作者：张峰
当 OpenAI 最新模型在推理效率上实现十倍飞跃时，摩根大通的 COIN 智能代理将法律文件解析的效率提升了 3600 倍，而字节跳动的 Coze 平台的月活跃开发者超过了 10 万——人工智能代理已经从实验室走向大规模应用，成为重塑生产力格局的核心力量。
人工智能不再是一个被动的交互工具，而是一个能够理解目标、分解任务、调用工具并提供动态反馈的自主执行系统。效率革命正在各行各业席卷而来，但一个根本性的问题变得越来越尖锐：人工智能代理创造的巨大价值究竟归谁所有？而贡献大量数据的普通用户又能从中获得什么？
<img src="https://imageproxy.pbkrs.com/https://img.jinse.com.cn/7433991_image3.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" alt="" original-src="https://imageproxy.pbkrs.com/https://img.jinse.com.cn/7433991_image3.png"/>
<h2>1. 人工智能 代理效率引擎的崛起与渗透</h2>
AI 代理的本质是一个基于大型模型构建的自主执行系统，配备了完整的架构，包括 “脑（大型模型）+ 记忆（向量数据库）+ 工具调用（API 接口）”。与传统 AI 相比，其核心优势体现在三个维度：“自主性”、“协调性” 和 “进化性”。从功能迭代的角度来看，代理已经完成了三个阶段的演变。第一阶段是 “单任务执行”，专注于替代文档生成和基础客户服务等重复性任务。第二阶段是 “多任务协作”，能够分解复杂目标并链接多个工具以完成整个过程。谷歌的 A2A 协议进一步使智能代理能够跨系统协作。第三阶段是 “多代理协作与自主进化”，多个代理协作并通过用户行为反馈不断优化决策逻辑，形成 “自主思考—执行—反思—迭代” 的闭环。到 2025 年，AI 代理具备四大核心能力：目标理解、任务规划、工具调用和动态反馈，并能够连接到数千个工具，如 ERP 和医疗成像设备。应用场景已经实现了从消费者（C 端）到企业（B 端）的全面渗透。预计到 2025 年，全球市场规模将达到 320 亿美元，企业服务占比超过 60%。在金融领域，摩根大通的 COIN 智能代理每年节省超过 2 亿美元，而 Boosted.ai 的金融研究智能代理能够快速分析市场数据。在医疗领域，OpenAI 的 o1-mini 在增强和微调后，基因分析准确率提高了 80%，诊断逻辑和原始数据哈希可以在区块链上追溯。在工业领域，西门子的工业代理将工厂停机时间减少了 30%，阿里云的 ET 工业大脑帮助制造企业提高了 5% 的产量。在办公领域，金山办公的 WPS AI 写作服务已达到 6.18 亿月活跃用户，提高了文档生成效率 300%，而 ServiceNow 基于 “成本降低价值” 到 2024 年拥有 4400 万美元客户。面向消费者的应用也在迅速渗透市场。荣耀 Magic7 的 YOYO AI 代理可以自动整理会议纪要；Thunderbird V3 智能眼镜实现了 95% 的实时翻译准确率；字节跳动的 Doubao AI 利用抖音的流量，成为中国最大的原生 AI 应用；AI 编程助手 Cursor 在 12 个月内实现了超过 1 亿美元的年经常性收入，付费用户率为 45%。低代码平台如 Coze 和科大讯飞的星火 AI 代理平台允许普通用户零门槛构建自己的代理。技术突破支撑了这一切。从 GPT-4 到 Claude 3.7 和 Gemini 2.5 Pro，大规模模型在推理效率上持续改进。OpenAI o3 的动态计算能力分配比 o1 提高了 10 倍。标准化的通信协议（MCP、A2A）使代理与工具之间、代理之间的高效互动成为可能。计算成本下降，推理阶段所需的计算能力比例从 20% 提高到 60%，为大规模应用奠定了基础。AI 代理正在推动生产力进入 “智能自动化” 的新时代。II. 盈利模式和受益者结构：红利集中于领先企业 AI 代理的盈利模式形成了 “基础层 - 中间层 - 应用层” 的多元化变现体系，但效率红利的分配显示出明显的 “集中于领先企业” 的特征。（I）当前主流盈利模式 上游模型和基础设施层：核心变现模式为 “技术授权 + 计算能力服务”。这一领域由 OpenAI、谷歌、微软等巨头主导，国内公司如科大讯飞、字节跳动和阿里云也在其中。大型模型授权按使用量或年费收费，而计算能力租赁按消耗收费。腾讯云 TBaaS 提供区块链追溯服务。数据标注服务针对垂直行业，医疗标注费用达到 800 元/小时。中游大规模生产和定制层：变现方式包括 “定制服务 + 平台佣金 + 订阅费”。埃森哲、ServiceNow 等企业级解决方案提供商的平均订单价值从数十万到数百万美元不等；像 Coze 这样的平台从开发者那里收取佣金；通用代理按订阅或使用次数收费，Salesforce Agentforce 每次使用收费 2 美元，ServiceNow 从客户的成本降低收入中抽取 10% 的佣金。下游场景实施层：变现依赖于 “场景变现 + 广告收入”。AI 驱动的销售代理促进交易并产生佣金。明源云帮助企业降低客户获取成本 60%，并从完成的交易中提取佣金。面向消费者的免费代理如 Doubao AI 和 Quark AI 超级盒子嵌入广告，并按展示或点击收费。AI 终端硬件（AI Pin、Rabbit R1）也成为重要的变现渠道。
<h3>(II) 核心受益者</h3>
类别一：基础技术和平台巨头，最大的受益者。 控制大型模型、计算能力和数据资源，以在产业链的顶端获取利润。OpenAI 的收入在 2024 年超过 100 亿美元；微软 Azure 与 OpenAI 相关业务年增长超过 50%；谷歌通过其 Gemini 大型模型和 A2A 协议抢占企业市场。在国内，字节跳动构建了完整的 “技术 + 场景 + 生态系统” 布局；科大讯飞的星火大数据模型在 2024 年付费客户增长 213%；阿里云和腾讯云共享计算能力红利；用友的 BIP 智能代理平台服务超过 5 万家企业。第二类：大型企业和垂直行业领导者，直接受益者。通过用代理替代重复劳动和优化流程，他们显著降低成本、提高效率并扩大市场份额。摩根大通的 COIN 每年节省 2 亿美元；高盛优化交易策略以提高收入；西门子和宝马优化其供应链；金山办公企业版的订阅收入份额从 15% 增加到 35%；ServiceNow 拥有 4400 万客户，续约率达到 92%。第三类：开发者和中小型服务提供商，受益有限。LangChain 的下载量超过 1 亿次，80% 的企业级智能代理基于其开发。一些开发者通过定制和插件销售产生收入，但缺乏核心技术、计算能力和流量，导致大多是小众应用。数据标注和计算能力租赁等支持服务提供商的利润空间也被行业巨头挤压。关键是，绝大多数普通用户——支持 AI 代理的核心数据提供者——几乎没有从当前的利润模式中获益。用户的聊天记录、行为模式和使用反馈是代理训练和迭代的关键材料，但他们没有获得任何回报，反而面临数据泄露和隐私侵犯的风险。III. 对用户的实际影响：利弊参半，权利保护严重不足 AI 代理的高效运作本质上是 “数据驱动” 的，用户是隐性贡献者。然而，他们的贡献并未得到尊重，导致 “利少弊多” 的困境。(I) 积极影响：便利性和效率提升 对普通用户而言，最直接的积极影响是生活便利性和个人效率的提高。在工作场景中，AI 编程助手自动完成代码并检查错误；在生活场景中，智能眼镜提供实时翻译，智能代理整理会议纪要；在学习场景中，个性化助手制定计划并提供辅导。零代码平台降低了技术门槛，免费的基础服务让用户以零成本享受 AI 的好处。(II) 消极影响：数据掠夺和权利侵犯 首先，数据在没有补偿的情况下被收集和使用，导致用户零收益。为了优化产品，平台收集用户使用记录、互动内容、行为轨迹，甚至私人信息用于模型训练和迭代，成为其核心盈利资源，而用户没有获得经济回报。医疗咨询数据提高了诊断准确性，但用户面临数据泄露的风险。这种 “无补偿的数据占有” 是对用户劳动的掠夺。其次，隐私泄露风险突出。一些平台在未明确披露范围和目的的情况下秘密收集数据；数据存储和传输机制不完善，导致频繁泄露和盗窃。医疗记录和基因数据的泄露侵犯了患者隐私；金融信息的盗窃导致经济损失；泄露的对话内容损害个人形象。AI 的自主迭代更可能导致隐私信息的 “二次使用”，间接泄露给其他用户。第三，数据滥用和算法偏见。平台滥用数据进行精准广告推送，诱导消费，甚至进行 “大数据价格歧视”，损害公平交易权。训练数据存在偏见；招聘代理歧视女性和年长求职者；信用代理基于地区歧视，剥夺用户平等权利。用户对其数据缺乏控制，无法决定使用的范围和时长，且难以请求删除。第四，过度依赖导致个人能力下降。长期依赖代理生成报告、翻译文件和做决策可能导致独立思考和解决问题能力的下降，尤其对青少年影响知识积累和认知发展。同质化的回应也限制了思维的多样性。总体而言，用户面临 “有限的便利无法抵消数据权利的剥夺、隐私的侵犯和安全的威胁” 的现实。如果这些矛盾得不到解决，不仅会损害用户权利，还会侵蚀用户信任，阻碍 AI 代理的长期发展。IV. 解决方案：构建以区块链为核心的多元协作权利保护体系 为了解决 “效率红利分配不均” 和 “用户数据权利保护不足” 的问题，仅依靠市场自我调节或平台自律是不够的。需要 “技术支持 + 制度保障 + 生态协作” 的多元解决方案。区块链技术以其不可篡改、可追溯和去中心化的特性，作为核心支持。(I) 以区块链技术为核心解决数据权利和分配问题 首先，数据所有权确认和可追溯性明确用户所有权。用户数据被加密并上传到区块链，生成唯一的 “数字身份证”（哈希值）。数据收集、使用、传输和删除的整个过程都记录在区块链上，用户完全控制。在发生泄露时，可以快速追溯源头。医疗诊断代理可以将诊断逻辑和原始数据哈希上传到区块链；供应链优化代理将决策数据上传到区块链以供合作伙伴验证。腾讯云 TBaaS 已经支持联盟链/私有链的部署。其次，去中心化存储确保隐私和安全。传统的集中式存储一旦遭到攻击，可能导致大量数据泄露。区块链加密并将数据分布在多个节点上，确保没有单个节点可以控制所有数据；访问需要用户私钥授权。采用 “链上/链下协作” 的方式，敏感数据存储在私有链下数据库中，只有数据指纹（SHA-256 哈希）和操作日志上传到区块链，实现隐私和可追溯性的平衡。腾讯云 COS 对象存储 + 数据变体服务可以实现这一模型。第三，智能合约实现公平的利润分配。预定义的数据使用规则和利润分配比例。一旦平台使用用户数据，智能合约会自动向用户支付代币或现金。平台利润会自动按比例分配给提供数据的用户，实现 “谁提供数据，谁受益”。可以构建一个基于区块链的 AI 代理数据交易平台，用户上传加密数据，平台支付获取，整个交易在区块链上可追溯。(II) 完善法律法规，加强数据监管和权利保护 首先，明确用户数据权利。加快《个人信息保护法》和《数据安全法》的修订，明确用户对其个人数据的所有权、使用权、收益权和删除权。平台必须在数据收集和使用前提前告知用户范围、目的和收益分配方式，并获得明确授权。禁止隐性收集。任何泄露、滥用或非法出售将承担民事、行政甚至刑事责任。制定专门的《AI 代理数据治理条例》，规范数据收集、训练和迭代的各个方面。其次，构建多元化的监管体系。建立 “政府监管 + 行业自律 + 社会监督” 的框架。中国网络空间管理局、工业和信息化部、市场监管总局将加强执法，定期检查数据安全、隐私保护和收益分配；行业协会将制定自律性指导原则；鼓励用户和媒体举报违规行为。利用区块链技术构建监管追溯平台，实现对整个数据过程的实时监控。第三，加强算法监管。建立算法注册和评估制度。平台必须注册其算法模型、训练数据和算法逻辑。监管部门将组织专家定期评估，重点关注算法偏见、用户数据滥用和决策操控等问题。鼓励平台披露其算法逻辑（匿名化后）以提高透明度。(III) 构建协作生态系统，促进效率红利的公平分配 首先，打破领先平台的垄断，支持中小开发者和用户。政府为中小开发者提供资金、技术和计算能力支持；引导领先平台开放技术、接口和流量，降低创业门槛。鼓励主要平台降低准入门槛，提供免费计算能力，扩大接口开放范围。其次，建立用户参与机制，保障其发言权和收益权。平台建立用户代表委员会，参与产品设计、数据使用和收益分配决策。除了通过智能合约自动分配收益外，平台还可以以分红、优惠券和免费服务的形式将部分利润返还给用户。ServiceNow 可以将其佣金收入的一部分返还给提供数据的企业用户；C 端平台根据数据贡献提供免费增值服务和现金奖励。第三，加强技术创新，以平衡效率和权利。开发联邦学习和差分隐私等技术，实现 “数据可用但不可见”，使平台在不获取原始数据的情况下训练模型。优化算法逻辑以遏制算法偏见。推动多代理协作技术，提高整体效率，扩大受益范围。V. 数字时代的可持续发展 AI 代理的效率革命创造了巨大的商业和社会价值，但在这一效率提升背后，隐藏着大量用户数据的无偿支持、利益分配的严重失衡以及用户数据权利和隐私的持续侵犯。对 “AI 代理更高效，但谁获利？” 这一问题的答案，不应仅仅给予科技巨头和大型企业，也应给予每一个提供数据的普通用户——没有用户数据的支持，效率革命是不可能的。要实现 AI 代理的可持续发展，必须打破 “顶尖表现者受益而用户遭受损失” 的模式。这需要构建以区块链技术为基础的多元解决方案，涵盖 “技术支持、制度保障和生态协作”。该解决方案必须明确用户数据权利，确保利益的公平分配，遏制数据滥用和隐私泄露，确保效率红利惠及每一个参与者。只有这样，AI 代理在提高效率和创造价值的同时，才能维护公平和正义，真正成为推动人类社会进步的强大动力，实现 “效率提升” 和 “权利保护” 的双赢局面。

纳斯达克 NexGen 经济 ETF - Reality Shares

摩根大通

全球科技股指数 ETF - iShares

OpenAI

云计算 ETF - GlobalX

人工智能代理的崛起，以 OpenAI、摩根大通和字节跳动的进展为例，标志着各行业生产力的重大转变。这些自主系统在法律文件解析和基因分析等任务中提高了效率。然而，一个紧迫的问题随之而来，即这些技术所产生的价值如何分配。人工智能代理的利润模式集中在领先企业手中，货币化策略涵盖技术许可、计算服务和定制解决方案。预计到 2025 年，全球人工智能代理市场将达到 320 亿美元，在金融、医疗和制造业等领域产生重大影响

如果人工智能代理变得更加高效，谁将从中获利？