許多專家認為，隨著AI智能體崛起，現有以平臺為核心的商業格局可能被打破，新的商業形態、組織結構和商業模式將隨之涌現。

作者 |陳永偉

圖源 |圖蟲創意

自生成式AI革命以來，AI領域熱點層出不窮，相關新名詞也是接踵而至。若說當下最炙手可熱的概念，恐怕非“AI智能體”（AI Agent）莫屬。

翻閱近期媒體報道不難發現，無論是微軟、谷歌、亞馬遜、OpenAI等海外巨頭，還是阿里、騰訊、字節、百度等國內企業，都把AI智能體視為重點業務方向大力推進。諸多專業咨詢機構和科技媒體也對AI智能體的發展前景十分看好：市場研究機構Forrester將其列為2025年關鍵新興技術之一，而知名科技咨詢公司Gartner更將其評為2025年十大技術趨勢之首。業內大佬同樣寄予厚望。微軟創始人比爾·蓋茨在一檔播客中預測，不久的將來，AI智能體將“人手一個”，并對人們的日常生活產生深遠影響；OpenAI首席執行官山姆·奧特曼則表示：“構建超大模型的時代已告一段落，AI智能體才是下一階段真正的挑戰。”

不少業界人士對AI智能體的快速普及及其經濟效益持樂觀態度。根據Gartner測算，2024年僅約1%的企業軟件內置AI智能體功能，但到2028年，這一比例有望飆升至33%，屆時約15%的日常業務決策將可由AI自動完成。高盛預測，到2030年，AI智能體將創造約7萬億美元的經濟效益，其中相當一部分來源于效率提升。

然而，比起效率和收益的直接增長，更值得關注的是AI對整個商業生態的重塑。許多專家認為，隨著AI智能體崛起，現有以平臺為核心的商業格局可能被打破，新的商業形態、組織結構和商業模式將隨之涌現。另有研究指出，AI智能體的普及將沖擊當前“數據為王”的邏輯，未來的競爭核心或將轉向“智能與連接”。

那么，這個被媒體推崇備至的AI智能體究竟是什么？它為何具備如此巨大的潛力？當AI智能體逐漸普及，現有商業生態和商業邏輯將如何演變？我們又應當如何觀察并分析這種全新的商業形態？關于這些問題，且聽下文一一道來。

AI智能體究竟是什么？

在展開正式討論之前，讓我們先花一點時間了解一下“AI智能體”這一概念。AI智能體是英文AI Agent或Agentic AI的漢譯。由于Agent在英文中有“代理人”的意思，因此在某些語境下，它也被翻譯為“AI代理人”或“代理式AI”。此外，在一些較早的文獻中，也曾出現過“艾真體”的音譯版本。

與我們熟悉的其他AI系統不同，AI智能體具備自主規劃和執行任務的能力。舉例來說，當我們使用ChatGPT或DeepSeek完成一項任務時，通常需要不斷通過提示詞與它交互，反復調整，才能獲得期望的輸出結果。而使用AI智能體時，我們只需一次性將任務交給它，它便會自行拆解任務、尋找解決方案，獨立完成各個環節。作為指令的下達者，我們無需在執行過程中進行干預，只需靜候結果。

AI智能體既可以是虛擬的，也可以是“具身”（embodied）的。所謂虛擬AI智能體，是指那些僅存在于計算機模擬環境中、沒有物理形態的智能體。例如，在GPT爆火后，斯坦福的研究人員曾基于GPT能力，構建了一個由數十個虛擬AI人組成的小鎮，這些“虛擬小人”便是典型的虛擬AI智能體。與之對應，具身AI智能體則擁有實際物理形態，比如現有的無人駕駛汽車、人形機器人等。

無論是虛擬還是具身的AI智能體，它們通常由三大部分構成：傳感器（Sensors）、控制中心（ControlCentre）和執行器（Actuators）。傳感器用于從外部環境中收集信息；控制中心負責分析數據并制定行動計劃；執行器則根據計劃采取行動并對環境施加影響。區別在于，虛擬智能體的這些組成部分都是數字化實現的，而具身智能體的傳感器則需要從真實世界讀取數據。

早在人工智能誕生之初，許多研究者就已嘗試制造智能體。但在早期實踐中，人們構建的主要是“確定式”（deterministic）智能體：其對外部環境的反應方式均由程序預設，一旦遇到未曾預料的新情況，智能體便無法應對。隨著AI技術的發展，這種確定式智能體逐漸被“非確定式”（non-deterministic）智能體取代。后者不預設具體行動規則，而是設定了可以根據任務完成情況動態調整的效用函數，從而使智能體能在不斷變化的環境中，通過學習不斷優化自身行為，實現自我進化。

盡管相關研究起步很早，但AI智能體真正實現性能飛躍并走向生產生活領域，卻是最近幾年的事。這一轉變背后有多方面的因素：一方面，AI技術，尤其是自然語言處理、視覺識別等領域的快速進步，使AI在感知、理解、決策等方面的能力大幅提升，賦予智能體更聰明的“腦子”和更敏銳的“眼睛”；另一方面，算力資源的極大豐富，使大規模智能體的訓練與部署成為可能，研發成本因規模效應迅速下降，性能卻不斷提升。

更為關鍵的是，大量開放標準智能體通信協議的出現，這不僅使得AI智能體能夠靈活調用各種外部工具，還使它們之間的協調與協作成為可能。

如果大家對AI領域的新聞有所關注，可能還記得今年3月初，一款名為Manus的AI智能體一度引發廣泛關注。根據當時的報道，這款由國內初創公司開發的智能體被稱為全球首款通用AI智能體，它可以根據用戶指令，在無需人工干預的情況下，獨立調用外部工具，完成求職簡歷篩選、房產研究、股票分析等復雜任務，并在權威的GAIA基準測試中取得了SOTA（State of the Art，即當前最佳）的評級，表現超越了包括OpenAI在內的多家知名企業的同類產品。不少人甚至稱贊Manus是繼DeepSeek之后，中國AI領域又一個里程碑式的成果。

不過，Manus并未像DeepSeek那樣經受住專業人士的考驗。在發布后不久，便有技術人員迅速分析并成功復刻了其實現原理。

那么，Manus實現“通用”的秘訣究竟是什么？答案在于一個叫做MCP的通信協議。MCP（Model Context Protocol，模型上下文協議）是由Anthropic于2024年11月推出的開放協議，旨在統一大型語言模型與外部數據源和工具的通信接口，使大模型能夠靈活調用外部工具。Manus的開發者正是通過使用MCP協議，使大模型能夠輕松拆解任務、分配步驟，并根據需要逐一調用工具完成各環節。因此，“打假者”們也能利用相同的協議，在短短一天內復刻出類似成果。由此可見，在有了MCP協議之后，基于大模型構建通用AI智能體變得異常簡單。

除了MCP協議之外，還有兩個關鍵通信協議對AI智能體的發展至關重要。其一是“智能體網絡協議”（Agent Network Protocol，簡稱ANP），它支持AI智能體在互聯網上自發發現、連接并交互，從而建立協作網絡；其二是谷歌開發的Agent 2 Agent（A2A）協議，專門用于促進多智能體間的通信和任務管理，充當協作中樞。

有了MCP、ANP、A2A這三大協議，AI智能體不僅掌握了使用外部工具的能力，還能實現與其他AI智能體之間的交互與協作。由此，AI智能體從專用型助手，正式邁向通用型獨立主體，從人類助手進化為可以自主承擔復雜任務的智能代理。

AI智能體會怎樣改變商業生態？

隨著AI智能體的興起，“人”作為商業生態中唯一決策主體的局面將被打破，智能體將以新的參與者和決策者身份加入其中。過去分析商業生態時，我們通常把參與主體分為個人、家庭、企業、政府等元素。但無論家庭、企業還是政府，本質上都只是一種“擬制的人”——它們并不具備自主思考和決策能力，其一切決定終究還是由其中的個人完成。因此，在AI智能體出現之前，人類實際上是商業生態中唯一能夠獨立決策的主體；即便大模型問世后，這一點仍未改變，因為大模型只提供參考，并不直接作出決策。智能體的崛起，將改寫這一格局。

與人相比，AI智能體的決策方式截然不同。作為人類的造物，智能體天然以“最優解”為目標。例如，若讓智能體網購最便宜的牛排，它會瞬間遍歷所有購物平臺的商品信息，從中選出價格最低的一款。而人類決策時并不如此較真，大多數情況下只追求“滿意解”。同樣的任務交給人，他大概只是打開某個平臺，搜索“牛排”，再從前幾頁結果里挑一款看起來性價比不錯的商品下單；至于像智能體那樣遍歷全網，他既無能力，也缺乏興趣。正因如此，一些行為經濟學家在比較人類與AI的決策模式后，將人類戲稱為“不理性的AI”。

這種主體多樣化看似尋常，影響卻可能深遠。過去的C2C、B2C、B2B、B2G等商業形式，本質上都是人與人之間的交易；所有商業策略和規則皆圍繞人類特性設計。隨著AI智能體這一全新主體的加入，現有模式、規則乃至整個商業生態都可能隨之改變。

具體來說：

第一，它可能對目前以平臺為核心的線上商業生態產生顛覆性影響。

眾所周知，在過去二十年里發展最蓬勃的企業形態是平臺型企業。與傳統“管道型”企業不同，平臺的主要盈利方式并非低買高賣賺取差價，而是撮合不同主體的交易以收取服務費。要在競爭中取勝，平臺通常要做到：運用策略圈定商家與客戶、提升黏性；通過價格補貼等手段迅速做大至少一側用戶規模，放大神經網絡效應并啟動“滾雪球”；設計合理的收費體系，將用戶有效轉化為付費群體并最大化利潤。

細究其本質，平臺模式是圍繞人類“不理性”設計的。個人若自行尋找交易對象，不僅要承擔高昂的搜尋成本，還需處理交易中及交易后的諸多事務。為節省這些成本，人們樂于支付一定傭金，讓平臺代為撮合。平臺的網絡效應之所以重要，也正是因為用戶相信：在用戶更多的平臺上更容易找到理想交易對象，而規模更大的平臺往往能提供更完善的服務。平臺成功的底層邏輯，歸根結底是利用并放大用戶的弱點，使其難以離開。

然而，AI智能體崛起后，上述邏輯將岌岌可危。相較人類，智能體能以極低成本、極快速度檢索市場信息并自動撮合交易；若雙方均使用智能體，交易更可通過智能合約無縫完成，無需擔憂后續糾紛。在此情形下，平臺作為中介的價值驟減，其苦心經營的網絡效應亦將失去意義。

第二，許多當前沿用的商業策略可能將失效。

在當今線上競爭中，“注意力”是一種各家公司爭相搶奪的稀缺資源。許多商業模式的設計，本質上都圍繞“注意力”展開。

競價排名廣告便是一例。對不少電商平臺而言，首頁及搜索結果中的黃金廣告位拍賣，是重要收入來源。第三方商家為了讓自家產品獲得更醒目的展示位置，不得不高價競拍。顯著位置之所以如此關鍵，根本原因在于人的注意力有限：購物者通常不會耗費太多精力瀏覽全部商品。若商品被排在不起眼的位置，成交概率便微乎其微。從這個角度看，競價排名就是“花錢買注意力”。

然而，一旦用戶把購物任務交給AI智能體，這一模式便可能瓦解。AI的檢索與篩選能力遠超人類——商品位于搜索結果第一頁還是最后一頁，對它來說差異不大。屆時，商家再也無需為醒目位置支付溢價，拍賣式廣告位的價值將大幅縮水。

推薦算法是另一個典型案例。如今，眾多內容分發App借助算法不斷向用戶推送“可能感興趣”的信息，以持續占據用戶注意力，將其鎖在自家生態內，再通過廣告、電商等方式變現。

隨著AI智能體的普及，這一模式同樣面臨挑戰。智能體可作為個人助手：用戶只需提出需求，它便能跨App、跨平臺快速檢索并整合所需內容。由此，信息獲取邏輯將從“你推給我看”轉向“AI找給我看”。用戶不再被局限在單一App的“信息繭房”，而依賴推薦算法攫取注意力并進行商業化“收割”的模式，也可能走向終結。

第三，“數據為王”的格局或將改變。

在當下的互聯網競爭中，數據是各家企業爭奪的核心資源。為了在數據獲取與分析上取得優勢，企業不僅投入了巨額資金，還與競爭對手爆發了無數紛爭。之所以如此看重數據，是因為企業能夠借助數據洞察用戶信息，進而制定精準策略并獲取更高利潤。

然而，當AI智能體取代人成為決策主體后，數據的傳統價值將被削弱。屆時，企業的“客戶”或許是極度理性的AI智能體，它們難以被傳統商業策略左右，企業也無需再耗費心力收集和分析此類“用戶”的行為數據。

需要強調的是，這并不意味著數據在AI智能體時代會變得無關緊要，而是其作用方式和需求結構將發生深刻變化。為了確保AI智能體的大腦——基礎模型——保持高水平智能，仍然離不開大量高質量數據的訓練。但此時，對數據有強烈需求的不再是所有企業，而是少數專注于模型開發的公司；最具價值的也不再是個人行為數據，而是蘊含豐富知識與信息、能夠顯著提升模型性能的專業數據。由此，市場競爭格局很可能迎來新的重塑。

第四，它可能讓合作形式發生巨大變化。

傳統上，合作大致有兩條路徑：一是通過市場，二是在組織內。市場型合作中，各方地位平等，按照市場規則互通有無；組織型合作則存在分工與等級，處于領導位置的少數人向其他成員下達指令、分派工作。二者各有短板：組織合作能夠集中調度人力物力，卻難以擴大規模；市場合作覆蓋面廣，卻因缺乏硬性約束，協作深度有限。

平臺模式的興起被視為對上述缺陷的一次改進。平臺既充當“市場”，為海量潛在合作者提供機會，又充當“秩序”維護者，規范各方行為，提升協作深度。然而這一模式成本高昂：平臺作為中介抽取大量費用，顯著壓縮合作收益，進而打擊合作意愿。

AI智能體的出現有望緩解深度與廣度的矛盾。與人類不同，智能體可以幾乎零成本地在全網迅速匹配潛在伙伴；借助MCP、ANP、A2A等協議，它們無需人為干預即可彼此協作，獨立完成復雜任務。由此，合作范圍和深度都有望大幅提升。

合作方式的轉變勢必重塑企業形態與邊界。當下以固定人員、固定資產、層級管理為特征的企業，本質上是一種降低協作成本的組織形式。隨著AI智能體的普及，個人的合作半徑被空前擴展，不再必須隸屬于某家企業。企業邊界逐漸模糊，“人人與人人直接協作”的景象不再遙遠。

商業認識需要一場“哥白尼式的革命”

通過以上討論，我們已經可以看到，隨著AI智能體的興起，整個商業系統將發生巨大的變化。無論是商業生態的參與者、商業競爭的形式、競爭中的關鍵資源，還是商業合作的組織方式，都將與現有模式產生很大不同。在這樣的背景下，我們觀察商業環境和商業競爭行為的視角，也必須隨之進行相應的調整。

在傳統商業環境中，我們已經積累了許多觀察商業競爭的理論，其中以下幾種較為具有代表性。

第一種是邁克爾·波特（Michael Porter）提出的“五力模型”。這一理論強調從宏觀產業結構的角度審視商業競爭，認為企業所處的產業結構對其競爭地位至關重要。根據該模型，產業內現有競爭者的競爭強度、潛在進入者的威脅、替代品的威脅、買方議價能力，以及供應商議價能力這五種力量，將共同決定企業的競爭優勢，從而影響其戰略行為和利潤水平。

第二種是由彭羅斯（Edith Penrose）、巴尼（Jay Barney）等人提出的資源基礎理論（Resource Based View，簡稱RBV）。這一理論主張從企業可利用資源的角度理解商業競爭，認為企業競爭優勢的主要來源是其內部資源的稀缺性、不可模仿性和不可替代性。

第三種是由梯斯（David Teece）提出的動態能力理論。該理論認為，決定市場競爭勝負的關鍵在于企業感知外部環境、獲取關鍵資源、進行轉型再造的能力。這種動態能力，是企業持續競爭與永續經營的核心。

第四種是當前非常流行的商業生態系統理論。該理論認為，相互依存的市場參與者會圍繞特定的價值主張，形成一個互補、協同的網絡狀生態系統。在這一系統中，所有參與者通過協調與配合共同創造并分享價值。正如自然生態系統中每個生物都有其獨特生態位一樣，商業生態系統中的參與者也各司其職。其中，“基石企業”（keystone）作為生態系統中的關鍵角色，需要制定規則、協調參與者，以確保生態系統的健康運作。

總體來看，上述理論從不同角度對商業環境及競爭過程進行了深入觀察，得出了許多有價值的結論。因此，無論在學術研究還是商業實踐中，這些理論都被廣泛引用并發揮著重要作用。然而，隨著AI智能體的興起，并逐漸成為與人類并列的市場參與主體，這些理論的局限性也將日益顯現。

具體而言，AI智能體的崛起正在重塑合作方式，原本清晰、自上而下的價值鏈正在演變成一張復雜的價值網絡。在這種網絡結構中，“上游”“下游”“供應商”“分銷商”等概念的界限將變得模糊，甚至連“產業”和“企業”的定義也會變得越來越不清晰。我們將難以判斷，人們通過AI智能體與他人進行的一次商業合作，究竟是發生在企業內部，還是跨越了企業邊界。在這樣的背景下，無論是基于產業結構分析的“五力模型”，還是基于企業內部資源分析的資源基礎理論，原有的解釋力都將大大削弱。

與此同時，隨著AI智能體在商業競爭中智能水平的重要性不斷提升，相較于人的動態能力，其自身的學習與適應性將占據主導地位，動態能力理論的適用性也將受到挑戰。此外，在AI智能體時代，企業的邊界與職能可能進一步模糊，企業不再容易歸屬于某一特定的生態位。再加上，合作與交易更可能以去中心化的方式實現，因此“基石企業”的地位和作用也將被大幅削弱。在這種情況下，商業生態系統理論的解釋力也會受到顯著影響。

針對上述情況，如果我們要理解AI智能體時代的商業競爭，就需要在認知上進行一次“哥白尼式的革命”，將觀察商業環境的切入點從人、企業和產業，轉移到AI智能體上。具體來說：

在宏觀層面，應當修正波特等學者創立的以產業結構為基礎的分析思路，轉而以AI智能體的網絡性質為出發點，構建新的分析框架。例如，傳統上我們觀察企業市場力量時，通常以市場份額作為重要指標。但在AI智能體主導的商業環境中，這一指標的重要性可能下降。取而代之的，可以考慮引入網絡分析中的中心性、連通度等指標，用以衡量智能體在網絡中的位置和影響力。基于這些新的指標，再來探討以AI智能體為中心的產業重構、價值鏈重組，以及企業間的競爭關系。

在中觀層面，應聚焦AI智能體引發的對現有商業模式（包括平臺模式）的沖擊與變革。應重點關注AI智能體采用點對點合作模式所帶來的價值創造與分配過程，并密切關注平臺企業在面對AI智能體挑戰時的應對策略及其引發的連鎖變化。

在微觀層面，則需分析AI智能體作為獨立決策者所引發的商業行為和商業策略變化。舉例來說，在傳統平臺經濟分析中，我們高度重視間接網絡效應，即一側用戶規模對另一側用戶吸引力的影響。而隨著AI智能體的普及，這種間接網絡效應的重要性將下降，取而代之的是與技術、基礎設施完善度緊密相關的直接網絡效應，可能成為決定競爭成敗的關鍵。此外，在分析互聯網競爭時，傳統上我們重視注意力爭奪，但在AI智能體時代，競爭的焦點可能轉向智能體間的合作協議和協作機制。

總而言之，隨著AI智能體的興起，整個商業環境正迎來一場深刻的變革。對應地，我們也必須及時轉變觀察視角，將關注的重心轉移到AI智能體及其網絡關系之上。唯有如此，才能在這場巨變中看得更清楚，把握未來的主動權。

The END