前天，黃仁勳再次掀桌子，在 NVIDIA GTC 的一場演講轟動全球科技圈。 “人類不再學習使用軟體，一切都交給 AI。”黃仁勳認為，過去 40 年形成的電腦互動模式，正在被一種全新的方式取代。簡單概括就是：“AI 成為新的使用者介面（AI is the UX）。 相比很多媒體說的“軟體時代的終結”，我卻認為這是一種工作方式的變革。從此，我們個人價值的衡量標準將會發生翻天覆地的變化，而那些AI減少工作崗位的說法也將不攻自破。 尤其是對工業軟體產業的影響，我覺得是前所未有的衝擊。到底是如何衝擊的？下文我將採用黃仁勳的兩張 PPT 展開分析。

Medvi這家公司，火得也快，翻車得也快。前一天，它還是矽谷口中的“一人公司”樣板。一個名叫馬修·加拉格爾（Matthew Gallagher）的41歲創業者，拿著2萬美元啟動資金，靠十幾種AI工具和幾個外部平台，在一年多時間裡做出4.01億美元營收。整個故事就如同寓言一樣，告訴我們agent時代，人們如何使用AI來賺大錢。就在這家公司被瘋狂轉發的第二天，它的陳芝麻爛穀子迅速發酵。隨之被扒出的，還有FDA的警告信、關於復合減肥藥的誤導宣傳、社交平台上批次註冊假醫生帳號給產品打廣告。所以這家公司到底是怎麼跑起來的？它到底是一家遠端醫療公司，還是一個披著醫療外衣的流量平台？AI在裡面究竟是提高了效率，還是只是把原本就存在的問題放大了？Medvi最值得看的地方，恰恰不在那串驚人的數字，而在它把一家公司拆成了什麼樣子。馬修自己抓了什麼，AI替他做了什麼，外部平台又替他接住了什麼。把這些脈絡理順，我們才能真正看清，這家公司為何能在短時間內快速崛起，又為何會光速陷入輿論與合規危機。這家公司怎麼來的Medvi經營的項目是GLP-1減重遠端醫療。不過現在它已經不是一人公司了，因為馬修的弟弟艾略特也進入了公司，成為該公司的唯一一名員工。Medvi的業務並不複雜，使用者到網站上下單、填寫資料、線上問診，隨後進入持續處方和復購流程。所以本質上，Medvi就是一個減肥藥推廣平台。它真正特殊的地方，在於分工方式。馬修最初拿出的起步資金只有2萬美元，但他並沒有自己去搭一整套醫療體系。他把所有涉及健康專業的環節，比如持牌醫生、處方處理、藥房履約、物流和合規，全都交給CareValidate和OpenLoop Health這類外部基礎設施平台承接。Medvi自己只抓最靠前的一層，網站、品牌、廣告投放、支付結算和使用者關係。換句話說，後端那部分重流程留給平台，前端的流量和轉化留在自己手裡。那他又是怎麼用的AI呢？馬修用了十幾種AI工具來寫程式碼、搭網站、生成廣告素材、寫行銷文案、處理客服溝通、做資料分析，再把不同系統接起來。馬修自己就干兩件事，管理這幫AI以及打廣告。在傳統醫藥平台裡，醫生、客服、財務都要你自己養，組織架構很容易變得複雜。但是Medvi把最重的部分全都外包出去了，用AI負責給客戶和醫生之間建立聯絡，馬修只留下了最值錢的部分。所以它不需要自己養一大批醫生，不需要自己開藥房，也不需要自己做配送，但照樣可以把使用者從下單一路帶到復購。馬修少年時期就已經接觸程式設計了，他做過網站，也做過一些很小的買賣。後來他創辦了一家手錶公司叫做Watch Gang。雖然在圈內有一定的影響力，但是利潤方面卻表現一般。這段經歷給他最大的教訓就是，團隊一大，成本會上來，決策會變慢，組織本身會開始吞掉效率。放在這個背景裡看，Medvi並不只是一次AI創業，它也帶著他前一次創業留下來的經驗修正。與其再搭一個厚組織，不如儘量把公司做薄，把外部能接住的部分都交出去，把自己留在最靠近現金流和增長的位置上。馬修做到了嗎？Medvi在2025年這個第一個完整年度裡，營收做到了4.01億美元，客戶數約25萬人，淨利潤6500萬美元，淨利率16.2%。到2026年，按當前節奏，年銷售額有望衝到18億美元。如果把這家公司放回行業裡看，它解決的其實是過去遠端醫療和減重生意裡的幾個老問題。第一是組織太重。很多公司一開始就得自己養團隊，成本高，速度慢。第二是前後端脫節，醫生、處方、履約和流量各管一段，中間銜接複雜。第三是獲客貴，但轉化鏈條又長，稍微有一段跟不上，錢就白燒了。Medvi把這些問題重新拆了一遍。AI去壓縮前端執行成本，外部平台去承接後端履約，公司內部只保留最關鍵的流量、品牌和轉化。它賺到的錢，其實來自一個已經存在的大市場。它的增長來自於AI減少的成本以及提高的效率。Medvi幾乎沒有傳統意義上的硬壁壘。它沒有自有醫生網路，沒有藥房體系，沒有排他性的供應關係，也沒有特別深的專有技術。馬修自己對這個問題倒是一點也不迴避。他說任何懂投放、懂電商、懂使用者轉化的人，只要接上類似的醫生和履約平台，都能複製出一套相近的殼層。Medvi今天最值錢的部分，很大程度上還停留在執行層，而不是結構層。還有一點也不能忽略，Medvi跑得快，和它所處的行業特徵關係很大。減重藥本身就是一個需求很強、客單價高、復購率高的市場。只要獲客體系搭起來，現金流就會很快出現。這類市場本身就適合超輕組織先沖規模。換一個低頻、低毛利、低復購的行業，同樣的AI配置，未必能長出同樣的財務曲線。AI把某些行業裡的組織成本壓低了，讓少數懂增長、懂市場的人，能比以前更快把一家公司做大。AI不是什麼都能解決的如果只看營收和員工人數，Medvi很容易被寫成“一人公司神話”的新範本。但把這家公司拆開看，會發現它其實非常脆弱。它最大的風險在監管。Medvi賣的是圍繞復合配方GLP-1減重藥物的遠端醫療服務，這個賽道過去幾年能迅速長起來，一個重要背景就是美國減重藥供應短缺。可是問題在於，這個窗口已經在收縮。FDA（美國食品藥品監督管理局）在2025年2月宣佈司美格魯肽短缺狀態結束，隨後又給出了對503A藥房和503B外包機構的執法過渡期限。進入2026年後，圍繞復合GLP-1銷售和行銷的執法壓力進一步加大，行業裡多家公司都在重新調整策略。簡單說，就是原版藥的供應恢復了，市場沒那麼缺貨了。前幾年很多遠端醫療平台之所以能賣復合配方版本，一個重要理由就是原版藥買不到。所以Medvi在2026年的收入，可能會達不到預期。不僅如此，Medvi還在2026年2月20日收到了FDA正式警告信，原因是網站上關於復合配方司美格魯肽和替爾泊肽的表述存在誤導性宣傳，包括讓消費者誤以為這些產品和FDA批准藥物具有同等安全性、有效性，或者誤以為Medvi自己就是複方藥品的生產方。這還沒完，這兩天在X上開始流傳一批截圖，稱馬修用AI註冊了800多個“假醫生”帳號，來給他的減重藥投廣告。截圖裡滿是穿白大褂、帶醫生頭銜、掛著GLP-1廣告的醫生。可事實上，這些人沒有一個是真正的醫生，他們的簡歷全都是由AI生成的，照片也是。FDA在2026年3月3日又公開說，第二批針對GLP-1 telehealth行銷的30封警告信已經發出，並明確提到，不整改可能面臨更進一步的執法。往下走，常見就是要求限期整改、停止相關宣傳、產品扣押、禁令，嚴重時還可能把材料轉給司法部門。FTC（美國聯邦貿易委員會）在2024年10月21日生效的規則，已經明確禁止企業製作、購買、傳播由不存在的人、沒有真實體驗的人、或者歪曲體驗的人作出的假評論和假證言。按FTC自己的說法，這類“明知或應知”為假的內容，監管可以追究民事罰款、禁令、退款/追繳違法所得。如果是大規模、系統性投放，風險會更重。也就是說，馬修除了收入會下降以外，還有可能面臨罰款，甚至是牢獄之災。AI也沒讓馬修省心。因為AI沒有辦法替公司穿透監管，也沒有辦法替公司承擔醫療責任。它的上下文機制也限制它不能直接建立長期的信任關係。外媒報導稱，Medvi的客服機器人早期會胡亂給藥品報價，馬修最後只能按這些錯誤報價兜底。它還會編造並不存在的產品線，對外宣稱Medvi已經在賣尚未上線的脫髮產品。人在管理人時，主要處理的是協同成本。人在管理AI和外部平台時，面對的是監工、總和檢查碼兜底。是，公司是人少了，可問題沒有消失，它只是換了樣子。很多人聽到“一人公司”這個詞，會下意識把它理解成一種很高效、沒有摩擦的組織狀態，畢竟一人公司裡唯一能發生爭執的，只有左腦和右腦。有了AI以後，創始人好像只需要發號施令，剩下的事情都能自動完成。然而現實並非如此。創始人從組織中拿掉了很多崗位，同時也把大量複雜度外移給了平台、供應商和模型。他不再管理一個幾十人的團隊，卻要隨時盯著廣告成本、客服失真、平台依賴、監管變化和供應鏈合規。一人公司不等於沒有管理，只是管理的對象變了。一人公司這個現象到底意味著什麼Medvi這個案例真正值得討論的地方，是在公司這個詞上。其實以前也有不少的一人公司，我們家樓下的小超市，以及旁邊賣肉餅的。他們都是個體戶經營生意。那為什麼他們做不到Medvi的營收規模？因為它們這種小規模的生意，只能省下用人成本。卻沒辦法像Medvi那樣，用業務鏈條覆蓋獲客、轉化、交付和復購。Medvi究竟是否是一個好案例，這事還有待商榷。但是它的確給我們了一些啟示。在一人公司裡，模型本身是一層。外部服務平台是一層。支付、廣告、物流、雲服務、遠端履約、API生態又是一層。你可以學Medvi那樣，把整個公司拆開，只保留最關鍵的介面，剩下的能力都通過外部模組接進來。原本必須在內部完成的事情，越來越多可以在外部完成。原本需要招聘的人，越來越多可以先用工具和平台接住。AI沒有消滅商業基本功。反而它放大了以前的老知識，比如選市場、抓需求、做投放、管轉化和控成本這些。Medvi能做起來，前提不是他會寫提示詞，前提是他本來就懂增長和品牌。其次，它說明未來最容易出現超小團隊奇蹟的行業，未必是技術最尖端的行業，反而可能是那些需求明確、利潤夠厚、基礎設施能夠外包的行業。不過它也提醒了另一件事，公司的人變少，並不代表風險變少。複雜度被轉移了，治理問題也被轉移了。一個創始人可以不再管理很多員工，但他要管理更多模型、更多介面、更多供應商，以及更多外部不確定性。Medvi所在的監管環境還在變化，它的競爭門檻也算不上牢靠，它的增長窗口能持續多久，誰都說不好。但它至少給出了一個非常清楚的樣本。AI改變的不只是生產力工具，也在改變“公司”這個單位本身。過去我們對公司的想像，總是和人數、樓層、組織架構、部門分工綁在一起。現在開始出現另一種公司。它很薄，很輕，很多能力都不在體內，卻依然能長出驚人的收入規模。這個趨勢如果繼續下去，未來幾年最值得看的，焦點恐怕會從AI替代了多少崗位，慢慢轉向公司到底還能被壓縮到什麼程度。到那個時候，衡量一家公司的尺度，也會從“有多少人”慢慢轉向“能調動多少能力”。 (鈦媒體)

今天剛好看到YC CEO Garry Tan轉發的一篇熱門文章《how to sell to agent》，挺有意思。文章包含了大量的經濟邏輯，會啟發你站在不同角度來思考 Agent 時代下的完全不同的產品（服務）設計思路。Garry 在劃出文章重點的同時拋出一個值得思考的問題：One of the most important questions for founders is: How do I make sure agents know about my product and service and choose it? All the old tricks won’t work.   People who figure this out will win big. 對於創始人來說，最重要的問題之一是如何確保智能體知道我的產品和服務並選擇它們？所有舊的技巧都將失效。率先破解這個問題的人將贏得巨大優勢。這不僅僅是一個行銷問題，更是商業模式的改變。如果未來採購決策由企業內部的 AI Agent 完成，你的產品是否已經是agent-native？還是仍然停留在為人類決策流程設計的狀態？1937 年，Ronald Coase提出了一個極具深見的問題，並因此榮獲諾貝爾獎：如果市場機制如此高效，企業為何還會存在？為什麼我們不通過合同將所有業務外包？他的核心答案是交易成本。因為尋找合適的專業供應商、評估其履約能力、協商價格、監督合同執行，這些環節都會消耗大量的時間與資金。在傳統環境下，內部僱傭的組織成本往往低於外部市場的交易成本。如今，AI Agents 正在重構這一經濟模型。 一個智能體可以在單次 HTTP 往返中，自動化完成服務發現、價格查詢與呼叫執行。它消除了傳統商業中的方案比選、產品演示及人工對比等冗餘環節。通過查詢登錄檔獲取結構化資料，Agent 能在毫秒級時間內做出最優決策。當然，交易成本並非全面下降。系統整合、合規性審查及安全評估等環節的成本依然高企。然而，搜尋與評估層，即獲取服務存在性及其定價資訊的邊際成本正在趨於零。當搜尋成本發生驟降，企業的決策邏輯將從“內部自建”轉向“外部採購”。而此時的採購主體已不再是人類，而是擁有獨立預算的自動化軟體（They're software with budgets）。注意力經濟不再適用整個行銷史的核心就是捕捉注意力。廣告牌、搜尋廣告、落地頁、開發信、展會展位，這一切都是為那些會瀏覽、比較並最終做決定的人類設計的。Agent 不瀏覽，它們只查詢。Agent 最佳化的是結果，而不是注意力。它們沒有品牌忠誠度，沒有衝動消費，沒有地位象徵的需求。Agent 的決策函數簡單得近乎殘酷：你能解決我的問題嗎？多快？多少錢？多可靠？在 Agent 執行階段，你的行銷網站對 Agent 是不可見的，你的價格頁面也無關緊要，唯一重要的是你的 API。推薦引擎只給三件事加分：活躍度（當前響應速度）、可靠性（歷史成功記錄）、置信度（結果精準頻率）。推特粉絲數、媒體曝光或品牌知名度沒有任何加分。演算法看不見這些，即使能看見也不在乎。這意味著發現過程必須程序化。人類通過口碑、搜尋結果和社交媒體尋找服務；Agent 則需要機器可讀的能力登錄檔。如果你的服務不能被機器發現，那麼對 Agent 來說，你就不存在。當然，人類仍會決定允許 Agent 使用那些工具。這確實是新的行銷方式的切入點。但一旦 Agent 運行起來，執行階段的採購決策就是純粹的最佳化過程。競爭的關鍵在於先進入人類准許名單，然後成為名單中最優的選項。Agent做決策的邏輯每當Agent面對子任務時，都會面臨一個核心決策：是消耗自身算力進行推理（build)，還是付費呼叫已有的成熟方案(buy)？這一決策模型主要取決於兩個變數：成本與速度。1/ 資訊套利是驅動採購的核心動力。 以常見的Agent子任務為例，如“調研網頁抓取服務”或“獲取特定資料集的最佳 API”。自主推理路徑：若智能體通過大模型（如 GPT-4 等級）進行自主研究，配合約 16K token 的推理和工具呼叫，成本約為 0.10 至 0.50 美元，耗時 10 至 25 秒。由於結果源於對訓練資料的合成，精準性往往存在波動。專業服務路徑：相比之下，呼叫帶有精選目錄的專業化服務，獲取相同答案僅需 0.01 至 0.02 美元，響應時間低於 200 毫秒。由於其基於即時維護的資料而非生成的推理，精準性更高。這種情況下，buy 比 build 便宜 7 到 50 倍，速度快 50 到 100 倍。2/ 在自動化工作流中，速度的權重往往不亞於成本。當Agent花費 25 秒進行自主推理時，整個業務流水線將進入“阻塞狀態”，導致終端使用者感知到的延遲呈指數級累積。我們來對比一下，一個包含 10 個步驟的工作流，若每步依靠自主推理耗時 20 秒，使用者需等待超過 3 分鐘；如果將其取代為 200 毫秒的專業 API 呼叫，整體流程僅需 2 秒即可完成。此外，通用智能體雖然具備抓取網頁或提取資料等能力，但其執行成本往往比那些在基礎設施層面深度最佳化的服務高出近百倍。其背後的經濟邏輯清晰而客觀，若 buy 的邊際成本低於 build 的成本，且響應速度更快，系統邏輯必然向 buy 傾斜。這種趨勢催生了“長尾化”的超專業化服務市場，即那些功能單一、響應極快、且單次呼叫成本僅需微量支付的 API 端點。然而，build 與 buy 的邊界始終在動態變化。隨著基礎模型成本的降低和原生能力的增強，部分簡單的、通用的功能會被 Agent 重新用build的方式完成。能夠長期存活的服務，往往具備 Agent 難以複製的優勢，例如專有資料集、即時資料流、依賴硬體的計算能力，如圖像生成或網頁渲染。隨著大模型和各類 Agent 的普及，推理、總結、寫程式碼、寫報告等能力越來越標準化，甚至接近商品化。無論是基於 OpenAI、Anthropic 還是 Google 的模型，底層智能差距在很多通用任務上已經被顯著壓縮。也就是說，單純賣“更聰明一點”的模型，長期來看護城河有限。You sell access to things they literally cannot compute on their own 真正有價值的，是權限。Agent 再聰明，如果無法訪問你的資料庫、ERP、CRM、專有 API、物理裝置、支付系統、供應鏈網路，它就只能停留在語言層面。它可以理解問題，卻無法真正行動。真正的 Agent-native 產品是什麼樣的如果你在建構一個供 Agent 購買的服務，其產品需求與針對人類建構的產品完全不同。1/ Price belongs in the protocol, not on a webpage 價格應存在於協議層，而非網頁上。Agent 需要 API 層的機器可讀定價，而不是分三檔並帶有“聯絡銷售”按鈕的價格表。價格應作為結構化封包含在響應中。當 Agent 訪問你的端點時，它應立即知道呼叫成本及支付方式。HTTP 協議裡有一整套狀態碼，用來告訴請求方發生了什麼。例如：200 表示成功、404 表示資源不存在、401 表示未授權。其中有一個狀態碼是 402 Payment Required。它在 1997 年寫入 HTTP 標準時就被預留出來，意思是“需要付款才能訪問”。但在現實網際網路裡，幾乎沒有真正使用過它，所以長期被標註為“保留以供未來使用”。為什麼沒人用？因為過去網頁主要面向人類使用者，收費由網站在應用層自行設計，例如結算頁面、訂閱流程和第三方支付介面，而不是通過 HTTP 協議。在 Agent 經濟下，情況將發生變化。如果未來是智能體在自動呼叫 API，那麼一次請求本身就可能需要即時付費。理想流程是這樣的：Agent請求某個介面、服務返回 402，並附帶機器可讀的價格資訊、Agent自動完成支付、再次發起請求並獲得結果。整個過程無需人類參與。網際網路最初為瀏覽而設計，現在可能要為自動交易而重構。2/ Per-request pricing changes what's viable 請求計費模式改變了商業模式在傳統SaaS訂閱模式下，服務通常每月收費 29 美元甚至更高。這意味著產品必須功能足夠全面，能夠持續為使用者提供價值，否則使用者很難長期付費。一個只解決單一問題的介面，在這種模式下幾乎沒有生存空間。當計費方式變成按請求付費，而且單次成本極低時，經濟邏輯發生了變化。即便是非常垂直、只做一件小事的介面，也可以成為獨立業務。例如，抓取一次社交資料可能只需 0.1 美分，分析一份文件約 0.5 美分，生成一張圖像約 0.17 美分。在人類主導的訂閱模式下，很少有人願意每月花 29 美元，只為使用一個功能單一的介面。但當呼叫方變成 Agent，並且每天自動發起成千上萬次請求時，收入來源就從“單個使用者的訂閱月費”轉變為“高頻、低價呼叫的累計”。只要介面在某個細分任務上具備明顯優勢，按呼叫計費就有可能形成可持續的商業模式。3/ Onboarding has to be automatable 入駐流程必須實現自動化高價值的服務依然需要身份驗證、頻率限制和防濫用機制。但其註冊流程必須能夠由 Agent 通過程序自動完成。如果你的入駐流程還需要人類去點選儀表盤、填寫表格，並手動將 API 金鑰複製貼上到配置檔案裡，那你就是在為一個原本僅需幾秒鐘的整合過程，增加了長達數分鐘的阻礙。最理想的狀態是：一次請求用於發現，一次請求用於認證，一次請求用於購買。三次 HTTP 呼叫，全流程無需人工干預。什麼不會改變整個銷售漏斗就此消失了嗎？並沒有，它只是經歷了重構與最佳化。1/ Trust becomes machine-evaluable 信任進化為一組可被機器量化的指標品牌並沒有消失，而是轉化為了一套可靠性評分系統。未來，Agent 會像審計員一樣，即時追蹤並對比各家服務的運行狀態：線上率夠不夠穩？響應準不準確？延遲波動大不大？資料來源是否可追溯？在這樣的環境下，競爭邏輯隨之變化。能夠證明自身輸出精準性的服務，即便價格更高，也更容易被選中。無法提供可驗證依據的服務，那怕更便宜，也會因為不確定性而被降權。來自 Agent 服務目錄的早期資料揭示了一個殘酷的真相：在一項針對 44 個服務的抽檢中，竟然只有 2 個能完全正常工作。直接呼叫服務的成功率只有 53%。這說明，可靠性就是產品的全部。那些不穩定的服務（Dead services）將面臨最嚴厲的懲罰，它們會永遠失去 Agent 的調度，流量瞬間歸零。2/ Policy still gates purchasing 規則依然是購買行為的終極門檻雖然 Agent 可以秒級完成交易，但它們必須在既定框架內運行，比如支出上限、供應商白名單、資料儲存要求等。傳統的銷售漏斗（吸引、說服、轉化）並沒有消失，而是進化了。現在的篩選標準是既要“快和便宜”，更要“合規、可信、可審計”。 不符合合規要求的服務，性能再強也不會進入備選名單。與此同時，合規性本身正在轉化為機器可讀的程式碼。 以前需要逐字閱讀的服務條款，現在變成了機器秒讀的結構化資料。資料存多久、權限怎麼設定，全都寫在了 API 的數字標籤裡。那些由合規約束的 Agent，會本能地避開黑盒服務，優先採購那些支援程序化驗證的可信供應商。3/ The adversarial environment is real Agent 時代的叢林法則並不是每一個介面都值得信任。有的會返回無效甚至錯誤的資料，有的會藉機收集不該獲取的資訊，還有的誇大自身能力，只為了吸引更多呼叫流量。因此，Agent 不能只看表面結果，還必須具備一整套防護與驗證能力，例如結果校驗機制、隔離運行的沙箱環境，以及基於歷史表現的聲譽加權路由策略。只有這樣，才能在複雜環境中篩選出真正可靠的服務。對於服務商來說，願意在“可驗證性”和“透明度”上投入資源，會帶來長期優勢。因為在機器主導決策的市場裡，系統優先選擇的是可證明、可追溯、風險可控的服務。最終，可信度本身就成為最核心的產品能力。打造 Agent 原生服務Agent 已經在花錢了，只是它們正通過為人類設計的笨重介面來操作：註冊金鑰、瀏覽帳單後台、解析瀏覽器專用的價格頁。正如前面所分析的，如果創始人想把產品或服務賣給 Agent，請參考這份清單：Machine-readable capabilities 機器可讀的能力描述： 以結構化格式（如 JSON）發佈服務功能，而非行銷頁面。Pricing in the protocol 協議內定價： 在 API 響應中返回價格。Agent 不會去讀你的定價網頁。Automatable onboarding 可自動化的入駐： 實現從 Agent 從未聽說你的產品（或服務）到成為 Agent 的付費客戶的程序化閉環。Provable reliability 可證明的可靠性： 公佈即時指標和置信度評分。信任是衡量出來的，不是行銷出來的。Be faster and cheaper than self-computation 需要比自我計算更快、更便宜： 這是硬指標。如果 Agent 能花更少錢、用更短時間自己算出結果，它就不會呼叫你。未來無限可能是不是這些做法都給了你新的啟發，但是我們在實際實踐中，還需要延伸思考，以上所描述的經濟環境其實是隱含了一些重要假設的。1/ Agent 會成為主要採購主體它假設未來大量服務呼叫和採購決策由軟體自動完成，而不是由人瀏覽網頁、閱讀報價單再做決定。但如果企業仍然保持人工審批和主觀判斷為主，這套“機器最佳化市場”邏輯就不會完全全面成立。2/ 搜尋和評估成本接近零這是對 Ronald Coase 理論的延伸。它假設 Agent 可以通過標準化登錄檔快速發現能力、比較價格、驗證可靠性。如果現實中能力描述高度碎片化、介面標準不統一、質量難以驗證，那麼搜尋成本不會真正趨零。3/ 決策函數高度理性它假設 Agent 嚴格按速度與成本最佳化，不考慮品牌、關係或情緒等因素。這意味著市場會向極度理性、邊際成本驅動的方向演化。但如果企業刻意將品牌、長期合作關係或戰略繫結寫入規則，這個假設會被削弱。4/ 介面可標準化它假設價格可以寫入協議層，能力可以用結構化 JSON 描述，支付可以程序化完成。如果基於未來的支付系統、法律體系或合規要求等，無法支援這種自動化交易，Agent-native 市場恐怕難以形成。5/ 可靠性可以由機器來評估它假設服務的線上率、延遲、精準性都可以被量化並公開。如果大量服務缺乏可驗證的指標，agent 就無法理性最佳化，市場仍然會依賴品牌與信任關係。6/ 支付架構的標準化它假設支付將成為網際網路的基礎協議（Protocol），而非應用（Application）。 比如金融基礎設施允許微支付（Micropayments），即單次呼叫只需支付 0.001 美元，且無手續費損耗。這其實是非常具有挑戰性的，事實上微支付在技術上可行，但在現有金融體系中手續費、清算延遲與合規成本仍然存在。若缺乏低成本清算網路，單次 0.001 美元等級的支付難以實現規模化。只有當支付協議與網際網路基礎設施深度融合，自動化交易才可能普及。這一假設將會依賴金融基礎設施的演進，而不是單純技術突破。儘管上述技術路徑充滿了各種現實挑戰，但商業邏輯的演進從不以障礙為終點，而以效率為導向。歷史經驗反覆表明，當一項技術同時降低成本、縮短時間並擴大規模時，它最終會重塑商業邊界。AI 的演進也是如此。 (Miss LN)

【新智元導讀】GoogleChrome擁抱Gemini 3，用38億使用者的絕對底牌向OpenAI宣戰：瀏覽器不僅是入口，更是終結一切App的超級智能體！Google終於不再沉睡！就在剛剛，Google正式官宣或將改寫網際網路歷史的重磅更新——所有桌面端Chrome瀏覽器，正式接入Gemini 3。這意味著，全球38億使用者手中的瀏覽器，一夜之間從一個單純的網頁查看工具，進化為了一個全能的AGI入口。此次更新最大的亮點，在於徹底改變了人與資訊的互動方式。Gemini 3不再是一個需要單獨訪問的網頁，而是直接「住」進了 Chrome裡。得益於Gemini 3強大的多模態理解能力，Chrome現在可以像人類一樣「看懂」網頁，並執行複雜的操作。想辦個千禧風派對？只要一句話，「自動瀏覽」功能就能掃遍全網找同款，自動比價、自動領券、甚至直接加購，全程不用你操心預算。更絕的，是處理那些讓人頭大的繁瑣流程。比如複雜的旅行規劃，它能瞬間調動Gmail、地圖、日曆這套「Google全家桶」，把訂酒店、查機票、同步日程安排得明明白白。以前需要在幾十個標籤頁裡反覆橫跳的崩潰感，徹底成為了歷史。如果你是搞設計的，或者只是想修個圖，Chrome現在內建的Nano Banana模型更是讓人直呼「魔法」。不用下載圖片，也不用打開PS，直接在網頁側邊欄輸入一句提示詞，圖片立刻按你的想法大變樣。這簡直是把生產力工具直接焊死在了瀏覽器裡。雖然市場上Perplexity Comet和OpenAI Atlas最近風頭正勁，但Google這波「回馬槍」實在太狠。畢竟，Chrome擁有全球最龐大的38億使用者底座。當最好的AI體驗變成了瀏覽器的「出廠設定」，使用者還需要去下載別的應用嗎？難怪網友們紛紛感慨：「沉睡的巨人，已完全甦醒」。目前，MacOS、Windows和Chromebook Plus上的Chrome，已全部上線新功能。不過，自動瀏覽功能僅限Google AI Pro和Ultra訂閱美國使用者使用。瀏覽器？不，這是你的AI管家在全球瀏覽器市場中，Google以超38億使用者量，穩坐世界頭把交椅。但不得不承認，AI這波浪潮實屬給Google統治地位，帶來很大的衝擊。「AI原生」瀏覽器的崛起，讓其存量市場正被快速蠶食。尤其是，過去一年，Perplexity Comet異軍突起，憑藉顛覆性AI搜尋體驗，吸引大量使用者。緊接著，OpenAI也入局，正式發佈了內嵌ChatGPT的瀏覽器Atlas。這一次，Gemini 3深入植入GoogleChrome後，或將重塑未來的流量入口。Gemini 3的實力眾所周知，通過全新的側邊欄體驗，人們可以在網頁多工處理時，更加得心應手。不僅如此，Google還將旗下爆款「全家桶」與AI深度整合，全新「自動瀏覽」功能便可幫你處理複雜的多步工作流。未來，個人智能（Personal Intelligence）即將上線，更懂你，更智能。如今，GoogleChrome完成了「回爐重塑」，進化為一個真正的全能助手。人類與瀏覽器的互動範式，正經歷一場徹頭徹尾的重構。全新側邊欄，隨時待命全新升級後的側邊欄，無論你切換到那個標籤頁，Gemini都能隨時待命。這能幫你省去來回切換的麻煩，實現無縫的多工處理。你可以一邊在主窗口忙工作，一邊在側邊欄處理其他事務——· 有人用它在「標籤頁叢林」裡對比不同選項；· 有人用它彙總各站點的產品評價；· 還有人在亂成一團的日曆裡快速找空檔。自動瀏覽，人類雙手解放這次最重磅的升級，當屬自動瀏覽能力了。無論是對比不同日期的酒店和機票價格幫你精準「撿漏」，還是預約掛號、填寫那些長得要命的線上表格、收集報稅檔案、找裝修報價、查帳單、報銷費用，甚至幫駕照續期等等，它都不在話下。只要你授權，它甚至能呼叫Google密碼管理器幫你搞定需要登錄的任務。理解創意願景：幫你搜尋極其冷門的派對裝飾並直接入倉。新一代智能體能力：自動瀏覽可以從PDF裡提取資訊幫你填表。最佳周末推薦：根據你的酒店和航班標準，幫你挑出最合適的出遊周末。找房小能手：根據你的要求篩選並推薦最合適的公寓。此外，Chrome還支援Google與行業大咖們共同制定的開放標準通用商務協議（UCP），確保AI智能體在Chrome裡的購物流程變得如絲般順滑。Nano Banana入駐，隨地大小修圖Nano Banana的創意能力，也直接內嵌到了Chrome裡。對於創作者而言，這意味著「下載圖片-打開PS-修改-保存-上傳」的舊工作流徹底作古。現在，你只需要在網頁上選中圖片，在側邊欄輸入一段提示詞，Gemini就能呼叫Nano Banana即時對圖片進行重構或修改。不用離開當前標籤頁，不用安裝任何外掛，網頁本身就變成了一個強大的圖像工作站。「全家桶」互聯，搞定一切Perplexity和OpenAI最大的短板，正是Google最深的護城河——生態。Chrome版Gemini 3打通了Connected Apps（連接應用）。它可以無縫呼叫Gmail、Google Maps、YouTube、Google Flights等自家服務。這種深度整合讓辦事效率突飛猛進。比如，你要去參加會議，Gemini能幫你翻出那封陳年活動郵件，結合Google航班的資訊給出出行建議，最後再幫你草擬一封告知同事到達時間的郵件。個人智能：更懂你、更主動Gemini App裡備受歡迎的「個人智能」，也會在未來幾個月登陸Chrome。當然，掌控權始終在你手裡：你可以自行選擇是否加入，並隨時連接或斷開應用。Chrome會記住以往的對話背景，針對你的全網搜尋提供「量身定製」的答案；你也可以預設特定指令。有了「個人智能」，Chrome不再只是一個工具，而是一個懂你、能主動提供幫助的貼心搭檔。安全與隱私為了安全起見，Google不僅加入了全新的防禦機制來抵禦新型網路威脅，而且自動瀏覽在執行「買單」或「發動態」等敏感操作前，一定會暫停並明確請求你的確認。如今，當Gemini 3的頂級模型能力，遇上Chrome 38億的龐大使用者基數，再加上Google無孔不入的生態服務，這場瀏覽器之戰似乎在開始前就已經結束了。對於普通使用者來說，從今天起，你的瀏覽器不再只是一個瀏覽器，它是你的秘書、你的買手、你的設計師。可以說，一個由AI驅動的全新瀏覽時代，已經開啟。 (新智元)