开场
我很喜欢有人能帮大家摆脱订阅服务这个想法。我也很喜欢有人能帮大家比价的想法。在如今这个数字化、电商时代，比价简直是件苦差事，恰恰因为我之前谈到的那些定价技术。
在我看来，问题在于尽职调查，对吧？你之所以用智能体，大概就是因为你已经很忙，没时间自己把所有东西都查一遍。可之后你还得审查智能体给出的结果，问自己：这真的是最低价吗？我怎么知道它确实替我找到了最划算的交易？顺便说一句，Lindsay，这也是你主张让 AI 智能体承担受托责任的原因，对吧？
是的。我觉得这并不是新问题。我们常常认为新技术需要一整套全新的考量或政策，但这其实就是经典的代理人问题：你的代理人究竟为谁办事？如果它自称是智能体，尤其自称是你的个人智能体，那它大概就该为你办事，而不是为 Muse 或其他提供赞助内容的人办事，也不该听命于出价最高的人。它不应该翻查你的邮件，反过来损害你的利益。
AI 智能体与比价购物
欢迎收听新一期《Odd Lots》。我是 Tracy Alloway。
我是 Joe Weisenthal。
Joe，你试过 Muse 吗？
你其实试过了。我当然忍不住去试了试，第一天很快体验了一下，感觉非常惊艳。它还帮我省了几千美元，因为它发现我漏看了一封邮件。不过之后我就没再用过。我还看到一些数据，说很多人安装之后，使用率就下降了。但当时我确实觉得：哇，这东西能力很强。
它发现了什么？
我当时在处理家里的某件事，有人给我发了一封很长的邮件，长到我懒得读最后一段。结果那段里有些重要细节。
所以它替你读了邮件。
对，替我读了。
好吧。我还以为你会说它帮你省了真金白银，谈谈购物那一面。人们宣传 Muse 时，其中一个卖点是：现在你手边就有个私人采购员。购物因此变得更普及，你可以让智能体替你找优惠、扫描数千个价格，最后给你找出最合适的选择。
没错。显然，以前就有比价引擎，比如比航空公司价格、在 Booking.com 上比较价格之类。但现在这种端到端的模式，可能会变得越来越完整。它们希望最终能做到：你想去旅行时，智能体直接替你把行程订好，诸如此类。
我觉得目前还没到那一步，不过这种状况会很快改变。很多东西如果通过 AI 智能体在线购买，体验还是很别扭：它打开浏览器，鼠标移动得特别慢。我不认为未来的商业形态会是让计算机用一个原本为人类设计的浏览器来购物。
尽管如此，大方向显然会在我们的生活中变得越来越重要。买家有了 AI 购物工具，卖家也有，对吧？这已经持续一段时间了。节目里以前聊过算法定价、动态定价；如今可以想象，这些都会被大幅强化。
是啊。于是双方的智能体就会相互较量，形成军备竞赛。遗憾的是，卖家大概拥有更多数据，信息优势在他们那边。也许会有公司试图阻止这种情况。无论如何，最后真正获益的可能只有 AI 公司：买卖双方都花很多钱，把这场军备竞赛打下去。购物和定价的未来现在仍有很大的不确定性。
嘉宾介绍：Lindsay Owens
没错。我们确实请到了一位非常适合聊这个话题的嘉宾。她刚写了一本书，深入讨论企业如今采用的各种定价策略，也在做一些关于算法定价——更准确地说，是 AI 驱动的算法定价——的有意思研究。闲话少说，欢迎 Lindsay Owens。她的新书叫《Gouged: The End of a Fair Price—and What That Means for Your Wallet》。她也是 Groundwork Collaborative 的主席。Lindsay，非常感谢你来节目。
谢谢邀请。我们不如先从术语说起吧。我们听到各种说法，对吧？比如算法定价、动态定价。企业自己往往还会用一些不太一样的词，比如“利润导向定价”之类。这些词都是什么意思？你会怎样理解它们？
理解现代定价术语
首先要明白，定价已经发生了很大变化。过去定价相当简单：企业算出一件商品的制造成本，在上面加上利润，再把价格贴出来。如今定价已经不是这样了，它成了一门高度工程化的科学。企业会聘请物理学家帮忙定价，也会收购 AI 公司来开发算法，在自己的平台上做实验，以便越来越准确地找到最优价格——包括你购物车里每一样东西该卖多少钱。
所以定价确实变了。我觉得这些术语有助于解释问题。“算法定价”基本是个统称，指涉及算法的定价，背后有一套公式。我们通常把“动态定价”理解为根据市场情况变化的价格，也就是随着供需变化而调整。
还有个词是个性化定价，我刚才漏掉了。个性化定价其实就是监视式定价；经济学家会称之为一级价格歧视。也就是说，企业专门为你设定价格，理想情况下是根据能让它判断你愿意为这件商品付多少钱的信息来定价。
个性化定价的伦理与现实
采访时我可能会提出不少唱反调的问题。我不喜欢这样的想法：商家看到是 Joe Weisenthal 在购物，知道他在 Bloomberg 工作、收入大概不错，于是就去找一个他可能愿意接受的最优价格。但另一方面，这种做法能不能也用在处境比我糟糕很多的人身上？算法发现对方工作没我好，于是给他一个很优惠的 Big Mac 价格，按经济状况提供优惠？
没错。首先要说，这种情况肯定会发生，而且我们有很好的例子。有人发现，Expedia 对同一间曼哈顿酒店客房，会向从湾区登录的用户收取更高价格，因为平台认为他们更富裕，而且高出不少。所以，这会发生在你身上。
最近还有一项很有意思的智能商务研究。他们让 32.5 万个智能体参加实验，要求它们找出最便宜的商品。即便明确要求找最低价，智能体也会在你的邮箱里翻找信息，判断你其实负担得起比最低价更贵的选项，最后给你推荐更贵的商品。要说明的是，这里说的智能体是代表我办事的智能体。
你的意思是，它其实并没有代表我办事？
正是如此，这就是实验发现的情况。他们让智能体买机票、挑健康保险计划、选择研究生项目，都是金额不小的决定。即便你说“给我找最便宜的健康保险”，智能体稍微了解了你的财务状况后，也会说：“我觉得这个人买得起黄金计划。”
Instacart 神秘顾客研究
你认为这里发生了什么？比如 Muse，Meta 本身也是广告平台，对吧？它也许会把生意引向在平台上投了很多广告的公司，但背后可能还有别的因素。
另一项研究给了我们一些线索。它没有研究智能体，而是看了 13 个不同的购物平台。研究发现，即使要求平台找最便宜的商品，它们拿回来的还是赞助商品，而且赞助商品往往更贵。
再举个例子吧。你们做了一个规模很大的 Instacart 研究。我读到你以前在零售业工作过，你当时最头疼的就是所谓的神秘顾客。现在你反过来雇了一群神秘顾客，情况调了个个儿。结果是什么？
神秘顾客这件事一直很有意思，因为你不知道自己究竟有没有被暗中检查；它本身是管理层的一种监视工具。它传递的信息是：你最好规矩点，任何一个走进店里的顾客都可能是总部派来的人。所以你得把衣服叠好、按尺码摆上衣架，诸如此类。
我们招募了 400 名神秘顾客，与 Consumer Reports 和 More Perfect Union 合作。我们让他们在全国四个不同地点、同一时间打开 Instacart 应用，从同一家杂货店下单自取——不是配送——购买完全相同的 23 种商品。结果发现，75% 的商品对不同顾客标价不同。时间相同、地点相同，价差最高达到 23%。例如，同一时间在华盛顿特区同一家 Safeway 买一打 Lucerne 鸡蛋，有人会比我多付 23%。
我们估算，一些家庭一年可能因此多花高达 1,200 美元。这个估算是根据 Instacart 自己公布的四口之家购物支出来算的。这份报告引起了很大反响，甚至上了《纽约邮报》头版。智库报告通常不会登上《纽约邮报》头版。我认为它揭示了一个问题：我们曾经视为理所当然的定价公平，正在消退。过去你我去杂货店，拿着同样的东西排在一起，会期待付一样的钱；如今已经不再如此。
你在书里谈到，所有人都能看到同一个价格，在美国历史上也算比较新的事。我没想到公开标价竟然有贵格会的渊源。
几千年来，人们一直在全球各地讨价还价，美国也一样。清教徒会讨价还价，贵格会教徒不喜欢。他们认为讨价还价在道德上有问题：在上帝面前人人平等，在贵格会市场买一蒲式耳苹果，就该付同样的价钱。于是他们反对讨价还价，改用固定价格。
后来，费城的零售商 John Wanamaker——美国标志性百货公司 Wanamaker's 的创办人——据说本人是长老会信徒，但受到附近贵格会教徒的影响，在 19 世纪 70 年代末于 Wanamaker's 百货引入最早的固定价格和价签。所以美国使用价签大约有 150 年了。
我认为固定价格带来了很多好处：它让人可以预测开销、按预算购物，知道杂货店里的东西要花多少钱。过去你甚至能看周日的促销传单，提前知道整整一周的杂货价格，比如一磅肉、一磅苹果多少钱。固定价格也带来透明度，这对比价很重要。预算有限的人当然需要比价，而比价也是让整个经济中的价格保持竞争力的方式。
Instacart 神秘顾客研究（续）
把固定价格看成一种公共品，这么想挺有意思。大家都知道价格是多少，能够据此安排计划，这会产生正向外部效应。
完全正确。我认为可预测性是核心。我还觉得，现在价格波动很大，正在侵蚀比价能力。预算型消费者对维持经济健康至关重要。人们必须把价格控制在预算内，这对大家都有好处，因为他们会促使价格维持在低位。一旦商店能识别出这些顾客，悄悄给他们折扣、把他们挑出来，其他人的价格就会上涨。
这类研究上了《纽约邮报》头版后，标题自然会说：你买菜可能比别人多花 1,200 美元。但也可能有人比别人少花 1,200 美元，这也不错，对吧？
的确，Instacart 研究里有些人比其他人占了不少便宜。大致上有五个不同的价格组。我们认为价格是随机分配的，这也是 Instacart 自己的说法。他们只是在运行相当复杂的 A/B 测试。2022 年，Instacart 收购了一家叫 Eversight 的公司。我们正是因此想到做这项实验：Eversight 是一家 AI 公司，开发了一个平台，让零售商可以在自己的平台上做定价实验，几乎是开箱即用的定价实验工具，而且消费者并不知情。
人们发现自己和朋友在同一时间买同一件商品，却付了更高价格，是不会喜欢的。Instacart 在 2022 年收购 Eversight 后显然开始使用这款产品。我认为我们的实验最终揭露的，正是它们在顾客身上做的实验。
以价格取代销量：当前经济趋势
暂且先不谈个性化定价，美国经济里有个普遍现象：价格似乎一直在上涨。昨天我去看百老汇演出，现在真贵。我买了一杯鸡尾酒，双份的，价格是 25 美元——后来发现是 48 美元？太疯狂了，48 美元一杯。我大概应该事先知道。我当时很惊讶，演出好像是 David Brooks 的那场。我的意思是，如果一杯酒不到 48 美元，特别是低很多的话，我可能会再点一杯。但剧院酒吧可能不在乎，因为一杯就赚 48 美元，还省了人工和其他成本。你在美国经济的各处都看到这种情况吗？企业追求利润，重价格而不是销量？
是的，完全如此。我认为我们正处于通胀时期，企业没法大举削减成本，因为经营成本在上涨。于是企业把定价当成突破口，而且正在不断试探极限。K 型经济是真实存在的，我们经常在 CEO 的财报电话会上听到他们谈这件事。他们正在试探，能从有可支配收入的人身上收走多少钱。
几周前，我们帮《今日秀》设计了一项实验。他们找来节目制作助理，让大家在会议室里打开 StubHub，购买或计划购买同一晚 Madison Square Garden 的 Harry Styles 演唱会门票：同一场、同一排、同一个座位。我们发现，票价对所有制作助理都一样，但手续费差别最大达到 60 美元。
也就是说，StubHub 有人多收 60 美元手续费？这是处理费？我也不知道它为什么存在——难道是给你发一封带二维码的邮件也要收费？
是的，就是把二维码邮件发给你的费用。
他们有没有从这 12 名制作助理身上看出原因？有没有人说“我就是那个有钱人，我知道为什么”？他们能不能猜到算法认定自己比较付得起，所以多收了钱？
12 人的样本很难明确指出个性化定价，不过确实有些线索。首先，他们用无痕模式购物时，费用差异大幅缩小。
哦，所以从 60 美元降到了 4 美元。
顺便说，StubHub 回应《今日秀》称这不是个性化定价，而是 A/B 测试、定价实验；他们还说无痕模式造成的差异不算什么。另一个发现是，使用 Android 手机的人付得更多。不过我们无法排除她个人资料里的其他因素影响价格。
监视式定价策略
David Dayen 之前来过节目。我记得那次聊到 Uber 定价。至少有过这样的技术：如果系统发现你的手机电量很低，就可能向你收更多钱。但如果凌晨 1 点我在外面，手机只剩 5% 电量，我确实愿意多付钱。假设我和朋友都在凌晨 1 点叫车，他手机还有 50%，我只剩 5%，我希望自己的应用能为附近那位司机出更高的价。因为我想要这趟车。
我当然想要这趟车。大多数人手机只剩 5% 时，都会想：“让我赢下这场小竞价吧。”因为如果没抢到车，手机可能就没电了。
这真是典型的经济学家思维：认为拍卖是确定价格的最佳方式。
我知道美国人喜欢排队，但讨厌拍卖。不过凌晨 1 点手机快没电、很多人都在叫车时，我会很高兴应用愿意多付钱给司机，让他来接我。
DoorDash 也有一个关于电量的例子。我们查阅过 DoorDash 的专利。我们揭露这项专利后，DoorDash 确实撤回了，所以这点也要补充进故事里。那项专利要建立一个由 16 个因素组成的“焦躁指数”。手机电量只是 16 个因素之一，其他因素还包括你滑动屏幕的速度、滑动有多不平稳。基本上这是一个“饿怒指数”：这些数据会关联到你是否可能升级会员、菜单里先看到哪些优惠、菜单如何排序。所有这些都连在一起。所以企业确实把电量低视为机会。手机快没电时，你就会受制于人。这有点像飓风过后只剩五瓶水，你就愿意为它们付很多钱。
“哄抬价格”这个说法很有争议。正如 Joe 所说，一个人眼里的哄抬价格，可能是另一个人眼里合理的利润，甚至是救命车费。不过美国确实有关于哄抬价格的法规。能解释一下法规是什么、定义又是什么吗？
哄抬价格的法律定义相当直接：在紧急情况下收取高得令人无法接受的价格。如何界定确实有些道德相对主义。不过通常只适用于必需品。比如高价卖 Birkin 包，不会触犯哄抬价格法；但飓风后高价卖食物和水，或者疫情期间高价卖个人防护用品，就可能触法。疫情期间许多州更新或出台了相关法律，全美有 40 多个州制定了哄抬价格法。
我的书名当然也指法律上的“哄抬价格”，但还指一种日常感受：被坑、被挤压、被宰。我觉得现在很多美国人看着杂货账单时，都会用这个词。
科学定价的先行者是谁？最早是谁意识到，随着技术发展、数据大量涌现——我们使用设备时不断留下详尽数据——这些数据可以用于定价？
科学定价的先行者
我认为最早的先行者是航空业，原因很有意思。首先，飞机座位是一种稀缺资源，座位数量有限，所以动态定价可以有效分配稀缺资源。比如你上网时只剩五个座位，价格就高；只剩一个座位时，价格更高。
后来航空业解除管制、取消价格管控，航空公司高管突然开始问：“那我们该怎么定价？”他们请来许多顾问和咨询人员，开发出美国最早的一批收益管理系统，也就是收益率管理系统。他们确实开创了动态定价模式。在几十年里，航空业之外很少看到动态定价。
直到 2011 年，Uber 首次推出高峰加价。那年万圣节，他们说：“今晚会很忙，街上会有很多人，我们要试一种新模式，确保你能回家。”同年，Ticketmaster 也转向动态定价。因此，这些做法大约在 2011 年开始更广泛地出现。
Uber 会说，万圣节、新年前夜，或者更常见的新年凌晨，价格确实会上涨，但也得给司机激励，让他们凌晨 1 点出车。
完全没错。高峰加价的作用之一，是向司机发出信号：“路上有很多生意，快出来开车。”它能让原本待在场外的司机出车：你可能正坐在沙发上，考虑要不要收工，或再接一单；突然价格变得有吸引力，你就穿上运动裤、跳进车里，送人回家。
不过 Uber 的模式已经发生很大变化。我们对 Uber 和 Uber Eats 做过实验，也分别从司机端和乘客端研究。比如在演唱会散场时，让一群人同时离场、设定完全相同的目的地和上车时间，Uber 给出的价格却差别很大。司机端也一样。More Perfect Union 曾让洛杉矶一群司机在同一个房间里，把手机放在会议桌上，同时打开应用、表示准备接单。订单出现后，大家选了同一单，却拿到不同的报价。我认为很明显，Uber 越来越擅长判断每位乘客最多愿意付多少钱，也越来越擅长判断每位司机最低愿意接受多少钱。
这在多大程度上也和公司规模越来越大有关？让我不舒服的一个原因是，交通替代选择有限。还有 Lyft、出租车之类，但如果所有公司同时做同一件事——涨价，或者给你一个比别人看到的更高的价格——你的选择就少了。食品也一样，感觉全世界的超市都在涨价；有些城市可能只有一家大型超市可去。规模在这里有多重要？
我认为这还与企业转向不同的利润模式有关。
企业规模与数据变现
我举两个例子。Kroger 如今不只是卖杂货，也在卖你的数据。Kroger 非营业收入中有 30% 来自他们所说的“替代利润业务”，其中包括出售你的数据。Kroger 95% 的交易都关联会员卡，所以他们建立了关于我们每个人的精细档案，这些档案对外部相关方很有价值。
说到那杯 48 美元的鸡尾酒，这里有件有意思的事：是你买的那杯，对吧？
对。不过那天是我生日，得说清楚。我是在犒劳自己。
生日快乐。
谢谢，也谢谢昨天祝我生日快乐的大家。总之，这不是一个关于技术定价的问题。美国有很多通胀，至少处于经济上行一侧的人并没有减少消费，这点挺奇怪也挺有意思。我出去吃饭，会抱怨培根和鸡蛋这么贵，可第二天、再下一天，我还是照样去。也许是股市上涨，让人觉得投资账户表现不错。人们抱怨完，还是继续消费。
你提到过监视式定价可能在企业界扮演某种“罗宾汉”的角色：看过有钱人的钱包之后，就能狠狠向富人收费。我完全认为这是可能的，企业肯定会这么做。但我不太相信这会被用来补贴其他所有人，原因有几个。首先，支付意愿不总等于支付能力。有时你没多少钱，但因为走投无路，愿意付很多钱。比如一位妈妈告诉聊天机器人孩子病了，个人助理出门去买泰诺，她可能愿意花 15 美元买儿童泰诺，因为她想让孩子退烧。有时你急需某样东西，比如得赶回家参加葬礼。
所以我认为更可能的情况是：企业会用这些技术从富人身上尽可能多地赚钱，也会向其他所有人尽可能多收费；同时，它们还会寻找那些支付意愿很高、即使支付能力并不强的时刻。
受保护特征与算法歧视
我猜，受保护特征的规定不仅适用于就业、贷款，也适用于购物。所以不能基于种族、年龄、性别等进行歧视。但我们从算法定价中了解到，邮编可以很好地替代某人的年龄、性别和种族，因为你能据此判断他住在富裕还是贫困社区。联邦层面有人在关注这类问题吗？企业是否可能在没有明说的情况下，已经接近基于受保护特征进行歧视？
我不知道现在有没有人在密切调查，但确实如此。这就是我们所说的统计性歧视：你表面上按邮编等因素区别对待，最终结果却可能是在按种族歧视。书里最好的例子是 ProPublica 对 Princeton Review 的大型调查。他们发现，如果用户从亚裔美国人聚居较多的地区通过 IP 地址登录，Princeton Review 就会向他们收取更高费用，卖的是考试辅导套餐，比如一定时数的辅导、几本手册或练习册。
其中的疑虑是，Princeton Review 可能认定移民妈妈希望孩子上大学，因此愿意为考试辅导套餐再多付 1,000 美元。考虑到美国地域分布与种族高度相关，企业又在模型中使用地理定位——例如你的 IP 地址、手机追踪到的位置——这确实是很大的隐忧。
再谈谈你的研究和 AI 定价吧。假如发现某个 AI 购物服务没有帮我争取最优价格，事实证明它是在为自己或企业工作，这会是个大丑闻——尤其如果能用证据证明的话。但理论上，公司也可以开发真正替客户办事的模型；甚至在交易发生时，让卖家根本不知道实际买家是谁。
比如，我把信用卡信息放进 Muse，但如果我设置了更严格的措施，不让它直接用我的信用卡，我相信 Muse 会生成一张即时的一次性信用卡，可能来自 Stripe 这样的公司。交易由它处理，Muse 再完成购买，最后我向 Muse 购买。至少从理论上说，智能体商务确实可能让人购物时，卖家完全不知道买家究竟是谁。
智能体商务：机遇与风险
是的，百分之百。我认为个人助理在商业领域有很多应用场景，确实能让消费者受益，坦白说，也能绕开我书里谈到的许多问题。Groundwork 曾写过一篇关于“烦恼经济”的文章：美国人每年因为订阅陷阱等问题，损失 1,650 亿美元和大量时间。Muse 的一大宣传点就是：“我来帮你取消订阅。”Muse 的使用量开始上升时，惯性消费相关股票下跌，我们并不意外。很多人会忘记取消某些服务，Muse 可以帮你找到并处理。
我很喜欢有人能帮大家取消订阅，也喜欢有人能帮忙比价。在当今数字化、电商时代，比价简直是件苦差事，恰恰因为我前面谈到的定价技术。问题在于尽职调查：你用智能体，大概是因为时间紧、没空自己逐项查；可之后还得审查它的结果，问“这真的是最低价吗？”我怎么知道它真的替我找到了最划算的交易？所以，Lindsay，这也是你主张 AI 智能体应承担受托责任的原因，对吧？
是的，这并不是新问题。我们总觉得新技术需要一整套新考量、新政策，但这就是经典的代理人问题：你的代理人究竟为谁办事？如果它自称是智能体，尤其是你的个人智能体，那它就该为你办事，而不是为 Muse、赞助内容提供商或出价最高的人办事。它不该翻你的邮件，反过来损害你的利益。
我们一直要求代理人遵循“客户最佳利益”标准，也就是受托责任。奥巴马时期，我们曾推动加强这类规则，要求财务顾问和金融产品销售者确保自身利益与你一致。智能体如果不为你办事，或许也行，但你得知道。那它就不是你的代理人或私人助理；如果它只返回赞助商品，基本上就是 Google。
能不能提醒我一下，奥巴马政府期间的受托责任之争是怎么回事？我记得有些团体声称自己不应被归为受托人。最后争论怎么解决，哪些人必须承担受托责任？
这已经有段时间了。那时我在 Elizabeth Warren 参议员手下工作，她是协助奥巴马推进这项政策的重要参议员，Tom Price 当时负责劳工部，最终让受托责任规则通过。基本意思是，如果你对我说：“Joe，这里有几个儿童 529 大学储蓄计划可选”，我希望能相信你不会因为把我推荐给其中某个基金而收回扣，也不会因为卖出某个计划而多拿奖金。
没错，规则就是这个意思。当时很有意思，也和今天的话题有关。奥巴马把机器人投顾和新金融科技公司当作“白帽”企业，因为它们说：“我们可以建立符合这项法律的系统，可以编程让金融建议符合客户最佳利益。”
智能体商务：机遇与风险（续）
真正反对规则的，是那些在购物中心 Charles Schwab 网点工作的传统小型理财顾问。他们会说：“我以前卖出 30 万美元年金，就能去苏格兰城堡旅行。你是说我拿不到 Super Bowl 风格的戒指、婚礼福利、免费礼物和旅行了？”他们的反对更强烈。
我认为智能体商务的问题是：如果企业并不能完全控制智能体的行为，它们又怎么能保证智能体始终为你的最佳利益服务？
再问一点。假设智能体确实越来越会找优惠，你觉得 Amazon 或 Walmart 这样的公司会不会调整 API，或者重新筑起围墙，遮蔽部分定价信息，削弱智能体获取信息的能力？
这已经发生了。价格战，或者说智能体之战，已经开始。Amazon 宣布屏蔽 Muse，不让它进入 Amazon。但购物版 Alexa 可以帮你在 Amazon 上购物，它却能穿过 Amazon 自己的围墙。它们对 Muse 并没有采用同一套规则。我们知道 Walmart 正在搭建一套独立基础设施，让你注册自己的智能体。你可以登录并表示：“我允许 Muse 访问 Walmart。”他们会建立授权系统，识别这个智能体确实代表你购物。
但这也引出一系列棘手问题：如果智能体买了你不想要的东西，谁来担责？Walmart 会说不是它的责任，Muse 也会这么说。已经有人遇到这种情况：你随口说“帮我找一根花园水管”，智能体就真的买了一根。你本来只是想看看有哪些选择，它却下单了。比如它可能买一根 200 美元的 Peerless Heritage 花园水管。
责任归属与安全问题
或者买一双漂亮的鞋。那会怎样？你让智能体“帮我找一根花园水管”，它不买水管，却黑进 Home Depot 网站、篡改数据库。谁犯了罪？这就是犯罪、就是盗窃。我确信这种事会发生，而且会带来有意思的法律问题：是你让智能体这么做，所以你犯罪了？还是 Meta 犯罪？这都是我们将要面对的大问题。
今天 Axios 有篇关于银行的报道。银行说，它们开始发现由智能体和个人助理造成的账户异常活动，而且不少交易看起来并非用户指示的。具体怎么判断还有点难说，但“把钱包钥匙交给智能体”这件事已经显得很可疑了。
我认为企业也必须做出重大的策略选择。我理解 Amazon 一开始会说：“我们不希望 Muse 访问我们的网站。”但如果 Walmart 说“欢迎你的 Muse 来这里”，它们或许就没有选择。如果人们真的想通过 AI 智能体购物，总会有公司抓住机会，为它们敞开大门，Amazon 这样的平台可能别无选择。
我不认为最终由 Amazon 这类公司说了算，关键可能在保险公司，以及谁来为智能体和企业承担责任保险。不过对 Amazon 来说，了解你的信息很有价值。你在 Amazon 买牙刷、点开感兴趣的电影，它就能从中积累大量关于你的数据。这些数据非常值钱。如果你通过 Muse 购物，交易仍然发生，但 Amazon 能从你身上获取的信息会少得多。这对他们来说是个很难的权衡。
我补充两点。第一，如果你还没看过，应该查看自己的 Amazon “关于我”页面。Amazon 现在会告诉你它掌握了哪些关于你的特征。几周前有个故事在网上疯传：Amazon 根据一位顾客买的打底裤和牛仔裤，推断她“臀部扁平”。它掌握的信息相当细，甚至知道我三岁孩子的许多情况。比如我买了些派对用品之后，Amazon 可能会认为我最近只对捏捏玩具感兴趣。
第二，我们已经看到一些零星迹象：过去经常在 Amazon 购物的人，现在改用 Muse，几年以来第一次在 Amazon 以外买了更多东西。我认为这对 Amazon 是个真实威胁。Y Combinator 等机构有人认为，智能体商务可能是多年来首次让 Amazon 失血的机会。
我想以一个稍微轻松些的话题收尾。能讲讲 20 世纪 70 年代那位成功让热狗价格降下来的热狗斗士吗？
热狗价格斗士
那是个旧金山巨人队球迷。他觉得球队要涨热狗价格，可能只涨五美分，但当时正处于高通胀时期，他认为五美分也太多了。他算了算涨价后能多收多少，也研究球队成本上涨了多少。球队说需要涨价，是因为要翻修球场。
我记不起那个人的名字了，是 Alfred Kohn 吗？
Ron Gordon，他是旧金山巨人队的热狗价格斗士。
你这趟新书宣传里，只有我问了这个故事？
是的，书的结尾还有很多开心的故事，我都忘了这个了。Ron Gordon 代表旧金山巨人队球迷，发起行动阻止热狗涨价五美分。他后来还收到总统经济顾问委员会的信，称赞他在全国通胀时期努力遏制涨价。那是大约 50 年前上一次通胀时期。他成功让价格暂时保持低位，让大家受益。我倒很好奇，这座球场现在的热狗卖多少钱。
最后再问一个问题：在美国，谁来对抗通胀，这背后有怎样的政治？
这个问题挺复杂。我们曾在杰克逊霍尔录过一期节目，采访里士满联储主席。他谈到自己辖区的供应商，有人做草坪椅之类的商品，说：“我们的成本在上涨，但 Walmart 不让我们涨价，他们守住了价格。我们拿不到更高的草坪椅价格；如果想进 Walmart 的货架，就只能自己承担成本。”
听到这个故事，我会说：向 Walmart 致敬，你们是我们抗击通胀的最强战士。我也知道很多人对 Walmart 这样的企业很不舒服，政治上更希望有更多夫妻店和小店，尽管许多小店的价格反而更高。
你怎么看社会理想中的大公司和小公司的组合？Walmart、Amazon 这类公司拥有惊人的规模优势，也能压低价格；小企业却常因欠薪等问题声名不佳，而且通常缺少规模优势，价格也未必更低。我们希望商业平台生态呈现怎样的格局？
市场结构与竞争
对我来说，我希望市场组合能带来尽可能充分的价格竞争。如果经济中没有价格竞争，我们就会遇到大麻烦。我越来越常看到企业开发技术来削弱价格竞争，书里谈了很多这类例子。比如麦当劳在开发复杂的算法定价工具，确保加盟商之间也无法相互竞争。
特许经营的本意是各门店独立经营，应该对定价有一定控制权，但情况越来越不是这样。麦当劳会含糊其辞，说自己只是在建议价格，加盟商不一定非得照做。可事实是，麦当劳评估是否续约、是否允许加盟商再开第二家门店时，会考察加盟商是否遵循定价算法。
所以我担心，即使在确实存在竞争的市场里，这些工具也在被用来破坏竞争。RealPage 就是另一个算法操纵价格的案例：同一城市里原本会互相竞争的房东，可以共享竞争敏感信息并统一价格。通过这套软件，租金比竞争市场中的价格高出最多 25%。
类似地，提供加油站技术的 Calibrate 公司目前也受到审查，加州已经提起集体诉讼。据称他们帮助 1,700 家加油零售商协调价格；指控称，加州司机每加仑汽油可能因此多付 0.30 美元。
我追求的是价格竞争，但价格竞争不该只靠规模来实现。当这些技术能够绕过规模竞争时……
好，Lindsay Owens 的书是《Gouged》。非常感谢你来上《Odd Lots》。
谢谢邀请，聊得很开心。Joe，……
最后的想法
我觉得刚才的讨论很有意思。我知道你提出了很多唱反调的问题，但我心里想的是——这是你说的，不是我说的——这里的问题在于力量不平衡。Walmart 或 Amazon 拥有最好的技术、最好的 AI 模型和最好的数据，想用时都唾手可得。普通人每天上班，只想买辆车或一台电脑，没有那么多时间或技术能力来研究。
理论上，智能体确实能解决其中一些问题。
对。我希望它能解决一些不平衡。但我担心的不只定价，在网络安全等领域也有同样问题。我们录制节目是 10 月 22 日。我担心的局面会变成军备竞赛：你有一个真正替你办事的智能体，另一方就有 AI 定价模型，试图了解你更多、压过你的智能体；你只好升级到下一代模型，再继续对抗。
从很多方面看，AI 确实可能让市场更有效率、让东西更便宜；但也可能只是造成无谓损失：最后价格和原来完全一样，唯一不同是双方都多花钱给 OpenAI、Anthropic 或 Meta，兜一圈回到原本就能达到的均衡。这是我关于 AI 的“忙碌工作理论”：大家的智能体互相发投诉、提诉讼，最后回到同一个结果，不过有人靠卖 token 赚了很多钱。
另外，我觉得公开统一标价的历史很有意思。考虑到生成式 AI 和企业推出的各种新定价策略，我们某种程度上正回到定制化讨价还价的时代：你得花很多时间弄清价格。比如在麦当劳买东西要想拿到好价钱，就得研究当天该用哪个优惠券、自己能用哪些券。这很耗时间，也很低效。
我想起 2021、2022、2023 年网上经常出现的事：有人说“天啊，我刚花 15 美元买了一盒蓝莓”，另一个人就骂他傻，叫他去 Walmart.com，那里蓝莓只要 2.99 美元。花 15 美元好像真是自己的错，有那么一点道理，但还没说到重点。
看到这种“你本来可以在 Walmart 花 2.99 美元买蓝莓”的说法，我觉得缺少一般均衡的思考。假如所有在 Whole Foods 买东西的人突然都转去买 Walmart 的 2.99 美元蓝莓，这些蓝莓恐怕就不再是 2.99 美元了，对吧？需求会突然涌入，价格也许不会涨到 15 美元，但可能涨到 4.99 美元。价格就是这样变化的。市场上存在更低价格，不代表每个人都能拿到那个低价，因为所有人都去买的话，低价就会上涨。
买到价格合理的蓝莓不应该耗费太多脑力，也不该花五分钟上网调查要去哪买、怎么送到家；毕竟网购还得送货，和自己走进商店不一样。
最后的想法（续）
在我看来，这关乎时间，也关乎生活是否便利、是否有效率。我自己很爱购物，显然也会买 48 美元的鸡尾酒。
对，这就是我最后想说的一点。这是宏观问题，和算法定价无关：处在 K 型经济上行一侧的人总是在抱怨价格，但大多数人并没有因此显著改变消费行为。
我因为在汉堡旁边点了鸡尾酒，已经被批评得够多了。
这只是我在发牢骚。人们抱怨完，第二天还是做同样的事。这就是通胀持续的原因之一：它没有改变人们的行为。无论怎样，人们抱怨之后，第二天照样买同样的东西。
确实如此，不过如果你在剧院想喝点东西，也不能说不喝就不喝；总不能跑到别的地方去买。好吧，我们就聊到这里。
这里是《Odd Lots》播客的又一期节目。我是 Tracy Alloway，可以在 @tracyalloway 找到我。
我是 Joe Weisenthal，可以在 @thestalwart 找到我。也请关注嘉宾 Lindsay Owens，她的账号是 @owenslindsay1。
也请关注我们的制作人 Carmen Rodriguez（@carmenarmen）、Dashiell Bennett（@dashbot）、Cale Brooks（@calebrooks）和 Kevin Lozano（@kevlloydlozano）。
欢迎随时在 discord.gg/oddlots 讨论这些话题。更多《Odd Lots》内容请看每日通讯，网址是 bloomberg.com/oddlots。如果你喜欢这次对话、喜欢我们讨论定价，请在你常用的播客平台给我们好评。如果你在看视频，也请留言、点赞，或者更好一点，订阅频道。
Bloomberg 订阅用户可以完全无广告收听我们的所有节目。只需在 Apple Podcasts 找到 Bloomberg 频道并按提示操作。感谢收听。