Table of Contents
11月6日,工信部发布了一份《关于加强智能体终端设备进网管理的通知》,里面有一条规定很值得琢磨:应用开发者应当主动声明是否同意智能体调用,未经声明同意,终端上的智能体不得强制调用。简单的一句话,其实把过去大半年行业里暗流涌动的矛盾摆到了台面上。大家平时畅想AI Agent,总觉得以后订机票、买东西、点外卖,只要跟手机说一声就行;但真到了AI要替你跨App去把事情办完的时候,迎头撞上的第一道坎,往往不是模型够不够聪明,而是应用授权与平台边界。
我从1999年进入互联网行业,算是一路看着中国的互联网平台怎么把用户、数据和交易一步步留在各自生态里的。过去二十多年,这套围绕超级App建立围墙花园的做法非常成功,谁能把用户留在自己的App里,谁就能掌握流量分配和商业变现的主动权。但现在AI开始改变用户调用服务的方式,过去保护平台利益的那套商业逻辑,反而成了今天最拧巴的地方。
用户不再逐个找App,平台的入口价值就会改变
拿我自己的习惯来说,以前去日本旅行,订酒店往往会先打开携程或者飞猪比价,买出行装备会在淘宝、京东、拼多多之间来回看,到了当地找吃的再去翻大众点评或者地图软件上的评价。在这个过程里,每一个平台都通过搜索、推荐、广告和交易闭环来赚钱,也借此把用户的注意力和消费决策过程牢牢攥在自己手里。那时候用户的操作路径是围绕一个个App展开的,你得先想清楚这件事情归哪个应用管,点进去,再顺着平台设计好的页面一步步往下走。
但Agent带来的变化是,用户可能越来越不关心自己应该先打开哪个App了。他更自然的反应是直接跟AI说:“帮我找一家福冈交通方便、价格合适的酒店,顺便再比一下那几天的往返航班。”至于后面怎么拆解任务、去哪几个平台查实时房态和票价、怎么比对退改签规则,全由AI在后台调用服务完成,直到最后需要付钱或者拍板的时候,再拉用户过来确认一下。对用户来说,他在意的是这件事办没办妥,至于中间经过了几个平台、看了几页商品列表,其实没那么重要。
这已经不是停留在概念演示里的设想了。今年1月,阿里宣布千问App接入淘宝、淘宝闪购、支付宝、飞猪和高德等服务并开启公测;到了5月,又进一步把淘宝完整的商品目录连进千问,让用户直接用自然语言去浏览、比价和下单。这至少说明,在一家巨头自己的生态内部,用AI把原本分散在好几个App里的服务收拢成一个统一入口,技术与产品上都已经跑通了。
想明白这一层,也就很容易理解为什么没有一家互联网巨头敢错过AI助手。哪怕最后的交易履约依然落在原来的电商或出行平台上,只要前面的商品发现、品牌筛选和比价建议越来越多由Agent代劳,原本握在平台手里的搜索排名、信息流广告和首页推荐位,价值就会被大大稀释。平台当然不会因为AI出现就一夜消失,那些商家供给和履约网络还在,但它未必还能像过去那样,天然独占用户做决定的那个起点。
过去保护平台利益的围墙,挡住了通用Agent
既然在自有生态里已经能跑通,为什么到了真正贴近用户的个人智能体这里,反而处处受限?问题就出在“跨平台”这一步。阿里当然愿意让千问去调用自家的淘宝、飞猪和支付宝,字节也可以顺畅地围绕豆包把自家的信息流、内容和电商能力串起来,但普通用户的真实需求,从来不会恰好长在某一家公司的业务边界里面。光是安排一次出门旅行,往往就得同时横跨航空公司的直销渠道、不同系的OTA平台、餐饮点评工具以及不同的支付方式。
站在用户的角度看,让AI助手跨App去比价、填单、走完流程,是一件再顺理成章不过的事。可一旦换到平台经营者的位置上,这笔账就没法这么算了。一家平台花十几年时间做重投入,把商家、商品库、风控支付、骑手和售后体系搭起来,核心诉求就是让用户留在自己的场域里逛、在这里做选择。如果现在变成竞争对手的Agent直接在前端接管了用户意图,把底下的平台当成一个默默供货和履约的管道,那平台就算最后拿到了这笔订单,也会丢掉最值钱的用户关系、交互数据和广告曝光机会,甚至连这单生意到底是怎么促成的归因能力都会被削弱。正因如此,当一些终端厂商或第三方助手尝试通过识别屏幕、模拟点击的方式跨App执行任务时,微信、淘宝、支付宝、美团、小红书等上百款高频应用纷纷选择声明拒绝自动化操作。
当然,我也并不认为平台对外部Agent保持警惕,全部都是出于守住流量地盘的私心。让一个外部AI直接去操作或调用用户的账户,一旦涉及支付扣款、身份认证和个人隐私读取,里面的安全风险是实实在在的。万一AI看错了页面条件定错了票,或者被恶意诱导触发了转账,责任算终端的、模型提供方的,还是App开发者的?工信部在11月的通知里把“主动声明同意”作为前提,其实也是在给行业划定安全底线。无论是用户授权的颗粒度,还是出事后的安全责任边界,确实都没法靠“技术上先强行打通再说”来糊弄过去。
只是把安全与合规的要求摆在桌面上之后,底下的商业利益博弈依然绕不开。大家都希望自己的Agent能顺畅地去调用全网的服务,但真要让自己交出同等深度的接口或操作权限给竞争对手,谁都会犹豫。如果这种状态一直持续下去,中国市场很可能会出现好几个能在各自地盘里干得不错的局部AI入口,但用户真正期待的那个能打通所有高频生活场景的通用Personal Agent,反而很难自然长出来。要跨过这道坎,光靠把大模型的推理和规划能力做得更强是不够的,背后还得有一套让各方都能接受的标准接口、授权机制、利益分成以及责任认定规则。

从流量生意走向AI服务,成本也要重新计算
除了入口归属和生态围墙之外,还有一个经常被热闹的入口之争掩盖掉的变化,就是这门生意的成本结构变了。过去做互联网平台,不管是做社交、内容还是电商撮合,软件研发和服务器固然要花钱,但一旦用户规模上来,边际上的软件分发成本是能被迅速摊薄的。虽然线下物流、履约和拉新营销依然很重,但平台最擅长的就是靠网络效应把规模做大,再用高毛利的广告和佣金把账算平。
到了AI这里,账本的算法不太一样了。大模型不光在训练阶段要砸下巨额的前期投入,等产品真正推向用户之后,用户的每一次提问、每一段内容生成,尤其是Agent在后台执行的每一步拆解和调用,都在持续消耗实打实的算力资源。看一眼巨头最近的财报就能感受到这种投入的份量:阿里公布的2026年6月季度资本性支出达到了676.78亿元人民币,同比增长75%,公司在解释增长原因时,直接把它跟AI基础设施投入及算力需求挂上了钩。这意味着AI早就不是实验室里的一项前瞻技术预算,而是已经开始重塑巨头整体的资本配置了。
在这个问题上,我并不赞同那种“Token成本一定会随着用户量线性暴涨,所以AI生意根本没有规模效应”的绝对化说法。毕竟过去两年我们也看到,推理框架的优化、缓存机制(Prompt Caching)的普及、大小模型的混合路由选择,再加上底层芯片效率的提升,都在把单次调用的单位成本往下降。但问题在于,当AI从“一问一答的聊天框”变成“替你办事的Agent”时,任务本身的复杂度被成倍放大了。为了让一个任务真正落地,Agent往往得在后台反复搜索、调用多个工具、校验返回结果,遇到页面报错或者接口超时还得自己换条路径重试。这样跑完一整个流程消耗掉的推理资源,可能比单纯回答一个问题高出好几个数量级。这时候我们就不能只盯着日活用户数或者总调用量看,而必须去算清楚:AI帮用户跑完这一次任务,到底创造了多少可以变现的商业价值。
Epoch AI在今年10月发布的一份研究里,给出过一组很有启发的数据对照:MiniMax旗下的消费级AI应用在2025年前九个月的毛利率只有4.7%,而同一时期它的开放平台及企业服务毛利率却达到了69.4%。当然,单家公司的数据跟它的产品形态、获客策略和定价阶段有关,不能直接套到所有消费级AI或综合性大平台上,但这个巨大的反差至少把一个现实挑明了——在AI时代,用户多、调用频繁,并不自动等于能赚到钱。
对互联网巨头来说,它们手里固然比创业公司多一张牌:大模型本身未必需要单独去挣最多的利润,只要能带动底下的云计算消耗、提升原有的广告转化率,或者促成更多的电商与本地生活交易,这笔账在集团层面就有可能算得过来。可即便如此,这些间接收益增长的速度,到底能不能跑赢持续膨胀的模型研发与算力基建折旧,依然是一个需要长期验证的问题。说到底,AI商业化绕了一大圈,最后还是得回到那个最朴素的商业常识上:你替用户办成这一件事所产生的真实价值,究竟能不能盖过办成这件事所付出的成本?
Palantir提供的另一种思路:让AI进入真实业务
如果消费级通用入口既要撞上生态围墙,又要面对高昂的推理成本考验,那AI真正能稳稳收回成本、甚至卖出高溢价的地方在哪里?结合我自己过去两年在AI落地上的折腾,我的感受是,大家对编程辅助和通用办公工具的关注度很高,写代码、改文档、整理会议纪要、出分析报告,AI确实已经做得相当成熟了;但如果只盯着这些外围提效工具去畅想市场空间,很可能反而低估了AI真正扎进企业核心业务流程之后的价值。
我之前做过一个尝试,把DeepSeek Harness接入到真实的生产环境里,让它直接连上Elasticsearch日志系统、业务数据库和只读代码仓库,去协助排查线上故障。有一次系统出现第三方即时通信回调验签失败的报错,过去遇到这种偶发问题,工程师往往得在日志、代码逻辑和外部文档之间来回翻找半天;那次AI顺着调用链把日志特征、代码里的验签逻辑和系统状态关联起来比对,最后定位出根源其实是服务器时间出现了微小偏差。这段经历让我对Agent的看法发生了一点变化:决定它值不值钱的关键,往往不在于它在对话框里回答得有多快、文笔有多好,而在于它能不能安全地连进真实的业务系统,把分散的数据和规则串起来,实实在在地推动一个具体问题得到解决。
往其它行业看也是同样的道理。不管是在酒店行业的动态收益管理、医院的日常运营调度,还是制造业复杂的供应链协同里,真正核心的业务动作背后,都盘根错节地交织着实时数据、行业规则、历史经验和严格的权限控制。在这些场景里,一个能够实时发现数据异常、顺藤摸瓜查明原因,并且在授权范围内直接触发下一步业务动作的Agent,显然比一个只会生成漂亮PPT或周报的办公助手,更具备让企业持续掏钱付费的价值。
这也是我一直很关注Palantir这家公司的原因。外界谈论Palantir,经常会提到它那批被称为FDE(前线部署工程师)的团队——这些人直接驻扎到客户现场,去啃那些最泥泞、最不标准的真实业务流,然后再把现场摸清的业务需求和逻辑,反哺沉淀到Foundry、Ontology(本体层)和AIP等产品体系里。在今年第三季度的财报里,Palantir披露其美国商业业务收入达到了9.84亿美元,同比增长148%。这样一个增长数字,当然不能简单粗暴地全部归功于FDE模式或者某一项AI功能,但它至少证明了一件事:不靠C端流量补贴,而是围绕企业最复杂的核心业务去构建可持续的软件与AI服务,在商业上是一条已经被市场验证过、而且能跑出极高增长的路径。
不过看Palantir的经验,有一点必须分清楚:FDE的价值绝不在于把公司做成一家靠人头堆项目的软件外包商。如果每进一家新客户,都得靠工程师从头写一套定制代码,那规模化依然无从谈起。Palantir真正有启发的地方,是它能把在客户现场踩过的坑、梳理出来的共性业务逻辑,抽象并沉淀成可复用的平台能力与数据本体。反观国内,像阿里云、钉钉、飞书和企业微信,其实手里都攒下了相当扎实的企业客户基础和协同入口,只是它们目前大量的能力还停留在提供沟通工具、云资源或者浅层的办公流程自动化上,距离真正深潜到客户的核心业务执行层里去替企业解决经营问题,中间还有一段不小的路要走。
巨头并非没有机会,但需要重新考虑自己卖什么
把消费端的围墙和企业端的深水区放在一起看,我并不认为中国的互联网巨头会在AI时代失去优势。恰恰相反,阿里手里的云计算、商品供给和支付体系,腾讯沉淀的社交关系链与企业连接能力,字节在内容分发、大模型研发和飞书协作上的积累,单独拎出来依然是这个市场上最稀缺的资产。在未来的AI图景里,这些巨头既可以把自己变成底层不可或缺、供各类Agent调用的服务网络,也可以在各自最擅长的垂直领域里做出好用的AI入口,或者往深处走,去帮企业客户把核心业务的AI化做透。
但前提是,大家得想明白过去那套“画地为牢”的做法还能不能原封不动地搬到今天。如果每一家巨头打的算盘都是:先让用户必须从我家的AI入口进来,进来之后又尽量只调用我自己生态里的服务,同时把别的AI挡在门外,那么所谓的通用Agent到头来很容易又重演一遍移动互联网时代的生态割裂。反过来说,呼吁开放也不能变成一句空洞的道德口号,没人会单方面放弃自己辛苦建起来的商业利益去替别人做嫁衣。真正可行的出路,大概率要靠行业慢慢摸索出一套可信的用户授权机制、标准化的服务调用接口,以及清晰透明的交易分成与安全责任界定——只有让提供底层服务和履约能力的平台也能在被Agent调用的过程中分到合理的收益、规避掉不该背的黑锅,不同生态之间的合作才有可能真正转起来。
从1999年算起,过去二十多年里,几乎所有互联网平台的产品设计和商业模式,核心目标都是想方设法让用户在自己的App里“留下来”;而现在,用户开始希望AI能跨过这些繁琐的界面,直接替自己把事情“办完”。当工信部的进网管理新规开始把智能体调用的授权与边界写进制度里,留给巨头们思考的问题其实已经很明确了:当年一砖一瓦筑起的生态围墙未必需要、也不可能在一夜之间全部推倒,但如果这道墙最终挡住的是用户授权AI去完成任务的合理需求,那么巨头们就必须重新掏出算盘,仔细算一算守住这道旧墙带来的收益和代价。
毕竟到了AI时代,最值得争夺的可能不再只是用户每天从哪个图标点进互联网,而是当用户交出一个具体任务时,究竟谁能调动起足够的资源把它可靠地办妥,并且从完成任务的真实价值里拿到属于自己的那份回报。
中国互联网巨头在AI时代最大的麻烦,可能是自己筑起的墙 Share on X