在科技史的演进中，总有一些看似荒诞的笑话，最终成为了精准的预言。
比如那个关于未来工厂的经典段子写道，未来的工厂里只会留下两个员工：一个工人和一条狗。工人负责按时喂狗，而狗的职责，则是冲着工人狂吠，防止他手欠去触碰并弄坏那些全自动运转的机器。
然而，当生成式人工智能跨越奇点，演化为具备自主行动能力的「智能体」时，这个笑话的后半段也被改写了。因为智能体的出现，把工人和狗的职位同时替代了。
在当下，智能体不仅能够飞速编写代码，还能精通市场营销、掌管公司财务。「一个人就是一个公司」不再是自由职业者的自我标榜，而是正在发生的产业现实。近期，随着各地政府纷纷下场，对基于 OpenClaw 架构的「一人公司」给予实质性补贴，经济活动中正式诞生了一个极具破坏力的新玩家。
如果你觉得这离普通人还很遥远，不妨看看一个名为 Paperclip.ing 的平台。它的产品宣言就是招募一堆 AI员工，给它们设定一个商业目标，点击「开始」。之后作为人类老板的你，就可以去海边晒太阳了。
虽然这个案例营销大于实际效果，但在经济学家眼中，智能体的普及却可能带来一场掀翻学科底层逻辑的大地震。一系列曾经在「人类是主导生产要素」这一铁律下才成立的成长与分配定理，在智能体逐渐占据主导的未来经济中，将彻底失效。
而当传统经济学失效的时候，我们将面对的是什么？
01 公司的消失与无处不在
MIT（麻省理工学院）的一篇《An Economy of AI Agents》的研究，大概描述了一下公司这个架构的未来。
要理解「一人公司」在经济学上的可行性，我们需要回溯到新制度经济学的鼻祖罗纳德·科斯（Ronald Coase）提出的经典反问：「为什么会有公司？」
科斯给出的答案是：交易成本。在传统的商业活动中，寻找供应商、谈判合同、监督进度以及处理违约扯皮，这些市场中的「摩擦力」使得将生产活动内部化（即组建公司）往往比完全依赖外部市场外包更为划算。
然而，智能体的介入正在摧毁这一逻辑基石。因为智能体的决策太快，智能体将商业决策的延迟从人与人之间动辄数天的博弈，压缩到了智能体之间的分钟甚至秒级。而且沟通几乎无成本，AI达成信息同步的速率远高于人类对话和理解的时间，且所有行为具有完全的可追溯性。因此随着智能体能力的持续进化，交易成本有可能无限趋近于零。
「一人公司」的图景中最引人注目的机制在于 自动化反馈循环。在这一机制下，AI在执行任务时产生海量数据，这些数据旋即被用于训练更强大的AI，进而承担更繁重的工作，产生更多的数据。
而此时，公司作为一个有限环境下的组织形式将进入历史。然而，一人公司，即一个智能体集群的边界却将变得无限扩张。当 自动化反馈循环 飞轮开始运作之后，内容公司可以用AI瞬间切入电商；电商公司可以用AI瞬间切入金融，所有业务的边界就会消失。
最终的市场形态将是所有人的业务高度同质化，竞争的唯一维度就是比「谁的龙虾更聪明」。而我们可能面对的上历史上最大的垄断。其极限，就是整个经济体被拥有最多、最强智能体的某一个人垄断的「一人公司」。
但别急着幻想赛博朋克的情景。要达成这一点，智能体系统想要无缝统治经济，还有一个槛要过，即「生产力悖论」。
02 管理成本就是算力成本
1987年，经济学家罗伯特·索洛（Robert Solow）在观察计算机革命时，曾提出著名的「生产率悖论」：计算机无处不在，却唯独没有出现在生产率的统计数据中。
这是因为单纯引入前沿技术，如果没有从根本上解决组织协作与目标对齐的问题，技术带来的效率增益往往会被随之增加的管理内耗所抵消。
摸鱼难题
让一个人带着团队去干几十人的活儿，必然会遭遇经典经济学上的 委托-代理问题。当老板和员工的目标不完全一致时，员工可能会摸鱼甚至跑偏。此时，强技术引入带来的效率提升，会在这个过程中被消解掉。
在智能体时代，这个问题依然完全可能存在。高能力的智能体，完全可能非常发散的去做一些毫无意义的、甚至有破坏性的事情。智能体之间，也会互相甩锅，难以达成一致，因此人类老板不得不花更多的时间去调停。于是问题来了，如果人类需要频繁介入和审批，自动化带来的效率红利，是不是又被高昂的管理成本吃掉了？
这是真实存在的张力。但它的解法，恰恰也藏在智能体系统自身的演进逻辑里。而且针对不同层面的问题，有不同层面的对应解法。
第一层，是模型训练层的自动对齐。
管理的核心要求是纠正偏差。而纠正偏差，正是模型训练的核心逻辑。在过去，让AI与人类价值对齐，需要人类密集介入。给AI的每一个行为打分、纠偏，这就是RLHF（基于人类反馈的强化学习）。但随着模型训练规模扩大，人类的反馈速度早已跟不上训练的需求。于是训练范式开始转变，越来越多地引入AI作为仲裁者，以奖励模型或智能体的形式，自动评估另一个模型的行为是否符合预期，并引导训练方向。这是管理逻辑在模型层的内化。纠偏不再依赖人的时间，而是依赖算力。
第二层，是组织架构层的自动仲裁。
在智能体系统的组织架构中，可以设定一组专门负责审计与合规的独立智能体。它们不生产代码，不做营销，唯一的KPI是持续对比执行智能体（Worker Agent）的行为轨迹，是否偏离了预设的公司使命。当两个干活的智能体互相甩锅或产生逻辑死锁时，无需人类老板出面，系统会自动唤醒仲裁智能体（Judge Agent）。它基于预设的《公司基本法》（即Constitutional AI的概念——通过明文写下的原则约束AI行为）瞬间完成利益权衡并下达裁决。这是管理逻辑在架构层的外化。扯皮不再需要人来调停，而是由系统结构来消化。
第三层，目标验证层的自动迭代
更深一层的问题是，谁来定义「干得好」？在传统公司里，这是管理者最核心的职能之一就是制定考核标准，判断产出质量。在智能体系统中，这个职能被压缩成了一个概念，Evals（评估指标）。人类老板只需定义最终的验收标准，比如转化率、利润率、无错字率。系统会自动通过多轮迭代，让智能体修改自己的工作流、调整自己的提示词，直到表现跑通设定的Evals。这个验证过程本身，也可以由另一个智能体来完成。
但这里存在一个真实的分野，必须说清楚。Evals能自动验证的前提，是目标本身可以被客观量化。一个纯利润最大化的交易智能体，它的Evals可以完全自动核验——数字摆在那里，对错一目了然。但一个需要「维护品牌调性」或「保持内容创新性」的智能体，它的验收标准本质上是主观判断，自动化验证的难度会大幅上升。这意味着，管理成本的自动化并非全面均匀地发生，而是沿着「目标可量化程度」这条轴线分布的。越靠近客观可测的业务，管理负担消退得越快；越靠近主观判断的领域，人类的介入仍然不可或缺。
内卷困境
另一个潜在的管理灾难，是智能体产出的绝对同质化——所有智能体用相同的逻辑生产相同的内容，「劣币驱逐良币」，市场陷入低水平内卷。
这同样是模型研究正在正面攻克的问题。在强化学习的前沿，目标函数不再只是寻找「最优解」，而是通过多样性采样技术，寻找「一个充满多样性的高质量解集」，系统会动态奖励那些「与现有策略库毫无关联且胜率达标」的新行为。落到智能体公司的实践中，这个机制可能呈现为，如果智能体A发现了一条赚钱路径，智能体B再想走同一条路，系统的激励API会瞬间将其收益权重压到极低。这是一种由算法强制驱动的市场自我出清，从底层机制上遏制了低水平重复。
管理的终点
把管理的三个层面放在一起，会发现它们针对的是三个不同来源的管理成本。模型层解决的是价值偏离，架构层解决的是协调摩擦，目标验证层解决的是质量判断。当这三层都在算力驱动下持续演进，管理的负担并非凭空消失，而是从人的时间成本，转移成了系统的算力成本。
这个转移的速度，取决于两件事。第一是算力的演进速度，第二是那条「目标可量化」的分界线最终能划到哪里。在刚刚结束的GTC大会上，我们看到了前者的答案正在快速逼近。而后者，是留给人类的最后一道防线，也是人类在智能体公司里最后的不可替代性，不是管理本身，而是缩到了整个计算图的最顶端，定义损失函数（Loss Function）。而这，很可能是一个人就在AI辅助之下就可以做到的事儿。
因此，在智能体时代，「索洛悖论」很可能会失效。限制智能体扩张的摩擦很可能被解决。就算未来没有任何一个一人公司垄断全市场，我们将面对的也是更高度集中和垄断的可能性。
03 平台市场的终结
说完了传统意义上公司的崩溃，我们再来聊聊消费者市场的变化。当我们将目光从宏观生产转向微观消费，日常生活中的交易摩擦同样正在被AI抹平。
MIT的论文《The Coasean Singularity? Demand, Supply, and Market Design with AI Agents 》就描述了未来的智能体经济会带来的交易改变。
你最近一次买房、找工作或者在相亲软件上滑卡片，是什么感觉？大概率是心力交瘁。过去，在这些高价值的大宗交易中，消费者必须向中介支付高昂的咨询费用以弥合信息差。
在这些场景里，用户需要看海量信息（高评估成本）、对方还比你懂得多（强信息不对称）、试错成本极高（择业、婚恋、大额投资）。 因此用户只能选择相信卖方，然后被信息差收割。诺贝尔经济学奖得主乔治·阿克尔洛夫（George Akerlof）在 1970 年提出柠檬市场，就是指这种场景。
在简单的交易中，人类的偏好很直接。比如卖房，你通常只关心两个维度：价格最高、卖得最快。但如果你是买房，你的偏好瞬间就变成了极其复杂的 高维数据：你同时在乎地段、通勤时间、学区质量、社区治安、户型、房龄、价格甚至未来的转售价值。在传统的二手车或婚恋市场中，人类由于认知带宽有限，根本无法完整、连贯地表达这种高维度的隐性偏好。
而这，正是智能体大显身手的地方。它能够以近乎零成本的方式，代为执行搜索、背景调查、谈判和签约。用户甚至能搞个数字分身，带着自己的特殊技能（skill）去和别人社交。
为了应对极其复杂的消费市场，MIT 学者们指出，当前的智能体生态已经按「所有权（用户自带 vs. 平台提供）」和「专业化（横向通用 vs. 纵向垂直）」划分为四大象限。
- 个人万能助理： 用户自带模型、跨应用无缝流转的个人智能体。
- 通用超级助手： 操作系统级或超级平台底层的通用AI。
- 专用智能体： 专业机构或个人为特定领域（如法律咨询）打造的专属智能体。
- 平台业务智能体： 封闭平台内针对特定业务线的AI（如招聘软件内置的求职智能体）。
这四大类智能体其实正暗合了消除交易摩擦的所有方面。让我们以「买房」为例，看看这四个角色是如何协同作战，把偏好提取、合同执行和身份验证的成本降到接近于零的。
- 个人万能助理是「懂你的总指挥」：它是你数字世界的「大脑」和唯一向你绝对效忠的最高指挥官，拥有跨市场的记忆和偏好层，去发掘你的隐性偏好。比如传统平台只能让你勾选「三室一厅、500万以内」。但你的个人助理会默默观察你的跨应用生活轨迹。就像论文中提到的那个经典例子，它通过观察到你总是浏览「靠近公园、拥有大落地窗」的房源，就能自动发掘出你未曾言明、甚至连你自己都没意识到的对「绿地和自然光」的深层渴望。它负责把这些模糊的人性化需求，编译成极其精准的高维数据指令。
- 通用超级助手则负责「无缝的底层基建」：提供权限与安全环境。它不直接参与买房的业务，但它提供了极低摩擦力的运行环境。当你决定买房时，你的「个人万能助理」需要调用你的银行流水和数字身份证明，这时系统级的「通用超级助手」会提供无缝的接口与极低的延迟验证。它确保这场跨平台的复杂交易能在你的设备上安全、丝滑地跑通。
- 专用智能体，是「被雇佣的硬核专家」：用于攻克专业信息差。你的「个人万能助理」虽然懂你，但它不懂复杂的房屋产权法和建筑结构。于是，它会通过 API 外包一个你拥有使用权的房地产「专用智能体」。这个专家会拿着你的高维偏好数据，去全网抓取城市规划图、历史成交价曲线和房屋结构合规报告。它代替你在这个高风险领域执行最硬核的「尽职调查（Due Diligence）」，抹平你作为普通人和房产巨头之间的专业信息差。
- 卖方的平台业务智能体是「手握资源的看门人」：它代表的是平台和卖方的利益，手里握着全量、实时的房源暗盘数据和议价底线。此时，你的「专用智能体（买方专家）」会直接通过专为机器设计的纯数据接口，与这个「平台业务智能体（卖方看门人）」展开毫秒级的谈判。
前三类智能体帮助人类扫清了高维偏好的认知障碍，后一类智能体负责交易。在这样的情况下，诺贝尔经济学奖的 Gale-Shapley 延迟接受算法变得可能了。每个人都可以尽可能详尽调查后再交易，就能在求职或相亲市场中保证绝对稳定的完美匹配。
除了完美的算法匹配，智能体还为消费者带来了一项超能力，即 保护隐私的战略性透明博弈。在传统的求职市场中，女性求职者往往不敢直接询问公司的产假政策，因为这会向雇主释放一种可能影响录用的负面信号。但智能体的介入化解了这种博弈死局。求职者和雇主可以预先设定协议，让双方的 AI 代理在后台提出所有合法的敏感问题，但只向人类披露与最终决策严格相关的部分。这种通过数字代理实现的战略性匿名，极大地提升了敏感交易中的透明度与效率。
当摩擦力归零、偏好被完美量化、隐私博弈被算法保护，曾经建立在信息差、人类惰性和认知缺陷之上的传统市场营销学和粗糙的交易模式，即将迎来一场彻底的降维打击。柠檬市场将不复存在。同时，由它衍生的，即减少「交易摩擦」的中介平台，也将变得不那么重要。
这些中介，不仅包括传统的房产中介、猎头和金融顾问，更包括那些在移动互联网时代崛起的超级独角兽。不管是猎聘、贝壳、还是携程、探探，乃至于拼多多和淘宝，这些大型数字平台被创造出来的初衷，本质上都是为了克服市场中的匹配摩擦。它们横亘在买卖双方之间，凭借对数据的垄断和对信任机制的把控，心安理得地抽取着高达 10% 甚至 30% 的「摩擦税」。在没有 AI 的时代，人类交易之间最大的利润空间，就是对这种「交易摩擦」的定价。
但现在，规则变了。AI 智能体最根本的经济学承诺，就在于它们能够大幅度降低交易成本，即利用市场协调经济活动所产生的费用。它们将过去极其昂贵、耗时的中介环节，比如全网搜索、初步筛选、索要报价、来回谈判以及日程安排，直接转化为了成本极低的算力和 API 调用。
当摩擦力无限趋近于零，那些靠着买路钱躺赚的中介平台，将变得不再那么有利可图。 这将引发一个商业市场的巨变，依靠垄断信息差赚钱的古典平台模式将逐渐失效。而过去你付给中介的佣金，一部分将转化为消费者自己的存款（消费者剩余），另一部分，则会转移给提供底层算力和模型接口的科技巨头。
在这个过程中，论文还预见到了平台和智能体之间将爆发争夺利润的战争。 站在平台的角度来看，第三方的 AI 智能体简直就是来砸场子的，他们 通过抓取数据和促成交易来提取价值，却不承担生产、策划或保护这些数据的成本。这意味着，原本属于平台的中介利润被智能体抽走了，但基础设施的成本却还要平台来背。
因此，信息池本身，可能是平台们最后的自留地和生存之机。当下，由于智能体（而不是人类）开始成为浏览网页和消费内容的主力，像 Cloudflare 这样的服务商已经开始推出按爬取付费（pay-per-crawl）的机制，向抓取数据的 AI 智能体收费。以后，作为信息池的平台，其收费手段也可能如此。但其商业模式和高昂利润，都会被彻底抽干。
最后，论文的作者也提醒我们，虽然理想中的智能体合作，会磨平交易间的摩擦。但假设智能体之间并非平等，它们的摩擦可能会延续。
比如伴随智能体的大规模部署，市场极易出现 拥挤效应。例如，当成千上万的智能体开始替主人批量投递简历或发送约会请求时，接收端的筛选成本将呈现指数级飙升，最终反而拖垮了整个系统的匹配效率。
价格歧视也有可能会更极端。如果消费者习惯了让大模型代为订购外卖，更高级的智能体很可能会绕开个人智能体，利用其掌握的用户历史聊天与消费记录，实施完美的「千人千价」。针对AI大模型的推荐优化（GEO）也将迎来个人用户模型的反制。在这个未来中，买方与卖方之间，将不可避免地引发一场毫无生产力的「军备竞赛」，造成全社会计算资源的巨大浪费。这可能会带来新时代的，智能体之间的新「市场摩擦」，把市场拉回一个更原始的状态。在这里，过去用来蒙蔽人类的手段，将更高超的用来蒙蔽智能体。
04 价格机制的失灵
上面的过程，描绘的其实是智能体作为主体，替代我们去参与市场的情况。在它们真的成为主体后，现代西方经济学的基石之一，价格理论也有可能失灵。
在古典经济学的体系里，「价格」被视为一个近乎奇迹的信号。它不需要任何中央机构协调，仅凭买卖双方各自的决策，就能将千万人分散的隐性偏好汇聚成一个数字，引导资源流向最需要的地方。阿罗和德布鲁（Arrow-Debreu）的一般均衡理论为这套机制设定了三个前提：偏好是内生的（由人类自主产生）、决策是独立的、信息是分散的。这三个前提，在智能体大规模接管交易执行权之后，会逐一瓦解。
第一重，同质化决策制造系统性错配
传统经济学有一个隐含的庇护机制，即人类的认知虽然有缺陷，但一千万个人的错误是随机的。正负偏差在宏观层面相互抵消，最终形成公允的市场价格。智能体时代，这个庇护机制失效了。
数亿用户可能共享同一家科技巨头提供的底层大模型。这意味着，所有人的决策逻辑高度同质化，相同的训练数据、相同的算法偏见、相同的目标函数。当数千万个智能体面对同一类商品，它们犯的不再是随机分布的错误，而是方向完全一致的系统性偏差。这种偏差在宏观层面无法抵消，只会叠加放大，直接导致价格信号出现结构性的错配。
社交媒体已经给过我们一次预演。推荐算法共同构建的信息茧房，并没有让男女双方更了解彼此，反而持续放大和激化了婚恋观的对立。智能体的普及，只会以更极端的算力和更彻底的决策替代，把这种错位推向更深处。
第二重，无需预谋的算法合谋
传统反垄断法的逻辑建立在一个前提上：合谋需要沟通。巨头们必须在密室里开会串通，才能维持高于竞争水平的价格。但学术界已经证明，多个独立运行、各自只为主人利益最大化的智能体，可以通过相似的强化学习规则，在无需任何人类干预、也无需任何预谋的情况下，自动收敛到「合谋」状态。它们会各自发现价格战对大家都没好处，从而默契地让市场价格稳定在远高于竞争底价的水平。
这种建立在毫秒级算力上的默契，让现有的反垄断框架完全失去抓手，没有密室，没有协议，没有任何可以起诉的证据，但垄断溢价就这样安静地存在着。与此同时，当卖方的智能体掌握了你全部的历史数据，它可以精准算出你的心理底价，对你实施完美的个性化定价。统一市场价格这个概念本身就消失了。每个消费者面对的，都是一台试图榨干其全部消费者剩余的机器。价格不再是汇聚全社会供需的公共信号，而变成了算法对个体进行定向收割的工具。
第三重，偏好从被影响到被替代
这是最深的一层崩溃，也是最难被察觉的一层。AI驱动的智能体从来不是被动传递信息的「指示牌」。它们的偏好并非天生给定，而是由掌控算法的科技巨头随时设定和修改的。不同版本的模型，在性格、价值观和决策倾向上存在显著差异。
你可能觉得，推荐算法操纵偏好，这件事已经发生了将近二十年。智能体时代又有什么不同？在过去，广告至少是你主动接触的，最终买不买是你的决定。过去的算法影响你看什么，但你最终还是自己决定买不买、买多少、和谁买。决策权留在人手里，价格信号的汇聚机制就还在运转。
智能体带来的质变，是决策权的转移。当你的智能体直接替你执行交易搜索、比价、谈判、下单一气呵成，你不再是那个最终拍板的主权消费者，而是变成了一个设定目标、坐等结果的委托方。当你的购买行为是由智能体替你执行的，「商品满足了人类内在需求」这个论断就成了一个倒果为因的闭环，你以为你在消费，实际上是科技巨头通过设定智能体的目标函数，在替你消费。价格机制的前提，是有一个真实的人在做决定。这个前提，在智能体接管执行层之后才真正瓦解。你花钱买了一个智能体，想省掉决策的麻烦。结果科技巨头通过这个智能体，把你变成了他们生态闭环里一个完美的执行终端。「消费者」这个概念，在这里被彻底解构了。
价格失职之后
价格功能失效，意味着什么？价格最重要的功能，是引导资源配置。哪里价格高，说明哪里稀缺，资本和产能就会流向哪里。但当价格反映的不再是人类真实的供需，而是智能体底层的算法目标时，这个指引就会失真。如果部分智能体的首要任务不是最大化用户效用，而是拉取新用户或推动自我复制，那么全社会的算力、资本和生产资料，会被不成比例地输送到那些具有强自我复制倾向的系统上。人类本该用来改善真实生活的资源，被截流去建造对真实需求毫无意义的数字基础设施。
结果是，市场不再由有着七情六欲、会疲劳、注意力有限的人类组成。当交易主体变成不知疲倦的机器，市场蜕变成一个全天候运转的高速计算环境。在这个环境里，那个叫「价格」的信号，可能已经不再替人类说话了。
05 重构智能体时代的经济学准则
价格机制的本质，是一套关于「什么是好的」的分布式定义系统。没有人拍板，千万个独立决策汇聚出一个答案。它的合法性来自于这个过程的去中心化。当智能体接管执行层，这套分布式定义系统就需要一个替代品。而替代品的形态，决定了这场崩溃最终会坍缩到哪里。目前能看到三种可能的方向。
如果替代品是监管框架，那需要由公共机构介入，强制要求算法透明、限制个性化定价的边界。那价格失职之后还存在某种公共干预的空间，市场不会彻底沦为巨头的内部结算系统。
如果替代品是开源生态和去中心化算力，那需要没有任何一家巨头能垄断底层模型，智能体的决策逻辑足够多样，那同质化合谋的基础就会被打散，低摩擦竞争还保留一线可能。
如果以上两者都没能形成足够的制衡，替代品就只剩下少数巨头的损失函数。此时「什么是好的」这个问题的答案，不再由市场汇聚，而是由服务器深处几个参数来决定。文中描述的所有崩溃，都会沿着这条路径加速兑现。
斯密说，价格是千万人偏好的无声合唱。但当合唱团的成员都换成了机器，指挥棒握在谁手里，才是真正的问题所在。关于技术变革如何重塑商业与社会结构的更多讨论，欢迎来到云栈社区交流。
发表于 2 小时前
|
查看: 2|
回复: 0
