AI 的「壓路機效應」和軟體「作坊化」是智能體互聯網的前奏

最近這一個多月發生了一些很有意思的事情。

8 月 11 日，SpaceX 發布 AI 智能體（agent）應用 Grok Bot。這是一個在自己的雲端電腦上全天候幹活的"AI 同事"。

9 月 8 日，Meta 推出個人智能體應用 Muse。它能打開瀏覽器、填表單、替用戶討價還價，上線十天登上美國 App Store 榜首，並引發了一輪對傳統網路中介平台公司的拋售，比如 Expedia、Airbnb、Booking 三家在線旅遊股連日暴跌。

同在 9 月 22 日，做 Claude 的 Anthropic 發布新模型 Opus 5.5，不久前，做 ChatGPT 的 OpenAI 推出 GPT-6 的兩個新版本，價格都降到前代的一半。

9 月中旬，全球最大的 SaaS 軟體公司之一 Salesforce 開年度大會，負責應用業務的總裁 Patrick Stokes 說，AI 會把軟體介面拆開，然後取代它。

這些事來自不同的公司和行業，集中在兩個月裡發生，看上去左一刀右一刀，但底下是同一件事：能替人辦事的 AI 智能體，開始替人跟軟體和互聯網打交道。新一代互聯網的模樣呼之欲出。

一、壓路機效應

一位 AI 孵化器的負責人跟我說，過去一年以來 AI 創業者最大的如夢方醒，就是發現原來 AI 跟互聯網和區塊鏈都不一樣，是極致中心化、極速中心化的賽場，初創企業生存期極短，必須求快、求賣，毫不猶豫地趕在被巨頭碾死之前找到買家，套現離場。至於自己做大的夢想，想都不要想。

這就是壓路機前方小草們的心態。

"壓路機效應"是很多 AI 創業者焦慮的來源。前沿模型每推進一步，就會毫不知情地把一批創業公司碾碎。幾家上市公司至少還能用股價的暴跌長歌當哭，幾百上千個小團隊的瞬間歸零則無人知曉。

先看錢。美國創投數據機構 PitchBook 統計，2026 年上半年全球 AI 風險投資創了紀錄，一半以上流向 OpenAI 和 Anthropic 兩家。這像一場幾千桌的酒席，一半的菜上了主桌，主桌只坐兩個人。

再看具體的公司。谷歌有一款 AI 筆記產品叫 NotebookLM，用戶把文件和網頁放進去，它把內容變成播客式的音頻講解，2024 年在網上走紅。它的負責人 Raiza Martin 帶著兩位同事離開谷歌，做了一款 AI 播客應用 Huxe，根據用戶的郵件和日曆生成每日音頻簡報，谷歌首席科學家 Jeff Dean 投了錢。

今年 5 月 21 日，全球最大的音樂流媒體平台 Spotify 做了一個更新，包含了相近的功能。5 月 22 日，Huxe 宣布關停。

上市公司也一樣。2 月，Anthropic 給 Claude 發布了一組法律、金融等行業插件。路透社的母公司 Thomson Reuters 靠賣法律、稅務和會計信息為生，股價當天跌了 15% 以上。

Claude 發布 Opus 5.5 模型之後，一大批的用戶在推特上發布他們用簡單的提示詞做出來的精美視頻，歡呼雀躍，而此前在視頻 AI 製作領域苦心孤詣了無數不眠之夜的團隊只能頹然地面對螢幕無聲哭泣。

天地不仁，以萬物為芻狗。OpenAI、Anthropic 這些巨頭不是要跟你過不去，他們對你毫無敵意，完全沒有要跟你競爭的意圖，甚至根本不知道你的存在，只是順勢前行，然後你就灰飛煙滅。

那句爛梗怎麼說的來著？消滅你，與你無關。

二、軟體經濟的作坊化

今年 2 月，Claude Opus 4.6 發布。在這個模型的支持之下，Claude Code 一下子就強到讓完全不會寫代碼的人，也突然覺得自己的技術夢還能再搶救一把。

做軟體的人越來越多。有個叫 Lovable 的 AI 平台，讓不會編程的人用聊天的方式做出網站和應用，它自己說，平台每週新增 100 萬個項目，用戶主要是半行代碼都不會寫的編程素人。

另一邊，賣軟體的日子不好過。追蹤美國軟體股的主要指數基金，今年一季度跌了 24% 以上，是 2008 年金融危機以來最差的一个季度。股價是預期，裡面也有高利率的因素，不等於需求已經萎縮。9 月挨砸的換成了互聯網中介，市場在給賣給人用的軟體重新定價。

我把這叫作軟體經濟的"作坊化"。工業革命把紡紗織布從家庭搬進工廠，AI 正在把寫軟體從工廠搬回家庭。每個人、每家小公司都能給自己開一間軟體作坊。

以前開一家小店，要一套庫存系統，得找外包公司談需求、簽合同、等工期，現在對著電腦說幾句話，快的話一個下午能搭出雛形。客戶管理、人事排班這類內部工具也一樣。

這些作坊裡能長出下一個大公司嗎？很難。作坊的問題是孤立，作坊越多越明顯。小國寡民，雞犬之聲相聞，民至老死不相往來。老子把這當作理想，放在軟體上是困境：我用不上你的產品，你也別想碰我的數據，作坊裡做出來的東西只能自己用。

做軟體的人從來沒有這麼多，賣軟體的人從來沒有這麼難。

三、智能體的互聯網

AI 這邊極度中心化，軟體那邊反而走向分散。冰火兩重天，但其實是一體兩面。正是因為你 AI 的能力不斷加強，把軟體的空間給擠壓了。

現在還只是個開始，人們還拿 AI 去開發軟體，然後再用軟體。再往前走幾步，連軟體都不需要了，用戶直接跟 AI Agent 互動，解決一切問題。

Muse 是目前最清楚的雛形。

Meta 在雲端給每個用戶分配一台虛擬電腦，Muse 在這台電腦上幹活。用戶關掉 App，它繼續幹，辦完或者需要批准時再通知用戶；對方有介面，它通過連接器直接調用；沒有介面的，它打開瀏覽器，像人一樣一頁頁操作。

填表、比價、談價，原來要用戶自己做的事，交給了它。

它現在還做不好。美國支付媒體 PYMNTS 讓它辦三件事：在亞馬遜補貨衛生紙，訂一份達美樂披薩，訂一家餐廳的位子。三件都沒辦成，測評者說，一件人 30 秒能辦完的事，它反而多加了一層管理。

但咱們要看的是方向。這和過去用 App 有什麼不同？過去訂一張機票，要自己打開幾個旅遊網站，一家家比價，一格格填姓名和證件號。以後跟 Muse 說一句，下個月去東京，找最便宜的直飛，剩下的由它去辦。

用戶第一次只對一個 Agent 說話，由它去跟整個互聯網打交道。App 和網站退到了後台。

這不僅僅是人們使用互聯網的互動方式的變化，這是互聯網本身的又一次升級。

放到互聯網的歷史裡看：Web 1.0 連接的是文檔，是文檔的互聯網，人去讀；Web 2.0 連接的是應用和服務，是應用的互聯網，人去用。Web 3.0 連接什麼？

Web 3.0 這個詞二十多年來有過幾種說法。萬維網的發明者 Berners-Lee 在 2001 年系統闡述了"語義網"，要給網頁貼上機器能讀懂的標籤。區塊鏈圈提出過"價值互聯網"，要讓錢和資產像信息一樣在網上流動。兩種說法都描述了特徵，都沒說出形態。

現在清楚了，Web 3.0 的形態是智能體的互聯網。Agent 替人去讀、去用、去談，一個 Agent 替人跟這幾百個 App、幾千個 API 打交道。人的體驗不再重要，Agent 覺得好才是真的好，然後它好我也好。過去二十年，產品經理和設計師圍繞人的體驗做產品，比的是介面和操作。往後，產品要寫給 Agent 看，比的是介面清楚、數據乾淨、條款可讀。

Salesforce 推出一套沒有介面的工具包，通過 MCP 和 API 把整個平台開放給 Agent，還把自家功能直接裝進了 Claude。一家靠介面賣軟體的公司，自己把介面拆了。

在線旅遊平台 Expedia 的 CEO 把公司的新策略概括為，要"出現在所有 Agent 所在的地方"。旅遊平台過去要把人拉到自己的網站上，現在要到 Agent 那裡去。

這對誰是壞消息？華爾街在給"消費者惰性"重新定價。很多生意靠的是顧客懶得比價、懶得換 App、懶得打電話砍價。Agent 不嫌麻煩，這些事它都會做。所以市場拋售這種生意。

連 Meta 自己都要轉型。這家公司靠賣用戶的注意力起家，收入主要來自廣告。Agent 不看廣告，也不刷信息流，扎克伯格給 Muse 找的收入來源，是從交易裡抽一小筆費用。

三十年前，網站開始為搜索引擎做優化，後來成了一門生意。這一次要適應的對象，從一台排序的機器換成了一個替主人做決定的 Agent。Agent 看不懂的產品，等於不存在；Agent 看得懂、用得順的產品，才能拿到生意。作坊裡做出來的能力也一樣，Agent 看不懂，就賣不出去。

美國科技分析師 Ben Thompson 說，Agent 會成為"終極守門人"。誰控制 Agent，誰就控制用戶的需求。

另一件一定會發生的事情就是區塊鏈支付和通證經濟。Agent 之間交換價值，金額小，次數多，對手陌生，付不付、付多少由程序當場決定，沒有人過目。刷卡每筆收 2.9% 加 30 美分，付 1 美分要付 30 倍的手續費，卡網路做不了這類交易。

Visa 自己的研究也承認卡做不了這一塊，把機器之間的微支付劃給了穩定幣。穩定幣是一種通常與美元一比一掛鉤、在區塊鏈上流通的數字貨幣，總量已超過三千億美元。

我的判斷是，基於區塊鏈的數字支付與通證經濟，也就是用鏈上憑證來計價、結算和分配收益的一套安排，是智能體互聯網必不可少的基本要素。

我一直記得 2018 年在數字資產研究院的一次會議上，朱嘉明老師說，長期來看，區塊鏈不是給人用的，是給 AI 用的。我當時就覺得這話很對，但是想不明白 AI 怎麼用。現在清楚了。

四、"AI 智能體友好"型工作

AI 對工作崗位的衝擊，一直是一個熱鍋上的話題。到底在 AI 時代，什麼樣的人才能夠長期可持續生存和發展？或者說得再直白一點，什麼工作能夠免於被壓路機碾碎？

必須是與 AI 智能體友好協作的工作。

大模型公司裡的頂尖 AI 科學家當然是，但是這種人數量極少，門檻極高，對大多數人不具有 accessibility。

前一段時間很火的前端部署工程師（FDE），似乎也快速地熄火了。大家很快發現這不過是駐場外包的一種時髦稱呼，最關鍵的是，往往還是一次性的。各種想像當中的 AI 企業解決方案，衝過去一做，發現數據質量太差，部署的企業內 AI 就跟村裡的二傻子一樣，只好從底層數據開始重新梳理，可這不是數據工程該做的事情嗎？結果 FDE 變成了 Fooled Data Engineer，被愚弄的數據工程師。這破工作誰愛做誰做。

現在當紅的是基於 AI 模型做產品的 AI 工程師和用 AI 輔助開發傳統軟體的 AI-Assistant Developer。但是如果 AI Agent 擠壓軟體、互聯網走向智能體這兩個判斷是對的，那麼這兩種工作崗位也會轉型。過去為人做產品，往後越來越多是為 Agent 做。過去為搜索引擎優化，未來為 Agent 優化。

還有一種工作是更為普遍的，便是 AI 智能體組織的管理。

智能體強到一定程度，連軟體都不用開發了，你只要能把它管好，能對它提要求，並且在關鍵的環節上做判斷、做決策，就能夠完成絕大多數的工作。但這還遠遠不夠，未來你要能夠設計和組織幾個、幾十個、幾百個甚至幾千個智能體，把它們組織成為高效強悍的軍團，設計高效的流程，確保安全，管控費用開支和 Token 預算，並且有效評估表現和持續改進，然後去跟你競爭對手的同等規模的智能體軍團競爭和戰鬥。

比如一家公司的採購 Agent，要同時跟一千家供應商的銷售 Agent 談價，對面的 Agent 同樣聰明。勝負取決於這一邊怎麼分工、授權、追責。管理要變成工程，權限、邊界、激勵、審計，都要能訓練、能度量。這是一門新的管理學，也是一種新的系統工程學。

康威定律說，設計系統的組織，最終會做出一個複製自身溝通結構的系統。到了 Agent 時代，組織的成員就是 Agent，系統和組織合為一體。組織是什麼樣，Agent 系統就什麼樣，設計 Agent 系統就是設計組織。

這個事不是個別人的空想。微軟在年度職場趨勢報告裡說，人人都將成為 Agent 的老闆；英偉達 CEO 黃仁勳說，IT 部門將成為 AI Agent 的 HR 部門。

所以，在智能體互聯網裡最有價值的工作，一是能夠為 Agent 做產品和服務的 AI 工程師，二是能指揮一千個 Agent 打贏另外一千個 Agent 的軍團長。