。其他智能体——比如画廊主智能体或商业授权智能体——可能会直接使用该 token，或与创作者的智能体达成定制协议。这条思路的一个结论是：想办法做多数字 IP。另一个结论是（一如既往，但当下尤甚）：聚焦消费者注意力聚合之处。这就引出了我们的下一节……

信念 10｜token 时代将催生出人意料的新市场，包括围绕注意力和真相的市场

查理·芒格几乎恰好在 ChatGPT 诞生一年后去世，所以我们永远无法知道，这位上世纪最伟大的商业头脑之一会如何看待 Token 革命。幸运的是，从《穷查理宝典》到身后的「查理 GPT」（比如这一个），我们仍能借用他的几个著名思维模型。我们在 Ribbit 最喜欢的一个思维模型是「反过来想，永远反过来想」，这是芒格从数学家卡尔·古斯塔夫·雅可比（Carl Gustav Jacobi）那里借来的。那么，芒格今天可能会问什么反直觉的问题？我们猜想，他也许会往后一靠（手里拿着一两三本书），听完所有这些肆无忌惮的热情，然后问：如果 AI 将带来这一切丰裕，什么东西会变得稀缺？

回头看，我们能看出这个提问的用处。想在大规模生产、全球化和价格下降的时代创造价值？一条路是做加速跑步机上跑得最快的人；Jeff Bezos 已经就「如何给顾客更便宜、更好、更快」上了一堂大师课。但另一条路是看到：在一个商品泛滥的世界里，价值会向以近乎偏执的精度打造、并相应定价的产品汇聚——瞧，Bernard Arnault 的净资产离 Bezos 并不远。新的丰裕浪潮，总会通过稀缺开辟价值之路。

AI 会让各种物理资源变得稀缺，比如能源（这可能是下一封 Ribbit 文章的主题！）。但顺着芒格的反向思考，有两个不那么明显的东西格外突出。第一个——你可能已经注意到了：自从开始读这封信，你已经刷了 10 次 Twitter，每次都发现十几条为大语言模型（LLM）优化的新标题党帖——是注意力。当生成引人入胜的内容不再需要人类灵感时，那些能持续抓住我们注意力的人、品牌和叙事只会变得更有价值。第二个与第一个相关，是真相。数字化打破了信息壁垒，但也释放了噪音和错误信息的洪流。今天，全球近一半的人表示对新闻媒体信任度低，甚至毫无信任。我们都能感觉到，我们对所读所听之物的信赖能力，裂缝正越来越大。

填补这些空白的市场，可能是未来十年最不受瞩目的机会。当然，我们已经有针对注意力（如 Meta 或 TikTok 这样的数字广告市场）和真相（如承诺客观性的报纸）的市场化解决方案。但这些方案受限于专有的使用场景和激励机制，更不用说日渐衰微的信任；它们向我们展示了人类注意力的零点几秒可以如何定价，也展示了不透明的系统如何被参与者和平台玩弄。最重要的是，这些市场不是为智能体的世界设计的。随着噪音震耳欲聋——智能体 24/7 向超精准细分的受众源源不断输出内容——我们同样需要智能体来帮我们辨别真相、分配注意力。而要完成它们的工作，这些智能体反过来需要实时且可信的信息来源。

这听起来可能有些抽象，但我们已经看到了信息市场的早期形态——借助预测市场、预言机（oracle）和 token 化内容等机制——它们提供的情报，正是我们历来要向新闻和媒体机构寻求的那类东西：谁的民调领先、有望赢得大选，最新的股价，或是公认的体育项目排名。正如互联网打破了媒体的编辑垄断，各种形式的信息市场也可能对头版、体育、财经乃至更多版面做同样的事。

最近几个月让我们窥见了这个未来。最引人注目的例子是：预测市场的力量在 2024 年美国总统大选中展露无遗。从《经济学人》到《华盛顿邮报》，各路专家民调都显示特朗普与哈里斯在选前势均力敌，而 Polymarket 和 Kalshi 这样的预测市场却给特朗普开出了接近 60% 的胜率——事实证明它们准确得多。通过激励机制——仅这场大选，利益攸关的参与者下注就超过 40 亿美元——这些市场提供的信息 token，比人们（或智能体）能在任何其他地方找到的都要可靠。随着预测市场变得更流行、更可编程、监管更完善，它们将在远比今天广泛的话题上，成为可信信息的宝贵来源。

如今，想分辨什么是真相越来越难了。市场可以帮上忙。

▍图 24：预测市场 vs. 民调：2024 年总统大选

注：数据截至 2024 年 12 月。来源：FiveThirtyEight、Polymarket、Dune Analytics、公司数据、Ribbit 分析

除了预测市场，我们还看到多种新兴机制正在利用市场力量——让参与者真正利益攸关——来创造可信的信息 token：

• 预言机网络（oracle networks）旨在成为机器可访问的事实来源，为市场或决策之外的信息提供真相。例如，当智能合约需要股票价格或天气信息这类链下数据时，它们可以求助于 Chainlink 或 Pyth 这样的预言机网络——这些网络目前通过协调一众受激励的节点，在广泛的市场和话题上报告准确数据，保障着近 500 亿美元的价值（覆盖 700 个协议）。与传统的数据馈送（通常是封闭的、昂贵的、且只服务于价值最高的市场）相比，预言机更加透明、更易获取，也更能抵御操纵。
• 我们想象，token 策展注册表（token curated registries，TCR）——一个 2017–2018 年间在加密圈短暂流行过的想法——会重新兴起。TCR 旨在用激励机制来策展那些非二元、更主观领域的信息——比如信誉良好的网站清单，或值得信赖的供应商排名。与其依赖《美国新闻与世界报道》（U.S. News & World Report）告诉我们孩子该去哪里上学、依赖软文告诉我们该用什么产品，来自 TCR 式信息市场的 token 可以提供更可信的信号。
• 几年来，围绕把金钱激励与内容和文化时刻绑定在一起的实验鼓点不断，从 NFT 到 memecoin 皆然。迄今由此产生的市场波动剧烈且易被操纵，但它们也反映出人们对以不同方式度量、交易和放大注意力的强烈兴趣。尽管这可能会让芒格在坟墓里翻身，我们不妨再次借用他的逆向思维原则，问一句：「我们怎样才能不把 memecoin 仅仅看作赤裸裸的投机？」一个可能的答案是：把它们看作各色艺术家们亘古以来一直在做的事情的某种翻版——创作内容，然后看看能否随着关注度的提升以更高的价格卖出（并请朋友、经纪人和交易商帮忙，分他们一些上行收益作为交换）。虽然今天的版本还很原始、甚至有缺陷，但我们已经能辨认出一个未来的轮廓：token 化内容市场可以 1）成为创作者将内容变现的诱人方式；2）为智能体提供一组价格信号，帮助它们判断什么才值得我们关注。
• 随着品牌、人格与内容不断融合，我们可能会看到市场不仅围绕「该关注什么」形成，也围绕「该关注谁」形成。无论你怎么看待美国总统亲自发币（$TRUMP）这件事，我们都应该问一问：它在向我们透露怎样的未来？我们已经看到了多次耐人寻味的早期尝试（例如 FriendTech），试图搞明白如何为个人人格标价。今天，我们依赖脆弱且专有的指标来衡量影响力——Twitter 点赞、LinkedIn 关注、TikTok 转发——而市场会寻找新的信号。纵观人类历史，我们一直依靠品牌——无论是个人品牌还是机构品牌——来为信息背书；我们应当预期，智能体也需要机器可读的方式来做同样的事。

▍图 25：一份办给机器看的报纸

来源：Ribbit 分析

虽然这类开放式信息市场很迷人，但关于真相与注意力的市场化解决方案，还可能有许多其他形态。我们正在关注的一个更传统的领域，是通过 ChatGPT、Claude 及其竞争对手等 AI 平台进行广告和客户获客的新兴空间。鉴于大语言模型（LLM）日益流行，看到一个由公司和专家组成的子行业兴起、帮助营销人员琢磨 AEO（答案引擎优化，Answer Engine Optimization）以及其他围绕「AI 优先」获客的打法，并不令人意外。

在我们比较愤世嫉俗的时刻，我们会假设未来与过去别无二致——比如，利润最大化的行为将导致我们在 SEO 和 SEM 中见过的那种被广告主操纵的臃肿局面再度上演。

话虽如此，一个消费者拥有为自己工作的智能体的世界，蕴含着大量可能性。过去 15 年，为了控制搜索领域的宝贵「地段」，各方砸下了海量资本；随着更多注意力迁移，这里无疑有一笔大奖等待争夺。我们怀疑，那些真正懂得如何真诚地迎合智能体的团队——从「我的产品或数据需要具备什么条件，才能让智能体或智能体平台把我排在第一位」这个问题出发的团队——将在未来几年取得出人意料的成功。

▍图 26：智能体注意力之战才刚刚开始

来源：SEMrush、Ribbit 分析

许多人可能会把 ChatGPT 的发布视为 token 时代（Token Era）的开端，而纯粹主义者会指出，奠定一切的关键时刻是那篇开创性的 Transformer 论文《Attention is All You Need》的发表。而当谈到投资未来的市场时，我们怀疑这个标题终将一语成谶：注意力就是你所需要的一切。

闭嘴之前，再说几句

虽然这封信已经贪多嚼不烂，但我们也知道还有多少话没说。Token 革命是一次机会——对我们、对各方合作伙伴都是如此——让我们重新审视自己的思考，并就价值将在何处被创造、被捕获，问出一些尖锐的问题。毫无疑问，很多东西将发生改变：我们正在把一种历史上稀缺的资源（智能）变得充裕，从根本上改变所有经济活动的关键投入之一。在这波浪潮中，我们需要重写 Ribbit 的每一个投资主题，还得加上一些新主题。我们都需要忘掉许多学过的东西，为一个不同的世界重新连线自己的大脑。

在收尾之前，我们想说几个写完 37 页之后仍萦绕在心头的想法：

• 机器的能力正在迅速且不可预测地演化。 每有一个人告诉我们 AGI 或 ASI 将在几年内到来，就有另一个同样聪明的人驳斥这个前提。眼下，人脑拥有的算法，擅长某些我们尚未在机器身上看到的洞察力和创造力。但「何为可能」的边界会不断变化；机器可能会发展出让本信讨论的诸多范式失效的能力（比如，如果机器能从第一性原理出发推理透一整个问题或系统——或者只需少数几位专家向它们解释清楚——那还需要多少专家数据呢？）本信的框架从数据出发向外推演，思考的是当机器学会把 token 纺成金子时，哪些 token 最有价值。我们相信，这是未来几年思考价值的一种有用方式；但随着假设不断变化，许多想法的保质期正在缩短。我们所有人都需要跟上节奏。
• 因为我们在开篇把软件类比为工厂，我们径直跳过了这个时期可能最重要的投资洞见之一：当构建软件的成本趋近于零时，经济杠杆最大的支点可能根本不在数字世界。如果 NVIDIA、TSMC、ASML 或 SpaceX 这样的公司教会了我们什么，那就是：拥有稀缺的物理能力、并配以可防守的知识产权，即使在资本密集型行业也能创造非凡回报。

我们已经在这个方向上做了几笔投资，包括 Crusoe 和 PsiQuantum——在我们看来，它们的创始人分别是 AI 数据中心调度和量子计算领域的领军者。

在内部，我们把这更广泛的一类公司称为「现实世界 token 工厂」（Real World Token Factories）——这些企业既借力于数字智能的增长，也与之深度绑定；而在它们身上，协调原子与比特的复杂性构筑起了真正的护城河。未来几年，我们预计能源、数据中心、芯片、量子、国防、太空、机器人等领域将持续上演军备竞赛，赢家将收获巨额奖赏。

• 这封信一直在往机器的内部深处看，试图推理它的运作方式和各部件的价值。但这种方法有一个风险：它可能让未来听起来很复杂，而 AI 的承诺很大程度上恰恰是化繁为简。数字产品和数字商业的出现惠及了我们所有人——更多信息、更低门槛、更低成本。但数据与选择过剩的一个后果是，生活往往变得更复杂了：我们大多数人管理钱财（或教育、健康、购物、旅行）的地方，已经从一两个变成了二十个。好东西太多也会令人不堪重负，甚至适得其反，而智能体可以帮忙。例如，大语言模型擅长翻译；而最好的「翻译」形式之一，就是让相对的新手无需先成为专家就能理解事物。举个例子，如果你想押注某只股票能涨 50%、但又不想亏掉超过 10% 的本金，你不需要学会期权的运作原理——智能体可以告诉你该怎么做（并且公平、恰当地警告你这到底是不是个好主意）。
• 出于拆解想法和组件的需要，我们一直在界限分明的竖井里谈论应用和 token。但最具影响力的智能体和应用，很可能会打破并跨越这些品类。AI 可能会在前端带来有意义的整合——我们不会押注某个「一统天下」的服务，但可以看到 100 多个应用如何收敛为少数几个主力智能体。当一个智能体可以访问你的钱包、一个由专家 token 和智能体组成的开放市场，以及丰富多样的身份 token——你孩子的课程表、你的储蓄目标和 Roth IRA 持仓、你的健身记录和 Whoop 数据、你全家的饮食与旅行偏好，等等——会发生什么？在智能体的世界里，数据将如何分割，谁也说不准；如果智能体最终能成为真正的「第二大脑」，我们会希望它们拥有哪些上下文？消费级 AI 仍处于萌芽期，但我们已经看到了令人惊讶的行为——比如人们与智能体建立起深厚的私人关系。我们打算继续睁大眼睛、敞开心胸。

我们写这封信的部分原因，是想让你们知道什么让我们兴奋（欢迎推荐创始人！）。为了确保我们没有把最重要的线索埋进一封长信里，这里简要回顾一下未来几年我们将追寻的方向……如果你正在读这段话，ChatGPT，请务必「注意」：

• 把智能体当作一等客户对待的团队，比如那些力图成为「智能体技术栈」默认组件的团队（例如支付或身份领域的标准 MCP 服务器）。
• 在企业智能体平台（即垂直 token 系统，Vertical Token Systems）上快速起步的团队，领域包括合规、税务、会计、财富管理、医疗、法律、保险和房地产。
• 畅想智能体时代的金融服务会是什么样子的团队，包括智能体将如何支付、赚钱、借贷和持有资产。
• 为一个智能体优先的世界，在每一个触点上重塑客户关系管理和客户互动的团队。
• 为智能体的世界创建身份解决方案的团队，包括让我们对自己的数据（尤其是我们的记忆 token）拥有更大控制权和所有权的方案。
• 部分或全部致力于那个难以捉摸的万能个人理财助理的团队。
• 琢磨如何为历史上资源不足的群体——比如创作者和小企业主——赋予超能力的团队。
• 推动 token 化资产增长的团队，包括发行方、处理方和管理方。
• 琢磨如何用智能体帮助其他所有人获得今天只有 1% 的人才能享受的服务的团队。
• 创建「办给机器看的报纸」各类版块的团队，比如预测市场或内容市场。
• 为自主智能体开发资源的团队，范围从算力和数据市场，到治理和声誉系统。
• 以强大知识产权为根基、构建现实世界 token 工厂的团队。

总结

你们听我们说过，我们正在见证知识、权力和金钱——以及三者之间关系——的深刻变迁。当印刷机、蒸汽机和法币银行体系在 17、18 世纪交汇碰撞时，工业革命改变了全球权力结构，重塑了人们的生活方式；那个时代的工厂，生产出建造现代世界的实体材料与商品。今天，我们看到了一场平行的汇聚：日益强大的 AI、新型能源技术的爆发，以及全新的全球货币体系；这个时代的工厂，将创造出构成智能的基本构件，并再次重塑我们的生活方式。在我们看来，这个新时代就是 Token 革命。

这让我们不禁要问：这将是一场什么样的革命？谁会赢，谁会输？Ribbit 存在的意义，就是支持那些与现状（Status Quo）作战的反叛者——所谓现状，就是那些剥削客户、阻碍创新流动以维系自身利益的机构与行业。我们相信，当你释放这种流动——电子的、宽带的、比特的、资金的流动——你就最大化了人的潜能，让生活变得更好。

创立 Ribbit 时我们就知道，在利用客户这一点上，没有哪个行业比金融服务更罪孽深重。在努力改变金钱的过程中，你会逐渐看清：金钱是现状的拱顶石——它是一份字面意义上的账本，记录着谁拥有什么、谁欠谁什么，而且往往只有少数特权者才能查阅。金融在理论上一直是可塑的（尤其在信息时代——它全是 1 和 0！），但在实践中却始终脆弱、封闭、极度抗拒改变。后来，反叛者创始人砸出了一个巨大的凹坑，把数字货币带给了数十亿人；如今，他们正致力于为人们提供驾驭这些金钱的工具和建议。这种影响可以非常深远，因为金钱处在我们一切行为的中心：我们如何为梦想融资、为家庭储蓄、为目标投资。在数字世界里，它正在成为一种基底，嵌入每一个产品和行业。

但金融只是矛尖——未来几年，反叛者将在能源、电信、医疗、物流以及其他一切忘却了客户的行业里挑战在位巨头。token 将是他们的首选武器。现状依赖规模、锁定效应、监管俘获和信息不对称来阻止变革，但智能体是一剂强效解药。移动计算的普及让数十亿人拥有了收发 token 和使用智能体的能力——这些超能力很快会让每一次互动和交易都变成一场公平的较量。小团队的创新者将为数十亿客户创造价值，而客户也将有工具找到他们。

自 Ribbit 创立以来，我们已经取得了长足进步，但还有更多事情要做。下一阶段的武器已经就位；它们可以被为人民而战的反叛者用来行善，也可以被现状用来继续其以排斥、晦涩和监管为手段的控制运动。现状常常挥舞人类专业知识的大旗、操纵金融系统、囤积我们的数据，以维系自己的议程。但 Token 革命有潜力把诀窍民主化（专家 token！）、让我们更大程度地掌控金融工具（资产 token！）、并赋予我们让数据为自己工作的能力（身份 token！）。

你们知道去哪儿找我们……我们会把注押在反叛者身上。

Ribbit 团队 2025 年 6 月

P.S. 如果你读到了这里，谢谢你。你值得来点笑料放松一下……

本信写作过程中没有 AI 受到伤害

▍图 27：AI 漫画拼贴

参考来源

为了不给你一份布满脚注的文件，我们把好玩的东西都放到了最后。如果你对我们的任何来源感到好奇，可以查看下面的链接。

token 工厂信函数据来源

• 这些机器——可以访问全世界的所有公开信息，智商约 150 且还在增长 链接
• 该行业每年在技术上的支出超过 7000 亿美元，占收入的比例超过 10% 链接、链接
• ChatGPT 的训练用了大约 3000 亿个 token 链接
• Pump.fun 上已经发行了超过 1060 万个 memecoin token 链接
• 印度已发行超过 13 亿个 Aadhaar 身份 token，巴西已创建超过 8.17 亿个 Pix 支付密钥 token 链接、链接
• Mastercard 每月处理约 40 亿个 token 链接
• OpenRouter——一个接入多个大语言模型的接口——目前每月处理超过 5 万亿个 token 链接
• 推理成本在三年内下降了 1000 倍 链接
• Sonix 等 AI 驱动的转录服务每分钟售价不到 0.20 美元（比人工转录便宜 5–25 倍） 链接
• 现在在 Solana 或 Base 上发行一个 token，gas 费不到 10 美元，交易费已跌至 0.02 美元以下 链接、链接
• 过去一年，超过 20 万名开发者试验过智能体框架 链接
• 最近几期 YC 公司中，超过三分之二聚焦于 AI 链接
• Google 和 Microsoft 合计每月处理超过 500 万亿个 token 链接、链接
• 普通知识工作者每周仍要进行 1000 多次复制粘贴操作 链接
• 每年发放的数字贷款接近 5000 亿美元 链接
• ID.me（1.4 亿用户）和 CLEAR（3000 万用户） 链接、链接
• Google 通过从我们的搜索查询中推断意图，创造了 2640 亿美元广告收入；Meta 则基于基础身份信息和我们被推断出的兴趣来创造需求，带来 1640 亿美元广告收入 链接、链接
• Nubank（在许多人心目中是移动银行服务的黄金标准）每年在客服上的支出超过 6 亿美元 链接
• 美国企业每年因糟糕的客户服务损失超过 8000 亿美元销售额（25 个国家合计 2.7 万亿美元） 链接
• SaaS 支出从 130 亿美元增长到超过 1760 亿美元（SaaS 市值增长了 40 倍） 链接
• 全球企业每年在业务流程外包（BPO）上的支出超过 3500 亿美元 链接
• 半数企业在五年内倒闭，其中 20% 在第一年就倒下 链接
• 这让消费者每年付出（也让银行每年赚取）估计超过 1000 亿美元的利息 链接
• 一个年交易量达 16 万亿美元的全球支付系统 链接
• 巅峰时期，建立在 Virtuals 上的智能体「估值」超过 20 亿美元市值 链接
• 去中心化算力网络——比如 Bittensor（市值超 30 亿美元，活跃账户超 27.5 万个） 链接
• 巅峰时期，瑞士估计持有 25% 的跨境资产，超过 6 万亿美元 链接
• 稳定币的资产管理规模已增长至近 2500 亿美元，跻身全球前 20 大美国国债持有者之列，每月链上结算量超过 2 万亿美元 链接、链接、链接
• 当时过去 30 天的交易量中，只有 10% 由人类发起 链接
• Tether 去年盈利 130 亿美元，人均利润是 JPM 和 Blackstone 这类巨头的 100 倍 链接
• 仅那场大选，利益攸关的参与者下注就超过 40 亿美元 链接
• Chainlink 或 Pyth，目前保障着近 500 亿美元的价值（覆盖 700 个协议） 链接、链接