【编者按】2026 年 4 月 29 日Andrej Karpathy 在红杉 AI Ascent 的炉边对谈中提出一个判断一个面向原生智能体agent-native的新经济正在长出来今天所有为人类写的软件、文档和流程都要被重写为“为 Agent 而写”。他谈的是供给侧的工程重构却留下了一个没有回答的问题如果一切都要重写这场重写由谁付费价值又如何分配。智能体经济课题正是从这个问题开始。第一篇《AI商业化的十字路口为什么广告与订阅都难以单独走通》讨论 AI 如何变现结论是广告与订阅都难以单独走通商业化的重心由卖入口向卖结果转移。这一篇再往下追一层商业模式为什么必须变。答案要往成本结构里找互联网“多服务一个用户几乎不额外花钱”的经验正在失效而围绕这条经验建立起来的利润分配方式也就到了重新计算的时候。过去二十年互联网公司最重要的商业信仰是用户越多成本越低利润越厚。搜索引擎、社交媒体、短视频、内容平台、电商平台本质上都建立在同一个前提之上当基础设施建好以后多服务一个用户、多展示一次页面、多分发一条内容边际成本几乎为零。互联网公司的真正瓶颈往往不是“每一次服务是否亏钱”而是能否获得足够多的用户时长、数据、广告主和交易场景。广告也正是在这个前提下成为互联网最重要的商业模式之一。因为当内容和页面可以被近乎零成本地分发平台就可以把用户的搜索、浏览、点击、停留和购买路径拆解成一个个可售卖的广告位置。用户旅程越长平台可以植入商业的触点就越多用户比较得越久广告、推荐、品牌内容和搜索排序的价值就越高。但 AI Agent 正在动摇这个信仰。AI Agent 不是在简单分发已有信息而是在替用户执行任务。每一次对话、每一次推理、每一次文件读取、每一次工具调用、每一次结果校验背后都对应真实的 GPU 算力、电力消耗、芯片折旧和系统调度成本。更重要的是AI 不只是改变了互联网公司的成本结构也改变了广告赖以存在的用户链路。过去用户需要在多个页面、多个平台、多个品牌之间反复搜索和比较未来用户可能直接把需求交给 Agent让它筛选、判断、排序、预约甚至完成交易。这意味着AI Agent 时代的免费用户每服务一次可能都是亏钱的而传统广告也会失去一部分赖以变现的长链路空间。如果说互联网经济的关键词是“流量”那么 AI Agent 经济的关键词就是“任务”。流量可以被廉价分发任务却必须被真实执行。广告过去卖的是用户注意力经过哪里AI 时代更重要的问题则变成任务由谁理解、由谁编排、由谁完成以及哪些品牌能够进入 Agent 的候选集和决策依据。因此AI Agent 经济不是互联网商业模式的自然延伸而是对互联网增长神话和广告逻辑的一次反向修正。互联网广告的前提低边际成本互联网包 括软 件商业模式的底层逻辑可以用经济学最基础的公式来理解TC FC MC × Q 总成本 固定成本 边际成本 × 产量在传统互联网时代无论是开发一款 App、写一篇文章还是录制一段视频主要成本都集中在前期的研发和制作阶段也就是较高的固定成本 FC。然而一旦产品上线服务第一个用户和服务第一百万个用户企业所增加的服务器和带宽成本往往微乎其微MC 接近 0。这种极低的边际成本使相关商业模式天然具备极强的规模效应。数字产品的核心特征是可无限复制且复制成本几乎为零。一旦软件开发完成、服务器部署到位新增一个用户的边际成本几乎可以忽略不计无非是多占用几 KB 存储空间、多消耗几 KB 带宽流量。这种特性使平台经济更容易形成规模优势谁先达到规模临界点新增收入就能够以更高比例转化为利润从而形成强大的经营杠杆。在此基础上互联网演化出了三大经典商业模式。订阅模式软件复制成本极低订阅用户增长直接对应收入增长。这也是为什么资本市场长期愿意给 SaaS 公司较高估值一旦跨过盈亏平衡点利润增长速度往往会远超收入增长速度。佣金模式搭建交易、支付和履约基础设施每多一笔交易抽取稳定佣金。广告模式免费服务吸引海量用户将注意力打包出售给广告主。以搜索广告为例搜索算法和广告系统一旦部署完成每多一次搜索请求增加的服务器成本相对有限而每多一次广告点击都意味着增量收入。广告模式之所以能长期成立并不只是因为用户多更因为用户旅程足够长。一个用户从产生需求到完成购买往往会经历搜索、浏览、比较、收藏、咨询、跳转、下单等多个环节。平台可以在搜索结果页卖广告可以在信息流里做种草可以在详情页强化转化也可以在再营销环节继续影响用户决策。广告的价值本质上来自对用户旅程的层层介入。平台不需要为每一次用户决策承担完整服务成本。搜索引擎把用户导向某个网页社交平台把用户导向某个品牌账号短视频平台把用户导向某个直播间电商平台把用户导向某个商品详情页。平台更多是在“撮合信息与注意力”。AI Agent 经济的困境边际成本训练成本互联网是在分发已有信息而 AI 是在实时生成信息。这种从 “复制” 到 “生成” 的质变带来了完全不同的成本结构与商业逻辑。首先AI推理成本是显性的AI使用的边际成本显著大于零 MC 0 。大模型每输入/出一个 Token 词元 GPU 都在高速运转消耗着实打实的电力和芯片折旧费。模型参数越大、上下文越长、任务越复杂单次推理成本就越高。一次简单问答、一次Deep Research、一次代码开发、一次跨软件操作成本可能差几十倍甚至上百倍。AI Agent 经济不仅存在非零边际成本而且边际成本本身高度异质。尽管单 Token 价格正在快速下降但这并不意味着边际成本会持续趋近于零伴随 Agent 能力升级单任务消耗的 Token 量级正从数百快速攀升至数十万 —— 规划、调工具、读文件、自我校验、失败重试都会消耗大量算力。单 Token 在通缩单任务在通胀两条曲线的剪刀差构成了 AI 经济学的核心Token 越便宜大家越敢让 AI 干更重的活总账单反而更大这正是 AI 领域的“杰文斯悖论 J evons Paradox ”。单 Token 的降价并非单向下行。摩根士丹利统计显示2026 年二季度国产大模型平均 API 输出价格较2025年一季度上涨约 80%行业正从价格战转向价值定价。价格本身也在分层商品化模型继续走低前沿模型反向上调。前沿智能按价值定价其成本并不随商品化同步下降。虽然可以通过批处理提高GPU利用率、KV缓存、自建推理集群、自研芯片等方式压低单位成本但边际成本的下降幅度远不如互联网经济且会被使用深度增长抵消。这也是为什么 ChatGPT 在用户量爆发后迅速推出付费订阅版的核心原因。同时固定成本从 “一次性” 变为 “永续性”。训练成本不再是一次性的固定投入而是每半年到一年就要迭代新一代模型的永续资本开支。大模型变成了“保质期”6-12个月的“易耗资产”不重训跟进就会快速淘汰而单次训练成本可达数千万甚至上亿美元。以OpenAI为例2025年收入130.7亿美元毛利率约43%这一口径仅扣除推理算力最贵的训练算力另计入研发支出但其研发支出高达191.8亿美元其中约 106 亿美元用于支付微软的训练算力也是其亏损的主要原因。因此AI Agent 经济呈现这样的特点推理成本 可变成本 随使用量线性增长且高度差异化基础设施与人才成本 半固定成本 随用户规模“台阶式”跃升 —— 当用户量突破某个阈值就必须新增一批 GPU 服务器同时研发成本 即模型训练成本 数额巨大。这些成本层层叠加使得 AI 公司始终处在利润全量再投入的轨道上不存在互联网那种 “越过盈亏平衡点后利润指数级增长” 的甜蜜点。这种成本逻辑也重塑了行业的护城河来源互联网的核心壁垒是网络效应用户越多产品越好用Agent的壁垒类型则发生切换由关系链网络效应转向数据飞轮与转换成本新的壁垒来自沉淀的上下文 —— 用户的记忆、偏好、文件、工作流与授权数据。使用越久Agent 对用户的适配度就越高更换服务商的迁移成本也就越大。互联网锁住的是用户的关系链Agent 锁住的是用户的工作上下文这也是行业争相布局入口的核心原因抢的不只是流量更是上下文的原始积累。AI Agent 经济的底层逻辑从注意力变现到价值交付显然我们需要换一种逻辑来看待AI Agent 经济互联网平台争夺的是用户入口AI Agent平台争夺的是任务入口。如果说互联网经济的基本单位是曝光/点击那么AI Agent 经济的基本单位就是任务。点击只代表用户进入某个页面任务则代表用户委托AI完成某个目标 —— Agent需要理解目标、拆解任务、调用工具、读取文件、操作软件、反复校验结果必要时还要向用户请求授权。这使得AI Agent的成本结构更接近数字员工而不是数字媒体。过去用户打开搜索引擎问哪家装修公司好搜索引擎返回网页、广告和地图结果现在用户可能直接对Agent说帮我筛选三家靠谱装修公司比较报价、口碑、施工保障并帮我预约沟通。前者的商业价值来自曝光和点击后者的商业价值来自任务完成和决策代理。广告不再只是出现在页面上的信息而会变成Agent决策过程中的候选项、数据源、可信信源或交易接口并帮助用户最终完成任务。模型公司不只是提供底层能力而会成为新一代任务操作系统。无论是AI原生厂商 还是综合型大厂 都在从大模型向Agent平台演进进而纷纷推出Claude Cowork、Codex、Workbuddy等一系列产品 —— 谁能掌握用户的任务入口谁就能决定工具调用顺序、数据源优先级、商业推荐逻辑和交易闭环。明知单位经济为负也要烧钱抢入口正是当前行业最核心的战略赌局也是估值争议的来源。因为入口背后不只是用户量也不只是对话次数而是未来任务分发、商业推荐和交易闭环的控制权。这种逻辑的转变也必定带来另一个趋势分层。互联网产品追求极致的标准化一套代码服务所有用户这样才能最大化零边际成本的优势。AI Agent则天然适合分层化供给——不同复杂度的任务成本差异巨大简单问答与复杂推理的成本可能相差几十上百倍。因此AI公司会推出不同级别的产品免费版用小模型、限制使用量基础付费版用中等模型高级版用最强模型企业定制版提供专属部署与优化。这种分层定价本质上是按成本分级、按价值收费价值与成本正相关。用户获得的能力越强付出的成本越高。因此AI Agent生态将会演化出一种“双速经济”落后半代的智能价格极低 开源大厂补贴变成像水电煤一样的基础设施 而前沿智能永远昂贵 (最强模型永远在成本曲线的最贵端) 。免费的是“昨天”的智能收费的是“今天”的智能。AI Agent 经济的“冲击效应”AI Agent 经济对传统经济最深的冲击并不是市场上多出了一类AI产品而是原本分散在网站、App和软件中的用户入口正在被一批新的任务代理层重新争夺。手机厂商、超级App 等各自都在做自己的 Agent入口尚未统一反而更碎片化。过去互联网的利润池围绕“流量经过哪里”形成未来则更可能围绕“任务由谁编排、由谁完成”重新分配。首先被改写的是入口与分发权。互联网时代搜索引擎、应用商店、内容平台和超级App掌握入口企业争夺的是排名、推荐位和用户时长。但Agent出现后用户未必还需要逐个打开应用订机票、找供应商、分析数据、回复邮件都可以从同一个任务入口发起。网站和App不会消失却可能越来越多地变成Agent背后的数据源、工具和履约接口。这意味着新的平台权力不再只是“把用户导向哪里”而是决定任务如何被完成调用哪个模型、哪个软件、哪家商户、哪套数据。过去由搜索引擎、应用商店和流量平台掌握的部分“分发税”可能逐渐转移到Agent平台手中。这里有一个不易察觉但至关重要的影响AI Agent正在大幅度缩减客户旅程进而压缩广告业务的空间。过去用户需要搜索十次、比较多个网页和平台才会进入成交环节而在 AI 场景下用户可能只需要连续提问3-5次就已经完成信息筛选、方案比较和购买决策。越是高意图、强决策、重比较的行业越容易被 AI 改写分发逻辑。用户不再需要反复穿梭于搜索结果、内容页面和商家主页之间而是直接把决策任务交给 AI 完成。此时广告能够介入的节点会变少传统广告的影响力也会被削弱。真正困难的是AI 回答中的广告必须高度显性化。过去广告可以在搜索排序、信息流原生、网红推荐、品牌内容等多种场景中嵌入用户旅程而在 AI 回答中任何软性、隐形或未明确标识的商业推荐都会直接冲击用户对平台客观性的信任。AI 越像一个替用户做判断的代理人用户就越不能容忍它在不透明的情况下被商业利益影响。第二层冲击将很快发生在平台和中介经济。购物、旅游、外卖、本地生活等交易类平台本质是帮助用户搜索、比较和撮合成交而这些正是Agent最容易自动化的环节。单纯提供“信息列表”的中间层会被压缩真正难以绕开的会变成独家供给、支付、信用、物流、售后和线下履约。交易类平台的护城河将从“我拥有多少流量”转向“我掌握多少Agent无法替代的真实供给与执行能力”。对拥有闭环成交链路的大厂来说AI 短期内确实会对现有的广告、交易业务产生冲击但长远来看AI Agent的参与将会成为新的商业放大器。平台既掌握用户需求又掌握商家供给、交易、支付、履约和售后就可以用全局一盘棋的方式重新组织商业价值商家在电商平台投广告 → 带来更高 GMV → AI 在推荐层面优先呈现 GMV 高、好评高、履约稳定的品牌 → 品牌在AI场景获得交易闭环 → 平台也因此同时提升广告价值、交易价值和 AI 分发价值。这里的关键边界是AI 不能像传统广告平台那样收取过高广告费。AI 一旦收钱太重就会损害自身最核心的资产客观性与用户信任。更合理的方式是收取一定比例的技术服务费费率与行业水平持平即可通常在 1%-10% 之间主要用于覆盖算力、调用和服务成本。第三层也是更加深远的变化是软件经济与服务经济的边界开始模糊。传统SaaS 包括软件 本质上仍然是工具。Salesforce提供CRM系统但真正维护客户关系的是销售人员Adobe提供设计软件但真正完成设计的是设计师财务软件负责记录数据但分析和决策仍由人完成。因此SaaS的商业模式长期围绕“坐席 Seat ”展开企业有多少员工使用软件就购买多少账号。近年来按用量计费正在兴起混合计费已成主流但坐席模式在协作类软件中依然普遍。AI Agent改变的是这个前提。当软件开始能够自己读取数据、判断下一步动作并执行工作企业购买的就不再只是“一个员工使用的软件”而可能是一项直接完成任务的能力。一个AI Agent可以同时操作CRM、ERP、BI、邮件和客服系统过去需要多人在不同软件之间完成的流程被压缩成一次任务调用。此时“员工越多Seat越多SaaS收入越高”的增长逻辑就会受到挑战。更重要的是SaaS本身可能发生分层底层是保存客户、订单、财务、库存等核心数据的“系统” System of Record 上层则出现负责理解需求、调用系统并完成任务的“能力” System of Action 。过去两者被封装在同一个软件界面中未来却可能分离。掌握核心数据、权限、合规与业务规则的软件仍然具有很强壁垒而那些主要价值来自界面、流程和功能封装的软件则面临巨大的风险一旦Agent接管交互层它们就可能从用户每天打开的软件退化为Agent后台调用的接口。反过来这也会让软件市场第一次大规模侵入传统服务业。过去软件公司争夺的是企业IT预算未来AI Agent公司则会瞄准更庞大的人工成本、外包预算和专业服务预算。客服、基础研究、销售运营、招聘筛选、财务处理甚至部分咨询工作都可能从“购买人的时间”转向“购买机器完成的任务”。软件的市场边界因此从过去的“数字化预算 Software Spend ”开始向“人力预算 Labor Spend ”侵蚀。结语过去二十年的互联网经济更多用户意味着更多流量更多流量意味着更多广告、交易和订阅收入而新增用户带来的成本却增长得并不显著。“先做大用户规模再寻找变现方式”成为互联网时代最经典的增长公式。AI Agent正在结束这种简单的线性关系。因为AI Agent提供的已经不再只是信息而是在真实地消耗计算资源、调用外部工具并完成任务。用户越多不一定意味着利润越高任务越复杂甚至可能意味着成本增长得更快。企业真正需要计算的也不再只是DAU、留存率和用户时长而是一个任务需要花多少钱完成、用户愿意为这个结果支付多少钱以及平台能够从中保留多少价值。AI时代真正稀缺的东西正在发生变化。互联网时代稀缺的是流量所以企业争夺用户的眼球AI Agent时代真正稀缺的可能是高价值任务以及完成这些任务所需要的数据、权限、工具和执行能力。AI Agent并不是互联网的下一个产品形态而是在改变数字经济最基础的交易单位。Agent出售的是完成任务的能力。当经济的基本单位从“点击”变成“任务”从“使用工具”变成“交付结果”过去二十年围绕流量建立起来的商业模式、平台权力和利润分配也就必然迎来一次重新洗牌。原文链接从流量逻辑到任务逻辑AI Agent正在终结互联网的免费午餐-36氪我的专辑《人工智能生命体 新启点》CSDN平台https://blog.csdn.net/2501_91883294/article/details/147616608?sharetypeblogdetailshareId147616608sharereferAPPsharesource2501_91883294sharefromlink