AI 产业从聊天机器人、Copilot 走到能够自主执行任务的 AI Agent，创业公司和创投资金也在不断追逐下一轮技术叙事。但在 Fovea 联合创始人 Max Jiang 看来，市场可能高估了 AI 在短期内的影响力，却低估了技术真正进入大众生活所需的社会适应和商业模式重构。
他在 X 上回顾过去几年的 AI 创业浪潮时表示，消费级 AI 经过数年创业热潮后，实际上才刚走到起点。接下来更值得关注的方向，可能不是继续放大既有叙事，而是从互联网时代的“注意力经济”转向由 AI Agent 驱动的“意图经济”。
AI 使用率仍不高，资本节奏快于真实落地
Max Jiang 提到，大语言模型出现后，市场一度认为几乎所有内容都可以由 AI 重新生成，于是大量聊天机器人项目涌现；Copilot 兴起后，创业者开始尝试用 AI 重做各类生产力工具；当 AI Agent 展现出自主执行能力，市场又开始期待 AI 取代所有可以自动化的人类工作。
但他认为，处在 AI 产业核心的人，往往容易高估这项技术的实际普及程度。根据创投机构 a16z 于 10 月 5 日发布的第七版《Top 100 Gen AI Consumer Apps》报告，虽然已有近半数美国消费者使用过 AI，但每天使用 AI 的比例只有 25%；截至今年 8 月，仅 4.5% 的美国消费者拥有 ChatGPT、Gemini 或 Claude 的有效个人付费订阅。
在他看来，这说明创投市场与真实世界并不处在同一个时间尺度。资本市场会在新技术出现后很快把长期潜力计入估值，但技术真正进入大众生活，通常需要更长时间。
他借用经济学家凯因斯提出的“动物精神”解释这种现象：新创公司需要在资金耗尽前向投资人证明增长，创投基金需要在下一轮募资前展示投资布局，媒体也更倾向强调新技术的前景。各方都在做符合自身利益的决策，结果却可能共同推高 FOMO。
按他的说法，整个行业把太多注意力放在技术基础设施上，却很少认真讨论社会需要多久才能重新组织起来，以适应这些新技术。原本可能需要 10 年实现的增长，被提前写进了 1 年的融资材料里。
从注意力经济到意图经济
不过，Max Jiang 并不认为这意味着 AI 泡沫即将破裂。他的判断是，市场正在接近一个关键转折点。
他以互联网商业史为例指出，今天人们熟悉的“注意力经济”并不是互联网诞生之初就存在的模式。早期互联网服务主要依靠连接时长、流量和电子邮件等服务收费。即便技术逐步成熟，真正使用网络的人口在当时仍然有限。
直到搜索引擎、社交网络和电子商务兴起，才逐渐形成一套由用户、广告主、商家和平台共同参与的经济关系：用户通过网络获取信息、建立关系和消磨时间，广告主为触达用户付费，商家则为交易和转化付费。原本没有直接关系的参与者开始彼此创造价值，互联网也从技术服务变成大众生活中的基础设施。
Max Jiang 认为，目前多数 AI 产品仍停留在类似互联网早期的阶段。他估计，超过 80% 的 AI 产品仍采用销售 Token、使用席位或订阅服务等商业模式。
这些模式并非没有价值，但如果 AI 想真正进入消费市场，可能还需要一套让不同参与者共同创造和交换价值的新经济关系。他把这种可能出现的模式称为“意图经济”。
他的核心判断是：当互联网降低信息不对称后，稀缺的人类注意力成为商业价值载体；当 AI 继续降低能力不对称，让更多人借助 AI 完成原本做不到的任务，用户的“意图”就可能成为下一个重要的价值分配入口。
以购物场景为例，用户不再需要自己搜索商品、比较价格并完成结账，而是直接向个人 AI Agent 表达购买需求。Agent 可以按照用户偏好寻找商家、比较服务并完成交易，商家则可能通过交易佣金、导购分成等方式，为成功满足用户需求付费。在这种模式下，AI 服务未必需要直接向每位消费者收取订阅费，也可能从协助完成交易的过程中获得收入。
文中同时指出，上述交易场景只是意图经济的潜在应用方向，并不代表 Max Jiang 已经提出完整运作机制，或已经验证了成熟商业模式。
a16z 在 10 月报告中的最新研究方向也与这一判断相呼应。该机构表示，过去 AI 收入主要来自订阅和按使用量收费，但个人 AI Agent 有机会转向交易导向的变现方式，让普通消费者无需支付固定订阅费，也能持续使用 AI 服务。
Owen Chen：不少 AI 应用真正服务的可能是 VC
从创投市场角度看，Owen Chen 提出了更具争议的判断：大量 AI 应用真正持续服务的需求端，可能并不是用户，而是创投基金。
他说，一位在顶尖 AI 原生创投机构任职的朋友曾提出一个问题：市场上数以千计的 AI Application，供给端和需求端究竟是谁？直觉上，供给端是 AI 创业者，需求端是用户；但对方认为，真正持续驱动新创供给的需求端，其实是 VC。
Owen Chen 回顾自己试用过大量 AI 应用，但真正能稳定融入日常工作流的产品屈指可数。他认为，不少 AI 新创即便成功募得数千万美元、拿到上亿美元估值，仍可能因为大型科技公司更新产品，或 OpenAI、Anthropic 推出新功能，而迅速失去原有的产品差异化和产品市场契合度（PMF）。
他指出，市场从通用型 Agent 转向 Personal Agent 的过程中，新的产品叙事不断出现，但也不断重复新创成立、快速融资、随后失去竞争优势的循环。
其中一个原因，可能是创投基金比创业者更害怕错过下一轮关键技术趋势。对基金管理人来说，投资失败会影响业绩，完全错过一波可能改变产业格局的新技术，同样会削弱未来向有限合伙人（LP）募资的能力。因此，即使产品尚未验证真实需求，只要符合当下热门技术叙事，仍可能吸引资金进入。
这也呼应了 Max Jiang 的另一项观察：当所有公司都依靠出售 AI 能力获利时，模型公司开始向下游提供应用服务，应用公司又尝试自行训练模型，原有产业分工正变得模糊，竞争也越来越激烈。最终，许多公司难以建立长期竞争壁垒，利润和资本可能更集中到掌握核心模型能力的上游企业。