夜雨聆风
2026 No.8期
AI Agent 研讨干货「1」
NEWS
”
在这一期中，我们邀请了来自 AI 产品团队、Agent 创业公司、支付基础设施、企业服务与组织管理一线的多位嘉宾，围绕 To Agent 时代的产品形态、组织结构与商业逻辑变化展开讨论。
一个逐渐清晰的共识是：Agent 正在改变的，并不只是软件交互方式，而是整个软件行业的组织逻辑与价值分配方式。
但与此同时，路径分化同样明显——有人开始重做面向 Agent 的基础设施与通信网络，也有人重新思考支付、信任、责任与协作体系；而大量传统 SaaS 与平台，则正在被重新放到“是否还能被 Agent 调用”的标准下重新估值。
本篇，我们聚焦几个问题：To Agent 时代，App、网站与 SaaS 的价值会被如何重估？Agent 与 Agent 之间，会不会形成新的协作网络与经济体系？当 Agent 开始代替人完成决策与执行，企业组织又会如何被重新定义？
[ 一页精华 ] .
SEAMATE
[ 本期课代表 ] .
SEAMATE
一些同学因公司PR保密不能公开
或有部分内容需要删节
我们同样感谢他们的精彩输出
如出现链接或企业名为嘉宾引用第三方，侵删。
Ancher AI｜CTO｜Steve Li
Attribuly｜CEO｜李驹
北京认知涌现科技｜CEO｜王豫强
Citable｜Founder｜Cole Leng
Cloudsway小宿科技｜CEO｜William 杜知恒
嘉程资本｜投资经理｜刘欣宇
Low Hanging Lab｜Partner｜姚中耀
美元家办｜AVP｜Emma Zhu
Pingcap｜Cofounder CTO｜黄东旭
Shoplazza&Subotiz｜Founder｜Jeff
通义实验室｜算法研究员｜MY
字节跳动｜Trae负责人｜Gary Qi
Part.01产品形态研讨
在ToA时代，产品形态将会是怎样的？App、网站、SaaS界面的价值会被怎么重估？
黄东旭｜Pingcap
我觉得去谈 To A 经济的本质，还是有点太宏大了。我更想分享一些最近在做 to agent 产品时的真实感受。因为今天高频使用 agent 的人遇到的痛点，很可能就是未来的产品机会。
第一个痛点，是 agent team 和 agent team 之间怎么协作。现在大多数 agent 的使用，还是发生在个人场景里。比如我自己带着一套 agent 在开发软件。但一旦进入团队协作，每个人底下都有各自的一套 agent team，这时候真正麻烦的是：不同 team 之间的信息交换非常低效。今天很多时候，还是靠人去帮 agent 传话，但这个效率很低。所以我觉得，这里面有一个很大的机会，就是agent 的“互联网”，也就是 agent team 和 agent team 之间的通信和协作网络，而且这个网络应该尽量不需要人参与。在讨论经济模型之前，我觉得这种基础设施得先有。
第二个痛点，是 agent 和现有 SaaS、现有服务之间怎么连接。我自己的体验是，我现在已经几乎不再直接打开很多 SaaS 了，很多事情都是通过 agent 的接口完成的。这样一来，核心就变成了：agent 的 working space，以及它调用各种 tools 的能力。所以这里面会出现一个很现实的问题：传统 SaaS 是给人设计的，但未来真正使用它们的，很可能是 agent。那像 Gmail 这种服务，如果是 agent 在访问，它的使用方式、访问频率、信息 footprint 都和人完全不一样。所以我觉得，未来这里面一定会长出一种新的模式：面向 agent 的接口层、proxy 层，甚至新的定价模型。而且光做这一层，我觉得商业模式就已经很清晰了。
因为现在普通人用 agent，最痛苦的一件事就是：怎么把 Gmail、飞书、各种服务和机器环境真正打通。这件事即使对程序员来说也不轻松，更不用说普通用户。所以我觉得，这里面无论需求端还是供给端，机会都很多。
第三个变化，是软件本身的形态会变。以前的软件，本质上是程序员写出来的，产品经理设计出来的，所以它能力的上限，往往也是产品经理理解问题的上限。但未来我觉得，大量长尾需求会被识别出来，而这些需求背后的人类专家，会成为新的软件能力来源。比如一个特别会做饭的人，以前他很难把自己的知识产品化，因为他不是程序员；但在 agent-native application 的世界里，他完全有可能把自己的领域知识，变成 agent 可调用的能力。所以我觉得，未来会出现越来越多这样的 application：它的核心不是程序员写死的软件逻辑，而是 agent 从人的长期互动和记忆里，抽出来的结构化能力。
再往后走，你甚至可以想象一种很自然的付费模式：我今天要做某件事，我自己的 agent 不一定最懂；那它就可以去 agent 网络里找最擅长这件事的另一个 agent，然后我为这次调用付费。我觉得，这才是更值得看的方向。所以我想说的核心其实就是：未来不是简单多了一个 To A 渠道，而是 agent 作为一种新型软件，会把通信方式、连接方式、软件形态和知识生产方式都改掉。
Gary Qi｜Trae
我是做 AI coding 这一块的，所以我自己的感受非常直接：我们现在大部分工作，其实都已经被 AI coding 自动化了。但与此同时我们也发现，那些传统由人开发出来的软件，反而正在变成最大的 bottleneck。举个很简单的例子。比如我们想让 AI 去帮我们发邮件，但如果邮件系统本身没有 MCP，也不开放 API，那它马上就会变成一个数据孤岛。这样一来，整个 workflow 就很难自动化。所以我觉得产品要 to agent，已经不是可选项，而是 must choice。如果一个产品不想被历史的洪流抛下，to agent 就是必须的。那 to agent 的本质是什么？我自己的理解很简单：
第一，是保证信息的顺畅流通；
第二，是让不同的 agent 能够被激励、被联通、能一起 work together。因为未来每个人手里，可能都会有成千上万个 agent，它们技能不同、能力不同。如果没有一种机制去衡量它们，我们就很难判断哪些 agent 是好的，哪些 agent 是不好的。就像互联网时代，如果没有权重、没有索引，你其实也很难判断哪些网站是有价值的。我觉得未来 agent 世界里，也一定会需要类似的机制。
另外一点是：越来越多的产品，未来必须把自己打通，否则就会被抛弃。比如微信。微信为了自己的用户体验，可能不会轻易开放 MCP，也不会对外开放很多能力。但这样做的后果就是：在 AI 时代，它反而可能会成为自己的绊脚石。这样的话，反而可能催生出更强的竞争对手。至少在海外，大家就可能会更多转向 Telegram 这类更容易接入 agent 的工具。
所以我会觉得，未来对一个 App 或网站的估值方式也会变。不能再只从功能角度去看产品了，而是要看几个新的维度：品牌价值、数据价值，以及网络效应。像微信为什么有底气不开放？本质上就是因为它有足够大的用户基础，也有足够多的数据沉淀。这些东西就是它手里的筹码。至于很多传统 SaaS 软件，我觉得未来未必还有那么强的独立存在必要。像 Adobe、Figma，这些最近其实都已经受到明显冲击。那它们未来还有什么价值？我觉得最核心还是一点：产品体验。也就是说，你的产品体验必须比 Claude、ChatGPT 这类通用 agent 更好。比如 Claude 也能做设计，但如果进入到更精细、更商业级的设计场景，我们还是会需要 Figma 这种工具。所以我会觉得，Cursor 是一个很典型的例子：既然模型能力比不过别人，那就把产品体验做到极致。这样的话，这类 SaaS 至少还有自己的竞争空间。
Jeff｜Shoplazza&Subotiz
我们主要做支付，也一直离商业场景比较近，所以内部对这件事有两个很核心的判断。第一个判断是，过去大家用 SaaS，本质上是为了拿到结果。所以我们内部一直盯得很紧的一件事，就是结果本身。过去是人定义流程、人操作软件去拿结果；到了 agent 时代，我们会觉得，很多过去由人定义的流程、习惯和交互方式，未必还是最优的。未来更像是人去定义 agent，再由 agent 去帮你拿结果。所以我们内部一直在讲一个路线：from prompt to revenue。也就是在 agent 时代，能不能通过 prompt 直接拿到商业结果。
第二个判断是，很多基础能力未来会处在“被调用”的状态。像支付、和全球媒体平台的对接、物流系统的对接，这些能力短期内都很难被替代。那问题就变成了：你能不能成为那个被 agent 调用的能力。而且你被调用，不只是接口通不通的问题，最后还是要对结果负责。调用顺不顺、商业场景覆不覆盖、效率高不高，这些都很关键。
基于这两个点，我们内部会觉得真正的创业机会，还是在那些能够通过 prompt 直接拿到结果的垂直领域。因为每个领域的 knowledge 都很深，没有长期商业积累，其实很难把 agent 定义对。所以哪怕方向很小，只要你在某个垂直场景里有足够深的 knowledge，能真的把结果做出来，我觉得就是机会。
最后讲一下支付。我们内部一直认为支付是最难被 agent 替代的领域之一。因为支付和软件不一样，它背后是非常复杂的全球合规、风控和责任链路。今天消费者自己下单、自己支付，这个行为是他自己做的，他有感知，也有责任意识。但如果未来是 agent 代替消费者下单，那消费者认不认可这笔交易、收到货后认不认账、责任到底算谁的，这些都是非常复杂的问题。所以我们觉得，agent 自动下单、自动支付这种形态一定会有，也一定会覆盖一部分场景，但大规模落地会非常慢。绝大多数支付，未来很长一段时间内，还是会由消费者主动完成。
另外一个很核心的问题是，支付链路里的责任主体。无论是反洗钱还是资金链路合规，最后总得有一个实体来承担责任。而在人类社会里，能承担责任的，归根到底还是人，不是 agent。所以这一层我们觉得也很难被替代。当然，我们也看到一些新的可能性。比如未来 agent 也许会被赋予一种独立身份标识，在卡组织体系里被单独识别出来。那到时候商户看到这笔支付是 agent 发起的，而不是人发起的，它的通过率、风控阈值、判断逻辑，都会形成一套新体系。但这件事要真正落地，不会很快。因为像 Visa、Mastercard 这种体系，都是几十年才长成今天这样。新的 agent 支付体系，不是定义个标准就能出来的。
所以对我们来说，现在服务的对象一方面还是传统 SaaS 客户，另一方面也包括现在的 agent 开发者。因为很多人知道自己可以用 agent 去创业，但对全球支付、资金链路、反洗钱、税务合规这些事情，其实了解很少。所以我们现在先解决的，还是最底层的那层问题：全球支付与资金链路合规。在这个基础上，再去和卡组织、支付机构一起，慢慢探索真正的 agent authentic payment。
Steve Li｜Ancher AI
我之前在 Google 做了将近六年 payment，后来又做了四年多 AI 客服相关产品。现在出来做新的创业项目，方向还是 agent-to-agent。我觉得这个方向一定有机会，但我最近一个很强的感受是：越往 general 的方向做，风险越大。因为大模型和平台能力本身进化得太快了，很多原来 OpenClaw 能做的事，现在更稳定的大厂产品也在快速补上。所以如果只是做一个很泛的 agent，我觉得风险会越来越高。更现实的方向，还是更垂直地去解决具体人的具体问题。
另外我觉得 to agent 最后会长成什么样，其实现在还很难说。因为最终付费和消费的还是人，而人拿到价值这件事，很多时候并不是一个纯文字交互就能解决的。比如生成图片、视频、PPT，这种需求很多时候你是说不清楚的。你不是一次就能把 prompt 写对，而是要在不断看、不断选、不断调整的过程中，慢慢找到感觉。所以如果没有 UI，其实会限制很多 to-vision 的能力和想象空间。这也是我觉得现在很多 to-agent 产品还没真正解决好的地方。
还有一个问题是：这个价值到底怎么评判？今天如果大家都在提供 service、plugin、skill，那用户到底怎么知道哪个是真的好？很多时候你要的其实不是一个 skill，而是背后的服务能力。但现在并没有一个特别成熟的机制，能让你快速看到这些服务、判断它们的质量、并且愿意为它们付费。
所以我一直在想，未来是不是需要一种更成熟的生态：不是让我自己去一个个找，而是 agent 能够先理解我的 use case，再帮我筛选出最合适的几个服务，告诉我为什么推荐它们。如果再往后走，还有评价、点赞、评论这些东西，那它就会更像一个真正的生态。但问题也很现实：人人都想做平台，但平台其实没那么好做。真正有能力定义平台的，往往还是 Google、Apple 这种级别。一般团队就算看到了这个方向，也未必真的能把它做起来。这也是我觉得这里面一个很大的难点。
如果 agent 要处理信息数据，例如 agent 要读新闻，这件事情怎么处理？
Steve Li｜Ancher AI
其实今天我已经在这么做了。因为每天的信息量太大，很多内容根本看不完。我现在的方式是先看个开头，再把觉得值得跟进的内容扔给系统去处理。但我觉得简单总结是没有意义的。如果只是把内容压缩一下，原本很多价值就丢掉了。你真正希望的是一种高度 personalized 的总结。它得了解你是谁、你在做什么、你最近在关注什么，然后基于这些背景把内容里的水分去掉，同时保留对你真正有价值的那些 anchor 点。因为同一篇文章不同的人关注的重点本来就不一样。这件事本质上需要系统对使用者有很深的理解。而且这个过程一定是滚雪球式的。第一天你打开一个全新的 ChatGPT，它不可能真的了解你，一定是你用久了它才会越来越懂你。我们也在想怎么降低这个 barrier，比如通过上传资料、导入收藏夹之类的方式，帮用户更快完成 onboarding。
但本质上，我觉得最大的现实是：信息 overwhelm 正在越来越严重。而且不只是文字，视频、音频，各种形式的信息都在同时 overwhelm 我们。人在这样的信息海洋里，怎么去 navigate，怎么去 anchor，我觉得这是一个非常大的问题。
而且我相信很多人是愿意为这个付费的。因为大家真正想要的不是一份所有人都一样的“报纸”，而是一份只写给我自己的内容流。它知道我在做什么项目，知道我最近在看什么，然后告诉我：今天最重要的三条线索是什么。我觉得这个价值会非常大。当然，这件事也不容易。我们现在也还在讨论，hyper-personalization 到底应该是 local、cloud，还是 hybrid。我自己其实很明显地同时享受两种能力。一方面我很喜欢 local，因为它快，很多内容我可以直接在本地处理；另一方面我也很需要 cloud，因为我拿着手机，在遛狗、健身、通勤的时候，也能继续学习、继续工作，并且把之前的 context 延续下去。
所以我觉得，这也是为什么现在很多团队都在做自己的 macOS App。本质上，大家想解决的，其实就是：把 local 和 cloud 真正打通。因为纯 local 不够，纯 cloud 也不够。
Cole Leng｜Citable
今天想聊一个我们观察到的 ToA 现象：在硅谷，大家已经非常 to agent 了，OpenClaw、各种模型，其实都已经 ready 了。但对很多中小企业来说，它们完全不知道这个东西该怎么接入、怎么使用。我们现在在中间做的事情，就是帮助这些小公司在 AI 时代能够被 pick 到，更直接一点说，就是能被大模型发现和理解。这里面大概有三个层面。
第一个，你的网站得能被 AI crawl 到。比如是不是 server-side rendering，如果只是用一些方式快速搭了个站，AI 其实可能根本读不到。
第二个，你能不能被 agent 使用。有没有 MCP 接口，或者其他让 agent 可以调用你的方式。
第三个，也是刚才很多同学提到的，品牌本身可不可信。但我觉得这里还有一个问题，其实还没怎么被讨论到。如果你卖的是鞋、卖的是具体产品，那可信度还比较好验证，评分、质量，逻辑上和电商比较像。但如果是必须由“人”来完成的服务呢？比如律师、家装，这种怎么办？
现在大家讨论的，基本还是人怎么验证 agent 可不可信。但我在想会不会反过来，未来更重要的问题是：agent 怎么验证这个人提供的服务到底靠不靠谱。所以我觉得未来可能会出现一个新的信用层。不只是 agent 侧的信任体系，而是 agent 反过来评估人和服务：这个律师靠不靠谱，这个装修团队有没有问题。这一块我觉得现在基本还没什么人在做。
王豫强｜北京认知涌现科技
关于刚才提到的信任层我们的判断是：Agent 和以前互联网最大的区别，在于它要进入社会。既然进入社会，它就要承担责任。而责任如果要在全球互通，底层就需要一种统一的“责任语言”。也就是说，我的智能体调用你的智能体，凡是涉及交易和协作，底层都需要先完成责任语言的统一。所以我们今年年初提出了一个关于责任层的判断，做了一个事件协议 JEP，想去描述责任怎么生成、怎么传递。我们也把这套东西提交到了 IETF 和 W3C，现在也在 W3C 发起了社区组，持续推进这个方向。我们后来发现，为什么现在问责这么难？核心原因在于，互联网过去更多是基于信息论在传递信息，但这里面天然缺了一层东西：主体、关注和因果关系。而责任不是一个单纯的信息事件，它是一个主体因果事件。围绕这个判断，我们也发了一篇数学论文。最近一些正在推进的标准，也开始引用我们这条线上的工作。
但从创业市场来看，我们也观察到一个现实：现在还没有形成一个特别成熟的 Agent 创业市场。原因大概有两个。第一，基础设施还没有形成。比如 Agent 和 Agent 之间，还没有真正实现独立交流、独立结算、独立完成工作，也没有统一的语言体系。第二，商业模式还没有真的长出来。到现在为止，除了卖 Token 之外，我们还没有看到特别清晰、专门面向 Agent 的商业模式。现在更多还是 Agent 在提高人的生产效率，而不是 Agent 和 Agent 之间已经形成自循环、自协作。真正关键的判断环节还是人在做。所以我们最近主要在做两件事：第一，继续推进标准；第二，去看哪些场景和新的商业模式可能先落地。另外还有一个我们内部很核心的判断：判断是可以被交易的。基于这个判断，我们成立了两家公司，一家叫“判断”，一家叫“认知涌现”。“判断”主要是推进标准建设。因为我们认为人的判断代表他的认知，而当判断被积累下来、并且绑定责任之后，它就可以成为一种可以跨域传播、可以交易的资产。“认知涌现”想做的事情则更直接一点：当你的判断沉淀下来，并且绑定了你个人责任，它就可以成为你自己的资产。比如在投资领域，我可以去购买某个专家的判断，用来辅助我的投资决策。因为它绑定了责任，所以它是有价值的；如果不绑定责任，它就只是信息，而信息本身并不值钱。所以我们现在的观察视角大概就是这样。但问题也还在：除了 Token 之外，未来到底还会形成什么样新的商业模式？这一点我们也还在继续看。
SEAMATE Highlights
ToA时代真正被重估的，不只是App、网站和SaaS的界面价值，而是谁能成为agent时代那个真正“可被调用、可被信任、可直接拿结果”的入口。
Part.02 场景组织研讨
如果Agent可以代替用户做筛选、比较、下单，品牌、渠道、平台的权力会怎么变化？
王豫强｜北京认知涌现科技
如果现在还围绕应用层去创业，未来可能会面临很大的挤压。因为当全球都在提升层间效率时，真正有机会被调用的可能更多是基础设施型公司，或者那些在某个垂直领域里有独特理解、专有数据的公司。
Agent 和人不一样。人需要社交、需要社会关系，所以如果你做的是社交、内容平台，或者帮助人组织关系、分享内容的工具，就一定会涉及中心化。但如果你做的是 Agent，它天然更偏去中心化。我们觉得，这件事会对现有电商产生很大的冲击，尤其是对中心化电商平台的冲击。因为未来它可能不只是一个给人用的平台，而要变成一种可以被调用的数据和服务层，去承接 agent 带来的流量。第二类还可能存在的公司，是那些在某个点上有独家优势的公司。比如它的成本效率最低，或者它对产品有最高的定义权。这样的公司可能还能留在中间层。但如果你只是处在一个效率中间地带，那我觉得很可能会被 agent 干掉。因为 agent 对效率的判断，本来就是另一套标准。
所以我们的核心判断是：如果你今天所有商业逻辑，还是围绕“人”的标准建立的，而未来真正的消费主体开始变成 agent，那这里面可能就会出现很大的问题。
李驹｜Attribuly
我们也是在给电商品牌提供一些 AI / agent 增长方案。关于 agent，我现在主要关注两个方向。
第一个方向，是用 agent 做邮件营销。这也是我今天特别想和大家探讨的。现在在电商场景里，ChatGPT、Claude 这类入口拿走的流量越来越多，而且增长很快。但在这个过程中，品牌自己能做的事情其实不多，更多还是去提供一些能被大模型调用的数据。agent 基于这些数据做判断，整体会更偏理性。可问题是，过去电商为了转化用户，还会做很多后链路动作，比如邮件营销。那如果 agent 已经先替用户做了很多判断，这种帮助用户做 conversion 的动作还会不会存在？至少今天看，我觉得还是存在的。比如我们现在就在做一件事，就是用 agent 帮品牌做完全个性化的营销。这在以前的邮件营销里其实做不到，但今天是可以做的。因为在当前阶段，最后下单的大部分还是消费者自己，所以品牌依然可以触达人。它还是可以通过邮件这种方式，去理解用户需求，再把用户痛点和产品卖点匹配起来。这一层今天肯定还是成立的。但未来会怎么样，我自己也不太确定。如果以后有越来越多订单，是 agent 自己在决策，或者用户授权 agent 去决策，那品牌还能做什么？品牌手里其实有很多 CRM 数据、很多消费者数据，那以后这些用户还需不需要经营？这是我现在心里一个很大的问号。
第二个方向，是 AI 做数据分析。我觉得它在这块的潜力也非常大。因为电商里很多指标本来就是相互关联的，但我们问过很多品牌客户，他们其实有 90% 的指标都没有真正用起来，甚至都不知道具体是什么意思。但今天如果把数据接到 Claude 这类模型里，它其实可以做出很多分析，甚至包括比较深入的根因分析。我觉得这方面它已经比单纯依赖人工强很多。
所以我们现在的判断是：未来在电商数据分析这件事上，人更多是做判断，很多基础分析工作其实已经不需要人亲自参与了。
Gary Qi｜Trae
我自己也一直在观察 agent 支付这件事。先别把它想得太复杂，它一定会先发生在电子层面，也就是数字互联网世界。第二个特点是，agent 支付会是高频、零碎的。因为接下来很多 agent 的经济行为，本质上都会变成按效果付费。那既然是按效果付费，你总得先测试、先体验，才知道这个 agent 到底好不好。所以未来一定会有非常多的 free trial。那如果全球有上亿个 agent，每天都在高强度测试，你不可能每一次都还让 owner 去手动点一次确认。这显然不现实。
所以我觉得接下来一定会发生一个变化：在电子层的互联网世界里，一部分交易决策权会让渡给 agent 自己。而且这种决策，会是高频、分散的。在这种情况下，我反而觉得会出现一些更集中的行为。因为很多网站安不安全、是不是钓鱼网站，这件事 agent 不一定能判断，人其实也未必判断得了。所以 agent 很可能会更倾向于在 Amazon、Shopify 这种安全性和置信度更高的平台上做决策和购买。所以我不觉得 agent 时代会削弱这些平台，反而可能会持续放大它们原有的平台优势。
但与此同时，很多购买行为也会被改写。因为 agent 天然适合货比三家。比如你要买一个鼠标，它可以在全网成千上万个网站之间帮你比价。我相信它做出来的决定，大概率会比人更理性，也会有越来越多人依赖这种能力。所以我非常坚定地觉得，agent 支付一定会在一定程度上取代人类决策。只是它会先发生在那些 agent 最擅长、也最偏好的业务上。比如买数据、买 API、买大模型调用、买 router 这类东西，因为这些本来就是 agent 最容易理解、最容易判断的场景。所以我觉得它大概的演进顺序就是：先从电子层开始，再逐渐走到物理层。
李驹｜Attribuly
我们其实也第一时间接过 Shopify 和 Google 的 UCP 协议，想看看到底会不会有消费者愿意直接在 ChatGPT 里下单。但到今天为止，我们几乎没有看到真正通过这条链路完成的订单。相反，更多用户的行为是：前面的信息了解、产品咨询、甚至加购前的判断，可能会在 GPT 里完成；但真正到了下单这一步，几乎还是会回到站内。也就是说，今天 AI 更像是在帮用户完成决策前半段，但最后的支付和下单，用户还是更愿意自己来。这件事其实也让我们比较困惑。但我自己的感觉是，这里面还是一个信任感和消费习惯的问题。到了最后那一步，用户还是要自己把信用卡掏出来，而不是愿意直接把信用卡交给 GPT，让它替自己把整笔订单完成。
王豫强｜北京认知涌现科技
在这一块我们的观点是人的主体性还没有真正分离到 Agent 上。也就是说 Agent 目前还不能代表人。如果 Agent 直接帮人下单，就可能会侵入人的主体性。未来可能会出现一个趋势：当人的判断权或者说主体性，可以被抽离出来，成为一个可被调用的层之后，Agent 再来调用这一层，判断某个决策是否符合你的价值观、你的审美。因为审美和价值观仍然是很独特的，如果 Agent 直接强行替人做决策，本质上就是一种主体性侵占。所以我们认为，当“判断”这一层成为基础设施之后，Agent 自循环的电商形态才可能真正形成。这是第一点。
第二点是，在一些重大决策上，仍然需要经过人的判断。比如现在欧盟正在强推一个措施，要求在高风险决策上必须拉起人的判断。假设某个消费超过 500 美金，或者在电商价格带里 200 美金以上被定义为高风险，那就需要人来确认。这是法律界定的问题。在这个过程中，人的参与是必须存在的。但在低价格带场景下，如果人的判断权已经被沉淀下来，它肯定会被 Agent 取代。所以我们认为，有两个事情会促进电商被重构：第一，是判断力单独沉淀为可被调用的数据；第二，是主体性可以被沉淀成一个单独的层。
企业组织公司需要怎么围绕Agent重组？
MY｜通义实验室
Agent 火起来之后，一个非常明显的变化是：coding 能力的差距正在被快速拉平。过去工程师之间代码能力差异很明显，但现在借助 AI coding，很多基础开发能力已经在趋同。当 coding 能力被拉平之后，真正拉开差距的，会越来越变成架构能力和产品能力。也就是说，工程师未来不只是写代码的人，还要有系统设计、任务拆解，以及产品层面的思考能力。最后比拼的，可能不再是代码本身，而是对问题的抽象能力和整体方案设计能力。
与此同时，我觉得另一个会被放大的方向，其实是测试和质量控制。因为 Agent 已经可以非常高效地生成大量代码，但问题是：这些代码最终由谁来 review，谁来保证质量？这件事本身仍然需要很强的能力，要么是更强的 Agent，要么是经验足够强的测试和工程人员。
我们自己做开源时就很明显能感受到这一点。现在很多人会直接用 Agent 给项目提交代码，但这些代码的质量其实参差不齐。很多人更关注的是生成了 output，但未必能判断这个 output 能不能真正转化成有价值的 outcome。所以我觉得未来一个非常重要的能力，不只是“生成代码”，而是对结果进行判断、验证和收敛的能力。
姚中耀｜Low Hanging Lab
这个问题我觉得要分成两个层面来看。一个是组织内部怎么变；另一个是外部公司会怎么变。这两者其实差异很大。
如果是 AI 公司、互联网公司，这类组织本身就更激进，也更愿意去调整架构。你会看到很多讨论，甚至会有人说“不需要工程师了，agent 干活就行”。在这类公司里，组织精简、让团队更贴合市场和效率，这件事基本已经是一个大方向。但传统企业不一样。很多传统公司，连最基础的数字化都还没有完成，很多事情还是纯靠人力堆出来的。所以对它们来说，第一步其实不是 agent，也不是组织大改，而是先把数字化这件事补上。
我们自己也看到，一些传统行业公司在从 0 到 1 之后，到了 1 到 100 的扩张阶段，会遇到很大的管理问题。这个时候如果还是单靠人去管，其实会越来越难。所以我觉得，对这类企业来说，更确定的方向反而是：先从数据层、运营层去支撑它们做变革，去调整工作流。比如像餐饮行业，尤其是门店管理和经营数据这一块，其实有很大的灰色地带。老板想的是一套，执行过程中又是另一套，中间会有很多偏差，甚至会出现一些很现实的问题。那如果用 AI 去做预测、告警，或者去支撑门店运营优化，这里面我觉得市场空间其实非常大。
那么这种产品的推行，会不会遭到行业很大的抵触呢？
那么这种产品的推行，会不会遭到行业很大的抵触呢？
姚中耀｜Low Hanging Lab
我觉得行业是否抵触，首先要看你针对哪个角色。如果是从老板的层面去引入，那其实对他来说是利好的；但如果是对于下面的执行层来说，因为他的可操作空间变小了，他肯定是不愿意的。所以你完全可以直接去和老板谈，因为说白了老板才是最终买单的人，是付出成本的客户。但有一个前提条件是如果你针对这种传统行业，实际上是需要切实进入他们真实的工作流程，也就是说你要足够深入地了解他们的业务。我觉得这一部分的缺口，其实也是当前很多 AI 在发展过程中的一个阶段性问题。AI 从最早某种程度上的“圈内自嗨”，逐渐扩展到互联网行业，现在又开始慢慢扩展到各个传统行业，这是一个必然的发展路径。
Emma Zhu｜美元家办
这个问题我觉得还是要分维度看。首先是企业规模。大中小企业的路径肯定不一样。其次是具体职能。有些职能如果 agent 的长程任务能力已经比较成熟，而且不太涉及业务私有数据，那确实有机会被比较完整地端到端执行掉；但如果涉及很多专家判断，或者大量企业私有数据，那通常还是要先通过私有化部署，或者先去学习这个岗位原来是怎么工作的，再逐步拟合它的 workflow，慢慢实现 agentic 化。所以这件事非常 case by case。这里面其实也会自然长出一批做 AI 转型咨询的公司。因为如果你既了解企业是怎么运转的，又知道 AI 现在能力边界在哪儿，那你就有机会给企业递送一套分阶段推进的转型流程。
另外，国内和海外的路径也不一样。海外模型整体能力更强，所以自动化往前走得更快；国内很多大企业未必能直接用海外模型，所以更多还是基于现有国产模型，先做到一个阶段性的自动化水平。
同时，我觉得现在也出现了一些没有历史包袱的小公司。比如一个不到 5 个人的团队，养一堆 agent，一个人带五六个 agent，这种组织已经开始出现了。那这里面核心就变成：你的 file system、组织 memory、权限管理怎么设计；人和人、人和 agent，甚至 agent 和 agent 之间，到底在什么环境里协作。所以现在很多 AI native 小公司，其实都在自己搭这套环境，也有创业公司在给它们提供类似 AI 版 Slack 的协作工具。所以我觉得这件事本质上是几方一起往前推的过程：一边是模型能力在持续迭代；一边是企业级安全和权限管理，需要 Infra 和云基础设施去支持；再一边是memory，有些靠产品层解决，有些靠工程，有些还在算法层突破。
最后还是回到一句话：这非常考验公司 CTO 或者一号位，怎么把模型能力和业务边界真正结合起来。它不是一蹴而就的，而是一个一步一步爬坡的过程。
SEAMATE Highlights
当 Agent 开始接管筛选、比较和执行，真正被重估的，不只是渠道和平台的位置，而是品牌、组织与系统到底能不能被 Agent 顺畅调用。
全文无删减版请移步知识库
项目推荐
来自Seamate Vibe Launch
05/07 ·硅谷
AiOS（端侧实时 AI）
专注端侧实时音视频互动模型与 AIOS（AI 驱动硬件开发操作系统），在极低内存与纯 CPU 环境下实现 300ms 内响应，客户涵盖阿里云、联想等大厂。自研早教机器人 5 个月销售 3 万台验证商业模式，通过 License 和 Token 抽成盈利，正探索出海硅谷"AI for Hardware"赛道机会。
大模型 API 聚合平台（精灵）
类 OpenRouter 的多模型 API 聚合服务，以折扣价提供各主流模型的稳定调用。聚焦中国 SaaS 出海北美，认为"按天付费/按用量付费"的商业模式天然倒逼产品质量，极强的服务能力是建立北美客户信任的核心壁垒。
相关往期推荐阅读
线上闭门会年度支持方
