AI原生产品观察:一张正在形成的软件新地图

AI原生产品观察：一张正在形成的软件新地图

如果把最近两年的AI产品放在一起观察，会发现一个越来越清晰的变化：AI原生已经不再只是模型能力的竞争，也不再只是给传统软件增加一个对话框，而是在向浏览器、搜索、企业应用、商品交易、软件分发、运行时、数据库、计算基础设施以及身份治理等多个层次扩展。

Cloudflare正在一边用Browser Run帮助智能体操作现有网页，一边通过Agent Readiness和WebMCP推动网站直接向机器提供内容与能力；OpenAI已经形成Apps SDK、Agents SDK和Codex三条相互衔接的产品线，分别进入应用分发、智能体运行和软件开发；Anthropic则通过Computer Use、MCP、Agent Skills、Claude Code和Agent SDK，将机器操作、工具连接、程序性知识和任务执行组织起来。(The Cloudflare Blog)

在更底层，NVIDIA已经不只是提供GPU，而是通过NIM把模型封装成可部署的推理微服务，通过Dynamo处理大规模分布式推理，再通过NeMo Agent Toolkit参与智能体的连接、评测、优化和治理。Google正在以A2A、A2UI、ADK、Agent Registry和Gemini Enterprise Agent Platform构建从通信协议、动态界面到企业平台的一整套体系；Microsoft则通过Copilot Studio、Agent Framework、Agent 365和Entra Agent ID，分别解决智能体的建设、编排、治理与身份问题；AWS的Bedrock AgentCore也开始覆盖运行、权限、工具连接、记忆、评测和生产运维。(NVIDIA)

这些产品分布在完全不同的市场中，却共同指向一件事：

软件世界正在从主要服务人类操作者，转向同时服务智能体。

AI原生不是一个赛道，而是一套新的软件结构

传统软件通常以“应用”为中心。人打开一个网站或者App，通过页面、按钮和菜单选择功能，应用再调用数据库和后台服务。产品经理研究的是人的认知、体验与客户旅程，软件厂商争夺的是人的时间、注意力和席位。

智能体进入以后，这套关系开始发生变化。

AI可能不会打开软件首页，也不需要完整学习一套菜单。它更可能先理解目标，再寻找需要的工具、数据和服务；获得限定权限后，调用多个系统完成任务，最后把结果、证据和需要人决定的部分提交回来。

因此，未来的软件基本单位可能不再只是完整应用，还包括：可以被机器发现和调用的能力；可以按需加载的知识与Skill；能够相互协作的智能体；管理状态、上下文和恢复的运行时；限定智能体行动范围的身份与权限；支撑机器之间交易的价格和支付协议。

MCP解决的是智能体怎样连接工具和数据，A2A解决的是智能体怎样发现并协作，A2UI和AG-UI探索的是智能体怎样动态生成界面，Agent Skills则把说明、资源和脚本封装成可重复使用的工作方法。Google Agent Registry、GitHub MCP Registry等产品进一步说明，软件能力正在从预先安装，转向任务发生时的动态发现和组合。(Claude Platform Docs)

可以用一句话概括这些新组件的关系：

API提供能力，MCP提供连接，Registry提供发现，Skill提供方法，Runtime组织行动，身份与治理划定边界。

AI正在经过三个阶段

第一阶段是AI辅助人使用软件。Copilot、代码补全和对话助手都属于这一阶段，人仍然是软件的主要操作者，AI提供建议和局部自动化。

第二阶段是AI模仿人操作软件。Browserbase、Computer Use、UiPath和Browser Run，让智能体通过浏览器、鼠标、键盘、视觉识别和RPA进入没有正式机器接口的系统。这一层十分重要，因为几十年形成的网页和企业软件不会迅速消失，但它更接近AI世界的兼容层。

第三阶段才是软件直接向智能体提供能力。网站通过Markdown、API、MCP、WebMCP和结构化错误向AI表达内容与动作；企业应用为智能体提供权限受控的数据和工具；商品、支付和订单则通过UCP、ACP、x402等协议被机器发现和交易。Shopify已经用UCP组织从商品发现到订单跟踪的智能体商业流程，Stripe的ACP也在定义AI代理代表买方完成购物车、结账和支付的通用方式。

三个阶段不会简单地先后替代，而会在很长时间内并存。有正式接口时，智能体直接调用能力；只有网页时，则通过浏览器兼容；遇到高风险或模糊决策时，再把控制权交还给人。

真正值得观察的，不是哪个产品声称自己是AI原生，而是它究竟在帮助AI适应旧环境，还是在建设一种新的机器环境。

当AI开始行动，产品问题会迅速变成治理问题

只要AI停留在回答问题的阶段，错误通常表现为答案不够准确。但当智能体开始修改文件、提交代码、更新客户信息、购买商品和调用付费服务时，产品就必须回答一系列过去并不突出的治理问题：

这个智能体是谁，它代表哪个人或组织；能够读取和修改哪些数据；可以调用什么工具；允许花多少钱；操作能否撤销；失败后怎样恢复；每一步能否追踪；最终由谁承担责任。

这也是为什么Agent Runtime、沙箱、记忆、评测、可观测性和机器身份会迅速成为独立产品类别。OpenAI Agents SDK已经把工具调用、协作、状态和多步骤执行纳入运行框架；Microsoft Agent 365将自己定位为观察、保护和治理智能体的控制面，Entra Agent ID则把认证、授权与生命周期管理扩展到机器身份；AWS AgentCore也将运行、权限、连接和生产监控组织在统一平台中。(OpenAI开发者)

因此，AI原生并不等于让机器获得无限自由。恰恰相反，越是能够自主行动的产品，越需要精细的权限、预算、审计、检查点和人工接管。

这套观察地图选择什么产品

《AI原生产品观察》不会按照公司规模或者市场热度简单排序，也不会把每一个带有AI功能的软件都列入其中。

这套地图重点观察四类产品：

第一类是掌握重要入口和基础设施的头部平台，包括NVIDIA、OpenAI、Anthropic、Google、Microsoft、AWS和Cloudflare；

第二类是正在快速形成新产品类别的公司，例如Cursor、Perplexity、Harvey、Glean和Sierra；

第三类是定义开放协议和新型商业关系的产品，包括MCP、A2A、UCP、ACP和x402；

第四类则是已经进入真实行业流程、开始承担结果责任的专业智能体。

对于每一个案例，真正需要回答的不是“它有哪些AI功能”，而是：

它改变了谁是用户吗？它是在兼容旧软件，还是建设新的机器环境？它改变的是界面、能力、数据、交易，还是权限关系？它距离稳定、可验证、可治理的生产系统还有多远？它最终会不会改变软件产业的基本单位？

围绕这些问题，可以形成下面这张由72个案例组成的AI原生产品地图。

《AI原生产品观察》系列目录

第一组｜AI怎样进入旧数字世界

01｜Browserbase：AI为什么还要点击网页

02｜UiPath：从RPA到Agent，自动化的是动作还是目标

03｜Anthropic Computer Use：让AI学会用电脑，是进步还是妥协

04｜Cloudflare Browser Run：浏览器会成为智能体的云计算资源吗

第二组｜搜索与机器内容

05｜Exa：当搜索引擎开始服务AI

06｜Perplexity：AI搜索是在替代搜索引擎，还是替代网页访问

07｜Firecrawl：网页抓取为什么正在变成AI基础设施

08｜Cloudflare Agent Readiness：网站怎样适应机器用户

第三组｜Agent Web与机器界面

09｜MCP：它不只是AI的USB，更像软件能力的新入口

10｜WebMCP：网页为什么开始主动向智能体暴露工具

11｜OpenAI Apps SDK：应用为什么开始直接生长在对话中

12｜A2UI与AG-UI：当界面不再由产品经理提前画好

第四组｜企业软件迎来新的操作者

13｜Notion MCP：企业知识库迎来第二类用户

14｜GitHub：从代码托管平台到智能体生产环境

15｜Salesforce Agentforce：CRM的下一位用户还是销售人员吗

16｜ServiceNow AI Agents：企业工作流会不会被智能体重新组织

17｜Microsoft Copilot Studio：企业员工会不会自己建设Agent

18｜SAP Joule Studio：ERP厂商为什么开始建设Agent开发环境

19｜Oracle AI Agent Studio：企业应用会不会成为Agent运行平台

第五组｜智能体商业与支付

20｜Shopify UCP：给智能体建设一套通用商业语言

21｜Stripe ACP：AI怎样代表用户完成一笔交易

22｜Visa Intelligent Commerce：银行卡网络怎样识别机器买家

23｜Mastercard Agent Pay：智能体支付需要新的数字凭证吗

24｜Cloudflare Pay Per Crawl：当AI开始为内容付费

25｜x402：HTTP 402会成为机器世界的收银台吗

第六组｜能力、技能与软件分发

26｜GitHub MCP Registry：AI时代的应用商店正在形成

27｜Claude Agent Skills：未来的软件，是功能还是经验

28｜Zapier MCP：自动化平台会不会成为Agent能力总线

29｜Google Agent Registry：智能体、技能和MCP如何被统一发现

第七组｜智能体之间怎样协作

30｜A2A：智能体之间为什么需要一门共同语言

31｜AGNTCY：谁来建设智能体世界的身份、目录和通信网络

32｜Microsoft Agent Framework：多智能体框架为什么开始走向统一

33｜Google ADK：Agent开发会不会形成新的应用框架

34｜Gemini Enterprise Agent Platform：Google为什么要建设Agent操作平台

35｜Amazon Bedrock AgentCore：云计算会不会重新为Agent做一遍

第八组｜Agent Runtime与任务编排

36｜OpenAI Agents SDK：智能体运行时会成为AI时代的操作系统吗

37｜Claude Agent SDK：从模型调用到可编程的Agent运行环境

38｜LangGraph：为什么智能体需要状态机和检查点

39｜CrewAI：多智能体协作是真需求，还是组织结构的投射

第九组｜软件开发为什么成为Agent的先行行业

40｜Cursor：IDE会不会被智能体工作台取代

41｜Claude Code：当开发工具从代码编辑器变成工程智能体

42｜OpenAI Codex：软件开发正在从人写代码转向Agent交付任务吗

43｜Devin：AI程序员真正缺的是代码能力，还是工程环境

第十组｜上下文、记忆与AI原生数据层

44｜Letta：智能体需要记忆，还是需要持续学习

45｜Zep：Agent Memory为什么不只是向量检索

46｜Pinecone：向量数据库真的是AI原生数据库吗

47｜Neo4j：知识图谱会不会在Agent时代重新流行

48｜Snowflake Cortex：数据仓库怎样变成智能体的事实层

49｜Databricks Mosaic AI：湖仓会成为Agent的数据底座吗

第十一组｜执行环境与计算基础设施

50｜E2B：为什么每个智能体都需要一台隔离的云电脑

51｜NVIDIA NIM：模型会成为AI时代的标准微服务吗

52｜NVIDIA Dynamo：推理系统为什么正在变成新的分布式操作系统

53｜NVIDIA NeMo Agent Toolkit：芯片公司为什么进入智能体全生命周期

54｜vLLM：AI系统为什么重新发明虚拟内存

55｜Modal：AI应用为什么需要新的Serverless

56｜Cloudflare Workers AI：边缘网络能否成为智能体运行环境

57｜Hugging Face：模型社区会转型为AI能力供应链吗

第十二组｜评测、追踪与可观测性

58｜LangSmith：怎样看清一个智能体到底做了什么

59｜Braintrust：AI产品为什么需要自己的测试与评估体系

60｜Arize Phoenix：Agent故障应该怎样被定位

61｜Langfuse：开源可观测性能否成为Agent生产基础设施

第十三组｜身份、安全与治理

62｜Microsoft Agent 365：企业会不会像管理员工一样管理智能体

63｜Microsoft Entra Agent ID：机器身份怎样进入企业目录

64｜Cloudflare Web Bot Auth：网站怎样识别一个真正的机器客户

65｜CyberArk：当AI能够操作系统，特权访问怎样管理

66｜Lakera Guard：智能体安全为什么不只是提示词防护

第十四组｜行业Agent与专业服务

67｜Harvey：法律软件是在辅助律师，还是在封装律师经验

68｜Abridge：医疗记录怎样从文字转向临床智能体

69｜Hebbia：研究型智能体为什么需要处理复杂文档

70｜Glean：企业搜索会不会变成企业行动入口

71｜Palantir AIP：企业智能体怎样进入真实业务决策

72｜Sierra：客服智能体为什么不应该只是聊天机器人

这72个案例不是一份产品排行榜，也不意味着其中每个产品都已经完成了AI原生转型。它们之中既有帮助AI兼容旧软件的过渡方案，也有正在重建机器接口的新协议；既有刚刚形成的技术基础设施，也有已经进入法律、医疗、客服和企业运营的商业产品。

把它们放在同一张地图中，真正想观察的是软件产业正在发生的几项长期变化：软件的直接使用者是否改变，应用边界是否开始松动，组织知识能否成为机器可以加载的Skill，智能体能否获得合法而受控的行动权，以及企业应当怎样管理由人和机器共同组成的新型数字组织。

《AI原生产品观察》所记录的，不是产品中增加了多少AI，而是整个软件世界正在怎样为智能体重新设计。