技术深度解析
互联网商业模式的死亡不是比喻，而是架构上的必然。传统数字平台遵循双边市场逻辑：它们聚合供给（内容、产品、服务）和需求（用户、买家），并从连接中抽取租金。Google搜索将查询与结果之间的间隙变现；Amazon将产品列表与购买之间的间隙变现；Facebook将用户与广告之间的间隙变现。LLM和AI代理正在消除这些间隙。
推理层：新的瓶颈
关键的技术转变是“推理层”的出现。在旧的技术栈中，我们有：
- 基础设施层（云、算力）
- 平台层（搜索、社交、电商）
- 应用层（网站、应用）
平台层曾是护城河，因为它控制了供给的索引和需求的注意力。现在，LLM在应用层之上引入了一个新层：推理层。这一层接收自然语言意图，将其分解为子任务，从多个来源（通过网页搜索、API或向量数据库等工具）检索信息，并综合生成一个动作或答案。LLM不只是检索一个链接；它推理用户真正需要什么。
例如，考虑OpenAI的Operator（2025年初发布）或Anthropic的Computer Use这样的AI代理。这些代理可以浏览浏览器、填写表单、跨多个电商网站比价并完成购买。它们不点击广告，不浏览赞助结果。它们直接前往最相关的来源。平台的广告收入模式被完全绕过。
去中介化的技术机制
1. 工具使用与函数调用：现代LLM（GPT-4o、Claude 3.5、Gemini 2.0）支持函数调用，允许它们调用外部API——航班预订API、支付网关、库存系统——无需人类中介。这使LLM成为直接的交易代理。
2. 多代理系统：AutoGPT（GitHub星标16万+）、CrewAI（2.5万+星标）和Microsoft的AutoGen（3.5万+星标）等框架允许多个LLM代理协作。一个代理可以谈判合同，另一个检查法律合规性。这些系统正在取代整个B2B平台。
3. 检索增强生成（RAG）：RAG管道允许LLM从专有数据库、公共网络资源或内部文档中拉取实时数据。这意味着AI代理可以在不访问传统网站的情况下回答问题或完成任务。“内容”被AI消费，而不是被拥有可变现眼球的人类消费。
4. 自主网页导航：WebGPT（OpenAI）和基于Playwright的开源代理等项目可以执行JavaScript、处理Cookie并填写表单。它们模拟人类浏览，但效率完美——无干扰、无广告、无冲动购买。
数据表：领先AI代理在自主任务完成上的表现
| 代理/模型 | 任务完成率（WebArena） | 平均步骤数/任务 | 每任务成本（API） | 人类基线 |
|---|---|---|---|---|
| GPT-4o + Operator | 78.4% | 12.3 | $0.42 | 92.1% |
| Claude 3.5 + Computer Use | 71.2% | 15.1 | $0.38 | 92.1% |
| Gemini 2.0 + Agentic | 69.8% | 14.7 | $0.35 | 92.1% |
| 开源（AutoGPT + GPT-4） | 52.3% | 22.4 | $0.55 | 92.1% |
数据要点：虽然仍低于人类表现，但顶级专有代理的任务完成率已接近80%。按此速度，到2026年底，AI代理将在常规数字任务上达到或超越人类。当那一刻到来时，人类注意力在传统平台上的经济价值将彻底崩溃。
关键玩家与案例研究
争夺推理层控制权的竞赛分为三个阵营：模型制造商、平台巨头和代理原生初创公司。
阵营一：模型制造商（OpenAI、Anthropic、Google DeepMind）
这些公司正在构建推理引擎。他们的战略是让LLM成为所有数字交互的默认界面。
- OpenAI：凭借GPT-4o和Operator代理，OpenAI正将自己定位为“代理的操作系统”。他们最近推出了用于自定义代理的“GPT Store”，从代理与代理之间的交易中抽取20%的佣金。这是直接取代应用商店模式的举措。
- Anthropic：Claude 3.5 Sonnet的“Computer Use”功能允许模型控制桌面环境。Anthropic瞄准企业工作流——自动化数据录入、CRM管理和采购。他们按任务收费，而非按用户收费，绕过了传统的SaaS订阅模式。
- Google DeepMind：Gemini 2.0与Google自身的服务（搜索、地图、Gmail）深度集成。Google的策略是防御性的：将推理层与其现有广告生态系统绑定。但这造成了利益冲突——Gemini必须决定是展示广告还是给出最佳答案。早期测试显示，Gemini经常