Agent 經濟學：月 $50 客服、年 $500K 顧問、1 億美元對沖基金
三種把 AI agent 變成收入的模式，規模差了幾個數量級：月 $50 的工具費取代整個客服部門、年 $500K 的顧問費靠 10-20 家小店、1 億美元的基金讓 AI 直接做投資決策。數學都成立，但坑的大小完全不同。
目錄+
AI agent 商業化不是一種模式，是三種尺度同時在跑：最小的用 500K，最大的拿 1 億美元讓 AI 完全接管對沖基金決策。壁壘不同、風險不同、能複製的難度也完全不同。
一、最小尺度：月 $50 工具費，7 個 agent 取代客服
兩個中國開發者拍了一段 4 分鐘的影片，教大家怎麼用每個月 50 美元的 AI 工具，把整個客服部門換掉。
72 小時後，400 萬人看了這支影片。
然後有人把影片停在第 39 秒，看右邊那台螢幕——
影片在教什麼
他們打開終端機，敲了幾分鐘指令，一套客服系統就跑起來了。
整套系統有 7 個 AI 在分工：一個負責把客訴分類、一個查知識庫找答案、一個處理帳單問題、一個偵測客戶情緒、一個判斷什麼時候要轉給真人、一個寫報告、最後還有一個在上面統籌管理另外六個。
根據原文的說法：這套系統一天可以處理 1,200 張客服工單，比一個 8 人的客服團隊還多。這家公司以前每個月光薪水就要花 2.5 到 4 萬美元，現在每個月只要付 50 美元的 API 費用。
影片 72 小時內衝到 400 萬播放。
但第 39 秒那台螢幕
有人把影片暫停在第 39 秒，不是看台前操作的人，是看右邊那台螢幕。
那個視窗不是客服系統。
是一個叫 Polymarket 的預測市場交易帳戶（類似用真錢預測事件結果的平台），帳號是 gabagool22。
根據原文記錄的畫面資訊：
- 帳戶獲利：86 萬 8,862 美元
- 交易次數：2 萬 8,620 次
- 開戶時間：2025 年 10 月
- 單筆最高獲利：4,696 美元，來自某個週二早上一個 15 分鐘的窗口
- 所有倉位：全部都是賺的，沒有一筆賠的
（以上數字來自原文引述，未經獨立核實。）
評論區當場炸了。有人把影片放慢到 0.5 倍，逐格截下右側螢幕的每一塊畫面，硬是從 6 秒的背景鏡頭裡把整個錢包頁面拼出來。
截圖從 Discord 傳到 Telegram，又傳遍每個開發者論壇。教程影片有 400 萬次觀看，錢包截圖單獨又跑了 80 萬次。
後來他們把那個畫面刪掉，重新上傳了一個版本。
已經太晚了。
真正讓人看傻的地方
數字大不大不是重點。
重點是那台螢幕出現的位置。
他們在教全世界怎麼用 AI 省掉客服人力，而他們自己背後那台螢幕，跑著的是另一套 AI——在幫他們炒預測市場。
那 7 個客服 AI 每個月幫公司省 4 萬美元。背景那個交易 AI，運氣好的時候一週就賺到這個數。
他們沒有在鏡頭前提這件事。他們只是敲了幾分鐘指令，讓背景的東西繼續跑。
兩種速度
西方現在還在討論「AI 會不會取代人類工作」——這個問題每週都有新的研討會、新的白皮書、新的倫理框架。
這支影片拍的是另一種態度：不討論，直接做。操作教學發上網，教大家怎麼裁掉一個部門。鏡頭沒有對準的地方，背景還有另一套更深的東西在跑。
哪一邊「對」不是這篇要評斷的。但如果這個速度差距繼續擴大，「在討論要不要做」和「已經在跑第二套了」之間的距離，只會愈來愈難縮短。
二、中間尺度：「AI 那個人」商業模式，年賺 $500K
這段話最近在 AI 創業圈傳得很快，原始影片是投資人 Chris Camillo 說的，@yonann 把關鍵片段整理出來發到 X 上：
"There are millions of small businesses out there and almost none of them are willing to embrace AI right now, you just walk in and say give me one area where you're leaking money, I'll fix it for free."
"Within days you've set up an AI agent answering their calls, sending responses, getting quotes out in real time… and you just increased their revenue by 5 to 15% at essentially no cost."
"Now you're invaluable. They're paying you 3,000 a month to be their AI guy, you replicate that across 10 or 20 businesses and you're making half a million a year."
Chris Camillo 是誰
先給一點背景。Chris Camillo 不是典型的科技網紅，他是一個以「social arbitrage」（社群套利）聞名的散戶投資人。根據 Business Insider 和 Jack Schwager 在《Unknown Market Wizards》裡的審計紀錄：他在 2006 年 8 月拿著 84,000 美元入場，到 2021 年 5 月滾到 4,200 萬美元，15 年平均年複利 77%。同期 S&P 500 的年化報酬是 7.6%。
他的方法是在 Twitter、TikTok、Reddit 上掃社群討論，找到市場還沒反映的消費趨勢，然後搶在機構前面進場。2015 年他把這套方法工具化，創辦了 TickerTags，2018 年賣給了 Jefferies 的 M Science 部門。
這個 AI guy 的論述，出自同一套邏輯：在大部分人還沒動之前，找到那個可以佔的位置。
模式的數學
先把數字攤開來看：
- 每家小店月費：$2,500（取中間值）
- 目標客戶數：20 家
- 月收入：$50,000
- 年收入：$600,000
這個算術是對的。而且市場行情也撐得住這個定價——根據 beautysummit.ai 整理的 2026 年 AI 顧問費率，entry-level 的月費範圍是 5,000，跟 Camillo 說的完全吻合。真實案例也有：AI 行銷顧問 Rachel Woods 收的是每個客戶 10,000/月，比這個模式的定價高一倍以上。
問題不在定價，在執行。
實際上比聽起來難的三件事
第一，「免費做出成效」本身就是工作量。
Camillo 說的是「幾天內就建好一個 AI agent 接電話、回報價」。對於熟悉工具的人，架一個 AI 通話 agent（例如用 Retell AI、Bland.ai）加上一套報價自動化，幾天確實做得到。但「幾天」是在你已經做過幾次之後的估計——第一次做，遇到客戶的電話系統是老舊的 VOIP、CRM 是自己用 Excel 搞的、老闆說「先別動我的系統」，時間就不是幾天的事了。
第二，5–15% 的收入提升要怎麼量？
Camillo 說「essentially no cost 提升了 5–15% 的收入」，但這個數字怎麼歸因？一家餐廳的電話接了、報價出去了，業績有沒有因為這個 AI agent 真的長了 5–15%，還是這段時間剛好旺季、剛好附近一家競爭對手收了？
如果你的顧問費是固定月費，這個問題不一定會浮上來；但如果你想長期留住客戶，你得讓他們持續感覺到「你在這裡值這個錢」，模糊的收入提升很快就撐不住。這也是為什麼 AI 顧問市場在 2025 年開始往「outcome-based pricing」走——收固定比例的增量收益，而不是固定月費。
第三，20 個客戶同時跑的服務品質。
Camillo 說的是「replicate across 10 or 20 businesses」，這個「replicate」在實際上意味著什麼？
如果你是一個人跑，20 個客戶每個月都需要系統維護（AI 工具更新了、某個 integration 壞了、老闆想調整回覆語氣），加上每個新客戶需要的前期導入，你會發現自己事實上是在跑一個小型代理商，而不是「每個月收費就好」。根據 Bob Hutchins 的 AI 顧問業報告，2025 年開始成功的模式是「continuous AI consulting」——和客戶建立長期關係、系統持續迭代。這和 Camillo 描述的「複製貼上 20 次」不太一樣。
這個模式真正有效的條件
不是說做不到，而是有效的前提是：
先選一個垂直行業，把同樣的系統做深。 如果你專門做牙醫診所的 AI agent，第三家的導入速度會是第一家的幾倍，因為你知道牙醫的預約系統通常是哪幾套、常見的客訴模式是什麼、報價流程怎麼走。泛化的「幫任何小店」聽起來市場大，但落地難度遠高於垂直深耕。
先做一個漂亮的案例再去賣，不要靠「免費試做」當獲客主軸。 免費試做可以取得第一個案例，但如果每個新客戶都要免費跑一輪，這個模式的 CAC 會把利潤吃掉。一個有資料的成功案例，比十個免費試做更有說服力。
月費要反映你帶來的系統價值，不是你花的時間。 一旦你的 AI 系統跑起來、穩定了，你花在這個客戶的時間會減少，但你帶來的價值（24 小時接電話、不漏報價）還在。這是月費模式最健康的狀態——你在賺系統的租金，不是賣自己的時間。
想把這個模式跑起來，行銷和客戶開發也是難題。Okara 是替獨立創業者打造的 AI CMO，能幫你把案例包成說服力強的內容、持續觸及目標客群，省掉另外找行銷代理的成本。
真正值得想的問題
Camillo 說的這個機會是真的存在的——大多數小店對 AI 的接受度仍然很低，而這個鴻溝是短暫的。但正因為短暫，它有時效性。
三年後，當 AI agent 建置工具更傻瓜、當 Shopify 和 Toast POS 直接內建 AI 客服、當客戶自己就知道怎麼上手，「AI guy for small businesses」這個位置會縮水。最終能留下來的，是那些在這段時間裡建立了特定行業深度、或轉型成真正的 AI 系統整合商的人。
Camillo 說的進入策略是對的：現在進、快速做出成效、建立可重複的系統。但 $500K/年 是終點，不是起點。中間那段路，比三段話說的要累得多。
三、最大尺度：1 億美元讓 AI 完全接管對沖基金
2026 年 4 月 24 日，Apoorva Mehta 在 X 上公開了他的新事業 Abundance，同日 Bloomberg 發出完整報導。
這件事引人注意，不是因為「又一家 AI 對沖基金」，而是因為他在說一件比大多數同類基金走得更遠的事：AI 不是工具，AI 是決策者。
他們在做什麼
Abundance 的架構是這樣的：數千個 AI Agent 不間斷地在網路上抓取交易想法、做深度研究、選股、決定部位大小、執行下單。
根據 Bloomberg 的報導，部分選股策略已完全由 AI 執行，沒有人類介入。另一部分仍有人類參與，但計畫逐步退出。
Mehta 對這件事的說法直接：「人類只能同時追蹤那麼多機會、處理那麼深的資訊、做那麼多高品質決策。即使是頂尖投資人，那個判斷也鎖在個人腦袋裡。AI 從根本改變了這件事。」
他說他是在 OpenAI 發布 o3 模型後開始認真思考這件事的——當時他發現 AI 的推理能力已足夠在複雜領域做出「後果重大的決策」。
已知的數字
- 融資：1 億美元種子輪股權融資（Bloomberg 報導，多家 Silicon Valley 投資人）
- 團隊：約 10 人，Former quant researchers、AI researchers、engineers，駐點 Palo Alto
- 策略：多空股票，未來計畫擴展至其他資產類別
- 資本：目前主要用自己的資金交易，計畫未來接受外部資金
- 回報：Mehta 表示跑贏多個指數，但拒絕說明是哪幾個指數
最後這點值得停頓一下。
「跑贏指數」沒有說明哪個指數
Mehta 說 Abundance 的回報「以高幅度跑贏 benchmarks」，並維持高 Sharpe 比率和低市場方向性曝險——但他沒有公開是哪個指數、哪個時間段、是否由第三方驗證。
Citadel 創辦人 Ken Griffin 在 2025 年底曾公開說，生成式 AI 尚未幫助對沖基金跑贏市場，對行業的實質影響仍然有限。
這兩個陳述並不互相排斥：Griffin 說的是行業平均，Mehta 說的是他自己的基金。但在一個「結果未公開驗證」的情況下，兩者都只是聲明。
另外，HedgeWeek 的報告也指出，在 AI 全面接管投資決策的架構下，「透明度、驗證和治理」是分配者（allocators）最難接受的障礙——因為你在買的是一個你無法完全理解推理過程的系統。
如果成功，真正的意義是什麼
Mehta 在文章裡說了一句話，比所有基金表現數字都更值得思考：「資本配置不等同於創造，但它決定了哪些創造有機會存在。」
如果 AI 可以可靠地在公開市場跑贏人類，那它就不只是一個更快的分析工具。它將影響哪家公司能融到資、哪個技術路徑能存活、哪些創業者能繼續走下去。這是 AI 在創業、科學、藝術以外，對人類未來可能產生的第四種影響力——而且這種影響力目前幾乎沒有監管框架。
三種模式，三種坑：月 500K/年 的坑是執行規模和客戶維繫，$1 億的坑是驗證和透明度。Agent 不是替你賺錢的機器，它是讓你把現有資源的效益乘上去的工具——乘數有多大，取決於你在哪個尺度上有真正的優勢。
利益揭露：本文部分連結為聯盟連結，點擊購買我會獲得回饋，不影響你的價格。
來源：Bloomberg（Hema Parmar，2026-04-24）、SiliconReport（2026-04-24）、Yahoo Finance / Bloomberg Businessweek、beautysummit.ai AI 顧問費率報告（2026）