最近两个月，几家大型科技公司接连发布的新产品和新表态，被放进同一条线上之后，指向了一个更清楚的变化：能替人办事的 AI 智能体，开始代替用户去和软件、网站以及互联网服务打交道。
8 月 11 日，SpaceX 发布 AI 智能体应用 Grok Bot，定位是在云端电脑上全天候工作的「AI 同事」。9 月 8 日，Meta 推出个人智能体应用 Muse，它可以打开浏览器、填写表单、替用户讨价还价。该应用上线 10 天后登上美国 App Store 榜首，并引发市场对传统网络中介平台公司的抛售，Expedia、Airbnb、Booking 三家在线旅游股连续下跌。
9 月 22 日，Anthropic 发布新模型 Opus 5.5。此前不久，OpenAI 也推出 GPT-6 的两个新版本，价格都降到前代的一半。9 月中旬，Salesforce 在年度大会上，负责应用业务的总裁 Patrick Stokes 直言，AI 会把软件界面拆开，然后取代它。
这些变化分别来自不同公司和行业，却集中发生在一个多月时间里。文章认为，它们背后其实是同一件事：智能体开始接管人与互联网之间的操作层，新一代互联网的形态因此逐渐显现。
AI 创业者面对的「压路机效应」
文章援引一位 AI 孵化器负责人的说法称，过去一年，不少 AI 创业者逐渐意识到，AI 与互联网、区块链不同，它更像一个极度中心化、并且集中速度极快的赛场。初创企业的生存窗口很短，只能尽快推进、尽快出售，赶在被巨头碾压之前找到买家。
在这种语境下，作者将其概括为「压路机效应」。前沿模型每向前推进一步，都可能无意间摧毁一批创业公司。上市公司还能通过股价暴跌被外界注意到，但更多中小团队的归零过程，往往无人知晓。
资金流向首先体现了这种集中。根据美国创投数据机构 PitchBook 的统计，2026 年上半年，全球 AI 风险投资创下纪录，其中一半以上流向 OpenAI 和 Anthropic 两家公司。文章将其比喻为一场几千桌的宴席，一半以上的菜都上了主桌，而主桌只坐了两个人。
具体到产品层面，这种挤压也更直接。谷歌的 AI 笔记产品 NotebookLM 在 2024 年走红，用户把文件和网页导入后，系统会把内容转换为播客式音频讲解。该产品负责人 Raiza Martin 此后与两位同事离开谷歌，创办 AI 播客应用 Huxe，主打根据用户邮件和日历生成每日音频简报，谷歌首席科学家 Jeff Dean 还对其进行了投资。
但在今年 5 月 21 日，Spotify 更新了自家产品，其中加入了相近功能。第二天，也就是 5 月 22 日，Huxe 宣布关停。
类似情况也发生在上市公司层面。2 月，Anthropic 为 Claude 推出一组面向法律、金融等行业的插件。以出售法律、税务和会计信息为主营业务的 Thomson Reuters，其股价当天跌幅超过 15%。
文章还提到，在 Claude 发布 Opus 5.5 之后，大量用户在推特上展示自己仅凭简单提示词制作出的精美视频，与之形成对照的是，此前长期深耕视频 AI 制作领域的团队只能面对更强模型带来的能力替代。
作者的判断是，OpenAI、Anthropic 这样的公司并不一定是有意与每一家创业公司竞争，它们只是沿着自身技术路径继续推进，但结果是，一批原本依附于能力缺口成立的团队，会在模型能力提升之后被快速覆盖。
软件生产门槛下降，软件生意却更难做
文章第二部分把注意力转向软件行业本身。作者认为，在 AI 模型不断增强的同时，软件开发正在出现一种「作坊化」趋势。
今年 2 月，Claude Opus 4.6 发布。文章称，在这一模型支持下，Claude Code 的能力提升明显，以至于一些原本不会写代码的人，也重新觉得自己可以尝试做技术产品。
这直接带来了更多的软件生产者。文中提到，AI 平台 Lovable 允许不会编程的用户通过聊天方式创建网站和应用。按照该平台自己的说法，平台每周新增 100 万个项目，用户主体还是几乎没有编程经验的新手。
另一面则是软件公司的资本市场表现承压。文章称，追踪美国软件股的主要指数基金在今年一季度跌幅超过 24%，是 2008 年金融危机以来表现最差的一个季度。作者同时指出，股价反映的是预期，其中也包含高利率因素，因此并不等于需求已经实际收缩。但到了 9 月，市场开始集中抛售互联网中介平台公司，这意味着资本市场正在重新给卖给人使用的软件和平台业务定价。
作者将这种变化称为软件经济的「作坊化」。如果说工业革命曾把纺纱织布从家庭搬进工厂，那么 AI 正在把软件生产从「工厂式公司」带回个人和小团队。每个人、每一家小公司，都有机会给自己开出一间软件作坊。
文中举例说，过去一家小店要搭建库存系统，通常需要找外包公司沟通需求、签合同、等待开发周期；现在只需要对着电脑说几句话，快的话一个下午就能做出雏形。客户管理、人事排班等内部工具也在变得类似。
但作者同时强调，这些作坊并不容易长成下一家大公司。问题在于孤立。随着作坊越来越多，每个团队做出的软件越来越偏向只服务自己。你的产品我未必能用，你也无法接触我的数据，于是软件能力留在各自封闭的场景里，难以形成通用产品。
文章给出的结论是：做软件的人，从来没有这么多；卖软件的人，从来没有这么难。
从 Web 1.0、Web 2.0 走向智能体互联网
在作者看来，AI 领域的高度中心化与软件领域的高度分散，其实是一体两面。正因为 AI 能力不断增强，原本留给传统软件的空间正在被持续压缩。
当前阶段，人们还是先用 AI 开发软件，再通过软件解决问题。但如果继续向前走，软件本身也可能退到后台，用户将直接与 AI Agent 交互，由后者完成大部分实际操作。
Muse 被作者视为这一趋势最清楚的雏形。Meta 为每位用户分配一台云端虚拟电脑，Muse 在那台机器上持续工作。用户关闭 App 后，它依然可以继续执行任务，完成后或需要用户批准时再发出通知。对于已经开放接口的服务，Muse 可以通过连接器直接调用；没有接口的服务，它就打开浏览器，像人一样逐页操作。
填表、比价、谈价，这些原本由用户亲自完成的动作，都可以被交给智能体。
不过文章也指出，Muse 目前并不成熟。美国支付媒体 PYMNTS 曾让它完成三项任务：在亚马逊补货卫生纸、订一份达美乐披萨、预订一家餐厅座位。结果三项任务都没有成功，测评者认为，一件人类用户 30 秒就能完成的事，Muse 反而额外增加了一层管理。
但在作者看来，真正需要观察的是方向，而不是当前单次测试结果。过去用户订一张机票，通常要自己打开几家旅游网站，逐个比较价格，再填写姓名和证件信息；如果未来只需要对 Muse 说一句「下个月去东京，找最便宜的直飞」，剩下的流程都由智能体处理，那么用户就不再需要直接面对那些网站和 App。
也就是说，用户第一次只和一个 Agent 对话，再由这个 Agent 去和整个互联网发生交互。App 和网站在这一过程中被退到后台。
文章进一步把这种变化放进互联网演进的框架里：Web 1.0 连接的是文档，人去阅读；Web 2.0 连接的是应用和服务，人去使用；而未来的 Web 3.0，其形态将是智能体的互联网。
作者回顾称，Web 3.0 这一概念在过去二十多年里有过多种解释。Berners-Lee 在 2001 年系统阐述过「语义网」，试图通过机器可读标签增强网页可理解性；区块链行业则提出过「价值互联网」，希望让资金和资产像信息一样在网上流动。文章认为，这两种说法都描述了某些特征，但没有说清互联网最终会长成什么样。
现在作者给出的答案是，Web 3.0 的具体形态，就是智能体互联网。届时，Agent 负责替人阅读、使用、议价，由一个 Agent 去同数百个 App、数千个 API 打交道。产品是否对人类友好，不再是唯一中心，能否被 Agent 顺利理解、调用和执行，变得更关键。
这也会改变产品设计逻辑。过去二十年，产品经理和设计师围绕人的体验做产品，比拼界面和操作路径。往后，产品要先让 Agent 看得懂，比的是接口是否清晰、数据是否干净、条款是否可读。
文中举出两个具体例子。Salesforce 推出了一套没有界面的工具包，通过 MCP 和 API 向 Agent 开放整个平台，还把自家功能直接装入 Claude。一家长期依赖界面销售软件的公司，开始主动拆掉界面。在线旅游平台 Expedia 的 CEO 也把公司新策略概括为，要「出现在所有 Agent 所在的地方」。过去平台的目标是把人拉到自己的网站，如今则变成了要先进入 Agent 的工作流。
作者认为，这对依赖「消费者惰性」的商业模式构成坏消息。很多业务依赖的是用户懒得比价、懒得切换 App、懒得打电话砍价，而 Agent 不会嫌麻烦，这些流程它都会执行，因此市场会重新评估这类业务的价值。
即便是 Meta 自己，也在调整逻辑。该公司过去主要通过售卖用户注意力和广告实现收入，但 Agent 不看广告，也不会刷信息流。文章称，扎克伯格为 Muse 设想的收入来源，是从交易中抽取一小笔费用。
作者还把这种变化与搜索引擎优化作类比。三十年前，网站开始为搜索引擎做优化，后来演化成一门完整生意。如今，适配对象不再是一台排序机器，而是一个替用户做决策的 Agent。Agent 看不懂的产品，等于不存在；Agent 看得懂、用得顺的产品，才有机会获得订单。即便是「作坊」里做出的能力，如果无法被 Agent 理解，也卖不出去。
美国科技分析师 Ben Thompson 在文中被引用称，Agent 会成为「终极守门人」，谁控制 Agent，谁就控制用户需求。
区块链支付与通证经济被视为基础设施
围绕智能体互联网，文章还特别指出了区块链支付和通证经济的重要性。
作者认为，在 Agent 与 Agent 之间进行价值交换时，交易往往具有金额小、次数多、交易对手陌生、是否支付与支付多少由程序即时决定等特点。这类情形并不适合传统银行卡网络。
文中给出的例子是，刷卡支付通常每笔收取 2.9% 加 30 美分的手续费。如果只支付 1 美分，手续费就会高得无法成立，因此卡组织无法承载这一类机器之间的微支付场景。
文章称，Visa 自身的研究也承认，卡网络无法覆盖这部分需求，并将机器之间的微支付空间划给稳定币。文中同时解释，稳定币通常与美元保持 1:1 挂钩，在区块链上流通，其总量已经超过 3000 亿美元。
基于此，作者给出个人判断：基于区块链的数字支付与通证经济，也就是依靠链上凭证来完成计价、结算和收益分配的一整套安排，将是智能体互联网不可缺少的基本要素。
文章最后补充了一段个人回忆。作者提到，2018 年在数字资产研究院的一次会议上，朱嘉明曾说，长期来看，区块链不是给人用的，而是给 AI 用的。作者表示，当时认同这句话，但并不清楚 AI 将如何使用区块链，如今在智能体互联网的框架下，这个问题变得清晰起来。
什么工作更适合智能体时代
在最后一部分，文章把讨论延伸到工作岗位。作者认为，AI 对岗位的冲击已经成为持续升温的话题，而在智能体时代，真正能长期存续的工作，必须是与 AI 智能体能够形成友好协作关系的工作。
大模型公司里的顶尖 AI 科学家当然属于这一类，但这类岗位人数少、门槛高，无法代表大多数人的选择。
文中还提到，前一段时间曾经很火的前端部署工程师（FDE）很快降温。原因在于，这类岗位常常只是驻场外包的一种新叫法，而且往往是一次性的。当一些企业尝试部署内部 AI 方案时，很快发现底层数据质量太差，导致系统无法真正工作，最后不得不从头整理数据。这使得岗位职能滑向传统数据工程问题。文章还用「Fooled Data Engineer」调侃这一角色。
当前更受关注的，是基于 AI 模型做产品的 AI 工程师，以及利用 AI 辅助开发传统软件的 AI-Assistant Developer。不过作者也指出，如果「AI Agent 挤压软件」和「互联网走向智能体」这两个判断成立，那么这两类岗位也会跟着变化：过去是为人做产品，未来会越来越多地变成为 Agent 做产品；过去网站为搜索引擎优化，未来产品和服务则要为 Agent 优化。
除此之外，作者认为还有一类更普遍、也更重要的工作会出现，即 AI 智能体组织的管理。
在作者的描述中，当智能体能力强到一定程度时，企业未必还需要自己开发大量软件。只要能够把智能体管好，提出要求，并在关键节点做出判断与决策，就可以完成大多数工作。但未来真正的难点，不只是管理单个智能体，而是如何设计和组织几个、几十个、几百个甚至几千个智能体，让它们构成高效的协作军团，同时控制安全、费用开支和 Token 预算，并持续评估与改进其表现。
文章举了一个采购场景的例子：一家公司的采购 Agent，同时和 1000 家供应商的销售 Agent 谈价，而对方的智能体也同样聪明。最终胜负，不取决于某一个 Agent 是否足够强，而取决于系统内部如何分工、如何授权、如何追责。管理在这种情况下会变成工程问题，权限、边界、激励和审计，都需要被训练、被度量。
作者认为，这将构成一种新的管理学，也是一种新的系统工程学。文中还引用了康威定律，即设计系统的组织，最终会产出复制自身沟通结构的系统。到了 Agent 时代，组织成员本身就可能是 Agent，系统与组织因此合为一体。组织是什么样，Agent 系统就会是什么样；设计 Agent 系统，也就等于设计组织本身。
文章称，这并非个别人提出的设想。微软在年度职场趋势报告中写道，人人都将成为 Agent 的老板；英伟达 CEO 黄仁勋则表示，IT 部门将成为 AI Agent 的 HR 部门。
基于前述判断，作者最后将智能体互联网里最有价值的工作概括为两类：一类是能够为 Agent 提供产品和服务的 AI 工程师，另一类则是能够指挥上千个 Agent 与对手系统竞争的组织者和管理者。