核心观点 AI Agent经济正在颠覆互联网“低边际成本”的商业模式，其核心交易单位从“点击/流量”转向“任务/结果”，导致成本结构、利润分配和平台权力面临根本性重塑[3][7][36] 互联网经济的底层逻辑：低边际成本与三大模式 - 互联网商业模式建立在边际成本（MC）趋近于零的基础上，数字产品可无限复制且复制成本几乎为零[4][9] - 三大经典商业模式包括：订阅模式（软件复制成本极低）、佣金模式（交易基础设施抽取佣金）、广告模式（免费服务吸引用户，打包注意力出售）[11][12] - 广告模式成立的关键在于用户旅程足够长，平台可在搜索、浏览、比较、下单等环节层层介入，植入商业触点[6][12] - 平台经济形成规模优势：谁先达到规模临界点，新增收入就能以更高比例转化为利润，形成强大经营杠杆[9] AI Agent经济的成本困境：边际成本+训练成本 - AI推理成本显性且边际成本显著大于零（MC>0），每次Token生成都消耗GPU算力、电力和芯片折旧[15] - 单Token价格虽快速下降，但单任务消耗的Token量级从数百攀升至数十万，形成“杰文斯悖论”：Token越便宜，总账单反而越大[15] - 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%，行业从价格战转向价值定价[16] - 训练成本从“一次性”变为“永续性”，大模型成为“保质期”6-12个月的“易耗资产”，单次训练成本可达数千万甚至上亿美元[17] - OpenAI 2025年收入130.7亿美元，毛利率约43%，但研发支出高达191.8亿美元，其中约106亿美元用于支付微软训练算力，导致亏损[17] - AI Agent经济不存在互联网“越过盈亏平衡点后利润指数级增长”的甜蜜点，利润全量再投入[18] - 行业护城河从互联网的网络效应转向数据飞轮与转换成本，核心壁垒来自沉淀的用户上下文（记忆、偏好、文件、工作流）[18] AI Agent经济的底层逻辑：从注意力变现到价值交付 - 互联网争夺“用户入口”，AI Agent争夺“任务入口”，基本单位从“曝光/点击”变为“任务”[20] - AI Agent成本结构更接近“数字员工”，需理解目标、拆解任务、调用工具、读取文件、操作软件并反复校验[20] - 广告从页面信息变为Agent决策过程中的候选项、数据源或交易接口[20] - 模型公司从“大模型”向“Agent平台”演进，推出Claude Cowork、Codex、Workbuddy等产品，争夺任务入口控制权[21][22] - 行业出现“明知单位经济为负，也要烧钱抢入口”的战略赌局，入口背后是任务分发、商业推荐和交易闭环的控制权[22] - AI Agent生态演化出“双速经济”：落后半代的智能价格极低（开源+大厂补贴，如水电煤），前沿智能永远昂贵[23] - 分层定价本质是按成本分级、按价值收费，免费版用小模型限制使用量，高级版用最强模型[23] AI Agent经济的冲击效应 - 入口与分发权被改写：用户从逐个打开应用转向从同一任务入口发起订机票、找供应商、分析数据等操作[26] - 网站和App可能退化为Agent背后的数据源、工具和履约接口[26] - AI Agent大幅缩减客户旅程，用户只需连续提问3-5次即可完成信息筛选和购买决策，压缩广告介入节点[26][27] - AI回答中的广告必须高度显性化，任何隐形商业推荐都会冲击用户对平台客观性的信任[27] - 平台和中介经济受冲击：购物、旅游、外卖等交易类平台的“信息列表”中间层被压缩，护城河转向独家供给、支付、信用、物流和线下履约[28] - 拥有闭环成交链路的大厂可通过AI Agent成为商业放大器：商家投广告→高GMV→AI优先呈现→提升广告、交易和AI分发价值[28] - AI不能收取过高广告费，合理方式为收取1%-10%的技术服务费，覆盖算力、调用和服务成本[29] - 软件经济与服务经济边界模糊：AI Agent可同时操作CRM、ERP、BI、邮件和客服系统，挑战“员工越多，Seat越多”的SaaS增长逻辑[30][31] - SaaS发生分层：底层为保存核心数据的“系统”（System of Record），上层为负责完成任务调用的“能力”（System of Action）[32] - 软件市场首次大规模侵入传统服务业，从争夺“数字化预算”转向侵蚀“人力预算”，客服、基础研究、销售运营等可能从“购买人的时间”转向“购买机器完成的任务”[32]