Z Research｜AI Agent会孕育下一代腾讯字节吗？（AI Agent 系列一）

Z Highlights

每一个被市场热捧的概念背后，都藏着刀锋般的利益切割。

在AI Agent概念席卷业界的今天，我们发现在热市场中仍然需要冷思考。因此，Z Potentials决定升级Z Research栏目，打造最年轻化、最前沿、全球化的行业研究栏目。Z Research将Agent作栏目升级后的第一个行研系列。

本篇我们将分为三部分：

（一）AI Agent 101：我们将从纷乱复杂的信息海洋中进行高度抽象，正本清源起底AI Agent的快速定义与工作流拆解，凝聚市场关于AI Agent 101的共识。

（二）入口之争3.0：如果我们真的相信AI Agent是下一代流量入口，那么我们需要先复盘互联网历史上的入口之争。从互联网1.0向PC互联网向移动互联网的迁移，我们看到入口由门户网站（收敛）到搜索引擎（收敛）到超级APP（发散）的历史。AI时代，以OpenAI为代表的AI入口似乎回归了搜索引擎逻辑，作为聚合信息的中枢&入口，完成信息分发，但Deepseek为代表的生态开放与社区共建的一派同样崛起。

其次，本篇讨论了AI Agent入口在中美的区别。由于美国手机市场份额集中，Apple硬件的AI版Siri大有可为，但在中国由于手机市场分散性，导致超级APP对生态的影响更大，AI Agent入口更可能以大厂各自的生态藩镇割据，扎紧篱笆。

另外，本篇示意性测算了国内AI Agent的潜在市场规模，由于其入口属性，其商业模式大概率是从已有APP的盘子里夺食，会围绕数据权限引发剧烈反击。同时，需要注意的是目前AI Agent的进度过早，仍有太多痛点亟待解决。

（三）AI Agent市场竞争探讨：由于AI Agent巨大的入口属性，势必引起大厂的价格战和数据权限之争，因此Agent竞争相比模型层的竞争烈度更大；另外，由于AI Agent的工具属性，其天花板是显著低于内容消费和社交的（但对于以求生为本能的创业公司，TAM多大算大呢？）。本篇总结了国内AI Agent三类玩家画像，分别是大厂、大模型厂商、Agent创企。我们认为，大厂和大模型厂商更具优势：在短期Agent ROI无法跑正的阶段，大厂的资金优势&用户基础&数据积累有巨大容错率；但综合Chatbot竞争格局来看，数据飞轮带来的产品优化在绝对的SOTA面前依然是乏力的，创企的致胜之道在于抢先做出Agent领域SOTA。

获取完整报告可私信公众号后台：Z Research

目前市场中有很多机构将AI进程对标自动驾驶，并在此基础上划分L1-L5的等级。我们在此基础上重新定义了L1-L6，我们认为Copilot和Agent分别对应L3-L4，反映了AI应用正式从GTM阶段走入PMF阶段，从“成本中心”走向“价值引擎”。但总体来看，我们仍然处于AI进程早期，距离AGI的工作量仍然巨大。 

在GPT moment的三年内，主流的AI应用形态经历了Chatbot到AI Copilot到 AI Agent的变化。隐含在背后的是AI能力的进化，可以实现更高的任务难度&自动化程度。人机交互的范式也在由人机关系从“主从式”转向“伙伴式”。

值得关注的是，至少在AI Copilot的产品阶段，海外交出了相当不错的PMF答卷。新一代的硅谷创业者的画像也与移动互联网时代的画像产生明显区别。

移动互联网时代创业者多为产品经理或商业背景出身，核心能力集中在流量获取、用户体验优化和商业模式创新；AI时代更强调技术驱动，创业者需具备深厚的学术背景或技术积累，尤其是AI Native特质。

移动互联网时代创新以模式复制与场景渗透为主，如社交、O2O、共享经济等；AI时代聚焦底层技术突破与垂直场景的深度整合。

当前的AI Copilot代表性公司以小规模+高增长+易盈利三元素构成，上一个时代烧钱赢得市场份额最终数字寻租的方式只能在OpenAI等少数宠儿看到影子。至少在M7难以撼动的情况下，从边缘场景突破，农村包围城市的路线对于新一代创业者似乎更为务实。

生产的组织形式正在被AI重构，新的生产关系正在形成。

从工作流中穿透AI Agent更有助于我们认识AI Agent的痛点与趋势。可以说，痛点列表里的每个技术瓶颈，都是十亿至百亿美金级别的创业陷阱。需要无数创业公司的以身试错才可以得出最后的版本答案。

在变与不变之中，我们先复盘一下互联网几代的入口之争。

互联网入口的演变史，本质上是一部技术满足需求的历史。从“人找信息”到“信息找人”，再到“服务即时达”，每一次入口革命都在缩短意图与满足之间的路径。

有趣的是，尽管听起来很技术决定论，但事实上，入口之争与所在时代的技术特性存在高度的耦合性。互联网1.0时代（1991-2000）门户网站统治的原因是早期网络带宽有限，HTML静态页面为主，用户需求集中于基础信息获取。PC互联网时代（2000-2014）搜索引擎统治的原因是动态网页技术（如PHP）、数据库成熟，信息爆炸倒逼高效检索工具出现。移动互联网时代（2014-2022）呈现场景驱动的碎片化生态的原因是智能手机普及、LBS定位、移动支付等技术支撑场景化服务。

可以想象，AI时代的入口形态也将深深依赖于技术栈的特点。固然LLM自身的特性，算力密集、人才密集、数据密集似乎揭示了中心化是AI时代的主题，但是Deepseek的出现，让这个问题有了巨大的悬念。

AI Agent的入口之争，因中美市场差异而呈现不同态势。美国市场硬件入口集中，应用市场统一，APP适配性强，AI Agent与硬件强绑定胜率较高；而中国市场硬件入口分散，应用市场碎片化，APP议价权强，AI Agent绑定硬件入口难度较大。中国超级APP的强渗透率，使其更可能掌握AI Agent的话语权，深度形塑用户习惯。

从Chatbot的故事上，我们看到腾讯在模型能力并不占优的情况下，元宝的后来居上（指下载量和MAU）。腾讯教科书般的抓住了Deepseek完成了用户教育，但服务器不稳定+开源的窗口期，确实充满Killer instinct。不难想象，当模型能力真正收敛时，大厂回到舒适区会展现怎样的竞争力。

事实上，中国移动互联网时代告诉我们的变现路径，通常不超过广告、游戏、平台分成、消费贷。一旦AI Agent成为流量入口，我们可以使用排除法解决这个问题：

A．广告（由于AI生成内容对竞价排名模式的破坏式重构，广告和AI Agent共生关系很难）

B. 游戏（本篇讨论的AI Agent是工具类应用，与本题不相关，当然我们依然相信AI游戏的大有可为）

C．平台分成（最有可能的变现路径，AI Agent适合短链路的轻量级任务，本地生活是最为贴近的赛道，但这也意味着在本地生活APP上层填加一层入口，必然各厂商激发激烈反弹）

D．消费贷（有可能的变现路径，作为最了解C端有数据积累的应用，对于授信精度和风控具有天然的壁垒，但问题是用户数据的隐私问题） 

AI Agent目前面临诸多卡点，距离用户可用、好用及商业化闭环尚远。推理成本高昂与能效瓶颈，使其能耗达纯LLM的8倍，单任务运行成本约2$/次，ROI问题突出，商业模型难以跑通。复杂环境适应能力不足，多模态数据处理偏差，开放域任务失败率高。可解释性与用户信任缺失，黑盒模型导致决策透明度低，关键领域应用受限。交互体验与个性化不足，全自然语言交互效率低，高延迟及响应速度慢，难以进入C端用户实际使用场景。这些挑战要求AI Agent在技术、性能与用户体验上全面突破，方能实现大规模商业化应用，真正融入人们的日常生活与工作场景。

在解决这些问题之前，当人类员工时薪低于AGENT耗能成本时，所有效率革命的故事都会瞬间破灭。30%的开放域任务失败率可能是是用户信任的丧钟——没有人会给经常死机的"智能体"第二次机会。

虽然市场始终渴望小公司成为下一个巨头的商业神话，但客观地看，至少在AI Agent赛道上，下一代的微信抖音可能还是微信抖音。从第一性原理出发，用户在屏幕面前的时间是有限的，在单个APP上停留的时长是此消彼长的，但AI Agent的提效属性恰恰是缩短用户在该屏幕上的时间（如果我们对AI Agent的定义是提效工具的话），这就陷入了一个悖论。

某种程度上，AI Agent并不是在瓦解微信抖音的基本盘，更有可能是给微信抖音借助生态增加用户留存的增值服务。

但创业公司就真的没有机会了吗？

市场是一个巨大的投票机，不是只有终局的玩家才有资格书写自己的故事。所有人都知道在Midjourney做出了生图赛道之后，Adobe会快速跟上。但这并不妨碍，Midjourney依然是一个生存的很好且员工精简的公司，他们的人均ARR是显著大于Adobe的。毕竟多大的公司算大呢？数十亿美金的估值足以说明一切。

SOTA是创业公司的致胜之匙。在Deepseek moment之前，市场中的绝大部分人认为Chatbot是字节大力出奇迹的又一代表作。但是我们看到，Deepseek告诉了我们，创业公司的人才组织密度是可以超越大厂的，数据飞轮的故事并不永远成立。

颠覆性突破往往诞生于无序探索，而非严密规划。从科技史到商业创新，真正的范式革命常以“意外”形式涌现。正如比尔·盖茨所言：“我们总是高估未来两年内将发生的变化，而低估未来十年内将发生的变化。”今天诞生的创业公司，或许正在非共识中成长，一切都是进程的一部分。

AI Agent正在路上，而今天的我们正在目睹这一进程的到来，下一代人认为是像空调、冰箱、电视、手机一样习以为常的东西，今天正在以前沿的形态呼之欲出。