Transcription
大家好，这里是最佳拍档。
1937年，经济学家罗纳德·科斯提出了一个直指商业本质的问题。这个问题也让他斩获诺贝尔经济学奖。
如果市场是完全高效的，那企业为什么会存在？我们为何不把所有工作外包出去，通过市场契约完成，而非要搭建内部组织架构呢？
科斯给出的答案核心是交易成本。企业的存在，本质是用内部的管理成本替代了外部的交易成本。因为市场交易并非毫无成本，每一次契约的达成，都需要付出可观的时间、金钱和人力成本。一次完整的市场交易，寻找专业服务提供者、评估服务能力、谈判价格、签订并执行协议保障权益等环节，每一个环节都存在着显著的资源消耗。
但是，Rabbit Hole的首席执行官兼联合创始人布莱恩·弗林，最近在X平台发表了一篇文章指出，当下AI Agent的出现，正在从底层改写交易成本的计算公式，也让近百年的企业理论迎来了根本性重构。当购买服务的主体从人类变成软件，当交易决策从感性的注意力驱动变成理性的算法优化，整个商业服务市场的游戏规则都将被改写。
今天，我们就来分享一下弗林的核心观点。也许我们正处在一个商业范式彻底转变的临界点，而大多数企业甚至还没有意识到这个变化的到来。
弗林首先指出，AI Agent作为具备自主决策和工具调用能力的人工智能系统，正在将科斯所说的交易成本，尤其是其中的搜索和评估成本，压到无限接近零。对于人类而言，找到一个合适的服务，需要打开多个浏览器标签页对比、看产品介绍、听销售演示、反复沟通需求。这个过程短则几小时，长则几周。但是AI Agent做同样的事情，只需要一次HTTP往返请求。它可以直接对接服务注册库，自动发现可用服务，获取结构化的价格、能力、可靠性数据，然后在毫秒级的时间里筛选出最优选项。整个过程没有人工参与、没有沟通成本、没有决策延迟。
当然，弗林也客观指出，并非所有的交易成本都在同等程度下降。比如服务的集成成本、合规审查成本、安全验证成本，这些依然需要投入大量资源，短期内很难被AI Agent颠覆。但是交易成本中最基础、最关键的搜索和评估层，也就是能否知道一个服务存在、其能力和成本如何的核心环节，已经被AI Agent彻底重构。
弗林强调，这一层成本的崩塌，直接改变了商业决策的默认选项。过去，企业的第一反应是“能不能自己建团队做？”而现在，面对AI Agent，决策的起点变成了“能不能在公开市场上买到更优的服务？”
更重要的是，这场交易的买方，不再是手握预算的人类采购者，而是具备自主决策能力、带着明确预算和目标的软件系统。这是交易主体的根本性变革，而交易主体的改变，必然带来交易规则的全面重构。
在分析交易主体变革带来的影响时，弗林指出，当买方从人类变成AI Agent，第一个被颠覆的，就是延续了几百年的销售逻辑。
弗林提到，人类的消费和采购决策，本质上是注意力驱动的。无论是街边的广告牌、搜索引擎的广告、产品的落地页，还是开发信、行业展会的展台，所有的销售手段，核心都是为了捕获人类的注意力。因为人类会浏览、会对比、会被干扰、会有情绪波动，甚至会因为品牌偏好、从众心理做出冲动决策。所以销售的本质，是围绕人类的这些特征做文章。
但是AI Agent完全不一样。它们不会浏览，只会精准查询。没有情绪，没有品牌忠诚度，没有冲动消费的可能，也不会为了身份象征去选择某个服务。
弗林直言，对于AI Agent来说，决策函数简单又残酷。只有几个核心问题：你能不能解决我的问题？解决的速度有多快？需要付出多少成本？服务的可靠性有多高？这四个问题的答案直接决定了Agent的选择。除此之外，所有的营销包装都是无效的。
这就意味着，面向人类的所有营销形式，在AI Agent面前都变得毫无意义。你的精美营销官网，在Agent运行时完全不可见。你花大量精力设计的分级定价页面，对Agent来说毫无价值。你积累的社交媒体粉丝、获得的媒体报道、建立的品牌知名度，在Agent的决策算法里，都不会有任何加分项。
对AI Agent有价值的东西只有一个，那就是API。API的功能边界、响应速度、调用成本、实时可用性，才是Agent唯一会关注的核心。
为了佐证这个观点，弗林举了一个具体的例子。他提到，AI Agent的服务推荐引擎，其评分函数只会对三个维度给出正向奖励：一是活跃度，也就是这个服务此刻是否能正常响应；二是经证实的可靠性，也就是这个服务过去的调用成功率有多高，有没有出过故障；三是置信度，也就是这个服务返回结果的准确率有多高。在这个评分体系里，没有任何一项和品牌相关。算法既看不到品牌影响力，也根本不在乎。
基于这个决策逻辑，弗林提出了一个核心要求：服务的发现必须实现程序化。人类发现服务的路径，是口口相传、搜索引擎结果、社交媒体推荐，这些都是非结构化的、依赖人类主观判断的方式。但是AI Agent需要的，是机器可读的能力注册库。它需要通过访问一个URL，就能直接获取结构化的标准化数据：这个服务的核心功能是什么？支持哪些调用方式？每一次调用的成本是多少？支付方式是什么？响应速度的基准是多少？
弗林直言，如果你的服务无法被机器自动发现，那么在AI Agent的世界里，这个服务就等同于不存在。
当然，他也补充了一个重要的现实情况：目前的AI Agent还并非完全的自主决策。人类依然会扮演一个重要的角色，来决定Agent可以使用哪些工具，也就是为Agent设置一个服务白名单。这一点，是目前面向Agent的服务为数不多的人类营销触点，也就是让自己的服务进入这个白名单。
但是弗林强调，一旦进入白名单，Agent在运行过程中的采购决策，就会回归纯粹的算法优化。所以这场竞争的核心，先是挤进白名单，然后，在白名单里成为成本、速度、可靠性最优的选项。
对于AI Agent会选择外购还是自主计算的问题上，弗林指出，对于AI Agent来说，每一次遇到一个子任务，都会启动一个决策机制：我是自己通过算法推理、工具调用完成这个任务，还是付费调用公开市场上的专业服务完成这个任务呢？
这个决策的核心，只围绕两个维度展开：成本和速度。而这两个维度的对比，最终会形成一个无法反驳的数学答案。Agent的决策，就是对这个数学答案的直接执行。
驱动Agent做出外购决策的核心动力，就是信息套利。专业服务能以更低的成本、更快的速度，提供更准确的结果，这是Agent自主计算无法实现的。
为了让这个逻辑更具象，弗林举了一个AI Agent日常会遇到的典型子任务案例。Agent需要解决“有哪些可用的网页爬取服务？”或者“获取这个数据集的最佳API是什么？”这类问题时，如果选择自主研究，会调用类似GPT-4级别的大模型，结合大约16K的推理token和工具调用能力来完成。这个过程的成本大概在0.1到0.5美元之间，耗时则需要10到25秒。而且因为结果是大模型从训练数据中合成而来，准确率是不稳定的，可能会出现信息过时、结果错误的情况。
但是如果Agent选择外购，调用市场上专门做这个事的专业服务，情况会完全不同。这类专业服务有经过人工维护的精选目录，能在200毫秒内返回同样的答案，成本只需要0.01到0.02美元。而且因为数据是专人维护的，准确率远高于大模型的合成推理。
弗林算了一笔账：成本上，专业服务比Agent自主计算会便宜7到50倍；速度上，专业服务比Agent自主计算会快50到100倍。面对这样的数学对比，Agent的决策没有任何模糊空间，必然选择外购。
因此，弗林特别强调，在Agent的决策逻辑里，速度的重要性甚至可能超过成本。他解释道，AI Agent的工作模式是流水线式的任务处理。一个复杂的任务会被拆解成多个子任务形成工作流，而每一个子任务的延迟，都会导致整个流水线的阻塞。对于用户来说，等待的时间是直观的体验，而时间的复利效应，在Agent的工作流里会被无限放大。
举例来说，一个包含10个步骤的Agent工作流，如果每一个步骤都需要20秒的自主计算时间，那么整个工作流完成需要3分钟以上。这对于用户来说是无法接受的等待时长。但是如果把每一个步骤，都替换成200毫秒的专业服务调用，整个工作流的完成时间会缩短到两秒。用户体验的提升是质的飞跃。
所以弗林指出，对于AI Agent来说，速度不仅是体验问题，更是工作流能否落地的核心问题。
除了成本和速度，弗林还提出了一个核心规律：专业化必然战胜通用化。这一点在AI Agent的决策里体现得淋漓尽致。一个通用的AI Agent，确实具备网页爬取、HTML解析、结构化数据提取的能力，能完成相关任务，但是它的成本极高、效率极低。而一个专门做网页爬取的专业服务，在基础设施层面做了极致的优化，每爬取一个页面的成本可能只有0.003美元，是通用Agent自主计算成本的百分之一甚至更低。
这背后的经济逻辑是，如果将任务委托给专业服务的边际成本，低于Agent自主计算的边际成本，而且专业服务的速度更快，那么就一定要委托。这是一个没有例外的决策原则。
这个原则，直接催生出了一个全新的商业市场，那就是超细分的长尾专业服务市场。他提到，过去做SaaS产品或者API服务，都追求大而全，希望一个产品能解决用户的多个问题。因为面向人类的定价模式大多是订阅制，比如每月29美元起，只有具备广泛的功能，才能让用户觉得物有所值，支撑起订阅价格。
但是弗林强调，面向AI Agent的服务，完全打破了这个逻辑。一个单一功能的端点，只要能把一件事做到极致好、极致快，每一次调用的成本只要几厘钱，就能成为一门真正的生意。比如一个专门提供社交数据的数据服务，每次调用收费0.1厘。像这种单一功能的服务，在过去的订阅制模式里是根本无法生存的，没有人会为了一个单一功能每月支付29美元。但是在AI Agent的按次调用模式里，Agent每天会成千上万次地调用这些服务，积少成多，就能形成稳定且可观的收入。
当然，这个边界也并非是一成不变的，而是会随着大模型的发展不断调整。随着大模型的成本越来越低、能力越来越强，一些简单的专业服务，会被重新吸收回Agent的自主计算中，不再需要外购。
那么，什么样的服务才能在这场动态调整中存活下来？弗林给出了明确的答案：就是那些具备AI Agent无法复制的真实优势的服务。这些优势主要集中在三个方面：一是专有数据集，也就是服务拥有Agent无法获取的独家数据，比如行业的核心数据库、企业的私有数据；二是实时数据流，也就是能提供实时更新的信息，而大模型的训练数据存在时间延迟，无法做到实时；三是硬件依赖型计算，比如图像生成、网页渲染、高性能计算这些需要专用硬件支撑的服务，Agent本身不具备硬件资源，只能通过外购实现。
弗林特别提醒，这一点是所有面向AI Agent的服务创业者需要牢记的核心：不要试图向Agent销售智能，因为AI Agent本身就拥有足够的智能。要销售的，是Agent字面意义上无法自己计算的东西，是它不具备的资源、能力和数据。
在分析完Agent的决策逻辑和市场机遇后，弗林将目光投向了实际操作层面。他提出了一个核心问题：如果要打造一个面向AI Agent的服务，产品设计和商业设计的核心要求应该是什么呢？
弗林的答案是：完全抛弃面向人类的设计思路，打造真正的Agent原生服务。因为Agent的采购逻辑和人类完全不同，所以服务的每一个环节，都要围绕Agent的能力和需求来设计。从定价到入驻，从接口到验证，都要实现全流程的机器化、程序化、自动化。
弗林首先提出，定价必须嵌入协议，而不是放在网页上。对于人类来说，定价是展示在网页上的，比如分基础版、专业版、企业版，每个版本有不同的功能和价格，看不懂还可以点击联系销售沟通。但是对于AI Agent来说，它需要的，是在API层获取机器可读的结构化定价数据。
弗林强调，当Agent调用你的服务接口时，接口的响应里必须直接包含本次调用的成本，以及对应的支付方式，让Agent能在毫秒级的时间里判断这次调用是否符合自己的预算。
弗林还分享了一个知识点，他提到HTTP协议其实早在1997年，就设置了一个状态码402，含义是需要支付。这个状态码被预留了近三十年，而现在，AI Agent的商业交易，终于让这个状态码有了真正的用武之地。将定价嵌入API协议，用标准化的状态码提示支付，这是面向Agent的定价设计的核心。而按次请求的定价模式，也彻底改变了服务的商业可行性，让单一功能的服务有了生存空间。几厘钱一次的调用成本，对Agent来说几乎没有预算压力，而成千上万次的累计调用，能为服务提供者带来稳定的收入。
弗林认为，这种定价模式的翻转，让整个服务市场的供给变得更加丰富，也让创业者有了更多的细分赛道可以选择，不用再挤破头做大而全的平台，而是可以深耕一个微小的领域，做到极致。
其次，入驻流程必须实现全自动化。弗林解释道，这并不意味着服务不需要身份验证、速率限制和防滥用机制。相反，有价值的专业服务，这些安全机制是必不可少的，因为可以有效防止恶意调用和资源滥用。但是关键在于，这些机制的实现过程，必须能让Agent程序化完成，而不是需要人类参与。
弗林直言，如果你的服务入驻需要人类打开仪表盘、填写表单、手动复制API密钥到配置文件，那么就为Agent的集成增加了数分钟的摩擦。而对于以毫秒为单位做决策的Agent来说，这数分钟的摩擦，就足以让它放弃你的服务，选择其他更易集成的选项。
那么，理想的入驻流程是什么样的呢？弗林给出了答案：一次请求完成服务发现，一次请求完成身份验证，一次请求完成支付和调用授权。全程三个HTTP请求，没有任何人类参与，这才是Agent需要的无缝集成体验。
针对很多人可能存在的疑问：面向人类的销售漏斗，在AI Agent的时代是否会完全消失？弗林给出了明确的否定答案。他指出，销售漏斗并没有消失，而是发生了重构和优化。它不再围绕人类的注意力展开，而是围绕Agent的决策逻辑和企业的管理要求展开。
在AI Agent的商业世界里，有些核心要素不仅没有消失，反而变得更加重要，只是这些要素的表现形式，从人类可感知的形式，变成了机器可评估的形式。
第一个核心要素是信任。弗林提到，信任在商业交易中一直是核心，但过去的信任更多是人类对品牌的主观感知。而在AI Agent的时代，信任变成了机器可评估的量化指标。品牌并没有消失，而是转化成了可靠性评分。AI Agent会持续追踪每一个服务的核心数据，而服务提供者也需要主动发布这些数据，包括服务的正常运行时间历史、响应准确率、延迟百分位数、输出结果的溯源信息。这些量化的数据，构成了Agent对服务的信任基础。数据越好，信任度越高，被Agent选择的概率就越大。
弗林强调，在这个逻辑下，能证明自己输出结果准确的服务，会轻松击败那些价格更低但无法证明准确性的服务。因为对于Agent来说，结果的准确性直接决定了整个任务的成败。而无法验证的输出，意味着极高的风险，在商业决策中，风险本身就等同于更高的成本。所以，经过验证的基准测试、确定性的重放、随结果返回的置信度评分，这些都是服务提供者需要打造的核心能力。如果服务输出是不透明的、无法被验证的，那么Agent就会将其判定为高风险服务，最终被市场淘汰。
为了佐证可靠性的重要性，弗林还分享了一组真实的早期调研数据。他提到，在一次对44个面向AI Agent的服务调研中，只有两个服务拥有能完全正常工作的端点。直接的服务调用成功率只有53%，而通过推荐引擎转接的服务调用成功率，也只有87%。这组数据告诉我们，在AI Agent的商业市场里，可靠性不是锦上添花的选项，而是服务的全部核心。一个无法正常工作的服务，会直接被Agent抛弃，获得零流量，而且是永久性的零流量，因为Agent的算法会记录服务的故障历史，不会再为一个不可靠的服务浪费计算资源和时间。
第二个核心要素是政策和合规。弗林提到，企业级的AI Agent，并不会无限制地采购服务，而是会在企业设定的约束条件下运行。这些约束包括预算上限、供应商白名单、数据驻留要求、经批准的提供者列表等等。所以销售漏斗并没有完全崩塌，而是围绕着“被允许”、“可信任”、“可审计”，再加上速度快、成本低这些维度重新优化。
而这就要求，服务的合规性本身也需要实现机器可读。比如服务的服务条款需要转化为结构化的数据，让Agent能快速解析；数据保留政策需要嵌入API的请求头中，让Agent能实时验证；授权许可需要作为元数据，随服务响应一起返回。
弗林强调，对于那些有严格合规要求的企业级Agent来说，只会选择那些能让合规性被程序化验证的服务。这也成为了服务提供者的又一个核心竞争力。
除此之外，弗林还提醒，AI Agent的商业市场存在真实的对抗性环境。和人类的交易市场一样，Agent的服务市场也并非一片净土。会有不诚信的服务提供者存在，有些服务会返回毫无意义的垃圾结果，有些服务会从Agent的请求中窃取数据，有些服务会谎报自己的能力，只为捕获更多的调用流量。
面对这样的对抗性环境，AI Agent也会进化出对应的防御机制，比如服务验证、沙箱运行、基于声誉的路由选择等等。而对于诚信的服务提供者来说，这恰恰是打造护城河的机会。那些在可验证性和透明度上投入的服务，会形成难以复制的竞争优势，因为Agent会越来越倾向于选择那些可信任、可验证的服务。
弗林总结道，说到底，在这个由机器构成的交易市场里，信任依然是终极的产品特性。
最后，弗林为想要切入这一赛道的从业者，总结了打造适配AI Agent的原生服务的核心清单。他认为这是必须牢记和落地的核心要点：
第一，实现机器可读的能力描述。从业者需要用结构化的格式，发布自己服务的核心能力，而不是依靠面向人类的营销页面。最理想的形式是一个JSON清单，让AI Agent能通过一次请求，完整解析服务能做什么、支持哪些调用方式、有哪些限制条件。这是服务被Agent发现的基础。
第二，将定价嵌入协议层。一定要把价格信息放在API的响应里，而不是网页上，因为Agent无法解析网页上的非结构化信息。可以使用HTTP 402这样的标准化状态码，让成本成为服务交互本身的一部分，让Agent能实时判断调用成本是否符合预算。
第三，打造自动化的入驻流程。要让Agent能从从未听说过你的服务，到成为付费的调用用户，全程无需人类的任何操作。实现程序化的身份验证、程序化的支付、程序化的访问授权，最大限度降低Agent的集成摩擦。这是服务能被Agent选择的关键。
第四，提供可证明的可靠性。要主动发布服务数据，包括正常运行时间、延迟百分位数、准确率指标。最好能在返回服务结果的同时，附带置信度评分。Agent对服务的信任，来自于可量化的数据分析，而不是营销宣传。只有用数据证明自己的可靠性，才能在竞争中脱颖而出。
第五，确保比Agent的自我计算更快速、更便宜。这是所有要求中最核心的一条，也是服务能存在的根本前提。如果AI Agent自己计算的成本更低、速度更快，那么它没有任何理由选择你的服务。所以需要在细分领域里做极致的优化，让服务在成本和速度上，形成对Agent自计算的确定性优势。这是面向Agent的服务唯一有价值的价值主张。
在分析的最后，弗林回到了科斯的经典问题上。他表示，在AI Agent的时代，这个问题有了全新的答案。企业依然会存在，但是企业的边界会被重新定义，因为交易成本的底层逻辑被颠覆了。市场依然是高效的，但是市场的交易主体从人类变成了机器，交易的规则也随之重构。
弗林指出，我们所熟悉的互联网，是为人类的浏览行为打造的。而互联网的下一个层级，将会是为AI Agent的采购行为打造的。在这个全新的层级里，那些能读懂Agent的决策逻辑，打造出Agent原生服务的从业者，将会成为新的市场赢家。
这场变革不仅是商业的机遇，更是人工智能从技术走向落地，真正融入商业世界的重要标志。AI不再只是一个辅助人类工作的工具，而是成为了一个独立的交易主体，一个全新的商业参与者。而这，只是人工智能重构商业世界的开始。
感谢收看本期视频，我们下期再见。