本文来自微信公众号： 海外独角兽 ，作者：Cage，原文标题：《Agent 时代启示录: 当 Agent 作为新物种加入经济系统》
Anthropic Claude产品用户DAU总和只有OpenAI ChatGPT的2%，但两家公司的ARR已经追平了。用DAU这样的互联网指标给AI公司估值，就像1999年用页面停留时间给Google估值：Yahoo的用户停留15分钟，Google用户停留30秒就离开。那时的分析师会说Yahoo胜出。但Google的用户离开得越快，恰恰说明效率越高，商业意图识别得越好。
过去30年的互联网市场有一套基于DAU/MAU、To B/To C的分析框架，这个思路在Agent时代正在被颠覆，因为衡量对象变了。
我们认为Agent时代最关键的市场坐标不是To B/To C，而是To Human/To Agent。To human的部分是从服务模糊的用户群体收敛到具体的任务主体，To Agent的部分则是新增了一类生产者和消费者，一个新的物种加入了经济系统。因此模型公司的商业模式正在从卖Token扩展向卖OS/云平台那样的生态。这也预示着对于创业者和投资人，To Agent是一个崭新的、巨大的增量市场。
01.
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。
头部用户集中了绝大部分价值。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%。听说和使用过Claude的用户规模不到ChatGPT的1%，但这1%是token消耗最密集、任务价值最高的用户。高ARR和低DAU可以同时成立，因为价值集中在头部任务，不在用户规模。
付费逻辑正在从per-seat走向per-outcome。Decagon的per-resolution模型只有AI真正解决了问题才收费；Sierra直接把“pay for a job well done”写进产品pitch。传统SaaS跟着企业IT预算走（Salesforce、Adobe、ServiceNow），AI-native vertical agent瞄准的是人力成本池，收费锚点是一个高价值任务替代的人力成本，不是一个席位。IT预算和人力成本预算的差距是1-2个数量级。
人力成本是Agent替代的终极预算池。互联网时代的价值创造公式是流量×转化×ARPU，终点是广告费或订阅费。Agent时代的公式是任务价值×完成率×take rate，终点是替代的人力成本。前者的天花板是用户总时长和广告预算，后者的天花板是全球白领工资总额。根据BLS数据，美国白领工资总额约6万亿美金，全球约18-20万亿美金。
To B/To C的边界已经模糊到无法分类。过去2年内增长最快的一批AI产品，Claude Code、Cursor、Perplexity、Manus，几乎都是工程师、创意工作者、小企业主等Prosumer先自发采用，再bottom-up渗透到组织。工程师愿意用个人信用卡买Claude Code做公司项目，这算To C还是To B？智能产品的形态本身跨越了C和B的界限，消费者采购和企业采购在同一个人身上发生。
02.
软件正在被重写
软件从设计之初是To Human的。GUI、软件中的每一层抽象都是为了降低人类操作的认知负担，而Agent不需要这些。
因此一场系统性的格式迁移正在发生：
左列的每一项都是为了让人类更容易操作信息，而右列的每一项都是为了让Agent更容易操作信息。这是信息表示形式的迁移，一旦Agent成为主要的信息消费者，信息的天然形态就要改变。
Claude Code选择CLI而不是IDE的决策是这个趋势的早期信号。如果模型能力持续变强，最终的产品形态应该是更简洁、更接近底层的终端，而不是更复杂、更UI-heavy的IDE。CLI就是Agent的母语，bash is everything for coding agents。
未来的软件大概率不再是一个有完整界面的应用，而是Model+Agent Harness+按需生成的人类审阅层。下一代Salesforce不再是给销售用的CRM，是一个Agent可以直接读写的客户数据语义层。销售手动录入notes和call log这类中间步骤会被Agent自动完成，GUI只在人类需要做决策时临时生成。
03.
旧范式的漫长熊市
每一次技术平台迁移，都是新范式原生生长的公司赢，旧范式渐进迁移的公司输。
每一次，旧范式领先者都拥有数量级更大的用户基础、更强的品牌、更厚的现金储备。每一次，最终赢家都是从零开始、为新范式重新设计产品和组织的公司。
原因不是旧范式领先者“不够努力”或“看不清趋势”，是旧范式难免会被之前的best practice牵绊住，而没有成功经验可以跨范式持续成功。雅虎不是不知道搜索重要，是它的编辑导航逻辑和Google的爬虫算法在产品DNA层面互斥。
在Agent时代OpenAI正陷入这个困境：OpenAI的8亿用户是战略包袱，不是战略资产。每一个面向轻度对话用户的优化，都是对Agent深水区的一次妥协。对话UI要兼顾新手和高级用户，Agent产品则可以假设用户是工程师或高价值任务的knowledge worker。Anthropic没有这个包袱，所以它可以把Claude Code做成纯CLI、纯Agent-native。
这里不是像预测OpenAI会输。OpenAI综合实力和人才密度仍然是全球最强之一，他们最近在提高Codex、降低ChatGPT的优先级上做了很好的努力。而是想说OpenAI最大的风险不在技术，在它的成功基础会不会让它在Agent范式的每一个关键选择上都慢半拍。
04.
To Agent：一个新物种加入了经济系统
前面讲的都是现象：软件形态被颠覆了、赢家产生了范式转移。这些变化共同指向一个更根本的事实：Agent作为一个新物种加入了经济系统。
To Human的定义：服务有具体目标、具体任务的人，To C/To B的划分不再重要。
To Agent的定义：Agent本身成为生产者和消费者。它自主搜索、调用API、开启runtime、做采购决策、完成支付。在这里，商业逻辑的主体发生了物种替换。
生产侧先发生，而且已经发生。Anthropic在2026年2-3月52天发了70多个产品features，这是互联网时代没有的速度。这些feature很多是Agent写、Agent测试、Agent部署的。OpenAI在发布Codex时展示了内部全程用Agent编写的项目，用“no manual code”来描述这种工作模式。这一层变化的本质是边际生产成本将无限降低，曾经需要团队一周完成的feature，Agent几小时能完成。一家100人公司的产出，可以对标过去1000人公司的体量。
消费侧是生产侧的自然延伸。当Agent成为最大产能，它需要调用的API、采购的算力、使用的工具链也变成一个独立市场。围绕这个新消费者，一整套基础设施正在被重写：今年3月Stripe和Tempo联合发布Machine Payments Protocol，一个让Agent自主完成支付的开放标准；Cloudflare在Bot Management中新增AI bot分类，网站可以针对AI Agent流量和人类流量设置不同的访问策略和安全规则。这些基础设施不是为了“让Agent也能用”，是默认把Agent视为第一公民来设计。
生产+消费都是Agent，一个闭环正在形成。Agent写的feature，被另一个Agent调用；Agent生成的数据，被另一个Agent消费；Agent做的采购决策，由另一个Agent的API承接。
这在人类经济史上从未出现过：生产者和消费者同时是非人类的双边市场，而且这个市场可能比之前的更有效率。
05.
Agent=Model+Harness
最近Agentic AI领域的讨论中，Agent Harness代表了Agent中除了模型之外的所有组件。也就在这个月，Anthropic率先了发布Managed Agents beta，Harness第一次被产品化。这个叙事的战略意义大于技术意义。
Agent的商业模式开始不再只是token定价，而是接近AWS云平台模式。以前客户今天用Claude明天可以切GPT，切换成本是写几行代码；现在Agent定义、状态、记忆如果能全部存在Anthropic这儿，切换成本就是AI workflow的重建。就像AWS的粘性从来不是EC2本身，是IAM+VPC+S3+Lambda+etc。编织成的一张状态网。如果Anthropic接下来继续重视harness这条线，发布Managed Skills、Managed Runtime这样的产品，新一代云平台式的锁定会出现，LLM公司第一次有了护城河。
有一个反直觉的事实：2026年最好的Harness，比2023年的LangChain薄得多。LangChain时代是重工程——大量rule-based的chain+guardrail，因为那时的模型不可靠，工程师必须用代码把不确定性包住。去年底的Opus 4.5越过了Agentic能力拐点后，越薄的Harness反而越强。Claude Code泄露后，大家发现核心的Agent Loop本身只有几十行代码，配套的工程（上下文压缩、Multi-Agent协调、工具调用）才是Harness的真正厚度。
Harness的大道至简难免会让中间层公司颇有压力，接下来我们就来畅想下Agent可能需要什么。
06.
我们看好什么
上面的抽象方式有点简单，如果我们把Agent Harness拆得更仔细一些，会看到这样四层结构的系统：
有了这样更清晰的分层思路，我们有三个看好的方向：
第一，Runtime层的机会：Agent Infra，让Agent跑得更scalable、更自由。
我们相信agent是未来新型组织中最重要的同事，但今天还没有给他们配上足够多的基建支持和IT预算。如果今天agent人口突然大爆发，大于地球上70亿的总人口，其实没有合适的infra来支撑这样scalable的需求。
因为当前的sandbox/虚拟机还都是传统为人类设计的思路，其中有大量组件并不是agent最需要的。例如传统的数据库，是为了人类需要需要起一个大数据表，用来长期维护；传统虚拟机，是模拟一台完整电脑能力的虚拟机，其中有很多Agent不需要的模块比如GUI。但Agent开一个后端数据库或沙盒虚拟机，都是比较临时的，用来存放一些当前long horizon task中的内容。
同时Agent还有自己的原生需求，比如per-agent的状态隔离、Fork/Snapshot（用于agent分支探索）、Durable Execution（跨故障持久执行）。这和当前人类的需求完全不同，因此Infra层值得被重做。
第二，Context层的机会：Vertical Harness，在垂直领域把行业know-how做到极致。
Anthropic做不完所有Skills。通用Harness无法覆盖的深度，是模型公司做不好的的地方。
未来所有领域的数据/工具都要有一个To Agent的版本，工具和数据的生成、索引决定了下一代workspace的入口。
Healthcare、legal、finance三个人力成本最高的领域最先发生。OpenEvidence、Rogo、Sierra这些我们之前研究过的公司，如果用上一代的思维看他们，会认为是数据、牌照、客户关系决定的enterprise business。但之所以他们能切入上一代公司做不深的工作流，就是因为搭建了更适合agentic workflow的vertical harness。
第三，Orchestration层的机会：一切把Agent当作一等公民的基础设施。
沿着上面思路，Agent已经拥有了更高效的infra、更完整的context之后，就需要一等公民的身份认可和权限管理。这里需要新一代创业者打开想象力，来让Agent更好地作为生产消费者，参与到全新的市场中。
今天我们能想到的Agent图谱中的机会可能是Agent Identity和Agent Payment，他们是让Agent成为规模化消费者的前置条件。
Identity层解决“这个Agent是谁、谁授权、出了事找谁”，有点像为Agent发身份证和工作许可，其中比较关键的可能是权限管理和evaluation能力。
Payment层今年已经有了一些协议的雏形：Stripe的Machine Payments Protocol和Visa Intelligent Commerce是第一批动作。协议层之上还有着给创业者的机会，历史上有一个很好的参照：银行本来应该做开放银行协议，但Plaid赢了，因为Plaid做的不是协议本身，而是协议上面的应用层（消费者数据访问、账户连接体验）。类比到Agent：Stripe做好了协议层，但谁来做“Agent版的Plaid”。
当然这些方向都还在很早期雏形的阶段，范式转移带来的新机会让我们无比兴奋，但又深知其不确定性难以预测。就像尽管后视镜看来一切顺理成章，但人们很难在智能手机早期的时候遇见后来的移动支付、短视频的机会。因此希望借这篇研究投石问路，和Agent Native创业者们讨论、探索所有To Agent方向的新机会。