本文来自微信公众号：腾讯研究院，作者：刘莫闲，题图来自：视觉中国
先致敬一下2025年红杉资本对于智能体经济的预见。
互联网商业逻辑的基础变量- 流量，正在经历第二次范式变革，因为 AI 智能体。以前帮别人转型，现在互联网自己要转型了。
第一次革命发生在2007 年前后：iPhone 开启移动互联网时代，装机量让位于DAU(Daily ActiveUser)/MAU，通话资费让位于注意力经济，电信运营商逐渐成为基础设施，互联网公司成为这个时代的流量枢纽。无论是企业还是个人，谁能获得更多的流量就意味着谁拥有从流量中获取财富的话语权。
第二次革命正在2026 年的此刻发生：对话式交互已成为人与 AI 交互的默认方式，支持 AI 进行持续思考和行动的算力和Token服务成本持续下降，可灵、即梦等 AI 创作工具、以及“龙虾”等 AI 智能体（Agent）正在被大众快速熟知和应用。流量的主要来源正在悄然从“用户行为”切换到“智能体行为”，基本计量单位也从点击切换到词元（Token），流量变现的逻辑从“卖注意力”逐步转向“卖意图完成”。这一底层转变正在深刻重构互联网产业价值链。
好消息是流量2.0 才刚刚形成。而坏消息是1.0 的商业逻辑似乎行不通了，行业开始重新洗牌。虽然没人知道接下来会发生什么，但每个身处互联网行业的企业，都在积极且忐忑的前行着：传统互联网公司已将 AI 植入原有产品，并开始将原有产品解构成 CLI、封装成 Skill，向智能体开放流量；逐渐有 SaaS 服务商开始转型Agent as a Service 服务商，与 AI 原生初创公司一起，抢占智能体时代的流量 2.0 入口。云厂商化身模型和词元服务商，积极推销自家词元服务和各类套餐，在迎来业务增长窗口的同时也在面临向“新运营商”演化的微妙时刻。
几乎可以确定的，是智能体将成为价值交换的新节点。个人、企业、具身等各类智能体的大量涌现，正在互联网的上一层，编制出一个新的网络——好像20 多年前，互联网在电信网络上编织而成一样。如果那时的互联网充满了希望与机遇，那么现在的智能体网络也一样；如果那时的电信网络开始面临挑战和转型，那么现在互联网也一样。然而，虽然流量 1.0 的商业化发展和成熟需要 20 年，但现在流量 2.0 可能只需要不到 10 年，从 2022 年 11 月开始。
流量2.0 的世界，似乎更属于 AI 原生的一代人和一代企业，他们的思想和行动才更适应未来。那么互联网的“老登们”应该如何面对这不可阻挡的趋势，如何应对挑战和转型，穿越周期走更远？我觉得有责任通过一篇长文尝试找到答案。
1. 现象：发生了什么
1.1 互联网流量的底层逻辑被 AI 撼动
过去三年，四个标志性事件接连发生，共同撬动了互联网流量1.0范式的根基。
2022 年 11 月：ChatGPT 面世，人们习惯变了。OpenAI 发布 ChatGPT，两个月内用户突破 1 亿，成为历史上增长最快的消费级应用。它第一次让大众体验到“与 AI 自由对话”的神奇，将人们与 AI 交互的主要方式从点击屏幕正式升级为自然语言对话。截至 2026 年，ChatGPT 周活跃用户已超过 8 亿。
2024 年 12 月：AI 视频生成震惊业界，AI 应用的规模法则初步形成。OpenAI 发布 Sora，首次让普通人用一段文字描述就能生成逼真视频。此后一年半，Sora 2 、Google Veo3、可灵3.0、字节 Seedance 2.0、快乐小马等不断刷新视频生成的性能和质量。这些产品激发了人们惊人的创作意图：可灵 AI 截至 2025 年底拥有 6000 万全球用户，累计生成超过6 亿个视频——仅半年前这个数字还是 2 亿；字节即梦在 Seedance 2.0 上线后下载量环比飙升 228%。模型越好，越多的想象力被激发，越多的梦想现成现实的文章、软件和音视频作品——这正是流量 2.0 增长的微观动力学。
2025 年 1 月：DeepSeek 横空出世，更多人用得起了。DeepSeek 以极低的训练成本推出了性能比肩 GPT-4 的开源模型，引发全球震动。它的出现将 AI 大模型的演进拉入新阶段：模型的智力差距正在快速收窄，Token 的价格开始迅速降低。DeepSeek 之后的 1 年里，国际头部模型服务价格持续降低，2022 年至今每年最大降幅达到 900 倍。国内各模型厂商更是推出极具性价比优势的开源模型，在达到全球第一梯队智力水平的前提下，Token 开销甚至只有顶级模型开销的十分之一。大模型从“昂贵的实验品”变成了“平价的日用品”。
2025～2026 年：智能体产品集体涌现，成为新的数字生产力。如果说 ChatGPT 教会了人们和 AI 聊天，那么 2025 下半年到 2026 年涌现的一批智能体产品则教会了人们让 AI 做事。国际上的 Claude Cowork、OpenAI Codex、 OpenClaw，国内的腾讯CodeBuddy、钉钉悟空、飞书 aily ——它们不再追求用户在屏幕前停留多久，而追求智能体帮用户完成了多少任务。“养虾热”兴起，越来越多的人开始创建和训练自己的智能体助手。
1.2 用户行为、计量方法、商业模式都在变
这四件事引发的不只是新闻热度，还有互联网产业的结构性变化：认知和注意力正在迁移：从 APP 到 AI。越来越多用户将日常任务的第一入口从 APP 转向 AI 助手。写代码在 Cursor 里描述问题让智能体解决，查资料问元宝，修照片用“小香蕉”。迁移还处于早期，但方向已不可逆。
底层计量正在变：从网络流量到词元。2026 年 3 月国家数据局公布我国日均词元消耗量达140 万亿，是两年前的 1400 倍；同月 Token 有了正式的中文名“词元”。词元消耗量正在成为衡量应用活跃度和“人工智能+”发展质量的新指标。
商业模式正在过渡。AI 工具的收费模式已从传统四模式（广告/交易分成/订阅/增值），扩展出基于智能体生产力的付费模式，会员费叠加词元点数购买已被市场接受。
1.3 核心判断：流量 2.0 时代已到来
流量正在从 1.0 范式（注意力即流量）向 2.0 范式（意图即流量）转换。这是质变，计量单位在变、交互主体在变、变现逻辑在变。为了理解这个变化的分量，我们需要先回溯流量 1.0 是怎么走到今天的？它为什么走不下去了？然后，才能看清 2.0 到底长什么样。
2. 本质：什么是流量 2.0
2.1 流量 1.0 的演变历程
流量概念和指标体系的四次迭代
电信时代，流量是装机量和通话时长。回到 30 年前，大约 1996 年前后，国内老百姓家里开始装固定电话，生意人已开始用移动电话。运营商的业务规模看两个指标：装机量和话费。那个年代还没有“流量”的概念，运营商既是平台也是价值链顶端。
1.0 缘起：互联网进入视野，注意力即流量。2000 年左右，个人电脑和拨号上网开始普及，搜狐、新浪、网易等门户网站火爆，OICQ、百度和支付宝成了人们上网必备。基于“流量”的互联网业务度量体系的形成和演进，本质上是互联网产业对人类注意力的不断认知深化和颗粒度细化的过程。
1.0 成长：PC 时代的“展现量”逻辑（2000～2010）。最初的上网行为主要是看新闻、查资料，页面浏览量（PV）是最早的流量监测指标，商业逻辑类似纸媒，流量等同于曝光量。随着宽带普及和上网体验改善，流量规模效应显现。谷歌提出“带有搜索意图的流量比漫无目的的眼球价值更高”，广告CPC（按点击付费）模式让流量从“展现价值”变成了“交易价值”。用户意图也开始分化，流量的争夺也渐渐开始：找信息去搜索引擎，找朋友去社交平台，买东西去电商，听歌看视频去在线媒体。
1.0 扩容：移动时代的“活跃度”逻辑（2010～2015）。DAU 和 MAU 取代 PV/UV 成为核心指标。智能手机和 3G/4G 的普及让线下流量与线上连通，移动互联网进入空前快速的发展期。Facebook 将流量提炼成“受众画像”，Netflix 引入推荐算法，国内企业纷纷效仿，流量运营逐渐精耕细作。
1.0 成熟：算法时代的“时长+留存”逻辑（2015～2020）。信息流和短视频占据主导后，用户停留时长和留存率成为核心指标。整个流量 1.0 的商业化运作被抽象LTV（用户生命周期价值）与 CAC（获客成本）的持续拉锯。我国互联网时代“买量”的运营策略在“滴滴快的”、“共享单车”、“千团大战”等多场大战中逐渐成熟，针对搜索引擎排序的排序优化SEO，也随着效果广告计价的演变，从买最初曝光到买最终交易。
流量入口的五次迁移
流量入口在过去 20 年里经历五次大的迁移和分流：门户→搜索→社交→O2O→信息流。演进的深层线索是信息匹配效率的持续提升× 人类爽感达成周期的持续缩短。门户解决信息匮乏；搜索用 PageRank 解决“人找信息”效率问题；社交让流量依赖关系链裂变；O2O 让供需超越空间被匹配；真正将 1.0 推向顶峰的是短视频与算法推荐——字节跳动推荐引擎把“人找信息”变为“算法找人”，利用间歇性变量奖励机制最大化多巴胺分泌，直播叠加实时互动将注意力以毫秒级速度转化为冲动消费，实现流量变现的终极闭环。
流量 1.0 时代的商业范式
流量 1.0 时代的商业逻辑可以提炼为一个公式：DAU × ARPU × 增长乘数 = 流量商业价值。围绕这三个变量，互联网行业用免费内容聚合注意力、用算法分发提高匹配效率、用规模效应构建成本护城河，最终形成四大变现模式：广告变现、电商导流与交易分成、会员订阅、增值服务。
到了 2025 年底，这套商业策略的运转数据达到了惊人的规模，但同时，它的极限也显现无疑。
2.2 从 1.0 到 2.0：过渡与转换
1.0 的见顶信号：三重结构性危机
用户数和时长物理见顶。截止 2026 年初，我国 14.05 亿总人口中已有 11.23 亿网民；移动互联网月活净增低于 2000 万，同比仅增 1.5%，创 4 年最低；三线及以上城市占比 73.3%，下沉空间收窄；全网月人均单日使用时长 7.96 小时，逼近生理极限。所有平台增长只能建立在抢夺竞争对手存量的基础上，注意力经济退化为零和甚至负和博弈。
获客成本持续攀升。优质流量池枯竭后，企业为维持 MAU 不得不反复向存量用户投放，陷入“买量→利润率下降→压榨广告加载率→体验恶化”的恶性循环。增收不增利成为行业普遍现象。
隐私监管成为常态。欧洲 GDPR、中国《个人信息保护法》、苹果 ATT 政策全面收紧跨应用追踪，广告平台归因和推荐模型失效，投放 ROI 恶化。监管在制度层面对 1.0 商业模式的高速增长画上了终止符。
过渡时期的行业内卷和自我革命
流量 1.0 见顶不是戛然而止的，而是经历了一个跨域融合、存量搏杀的内卷过程。三个征兆既是 1.0 走向极限的信号，也是 2.0 酝酿的前奏。
征兆一：电商与内容融合，榨干线上流量。直播和短视频带货的繁荣，本质上是电商和内容两个独立市场的融合——内容平台做电商（抖音商城）、电商平台做内容（淘宝直播），是存量时长的跨域再分配。
征兆二：O2O 与电商融合，拼抢线下份额。2025 年的外卖大战最为典型：阿里、美团、京东三家全年累计耗资超 1000 亿争夺份额。但生态并未获益，80% 商户净利下滑，74% 客单价下降。竞争后创造的总价值并没有提升，又是 1.0 见顶后的跨领域内卷。
征兆三：AI 超级 APP 春节红包大战，自我革命开始。2026 年初，豆包、元宝、千问纷纷向用户发红包导流，累计投入数十亿，显示出对范式变革的决心。
在 1.0 框架内已没有增量可挖。真正的增量，只能来自范式本身的更迭。
2.0 的萌芽沃土
与 1.0 内卷同时发生的，是 2.0 流量萌芽，而且雨水充沛，肥料充足。
大模型的行动能力就绪。从 GPT-3 的语言生成到 GPT-4 的多模态理解，到 o1/o3 的深度推理，到 Veo3 和 Nano Banana 的惊艳视觉生成，再到 2025-2026 年各类智能体产品（Manus、Claude Cowork、腾讯 CodeBuddy、OpenClaw）涌现——AI 不再只是回答问题，它开始自主行动，而且能力持续超越人类。METR 跟踪预测 2026 年底大模型可高质量完成需人类 8 小时的工作。
互通标准有了国际共识。2025 年12 月，Linux 基金会成立AI 智能体基金 AAIF，Anthropic 捐赠 MCP，OpenAI 捐赠 AGENTS.md，谷歌微软亚马逊等均为核心会员。MCP 被称为“AI 界的 USB-C 接口”，定义了 AI 调用外部工具的通用标准。截至 2025 年底 MCP 已有超 10，000 个活跃公共服务器。这可以被视为智能体互操作的“TCP/IP 时刻”。
烧词元的杀手级应用出现。谷歌 Nano Banana 和 Veo3 让Gemini日均词元消耗飙升到 43 万亿，字节因 Seedance2.0 突破百万亿，更有报道称OpenClaw 上线后用户几千美元词元点数一晚消耗殆尽。这种“烧词元”的速度远超以往，让行业开始警觉：如何基于 AI 和智能体创造新一波流量？
Token 经济学出圈。黄仁勋在 GTC 2026 提出“五层蛋糕”架构，发布 Vera Rubin 平台使推理成本降至 Blackwell 十分之一，并给出一个震撼数字：推理消耗的 Token 将是训练的 10，000 倍。AI 产业重心从“训练大模型”全面转向“用大模型做事”。Token 经济学随即成为国内外热议话题。
2.3 流量 2.0 的定义、特征与量化指标
如果说前两小节回答了“从哪里来”和“为什么变”，这一节则尝试把最核心的问题讨论清楚：流量 2.0 和 1.0 有什么不同？它的计量单位、产品形态、商业模式有什么新的特点？应该如何定义流量 2.0？
2.0 和 1.0 有哪些不同？
如果流量 1.0 的概念和体系迭代了 4 次，那么我想我们现在看到的，大概率不是流量 2.0 的全貌，更多是它与 1.0 的不同。
差别一： 2.0 监测是“智能体行为”，1.0 检测“人的行为”。流量 1.0 的核心是基于人的行为，无论是数量、点击、在线时长还是交易。但是AI 时代则不同：用户的一句话，可能会驱动视频生成模型运行数分钟为你输出成果，可能会引发一个以上智能体的激活和行动；用户不一定在线，但是他的智能体团队可能在线活跃；用户可能只在线 5 分钟把意图表达清楚，而智能体可能在线数十小时来帮助用户达成意图，过程中还会有各类点击、浏览、skill 调用、API 访问和交易等行为...... ——单纯捕捉用户的行为，是观测不到这些 AI 的活动的。流量 2.0 的源头，更多是智能体行为。而且流量监测对象变了，后面的一切都可能不同，下面是一些推论：
1. 流量 2.0 的量不再随人类用户的规模的增长而增长，而是随智能体数量增加和增加；
2. 流量 2.0 的变化与智能体行为在时间上更加同步，而与人异步；
3. 流量 2.0 时代的优质业务，是智能体数量大且持续活跃的业务，而不是人；
4. 流量 2.0 时代，人类用户多，可能反而不是好事。
这里还需要警惕一个认知陷阱：目前很多人会认为“让用户消耗更多的 Token”是流量监测的重点，这个理解在当下阶段是对的，不过很快就会被更具商业价值空间的“智能体行为”代替：就好像以前人们卖 3G、4G 的流量套餐，运营商一定会给你介绍套餐支持甚至独享无限流量的各类视频、阅读等APP一样——消耗词元并不是用户的目的，使用智能体和AI 工具去解决具体的问题、提高生产力、达成意图才是用户的根本目的。因此，在流量 2.0 的监测体系中，最核心的目标可能不是词元消耗总量，而是智能体的行为质量（比如意图完成率）。
差别二：2.0 的流量入口是智能体触点，1.0 是人类触点。一方面，人类的触点也是智能体的触点——智能体使用电脑、手机、智能眼镜的水平越来越高，越来越多的网站和服务开始向智能体开放 API、CLI 和 Skill。另一方面，智能体会寻找和组建自己的新入口——ClawHub、SkillHub、Tavily 等专为智能体服务的平台正在崛起。谁满足了智能体的需求、为智能体构建了新一代触点，谁就掌握了未来的流量入口。
差别三：2.0 流量的增速特征和 1.0 不同。1.0 更接近线性，2.0 可能是幂函数甚至指数函数。ChatGPT 仅用 2 个月突破 1 亿用户（Twitter 和 Facebook 花了 5-10 年），OpenClaw 上线 1 个月成为 GitHub 最受欢迎项目。差异背后的原因是成本差距——1.0 增长依赖用户终端消费增长，而今天基础设施全部就绪，智能体数量增长可能远快于当年用户增长。2026 春节 AI 红包大战中，豆包、千问和元宝总日活仅 2 周翻了 2.5 倍达到 2.4 亿。
差别四：2.0 的流量规模天花板和 1.0 不同。这个应该更好理解：1.0 的天花板是主要是人口，而 2.0 的天花板更多取决于算力和能源。只要技术瓶颈取得突破，智能体构建和活跃的成本就会进一步降低，智能体数量的规模上限也会不断的刷新。
如果用一句话总结流量 2.0 与 1.0 最根本的不同，就是：互联网的用户变了，以前是人，现在是智能体。
AI 原生产品打法——新物种引领流量变革
一批完全不依赖传统流量分发的“AI 原生产品”正在引领这场变革。传统互联网产品用五到十年累计的亿级 MAU，这些产品在几个月内就达到了类似甚至更大的规模——核心指标已经不是流量 1.0 下的 MAU 和时长，而是 2.0 下的词元消耗量和任务完成率。用 2.0 的产品打法去达成 1.0 的产品数据，简直就是降维打击。
这些数据惊人，但更值得追问的是：AI 原生产品打法有什么不同？
产品逻辑不同：从面向用户设计交互流，到面向智能体的驾驭工程。传统产品经理的核心工作是设计界面和转化漏斗——预测用户每一步点击，“人适应机器的规则”。AI 原生产品则完全不同：界面被极度简化为一个输入框，产品设计的重心从前端交互转移到了后端编排——如何准确捕获和理解用户的模糊意图？如何将一个宏大目标拆解为大模型可执行的子任务流？Cursor 之所以能一键修改跨越数十个文件的代码，不仅因为其界面设计简约，还有它产品底层的驾驭工程（Harness Engineering）：能基于上下文和记忆精准理解用户意图，定位到相关代码片段、形成执行方案和计划，然后分步骤将组合提示词喂给模型。最终，意图被转化成持续的 Token 消耗和最终的成果输出。
研发逻辑不同：从确定性工程到动态驾驭。传统软件输入 A 必然输出 B，AI 原生产品的输出是概率性的。研发壁垒不再是增删改查的代码，同样是大模型的驾驭工程：精准的上下文管理、庞大的评估数据集、跨上下文窗口的状态传递。OpenAI 工程团队用 3～7 人在 5 个月内通过驾驭工程构建了 100 万行代码的真实产品，人类工程师没有手写任何一行代码，效率约为传统方式的 10 倍。
运营逻辑不同：从“流量漏斗”回归到“产品信任”。AI 原生产品的运营逻辑反而更像互联网早期：聚焦打磨产品，和核心用户频繁互动、快速迭代，靠产品力和口碑自然增长。产品每一次交互都在燃烧真实的 GPU 算力，用户生成失败不仅流失信任还倒贴成本，所以运营核心是“让进来的人每次都成功”。AI 原生产品注重展示智能体的思考过程，通过工作流透明化建立信任。获客靠在 X、Discord 上展示硬核工作流，口碑破圈。和早期的谷歌、早期的微信等是一个逻辑——产品够好，用户自己会来。
护城河也因此不同。1.0 的粘性更多来自社会财富资产——你的朋友都在社交平台上，你的钱、积分和会员等级在支付和内容平台上。2.0 的粘性更多来自个人智慧资产—— Claude Code 在你的代码库和知识库里工作了三个月，持续的 Token消耗，积累的是你的架构偏好、编码和写作风格、研究方法、业务逻辑的深度理解，这些资产存在于人和智能体的共同记忆中，换一个 AI 助手就意味着从零磨合。后者更核心、更高维：个人智慧资产天然兼容并更容易创造外部社会资产（所谓厚德载物。种下梧桐树，引得金凤凰），但反过来则更难，特别是对个人用户。这意味着 2.0 时代一旦建立起智慧资产壁垒，用户迁移的难度可能比 1.0 更大。
词元取代比特—— 新的流量基本单位
就像互联网时代的比特（Byte）取代了通信时代的通话次数，AI 时代词元（Token）正在取代比特成为新的流量基本单位。词元不度量“人看了什么”，而是度量“智能体完成了什么任务”。与互联网时代流量资费按 GB 一刀切不同，Token 经济学引入了按智力等级分层定价。以往通信技术从 1G 到 5G 迭代，5 级服务平摊到 25 年里提供。而 AI 大模型仅用约 4 年就实现了 4 级不同智力等级的词元服务，然后一起提供了出来。
词元成本的跨速下降将为 2.0 流量规模提供基本盘——当每个人同时运行数个智能体工作时，词元消耗将呈指数级增长。而词元服务分级则为商业价值提供极值参考——基础层是“自来水”，专用层是“半导体制造级超纯水”，后者单价可达前者百倍。流量 2.0 的商业空间远不止便宜的日常助手，更包含昂贵但不可替代的高端智力服务。这进一步意味着：80% 的日常生产力负载由标准层承担，基础层支撑起海量普惠 AI 服务的底层规模，高级层则为科研和金融等高净值场景提供溢价空间。
新商业模式——从卖注意力到卖意图完成
上文提到，流量 1.0 时代的商业模式就是：通过广告、交易、订阅、增值四种方式，进行规模化的用户注意力变现。当前能观察到，流量 2.0 时代AI 的商业模式正在 1.0 的基础上有了新的创新：
第一种：智能分级订阅 + 溢出 Token 计费。这是目前 C 端、创作工具和初级智能体的最常见的变现模式——以 Cursor 为代表。基础月租 $20 锁住用户，包含一定量的高级模型请求；超出部分自动按 Token 消耗量计费。这种“基础月租锁客 + 超级用户超额付费”的模式，使 Cursor 极速达到 $20 亿 ARR 的关键。它融合了 1.0 时代 SaaS 订阅的可预测性和 2.0 时代 Token 质量和智能体构建的弹性。
第二种：智能体即服务AaaS（Agent-as-a-Service）——从卖软件到卖结果。传统 SaaS 卖的是软件使用权，企业仍需雇人操作；AaaS 卖的是智能体完成的业务结果，企业输入目标和约束条件，智能体自主规划、调用工具、返回结果。Devin 2.0 的商业模式已演变为“低底薪+按件计费”：基础月费 $20，引入ACU（智能体计算单元）概念，1 ACU 约等于 Devin 自主工作 15 分钟（约 $2.25），本质上是以 $9～11 的“时薪”向企业出租初级开发者劳动力。
第三种：意图即交易（Intent-as-Transaction）。当智能体具备支付权限时，1.0 的漫长购物漏斗被压缩为一句话。用户对 Agent 说“帮我预订明早去北京的高铁和酒店”，智能体后台瞬间完成 Skill 调用、比价和支付确认。美团小美正尝试实现这个闭环，Klarna 与 Stripe 合作的“共享支付令牌”正在搭建 Agent 支付基础设施。1.0 流量被智能体截断并转化为 2.0——掌握智能体入口的公司收取服务费和交易抽成。
在企业级市场还有一个关键的经济学底层驱动力：AaaS 切入的不仅是企业 IT 预算，更是庞大十倍以上的企业HR/人力资源预算。从购买软件的资本支出转向支付劳动力的运营支出，这是 2.0 范式转移背后最不容忽视的底层逻辑。
新度量体系——DAA 取代 DAU
当流量的基本单位、产品形态和商业模式都变了，衡量商业价值的指标体系也必须重构。传统的 DAU/MAU/活跃时长建立在“人的注意力是有限资源”这一前提上——人一天最多贡献十几个小时的屏幕时间，但智能体不需要睡觉；一个人可以授权多个智能体并行工作，算力消耗 7×24 小时不间断。我们试图和业界讨论一套衡量“数字生产力”的新度量体系：
几个新指标的含义是：Chat Intent是 PV 的 2.0 对标物，从被动曝光计量变成主动意图表达，商业价值密度远高于 PV。意图激发成本是 CAC 的升级，核心挑战从获客变成激发可被智能体执行的明确意图。智能体/用户比是 2.0 独有的增长杠杆指标，一个用户可以创建多个 智能体并衍生子智能体，这个比值的增长速度可能是判断平台是否进入 2.0 增长曲线的关键先行指标。智能体效能衡量同等词元消耗下创造的价值，防止陷入“词元消耗量崇拜”。
这套指标的核心观察是：DAA 可以远超 DAU。一个用户可能同时授权 5 个智能体并行工作，每个智能体每天持续消耗词元。当这种使用习惯形成，词元消耗将和 1.0 时代运营商流量一样成为刚性支出，只不过规模大得多。
至此，流量 2.0 当前能够观察到的全貌已经清晰：监测对象是智能体，词元是新的计量单位，AI 原生产品是新的物种，AaaS 是新的 AI商业模式，DAA 是新的核心指标。
新增长引擎：人类用户的认知释放和意图激发
以上都是供给侧的分析——词元、产品、商业模式、度量体系。但流量 2.0 的底层基础仍是人类的意图，服务好一个人，也就能获得服务一群智能体的机会。如何理解这一时期用户行为和心理的变化？如何充分基于这些变化获得业务 2.0 流量增长，进而搭上流量 2.0 商业转型的列车呢？
从用户行为到心理可以总结为四个变化。
交互方式变了，从动手到动嘴。人类只用自然语言表达需求，智能体负责帮他实现。人的行为变简单，智能体的行为变复杂，这也是流量 2.0 的来源。
决策方式变了，从“亲力亲为”到“你来搞定”。有研究表明，76% 的用户信任 AI 答案，82% 只看 AI 综合答案不点原始来源。用户正从执行者变成指挥者，负责设定目标、管理过程、验收结果，实际上就是在管理一支智能体数字团队。
认知资源释放后，心理状态在分化。人类行为省了、决策简单了，释放的不只是时间，更是认知资源。
空闲资源沿三条路径运动：掌控欲转移，驾驭智能体的人获得“以一敌百”的放大效能感；无聊感分叉，部分用户跃迁到更深度的意图表达，部分退回被动消费；身份重估，一部分人重新定位为“意图设计者和智能体驾驭者”，一部分可能在过度依赖中丧失自我效能感。这种分化可能成为 2.0 时代新的社会分层变量。
理解了这些变化，流量 2.0 初期的增长引擎就清晰了——认知释放，意图激发。通过极简交互和高质量输出，把人们从低价值事务中解放出来；正向激发高价值意图思考和表达，帮助用户合理利用剩余认知资源。掌控欲、好奇心和身份认同，是最深层的心理驱动力。顺应这三种力量设计产品和服务，流量 2.0 的增长便自然发生。
3. 影响：用流量 2.0 的视角看当今消费互联网
第二章我们整体了解了“流量 2.0 长什么样”。接下来，我们试图用这套概念和视角，去审视当下的消费互联网：在 AI 迅速发展和应用的背景下，各互联网细分领域正在发生什么变化？有哪些新的流量入口会出现？互联网产业链的主要参与者可能会遇到哪些机会和挑战？
3.1 十二个典型场景：全面进入 2.0 流量升级
上文提到，“认知释放+意图激发”将促进流量从 1.0 向 2.0 转化升级：认知资产释放的越多，用户从 1.0 行为习惯中迁出的阻力越小；意图激发做得越好，2.0 原生产品对用户的吸引力越大。两者共同决定了一个场景的流量转换“管道”是否畅通。另一方面，不同的场景特性，也会形成流量转换过程中的“阀门”——是否涉及知识产权保护？是否面临特殊或阶段性重点监管？是否涉及信息安全和用户隐私？
不同的阀门开度，也影响流量转化的速率。从“管道”和“阀门”两个评估维度，本研究对传统消费互联网的十二个典型的应用场景做了定性评估，并将十二个典型场景分为三组：
流量升级前线——搜索、广告、办公
这三个场景有共同的特征：属于通用的基础信息业务，商业模式简单，服务的生产、分发和消费全部在线上，监管、版权和信息安全要求一般。这意味着商业推动 AI 的端到端全流程应用意愿强、阻力小，自然成为流量 1.0 向 2.0 转化速度最快的场景，也是 AI 原生公司最先攻入的阵地。
搜索——转化信号最强。搜索的本质是信息匹配，恰恰是大语言模型最擅长的事。AI 增强方面，Google AI Overviews 月服务20 亿用户，微信 AI 搜索月活1.6 亿。AI 原生搜索方面，ChatGPT 以9 亿周活成为全球第 4 大网站，Perplexity ARR$2 亿、估值$200 亿。搜索流量升级的数据信号极为明确：Gartner 预测传统搜索流量下降 25%，AI Overviews 出现时链接点击率暴跌 61%，Google 美国份额跌破 50%。$3000 亿搜索广告市场正在结构性重构，传统搜索仅能变现 20%～30% 有明确商业意图的查询，而AI 搜索打开了剩余 70%～80% 的增量市场。
广告——跨流量代际发展。广告目前来看是流量代际兼容的业务，本质都是数据驱动的广告——受众匹配，AI 天然擅长。AI 增强方面，Meta Advantage+ 助力 2026 年营收预测 $2434 亿（首超 Google），腾讯广告妙思整合全域流量。AI 原生广告方面，ChatGPT 正式引入广告（目标 2030 年 $1000 亿），AI Overviews 广告预计 2027 年达 $169 亿。
办公——流量升级管道初步建成。办公是 AI 智能体任务执行进化最快的领域，2026 年初 Claude 4.6 和 GPT 5.4 知识工作能力已全面超越人类平均水平，监管约束主要集中在企业信息安全和审计合规。AI 增强方面，Copilot 1500 万席位，钉钉 AI、飞书aily、企微 AI 竞争激烈。AI 原生方面，Cursor、Devin、Claude Cowork 证明了代际差优势，腾讯 CodeBuddy/WorkBuddy、钉钉悟空 AI、字节 Trae 等智能体工作台正迅速成为企业级新入口。
以上三个场景的流量升级管道建设最好，阀门开度最大，使它们成为流量 2.0 升级的前沿阵地。
流量升级蓄力——电商、LBS/本地、医疗、金融、内容
这六个场景的共同特征是：涉及线下服务商体系，或涉及版权保护、特殊或阶段性重点监管。这意味着即使 AI 技术已经达到应用水平，流量从 1.0 到 2.0 的转化速度仍受到非技术因素的制约。但阻力不等于阻断——这些场景的转化启动规模已经在扩大，局部已出现爆发。
电商——AI 驱动流量增长迅猛，但线下履约是天然制约。Amazon Rufus 覆盖3 亿用户，淘宝 AI 搜、京东京言已嵌入全流程。据 Adobe Digital Insights，美国零售 AI 驱动访问量同比增长超 4700%。Perplexity Buy 和 ChatGPT Shopping 让交易可在 AI 对话中完成。然而56%消费者购物旅程仍从 Amazon 开始——不可绕过的商品库存和物流数据，成为 AI 原生公司难以突破的壁垒。
LBS/本地——决策效率提升明显，服务履约仍靠线下。美团小团、高德 AI（日调用 12 亿次）深度嵌入 AI，美团小美 APP 抢占 AI 原生入口。但餐厅出餐、骑手配送、技师上门无法被智能体替代，流量增长目前更多体现在决策效率而非全流程应用。未来自动驾驶和无人配送成熟后将迎来新转换期。
医疗——AI 健康入口争夺已展开，监管后置风险需关注。蚂蚁阿福月活3000 万，讯飞晓医咨询超1.6 亿次，ChatGPT Health 日活4000 万，OpenEvidence 估值$120 亿，安诊儿服务1.3 亿人次。然而 AI 医疗分级审批标准不清晰、AI 是否构成执业行为未定论、AI 病理检测支付未跑通。这是“技术快于制度”最典型的场景，也是顺应“健康中国”国策的最有潜力民生场景。
金融——AI 结合广泛但流量升级谨慎。Erica 超2000 万用户，Robinhood Strategies25 万付费。但 AI 幻觉、投资咨询定性、Agent 自主交易责任归属、新型 AI 金融犯罪等问题尚未解决。值得关注：美国 11 万名理财顾问预计 2034 年前退休，为 AI 原生理财创造需求真空。
内容——生成能力已爆发，版权阀门开度仍小。AI 已全面进入内容制作工作流，可灵 AI 单季度生成6 亿条视频。但 AI 生成内容著作权归属全球尚无统一标准，“深度伪造”等滥用风险让监管持续关注。
流量升级时机未到——游戏、智能终端、政务、社交
这三个场景的流量转化升级时机尚未到来，主要原因是它们的1.0 到 2.0 的转换通路还没有真正建立。三个场景各有各的卡点。
游戏——想象空间巨大，核心玩法仍在探索。AI NPC、AI 教练已落地，Roblox Cube 3D 让 4740 万在线玩家可一句话生成 3D 场景。但 AI 原生游戏技术尚不成熟，核心玩家对 AI 介入态度复杂，完全生成式游戏品质距玩家预期仍有差距。
智能终端——技术方案未定，新形态尚未出现。手机和 PC 凭借算力和用户习惯短期不可撼动（Apple Intelligence、Galaxy AI、荣耀任意门、小米 MiMo），AI 眼镜争夺新入口（Ray-Ban 300 万+台、夸克/小度/讯飞），AI 配件找到细分市场（Plaud、钉钉、讯飞）。OpenAI 以 $65 亿收购 io Products 计划 2027 年推出无屏幕设备。但完全适配智能体的新硬件形态仍未出现，Humane AI Pin 和 Rabbit R1 的失败警示：没有杀手级能力的 AI 硬件只是昂贵的玩具。
政务——后发的海量流量。全国超80%县级以上政务中心启动智能化改造，国家网信办已公示 14 个规范应用案例。但业务流程复杂、数据安全要求高，迭代速度难以对齐 AI 进化速度。一旦标准化流程跑通，复制到全国数千个政务中心的规模效应极为可观。
社交——关系链是最难突破的壁垒。微信元宝、Meta AI 功能有限，AI 原生社交产品用户留存难。核心是信任问题：用户不太会让 AI 代替自己社交。转机更可能来自非社交领域。
小结：1.0 的流量不会消失，但正在以不同速度向 2.0 形态转化——而转化速度最快的场景，往往就是 AI 原生创业公司最先涌入的赛道。这自然引出下一个问题：除了 1.0 流量的转化，智能体网络本身正在催生哪些全新的 2.0 流量来源？
3.2 八个原生场景：智能体催生新入口和新流量
智能体及其网络运行本身所需的基础设施和服务，这些在 1.0 时代完全不存在的需求，正在催生至少八个智能体原生应用场景和新流量入口，每个入口都是 2.0 原生流量的来源：技能市场、工作环境、信息服务、支付和交易支持、身份和安全保障、记忆服务、数字员工、智能体培训，等等。
技能共享与市场。1.0 时代的应用市场分发的是完整的应用，2.0 时代的 Skill 市场和社区分享的是智能体可调用的能力模块。目前已经有 ClawHub、SkillHub 、钉钉技能商店等市场在迅速崛起，但更多以免费分享为主。从远期看，复杂和专业的高级技能包（如复杂分析诊断方案、Headless 专业软件）可能形成订阅制——拥有稀缺行业知识的专家可以把 know-how 封装为 Skill 或更高级的技能包出售，这是知识变现的 2.0 形态。
智能体运行环境和工作空间。智能体的运行模式和传统 Web 应用不同，可能需要 7×24 持续高强度运行、状态持久化、错误恢复、安全隔离的沙箱环境。这催生了一批智能体原生运行环境：E2B、Cloudflare Agent Cloud、CoreWeave 等都是该领域的探索者；Nebius 获 NVIDIA $20 亿投资，专为推理和 Agentic AI 设计。NVIDIA 的投资信号明确：芯片巨头正在亲自扶持智能体原生云，布局智能体网络时代的关键基础设施。智能体训练场是运行环境的的延伸。MiniMax 云端沙箱每分钟创建 60 万个实例，80ms 极速启动，支撑模型自主优化循环超 100 轮。阿里云 AgentRun、腾讯云 AGSX、OpenAI Agents SDK 都在强化沙箱能力。模型是引擎，Harness 是机甲外骨骼，沙盒是训练场——三者缺一不可。
面向智能体的信息服务。智能体需要结构化、可机器解析的数据流，彭博和 Wind 正推出 Agent API 版本，Tavily 专为智能体提供搜索基础设施。当数亿智能体同时运行时，Headless 信息服务的词元消耗将是天文数字——这是纯粹的 2.0 增量流量。 针对生成式大模型的推荐优化GEO也将进一步面向智能体迭代。
智能体支付、身份与安全。支付方面，智能体需要自主完成交易和结算（Skyfire、Visa、Payman），核心难题是责任归属。安全方面，智能体被骗、骗人、身份冒充等新型威胁催生了 Oasis Security 等专业公司。身份认证、权限管控、行为审计成为全新品类。
智能体记忆与上下文持久化。智能体能否“越用越好”，取决于它能否跨会话、跨平台地记住你的偏好、习惯和历史。用户在某个智能体上积累的上下文越多，迁移到另一个智能体的成本就越高，因此你的智能体的记忆可能是比你的社交关系链更重要的数字资产。Vectorize 和 Mem0 从底层存储和索引层切入。这个细分场景的价值巨大：谁掌握了智能体的记忆层，谁就掌握了锁定用户的超级壁垒。
智能体生产力服务——“数字员工”。Devin 正在逐步进化为一个可以被“雇佣”来独立完成任务的 AI 软件工程师。Sierra在客服领域做同样的事。百度发布了数字员工平台。“按需雇佣 AI 劳动力”是 1.0 时代完全不存在的全新需求，每一次雇佣都是一股 2.0 流量的产生。
智能体培训与能力定制。不是所有用户都能自己训练智能体，特别是缺乏技术能力的个人和中小企业。这可能催生智能体培训外包的服务需求：帮客户配置、训练、调优智能体，使之适应特定的业务场景。这个赛道目前还没有典型的探索者，但逻辑类似 1.0 时代的 IT 外包——当智能体 成为企业和个人标配，总有人需要“开箱即用”。
八个应用场景都是智能体网络不可或缺的“水电煤”，也是2.0 流量的原生入口和源源不断的流量。
3.3 价值链影响：每一类参与者的机会与挑战
1.0 时代的消费互联网价值链是一个四层结构：云服务平台→大型业务平台→中小垂直服务商→终端设备商。2.0 时代，这个结构不会被推倒重建，但每一层的角色和竞争逻辑都在深刻变化——同时，两个全新的价值节点（智能体基础设施层、AI 原生业务层）正在现有层级之间快速成长。
云服务平台：从为人服务的云到为智能体服务的云
目前看更多的是机会：Token 消耗指数级增长——中国日均 Token 调用量已超 140 万亿，两年增长超千倍。更大的机会在于升级为能更好支撑海量智能体长时间稳定工作的智能体原生云平台。同时，核心参与相关技术标准、规范和标杆案例的制定，也能进一步占据规模化流量分发的主动权。同时也面临未来的挑战：新型智能体基础设施玩家从两个方向夹击传统云巨头——边缘路线和GPU 原生路线。传统云巨头面临的是整个基础设施体系的竞争甚至是替代压力。
大型垂直业务平台：1.0 的流量主，首先面临 2.0 转型
机会来自三个方面。第一，数据护城河依然有效——淘宝的商品数据、美团的骑手网络、微信的社交图谱，还有众多用户的购物习惯，智能体绕不开。第二，“双轨骑行”是主流策略——既在 1.0 产品上加 AI（Google AI Overviews、美团小团），又独立做 2.0 原生产品（美团小美、钉钉悟空、蚂蚁阿福）。第三，广告是横跨流量 1.0 和 2.0 的业务类型。
挑战也来自三个维度。
第一，“青黄不接”的过渡期。核心矛盾是 1.0 的收入增速还没跌完，2.0 的收入增速还没涨起来。Google AI Overviews 2025 年估计贡献仅 $17 亿广告收入，但同时传统搜索点击率却下跌 61%，AI 新收入可能还没有填上旧收入流失的窟窿。
第二，开放 API 还是自建智能体——重要的战略选择题。三力博弈：生态引力（不在智能体调用范围就不存在）推向开放；数据主权焦虑（API 开放后数据被聚合比价）推向封闭；隐私压力推向端侧。约 40%～50% 平台选择“有限API+自建智能体”的中间路径。效率与安全的 Tradeoff 决定具体位置——API 毫秒级高效但数据暴露风险大，Agent-to-Agent 对话词元消耗高10～100 倍但数据安全。最可能演化为“分层开放”架构，底层标准化信息 API 开放保效率，核心数据封装在自建智能体内部保安全。Agent-to-Agent 可能成为 2.0 时代的“外交协议”——各方都不愿完全打开国门，但又不能闭关锁国。
第三，“智能体争宠”——来自用户侧的隐性挑战。用户大概率只依赖 1～2 个“受宠”智能体——三圈结构（核心圈 1-2 个 / 工具圈 3-5 个 / 外围圈不固定）与 1.0 的 APP 使用分布惊人相似。原因有三：认知负荷限制（邓巴数类推）、上下文马太效应（用越多→越懂你→越好用→用更多）、责任归属简化需求。先发上下文积累、跨场景通用能力、人格一致性、生态调度能力、数据迁移壁垒成为五个最重要的竞争变量。赢得争宠的平台掌握意图分发权，输掉的沦为后端供应商。
中小垂直服务商：加速分化
“SaaS 末日论”辨析是这个层级重要的挑战警示。末日派证据有力——软件 ETF 跌 30%、Gartner 预测 90% B2B 采购由智能体中介、Claude Cowork 直接威胁垂直 SaaS。但反论派同样有力——a16z 指出 AI 在把饼做大，企业软件的本质是流程知识而非代码。更可能合理的解释是：真正被颠覆的不是 SaaS 模式，是不拥有独特数据和流程知识的通用 SaaS。流程越标准化、拆解越精细的软件，越容易被“蒸馏”为智能体的 Skill。 相对的，拥有深度行业 know-how 的垂直 SaaS 反而可能升级——前提是把核心竞争力转向数据和流程知识技能包。
终端设备商：入口之争升级为“智能体入口之争”
现有各终端形态有各自的机会：手机和 PC 短期稳固，AI 眼镜争夺新入口，AI 配件有细分市场。而挑战来自于新形态：未来很可能出现完全适配 AI 原生理念的新硬件形态。就像智能手机出现后 PC“靠后”，如果 AI 原生硬件成熟，手机也会经历类似过程——不会消失，但可能从消费互联网主入口变成移动生产力辅助设备，甚至是“移动词元宝”，和充电宝类似。
新增价值节点之一：智能体基础设施提供商
现有云计算三层服务之间插入了一个全新的“中间件层”，也可以理解为“Harness for 智能体”。智能体工作环境和空间、身份安全与评估、记忆与上下文、支付、训练场/沙盒。这些在 1.0 时代不存在的板块，可以是组件、也可以是平台，但每一个都是智能体及其网络不可或缺的基础设施。
新增价值节点之二：AI 原生业务提供商——流量 2.0 的原住民
AI 原生业务层的发展空间可能比基础设施层更大，因为它直接面向终端用户创造价值。能预见两种类型：
一是与 1.0 大平台正面竞争的 AI 原生产品。ChatGPT 搜索对阵 Google、Cursor 对阵微软 VS、NanoBanana 对阵 Photoshop。核心逻辑是“代际差”——用 2.0 的方式降维打击 1.0 业务。但它们面临也挑战：1.0 大平台也在做同样的事（双轨骑行），而且有数据和用户关系的先发优势。AI 原生产品必须回答“为什么不在老 APP 上加 AI，而要用你的新产品”。
二是 1.0 时代完全不存在的全新品类。Skill 市场、数字员工、智能体信息服务，等等。这些全新品类不需要从 1.0 平台手中抢市场，而是在创造全新的市场——发展空间可能更大。
4. 应对：怎么办
面对流量 1.0 见顶和内卷、全新的流量 2.0 体系、以及新流量视角下消费互联网产业及各参与方可能面临的机会和挑战，我们应该如何善用 AI 做好应对？如何善用流量 2.0 体系做好商业模式升级？如何推动产业各方协同完成消费互联网商业转型，进一步实现“人工智能+”战略实现和国家经济的重振？本章尝试思考并找到一些答案，和同仁共勉。
4.1 直面和拥抱消费互联网转型
停止流量 1.0 内卷。1.0 的三重见顶危机已经很清楚：用户时长触及生理天花板，获客成本持续飙升，算法推荐的边际改善空间趋近于零。在一个日渐缩小的蛋糕上继续价格战、补贴战和算法微调，投入产出比只会越来越差。
同时，2.0 的增量空间正在快速打开：搜索广告市场正在结构性重构，AI 驱动零售流量同比大增， AI医疗健康助手有成为用户 AI 时代装机必备的潜力。与其在 1.0 赛道里为 0.1% 的转化率提升投入巨额预算，不如把同样的资源投向 2.0 的增量方向。范式转换期的历史规律反复印证了同一个结论：率先拥抱新范式的企业获得的增长红利，远大于在旧范式中的回报。2010 年率先 All-in 移动互联网的企业，远比固守 PC 端的企业走得更远。
尽快启动流量 2.0 监测。绝大多数企业仍在用 DAU、MAU、PV、GMV 衡量业务。问题在于这套指标看不见 2.0 的变化。建议在 1.0 体系旁边增设 2.0 仪表盘，至少涵盖词元消耗量及结构、智能体 调用量及增速、意图完成率、智能体来源分布。看得见才管得了。
启动商业模式适配和转型。把从卖注意力到卖意图完成的趋势，落地为三件事：重新设计定价（词元计费、效果计费）；重新定义产品形态（把能力封装为智能体可调用的 Skill/API，现在连金谷园饺子馆都在开源自己的 skill）；同步升级组织能力（选拔存量+吸引增量，懂智能体编排的产品经理、懂流量 2.0 运营、能自组织的全栈小团队）。
盘点数据资产。回答三个问题：哪些数据是智能体绕不开的？哪些可以封装为 Skill 开放变现？哪些核心数据需要封装在自建 智能体内部？“分层开放”架构（底层标准化信息API 开放报效率，核心数据封装在自己的智能体内部保安全）可作参考。
识别和投资 2.0 原生初创。这不仅是财务回报，更是战略布局：通过投资建立与 2.0 生态的连接，获得对新技术、新模式的早期触达。NVIDIA 投资 Nebius $20 亿正是此逻辑。
4.2 为互联网转型护航和鼓劲
伴随式监管：与 AI 共同探索新规则。智能体自主交易的责任归属、智能体身份认证、AI 生成内容的版权框架、数字员工的劳动法定位……这些问题在 1.0 时代的监管框架中找不到答案。但更关键的是，这些新问题可能也不适合用“先定好规则再放行”的方式来应对。AI 的发展速度以天为单位，监管规则的制定策略也应不断创新和适应。更可行的方式是伴随式的沙盒试验和试点探索：在可控范围内允许企业先行先试，监管部门作为观察者和参与者同步跟进，在实践中提炼可行的规则。这种方式在金融科技领域已有先例。
推动基础设施标准化和规范制定。八大流量2.0原生场景中的标准和规范目前大多处于空白和早期探索。智能体身份认证缺乏国际标准，智能体支付结算的规范尚未建立。这意味着我国有机会从零参与甚至主导标准制定。
两个着力方向：一是鼓励国内企业在关键基础设施上进行自主原创，在参与国际开源生态的同时确保核心技术栈可控。二是推动建立行业联盟和标准体系，在智能体身份认证、安全评估、数据交换格式、支付结算等领域联合头部企业和研究机构先行制定，在国内跑通后向国际推广。
应对产业结构变化与新就业形态。两个趋势值得政策层面重点关注。
第一是通用 SaaS 中间层的收缩。AI 编程能力增强会促进很多企业自建内部系统，外采的需求会下降。同时无独特数据或者流程知识的软件有被蒸馏为智能体的 Skill 的风险，失去市场竞争力。这意味着部分中小型通用型 SaaS 企业（财务软件、进销存、CRM、项目管理等）面临更快的业务萎缩甚至被替代的风险，连带影响的是这些企业的从业者和围绕它们形成的服务生态。
政策层面可以从两方面着手：一是引导通用 SaaS 企业向“数据和流程知识的skill化”和“智能体前线部署工程师（FDE）和训练服务商”等流量2.0 原生业务转型，把自身积累的行业 know-how 封装为智能体可调用的高价值技能包或服务解决方案，而非继续依赖传统的软件界面和席位收费；二是为转型过程中受冲击的从业人员提供再培训支持，帮助他们重新上岗或创业。
第二是数字员工的兴起带来的新就业形态。未来 5 年内，数字员工大概率会正式成为企业数字生产力进行管理。而进一步规模化应用将催生一系列制度层面的新问题：企业雇佣数字员工是否需要缴纳类似社保的公共义务？数字员工造成的损失由谁承担？当一个岗位既可以用人也可以用智能体时，如何平衡效率和就业？这些问题目前还没有现成答案，但越早开始研究和试点，越能在变化到来时从容应对。
加强面向互联网流量2.0 体系的产学研协同。智能体安全、记忆持久化、多智能体协调、智能体支付的责任归属，这些既是产业前沿，也是学术前沿。中国在 1.0 时代的应用创新领先全球，但在基础理论层（操作系统、芯片架构、核心协议）长期依赖国际。2.0 时代如果能在智能体网络的理论和标准层面保持同步甚至领先，就有机会从根本上改变“应用强、基础弱”的格局。鼓励高校和研究机构与头部企业联合攻关智能体网络的基础性问题，是一个值得持续投入的方向。
鼓励流量 2.0 出海。中国在 1.0 时代已有 TikTok、SHEIN、Temu 等成功的出海实践。但 1.0 出海的一个不足值得记取：中国输出了产品，却没有输出标准。操作系统、支付协议、云标准仍由欧美主导，产品层的成功随时可能因基础设施层的受制而被逆转。2.0 出海应该产品与标准并举。
初步可以看到四个具有优势的方向：AI 原生硬件和配件。Plaud 已经是一个成功案例：深圳团队做的 AI 录音设备，Kickstarter 破纪录、亚马逊 BS 榜第一、全球交付 20 万台。中国在 AI 硬件的设计制造和全球化分发上有成本和速度优势，AI 眼镜、AI 录音设备等品类可以复制这条路径。AI 原生工具和效率应用。字节 Trae 已在做全球化，中国的 AI 编程工具、AI 设计工具、AI 内容生成工具在迭代速度和性价比等方面上有竞争力。面向全球开发者和创作者的 2.0 原生工具，是产品出海的自然延伸。面向新兴市场的 AI 原生服务。东南亚、非洲等市场的 1.0 基础设施本身不完善，反而可能跳过 1.0 直接进入 2.0，类似非洲跳过固话直接进入移动互联网。开源生态和标准输出。DeepSeek 等开源模型已在全球建立了影响力。通过开源