作者：东方港湾黄海平

备注：封面素材源自AI

一、 无情的时代轨道

在美伊军事冲突的大洋彼岸，美国金融市场上近期也上演着一场局部连锁的暴雷事件。过去2个月，随着AI Agent的逐渐成熟，对传统软件SaaS企业形成了降维打击。大量原本被视为优质资产的初创及中型软件公司，业务逻辑失效，估值受到质疑，这使得长期重仓该行业的私募信贷（Private Credit）基金发生了严重的挤兑。包括Blue Owl、黑石、贝莱德、摩根士丹利、Apollo等头部机构在内，因底层资产流动性枯竭而不得不频繁“关闸”来锁死流动性（私募信贷一般为封闭基金，但每季度保持5%最大可赎回额度，超过会关闸），同时底层资产的估值也正被大幅调低。

软件行业可能只是AI列车前进轨道上第一个牺牲品，甚至于那些在互联网时代里站在行业巅峰的企业，身下的王座也开始出现了松动，纷纷在寻找转型。

上图为桥水基金24年的研究成果。图中浅灰色的一簇线，统计的是美股历史上每轮十年周期里市值最高的10家公司，在该周期达到巅峰前后各100年的总市值占比变化。这些数据的平均值被绘成了深灰色线：从过往规律看，每个时代的Top10巨头，市值占比的峰值基本在20%左右，之后都会无可避免地开始走下坡路，逐步退出主流舞台。没有谁能一直屹立时代之巅。

再看代表2024年的蓝色线：这一年的10家龙头企业，市值总占比达到33%，创近乎历史之最。当我们翻看刚刚过去的2025年数据，这10家公司的排名并未变动，集中度进一步提升到38%，几乎超过了历史上所有时期。我们没法预判这10家公司的统治地位会在本世纪的哪一年结束，但历史规律始终生效——没有企业能永远站在顶峰，这批巨头最终会退出历史舞台，被新的企业替代。

二、 列车的时速和核心动力

在过去的一个季度里，AI依旧保持着惊人的进化速度。自从2025年三季度Blackwell芯片部署以来，底座模型经过了一轮预训练和强化训练的迭代，模型的通用能力已经到了一个极高的水准。2026年至今，模型的能力进化已不再局限于底座模型的“通用智能”，而在于我们称之为“工匠智能”的Agent任务能力。

工匠智能超越了模型本身的界限，需借助LLM以外的组件来拓展自身能力。这包括Agent与任务环境交互所需的工具，使用工具完成任务累积的经验库（Skills），任务相关的背景数据，分层记忆系统与上下文管理机制，动态环境沙盒管理，任务状态管理机制，Token资源管理系统，Agent与环境交互所需的权限，与人类进行沟通的渠道，安全行为的监控系统，任务评估的自动反馈循环，以及任务执行的轨迹记录系统等。

有人把LLM大模型比喻为汽车的引擎，而这些外挂组件则是引擎之外的汽车框架，行业称之为“Harness”系统。Harness原意为马具或是驯服、治理，在AI的语境里，寓意驯服LLM这匹力大无穷但不受控制的“野马”所需的系统，把模型的不确定性转变成业务环境的确定性。就像在物理学和工业史上，人类通过 Harnessing the water（治理水利）驱动磨坊来驯服大自然的力量。水本身有能量，但如果不给它修渠、筑坝、装上水轮机，这种能量只会四散流失。

过去一个季度里，龙虾（Openclaw）显然是“Agent Harness框架”下现象级的最佳实践。龙虾的开源框架，在Github上的受欢迎程度创造了新的历史，与数字世界的殿堂级开源项目Linux和Python相比，普及速度是后者的上百倍（如下图）。这也导致过去一个季度全球智能token消耗量几乎原地起飞：著名开发者模型路由网站Openrouter上，全网消耗的Tokens数从去年末的每周5.5万亿，3个月增长了375%，达到27万亿Tokens（年化50倍的增速）。这也是2023年ChatGPT发布以来，第一次AI能力的进化来源于模型之外：出自维也纳一名独立的开发者，而非中美某个大型互联网企业或模型厂。但这一开源项目正在极大地加速全球AI 能力普及。

Harness这套机制的突破点在于，它赋予了模型“可持续学习”和“分布式学习”的能力。在传统的模型开发中，模型在出厂的那一刻，其知识边界就通过“参数”被冻结，后续可以通过 RAG（检索增强生成）来稍微补充信息。而Harness框架打破了模型厂的“数据孤岛”和“中心化工业品”的模式，通过“记忆机制”与“Skills”技能机制，由全球用户共同参与，利用真实生产场景中的非公开数据，以及深植于人脑中的宝贵经验，来推动AI能力进行全人类的“分布式进化”。这种分布式进化的成果，例如各种任务执行所需的经验——Skills，在开源社区正在以近乎疯狂的速度在扩散。短短3个月不到的时间，全球的开发者已经分享了超过44000个经验证的技能，这大大超过了苹果的App Store和Chrome的Web Store在前6个月的1.5万个应用及0.8万个扩展。

这是当前 AI和Agent能力在加速发展的核心原因。

三、旧时代的瓦解

时代的巨轮正以超乎想象的速度滚滚向前，轨道之上，软件行业已然成为首个牺牲品。我们不得不进一步思考，Agent 的普及还会对我们所熟知的经济世界造成其他什么样的冲击？

我们熟知的两大互联网商业模式可能不再适用。过去二十年，互联网时代为我们提供了大量的数字内容与服务，以及各类生产力工具，分别形成了“流量型广告”和“SaaS订阅制”这两类商业模式。

“订阅制”可能随着软件行业半截入土。SaaS软件之所以普遍采用“订阅制”收费，本质上取决于软件的成本结构：开发和销售极高比例的“固定成本”，以及用户使用软件时极低的“边际成本”。平台通过每月收取较低门槛的“固定租金”，允许用户无上限地使用软件，最终吸引大量用户形成经营杠杆，创造稳定的收入和较高的利润率（通常在30%以上）。

订阅制带来了二十年软件和云计算商业模式的繁荣。直至今天，大量的原生AI应用仍在沿用互联网时代的“订阅制”来构筑自己的商业模式，但这可能会导致许多AI商业创新的失败。

AI Agent提供的是一种任务的完成能力，软件只是其执行任务的工具。与软件生意不同的是，Agent工作消耗token的边际成本非常高。如果继续采用“订阅模式”，允许用户花一笔固定开支后无限使用服务，Agent的能力越强，用户数越多，使用时间越长，Agent厂商可能死得越快。所以我们今天看到强调 C 端订阅服务的OpenAI，随着模型能力进步和订阅用户的增长，逐渐走入了死胡同。而Anthropic的成功不只是押对了编程这条超级垂直赛道，还因其收入绝大比重来自API按量计费的商业模式。OpenAI看到了问题，最近数月战略性地放弃了许多 C端的业务线，如Sora和广告业务，正在集中资源突破 AI编程Codex与 B 端API销售。

在AI Agent时代，“订阅制”这种试图包养AI 的商业模式，正被“按量计费”所取代。然而，这种商业模式有完全不同的商业特点，它很难产生像“订阅制”一样简单的用户规模效应，唯有通过不断降低生产单位Token 的成本，不断提高单位Token 的含金量，才能产生不错的利润率。这也不失为其中一个挑选投资的角度（多角度分析，不做投资推荐）。例如，GPU通过每年的技术迭代，每年把每 token 的生产成本压低上 10 倍；这方面存储环节目前还做不到，堆叠的带宽和内存被更高的价格涨幅抵消了，单比特成本还在不断上涨。未来CXL或HBF的技术路线，或许才对降低单bit存储成本和单token计算成本有较大的帮助。例如，同样token的消耗量，有的生意只是在做简单的Token 搬运和模型能力的“二次销售”，像 AI修图，AI总结，AI翻译等；有的生意将模型底层能力与业务场景或用户个性化相结合，提供了独一无二的增量价值，像 AI推荐引擎、AI编程 IDE、AI 知识库管理等，以及当下最火的龙虾Agent框架。

互联网的另一种商业模式——流量型广告，可能也不适应时代了。与“订阅模式”类似，过去 20年，互联网通过免费的内容和服务，用极低的边际成本，来换取极高概率的市场垄断地位。在“免费”之下，用户只是“资产”而非“客户”，平台只关心用户是否成瘾，而非能否满足用户需求，最后，用户的隐私也成了平台广告变现的原材料。这种“羊毛出在猪身上”的商业模式维持了二十年，扭曲了价值创造与价格支付之间的关系。

进入Agent的经济场景，与“订阅模式”行不通一样，“通过免费服务吸引流量，再用广告变现”的模式可能也同样行不通。

首先是“免费”出了问题。Agent 服务的推理边际成本非常高，这一点不像互联网服务或内容，维持免费服务下的广告商业模式，利润率可能会比过去低很多。相信当前谷歌的 AIO 和 AI Mode也面临着这个难题，即便谷歌具备低成本TPU的优势。

其次是免费流量的广告场景往后可能会越来越少。互联网时代，人类的时间大量被浪费在“信息搜寻”上，而Agent会替人类聚合筛选有用数据，这在很大程度上压缩了用户浪费在“信息搜寻”上的注意力和时间，甚至替用户做出消费决策。我们从谷歌搜索引擎下第三方网页流量这两年断崖式下跌就可见一斑。然而，不断提升的AI编程能力却使得APP和网页以前所未有的速度被创造出来，这种“内容大爆炸”与“消费路径萎缩”的背道而驰，也会使大部分的互联网产品快速贬值。

但是，传统的免费流量广告模式不可行，并不代表广告行业会萎缩。相反，“广告”规模可能会变得更大，市场份额会更加集中，但需要换一种模式。传统广告到决策的路线非常漫长，例如AIDC模型强调通过吸引注意、产生兴趣、诱导购买欲望和保持品牌信任等多个步骤进行广告营销，这也是为什么广告行业流传着“90% 的广告都是无效广告”的说法。而Agent 只关注用户的“意图”和“偏好”，会汇总信息推荐给用户，甚至代行决策，传统的广告方法论可能都不灵了，但匹配用户需求的能力却可能更高了。实际上，Agent 的每一次回复、推荐或代理决策，都是一个“广告”行为，也可以为此交易抽取佣金。当AI使得全球商品的成交总额出现大幅增长，“代理佣金”的抽取比例也一定比过去广告的比例更高，“代理佣金”的总规模自然也会比过去“广告费”的规模更大。同时，当交易摩擦趋近于零，原本被损耗在搜索和决策中的巨大能量，将被重新释放回生产端和研发端，从而推动真实 GDP 的增长，而非虚假的数字繁荣。

Agent以“代理佣金”为收入的商业模式，相比互联网时代“羊毛出在猪身上”的流量广告模式，更加适应新的环境。当 Agent 代表人类去消费时，他们是“信息过滤人”，是“产品服务审核人”，是“信誉担保人”，这种代理佣金既可以向商家收取，也可以向用户收取。有点像健康市场的房屋中介一般。在这种商业环境里，天下没有白吃的午餐，独特的高质量内容或服务，自然也可以通过Agent向人类进行收费，而非企图通过免费流量的广告变现，却最终被Agent截胡。

这是两个互联网时代的商业模式，如果同时在 AI时代失灵，意味着当前的头部公司都需要进行深刻的业务转型。我们务必持续跟踪，谨防像今年的软件世界大崩溃一般的风险。

四、噪声与主旋律

美伊的战争似乎临近尾声，我们一直维持其为“市场噪声”的判断。

回顾历史，20世纪70年代至今，全球四次由地缘冲突引发的石油危机，我们可以发现一个清晰规律：油价波动、通胀压力、货币政策收紧等考验资本市场；但纳斯达克指数四次危机中冲击递减、韧性递增，反映能源危机演变及科技产业成长。

1973年初次危机时，诞生仅两年的纳指在油价翻两番的冲击下惨遭六成腰斩，表现极度脆弱；而到1979年第二次危机，凭借半导体产业萌芽与强力政策稳预期，纳指反而在高通胀周期中逆势上行逾40%；1990年海湾战争期间，成熟的科技上行周期助力其实现V型反转并开启十年长牛；直至2026年当前美伊冲突爆发，霍尔木兹海峡通航风险上升，油价冲高。纳指10个交易日最大回撤约6%，截至2026年3月22日，冲击较前三次明显温和。

回溯四次石油危机的历程，不难发现能源冲击对纳斯达克指数的影响，已悄然从系统性风险蜕变为短期波动。纳指从暴跌后的艰难修复，到逐步走强，再到如今展现出极强的韧性，这一系列表现的演变，实质上是科技产业从初露锋芒到日臻成熟、从边缘地带迈向核心舞台的历史写照。这也深刻印证了：产业发展的趋势与基本面的坚实韧性，才是跨越经济周期、实现稳健增长的核心驱动力。历史虽常现相似之景，却从不简单复刻，未来走势如何，我们仍需静观其变。

在 AI 的主旋律之中，我们有着更需要去研判的属于“时代巨变”的风险。当年努力转型的苏宁，今年最终以破产重组落下帷幕，集团欠下近 2000 亿的债务，创始人张近东净身出户，落下“英雄迟暮”的终局。旧时代伟大的企业到底要多努力，具备多高的智慧，才能抵抗得了“时代的变迁”。当年的苏宁如此，今天的互联网和软件公司又何尝不是处于这样一个“不破不立”的过程。而作为投资人，如果依旧“刻舟求剑”，用过去的惯性思维来审视当下的商业世界，迟早会出现重大的决策风险。所以伴随着“伟大企业的长期投资”，需要持续努力地运用“逆向思维”，去确保我们能够看清时间长河中的暗礁，与时俱进，不停迭代，才是投资基业长青的根源。

风险提示及免责声明：市场有风险，投资需谨慎。在任何情况下，文章中的资讯仅供读者参考之用，文中提到的公司亦仅为阐述产业逻辑，所有内容均不带任何投资建议，读者不应单纯依靠本文而取代个人的独立判断。对于因使用、引用、参考本文内容而导致的投资损失、风险及纠纷的，东方港湾不负任何责任。