文章核心观点 - 人工智能Agent时代正在颠覆以DAU/MAU和To B/To C为核心的互联网分析框架，衡量对象和价值创造逻辑发生根本变化[2][3] - 行业价值正从服务模糊用户群体（To Human）转向服务具体任务主体，并新增了以AI Agent本身作为生产者和消费者的全新经济系统（To Agent），这代表一个巨大的增量市场[3] - 软件形态、商业模式和行业赢家范式正经历系统性迁移，旧范式领先者可能因历史包袱而在新竞争中处于劣势，为新公司创造机会[12][13][14] 旧尺度在失效 - 互联网时代的分析维度在Agent时代失去解释力，头部用户集中绝大部分价值，高ARR和低DAU可以同时成立[4] - Anthropic在2025年底年化收入约90亿美金，2026年2月冲到190亿，3月达到300亿，同比增长约1400%[4] - 听说和使用过Claude的用户规模不到ChatGPT的1%，但这1%用户是token消耗最密集、任务价值最高的用户[4] - 付费逻辑正从按席位（per-seat）转向按结果（per-outcome），AI原生垂直Agent瞄准人力成本预算池，其规模比IT预算大1-2个数量级[4] - Agent时代的价值创造公式是“任务价值 × 完成率 × take rate”，终点是替代的人力成本，其天花板是全球白领工资总额（美国约6万亿美金，全球约18-20万亿美金）[5][6] - To B与To C的边界已模糊，增长最快的AI产品多由Prosumer（如工程师、创意工作者）先自发采用，再自下而上渗透到组织[6] 软件正在被重写 - 软件从设计之初是面向人类（To Human）的，而Agent不需要GUI等降低人类认知负担的抽象，因此一场系统性的信息表示形式迁移正在发生[8][10] - 信息形态正从为人类优化（如PowerPoint、Word、Excel、GUI、App Store、搜索引擎）转向为Agent优化（如HTML、Markdown/JSON、XML、CLI/API、Skill、LLM）[10] - Claude Code选择CLI而非IDE是这一趋势的早期信号，CLI被视为Agent的母语[10] - 未来软件可能不再是有完整界面的应用，而是“Model + Agent Harness + 按需生成的人类审阅层”的架构，GUI只在人类需要决策时临时生成[11] 旧范式的漫长熊市 - 每次技术平台迁移，赢家通常是从零开始、为新范式重新设计产品和组织的公司，而非旧范式渐进迁移的领先者[12][13] - 旧范式领先者（如诺基亚、雅虎、IBM）往往被过去的成功经验（best practice）所牵绊，其产品DNA可能与新范式互斥[13] - OpenAI的约8亿用户可能成为其转向Agent范式的战略包袱，使其在关键产品选择上可能慢半拍，而Anthropic没有此包袱，可将Claude Code做成纯CLI、纯Agent-native的产品[14] To Agent：一个新物种加入了经济系统 - Agent作为一个新物种加入了经济系统，它本身成为生产者和消费者，商业逻辑的主体发生了物种替换[15][16] - 生产侧已发生剧变，边际生产成本将无限降低[16] - Anthropic在2026年2-3月的52天内发布了70多个产品功能，速度是互联网时代未有的[16] - OpenAI展示过内部全程用Agent编写（“no manual code”）的项目[16] - 一家100人公司的产出可能对标过去1000人公司的体量[16] - 消费侧是生产侧的自然延伸，围绕Agent作为新消费者，一整套基础设施正在被重写[17] - Stripe和Tempo联合发布Machine Payments Protocol，让Agent自主完成支付[17] - Cloudflare在Bot Management中新增AI bot分类，可针对AI Agent流量设置不同策略[17] - 生产与消费均由Agent完成，形成了一个生产者和消费者同时是非人类的、可能更高效的双边市场闭环[17] Agent = Model + Harness - Agent Harness代表了Agent中除模型外的所有组件，其产品化（如Anthropic的Managed Agents beta）具有重要战略意义[18] - Agent商业模式正从单纯的token定价，转向接近AWS的云平台模式，通过管理Agent定义、状态、记忆等来构建高切换成本的生态护城河[18] - 2026年最好的Harness比2023年的LangChain等更薄，核心Agent Loop可能只有几十行代码，配套工程（上下文压缩、多Agent协调等）才是其真正厚度[19] 看好的投资方向 - **Runtime层（Agent Infra）**：需要为Agent重做基础设施，以支持其原生需求，如per-agent状态隔离、Fork/Snapshot、Durable Execution等，而非沿用为人类设计的传统沙盒/虚拟机[20][21] - **Context层（Vertical Harness）**：在垂直领域（如医疗、法律、金融）将行业知识（know-how）做到极致的Harness，因为通用Harness和模型公司无法覆盖所有深度，未来所有领域的数据和工具都需要一个To Agent的版本[20][22][23] - **Orchestration层**：一切把Agent当作一等公民的基础设施，特别是**Agent Identity**（解决身份、授权、责任问题）和**Agent Payment**（让Agent成为规模化消费者）相关领域，协议层之上存在应用层创业机会[23][24]