作者：張峯
當 OpenAI 最新模型在推理效率上實現十倍飛躍時，摩根大通的 COIN 智能代理將法律文件解析的效率提升了 3600 倍，而字節跳動的 Coze 平台的月活躍開發者超過了 10 萬——人工智能代理已經從實驗室走向大規模應用，成為重塑生產力格局的核心力量。
人工智能不再是一個被動的交互工具，而是一個能夠理解目標、分解任務、調用工具並提供動態反饋的自主執行系統。效率革命正在各行各業席捲而來，但一個根本性的問題變得越來越尖鋭：人工智能代理創造的巨大價值究竟歸誰所有？而貢獻大量數據的普通用户又能從中獲得什麼？
<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與滲透</h2>
AI 代理的本質是一個基於大型模型構建的自主執行系統，配備了完整的架構，包括 “腦（大型模型）+ 記憶（向量數據庫）+ 工具調用（API 接口）”。與傳統 AI 相比，其核心優勢體現在三個維度：“自主性”、“協調性” 和 “進化性”。從功能迭代的角度來看，代理已經完成了三個階段的演變。第一階段是 “單任務執行”，專注於替代文檔生成和基礎客户服務等重複性任務。第二階段是 “多任務協作”，能夠分解複雜目標並鏈接多個工具以完成整個過程。谷歌的 A2A 協議進一步使智能代理能夠跨系統協作。第三階段是 “多代理協作與自主進化”，多個代理協作並通過用户行為反饋不斷優化決策邏輯，形成 “自主思考—執行—反思—迭代” 的閉環。到 2025 年，AI 代理具備四大核心能力：目標理解、任務規劃、工具調用和動態反饋，並能夠連接到數千個工具，如 ERP 和醫療成像設備。應用場景已經實現了從消費者（C 端）到企業（B 端）的全面滲透。預計到 2025 年，全球市場規模將達到 320 億美元，企業服務佔比超過 60%。在金融領域，摩根大通的 COIN 智能代理每年節省超過 2 億美元，而 Boosted.ai 的金融研究智能代理能夠快速分析市場數據。在醫療領域，OpenAI 的 o1-mini 在增強和微調後，基因分析準確率提高了 80%，診斷邏輯和原始數據哈希可以在區塊鏈上追溯。在工業領域，西門子的工業代理將工廠停機時間減少了 30%，阿里雲的 ET 工業大腦幫助製造企業提高了 5% 的產量。在辦公領域，金山辦公的 WPS AI 寫作服務已達到 6.18 億月活躍用户，提高了文檔生成效率 300%，而 ServiceNow 基於 “成本降低價值” 到 2024 年擁有 4400 萬美元客户。面向消費者的應用也在迅速滲透市場。榮耀 Magic7 的 YOYO AI 代理可以自動整理會議紀要；Thunderbird V3 智能眼鏡實現了 95% 的實時翻譯準確率；字節跳動的 Doubao AI 利用抖音的流量，成為中國最大的原生 AI 應用；AI 編程助手 Cursor 在 12 個月內實現了超過 1 億美元的年經常性收入，付費用户率為 45%。低代碼平台如 Coze 和科大訊飛的星火 AI 代理平台允許普通用户零門檻構建自己的代理。技術突破支撐了這一切。從 GPT-4 到 Claude 3.7 和 Gemini 2.5 Pro，大規模模型在推理效率上持續改進。OpenAI o3 的動態計算能力分配比 o1 提高了 10 倍。標準化的通信協議（MCP、A2A）使代理與工具之間、代理之間的高效互動成為可能。計算成本下降，推理階段所需的計算能力比例從 20% 提高到 60%，為大規模應用奠定了基礎。AI 代理正在推動生產力進入 “智能自動化” 的新時代。II. 盈利模式和受益者結構：紅利集中於領先企業 AI 代理的盈利模式形成了 “基礎層 - 中間層 - 應用層” 的多元化變現體系，但效率紅利的分配顯示出明顯的 “集中於領先企業” 的特徵。（I）當前主流盈利模式 上游模型和基礎設施層：核心變現模式為 “技術授權 + 計算能力服務”。這一領域由 OpenAI、谷歌、微軟等巨頭主導，國內公司如科大訊飛、字節跳動和阿里雲也在其中。大型模型授權按使用量或年費收費，而計算能力租賃按消耗收費。騰訊雲 TBaaS 提供區塊鏈追溯服務。數據標註服務針對垂直行業，醫療標註費用達到 800 元/小時。中游大規模生產和定製層：變現方式包括 “定製服務 + 平台佣金 + 訂閲費”。埃森哲、ServiceNow 等企業級解決方案提供商的平均訂單價值從數十萬到數百萬美元不等；像 Coze 這樣的平台從開發者那裏收取佣金；通用代理按訂閲或使用次數收費，Salesforce Agentforce 每次使用收費 2 美元，ServiceNow 從客户的成本降低收入中抽取 10% 的佣金。下游場景實施層：變現依賴於 “場景變現 + 廣告收入”。AI 驅動的銷售代理促進交易併產生佣金。明源雲幫助企業降低客户獲取成本 60%，並從完成的交易中提取佣金。面向消費者的免費代理如 Doubao AI 和 Quark AI 超級盒子嵌入廣告，並按展示或點擊收費。AI 終端硬件（AI Pin、Rabbit R1）也成為重要的變現渠道。
<h3>(II) 核心受益者</h3>
類別一：基礎技術和平台巨頭，最大的受益者。 控制大型模型、計算能力和數據資源，以在產業鏈的頂端獲取利潤。OpenAI 的收入在 2024 年超過 100 億美元；微軟 Azure 與 OpenAI 相關業務年增長超過 50%；谷歌通過其 Gemini 大型模型和 A2A 協議搶佔企業市場。在國內，字節跳動構建了完整的 “技術 + 場景 + 生態系統” 佈局；科大訊飛的星火大數據模型在 2024 年付費客户增長 213%；阿里雲和騰訊雲共享計算能力紅利；用友的 BIP 智能代理平台服務超過 5 萬家企業。第二類：大型企業和垂直行業領導者，直接受益者。通過用代理替代重複勞動和優化流程，他們顯著降低成本、提高效率並擴大市場份額。摩根大通的 COIN 每年節省 2 億美元；高盛優化交易策略以提高收入；西門子和寶馬優化其供應鏈；金山辦公企業版的訂閲收入份額從 15% 增加到 35%；ServiceNow 擁有 4400 萬客户，續約率達到 92%。第三類：開發者和中小型服務提供商，受益有限。LangChain 的下載量超過 1 億次，80% 的企業級智能代理基於其開發。一些開發者通過定製和插件銷售產生收入，但缺乏核心技術、計算能力和流量，導致大多是小眾應用。數據標註和計算能力租賃等支持服務提供商的利潤空間也被行業巨頭擠壓。關鍵是，絕大多數普通用户——支持 AI 代理的核心數據提供者——幾乎沒有從當前的利潤模式中獲益。用户的聊天記錄、行為模式和使用反饋是代理訓練和迭代的關鍵材料，但他們沒有獲得任何回報，反而面臨數據泄露和隱私侵犯的風險。III. 對用户的實際影響：利弊參半，權利保護嚴重不足 AI 代理的高效運作本質上是 “數據驅動” 的，用户是隱性貢獻者。然而，他們的貢獻並未得到尊重，導致 “利少弊多” 的困境。(I) 積極影響：便利性和效率提升 對普通用户而言，最直接的積極影響是生活便利性和個人效率的提高。在工作場景中，AI 編程助手自動完成代碼並檢查錯誤；在生活場景中，智能眼鏡提供實時翻譯，智能代理整理會議紀要；在學習場景中，個性化助手製定計劃並提供輔導。零代碼平台降低了技術門檻，免費的基礎服務讓用户以零成本享受 AI 的好處。(II) 消極影響：數據掠奪和權利侵犯 首先，數據在沒有補償的情況下被收集和使用，導致用户零收益。為了優化產品，平台收集用户使用記錄、互動內容、行為軌跡，甚至私人信息用於模型訓練和迭代，成為其核心盈利資源，而用户沒有獲得經濟回報。醫療諮詢數據提高了診斷準確性，但用户面臨數據泄露的風險。這種 “無補償的數據佔有” 是對用户勞動的掠奪。其次，隱私泄露風險突出。一些平台在未明確披露範圍和目的的情況下秘密收集數據；數據存儲和傳輸機制不完善，導致頻繁泄露和盜竊。醫療記錄和基因數據的泄露侵犯了患者隱私；金融信息的盜竊導致經濟損失；泄露的對話內容損害個人形象。AI 的自主迭代更可能導致隱私信息的 “二次使用”，間接泄露給其他用户。第三，數據濫用和算法偏見。平台濫用數據進行精準廣告推送，誘導消費，甚至進行 “大數據價格歧視”，損害公平交易權。訓練數據存在偏見；招聘代理歧視女性和年長求職者；信用代理基於地區歧視，剝奪用户平等權利。用户對其數據缺乏控制，無法決定使用的範圍和時長，且難以請求刪除。第四，過度依賴導致個人能力下降。長期依賴代理生成報告、翻譯文件和做決策可能導致獨立思考和解決問題能力的下降，尤其對青少年影響知識積累和認知發展。同質化的回應也限制了思維的多樣性。總體而言，用户面臨 “有限的便利無法抵消數據權利的剝奪、隱私的侵犯和安全的威脅” 的現實。如果這些矛盾得不到解決，不僅會損害用户權利，還會侵蝕用户信任，阻礙 AI 代理的長期發展。IV. 解決方案：構建以區塊鏈為核心的多元協作權利保護體系 為了解決 “效率紅利分配不均” 和 “用户數據權利保護不足” 的問題，僅依靠市場自我調節或平台自律是不夠的。需要 “技術支持 + 制度保障 + 生態協作” 的多元解決方案。區塊鏈技術以其不可篡改、可追溯和去中心化的特性，作為核心支持。(I) 以區塊鏈技術為核心解決數據權利和分配問題 首先，數據所有權確認和可追溯性明確用户所有權。用户數據被加密並上傳到區塊鏈，生成唯一的 “數字身份證”（哈希值）。數據收集、使用、傳輸和刪除的整個過程都記錄在區塊鏈上，用户完全控制。在發生泄露時，可以快速追溯源頭。醫療診斷代理可以將診斷邏輯和原始數據哈希上傳到區塊鏈；供應鏈優化代理將決策數據上傳到區塊鏈以供合作伙伴驗證。騰訊雲 TBaaS 已經支持聯盟鏈/私有鏈的部署。其次，去中心化存儲確保隱私和安全。傳統的集中式存儲一旦遭到攻擊，可能導致大量數據泄露。區塊鏈加密並將數據分佈在多個節點上，確保沒有單個節點可以控制所有數據；訪問需要用户私鑰授權。採用 “鏈上/鏈下協作” 的方式，敏感數據存儲在私有鏈下數據庫中，只有數據指紋（SHA-256 哈希）和操作日誌上傳到區塊鏈，實現隱私和可追溯性的平衡。騰訊雲 COS 對象存儲 + 數據變體服務可以實現這一模型。第三，智能合約實現公平的利潤分配。預定義的數據使用規則和利潤分配比例。一旦平台使用用户數據，智能合約會自動向用户支付代幣或現金。平台利潤會自動按比例分配給提供數據的用户，實現 “誰提供數據，誰受益”。可以構建一個基於區塊鏈的 AI 代理數據交易平台，用户上傳加密數據，平台支付獲取，整個交易在區塊鏈上可追溯。(II) 完善法律法規，加強數據監管和權利保護 首先，明確用户數據權利。加快《個人信息保護法》和《數據安全法》的修訂，明確用户對其個人數據的所有權、使用權、收益權和刪除權。平台必須在數據收集和使用前提前告知用户範圍、目的和收益分配方式，並獲得明確授權。禁止隱性收集。任何泄露、濫用或非法出售將承擔民事、行政甚至刑事責任。制定專門的《AI 代理數據治理條例》，規範數據收集、訓練和迭代的各個方面。其次，構建多元化的監管體系。建立 “政府監管 + 行業自律 + 社會監督” 的框架。中國網絡空間管理局、工業和信息化部、市場監管總局將加強執法，定期檢查數據安全、隱私保護和收益分配；行業協會將制定自律性指導原則；鼓勵用户和媒體舉報違規行為。利用區塊鏈技術構建監管追溯平台，實現對整個數據過程的實時監控。第三，加強算法監管。建立算法註冊和評估制度。平台必須註冊其算法模型、訓練數據和算法邏輯。監管部門將組織專家定期評估，重點關注算法偏見、用户數據濫用和決策操控等問題。鼓勵平台披露其算法邏輯（匿名化後）以提高透明度。(III) 構建協作生態系統，促進效率紅利的公平分配 首先，打破領先平台的壟斷，支持中小開發者和用户。政府為中小開發者提供資金、技術和計算能力支持；引導領先平台開放技術、接口和流量，降低創業門檻。鼓勵主要平台降低准入門檻，提供免費計算能力，擴大接口開放範圍。其次，建立用户參與機制，保障其發言權和收益權。平台建立用户代表委員會，參與產品設計、數據使用和收益分配決策。除了通過智能合約自動分配收益外，平台還可以以分紅、優惠券和免費服務的形式將部分利潤返還給用户。ServiceNow 可以將其佣金收入的一部分返還給提供數據的企業用户；C 端平台根據數據貢獻提供免費增值服務和現金獎勵。第三，加強技術創新，以平衡效率和權利。開發聯邦學習和差分隱私等技術，實現 “數據可用但不可見”，使平台在不獲取原始數據的情況下訓練模型。優化算法邏輯以遏制算法偏見。推動多代理協作技術，提高整體效率，擴大受益範圍。V. 數字時代的可持續發展 AI 代理的效率革命創造了巨大的商業和社會價值，但在這一效率提升背後，隱藏着大量用户數據的無償支持、利益分配的嚴重失衡以及用户數據權利和隱私的持續侵犯。對 “AI 代理更高效，但誰獲利？” 這一問題的答案，不應僅僅給予科技巨頭和大型企業，也應給予每一個提供數據的普通用户——沒有用户數據的支持，效率革命是不可能的。要實現 AI 代理的可持續發展，必須打破 “頂尖表現者受益而用户遭受損失” 的模式。這需要構建以區塊鏈技術為基礎的多元解決方案，涵蓋 “技術支持、制度保障和生態協作”。該解決方案必須明確用户數據權利，確保利益的公平分配，遏制數據濫用和隱私泄露，確保效率紅利惠及每一個參與者。只有這樣，AI 代理在提高效率和創造價值的同時，才能維護公平和正義，真正成為推動人類社會進步的強大動力，實現 “效率提升” 和 “權利保護” 的雙贏局面。

納斯達克 NexGen 經濟 ETF - Reality Shares

摩根大通

全球科技股指數 ETF - iShares

OpenAI

雲計算 ETF - GlobalX

人工智能代理的崛起，以 OpenAI、摩根大通和字節跳動的進展為例，標誌着各行業生產力的重大轉變。這些自主系統在法律文件解析和基因分析等任務中提高了效率。然而，一個緊迫的問題隨之而來，即這些技術所產生的價值如何分配。人工智能代理的利潤模式集中在領先企業手中，貨幣化策略涵蓋技術許可、計算服務和定製解決方案。預計到 2025 年，全球人工智能代理市場將達到 320 億美元，在金融、醫療和製造業等領域產生重大影響

如果人工智能代理變得更加高效，誰將從中獲利？