Meta、OpenAI与Uber推动AI智能体‘先开口’：关键在何时沉默

主动发声：智能体范式的根本转向

Meta Muse（9月8日发布）、OpenAI Dots（9月29日发布）与Uber司机助手（9月24日宣布语音版）虽分属不同领域，却共享一个关键设计共识：AI智能体应‘先开口’——即在用户未发起请求前，主动识别机会并发起交互。这标志着人机交互从传统‘拉取式’（pull）向‘推送式’（push）的根本转变。过去聊天机器人等待用户提问；如今智能体需自主判断：是否该打断？在哪个渠道（App内卡片、ChatGPT消息、Slack通知、语音电话）？以何种形式（文本或语音）？内容应提供什么具体建议？

中断即决策：价值必须超越干扰成本

每一次主动推送都是一次风险投资。核心规则是：预期用户收益必须显著高于中断带来的注意力成本。该收益由四维构成：事项重要性（如发票逾期vs日程提醒）、用户行动可能性、机会时效性（如网约车高峰期转场窗口仅数分钟）、以及受益主体（必须是用户自身，而非平台商业目标）。据此，系统须做出双重判断：一是‘是否发送’，二是‘以何种通道发送’——高价值、强时效信息可启用高侵入性通道（如语音），中低价值信息则延后聚合推送，无效信息直接丢弃。

决策模型：轻量、结构化、可解释的新范式

大语言模型（LLM）擅长生成文本，却不适合做中断决策。三家公司正转向专用‘决策模型’（decision models）：如TypeSafe的Jev、Supersonic Labs开源的Julia 1（CPU上单次推理约33毫秒）。这类模型不输出文字，仅返回结构化判断——例如‘立即发送/延迟至晚间/加入周报摘要/放弃’，并附带置信概率。它们在LLM调用前完成首轮筛选，大幅降低算力开销。值得注意的是，当前模型仅基于输入上下文做判断，尚无法自动学习用户长期行为模式（如某用户始终忽略早间通知），需依赖平台既有通知数据持续优化。

商业化边界：服务与销售的临界点

主动智能体天然具备强分发能力。Meta已在Muse中探索电商集成，并推出面向中小企业的Muse版本；OpenAI为Dots配套推出500美元/月新订阅档；Uber则可借司机助手推广货运等延伸服务。但所有商业化动作都受同一铁律约束：任何推广信息，都必须通过‘用户价值门槛’检验。一旦用户感知智能体动机从‘服务’滑向‘销售’，整体可信度将迅速崩塌，后续所有消息都将被忽视或屏蔽。

编者观点：对中国企业的启示

中国AI企业正密集布局智能体产品，但多数仍聚焦于‘能说什么’；而Meta、OpenAI与Uber的实践表明，下一代竞争焦点将是‘懂得何时沉默’——这要求构建融合用户行为数据、实时情境感知与轻量化决策模型的注意力治理能力，其技术壁垒不在大模型本身，而在对真实场景中人机协作节奏的深刻理解。