夏木KRIS

过去二十年，整个互联网行业几乎都在做同一件事：让人类更方便地操作软件。
Google 解决信息检索，Amazon 解决线上购物，Uber 解决交通调度，Salesforce 解决客户关系管理。各种 SaaS 产品则覆盖了企业内部的财务、人事、营销和项目管理。
这些产品有一个共同的底层前提：人类是软件的主要操作主体。 因此，软件公司需要不断优化用户界面、降低操作门槛、改善交互体验，再通过订阅、广告或者交易佣金获取收入。
但 AI Agent 的出现，正在改变这个前提。当智能体能够理解任务、调用外部工具、访问数据库、执行程序，并在授权范围内完成交易时，人类就不再需要亲自操作每一个软件。
这不只是交互方式的变化。当软件的主要操作主体逐渐从人类转向智能体，过去二十年围绕流量、用户留存和软件订阅建立的商业模式，都可能面临重新定价。
未来最有价值的软件，未必拥有最多的人类用户，而可能是被最多智能体持续调用的服务。
一、2,340 亿美元的 SaaS 支出，正在面临重新定价
2026 年 7 月，Gartner 发布了一项值得软件行业重视的预测：到 2030 年，智能体 AI 可能影响高达 2,340 亿美元的企业应用软件支出，约占届时企业应用 SaaS 支出的 20%。
Gartner 将这种现象称为 Agentic Arbitrage（智能体套利），指的是智能体通过跨系统执行任务，减少企业对传统软件操作界面及相应用户席位的依赖。
过去，一家拥有 1,000 名员工的企业，可能需要为 CRM、ERP、项目管理和商业智能系统购买大量软件授权。但如果未来一部分工作能够交给智能体完成，企业就不一定需要为每个执行环节配置独立的人类操作席位。
以销售流程为例。过去销售人员需要手动录入客户信息、更新 CRM、生成报价、发送邮件，再将成交数据同步到财务系统。现在，这些步骤已经可以通过 API 和自动化工具串联起来。未来进一步发展的方向，是让智能体根据业务目标，自行判断需要调用哪些系统、执行哪些操作。
CRM 和 ERP 不会因此失去价值。客户资料、订单记录、库存数据和财务账本仍然需要可靠的系统保存，但企业未必还需要那么多员工每天打开这些系统，逐项完成操作。
这会直接影响传统 SaaS 的 Seat-based Pricing，也就是按照用户席位收费的商业模式。过去软件公司收入增长的重要来源，是客户企业增加员工和软件账号。未来企业可能减少部分人类操作席位，同时增加 API 调用、自动化任务和智能体执行预算。
软件厂商的收入模型，也可能从按人头收费，逐渐转向按调用量、工作流程和任务结果收费。
软件的价值没有消失，但衡量价值的方式可能发生改变。
二、Google 和 Anthropic 正在建立智能体之间的通信标准
判断一项技术是否真正进入产业落地阶段，我通常不会只看模型展示了多少新能力，而是看企业是否开始投入资源建立共同的技术标准。
2025 年，Google 推出了 Agent2Agent Protocol（A2A）。2026 年 4 月，Linux Foundation 宣布，A2A 已获得超过 150 家组织支持，包括 Google、Microsoft、AWS、Salesforce、SAP 和 ServiceNow 等企业。
A2A 的目标，是让不同开发框架、不同厂商部署的智能体能够相互发现、通信、委派任务并交换结果。
与此同时，Anthropic 最初推出的 Model Context Protocol（MCP），正在解决另一类问题：让 AI 系统通过标准化接口连接外部工具和数据来源。
两者的定位并不相同。MCP 主要解决 Agent-to-Tool，也就是智能体如何调用工具；A2A 主要解决 Agent-to-Agent，也就是不同智能体如何协作。
这两套协议的发展，意味着未来的软件系统，不一定需要通过人类界面完成交互。
假设一家跨国企业需要采购一批服务器。采购智能体可以先获取库存和预算信息，再向供应商智能体请求报价，调用物流服务计算交付时间，最后由财务系统检查付款权限。
其中每个步骤，都可能由不同企业开发的系统完成。过去，企业需要大量定制接口和人工协调。现在，行业正在尝试通过标准化协议降低跨系统协作的成本。
当然，协议统一不代表所有系统已经能够无障碍互通。身份认证、权限管理、数据格式和错误处理仍然需要额外建设，但从技术发展方向来看，软件已经开始为非人类调用者设计通信方式。
过去我们开发 API，主要是为了让不同软件能够交换数据。未来这些接口可能进一步成为智能体自主执行任务、协调资源和购买服务的基础。
三、Stripe 开始让智能体直接支付，机器正在成为新的消费主体
2026 年，Stripe 与 Tempo 联合推出 Machine Payments Protocol（MPP），目标是让智能体能够直接为 API、数据和其他数字资源付款。
传统互联网的支付流程主要面向人类。用户注册账号、选择套餐、填写付款信息，再确认购买。但智能体在执行任务时，可能只需要调用一次接口。
例如，一个金融研究智能体为了分析某个资产，需要临时购买三项服务：实时市场数据、链上资金流向和历史波动率数据。
假设每项服务的单次调用价格分别为 0.003、0.005 和 0.002 美元。如果按照传统信用卡支付模式，固定手续费可能超过服务本身的价格。而 MPP、x402 等机器支付协议，正在尝试让这种小额、按次付费的交易变得可行。
Visa 与 Artemis 在 2026 年发布的研究，也开始通过实际链上交易观察机器支付的发展。相关早期统计显示，MPP 推出后的最初几周已处理约 11.5 万笔交易，结算金额约 2.5 万美元，平均每笔交易约 0.22 美元。
这些数据仍需要结合统计口径、交易性质和实际生产环境使用情况判断，不能直接等同于真实商业需求已经形成规模。但其中反映的支付模式值得研究。
过去数字服务往往采用月费或年费，因为向单个用户收取几厘钱并不经济。未来，如果智能体能够以较低的成本完成支付，数据服务商就有机会按照每次查询、每次计算、每次执行收费。
一家没有消费者 App 的公司，也可以直接向智能体出售专业 API 服务，而不必先建立面向普通用户的流量渠道。
对于加密行业而言，这可能带来新的稳定币支付需求。不过，稳定币并不是唯一选择。Stripe、Visa 等公司也在探索银行卡凭证、支付授权和多种结算方式。
机器支付最终能否普及，取决于成本、速度、监管合规、退款机制和实际业务需求，而不是单纯取决于使用哪条区块链。
未来稳定币的重要使用者之一，可能不是人类，而是获得授权、能够自主购买数字服务的智能体。
四、下一代互联网，可能不再需要那么多面向人类的入口
移动互联网时代，企业争夺的是用户注意力。应用商店排名、搜索引擎流量、广告投放、用户留存、DAU 和 MAU，构成了大量互联网产品的增长体系。
但智能体的行为模式与人类不同。人类购买一项服务，可能受到品牌、广告、页面设计和使用习惯影响。智能体在执行任务时，则可以根据预设条件比较服务。
例如，某个智能体需要购买一项实时数据服务，它的选择条件可能是：
数据延迟低于 500 毫秒。
过去 30 天可用率超过 99.9%。
单次调用价格低于 0.01 美元。
提供可验证的数据来源。
支持标准化 API。
如果多个服务商都满足条件，智能体可以进一步比较价格、响应速度、历史错误率和服务权限。
在这种场景下，用户界面的设计对机器调用几乎没有直接价值。服务稳定性、数据质量、调用成本和机器可读取的接口说明，反而成为更重要的竞争指标。
当然，品牌和信誉不会完全消失。企业仍然可能要求智能体优先选择经过认证的供应商，或者只能调用符合内部安全政策的服务。
但未来软件的分发方式，可能出现明显分化。一套继续服务人类，通过 App、网站、搜索和社交媒体获取用户；另一套服务智能体，通过 API、协议、服务注册中心和机器可读取的能力描述获取调用。
两套体系会长期共存，但商业逻辑并不完全相同。过去开发者需要考虑如何让用户找到自己的 App。未来还需要考虑如何让智能体发现自己的服务，以及如何证明它比其他服务更可靠。
这让我开始思考一个问题：
如果未来智能体能够自主发现、比较和购买服务，那么谁来控制这些服务的分发入口？
过去 Google 掌握搜索入口，Apple 掌握 App Store，Microsoft 掌握大量企业办公入口。但在智能体经济中，服务的选择可能发生在模型、智能体运行平台、企业授权系统和服务发现网络之间。
这些系统不仅决定智能体能找到什么服务，还可能影响它优先调用哪一家供应商。
如果这种分发体系逐渐成熟，下一代互联网的入口竞争，就不一定只发生在浏览器和应用商店之间。
五、未来的软件公司，可能根本没有面向普通人的产品
如果未来大量任务由智能体完成，那么围绕智能体运行所需要的基础设施，就可能出现新的创业机会。
其中值得研究的，不是再开发一个聊天机器人，而是解决智能体之间的实际协作问题。
首先是身份与授权（Agent Identity & Authorization）。
当一家企业部署数百个智能体时，不同智能体必须拥有不同权限。采购智能体可以购买软件，但不能转移公司全部资金。财务智能体可以支付账单，但必须受到预算、收款方和审批规则限制。
这意味着智能体需要可验证的身份、明确的授权范围、权限撤销机制，以及完整的操作审计。尤其在金融和企业采购场景中，智能体能够执行操作，不代表它应该拥有无限制的执行权限。
其次是服务发现（Agent Discovery）。
未来智能体可能需要根据任务寻找外部服务。金融智能体需要链上数据，法律智能体需要法规数据库，开发智能体需要测试环境。
如果每个智能体都必须提前集成所有服务，开发和维护成本会非常高。因此，市场可能需要专门的 Agent Discovery 基础设施，让智能体根据服务能力、价格、权限和可靠性寻找供应商。
再往下是信誉与验证（Agent Reputation & Verification）。
人类可以通过品牌、评价和长期合作判断供应商是否可靠，但智能体需要更容易自动验证的指标，例如任务成功率、历史可用率、平均响应时间、数据准确性，以及发生错误后的赔付和纠正机制。
这里最大的技术难点，不是建立一个评分排行榜，而是如何验证任务是否真的完成，以及如何防止服务商伪造数据或操纵评分。
即使将记录写入区块链，也不代表记录本身一定真实。可靠的信誉系统仍然需要独立验证、可追溯的数据来源和明确的责任机制。
最后是支付与结算（Agent Payment & Settlement）。
当智能体能够发现服务、验证身份并确认价格之后，还需要完成授权付款、服务交付和结果确认。这些功能如果能够形成稳定的基础设施，就可能支持大量机器之间的商业交易。
未来的 Agent Marketplace，也未必是一个让人类浏览的应用商店。它可能只是一套 API，智能体发送任务要求，系统返回符合条件的服务商，再完成调用、计费和结果验证。
普通消费者甚至不知道这家公司存在，但它可能每天处理数百万次服务请求。
这类公司的核心竞争力，不再是用户界面有多精美，而是有多少智能体将它的服务纳入日常工作流程。
六、传统 SaaS 不会全部消失，但竞争壁垒会重新分配
这里需要区分两件事：软件的功能价值，以及软件的人类操作界面。AI Agent 可能大幅减少后者的必要性，但并不意味着前者会消失。
企业仍然需要数据库、财务系统、身份认证、交易记录和合规管理。而且，拥有大量独家数据和企业客户关系的传统软件厂商，也可以主动将自己的产品改造成智能体服务。
Salesforce、SAP、Microsoft 等企业并不一定会被新公司取代。它们同样有机会成为智能体经济的重要基础设施供应商。
真正面临压力的，是那些缺少独家数据、缺少业务壁垒，主要依靠复杂操作流程和用户迁移成本维持收入的软件。
当智能体能够直接操作多个系统，软件界面带来的使用习惯优势可能被削弱。
不过，智能体本身也远没有成熟到能够接管所有企业工作。Gartner 曾预测，超过 40% 的 Agentic AI 项目可能在 2027 年底前被取消，主要原因包括成本上升、商业价值不明确和风险控制不足。
这也说明，模型能够完成任务，不代表企业就能以合理成本长期部署。
一个智能体即使在测试环境中能够完成 95% 的任务，也不意味着企业可以放心让它独立管理采购、财务和客户资料。因为剩下的 5% 可能涉及错误付款、数据泄露、重复下单或无法恢复的业务操作。
因此，未来真正有价值的智能体基础设施，不一定是功能最多的产品，而是能够在真实业务环境中稳定运行，并对错误、权限和资金风险进行有效管理的系统。
这也是为什么身份验证、权限控制、执行审计和任务结果验证，可能成为智能体经济的重要组成部分。
七、未来创业者，究竟应该为谁开发产品？
过去创业者通常会先考虑用户规模，目标是获得十万、一百万甚至一千万个用户。产品需要持续优化界面、提高留存，再通过广告、订阅或交易抽成实现商业化。
但如果未来互联网中存在大量能够自主执行任务的智能体，那么创业者需要重新思考自己的客户究竟是谁。
一家提供金融数据的公司，可能不再需要吸引十万名投资者每天打开网站，它可以直接向数万个投资智能体提供数据接口。
一家提供图像识别服务的公司，不一定需要开发完整的图片编辑 App，它可以成为其他智能体处理视觉任务时调用的专业服务。
一家提供身份验证的公司，也不需要让普通消费者每天登录自己的平台。只要企业智能体在执行敏感任务时必须经过它的授权系统，就可能形成持续的服务需求。
这种商业模式最大的变化，是收入不再完全依赖人类使用软件的频率，而可能来自机器之间持续发生的任务调用。
当然，这不代表智能体会拥有独立于人类的无限消费能力。它们的预算仍然来自个人和企业，交易权限也需要受到控制。
但预算的实际执行者，可能越来越多地从人类转向软件。而当执行主体改变，产品设计、服务分发和收费方式都会随之调整。
过去创业者需要研究如何提高用户留存、降低获客成本。未来一部分 AI 原生企业，可能更加重视 API 调用量、任务完成率、平均执行成本，以及有多少智能体持续依赖自己的服务。
这也意味着，未来可能出现一批完全不同于传统 SaaS 的科技公司。
它们没有复杂的前端界面，不依赖应用商店排名，也不需要大量消费者每天登录。它们提供的可能只是一项非常专业的能力，例如数据查询、身份验证、支付结算或者任务执行。
只要这项能力被足够多的智能体持续调用，就有机会形成稳定的收入来源。
八、留给人类的时间不多了
这里的「人类」，并不是说人类即将被 AI 淘汰，而是过去二十年围绕人类点击、浏览和操作建立的软件体系，可能正在进入转折点。
移动互联网时代，创业者研究如何让人类下载更多 App。智能体时代，创业者需要研究如何让自己的服务被更多 Agent 发现和调用。
过去软件公司依靠用户数量、使用时长和订阅席位增长，未来一部分软件公司可能依靠 API 调用、任务执行、数据交易和自动化服务获得收入。
过去互联网的主要商业入口是搜索引擎、浏览器和应用商店，未来还可能出现专门服务智能体的发现、身份、信誉、支付与执行网络。
这也改变了我对下一代科技创业公司的判断。
我不再认为每一家有价值的软件公司，都必须拥有一个面向普通消费者的 App。如果一家公司能够提供数百万个智能体每天都需要使用的数据、工具或基础设施，即使没有复杂的用户界面，也可能建立相当可观的业务规模。
而那些仍然依赖人类反复点击、复制、填写和切换页面才能完成工作的软件，未来很可能面临越来越大的压力。
过去我们开发软件，是为了让人类使用计算机。未来我们开发软件，可能是为了让智能体使用其他软件。
如果今天重新开始一家科技创业公司，我会认真考虑一个过去很少有人提出的问题：
为什么我的产品一定要设计给人类使用？
如果未来有数百万个智能体需要购买数据、验证身份、调用工具、支付费用、寻找其他智能体完成任务，那么围绕这些需求建立基础设施，可能比再开发一个普通消费者 App 更值得研究。