Agent競爭推演：誰會贏，誰會死？

本文來自微信公眾號：AIGC從0到1，作者：王零壹，原文標題：《Agent競爭推演：誰會贏，誰會死，按什么邏輯（萬字慎點）》，頭圖來自：AI生成

反直覺提問——人類歷史上最強超級個體、全球最強一人公司OPC、孤身就開創(chuàng)了“個人Agent”范式（堪比Mac之于個人商用電腦、堪比iPhone之于個人智能手機）、Github史上增長最快的項目（力壓操作系統(tǒng)Linux內(nèi)核）、無數(shù)榮耀加身的OpenClaw，為什么被收編了？

2026年2月14日，情人節(jié)。OpenClaw創(chuàng)始人Peter Steinberger在博客上宣布加入OpenAI。

這個消息讓很多人困惑。OpenClaw當時已經(jīng)是GitHub歷史上增長最快的開源項目之一，19.6萬顆星，三個月。百度、騰訊、阿里三大云爭相上線一鍵部署，網(wǎng)易直接推出國產(chǎn)版"LobsterAI"，王慧文公開喊話要投這個方向的創(chuàng)業(yè)者。整條產(chǎn)業(yè)鏈兩周內(nèi)形成，速度前所未有。

這么火，為什么要走？

這不很奇怪嗎？不值得深思嗎？————在此停下來思考1分鐘，再繼續(xù)，看我們的答案是否對應(yīng)？

Peter的解釋是：他想讓他媽媽也能用上Agent，加入OpenAI是最快的路。

這個解釋很坦誠，但它掩蓋了一個更深的邏輯：OpenClaw所在的那一層，正在被吸收。

不是OpenClaw不好。恰恰相反，正因為OpenClaw太好了，它證明了“個人Agent編排”這件事是可行的，于是OpenAI、Anthropic、Google都開始親自下場做同樣的事。Sam Altman親自試用過OpenClaw，扎克伯格私下在折騰這個東西。當最頂級的玩家開始認真做一件事，獨立創(chuàng)業(yè)者就沒有空間了！

Peter選擇加入OpenAI，某種程度上是一個清醒的判斷：與其在一個正在被吸收的層里繼續(xù)建造，不如去更高的地方。

這就是我想從這里開始講的故事。

OpenClaw引發(fā)的agent創(chuàng)業(yè)潮是狂熱的、真實的。但浪潮里的競爭邏輯，大多數(shù)人還沒想清楚。誰會贏，誰會死，按什么規(guī)則——這才是真正重要的問題。

一、為什么現(xiàn)在是真正的拐點？

在講競爭之前，先確認一件事：這一次真的是真的。

過去三年，AI的“拐點”被宣布過太多次，以至于很多人產(chǎn)生了免疫。但2026年的這次不一樣，有三個信號同時出現(xiàn)，而且是第一次同時出現(xiàn)。

第一個信號：門檻降到了普通人能用的程度

Gary Tan在YC的Lightcone節(jié)目里提到，一些毫無技術(shù)背景的管理者，已經(jīng)把公司流程交給了OpenClaw。郵件整理、信息查詢、表單填寫，24小時自動流轉(zhuǎn)。這在一年前還不可想象；而在國內(nèi)，AI春晚完成了最大范圍的市場教育。

技術(shù)本身不算新，但2026年是第一次真正普及到普通用戶。可用性上的跨越，這個區(qū)別很重要——不是“技術(shù)可以做到”，而是“普通人真的在用”。

第二個信號：市場響應(yīng)速度空前，按天計算

OpenClaw爆火后幾天內(nèi)，三大云一鍵部署上線，網(wǎng)易推出國產(chǎn)版，OpenAI把創(chuàng)始人招入麾下。這種響應(yīng)速度在以往的技術(shù)浪潮中從未出現(xiàn)過。

原因是AI降低了開發(fā)門檻，工具之間的組合變得更快，生態(tài)形成的速度也隨之加速。以前任何新技術(shù)的落地都需要慢慢搭建配套，現(xiàn)在這個過程被壓縮到了以天計算。

第三個信號：企業(yè)第一次算得清賬

富士通用Agent優(yōu)化倉儲，省了1500萬美元。醫(yī)療機構(gòu)節(jié)省了400工時。Foxconn有80%的決策實現(xiàn)了自動化。AI從“燒錢的技術(shù)”變成“省錢的機器”，企業(yè)的大規(guī)模采用就成了順理成章的事。

劍橋大學(xué)技術(shù)經(jīng)濟學(xué)家Carlota Perez研究過去200年的五次技術(shù)革命，發(fā)現(xiàn)每次技術(shù)革命都會經(jīng)歷“安裝期”和“部署期”。安裝期是基礎(chǔ)設(shè)施建設(shè)和投機泡沫，部署期是真正的大規(guī)模應(yīng)用和財富創(chuàng)造。

AI的安裝期大概是2017到2024年。模型在進化，算力在積累，大量早期應(yīng)用在試錯和死亡。

2025到2026年是轉(zhuǎn)折點。三個信號同時出現(xiàn)，意味著部署期已經(jīng)開始。

部署期的特征是：技術(shù)已經(jīng)足夠好，問題不再是“能不能做到”，而是“誰來做、怎么做、做給誰”。

這就是為什么現(xiàn)在的競爭如此激烈，也如此關(guān)鍵。安裝期的競爭是技術(shù)競爭，部署期的競爭是市場競爭、場景競爭、信任競爭。規(guī)則變了。

對個人從業(yè)者來說，這個轉(zhuǎn)折點意味著：你的工作數(shù)據(jù)如果已經(jīng)線上化，AI大概率會干得比你更好。程序員最先受到?jīng)_擊就是這個原因——代碼全都在線上，AI把這些數(shù)據(jù)一學(xué)就可以做得比大部分人更好。越早看清楚，越早調(diào)整。

二、競爭的三層結(jié)構(gòu)：哪層是機會，哪層是陷阱

大多數(shù)人沒有意識到，他們在哪一層競爭，決定了他們的命運。

Sequoia Capital對Agent價值鏈做了一個清晰的三層分析，我認為這是目前最準確的競爭地圖。

第一層：基礎(chǔ)層（模型+算力）

這一層正在快速商品化。OpenAI、Anthropic、Google、Meta在這里競爭，開源模型不斷拉低價格上限。兩年內(nèi)，百萬token的成本下降了90%以上。

這一層不是創(chuàng)業(yè)機會。不是因為它不重要，而是因為它的競爭邏輯是規(guī)模競爭，需要的資源量級不是創(chuàng)業(yè)公司能匹配的。Kimi K2.5能以O(shè)penAI旗艦?zāi)Ｐ?/8到1/9的價格提供接近的效果，這本身就說明基礎(chǔ)層的商品化速度有多快。

第二層：編排層（Agent運行時+記憶+工具調(diào)用）

這是現(xiàn)在最熱鬧的一層，也是最危險的一層。

LangChain、LlamaIndex、各種Agent框架都在這里競爭。OpenClaw也在這里。這一層解決的問題是：如何讓Agent更好地規(guī)劃任務(wù)、調(diào)用工具、保持記憶、協(xié)調(diào)多個子Agent。

問題是：這一層正在被基礎(chǔ)層吸收。

Agent的進化史，就是腳手架不斷被內(nèi)化回模型的歷史。推理模型出來，催生了第一批Agent產(chǎn)品；這些產(chǎn)品跑出了數(shù)據(jù)，數(shù)據(jù)訓(xùn)練了更強的模型；更強的模型把之前需要腳手架才能做到的事情內(nèi)化了進去；然后又催生了新的腳手架需求，循環(huán)往復(fù)。

Claude Code廣受好評，Codex更進一步，OpenClaw讓任務(wù)無限拉長——每一次進步，都是在把之前需要人工搭建的編排能力，內(nèi)化到模型本身。

The Information的分析直接點出了這個問題：“編排層是一個陷阱。所有人都在搶編排層，但這一層會在18到24個月內(nèi)被模型廠商吸收。OpenAI的Operator、Anthropic的Claude Cowork——這些都是模型廠商在收回編排層。”

OpenClaw的故事是最好的證明。它在編排層做到了極致，然后創(chuàng)始人被OpenAI收編，項目轉(zhuǎn)入基金會，OpenAI提供資金和技術(shù)支持。這不是失敗，但也不是獨立的勝利。這是編排層玩家的典型命運：要么被吸收，要么在吸收之前找到更深的根。

第三層：應(yīng)用層（垂直工作流+用戶關(guān)系）

這才是真正的機會區(qū)！

a16z在分析歷次平臺轉(zhuǎn)型時發(fā)現(xiàn)，每次人們都預(yù)測基礎(chǔ)設(shè)施會捕獲所有價值，但每次都錯了。PC時代，微軟贏了操作系統(tǒng)層，但Oracle、SAP、Salesforce在應(yīng)用層捕獲了巨大價值。移動時代，蘋果和Google贏了平臺層，但Uber、Airbnb、Instagram在應(yīng)用層捕獲了巨大價值。

a16z的預(yù)測：應(yīng)用層將產(chǎn)生比基礎(chǔ)設(shè)施層更多的百億美元公司。

但應(yīng)用層的競爭不是“做一個AI版的XX”，而是深度嵌入特定場景，建立只有在那個場景里才能積累的東西。

Bessemer Venture Partners分析了高價值垂直Agent的共同特征：任務(wù)頻率高（每天或每周，不是每年）、錯誤成本高（用戶愿意為可靠性付費）、有專有數(shù)據(jù)優(yōu)勢的可能、監(jiān)管復(fù)雜性（對通才形成壁壘）。

對創(chuàng)業(yè)者來說，這意味著一件事：別去搶編排層。去找一個足夠大但大廠不愿意做的場景，深度嵌入，建立只有在那個場景里才能長出來的東西。

三、意圖層，新的搜索框爭奪戰(zhàn)

理解了三層結(jié)構(gòu)，還需要理解一個更深的競爭邏輯。

Ben Thompson在Stratechery上提出了一個關(guān)鍵洞察：Agent時代的競爭，本質(zhì)上是對“意圖層”的爭奪。

搜索時代，Google控制了“查詢”——你搜什么，Google就知道你想要什么，從而控制了整個信息生態(tài)，把內(nèi)容提供者變成了供應(yīng)商。

推薦時代，抖音/TikTok控制了“推薦”——你喜歡什么，使用越久，抖音比你還清楚，從而控制了內(nèi)容生態(tài)，成為史上估值最高的未上市公司。

Agent時代，誰控制了“意圖”——你想要什么，在你把它轉(zhuǎn)化成具體任務(wù)之前的那個原始需求——誰就有了同等量級的杠桿。

Thompson的原話是：“最接近用戶原始意圖的Agent，對它下面整個技術(shù)棧都有最大的杠桿。”

這就是為什么Gary Tan說YC的slogan或許該從“做人們想要的東西”改成“做Agent會選的東西”。Agent選什么，背后是意圖層的競爭。Supabase、Resend這類B端工具流量暴漲，核心原因是AI讀得懂它們的文檔，能在執(zhí)行任務(wù)時自動選擇它們。這就是意圖層競爭的早期表現(xiàn)。

但Agent時代的意圖競爭和搜索時代、推薦時代有一個根本區(qū)別：意圖需要持續(xù)的關(guān)系和上下文，不是一次性的查詢。

Google可以通過一個搜索框捕獲意圖。Agent需要通過長期的交互、記憶積累、場景理解來捕獲意圖。這意味著意圖競爭不是贏者通吃，而是每個場景里贏者通吃。

a16z的分析印證了這個判斷：“意圖是極難捕獲的，因為它需要持續(xù)的關(guān)系和上下文，而不只是一次交互。這創(chuàng)造了不同的競爭動態(tài)：不是全面贏者通吃（像搜索），而是每個場景里贏者通吃。你的工作Agent、你的健康A(chǔ)gent、你的財務(wù)Agent——不同的玩家可以在不同的場景里獲勝。”

這對企業(yè)來說意味著一個非常具體的問題：你的產(chǎn)品能不能被Agent選中？

能被Agent選中的產(chǎn)品，有幾個共同特征：文檔結(jié)構(gòu)清晰（AI讀得懂）、API設(shè)計簡潔（Agent調(diào)用得了）、錯誤信息明確（Agent能處理異常）。這些聽起來是技術(shù)問題，但本質(zhì)上是“你是否把Agent當成了你的用戶”這個思維問題。

OpenClaw代表的核心范式轉(zhuǎn)移是：用戶變了，你的AI代理成為了主要用戶，它代表你去調(diào)用各種軟件服務(wù)。

四、護城河的真實清單：什么是模型永遠吸收不了的

現(xiàn)在回到最核心的問題：在這場競爭里，什么東西是真正的護城河？

這個問題有一個陷阱：大多數(shù)人以為的護城河，其實不是。

技術(shù)領(lǐng)先不是護城河——模型會追上來。UI體驗不是護城河——容易復(fù)制。先發(fā)優(yōu)勢不是護城河——沒有數(shù)據(jù)飛輪的先發(fā)，只是先死。

First Round Capital和YC都做過類似的分析，結(jié)論高度一致：真正的護城河，是模型永遠吸收不了的東西。

第一：專有的真實世界數(shù)據(jù)

不是公開數(shù)據(jù)，不是通用數(shù)據(jù)。是你在業(yè)務(wù)運轉(zhuǎn)過程中自然積累的、別人拿不到的數(shù)據(jù)。你服務(wù)了一千個客戶之后沉淀的行業(yè)know-how，你的Agent在真實場景中跑了百萬次之后形成的決策模式。

關(guān)鍵不是“有數(shù)據(jù)”，而是“有一個越轉(zhuǎn)越快的飛輪”。越多人用，數(shù)據(jù)越好，產(chǎn)品越好，更多人來用。這個循環(huán)一旦轉(zhuǎn)起來，后來者追不上。

第二：已建立的用戶信任

Gartner調(diào)查了500個企業(yè)CIO，78%在試點AI Agent，但只有23%在規(guī)模化部署。第一大障礙不是技術(shù)，是信任——“我們不相信Agent能在沒有人工審查的情況下做決策”。

信任是時間的函數(shù)，不是算力的函數(shù)。你可以用AI寫出完美的品牌故事，但你不能用AI替你積累十年的行業(yè)聲譽。在一個所有人都能說漂亮話的時代，“這個人靠譜”這五個字價值千金。

第三：監(jiān)管關(guān)系和制度性壁壘

金融牌照不會因為AI消失，醫(yī)療準入資質(zhì)不會因為AI消失。當所有人都“能做”的時候，“被允許做”反而成了真正的篩選機制。Bessemer分析的高價值垂直Agent里，法律、金融、醫(yī)療排在前三——因為監(jiān)管復(fù)雜性對通才形成了天然壁壘。

第四：物理世界的嵌入

AI的能力在數(shù)字世界里幾乎無限，但一旦涉及物理世界，它就需要“身體”。你的軟件可以被復(fù)制，但你在某個城市鋪設(shè)的服務(wù)網(wǎng)絡(luò)不能。你的算法可以被模仿，但你和某條工廠產(chǎn)線的深度集成不能。

第五：組織上下文和記憶積累

這是最被低估的一個！！

Lenny's Newsletter采訪了15位AI創(chuàng)始人，得出的最重要結(jié)論是：記憶不是功能，記憶是產(chǎn)品本身。

一個運行了6個月的Agent，積累了三種記憶：情節(jié)記憶（過去發(fā)生了什么）、語義記憶（用戶的偏好和上下文）、程序記憶（如何為這個特定用戶做事）。競爭對手無法通過提供更好的模型來復(fù)制這些——他們必須說服用戶從零開始，放棄所有積累的上下文。

Chris Dixon的分析更直接：“運行了6個月的Agent，相對于新Agent有巨大優(yōu)勢，因為它有6個月關(guān)于用戶的上下文。這創(chuàng)造了一種不同于移動App的鎖定——不是‘我的數(shù)據(jù)都在這里’，而是‘這個Agent了解我’。”

這五樣?xùn)|西，有一個共同的底色：它們都需要“時間×真實性”才能長出來。AI可以把生產(chǎn)壓縮到零，但它壓縮不了生長。

這條分界線：凡是可以被AI瞬間生產(chǎn)出來的，都不值得押注。值得押注的，是那些需要時間和真實性才能長出來的東西。這個判斷在Agent競爭的語境里，變得更加精確和緊迫。

對創(chuàng)業(yè)者來說，這意味著一個非常具體的自測：你在建造的東西，18個月后會不會被模型升級覆蓋？如果答案是“會”，你在建造的不是一個公司，是一個功能。

五、競爭的演化時間線，窗口比你想象得短

現(xiàn)在把所有分析整合成一條時間線。

這條時間線來自The Information、Sequoia、Benedict Evans等多方分析的交叉驗證，我認為是目前最可信的預(yù)測。

2026年：工具混戰(zhàn)期（現(xiàn)在）

特征是所有人都在做Agent，門檻極低，同質(zhì)化嚴重。這一年的競爭邏輯是：誰先占住用戶的“第一個Agent”位置。

死亡模式很清晰：功能堆砌、沒有場景深度、被模型原生能力覆蓋。First Round Capital分析了200多個Agent創(chuàng)業(yè)公司，發(fā)現(xiàn)73%建立在模型能力之上，而這些能力會在18個月內(nèi)被原生吸收。

這一年，大多數(shù)Agent創(chuàng)業(yè)公司會死。因為位置錯——站在了編排層，或者站在了模型和用戶之間當搬運工。參見：開年創(chuàng)造者入場避坑：3層框架避開先發(fā)陷阱

對個人從業(yè)者來說，這一年是認知建立期。不要追每一個熱點，要建立自己的判斷框架。你在哪個場景里有不可替代的上下文，比你會用哪個工具更重要！

2027年：場景卡位期

混戰(zhàn)結(jié)束，垂直場景開始出現(xiàn)領(lǐng)導(dǎo)者。數(shù)據(jù)飛輪開始轉(zhuǎn)動，先跑通場景的玩家開始建立壁壘。

這一年的關(guān)鍵變量是：誰的Agent在真實工作流里跑的任務(wù)最多，誰就積累了最好的場景數(shù)據(jù)。

Bessemer的警告值得重視：“垂直Agent市場將快速整合。在大多數(shù)垂直領(lǐng)域，只會有1到2個贏家。建立領(lǐng)導(dǎo)地位的窗口是從現(xiàn)在起的12到18個月。”

這意味著，如果你現(xiàn)在還沒有找到你的垂直場景，2027年底你就會發(fā)現(xiàn)那個場景已經(jīng)有人占住了。

對企業(yè)來說，這一年是戰(zhàn)略選擇期。采購哪個Agent工具，不只是效率問題，是戰(zhàn)略問題——你選擇的Agent會積累你的組織上下文，這個上下文會成為你的資產(chǎn)，也會成為你的鎖定。

2028年：生態(tài)整合期

場景領(lǐng)導(dǎo)者開始橫向擴張，Agent之間開始互相調(diào)用。

這一年的競爭邏輯從“單個Agent競爭”變成“Agent網(wǎng)絡(luò)競爭”。誰的Agent能被其他Agent調(diào)用，誰就有了新的增長飛輪。

MCP協(xié)議的競爭意義在這個階段會變得清晰。現(xiàn)在看起來是技術(shù)標準之爭，實際上是生態(tài)控制權(quán)之爭——誰定義了Agent之間通信的標準協(xié)議，誰就有了類似HTTP之于互聯(lián)網(wǎng)的地位。

這一年，孤島型Agent（不能被其他Agent調(diào)用）會面臨生存危機。

2029年：成熟市場

3到5個主導(dǎo)平臺，加上眾多垂直專家。這個結(jié)構(gòu)類似于今天的企業(yè)軟件市場——Salesforce、SAP、Oracle是平臺，無數(shù)垂直SaaS是專家。

馬斯克說人類向“硅基智能”轉(zhuǎn)型的窗口僅剩約2000天。不管這個時間線是否精確，它指向的方向是一致的：這場轉(zhuǎn)型的速度，超過所有人的預(yù)期。

Benedict Evans的觀察給了這條時間線最好的注腳：App Store時代的10年演化，Agent時代會壓縮到2到3年。這意味著更快的贏家，也意味著更快的輸家。

六、定價革命，你在和誰競爭

還有一個維度，是大多數(shù)分析都忽略的：Agent公司在和誰競爭。

大多數(shù)人以為Agent公司在和其他軟件競爭。這是錯的。

Bessemer Venture Partners的分析直接點出了這個問題：Agent時代，定價邏輯從“按座位收費”轉(zhuǎn)向“按結(jié)果收費”。這意味著Agent公司不是在和軟件競爭，是在和人力成本競爭。

傳統(tǒng)SaaS：你付錢買使用權(quán)，每月固定費用。

Agent時代：你付錢買結(jié)果，只有成功了才付錢。

Harvey（法律AI）按文件收費，Cognition（軟件工程）按任務(wù)收費，Artisan（銷售）按預(yù)約到的會議收費。

這個轉(zhuǎn)變的競爭含義是：如果一個Agent能做$6萬/年員工的工作，收費$3萬/年就是絕對的競爭優(yōu)勢——不是相對于其他軟件，而是相對于雇人。

Goldman Sachs的市場分析印證了這個框架：AI Agent的總可尋址市場是4.1萬億美元、4.1萬億美元、4.1萬億美元（重要的事說三遍），相當于當前全球知識工作者的勞動力市場。這不是軟件市場的一個子集，而是勞動力市場的一個子集。

競爭框架因此發(fā)生了根本性的轉(zhuǎn)變：不是“哪個軟件功能更好”，而是“誰能更好更便宜地完成這項工作”。

能自信提供“按結(jié)果收費”的公司，說明它的Agent足夠可靠，這本身就是最強的競爭信號。這也解釋了為什么YC觀察到B端Agent公司達到100萬美元ARR的速度是B端普通SaaS的3倍——因為它們在和人力成本比較，而不是在和其他軟件比較，價值主張更清晰，決策更容易。

對企業(yè)來說，這意味著評估Agent工具的框架需要改變：不是“這個工具值多少錢”，而是“這個Agent能替代多少人力成本，可靠性如何”。

七、OpenClaw之后，真正的競爭才開始

回到開頭的問題：OpenClaw為什么被收編？

不知我的分析和你心中的答案是否對應(yīng)。

OpenClaw做了一件極其重要的事：它證明了個人Agent是可行的，它讓普通人第一次真切地感受到“AI在實打?qū)嵉馗苫盍恕薄Ｋ遣渴鹌陂_始的信號彈。

但信號彈本身不是目的地。

OpenClaw所在的編排層，正在被基礎(chǔ)層吸收。這是技術(shù)演化的規(guī)律——每一層的創(chuàng)新，最終都會被下一層內(nèi)化。就像當年的推理能力、多Agent協(xié)作能力，都被內(nèi)化進了模型本身。

真正的競爭，在編排層之下，在應(yīng)用層之中。

在那里，競爭的規(guī)則是：誰控制了意圖，誰積累了上下文，誰建立了信任，誰嵌入了物理世界，誰擁有了監(jiān)管關(guān)系。

這些東西，不是靠算力堆出來的，不是靠融資燒出來的，不是靠模型升級得到的。它們是在真實場景里，一天一天長出來的。

前文開年創(chuàng)造者入場避坑：3層框架避開先發(fā)陷阱里寫過一個判斷標準：先發(fā)陷阱的本質(zhì)不是時間問題，是位置問題。死的不是入場早的人，死的是站在模型和用戶之間當搬運工的人。

站在編排層的人，正在被吸收。

站在意圖層的人，正在建立最強的杠桿。

站在應(yīng)用層、深度嵌入垂直場景的人，正在建立唯一真正持久的護城河。

窗口真實，但窗口比所有人想象的都短。

Bessemer說，垂直Agent市場建立領(lǐng)導(dǎo)地位的窗口是12到18個月。The Information的時間線說，2027年底沒有建立清晰領(lǐng)導(dǎo)地位的玩家，大概率出局。

這是正在發(fā)生的故事，這是2026的每一天。

參考文獻：

1. Ben Thompson， "Agents and Aggregation" & "The Agent Layer Cake" & "Why OpenClaw Changes Everything"， Stratechery， 2025-2026

2. Sequoia Capital， "The Agent Stack: Where Value Accrues"， 2026

3. a16z， "Intent is the New Search" & "The Application Layer Renaissance" & "Why the Agent Era is Different from Mobile"， 2025-2026

4. Bessemer Venture Partners， "The Vertical Agent Opportunity: A Framework" & "The Death of Per-Seat Pricing"， 2025-2026

5. First Round Capital， "Why Most AI Agent Startups Will Fail" & "Agent-Native vs Agent-Enabled" & "The Agent Startup Playbook"， 2025-2026

6. Lenny Rachitsky， "The Only Moats That Matter in the Agent Era" & "Memory is the New Moat"， Lenny's Newsletter， 2025-2026

7. Benedict Evans， "The App Store Moment for AI Agents"， 2026

8. The Information， "The Orchestration Wars" & "The Consolidation Timeline"， 2026

9. Andreessen Horowitz， "Why Cursor Won and What It Means for Agent Startups" & "How Agents Create Lock-in: A Framework"， 2025

10. Coatue Management， "Data Flywheels in the Age of Agents"， 2025

11. NFX， "Network Effects in the Agent Economy"， 2026

12. Goldman Sachs， "The $100B Agent Market: Where the Money Will Flow"， 2026

13. Carlota Perez， "Technological Revolutions and Financial Capital"， Cambridge University Press（框架引用）

14. Y Combinator， "What Doesn't Get Absorbed: A Framework" & "Why B2B Agent Startups Are Winning"， 2026

15. Gartner， "The Trust Deficit: Why Enterprise Agent Adoption is Slower Than Expected"， 2026

16. Azeem Azhar， "AI and Perez's Technology Revolutions Framework"， Exponential View， 2025

17. VentureBeat， "OpenClaw and the Open Source Agent Ecosystem"， Feb 2026

18. YC Lightcone Podcast， Gary Tan， Harj Taggar， Jared Friedman， Feb 2026

本文來自微信公眾號：AIGC從0到1，作者：王零壹（ex上市公司CMO，《AIGC從0到1》第一作者，專注AI時代的商業(yè)模式與產(chǎn)品架構(gòu)，主張"用AI，不AI"。“AIGC從0到1”是創(chuàng)造者的航海日志，由<航線圖><方向舵><壓艙石>組成）

本內(nèi)容由作者授權(quán)發(fā)布，觀點僅代表作者本人，不代表虎嗅立場。如對本稿件有異議或投訴，請聯(lián)系 tougao@huxiu.com。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4836961.html?f=wyxwapp