Nathan Goes to China – Part 1: Tech & Agent Setup, Chinese AI UX, WAIC, and Attitudes on AI

主持人 Nathan 亲测：用 Google Fi 或 T-Mobile 国际漫游在中国完全不用翻墙，微信、支付宝、滴滴、Trip.com 等主流 App 全能用，连 Google Play 也能下新 App。

中国AI未必赢在模型，却可能赢在入口

本期无外部嘉宾，由《Cognitive Revolution》主持人 Nathan Labenz 单口复盘。他运营这档节目已近三年半，这次自费在中国停留两周：一边实地使用滴滴、美团、微信等 App，一边走访 WAIC 世界人工智能大会，还让留在家中的 Mac Mini 上的 AI 代理继续处理工作。他的样本当然有限，也明确承认自己接触的大多是英语流利、与科技行业距离较近的人；但正因为他把“亲自点过什么、遇到什么故障、哪个瞬间改用了 ChatGPT”都摊开讲，这趟观察有了比宏大判断更具体的颗粒度。

这期回答了 8 个问题：

1. 为什么只比较日常数字体验，中国会显得比美国更富？
2. 中国机器人展上最不成熟的，为什么恰恰是“自主性”？
3. 中国模型已足够做哪些高价值工作，为什么健康问题仍让人回到 ChatGPT？
4. 出国期间，怎样让 AI 代理代管工作而不丢掉主账号控制权？
5. 没有选民压力的“市长经济”，为何会让地方政府更像企业增长团队？
6. 1.5 亿人使用的豆包，为什么更像情感出口而非效率工具？
7. 无处不在的摄像头和身份记录，换来了怎样的安全感，又埋下什么风险？
8. 如果微信 Agent 真能调用联系人、支付和预约，它会如何改变 AI 的普及速度？

被问到中国城市的科技环境究竟给人什么直观感受时，Nathan 给的不是 GDP、芯片或模型榜单，而是一串细节：滴滴不仅显示司机在哪里，还能显示司机正卡在哪个红灯前，以及红灯还剩多少秒；同行者在美团下单一盒非处方 Claritin，他们坐车前往目的地，约 20 分钟后药已经先到了；在北京和上海，跨城区坐 30 到 40 分钟滴滴，账单通常是 6 到 8 美元。

他因此提出一个有意思的思想实验：遮住价格，不告诉体验者这里是纽约、旧金山，那里是北京、上海，只让人各住一周、叫车、付款、订票、买药、进景点。"I think you would get honestly an overwhelming majority of people saying that China is the richer country because it does have newer stuff and more integrated lower friction experience."（我认为，绝大多数人会说中国是更富的国家，因为它的东西更新、体验更整合，摩擦也更低。）

这意味着，“现代感”越来越不像一项孤立技术的展示，而像一张接得很密的网：交通信号、地图、支付、配送、酒店、票务都能把下一步递到你手里。用户感知到的不是某个系统有多先进，而是生活中少了多少等待、解释和重复输入。

但这个实验必须把价格遮住，恰恰说明低价不能被从体验里删除。美国同样能叫车、送药、移动支付，只是价格更高、平台更分散。中国的低摩擦体验，是技术整合、劳动力与服务供给、支付成本共同算出来的结果，不是单靠一个 App 就能复制。

被问到 WAIC 和机器人展是否证明中国机器人已经高度成熟时，Nathan 先泼了盆冷水。展厅里的机器人确实很多：能送餐的、扫地的、拟人形态的、能按摩的，展位也铺得很满。但他走下来看到的现实是，许多演示位处于暂停状态，机器摆在那里，任务却没有在持续运行。

一个例子尤其刺眼。一位人类魔术师说，自己花了六周、反复做同一个动作，才教会机器人一个魔术。展会期间，这个节目据他所见只安排演一次。Nathan 问他是否担心机器人很快抢走魔术师工作，对方回答："Oh, God, no. It's a long way off."（天啊，完全不会，离那还远着呢。） 另一次，他见一台机器人迎面走来，伸手想握手，才发现后方有女性拿着遥控器。对方摇头示意：它不会握手。

这意味着，机器人产业里“能造出来”“能在展台走几步”和“能在真实环境稳定干活”是三道很不一样的门槛。前两道更依赖硬件、供应链、量产和部署；最后一道依赖自主性，也就是机器人不用人持续接管，仍能感知、判断、执行并处理意外。真正决定产业价值释放速度的，往往是最后这道门。

不过，这只是一次展会观察，不能外推成所有中国机器人公司的结论。Nathan 特别提到 Unitree 可能是例外。展厅里演示不稳，也不等于公司没有更成熟的内部能力；但至少说明，公开可见的通用自主能力，离“随处可用”还有距离。

被问到中国本土模型能不能满足真实需求时，Nathan 的答案分成两层。他在北京旅行期间免费使用 DeepSeek、Kimi 和 MiniMax，把 Kimi 2.6 当成景点规划师和讲解员：雍和宫为什么会出现在北京、孔庙的礼制怎么理解、清朝和满族是什么关系，这些问题都能得到快速、足够有用的英文回答。对一个站在景点门口的人来说，不需要模型完成复杂科研，也不需要它连续执行十步任务。

所以他总结说："you don't necessarily need frontier intelligence for many quite valuable use cases."（很多相当有价值的使用场景，并不一定需要前沿级智能。） 导游、翻译、历史背景、临时行程调整，这些任务只要回答快、语言顺、知道当下的上下文，就已经能创造实际价值。

但半夜全身突发荨麻疹时，他做了另一件事：下载 ChatGPT。即使没有登录自己的主账号，也没有重新付费，他仍想要自己认为最可靠的健康回答。模型能力在这里不只是分数，而是用户对训练、产品、医疗风险处理方式的信任判断。医疗这种“答错一次代价很高”的场景，流量可能更集中到少数被认为可靠的产品。

边界也很清楚：他发现部分中国 App 在满族、涉藏、台湾等敏感问题上，会先显示一段答案，再撤回并拒答；不同 App 的表现还不一致。他认为问题可能更多在部署层，而非模型本身。但对用户而言，答案突然消失不会被理解为复杂的系统架构问题，只会变成“我不知道它什么时候会失灵”。

被问到他在中国旅行期间如何处理工作通信时，Nathan 给出了一个很实用的代理设计：不要把主身份、主数据和所有权限带到旅行设备上，而是让它们留在家里。他把主用 Mac Mini 开着，让 Claude 继续访问原有 Gmail 通信记录；出发前交代 Claude 监控消息、每天数次发送摘要、标记紧急事项。旅行中的他，则通过一个专门邮箱给 Claude 下指令。

这套流程最关键的细节，是“回复从哪里发出”。如果 Claude 用旅行邮箱代回信，收件人可能把陌生地址当成垃圾邮件，也可能根本认不出是谁。因此 Nathan 让 Claude 从他的主邮箱发信，但明确说明 Nathan 正在中国旅行、现在由 Claude 监控通信。用他的话说，"you can have your agents run your life from home."（你可以让你的代理在家里替你打理生活。）

这意味着，个人代理的可行形态不一定是手机里装进一个无所不能的助手。更稳妥的结构是：主设备保留主账号和历史上下文；移动端只接收摘要、提出请求、批准低风险动作。像把办公室留在原地，旅行者只带着一块能和办公室通信的窗口。

它仍不是无人值守系统。旅行中 Gmail 授权两次过期，Claude 没能自己顺畅恢复令牌。Nathan 的妻子需要在家中电脑打开新的 Claude 会话，点击重新授权，约两分钟才恢复。这提醒人们：代理能接管流程，不等于能消灭边缘故障；身份授权依然是整条链里最容易卡住的一环。

被问到中国地方政府为何会积极扶持本地电动车、机器人等企业时，Nathan 用了“mayor economy”，即“市长经济”这个说法。在他的描述里，地方官员的晋升逻辑不是先争取本地选民投票，而是向更高层证明：自己能把城市治理好，能把经济做大，能让上级设定的产业目标在本地落地。"There are no local voters in general that you have to please and get their votes."（总体而言，并没有地方选民需要你去取悦、去争取他们的选票。）

于是，当“电动车”“人形机器人”成为战略方向，地方领导面对的问题就不只是监管企业，而是：本地哪家公司可能活到最后？我能提供什么支持，让它在全国竞争里跑出来？Nathan 的观察是，中国进入新产业并不只是押注国企，也会让民营创业者激烈竞争，同时让地方政治领导参与支持本地企业。

这意味着，产业竞争被嵌进了官员竞争。地方政府会更像一个增长团队：既要修路、配资源、吸引人才，也要努力让本地企业占住供应链和市场位置。它解释了为什么一些看似全国性的战略，会在不同城市迅速变成密集的项目、园区和公司集群。

但“发展本地经济”和“公众利益”不是天然同义词。这套机制没有地方选民的直接问责，效率的前提是上级考核目标足够接近公众需求。若考核只奖励短期投资、产能扩张或某个热门赛道，地方增长团队也可能把资源挤向最会讲故事、最符合指标的项目，而非最适合长期生存的公司。

被问到中国普通人究竟怎样使用 AI、是否真的普遍乐观时，Nathan 听到的答案并不首先是写代码、做 PPT 或自动化办公，而是豆包。按他从当地听到的说法，字节跳动的豆包约有 1.5 亿用户，是中国社会中扩散最广的 AI 产品之一。两位二三十岁的女性都提到，母亲会拿豆包的回答和女儿比较：“为什么你不能像豆包那样对我又好又甜？”

一名故宫女导游给出的故事更具体。她说，有些事没法和任何人讲，但可以告诉豆包；例如自己想换掉不喜欢的男朋友，以前可能只能憋着。她的概括是："there's some things you can't really talk about with anybody, but you can talk about those things with DBA and nobody will judge you."（有些事你确实没法和任何人说，但可以和豆包说，而且没人会评判你。）

这意味着，AI 的社会渗透不只发生在搜索、写作和效率工具里。它还可能承接一类过去没有出口的需求：不想惊动家人、不想承担朋友评价、不想把脆弱暴露给熟人的私密情绪。对话对象不一定提供真正的理解，但只要能持续回应、语气温和、不会把秘密带进现实关系网，就足以形成高频使用。

不过，Nathan 明说他不知道这名导游的体验有多大代表性。几个家庭故事不能证明豆包的 1.5 亿用户都在寻求陪伴，也不能证明这种关系一定有益。它能说明的是：在大众产品里，最先形成黏性的用途，未必是“替我做更多工作”，也可能是“这里没有人审判我”。

被问到高度整合的数字基础设施代价是什么时，Nathan 没有回避它的另一面。他在餐厅内外、街道和公共空间都看到密集摄像头；作为国际访客，坐高铁、进入故宫等地方都要使用护照。身份、位置、交通和支付留下的记录，比许多美国城市更连贯。

这种系统的当期回报很直观。他听到多起相似经历：有人把手机落在出租车上，去找警方；警方调取监控，确认乘客在哪儿下车、识别车牌和司机，再要求司机归还。失主通常一两个小时内就能拿回手机。他还在北京深夜看到许多儿童仍在户外活动，感受到一种很低的犯罪焦虑。人们不必时时防盗、防抢、防手机丢了就寸步难行，社会摩擦自然下降。

但 Nathan 最在意的不是今天，而是权力变化时系统会怎样。他多次问及习近平退休或突然去世后的继任安排，得到的回答是，目前没有一个能被明确指出的继任者。于是他提出风险所在："What happens in the future, something changes, I think is a serious risk."（未来一旦发生变化，我认为这会是一个严重风险。）

这意味着，追踪能力像一座水库：平时能供水、能防洪，失物可找回，治安可维持；但一旦闸门由不同人、在不同政治情境下操控，积蓄的能力也会集中放大。Nathan 承认它目前“working quite well”，问题不在于当下有没有效率，而在于没有人能确定，权力交接或政治失序时，这些记录会被用来保护谁、约束谁。

被问到中国会如何把 AI 从少数人的工具扩散成大众能力时，Nathan 最关注的不是下一轮模型发布，而是微信正在测试的原生 Agent。他自己还没有获得试用资格，产品处于半公开或半私人的 beta 阶段；但微信已有的基础设施太特别了：联系人在里面，商家在里面，预约在里面，支付也在里面。用户本来就通过它处理大量现实生活事务。

这也是竞争的关键。据 Nathan 了解，字节跳动曾尝试做一个能跨多个超级 App 操作的 Agent，其中包括操作微信；微信阻止了它使用微信，随后转而打造自己的原生 Agent。原因不难理解：如果 Agent 能读取联系人、预约服务、调用支付，它真正握住的不是聊天能力，而是行动权限。

因此 Nathan 判断："When they turn that on for everybody, it's going to be another like major step up in the quality of the user experience and the things that you can do."（当他们向所有人打开它时，用户体验和人们能做的事情都会迎来又一次重大跃升。） 这意味着，AI 普及的门槛会从“用户要不要另学一个新工具”，变成“用户本来就在用的平台，是否已经替它准备好身份、关系、支付和执行通道”。

边界也不能忽略。上线时间未定，Nathan 听到过相互矛盾的说法：微信能否以现有算力服务十亿级用户，并不明确。更重要的是，同一套入口既让 Agent 更有用，也让授权更敏感。能替你订位、付款、联系朋友的助手，出错时不再只是写错一段文案，而可能直接改变现实中的交易和关系。

“中国的日常数字体验，会让旁观者误判它更富”和“真正的 Agent 护城河，不是模型分数而是微信的生活入口”，其实都指向同一件事：AI 的胜负未必先由模型排行榜决定，而由它能否嵌进人们已经在过的日子决定。

滴滴的红灯倒计时、美团 20 分钟送到目的地的药、微信可能接入联系人和支付，这些都不是单一模型能力的炫技。它们说明，身份、物流、商家、地图、资金和社交关系已经被压缩进少数高渗透平台。模型一旦接上这些管道，就不必说服用户重新开始；它可以直接替用户完成下一步。

但“全程可追踪换来极低犯罪感，也把最大风险推给未来”同样属于这条主线。入口越统一，体验越顺；权限越集中，出问题时的影响范围也越大。对读者而言，真正该问的或许不是“哪个模型最强”，而是：我日常使用的平台，已经替 AI 准备了哪些数据、关系和执行权？当它开始替我行动时，我还能否看清它做了什么，并在需要时把钥匙收回来。