我在上世纪90年代初期推出 BankID 服务时，逐渐成为 重复经济与信任经济 的坚定支持者（学一次 > 信任 > 用遍一切 > 适用于所有角色）。一次性通行码经常被使用，在银行业务中既安全又可靠——而这种习惯和信任能够在更广泛的社会范围内，满足所有身份识别与签署需求。
现在我看到，商业和个人钱包将接收、转发并验证的不仅是身份，还包括 各种可验证凭证（在商业与生活事件中所需的一组凭证）。在当下这些忙碌时期注意力持续时间越来越短的情况下，这种贯通一切领域的重复经济与信任经济，其在认知负担削减方面的价值将更进一步以指数级提升……
钱包还将使得使用并赋能 AI 代理来执行具有法律约束力的行动。不仅像 LLM 那样去查找数据并教育我们——它们已经在极其出色地做这些事情。然后我的问题是：
LLM 以及之后携带钱包的 AI 代理，是否会大幅减少对重复经济的需求？
编辑 ChatGPT 的新观点： 它们会在经济的某些层面减少对“重复”的需要——但不会消除。它们会把重复转移。
1) “重复经济”到底在做什么
重复并非偶然——它承担三项核心的经济功能：
A. 成本摊销
高固定成本 → 低边际成本（软件、媒体、制造模板）
重复能够把成本分摊出去
B. 信任与标准化
C. 协调效率
2) 携钱包的 AI 代理会改变什么
具备以下特征的代理：
…将引入 几乎为零的边际认知与执行。
这会打破重复背后的一个关键前提：
人类稀缺且昂贵 → 复用产出。
现在：
认知 + 执行变得便宜且可持续。
3) 重复在何处会 下降
A. 大规模生产的“够用就好”产出
代理可以生成 按需的、个性化的变体，而不是复用同一个版本。
👉 结果： 从“重复同一件事”→“为每个实例生成”
B. 中介层
代理可以：
因此像这些重复性的角色会被压缩：
…都会被压缩。
C. 行为惯例
人类之所以偏好重复行动，是因为：
代理会把这些移除掉：
👉 在人类行为层面减少重复
4) 重复在何处 延续（或增长）
A. 基础设施与协议
代理需要稳定的系统：
这些高度依赖 标准化 → 重复
👉 重复向下层移动
B. 训练与优化闭环
AI 系统通过以下方式改进：
👉 大幅增加 在机器层面的重复
C. 信任锚点
即使有代理，人类仍然在意：
重复仍在传递：
D. 规模经济不会消失
现实世界仍然重要：
这些仍然从重复与规模中获益。
5) 实际会改变的：重复的 位置
想象一个堆栈：
6) 新的均衡： “动态重复”
我们并不会消除重复——我们得到的是：
重复的是模式，而不是实例
与其：
我们得到：
👉 例子：
7) 二阶效应： “普通用户” 的平均化崩塌
重复在某种程度上存在，是因为我们为平均情况进行设计。
代理使得：
👉 “平均情况”变得不那么相关 👉 作为“千篇一律”的重复在下降
8) 维持重复生命力的约束
即使有代理，仍有三个约束存在：
1. 信任
人们仍然更偏好已知的、反复出现的结构
2. 协调
社会需要共同的惯例
3. 计算 + 能源成本
即便很低，也不为零 → 复用仍然重要
结论要点
由钱包控制的 AI 代理将：
❌ 在以下方面减少重复：
✅ 在以下方面保留或增加重复：
🔁 将重复转化为： “可重复的系统，生成非重复的结果”
所以——我们必须非常务实。把商业钱包与正在使用的 AI 拿来用，并在需要的地方赋能 AI 代理。使用即学习。
30.54万 热度
4.79万 热度
33.06万 热度
80.27万 热度
5.09万 热度
人工智能是否减少了重复经济的需求？
我在上世纪90年代初期推出 BankID 服务时，逐渐成为 重复经济与信任经济 的坚定支持者（学一次 > 信任 > 用遍一切 > 适用于所有角色）。一次性通行码经常被使用，在银行业务中既安全又可靠——而这种习惯和信任能够在更广泛的社会范围内，满足所有身份识别与签署需求。
现在我看到，商业和个人钱包将接收、转发并验证的不仅是身份，还包括 各种可验证凭证（在商业与生活事件中所需的一组凭证）。在当下这些忙碌时期注意力持续时间越来越短的情况下，这种贯通一切领域的重复经济与信任经济，其在认知负担削减方面的价值将更进一步以指数级提升……
钱包还将使得使用并赋能 AI 代理来执行具有法律约束力的行动。不仅像 LLM 那样去查找数据并教育我们——它们已经在极其出色地做这些事情。然后我的问题是：
LLM 以及之后携带钱包的 AI 代理，是否会大幅减少对重复经济的需求？
编辑 ChatGPT 的新观点： 它们会在经济的某些层面减少对“重复”的需要——但不会消除。它们会把重复转移。
1) “重复经济”到底在做什么
重复并非偶然——它承担三项核心的经济功能：
A. 成本摊销
高固定成本 → 低边际成本（软件、媒体、制造模板）
重复能够把成本分摊出去
B. 信任与标准化
C. 协调效率
降低认知负担
2) 携钱包的 AI 代理会改变什么
具备以下特征的代理：
…将引入 几乎为零的边际认知与执行。
这会打破重复背后的一个关键前提：
人类稀缺且昂贵 → 复用产出。
现在：
认知 + 执行变得便宜且可持续。
3) 重复在何处会 下降
A. 大规模生产的“够用就好”产出
代理可以生成 按需的、个性化的变体，而不是复用同一个版本。
👉 结果：
从“重复同一件事”→“为每个实例生成”
B. 中介层
代理可以：
因此像这些重复性的角色会被压缩：
…都会被压缩。
C. 行为惯例
人类之所以偏好重复行动，是因为：
代理会把这些移除掉：
👉
在人类行为层面减少重复
4) 重复在何处 延续（或增长）
A. 基础设施与协议
代理需要稳定的系统：
这些高度依赖 标准化 → 重复
👉
重复向下层移动
B. 训练与优化闭环
AI 系统通过以下方式改进：
👉
大幅增加 在机器层面的重复
C. 信任锚点
即使有代理，人类仍然在意：
重复仍在传递：
D. 规模经济不会消失
现实世界仍然重要：
这些仍然从重复与规模中获益。
5) 实际会改变的：重复的 位置
想象一个堆栈：
6) 新的均衡： “动态重复”
我们并不会消除重复——我们得到的是：
重复的是模式，而不是实例
与其：
我们得到：
👉 例子：
7) 二阶效应： “普通用户” 的平均化崩塌
重复在某种程度上存在，是因为我们为平均情况进行设计。
代理使得：
👉
“平均情况”变得不那么相关
👉
作为“千篇一律”的重复在下降
8) 维持重复生命力的约束
即使有代理，仍有三个约束存在：
1. 信任
人们仍然更偏好已知的、反复出现的结构
2. 协调
社会需要共同的惯例
3. 计算 + 能源成本
即便很低，也不为零 → 复用仍然重要
结论要点
由钱包控制的 AI 代理将：
❌ 在以下方面减少重复：
✅ 在以下方面保留或增加重复：
🔁 将重复转化为：
“可重复的系统，生成非重复的结果”
所以——我们必须非常务实。把商业钱包与正在使用的 AI 拿来用，并在需要的地方赋能 AI 代理。使用即学习。