Agent崛起之后，AI產業鏈的價值重估

促使筆者寫這篇文章的，是近期Agent類產品的密集出現，尤其是Claude Code、OpenClaw等工具在生產力場景中的實際表現。這些產品讓筆者重新審視了此前對AI產業鏈的幾個判斷，有些得到了強化，有些需要修正，還有些問題筆者認為市場目前壓根沒有想清楚。本文就把這些思考梳理出來，不試圖給出一個整齊的結論，只是盡量把問題說得誠實一些。

一、Chat和Agent，為什么說這是質變

AI的發展到目前為止，大致經歷了兩個階段。

第一個階段是Chat，也就是2023年以來大家熟悉的那種交互方式：用戶提問，模型回答，一問一答，完事。這個階段的AI功能強大，能寫代碼、能總結文章、能回答專業問題，但它本質上是被動的，它沒有目標，沒有持續的行動能力，每輪對話相互獨立，你關掉窗口它就什么都不記得了。筆者曾經把這個階段的AI比作魏晉名士，清談玄理，言辭精妙，但不真的做事。

Agent的出現改變了這個局面。以Claude Code為例，它不再是一個"幫你解釋這段代碼是什么意思"的工具，而是能獨立閱讀整個代碼庫、制定修改方案、調用工具執行、發現錯誤后自主調整再重試的"AI程序員"。OpenClaw把這個能力延伸到了瀏覽器操控和跨工具協同的場景。AI開始真正做事了，從"顧問"變成了"員工"。

這個轉變對產業鏈影響最直接的地方，是token消耗量的量級躍升。一次普通的Chat對話消耗幾百到幾千個token，一次Agent工作流輕松是數萬乃至十幾萬token的量級。如果Agent真的大規模鋪開，推理側的算力需求比Chat時代高幾十倍是完全可能的。這件事在市場上已經有所反映，算力和電力方向在近期的表現就和這個邏輯高度相關。

二、算力是周期機會，不是結構機會

算力/電力方向的短期邏輯是清晰的。需求側，Agent驅動的推理需求正在以遠超預期的速度增長；供給側，數據中心的建設周期受限于物理世界，變壓器的交付周期從過去的50周拉到了現在的四年，電網接入的等待時間同樣超過四年。IEA預測全球數據中心用電量到2030年將翻倍，高盛的預測更極端。供需錯配在可預見的2至3年內是真實存在的。

然而筆者對算力/電力方向的看法，和很多投資者有一個根本性的分歧：**筆者并不認為算力是一個具有長期結構性稀缺價值的資產。**

算力在本質上是一種基礎設施資源。歷史上，每一種基礎設施資源在需求爆發的早期都會經歷價格暴漲，但隨著供給側產能擴張跟上，價格必然回落，最終走向公用事業化。帶寬如此，存儲如此，電力如此。算力沒有理由成為例外。從更長的時間維度看，隨著模型效率不斷提升（過去兩年推理效率大致每年提升數倍）、邊緣計算能力增強，以及新的硬件架構涌現，算力稀缺的格局在未來某個時間點一定會被打破。

這意味著算力/電力更接近周期性機會，而非結構性機會。賺的是供需錯配時間差的錢，而不是永久稀缺的錢。這兩種錢，對應的投資框架是完全不同的。

對于周期性機會，賠率是核心問題。硬件行情從2023年啟動，已經跑了相當長的時間，算力相關標的的漲幅普遍巨大。筆者在《淺談估值》中講過，對于任何一個合理估值的資產，能賺到的錢最終就是折現率的錢；而超額收益來自于發現市場尚未充分定價的變化。當一個板塊的漲幅已經足夠大，它能賺到的超額收益自然就被消耗掉了。站在當前位置再去押注算力/電力繼續大漲，本質上是在賭供需缺口的持續時間比市場共識更長，或者在賭Agent驅動的需求增速會超出現有預期。這不是說不可能，但需要承認，這已經是一個賠率很難評估清楚的押注了，而不是當初"邏輯清晰、賠率高、確定性強"的機會。

說清楚這一點，不是看空算力，而是區分"方向是對的"和"賠率是高的"——這兩件事經常被混為一談，但在投資中是必須分開判斷的。

三、Agents會消滅軟件嗎

與算力的再度升溫形成反差的，是AI應用軟件公司近期的股價表現。市場上流行著一個敘事：模型即應用，Agent消滅一切軟件。邏輯是，如果用戶可以通過Agent直接調API完成工作，精心設計的軟件界面和工作流就成了多余，軟件公司賴以生存的用戶黏性和付費意愿隨之瓦解。

筆者認為這個敘事包含了一部分真相，但被推向了過于極端的方向，同時又忽略了一個更深層的威脅。

先說被高估的部分。Agent替代的是"人通過UI操作軟件"這個環節，但它并不能憑空替代軟件的后端。數據要存在某個地方，業務規則要有引擎來處理，權限和審計要符合合規要求。這些后端邏輯不會因為前端交互方式的改變而消失。從這個角度說，一個擁有深厚后端積累的垂直SaaS公司，它的護城河不會因為出現了Agent就自動消失。

但這里有一個筆者認為被市場嚴重低估的風險：平臺公司的"蠶食能力"。微軟和谷歌都已經掌握了大量的Agent入口，Copilot和Gemini企業版都在快速滲透。這兩家公司的歷史打法，從來不是只消滅競爭對手的前端，而是先控制入口，再通過API優先級設置和功能復制逐步替代后端。微軟把Teams嵌入Microsoft 365打壓Slack，把各類垂直功能整合進全家桶，這條路它走得非常熟練。當Agent成為企業用戶的主要工作界面時，控制Agent入口的公司就擁有了一個天然的戰略優勢——它可以決定Agent優先調用誰的后端服務。

所以，筆者對軟件分化的判斷是：確實會分化，但安全條件比簡單說"有強后端就安全"要嚴格得多。真正具備抵御能力的垂直SaaS，需要同時滿足擁有不可替代的數據資產，以及處于監管壁壘較高的行業（醫療、法律、金融等）這兩個條件。只滿足其中一個，在微軟和谷歌的長期蠶食面前，并不是真正安全的。

至于那些核心價值就是UI封裝、沒有獨特數據和監管壁壘的"薄"SaaS，Agent對它們的威脅是直接而真實的。

四、價值最終會在哪里沉淀

如果算力/電力是周期性機會，軟件端會劇烈分化，那么AI產業鏈中具有真正長期價值的資產是什么？

筆者想區分兩件經常被混在一起討論的事：模型能力和模型生態。

說"模型在商品化"是有道理的，但這里說的是模型能力層面的商品化——GPT、Claude、Gemini在基準測試上的差距正在縮小，頂級模型之間的能力競爭越來越像是在爭奪最后幾個百分點的提升。但能力商品化不等于模型層沒有價值，因為歷史上平臺層的價值從來不是靠"能力最強"贏的。Windows未必是最優雅的操作系統，Android未必是最流暢的移動平臺，AWS也不是最便宜的云，但它們各自建立了最大的開發者生態，把競爭對手的遷移成本拉到了極高的水位，最終捕獲了平臺層絕大部分的利潤。

Agent時代同樣的邏輯會在模型層重演。誰能建立最大的Agent開發者工具鏈、最完整的插件生態、最深的企業系統集成，誰就擁有這個時代真正的護城河。模型能力的微小差異屆時已經不重要，生態的鎖定效應才是壁壘。這場競爭的格局很可能是贏家通吃，最終大概率只有兩三個真正意義上的模型生態平臺。

至于數據，筆者有一個切身體會。日常用AI Agent做基金研究，遇到的最大瓶頸不是模型不夠聰明，而是數據拿不到。沒有Wind的API，Agent就無法獲取基金持倉變化、行業估值歷史等基礎信息，推理能力再強也是空的。由此筆者自然地產生了"數據是Agent時代最稀缺的資產"這個判斷。

但這個判斷有幸存者偏差。Wind和Bloomberg是非常特殊的存在，它們同時具備監管特許、網絡效應和幾十年的先發優勢，這三個條件缺一不可，大多數數據資產并不滿足。筆者所用的Wind的例子，恰好是最有利于這個論點的例子，并非普遍規律。

更值得警惕的是，如果未來形成了一兩個超級Agent平臺，它們作為幾乎唯一的數據買方，議價能力會受到嚴重壓制。CDN行業是一個值得參考的案例：當年內容分發網絡也被認為是互聯網流量的"關鍵節點"，但隨著云廠商把CDN能力內化，以及帶寬成本的持續下降，獨立CDN公司的議價權基本瓦解了。

筆者的修正判斷是：具有真實長期價值的數據資產，條件非常嚴格，必須是那些同時擁有網絡效應或監管壁壘、且無法被合成數據替代的實時業務數據。滿足這個條件的資產存在，但遠比直覺感受的要稀少。

這樣捋下來，筆者對AI產業鏈各環節的長期價值判斷大致如下：模型生態的價值最高，但這是贏家通吃的賽道，能成為生態級平臺的玩家極少；真正滿足嚴苛條件的實時數據網絡價值其次，但選擇比想象的少；算力隨著供給充裕會逐步公用事業化，長期利潤率回落是大概率事件。

如果再加上時間維度：短期內算力/電力的供需邏輯依然成立，但賠率需要結合前期漲幅來判斷；中長期看，數據網絡和模型生態是更值得花時間研究的方向，只是當下這兩個方向都很難找到合適的投資載體。

五、結語

寫完這篇文章，筆者意識到，AI投資的真正難點不在于判斷產業方向，方向其實大家都看得到，而在于三件事：估值，賠率，以及判斷自己的認知是否已經被市場充分定價了。

算力的故事足夠清晰，市場也已經走了很長一段路。軟件的威脅足夠真實，但"消滅一切"和"劇烈分化"之間的差別，最終會決定哪些公司是被誤殺、哪些是真的危機。模型生態是長期最有價值的環節，但找到合適的投資載體比看清楚邏輯要難得多。

能力越強的工具，往往越能暴露稀缺資源的真實邊界。Agent最大的價值，也許不只是讓AI從"說話"變成了"做事"，而是讓產業鏈里什么東西是真的不可替代、什么東西的"壁壘"只是還沒遭遇足夠強的競爭者，變得越來越清晰可辨。

筆者會持續更新這個判斷。