本文來自微信公眾號：騰訊研究院，作者：劉莫閑，題圖來自：視覺中國

先致敬一下2025年紅杉資本對于智能體經(jīng)濟的預見。

互聯(lián)網(wǎng)商業(yè)邏輯的基礎變量- 流量，正在經(jīng)歷第二次范式變革，因為 AI 智能體。以前幫別人轉型，現(xiàn)在互聯(lián)網(wǎng)自己要轉型了。

第一次革命發(fā)生在2007 年前后：iPhone 開啟移動互聯(lián)網(wǎng)時代，裝機量讓位于DAU(Daily ActiveUser)/MAU，通話資費讓位于注意力經(jīng)濟，電信運營商逐漸成為基礎設施，互聯(lián)網(wǎng)公司成為這個時代的流量樞紐。無論是企業(yè)還是個人，誰能獲得更多的流量就意味著誰擁有從流量中獲取財富的話語權。

第二次革命正在2026 年的此刻發(fā)生：對話式交互已成為人與 AI 交互的默認方式，支持 AI 進行持續(xù)思考和行動的算力和Token服務成本持續(xù)下降，可靈、即夢等 AI 創(chuàng)作工具、以及“龍蝦”等 AI 智能體（Agent）正在被大眾快速熟知和應用。流量的主要來源正在悄然從“用戶行為”切換到“智能體行為”，基本計量單位也從點擊切換到詞元（Token），流量變現(xiàn)的邏輯從“賣注意力”逐步轉向“賣意圖完成”。這一底層轉變正在深刻重構互聯(lián)網(wǎng)產(chǎn)業(yè)價值鏈。

好消息是流量2.0 才剛剛形成。而壞消息是1.0 的商業(yè)邏輯似乎行不通了，行業(yè)開始重新洗牌。雖然沒人知道接下來會發(fā)生什么，但每個身處互聯(lián)網(wǎng)行業(yè)的企業(yè)，都在積極且忐忑的前行著：傳統(tǒng)互聯(lián)網(wǎng)公司已將 AI 植入原有產(chǎn)品，并開始將原有產(chǎn)品解構成 CLI、封裝成 Skill，向智能體開放流量；逐漸有 SaaS 服務商開始轉型Agent as a Service 服務商，與 AI 原生初創(chuàng)公司一起，搶占智能體時代的流量 2.0 入口。云廠商化身模型和詞元服務商，積極推銷自家詞元服務和各類套餐，在迎來業(yè)務增長窗口的同時也在面臨向“新運營商”演化的微妙時刻。

幾乎可以確定的，是智能體將成為價值交換的新節(jié)點。個人、企業(yè)、具身等各類智能體的大量涌現(xiàn)，正在互聯(lián)網(wǎng)的上一層，編制出一個新的網(wǎng)絡——好像20 多年前，互聯(lián)網(wǎng)在電信網(wǎng)絡上編織而成一樣。如果那時的互聯(lián)網(wǎng)充滿了希望與機遇，那么現(xiàn)在的智能體網(wǎng)絡也一樣；如果那時的電信網(wǎng)絡開始面臨挑戰(zhàn)和轉型，那么現(xiàn)在互聯(lián)網(wǎng)也一樣。然而，雖然流量 1.0 的商業(yè)化發(fā)展和成熟需要 20 年，但現(xiàn)在流量 2.0 可能只需要不到 10 年，從 2022 年 11 月開始。

流量2.0 的世界，似乎更屬于 AI 原生的一代人和一代企業(yè)，他們的思想和行動才更適應未來。那么互聯(lián)網(wǎng)的“老登們”應該如何面對這不可阻擋的趨勢，如何應對挑戰(zhàn)和轉型，穿越周期走更遠？我覺得有責任通過一篇長文嘗試找到答案。

1. 現(xiàn)象：發(fā)生了什么

1.1 互聯(lián)網(wǎng)流量的底層邏輯被 AI 撼動

過去三年，四個標志性事件接連發(fā)生，共同撬動了互聯(lián)網(wǎng)流量1.0范式的根基。

2022 年 11 月：ChatGPT 面世，人們習慣變了。OpenAI 發(fā)布 ChatGPT，兩個月內(nèi)用戶突破 1 億，成為歷史上增長最快的消費級應用。它第一次讓大眾體驗到“與 AI 自由對話”的神奇，將人們與 AI 交互的主要方式從點擊屏幕正式升級為自然語言對話。截至 2026 年，ChatGPT 周活躍用戶已超過 8 億。

2024 年 12 月：AI 視頻生成震驚業(yè)界，AI 應用的規(guī)模法則初步形成。OpenAI 發(fā)布 Sora，首次讓普通人用一段文字描述就能生成逼真視頻。此后一年半，Sora 2 、Google Veo3、可靈3.0、字節(jié) Seedance 2.0、快樂小馬等不斷刷新視頻生成的性能和質量。這些產(chǎn)品激發(fā)了人們驚人的創(chuàng)作意圖：可靈 AI 截至 2025 年底擁有 6000 萬全球用戶，累計生成超過6 億個視頻——僅半年前這個數(shù)字還是 2 億；字節(jié)即夢在 Seedance 2.0 上線后下載量環(huán)比飆升 228%。模型越好，越多的想象力被激發(fā)，越多的夢想現(xiàn)成現(xiàn)實的文章、軟件和音視頻作品——這正是流量 2.0 增長的微觀動力學。

2025 年 1 月：DeepSeek 橫空出世，更多人用得起了。DeepSeek 以極低的訓練成本推出了性能比肩 GPT-4 的開源模型，引發(fā)全球震動。它的出現(xiàn)將 AI 大模型的演進拉入新階段：模型的智力差距正在快速收窄，Token 的價格開始迅速降低。DeepSeek 之后的 1 年里，國際頭部模型服務價格持續(xù)降低，2022 年至今每年最大降幅達到 900 倍。國內(nèi)各模型廠商更是推出極具性價比優(yōu)勢的開源模型，在達到全球第一梯隊智力水平的前提下，Token 開銷甚至只有頂級模型開銷的十分之一。大模型從“昂貴的實驗品”變成了“平價的日用品”。

2025～2026 年：智能體產(chǎn)品集體涌現(xiàn)，成為新的數(shù)字生產(chǎn)力。如果說 ChatGPT 教會了人們和 AI 聊天，那么 2025 下半年到 2026 年涌現(xiàn)的一批智能體產(chǎn)品則教會了人們讓 AI 做事。國際上的 Claude Cowork、OpenAI Codex、 OpenClaw，國內(nèi)的騰訊CodeBuddy、釘釘悟空、飛書 aily ——它們不再追求用戶在屏幕前停留多久，而追求智能體幫用戶完成了多少任務?！梆B(yǎng)蝦熱”興起，越來越多的人開始創(chuàng)建和訓練自己的智能體助手。

1.2 用戶行為、計量方法、商業(yè)模式都在變

這四件事引發(fā)的不只是新聞熱度，還有互聯(lián)網(wǎng)產(chǎn)業(yè)的結構性變化：認知和注意力正在遷移：從 APP 到 AI。越來越多用戶將日常任務的第一入口從 APP 轉向 AI 助手。寫代碼在 Cursor 里描述問題讓智能體解決，查資料問元寶，修照片用“小香蕉”。遷移還處于早期，但方向已不可逆。

底層計量正在變：從網(wǎng)絡流量到詞元。2026 年 3 月國家數(shù)據(jù)局公布我國日均詞元消耗量達140 萬億，是兩年前的 1400 倍；同月 Token 有了正式的中文名“詞元”。詞元消耗量正在成為衡量應用活躍度和“人工智能+”發(fā)展質量的新指標。

商業(yè)模式正在過渡。AI 工具的收費模式已從傳統(tǒng)四模式（廣告/交易分成/訂閱/增值），擴展出基于智能體生產(chǎn)力的付費模式，會員費疊加詞元點數(shù)購買已被市場接受。

1.3 核心判斷：流量 2.0 時代已到來

流量正在從 1.0 范式（注意力即流量）向 2.0 范式（意圖即流量）轉換。這是質變，計量單位在變、交互主體在變、變現(xiàn)邏輯在變。為了理解這個變化的分量，我們需要先回溯流量 1.0 是怎么走到今天的？它為什么走不下去了？然后，才能看清 2.0 到底長什么樣。

2. 本質：什么是流量 2.0

2.1 流量 1.0 的演變歷程

流量概念和指標體系的四次迭代

電信時代，流量是裝機量和通話時長。回到 30 年前，大約 1996 年前后，國內(nèi)老百姓家里開始裝固定電話，生意人已開始用移動電話。運營商的業(yè)務規(guī)?？磧蓚€指標：裝機量和話費。那個年代還沒有“流量”的概念，運營商既是平臺也是價值鏈頂端。

1.0 緣起：互聯(lián)網(wǎng)進入視野，注意力即流量。2000 年左右，個人電腦和撥號上網(wǎng)開始普及，搜狐、新浪、網(wǎng)易等門戶網(wǎng)站火爆，OICQ、百度和支付寶成了人們上網(wǎng)必備?；凇傲髁俊钡幕ヂ?lián)網(wǎng)業(yè)務度量體系的形成和演進，本質上是互聯(lián)網(wǎng)產(chǎn)業(yè)對人類注意力的不斷認知深化和顆粒度細化的過程。

1.0 成長：PC 時代的“展現(xiàn)量”邏輯（2000～2010）。最初的上網(wǎng)行為主要是看新聞、查資料，頁面瀏覽量（PV）是最早的流量監(jiān)測指標，商業(yè)邏輯類似紙媒，流量等同于曝光量。隨著寬帶普及和上網(wǎng)體驗改善，流量規(guī)模效應顯現(xiàn)。谷歌提出“帶有搜索意圖的流量比漫無目的的眼球價值更高”，廣告CPC（按點擊付費）模式讓流量從“展現(xiàn)價值”變成了“交易價值”。用戶意圖也開始分化，流量的爭奪也漸漸開始：找信息去搜索引擎，找朋友去社交平臺，買東西去電商，聽歌看視頻去在線媒體。

1.0 擴容：移動時代的“活躍度”邏輯（2010～2015）。DAU 和 MAU 取代 PV/UV 成為核心指標。智能手機和 3G/4G 的普及讓線下流量與線上連通，移動互聯(lián)網(wǎng)進入空前快速的發(fā)展期。Facebook 將流量提煉成“受眾畫像”，Netflix 引入推薦算法，國內(nèi)企業(yè)紛紛效仿，流量運營逐漸精耕細作。

1.0 成熟：算法時代的“時長+留存”邏輯（2015～2020）。信息流和短視頻占據(jù)主導后，用戶停留時長和留存率成為核心指標。整個流量 1.0 的商業(yè)化運作被抽象LTV（用戶生命周期價值）與 CAC（獲客成本）的持續(xù)拉鋸。我國互聯(lián)網(wǎng)時代“買量”的運營策略在“滴滴快的”、“共享單車”、“千團大戰(zhàn)”等多場大戰(zhàn)中逐漸成熟，針對搜索引擎排序的排序優(yōu)化SEO，也隨著效果廣告計價的演變，從買最初曝光到買最終交易。

流量入口的五次遷移

流量入口在過去 20 年里經(jīng)歷五次大的遷移和分流：門戶→搜索→社交→O2O→信息流。演進的深層線索是信息匹配效率的持續(xù)提升× 人類爽感達成周期的持續(xù)縮短。門戶解決信息匱乏；搜索用 PageRank 解決“人找信息”效率問題；社交讓流量依賴關系鏈裂變；O2O 讓供需超越空間被匹配；真正將 1.0 推向頂峰的是短視頻與算法推薦——字節(jié)跳動推薦引擎把“人找信息”變?yōu)椤八惴ㄕ胰恕?，利用間歇性變量獎勵機制最大化多巴胺分泌，直播疊加實時互動將注意力以毫秒級速度轉化為沖動消費，實現(xiàn)流量變現(xiàn)的終極閉環(huán)。

流量 1.0 時代的商業(yè)范式

流量 1.0 時代的商業(yè)邏輯可以提煉為一個公式：DAU × ARPU × 增長乘數(shù) = 流量商業(yè)價值。圍繞這三個變量，互聯(lián)網(wǎng)行業(yè)用免費內(nèi)容聚合注意力、用算法分發(fā)提高匹配效率、用規(guī)模效應構建成本護城河，最終形成四大變現(xiàn)模式：廣告變現(xiàn)、電商導流與交易分成、會員訂閱、增值服務。

到了 2025 年底，這套商業(yè)策略的運轉數(shù)據(jù)達到了驚人的規(guī)模，但同時，它的極限也顯現(xiàn)無疑。

2.2 從 1.0 到 2.0：過渡與轉換

1.0 的見頂信號：三重結構性危機

用戶數(shù)和時長物理見頂。截止 2026 年初，我國 14.05 億總人口中已有 11.23 億網(wǎng)民；移動互聯(lián)網(wǎng)月活凈增低于 2000 萬，同比僅增 1.5%，創(chuàng) 4 年最低；三線及以上城市占比 73.3%，下沉空間收窄；全網(wǎng)月人均單日使用時長 7.96 小時，逼近生理極限。所有平臺增長只能建立在搶奪競爭對手存量的基礎上，注意力經(jīng)濟退化為零和甚至負和博弈。

獲客成本持續(xù)攀升。優(yōu)質流量池枯竭后，企業(yè)為維持 MAU 不得不反復向存量用戶投放，陷入“買量→利潤率下降→壓榨廣告加載率→體驗惡化”的惡性循環(huán)。增收不增利成為行業(yè)普遍現(xiàn)象。

隱私監(jiān)管成為常態(tài)。歐洲 GDPR、中國《個人信息保護法》、蘋果 ATT 政策全面收緊跨應用追蹤，廣告平臺歸因和推薦模型失效，投放 ROI 惡化。監(jiān)管在制度層面對 1.0 商業(yè)模式的高速增長畫上了終止符。

過渡時期的行業(yè)內(nèi)卷和自我革命

流量 1.0 見頂不是戛然而止的，而是經(jīng)歷了一個跨域融合、存量搏殺的內(nèi)卷過程。三個征兆既是 1.0 走向極限的信號，也是 2.0 醞釀的前奏。

征兆一：電商與內(nèi)容融合，榨干線上流量。直播和短視頻帶貨的繁榮，本質上是電商和內(nèi)容兩個獨立市場的融合——內(nèi)容平臺做電商（抖音商城）、電商平臺做內(nèi)容（淘寶直播），是存量時長的跨域再分配。

征兆二：O2O 與電商融合，拼搶線下份額。2025 年的外賣大戰(zhàn)最為典型：阿里、美團、京東三家全年累計耗資超 1000 億爭奪份額。但生態(tài)并未獲益，80% 商戶凈利下滑，74% 客單價下降。競爭后創(chuàng)造的總價值并沒有提升，又是 1.0 見頂后的跨領域內(nèi)卷。

征兆三：AI 超級 APP 春節(jié)紅包大戰(zhàn)，自我革命開始。2026 年初，豆包、元寶、千問紛紛向用戶發(fā)紅包導流，累計投入數(shù)十億，顯示出對范式變革的決心。

在 1.0 框架內(nèi)已沒有增量可挖。真正的增量，只能來自范式本身的更迭。

2.0 的萌芽沃土

與 1.0 內(nèi)卷同時發(fā)生的，是 2.0 流量萌芽，而且雨水充沛，肥料充足。

大模型的行動能力就緒。從 GPT-3 的語言生成到 GPT-4 的多模態(tài)理解，到 o1/o3 的深度推理，到 Veo3 和 Nano Banana 的驚艷視覺生成，再到 2025-2026 年各類智能體產(chǎn)品（Manus、Claude Cowork、騰訊 CodeBuddy、OpenClaw）涌現(xiàn)——AI 不再只是回答問題，它開始自主行動，而且能力持續(xù)超越人類。METR 跟蹤預測 2026 年底大模型可高質量完成需人類 8 小時的工作。

互通標準有了國際共識。2025 年12 月，Linux 基金會成立AI 智能體基金 AAIF，Anthropic 捐贈 MCP，OpenAI 捐贈 AGENTS.md，谷歌微軟亞馬遜等均為核心會員。MCP 被稱為“AI 界的 USB-C 接口”，定義了 AI 調(diào)用外部工具的通用標準。截至 2025 年底 MCP 已有超 10，000 個活躍公共服務器。這可以被視為智能體互操作的“TCP/IP 時刻”。

燒詞元的殺手級應用出現(xiàn)。谷歌 Nano Banana 和 Veo3 讓Gemini日均詞元消耗飆升到 43 萬億，字節(jié)因 Seedance2.0 突破百萬億，更有報道稱OpenClaw 上線后用戶幾千美元詞元點數(shù)一晚消耗殆盡。這種“燒詞元”的速度遠超以往，讓行業(yè)開始警覺：如何基于 AI 和智能體創(chuàng)造新一波流量？

Token 經(jīng)濟學出圈。黃仁勛在 GTC 2026 提出“五層蛋糕”架構，發(fā)布 Vera Rubin 平臺使推理成本降至 Blackwell 十分之一，并給出一個震撼數(shù)字：推理消耗的 Token 將是訓練的 10，000 倍。AI 產(chǎn)業(yè)重心從“訓練大模型”全面轉向“用大模型做事”。Token 經(jīng)濟學隨即成為國內(nèi)外熱議話題。

2.3 流量 2.0 的定義、特征與量化指標

如果說前兩小節(jié)回答了“從哪里來”和“為什么變”，這一節(jié)則嘗試把最核心的問題討論清楚：流量 2.0 和 1.0 有什么不同？它的計量單位、產(chǎn)品形態(tài)、商業(yè)模式有什么新的特點？應該如何定義流量 2.0？

2.0 和 1.0 有哪些不同？

如果流量 1.0 的概念和體系迭代了 4 次，那么我想我們現(xiàn)在看到的，大概率不是流量 2.0 的全貌，更多是它與 1.0 的不同。

差別一： 2.0 監(jiān)測是“智能體行為”，1.0 檢測“人的行為”。流量 1.0 的核心是基于人的行為，無論是數(shù)量、點擊、在線時長還是交易。但是AI 時代則不同：用戶的一句話，可能會驅動視頻生成模型運行數(shù)分鐘為你輸出成果，可能會引發(fā)一個以上智能體的激活和行動；用戶不一定在線，但是他的智能體團隊可能在線活躍；用戶可能只在線 5 分鐘把意圖表達清楚，而智能體可能在線數(shù)十小時來幫助用戶達成意圖，過程中還會有各類點擊、瀏覽、skill 調(diào)用、API 訪問和交易等行為...... ——單純捕捉用戶的行為，是觀測不到這些 AI 的活動的。流量 2.0 的源頭，更多是智能體行為。而且流量監(jiān)測對象變了，后面的一切都可能不同，下面是一些推論：

1. 流量 2.0 的量不再隨人類用戶的規(guī)模的增長而增長，而是隨智能體數(shù)量增加和增加；

2. 流量 2.0 的變化與智能體行為在時間上更加同步，而與人異步；

3. 流量 2.0 時代的優(yōu)質業(yè)務，是智能體數(shù)量大且持續(xù)活躍的業(yè)務，而不是人；

4. 流量 2.0 時代，人類用戶多，可能反而不是好事。

這里還需要警惕一個認知陷阱：目前很多人會認為“讓用戶消耗更多的 Token”是流量監(jiān)測的重點，這個理解在當下階段是對的，不過很快就會被更具商業(yè)價值空間的“智能體行為”代替：就好像以前人們賣 3G、4G 的流量套餐，運營商一定會給你介紹套餐支持甚至獨享無限流量的各類視頻、閱讀等APP一樣——消耗詞元并不是用戶的目的，使用智能體和AI 工具去解決具體的問題、提高生產(chǎn)力、達成意圖才是用戶的根本目的。因此，在流量 2.0 的監(jiān)測體系中，最核心的目標可能不是詞元消耗總量，而是智能體的行為質量（比如意圖完成率）。

差別二：2.0 的流量入口是智能體觸點，1.0 是人類觸點。一方面，人類的觸點也是智能體的觸點——智能體使用電腦、手機、智能眼鏡的水平越來越高，越來越多的網(wǎng)站和服務開始向智能體開放 API、CLI 和 Skill。另一方面，智能體會尋找和組建自己的新入口——ClawHub、SkillHub、Tavily 等專為智能體服務的平臺正在崛起。誰滿足了智能體的需求、為智能體構建了新一代觸點，誰就掌握了未來的流量入口。

差別三：2.0 流量的增速特征和 1.0 不同。1.0 更接近線性，2.0 可能是冪函數(shù)甚至指數(shù)函數(shù)。ChatGPT 僅用 2 個月突破 1 億用戶（Twitter 和 Facebook 花了 5-10 年），OpenClaw 上線 1 個月成為 GitHub 最受歡迎項目。差異背后的原因是成本差距——1.0 增長依賴用戶終端消費增長，而今天基礎設施全部就緒，智能體數(shù)量增長可能遠快于當年用戶增長。2026 春節(jié) AI 紅包大戰(zhàn)中，豆包、千問和元寶總日活僅 2 周翻了 2.5 倍達到 2.4 億。

差別四：2.0 的流量規(guī)模天花板和 1.0 不同。這個應該更好理解：1.0 的天花板是主要是人口，而 2.0 的天花板更多取決于算力和能源。只要技術瓶頸取得突破，智能體構建和活躍的成本就會進一步降低，智能體數(shù)量的規(guī)模上限也會不斷的刷新。

如果用一句話總結流量 2.0 與 1.0 最根本的不同，就是：互聯(lián)網(wǎng)的用戶變了，以前是人，現(xiàn)在是智能體。

AI 原生產(chǎn)品打法——新物種引領流量變革

一批完全不依賴傳統(tǒng)流量分發(fā)的“AI 原生產(chǎn)品”正在引領這場變革。傳統(tǒng)互聯(lián)網(wǎng)產(chǎn)品用五到十年累計的億級 MAU，這些產(chǎn)品在幾個月內(nèi)就達到了類似甚至更大的規(guī)模——核心指標已經(jīng)不是流量 1.0 下的 MAU 和時長，而是 2.0 下的詞元消耗量和任務完成率。用 2.0 的產(chǎn)品打法去達成 1.0 的產(chǎn)品數(shù)據(jù)，簡直就是降維打擊。

這些數(shù)據(jù)驚人，但更值得追問的是：AI 原生產(chǎn)品打法有什么不同？

產(chǎn)品邏輯不同：從面向用戶設計交互流，到面向智能體的駕馭工程。傳統(tǒng)產(chǎn)品經(jīng)理的核心工作是設計界面和轉化漏斗——預測用戶每一步點擊，“人適應機器的規(guī)則”。AI 原生產(chǎn)品則完全不同：界面被極度簡化為一個輸入框，產(chǎn)品設計的重心從前端交互轉移到了后端編排——如何準確捕獲和理解用戶的模糊意圖？如何將一個宏大目標拆解為大模型可執(zhí)行的子任務流？Cursor 之所以能一鍵修改跨越數(shù)十個文件的代碼，不僅因為其界面設計簡約，還有它產(chǎn)品底層的駕馭工程（Harness Engineering）：能基于上下文和記憶精準理解用戶意圖，定位到相關代碼片段、形成執(zhí)行方案和計劃，然后分步驟將組合提示詞喂給模型。最終，意圖被轉化成持續(xù)的 Token 消耗和最終的成果輸出。

研發(fā)邏輯不同：從確定性工程到動態(tài)駕馭。傳統(tǒng)軟件輸入 A 必然輸出 B，AI 原生產(chǎn)品的輸出是概率性的。研發(fā)壁壘不再是增刪改查的代碼，同樣是大模型的駕馭工程：精準的上下文管理、龐大的評估數(shù)據(jù)集、跨上下文窗口的狀態(tài)傳遞。OpenAI 工程團隊用 3～7 人在 5 個月內(nèi)通過駕馭工程構建了 100 萬行代碼的真實產(chǎn)品，人類工程師沒有手寫任何一行代碼，效率約為傳統(tǒng)方式的 10 倍。

運營邏輯不同：從“流量漏斗”回歸到“產(chǎn)品信任”。AI 原生產(chǎn)品的運營邏輯反而更像互聯(lián)網(wǎng)早期：聚焦打磨產(chǎn)品，和核心用戶頻繁互動、快速迭代，靠產(chǎn)品力和口碑自然增長。產(chǎn)品每一次交互都在燃燒真實的 GPU 算力，用戶生成失敗不僅流失信任還倒貼成本，所以運營核心是“讓進來的人每次都成功”。AI 原生產(chǎn)品注重展示智能體的思考過程，通過工作流透明化建立信任。獲客靠在 X、Discord 上展示硬核工作流，口碑破圈。和早期的谷歌、早期的微信等是一個邏輯——產(chǎn)品夠好，用戶自己會來。

護城河也因此不同。1.0 的粘性更多來自社會財富資產(chǎn)——你的朋友都在社交平臺上，你的錢、積分和會員等級在支付和內(nèi)容平臺上。2.0 的粘性更多來自個人智慧資產(chǎn)—— Claude Code 在你的代碼庫和知識庫里工作了三個月，持續(xù)的 Token消耗，積累的是你的架構偏好、編碼和寫作風格、研究方法、業(yè)務邏輯的深度理解，這些資產(chǎn)存在于人和智能體的共同記憶中，換一個 AI 助手就意味著從零磨合。后者更核心、更高維：個人智慧資產(chǎn)天然兼容并更容易創(chuàng)造外部社會資產(chǎn)（所謂厚德載物。種下梧桐樹，引得金鳳凰），但反過來則更難，特別是對個人用戶。這意味著 2.0 時代一旦建立起智慧資產(chǎn)壁壘，用戶遷移的難度可能比 1.0 更大。

詞元取代比特—— 新的流量基本單位

就像互聯(lián)網(wǎng)時代的比特（Byte）取代了通信時代的通話次數(shù)，AI 時代詞元（Token）正在取代比特成為新的流量基本單位。詞元不度量“人看了什么”，而是度量“智能體完成了什么任務”。與互聯(lián)網(wǎng)時代流量資費按 GB 一刀切不同，Token 經(jīng)濟學引入了按智力等級分層定價。以往通信技術從 1G 到 5G 迭代，5 級服務平攤到 25 年里提供。而 AI 大模型僅用約 4 年就實現(xiàn)了 4 級不同智力等級的詞元服務，然后一起提供了出來。

詞元成本的跨速下降將為 2.0 流量規(guī)模提供基本盤——當每個人同時運行數(shù)個智能體工作時，詞元消耗將呈指數(shù)級增長。而詞元服務分級則為商業(yè)價值提供極值參考——基礎層是“自來水”，專用層是“半導體制造級超純水”，后者單價可達前者百倍。流量 2.0 的商業(yè)空間遠不止便宜的日常助手，更包含昂貴但不可替代的高端智力服務。這進一步意味著：80% 的日常生產(chǎn)力負載由標準層承擔，基礎層支撐起海量普惠 AI 服務的底層規(guī)模，高級層則為科研和金融等高凈值場景提供溢價空間。

新商業(yè)模式——從賣注意力到賣意圖完成

上文提到，流量 1.0 時代的商業(yè)模式就是：通過廣告、交易、訂閱、增值四種方式，進行規(guī)模化的用戶注意力變現(xiàn)。當前能觀察到，流量 2.0 時代AI 的商業(yè)模式正在 1.0 的基礎上有了新的創(chuàng)新：

第一種：智能分級訂閱 + 溢出 Token 計費。這是目前 C 端、創(chuàng)作工具和初級智能體的最常見的變現(xiàn)模式——以 Cursor 為代表?；A月租 $20 鎖住用戶，包含一定量的高級模型請求；超出部分自動按 Token 消耗量計費。這種“基礎月租鎖客 + 超級用戶超額付費”的模式，使 Cursor 極速達到 $20 億 ARR 的關鍵。它融合了 1.0 時代 SaaS 訂閱的可預測性和 2.0 時代 Token 質量和智能體構建的彈性。

第二種：智能體即服務AaaS（Agent-as-a-Service）——從賣軟件到賣結果。傳統(tǒng) SaaS 賣的是軟件使用權，企業(yè)仍需雇人操作；AaaS 賣的是智能體完成的業(yè)務結果，企業(yè)輸入目標和約束條件，智能體自主規(guī)劃、調(diào)用工具、返回結果。Devin 2.0 的商業(yè)模式已演變?yōu)椤暗偷仔?按件計費”：基礎月費 $20，引入ACU（智能體計算單元）概念，1 ACU 約等于 Devin 自主工作 15 分鐘（約 $2.25），本質上是以 $9～11 的“時薪”向企業(yè)出租初級開發(fā)者勞動力。

第三種：意圖即交易（Intent-as-Transaction）。當智能體具備支付權限時，1.0 的漫長購物漏斗被壓縮為一句話。用戶對 Agent 說“幫我預訂明早去北京的高鐵和酒店”，智能體后臺瞬間完成 Skill 調(diào)用、比價和支付確認。美團小美正嘗試實現(xiàn)這個閉環(huán)，Klarna 與 Stripe 合作的“共享支付令牌”正在搭建 Agent 支付基礎設施。1.0 流量被智能體截斷并轉化為 2.0——掌握智能體入口的公司收取服務費和交易抽成。

在企業(yè)級市場還有一個關鍵的經(jīng)濟學底層驅動力：AaaS 切入的不僅是企業(yè) IT 預算，更是龐大十倍以上的企業(yè)HR/人力資源預算。從購買軟件的資本支出轉向支付勞動力的運營支出，這是 2.0 范式轉移背后最不容忽視的底層邏輯。

新度量體系——DAA 取代 DAU

當流量的基本單位、產(chǎn)品形態(tài)和商業(yè)模式都變了，衡量商業(yè)價值的指標體系也必須重構。傳統(tǒng)的 DAU/MAU/活躍時長建立在“人的注意力是有限資源”這一前提上——人一天最多貢獻十幾個小時的屏幕時間，但智能體不需要睡覺；一個人可以授權多個智能體并行工作，算力消耗 7×24 小時不間斷。我們試圖和業(yè)界討論一套衡量“數(shù)字生產(chǎn)力”的新度量體系：

幾個新指標的含義是：Chat Intent是 PV 的 2.0 對標物，從被動曝光計量變成主動意圖表達，商業(yè)價值密度遠高于 PV。意圖激發(fā)成本是 CAC 的升級，核心挑戰(zhàn)從獲客變成激發(fā)可被智能體執(zhí)行的明確意圖。智能體/用戶比是 2.0 獨有的增長杠桿指標，一個用戶可以創(chuàng)建多個 智能體并衍生子智能體，這個比值的增長速度可能是判斷平臺是否進入 2.0 增長曲線的關鍵先行指標。智能體效能衡量同等詞元消耗下創(chuàng)造的價值，防止陷入“詞元消耗量崇拜”。

這套指標的核心觀察是：DAA 可以遠超 DAU。一個用戶可能同時授權 5 個智能體并行工作，每個智能體每天持續(xù)消耗詞元。當這種使用習慣形成，詞元消耗將和 1.0 時代運營商流量一樣成為剛性支出，只不過規(guī)模大得多。

至此，流量 2.0 當前能夠觀察到的全貌已經(jīng)清晰：監(jiān)測對象是智能體，詞元是新的計量單位，AI 原生產(chǎn)品是新的物種，AaaS 是新的 AI商業(yè)模式，DAA 是新的核心指標。

新增長引擎：人類用戶的認知釋放和意圖激發(fā)

以上都是供給側的分析——詞元、產(chǎn)品、商業(yè)模式、度量體系。但流量 2.0 的底層基礎仍是人類的意圖，服務好一個人，也就能獲得服務一群智能體的機會。如何理解這一時期用戶行為和心理的變化？如何充分基于這些變化獲得業(yè)務 2.0 流量增長，進而搭上流量 2.0 商業(yè)轉型的列車呢？

從用戶行為到心理可以總結為四個變化。

交互方式變了，從動手到動嘴。人類只用自然語言表達需求，智能體負責幫他實現(xiàn)。人的行為變簡單，智能體的行為變復雜，這也是流量 2.0 的來源。

決策方式變了，從“親力親為”到“你來搞定”。有研究表明，76% 的用戶信任 AI 答案，82% 只看 AI 綜合答案不點原始來源。用戶正從執(zhí)行者變成指揮者，負責設定目標、管理過程、驗收結果，實際上就是在管理一支智能體數(shù)字團隊。

認知資源釋放后，心理狀態(tài)在分化。人類行為省了、決策簡單了，釋放的不只是時間，更是認知資源。

空閑資源沿三條路徑運動：掌控欲轉移，駕馭智能體的人獲得“以一敵百”的放大效能感；無聊感分叉，部分用戶躍遷到更深度的意圖表達，部分退回被動消費；身份重估，一部分人重新定位為“意圖設計者和智能體駕馭者”，一部分可能在過度依賴中喪失自我效能感。這種分化可能成為 2.0 時代新的社會分層變量。

理解了這些變化，流量 2.0 初期的增長引擎就清晰了——認知釋放，意圖激發(fā)。通過極簡交互和高質量輸出，把人們從低價值事務中解放出來；正向激發(fā)高價值意圖思考和表達，幫助用戶合理利用剩余認知資源。掌控欲、好奇心和身份認同，是最深層的心理驅動力。順應這三種力量設計產(chǎn)品和服務，流量 2.0 的增長便自然發(fā)生。

3. 影響：用流量 2.0 的視角看當今消費互聯(lián)網(wǎng)

第二章我們整體了解了“流量 2.0 長什么樣”。接下來，我們試圖用這套概念和視角，去審視當下的消費互聯(lián)網(wǎng)：在 AI 迅速發(fā)展和應用的背景下，各互聯(lián)網(wǎng)細分領域正在發(fā)生什么變化？有哪些新的流量入口會出現(xiàn)？互聯(lián)網(wǎng)產(chǎn)業(yè)鏈的主要參與者可能會遇到哪些機會和挑戰(zhàn)？

3.1 十二個典型場景：全面進入 2.0 流量升級

上文提到，“認知釋放+意圖激發(fā)”將促進流量從 1.0 向 2.0 轉化升級：認知資產(chǎn)釋放的越多，用戶從 1.0 行為習慣中遷出的阻力越小；意圖激發(fā)做得越好，2.0 原生產(chǎn)品對用戶的吸引力越大。兩者共同決定了一個場景的流量轉換“管道”是否暢通。另一方面，不同的場景特性，也會形成流量轉換過程中的“閥門”——是否涉及知識產(chǎn)權保護？是否面臨特殊或階段性重點監(jiān)管？是否涉及信息安全和用戶隱私？

不同的閥門開度，也影響流量轉化的速率。從“管道”和“閥門”兩個評估維度，本研究對傳統(tǒng)消費互聯(lián)網(wǎng)的十二個典型的應用場景做了定性評估，并將十二個典型場景分為三組：

流量升級前線——搜索、廣告、辦公

這三個場景有共同的特征：屬于通用的基礎信息業(yè)務，商業(yè)模式簡單，服務的生產(chǎn)、分發(fā)和消費全部在線上，監(jiān)管、版權和信息安全要求一般。這意味著商業(yè)推動 AI 的端到端全流程應用意愿強、阻力小，自然成為流量 1.0 向 2.0 轉化速度最快的場景，也是 AI 原生公司最先攻入的陣地。

搜索——轉化信號最強。搜索的本質是信息匹配，恰恰是大語言模型最擅長的事。AI 增強方面，Google AI Overviews 月服務20 億用戶，微信 AI 搜索月活1.6 億。AI 原生搜索方面，ChatGPT 以9 億周活成為全球第 4 大網(wǎng)站，Perplexity ARR$2 億、估值$200 億。搜索流量升級的數(shù)據(jù)信號極為明確：Gartner 預測傳統(tǒng)搜索流量下降 25%，AI Overviews 出現(xiàn)時鏈接點擊率暴跌 61%，Google 美國份額跌破 50%。$3000 億搜索廣告市場正在結構性重構，傳統(tǒng)搜索僅能變現(xiàn) 20%～30% 有明確商業(yè)意圖的查詢，而AI 搜索打開了剩余 70%～80% 的增量市場。

廣告——跨流量代際發(fā)展。廣告目前來看是流量代際兼容的業(yè)務，本質都是數(shù)據(jù)驅動的廣告——受眾匹配，AI 天然擅長。AI 增強方面，Meta Advantage+ 助力 2026 年營收預測 $2434 億（首超 Google），騰訊廣告妙思整合全域流量。AI 原生廣告方面，ChatGPT 正式引入廣告（目標 2030 年 $1000 億），AI Overviews 廣告預計 2027 年達 $169 億。

辦公——流量升級管道初步建成。辦公是 AI 智能體任務執(zhí)行進化最快的領域，2026 年初 Claude 4.6 和 GPT 5.4 知識工作能力已全面超越人類平均水平，監(jiān)管約束主要集中在企業(yè)信息安全和審計合規(guī)。AI 增強方面，Copilot 1500 萬席位，釘釘 AI、飛書aily、企微 AI 競爭激烈。AI 原生方面，Cursor、Devin、Claude Cowork 證明了代際差優(yōu)勢，騰訊 CodeBuddy/WorkBuddy、釘釘悟空 AI、字節(jié) Trae 等智能體工作臺正迅速成為企業(yè)級新入口。

以上三個場景的流量升級管道建設最好，閥門開度最大，使它們成為流量 2.0 升級的前沿陣地。

流量升級蓄力——電商、LBS/本地、醫(yī)療、金融、內(nèi)容

這六個場景的共同特征是：涉及線下服務商體系，或涉及版權保護、特殊或階段性重點監(jiān)管。這意味著即使 AI 技術已經(jīng)達到應用水平，流量從 1.0 到 2.0 的轉化速度仍受到非技術因素的制約。但阻力不等于阻斷——這些場景的轉化啟動規(guī)模已經(jīng)在擴大，局部已出現(xiàn)爆發(fā)。

電商——AI 驅動流量增長迅猛，但線下履約是天然制約。Amazon Rufus 覆蓋3 億用戶，淘寶 AI 搜、京東京言已嵌入全流程。據(jù) Adobe Digital Insights，美國零售 AI 驅動訪問量同比增長超 4700%。Perplexity Buy 和 ChatGPT Shopping 讓交易可在 AI 對話中完成。然而56%消費者購物旅程仍從 Amazon 開始——不可繞過的商品庫存和物流數(shù)據(jù)，成為 AI 原生公司難以突破的壁壘。

LBS/本地——決策效率提升明顯，服務履約仍靠線下。美團小團、高德 AI（日調(diào)用 12 億次）深度嵌入 AI，美團小美 APP 搶占 AI 原生入口。但餐廳出餐、騎手配送、技師上門無法被智能體替代，流量增長目前更多體現(xiàn)在決策效率而非全流程應用。未來自動駕駛和無人配送成熟后將迎來新轉換期。

醫(yī)療——AI 健康入口爭奪已展開，監(jiān)管后置風險需關注。螞蟻阿福月活3000 萬，訊飛曉醫(yī)咨詢超1.6 億次，ChatGPT Health 日活4000 萬，OpenEvidence 估值$120 億，安診兒服務1.3 億人次。然而 AI 醫(yī)療分級審批標準不清晰、AI 是否構成執(zhí)業(yè)行為未定論、AI 病理檢測支付未跑通。這是“技術快于制度”最典型的場景，也是順應“健康中國”國策的最有潛力民生場景。

金融——AI 結合廣泛但流量升級謹慎。Erica 超2000 萬用戶，Robinhood Strategies25 萬付費。但 AI 幻覺、投資咨詢定性、Agent 自主交易責任歸屬、新型 AI 金融犯罪等問題尚未解決。值得關注：美國 11 萬名理財顧問預計 2034 年前退休，為 AI 原生理財創(chuàng)造需求真空。

內(nèi)容——生成能力已爆發(fā)，版權閥門開度仍小。AI 已全面進入內(nèi)容制作工作流，可靈 AI 單季度生成6 億條視頻。但 AI 生成內(nèi)容著作權歸屬全球尚無統(tǒng)一標準，“深度偽造”等濫用風險讓監(jiān)管持續(xù)關注。

流量升級時機未到——游戲、智能終端、政務、社交

這三個場景的流量轉化升級時機尚未到來，主要原因是它們的1.0 到 2.0 的轉換通路還沒有真正建立。三個場景各有各的卡點。

游戲——想象空間巨大，核心玩法仍在探索。AI NPC、AI 教練已落地，Roblox Cube 3D 讓 4740 萬在線玩家可一句話生成 3D 場景。但 AI 原生游戲技術尚不成熟，核心玩家對 AI 介入態(tài)度復雜，完全生成式游戲品質距玩家預期仍有差距。

智能終端——技術方案未定，新形態(tài)尚未出現(xiàn)。手機和 PC 憑借算力和用戶習慣短期不可撼動（Apple Intelligence、Galaxy AI、榮耀任意門、小米 MiMo），AI 眼鏡爭奪新入口（Ray-Ban 300 萬+臺、夸克/小度/訊飛），AI 配件找到細分市場（Plaud、釘釘、訊飛）。OpenAI 以 $65 億收購 io Products 計劃 2027 年推出無屏幕設備。但完全適配智能體的新硬件形態(tài)仍未出現(xiàn)，Humane AI Pin 和 Rabbit R1 的失敗警示：沒有殺手級能力的 AI 硬件只是昂貴的玩具。

政務——后發(fā)的海量流量。全國超80%縣級以上政務中心啟動智能化改造，國家網(wǎng)信辦已公示 14 個規(guī)范應用案例。但業(yè)務流程復雜、數(shù)據(jù)安全要求高，迭代速度難以對齊 AI 進化速度。一旦標準化流程跑通，復制到全國數(shù)千個政務中心的規(guī)模效應極為可觀。

社交——關系鏈是最難突破的壁壘。微信元寶、Meta AI 功能有限，AI 原生社交產(chǎn)品用戶留存難。核心是信任問題：用戶不太會讓 AI 代替自己社交。轉機更可能來自非社交領域。

小結：1.0 的流量不會消失，但正在以不同速度向 2.0 形態(tài)轉化——而轉化速度最快的場景，往往就是 AI 原生創(chuàng)業(yè)公司最先涌入的賽道。這自然引出下一個問題：除了 1.0 流量的轉化，智能體網(wǎng)絡本身正在催生哪些全新的 2.0 流量來源？

3.2 八個原生場景：智能體催生新入口和新流量

智能體及其網(wǎng)絡運行本身所需的基礎設施和服務，這些在 1.0 時代完全不存在的需求，正在催生至少八個智能體原生應用場景和新流量入口，每個入口都是 2.0 原生流量的來源：技能市場、工作環(huán)境、信息服務、支付和交易支持、身份和安全保障、記憶服務、數(shù)字員工、智能體培訓，等等。

技能共享與市場。1.0 時代的應用市場分發(fā)的是完整的應用，2.0 時代的 Skill 市場和社區(qū)分享的是智能體可調(diào)用的能力模塊。目前已經(jīng)有 ClawHub、SkillHub 、釘釘技能商店等市場在迅速崛起，但更多以免費分享為主。從遠期看，復雜和專業(yè)的高級技能包（如復雜分析診斷方案、Headless 專業(yè)軟件）可能形成訂閱制——擁有稀缺行業(yè)知識的專家可以把 know-how 封裝為 Skill 或更高級的技能包出售，這是知識變現(xiàn)的 2.0 形態(tài)。

智能體運行環(huán)境和工作空間。智能體的運行模式和傳統(tǒng) Web 應用不同，可能需要 7×24 持續(xù)高強度運行、狀態(tài)持久化、錯誤恢復、安全隔離的沙箱環(huán)境。這催生了一批智能體原生運行環(huán)境：E2B、Cloudflare Agent Cloud、CoreWeave 等都是該領域的探索者；Nebius 獲 NVIDIA $20 億投資，專為推理和 Agentic AI 設計。NVIDIA 的投資信號明確：芯片巨頭正在親自扶持智能體原生云，布局智能體網(wǎng)絡時代的關鍵基礎設施。智能體訓練場是運行環(huán)境的的延伸。MiniMax 云端沙箱每分鐘創(chuàng)建 60 萬個實例，80ms 極速啟動，支撐模型自主優(yōu)化循環(huán)超 100 輪。阿里云 AgentRun、騰訊云 AGSX、OpenAI Agents SDK 都在強化沙箱能力。模型是引擎，Harness 是機甲外骨骼，沙盒是訓練場——三者缺一不可。

面向智能體的信息服務。智能體需要結構化、可機器解析的數(shù)據(jù)流，彭博和 Wind 正推出 Agent API 版本，Tavily 專為智能體提供搜索基礎設施。當數(shù)億智能體同時運行時，Headless 信息服務的詞元消耗將是天文數(shù)字——這是純粹的 2.0 增量流量。 針對生成式大模型的推薦優(yōu)化GEO也將進一步面向智能體迭代。

智能體支付、身份與安全。支付方面，智能體需要自主完成交易和結算（Skyfire、Visa、Payman），核心難題是責任歸屬。安全方面，智能體被騙、騙人、身份冒充等新型威脅催生了 Oasis Security 等專業(yè)公司。身份認證、權限管控、行為審計成為全新品類。

智能體記憶與上下文持久化。智能體能否“越用越好”，取決于它能否跨會話、跨平臺地記住你的偏好、習慣和歷史。用戶在某個智能體上積累的上下文越多，遷移到另一個智能體的成本就越高，因此你的智能體的記憶可能是比你的社交關系鏈更重要的數(shù)字資產(chǎn)。Vectorize 和 Mem0 從底層存儲和索引層切入。這個細分場景的價值巨大：誰掌握了智能體的記憶層，誰就掌握了鎖定用戶的超級壁壘。

智能體生產(chǎn)力服務——“數(shù)字員工”。Devin 正在逐步進化為一個可以被“雇傭”來獨立完成任務的 AI 軟件工程師。Sierra在客服領域做同樣的事。百度發(fā)布了數(shù)字員工平臺?！鞍葱韫蛡?AI 勞動力”是 1.0 時代完全不存在的全新需求，每一次雇傭都是一股 2.0 流量的產(chǎn)生。

智能體培訓與能力定制。不是所有用戶都能自己訓練智能體，特別是缺乏技術能力的個人和中小企業(yè)。這可能催生智能體培訓外包的服務需求：幫客戶配置、訓練、調(diào)優(yōu)智能體，使之適應特定的業(yè)務場景。這個賽道目前還沒有典型的探索者，但邏輯類似 1.0 時代的 IT 外包——當智能體 成為企業(yè)和個人標配，總有人需要“開箱即用”。

八個應用場景都是智能體網(wǎng)絡不可或缺的“水電煤”，也是2.0 流量的原生入口和源源不斷的流量。

3.3 價值鏈影響：每一類參與者的機會與挑戰(zhàn)

1.0 時代的消費互聯(lián)網(wǎng)價值鏈是一個四層結構：云服務平臺→大型業(yè)務平臺→中小垂直服務商→終端設備商。2.0 時代，這個結構不會被推倒重建，但每一層的角色和競爭邏輯都在深刻變化——同時，兩個全新的價值節(jié)點（智能體基礎設施層、AI 原生業(yè)務層）正在現(xiàn)有層級之間快速成長。

云服務平臺：從為人服務的云到為智能體服務的云

目前看更多的是機會：Token 消耗指數(shù)級增長——中國日均 Token 調(diào)用量已超 140 萬億，兩年增長超千倍。更大的機會在于升級為能更好支撐海量智能體長時間穩(wěn)定工作的智能體原生云平臺。同時，核心參與相關技術標準、規(guī)范和標桿案例的制定，也能進一步占據(jù)規(guī)模化流量分發(fā)的主動權。同時也面臨未來的挑戰(zhàn)：新型智能體基礎設施玩家從兩個方向夾擊傳統(tǒng)云巨頭——邊緣路線和GPU 原生路線。傳統(tǒng)云巨頭面臨的是整個基礎設施體系的競爭甚至是替代壓力。

大型垂直業(yè)務平臺：1.0 的流量主，首先面臨 2.0 轉型

機會來自三個方面。第一，數(shù)據(jù)護城河依然有效——淘寶的商品數(shù)據(jù)、美團的騎手網(wǎng)絡、微信的社交圖譜，還有眾多用戶的購物習慣，智能體繞不開。第二，“雙軌騎行”是主流策略——既在 1.0 產(chǎn)品上加 AI（Google AI Overviews、美團小團），又獨立做 2.0 原生產(chǎn)品（美團小美、釘釘悟空、螞蟻阿福）。第三，廣告是橫跨流量 1.0 和 2.0 的業(yè)務類型。

挑戰(zhàn)也來自三個維度。

第一，“青黃不接”的過渡期。核心矛盾是 1.0 的收入增速還沒跌完，2.0 的收入增速還沒漲起來。Google AI Overviews 2025 年估計貢獻僅 $17 億廣告收入，但同時傳統(tǒng)搜索點擊率卻下跌 61%，AI 新收入可能還沒有填上舊收入流失的窟窿。

第二，開放 API 還是自建智能體——重要的戰(zhàn)略選擇題。三力博弈：生態(tài)引力（不在智能體調(diào)用范圍就不存在）推向開放；數(shù)據(jù)主權焦慮（API 開放后數(shù)據(jù)被聚合比價）推向封閉；隱私壓力推向端側。約 40%～50% 平臺選擇“有限API+自建智能體”的中間路徑。效率與安全的 Tradeoff 決定具體位置——API 毫秒級高效但數(shù)據(jù)暴露風險大，Agent-to-Agent 對話詞元消耗高10～100 倍但數(shù)據(jù)安全。最可能演化為“分層開放”架構，底層標準化信息 API 開放保效率，核心數(shù)據(jù)封裝在自建智能體內(nèi)部保安全。Agent-to-Agent 可能成為 2.0 時代的“外交協(xié)議”——各方都不愿完全打開國門，但又不能閉關鎖國。

第三，“智能體爭寵”——來自用戶側的隱性挑戰(zhàn)。用戶大概率只依賴 1～2 個“受寵”智能體——三圈結構（核心圈 1-2 個 / 工具圈 3-5 個 / 外圍圈不固定）與 1.0 的 APP 使用分布驚人相似。原因有三：認知負荷限制（鄧巴數(shù)類推）、上下文馬太效應（用越多→越懂你→越好用→用更多）、責任歸屬簡化需求。先發(fā)上下文積累、跨場景通用能力、人格一致性、生態(tài)調(diào)度能力、數(shù)據(jù)遷移壁壘成為五個最重要的競爭變量。贏得爭寵的平臺掌握意圖分發(fā)權，輸?shù)舻臏S為后端供應商。

中小垂直服務商：加速分化

“SaaS 末日論”辨析是這個層級重要的挑戰(zhàn)警示。末日派證據(jù)有力——軟件 ETF 跌 30%、Gartner 預測 90% B2B 采購由智能體中介、Claude Cowork 直接威脅垂直 SaaS。但反論派同樣有力——a16z 指出 AI 在把餅做大，企業(yè)軟件的本質是流程知識而非代碼。更可能合理的解釋是：真正被顛覆的不是 SaaS 模式，是不擁有獨特數(shù)據(jù)和流程知識的通用 SaaS。流程越標準化、拆解越精細的軟件，越容易被“蒸餾”為智能體的 Skill。 相對的，擁有深度行業(yè) know-how 的垂直 SaaS 反而可能升級——前提是把核心競爭力轉向數(shù)據(jù)和流程知識技能包。

終端設備商：入口之爭升級為“智能體入口之爭”

現(xiàn)有各終端形態(tài)有各自的機會：手機和 PC 短期穩(wěn)固，AI 眼鏡爭奪新入口，AI 配件有細分市場。而挑戰(zhàn)來自于新形態(tài)：未來很可能出現(xiàn)完全適配 AI 原生理念的新硬件形態(tài)。就像智能手機出現(xiàn)后 PC“靠后”，如果 AI 原生硬件成熟，手機也會經(jīng)歷類似過程——不會消失，但可能從消費互聯(lián)網(wǎng)主入口變成移動生產(chǎn)力輔助設備，甚至是“移動詞元寶”，和充電寶類似。

新增價值節(jié)點之一：智能體基礎設施提供商

現(xiàn)有云計算三層服務之間插入了一個全新的“中間件層”，也可以理解為“Harness for 智能體”。智能體工作環(huán)境和空間、身份安全與評估、記憶與上下文、支付、訓練場/沙盒。這些在 1.0 時代不存在的板塊，可以是組件、也可以是平臺，但每一個都是智能體及其網(wǎng)絡不可或缺的基礎設施。

新增價值節(jié)點之二：AI 原生業(yè)務提供商——流量 2.0 的原住民

AI 原生業(yè)務層的發(fā)展空間可能比基礎設施層更大，因為它直接面向終端用戶創(chuàng)造價值。能預見兩種類型：

一是與 1.0 大平臺正面競爭的 AI 原生產(chǎn)品。ChatGPT 搜索對陣 Google、Cursor 對陣微軟 VS、NanoBanana 對陣 Photoshop。核心邏輯是“代際差”——用 2.0 的方式降維打擊 1.0 業(yè)務。但它們面臨也挑戰(zhàn)：1.0 大平臺也在做同樣的事（雙軌騎行），而且有數(shù)據(jù)和用戶關系的先發(fā)優(yōu)勢。AI 原生產(chǎn)品必須回答“為什么不在老 APP 上加 AI，而要用你的新產(chǎn)品”。

二是 1.0 時代完全不存在的全新品類。Skill 市場、數(shù)字員工、智能體信息服務，等等。這些全新品類不需要從 1.0 平臺手中搶市場，而是在創(chuàng)造全新的市場——發(fā)展空間可能更大。

4. 應對：怎么辦

面對流量 1.0 見頂和內(nèi)卷、全新的流量 2.0 體系、以及新流量視角下消費互聯(lián)網(wǎng)產(chǎn)業(yè)及各參與方可能面臨的機會和挑戰(zhàn)，我們應該如何善用 AI 做好應對？如何善用流量 2.0 體系做好商業(yè)模式升級？如何推動產(chǎn)業(yè)各方協(xié)同完成消費互聯(lián)網(wǎng)商業(yè)轉型，進一步實現(xiàn)“人工智能+”戰(zhàn)略實現(xiàn)和國家經(jīng)濟的重振？本章嘗試思考并找到一些答案，和同仁共勉。

4.1 直面和擁抱消費互聯(lián)網(wǎng)轉型

停止流量 1.0 內(nèi)卷。1.0 的三重見頂危機已經(jīng)很清楚：用戶時長觸及生理天花板，獲客成本持續(xù)飆升，算法推薦的邊際改善空間趨近于零。在一個日漸縮小的蛋糕上繼續(xù)價格戰(zhàn)、補貼戰(zhàn)和算法微調(diào)，投入產(chǎn)出比只會越來越差。

同時，2.0 的增量空間正在快速打開：搜索廣告市場正在結構性重構，AI 驅動零售流量同比大增， AI醫(yī)療健康助手有成為用戶 AI 時代裝機必備的潛力。與其在 1.0 賽道里為 0.1% 的轉化率提升投入巨額預算，不如把同樣的資源投向 2.0 的增量方向。范式轉換期的歷史規(guī)律反復印證了同一個結論：率先擁抱新范式的企業(yè)獲得的增長紅利，遠大于在舊范式中的回報。2010 年率先 All-in 移動互聯(lián)網(wǎng)的企業(yè)，遠比固守 PC 端的企業(yè)走得更遠。

盡快啟動流量 2.0 監(jiān)測。絕大多數(shù)企業(yè)仍在用 DAU、MAU、PV、GMV 衡量業(yè)務。問題在于這套指標看不見 2.0 的變化。建議在 1.0 體系旁邊增設 2.0 儀表盤，至少涵蓋詞元消耗量及結構、智能體 調(diào)用量及增速、意圖完成率、智能體來源分布?？吹靡姴殴艿昧恕?/p>

啟動商業(yè)模式適配和轉型。把從賣注意力到賣意圖完成的趨勢，落地為三件事：重新設計定價（詞元計費、效果計費）；重新定義產(chǎn)品形態(tài)（把能力封裝為智能體可調(diào)用的 Skill/API，現(xiàn)在連金谷園餃子館都在開源自己的 skill）；同步升級組織能力（選拔存量+吸引增量，懂智能體編排的產(chǎn)品經(jīng)理、懂流量 2.0 運營、能自組織的全棧小團隊）。

盤點數(shù)據(jù)資產(chǎn)。回答三個問題：哪些數(shù)據(jù)是智能體繞不開的？哪些可以封裝為 Skill 開放變現(xiàn)？哪些核心數(shù)據(jù)需要封裝在自建 智能體內(nèi)部？“分層開放”架構（底層標準化信息API 開放報效率，核心數(shù)據(jù)封裝在自己的智能體內(nèi)部保安全）可作參考。

識別和投資 2.0 原生初創(chuàng)。這不僅是財務回報，更是戰(zhàn)略布局：通過投資建立與 2.0 生態(tài)的連接，獲得對新技術、新模式的早期觸達。NVIDIA 投資 Nebius $20 億正是此邏輯。

4.2 為互聯(lián)網(wǎng)轉型護航和鼓勁

伴隨式監(jiān)管：與 AI 共同探索新規(guī)則。智能體自主交易的責任歸屬、智能體身份認證、AI 生成內(nèi)容的版權框架、數(shù)字員工的勞動法定位……這些問題在 1.0 時代的監(jiān)管框架中找不到答案。但更關鍵的是，這些新問題可能也不適合用“先定好規(guī)則再放行”的方式來應對。AI 的發(fā)展速度以天為單位，監(jiān)管規(guī)則的制定策略也應不斷創(chuàng)新和適應。更可行的方式是伴隨式的沙盒試驗和試點探索：在可控范圍內(nèi)允許企業(yè)先行先試，監(jiān)管部門作為觀察者和參與者同步跟進，在實踐中提煉可行的規(guī)則。這種方式在金融科技領域已有先例。

推動基礎設施標準化和規(guī)范制定。八大流量2.0原生場景中的標準和規(guī)范目前大多處于空白和早期探索。智能體身份認證缺乏國際標準，智能體支付結算的規(guī)范尚未建立。這意味著我國有機會從零參與甚至主導標準制定。

兩個著力方向：一是鼓勵國內(nèi)企業(yè)在關鍵基礎設施上進行自主原創(chuàng)，在參與國際開源生態(tài)的同時確保核心技術?？煽?。二是推動建立行業(yè)聯(lián)盟和標準體系，在智能體身份認證、安全評估、數(shù)據(jù)交換格式、支付結算等領域聯(lián)合頭部企業(yè)和研究機構先行制定，在國內(nèi)跑通后向國際推廣。

應對產(chǎn)業(yè)結構變化與新就業(yè)形態(tài)。兩個趨勢值得政策層面重點關注。

第一是通用 SaaS 中間層的收縮。AI 編程能力增強會促進很多企業(yè)自建內(nèi)部系統(tǒng)，外采的需求會下降。同時無獨特數(shù)據(jù)或者流程知識的軟件有被蒸餾為智能體的 Skill 的風險，失去市場競爭力。這意味著部分中小型通用型 SaaS 企業(yè)（財務軟件、進銷存、CRM、項目管理等）面臨更快的業(yè)務萎縮甚至被替代的風險，連帶影響的是這些企業(yè)的從業(yè)者和圍繞它們形成的服務生態(tài)。

政策層面可以從兩方面著手：一是引導通用 SaaS 企業(yè)向“數(shù)據(jù)和流程知識的skill化”和“智能體前線部署工程師（FDE）和訓練服務商”等流量2.0 原生業(yè)務轉型，把自身積累的行業(yè) know-how 封裝為智能體可調(diào)用的高價值技能包或服務解決方案，而非繼續(xù)依賴傳統(tǒng)的軟件界面和席位收費；二是為轉型過程中受沖擊的從業(yè)人員提供再培訓支持，幫助他們重新上崗或創(chuàng)業(yè)。

第二是數(shù)字員工的興起帶來的新就業(yè)形態(tài)。未來 5 年內(nèi)，數(shù)字員工大概率會正式成為企業(yè)數(shù)字生產(chǎn)力進行管理。而進一步規(guī)模化應用將催生一系列制度層面的新問題：企業(yè)雇傭數(shù)字員工是否需要繳納類似社保的公共義務？數(shù)字員工造成的損失由誰承擔？當一個崗位既可以用人也可以用智能體時，如何平衡效率和就業(yè)？這些問題目前還沒有現(xiàn)成答案，但越早開始研究和試點，越能在變化到來時從容應對。

加強面向互聯(lián)網(wǎng)流量2.0 體系的產(chǎn)學研協(xié)同。智能體安全、記憶持久化、多智能體協(xié)調(diào)、智能體支付的責任歸屬，這些既是產(chǎn)業(yè)前沿，也是學術前沿。中國在 1.0 時代的應用創(chuàng)新領先全球，但在基礎理論層（操作系統(tǒng)、芯片架構、核心協(xié)議）長期依賴國際。2.0 時代如果能在智能體網(wǎng)絡的理論和標準層面保持同步甚至領先，就有機會從根本上改變“應用強、基礎弱”的格局。鼓勵高校和研究機構與頭部企業(yè)聯(lián)合攻關智能體網(wǎng)絡的基礎性問題，是一個值得持續(xù)投入的方向。

鼓勵流量 2.0 出海。中國在 1.0 時代已有 TikTok、SHEIN、Temu 等成功的出海實踐。但 1.0 出海的一個不足值得記?。褐袊敵隽水a(chǎn)品，卻沒有輸出標準。操作系統(tǒng)、支付協(xié)議、云標準仍由歐美主導，產(chǎn)品層的成功隨時可能因基礎設施層的受制而被逆轉。2.0 出海應該產(chǎn)品與標準并舉。

初步可以看到四個具有優(yōu)勢的方向：AI 原生硬件和配件。Plaud 已經(jīng)是一個成功案例：深圳團隊做的 AI 錄音設備，Kickstarter 破紀錄、亞馬遜 BS 榜第一、全球交付 20 萬臺。中國在 AI 硬件的設計制造和全球化分發(fā)上有成本和速度優(yōu)勢，AI 眼鏡、AI 錄音設備等品類可以復制這條路徑。AI 原生工具和效率應用。字節(jié) Trae 已在做全球化，中國的 AI 編程工具、AI 設計工具、AI 內(nèi)容生成工具在迭代速度和性價比等方面上有競爭力。面向全球開發(fā)者和創(chuàng)作者的 2.0 原生工具，是產(chǎn)品出海的自然延伸。面向新興市場的 AI 原生服務。東南亞、非洲等市場的 1.0 基礎設施本身不完善，反而可能跳過 1.0 直接進入 2.0，類似非洲跳過固話直接進入移動互聯(lián)網(wǎng)。開源生態(tài)和標準輸出。DeepSeek 等開源模型已在全球建立了影響力。通過開源智能體框架、Skill 生態(tài)標準、通信協(xié)議等方式，在流量 2.0 范式層建立國際競爭力的戰(zhàn)略機遇。

結語

AI及智能體真實地在改變傳統(tǒng)互聯(lián)網(wǎng)的商業(yè)邏輯，傳統(tǒng)互聯(lián)網(wǎng)產(chǎn)業(yè)開始轉型，流量2.0就是線索。

流量 2.0 的世界更屬于 AI 原生的一代人和一代企業(yè)，他們的思想和行動天然適應新范式。但這并不意味著 1.0 時代的建設者就要退場。恰恰相反，20 年積累的用戶關系、數(shù)據(jù)資產(chǎn)、線下網(wǎng)絡和產(chǎn)業(yè)經(jīng)驗，在 2.0 時代依然是極其珍貴的資源。

積極擁抱互聯(lián)網(wǎng)轉型吧，以新的方式煥發(fā)互聯(lián)網(wǎng)新的價值。

本文來自微信公眾號：騰訊研究院，作者：劉莫閑