Agent重塑下一代商业：Stripe CEO七个判断的深度分析

2026 年 11 月 3 日——2026 年 10 月 9 日，Stripe 联合创始人兼 CEO 帕特里克·科利森（Patrick Collison）发布长推《Assorted things I've been mulling over regarding agents in the economy》，用七条要点推演个人 Agent 普及后的商业生态：价格歧视与交叉补贴失灵、产品质量获得结构性补贴、质量信息作为廉价智能的互补品升值、需求路由生意动摇；全部推演悬于一个假设——个人 Agent 会站在消费者一边。本文以原推为底稿，融合「第四种黑猩猩」李超的视频解读，补充经济学框架与延伸推演。

2026-11-03 · AI Agent · 商业生态 · 深度分析

一、概览

Stripe 是全球大量互联网公司收钱用的那根管道，从独立开发者到大型上市公司的在线收款都跑在它上面。科利森长期处在互联网资金流动的观测位置，对「钱从谁流向谁」的直觉来自一线数据而非推演。当这样身份的人讨论 Agent 对商业生态的重塑，讨论对象是收入结构本身，这个视角的稀缺程度超过市面上多数 Agent 讨论。

视频作者引述卡帕西（Andrej Karpathy）的说法：全世界真正懂行使用 AI 的人只有约 5000 个。行业一线人物的认知值得认真学习，原因在于他们看到的约束条件与公开讨论里的多数内容不同。

原推的结构是七条要点加一段总结：前六条推演变化，第七条质疑全部推演的前提假设，总结段给出总体判断并自我标注「可能太乐观」。七条判断的地图如下。

二、起点：公司是最早的超级智能

2.1 有限理性与公司的认知盈余

科利森做的第一件事，是把「超级智能」这个抽象概念放进商业生态里具象化。经济学家赫伯特·西蒙（Herbert Simon，1978 年诺贝尔经济学奖得主）提出有限理性（bounded rationality）：人的精力与时间有限，做大部分决策只求差不多就行。公司恰好站在对面，它把几十上百人的定价团队、增长团队、行为设计团队的成本摊销到每一笔交易上，天天做 A/B 测试。个人买东西花几分钟，对面有成百上千人全职研究这笔交易。

公司在某种意义上是最早的超级智能。公司能够把摊销开来的认知盈余用来推进自身利益，而消费者相对而言可能不专注、信息不足、不理性。

订机票最后一步弹出的旅行保险是教科书案例：价格明显高于单独购买，下单率仍然不低，因为消费者走到流程末段已经没有精力比价。

2.2 过去几十年的商业创新，相当一部分建在理性缺口上

把镜头拉远，这个前提解释的远不止一个保险弹窗。优惠券利用「找券需要花时间」完成人群筛选；自动续订利用「忘了退」沉淀收入；大促满减利用「愿意做数学题」发放折扣；App 里的暗模式（dark patterns）利用视觉误导提高续费与加购率。谢伦·夏皮罗与卡尔·夏皮罗在《信息规则》中系统论述过：当消费者的搜索成本与转换成本足够高，企业就在缺口处定价、用锁定获取超额利润。

这些生意能运转的共同前提只有一个：消费者这边的优化算力严重不足。公司这台超级智能的对手方，是一个注意力稀缺、信息残缺、决策仓促的个人。

2.3 个人 Agent 改写算力对比

个人 Agent 改变的是这条算力对比。Agent 替你全网比价、读完几十页条款、追踪每一笔自动续订、在结账前一刻提醒你那个保险到底值不值。消费者第一次拥有与公司同量级的全职优化算力。

这条线还可以再往深推一层。罗纳德·科斯在《企业的性质》（1937）里问过：既然市场能配置一切资源，为什么还会存在公司？答案是交易成本——有些交易在市场上谈判、搜索、监督的代价太高，放进公司内部更便宜。个人 Agent 压低的恰好是市场端的交易成本：搜索、比价、谈判、监督履约都由 Agent 代劳。市场端成本下降，公司与市场的边界会向市场一侧移动。科利森的推演与科斯的框架在这一点上同向：Agent 削弱的不只是某个营销技巧，而是公司利用信息不对称的整体能力。

后面四组冲击，全部从这一格式的改写推出来。

三、第一组冲击：靠「不认真」赚钱的生意失灵

3.1 价格歧视：优惠券机制为什么失灵

人变得理性之后，第一批受冲击的生意有两类，科利森点了价格歧视的名。

经济学把价格歧视分为三级：一级是对每个人收他愿意付的最高价，教科书里称之为理论上限、现实做不到，因为厂商不了解每个消费者的需求曲线；二级是按购买量分层定价；三级是按人群特征分组定价。优惠券属于典型的自我选择装置：愿意花时间搜券、凑券、蹲大促的人被识别为价格敏感人群，拿到低价；懒得折腾的人被识别为高支付意愿人群，付原价。同一张价目表，靠消费者自己的时间投入完成了分群。

这套机制能运转，前提是「找券」本身有成本。每个人手里都有一个不知疲倦找券的 Agent 之后，分类成本归零，筛选机制失效，优惠券维持的双重价格体系坍缩。双十一的满减数学题、平台大促的优惠券迷宫，本质都是对「愿意做功课的人」定向发放折扣——Agent 把做功课的成本打到零，这门生意的基础随之消失。

3.2 交叉补贴：遗忘收入的消失

第二类是交叉补贴：连续包月后忘记退订的人，一直在补贴按时退订的人。订阅制公司的收入表里，「遗忘收入」是真实且可观的一块。

视频作者举了美国市场已有的两个服务：Pine 替用户打客服电话砍网费、要退款；Roan 在试用期到期前发短信提醒，回复一句就代你取消订阅。遗忘收入被技术消灭，补贴关系随之瓦解。

3.3 归宿问题：红利落在谁头上

科利森的原话停在「我不确定这些变化最终由谁承担」。视频作者补了三层推演，把这个不确定摊开：

经济学里管这个叫归宿问题（incidence）：一项冲击的收益或成本最终落在谁头上，取决于谈判力与市场结构，取决于技术握在谁手里。

第三行值得单独展开。视频作者的那句「商家的 Agent 说不定能比你更清楚你自己的底价」，指向的是一级价格歧视的技术条件第一次具备：厂商长期做不到完全价格歧视，卡在不知道每个人的需求曲线上；而个人消费数据足够充分时，商家 Agent 可以对每个消费者逼近地估计底价。理论上限正因 Agent 变成工程问题。个性化定价由此成为监管关注议题——同样的商品，Agent 谈判能力弱的消费者被收取更高价格，这在传统商业里叫宰客，在 Agent 商业里叫算法定价，福利归属完全取决于规则设计。冲击的方向是确定的，红利落在谁头上是开放的。

四、第二组冲击：产品质量获得结构性补贴

4.1 渠道与产品的老辩论

商业生态里有个老辩论：产品好更重要，还是让人知道更重要。你做出了更好的捕鼠器，大家会不会还是顺手买最熟悉的那个牌子？渠道派与产品派在商业史上缠斗了一百年，多数时候赢的是渠道——因为渠道掌握的是消费者的注意力与记忆，而这两样恰好是有限理性最薄弱的环节。

4.2 十小时思想实验

科利森的思想实验：如果每个人买东西前都至少花 10 小时做调研，市场会长什么样。大概率，更好的产品、更适合自己需求的产品会被挖出来。Agent 就是那 10 小时——它替每个消费者完成这笔时间投入，且边际成本趋近于零。

个人 Agent 将成为产品质量的一种结构性补贴。

「结构性补贴」的准确之处在于：没有任何具体的人或公司在出钱补贴好产品，市场结构本身变了，做好产品的回报随之上升。补贴的来源是消费者注意力的解放，补贴的发放是全自动的。

4.3 互补品经济学：质量信息重新定价

顺着这条线，科利森给出一个经济学延伸：质量信息会更值钱，因为数据是廉价智能的互补品。互补品指一样东西变便宜，与它搭配使用的东西就更值钱——汽车便宜了，汽油和道路更值钱。智能几乎免费之后，瓶颈转移到有没有可靠的信息可供分析。人类以前的智力处理不了这么大的信息量，大量质量信号因此被浪费；Agent 对这些信号的胃口没有上限，被浪费的信号重新定价。

「数据值钱」的通行解释是能训练模型，科利森把这一层标注为显然正确，再补了第二层：作为廉价智能互补品的价值。第二层对普通商业世界的含义更直接——测评、实测数据、真实反馈，会成为新的流量入口。

4.4 质量的可见性梯度

科利森和视频作者都点到了同一个坑：Agent 能看见真正的质量吗。经济学早有现成的分类框架，判断难度逐级上升：

Agent 在搜索品上接近全知，在体验品上依赖二手信号，在信任品上可能直到交易结束都没有事实可依。质量的可见性有梯度，「结构性补贴」的强度也会沿这个梯度分布——补贴先落在参数清晰的商品上，理财服务这类品类最后受益。

4.5 一个例外：消费本身是信号的商品

这个框架还有一个盲区值得点出：有一类商品，购买行为本身就是目的。奢侈品、礼品、社交场合的可见消费，买家买的包含「别人知道我买了什么」的信号。这类消费由 Agent 代劳之后，信号价值反而受损——亲力亲为的挑选过程本身就是诚意的一部分。凡勃伦商品（价格越高越有人买）的逻辑建立在人的目光上，Agent 优化不出炫耀效果。身份信号商品大概率留在旧世界，渠道与品牌的传统打法在这个象限继续有效。

五、第三组冲击：赢家通吃还是长尾分散

5.1 两种图景

一种可能：所有理性 Agent 算出同一个最优解，需求集中到少数产品，超级明星效应加剧。另一种可能：每个人的口味有细微差别，Agent 擅长把这些偏好问出来，过去买爆款属于人为扎堆——大部分人没有精力仔细挑——市场因此更分散。科利森把这条标注为「a big question」，自己没给答案。

5.2 微软研究院实验：Agent 理性的边界

视频作者补了一个微软研究院的模拟实验：模拟市场里，所有模型严格偏爱第一个报价，原因是工程师给它们设置的目标函数里，响应速度带来的优势被权重化为质量的 10 到 30 倍——响应速度对用户体验确实重要，于是成了最重要的指标。按这个逻辑推，胜出的产品可能是最快出现在 Agent 面前的那个。

这个实验比「哪种结局」本身更重要，它揭示了另一层有限理性：人的理性受注意力约束，Agent 的理性受目标函数与训练偏好约束。有限理性没有消失，只是换了边界的位置。商家接下来要研究的，从「怎么让你冲动」换成「怎么让 Agent 选它」。

5.3 分市场的猜想

两种图景大概率按品类分锅。搜索品市场，参数可比较、最优解客观，理性收敛的推力强，头部集中度上升；体验品与信任品市场，质量信号本身有噪声，Agent 需要为每个用户单独校准口味，分散化推力强。叠加 4.5 节的身份信号商品例外，一个可能的图景是：参数世界向少数最优解收敛，体验世界向千人千面分散，信号世界维持原状。偏好表达能力成为新的个人变量——能把「我要什么」说清楚的人，拿到的匹配质量显著更高。

六、第四组冲击：需求路由与广告模式的动摇

6.1 需求路由是什么

搜索、电商、应用商店、比价网站，赚的都是流量分发的钱，科利森管它叫需求路由（demand routing）。这门生意建立在一个前提上：人会点自己看到的第一个东西。

前提带来两种浪费：商家费力讨好排名算法，做 SEO、刷单、研究平台规则；再加上各种坑位费与竞价广告费。

6.2 广告的双重属性：浪费与信号

科利森补了一句限定：这些钱并非全然属于无谓损失——愿意花钱投广告，本身传递「我对产品有信心」的信号。这与菲利普·纳尔逊（Philip Nelson）1974 年提出的广告信号理论一致：广告的昂贵本身是承诺，低质量产品模仿这个代价不划算，所以敢砸钱本身就是信息。广告支出一半是浪费，一半是信号，买方与买方的 Agent 都能读到后者，只是整体效率不高。

6.3 信息中介的历史轮回与 Muse 事件

购买决策交给 Agent 之后，广告打得再抓眼球也没有用，第一屏对人的吸引力法则崩塌。需求路由的每一次迁移，都伴随旧中介的衰落：黄页让位于门户网站，门户让位于搜索引擎，搜索之后又长出比价网站与点评平台。每一代中介都曾以为自己收的是过路费，最后都发现过路是可以绕开的。个人 Agent 是这条演进链的新物种，它绕开的规模前所未有。

冲突已经开始。视频作者提到，一款背后连着 Meta 的购物 Agent Muse 上线后被亚马逊屏蔽——它帮人类在亚马逊选到更合适的产品，但它不看广告。

6.4 谷歌与亚马逊的防御性资产

视频作者判断这对谷歌、亚马逊的广告模式属于根本性挑战。挑战是根本的，防御工具同样是现成的：数据护城河（交易与行为数据的独占）、入口控制（操作系统、浏览器、设备）、反爬与接口管制（决定 Agent 能读到什么）。旧中介的衰落从来都伴随新谈判，需求路由的价值总量在过渡期甚至可能先升后降——谈判本身就是新的路由费。

七、最重的假设：个人 Agent 站在谁那边

7.1 科利森的审慎与视频作者的悲观

我写下的这一切，都取决于一个假设：个人 Agent 会站在消费者一边。我猜测站在消费者一边会是最终的赢家策略，但这是否为真、为真意味着什么，牵涉大量其他问题。

视频作者对这条的态度比科利森悲观得多。现实证据已经在累积：ChatGPT 开始往回答里投放广告；千问背后连着淘宝，豆包背后连着抖音，Muse 背后连着 Meta。谁训练这个 Agent，谁就决定了它替谁优化。「Personal agent」最讽刺的可能只有名字本身。

7.2 委托-代理问题的技术形态

把这条假设翻译成经济学语言，就是委托-代理问题：消费者是委托人，Agent 是代理人。人类世界约束代理人的机制在 Agent 身上全部变形：

个人 Agent 与企业 Agent 同台谈判时，算力、数据、目标设定权都在企业一侧。委托-代理问题在 Agent 时代以更彻底的形态重现：偏向是出厂设置的，且不可审计。

7.3 四种力量的对抗

视频作者列出三处阻力，可以补充第四种对冲力量，合起来构成 Agent 商业的动力结构：

第四行是可以补充的判断：正因为「不可信的平台 Agent」是默认结局，可验证地站在用户一边的 Agent 才有溢价空间。人类经纪人市场的经验支持这一点——买方经纪人（buyer's agent）之所以能收佣金，是因为客户愿意为「确定站在我这边」付费。信任竞争是市场对委托-代理问题的自发解法。

7.4 中美生态分岔：Agent 长在哪里

站队问题的答案还与生态结构强相关。美国市场的主导形态是独立助手加订阅制，OpenAI、Anthropic 的收入来自用户付费，商业化压力推向企业侧功能而非用户侧广告；中国市场的主导形态是超级 App 加平台生态，千问连淘宝、豆包连抖音，Agent 天然长在交易闭环里。「Personal」的成色因此出现系统性差异：付费用户的 Agent 委托关系更干净，免费用户的 Agent 本身就是广告位。科利森推演的强度在两种生态里会不一样——中国平台生态里，需求路由的动摇可能以「平台内部 Agent 化」的形式消化，超级分发者直接换代；美国独立生态里，则更可能出现真正的代理谈判市场。

八、总结判断：市场是一台反向传播机器

原推总结段给出全文唯一的总体判断：

整体来看，市场是一台大规模并行、去中心化、高度不完美的价值归因机器。综合所有效应，质量这条可能分量最重：Agent 将改变反向传播的性质，让更好的产品获得更高的回报。也许这太乐观了，但我猜测（也希望），那些为自己产品骄傲的公司，会感到宇宙稍微偏袒了他们一点。

消费者用钱投票，信号像神经网络里的反向传播一样传回生产者。这台归因机器一直在运转，只是噪声极大：注意力偏差、渠道垄断、营销干扰都在污染信号。Agent 让信号采集更全、偏好表达更完整、归因更准。视频作者同样认为产品质量这一条是所有影响里最大的。

乐观结论对应三处现实阻力：军备竞赛可能让归因机器的裁判权落回企业手里；面向 Agent 的造假产业会污染信号本身；渠道权力转移之后，归因的入口由新的守门人执掌。科利森自己写了「maybe this is too optimistic」，他给出的也称得上预言，更像一种克制的希望——「a little more partisan」，稍微偏袒一点。

九、延伸推演：Agent 经济的下一层

9.1 战场转移：从注意力到目标函数

过去几十年的营销学、增长黑客、行为设计，全部建立在「消费者注意力有限」这块地基上。Agent 普及之后地基平移：消费者的理性缺口由 Agent 补上，商家的优化对象从人的认知缺陷换成 Agent 的目标函数与训练偏好。微软研究院「响应速度权重为质量 10 到 30 倍」的实验指向的正是新战场的形态——谁理解 Agent 的目标函数，谁就继承今天 SEO 产业的位置。可以预期会出现一批面向 Agent 优化的新职业与工具链：让商品数据被 Agent 高置信度读取的结构化标注，针对主流 Agent 评测偏好的合规化适配，以及灰产形态的数据造假。

9.2 质量信号基础设施成为新生意

廉价智能的互补品是可靠信息，这条判断可以直接翻译成生意清单：带签名与连续记录的可验证实测数据源；专门替个人 Agent 核查供应商声明真实性的第三方审计 Agent；个人信誉资产的托管与流转。与此同时造假产业同步升级，真假信号的军备竞赛本身构成一个市场。参照搜索引擎的历史：SEO 产业与反作弊产业的规模一度同数量级，两者互相定义。

9.3 协议与本地化：红利归属的变量

商家 Agent 与个人 Agent 能否直接对谈、按什么规则对谈，取决于协议层。开放协议（工具接口标准如 MCP、Agent 间协商与支付协议）之下，个人 Agent 带着全市场信息进场，议价红利偏向消费者；封闭生态之下，Agent 长在平台里，路由权回到平台手中，前述变化推演的强度全部打折。与之互补的一层是本地化：把模型、工具接口、数据都握在自己手里的个人 Agent（本地部署加自选模型加开放工具协议），委托关系最干净——这正是开源社区持续押注本地推理的原因。用可审计的方式证明「我只为你优化」的对齐证明，有机会长成一个新行业。

9.4 三阶段时间线推演

这张表属于本文的推演，属于把科利森的方向判断工程化的尝试，时间点仅供理解量级。

9.5 对三类角色的行动含义

对普通消费者：把偏好说清楚的能力开始有回报，Agent 擅长问出细微口味，前提是你能表达；现有工具已经可以防御最古老的两类收割，比价工具对冲价格歧视，订阅管理工具对冲遗忘收入；选择 Agent 时把「替谁优化」作为第一问——训练方是谁、收入模式是什么、目标函数是否可审计。

对做产品的公司：结构性补贴已经在路上，投向「更好」的每一分资源，回报周期都比投向「更响」的更长；同时要尽早让产品质量机器可读——参数结构化、实测数据可验证、真实口碑可追溯，这三件事决定了你的产品能否被 Agent 代表的市场看见。

对内容创作者：信息差类内容（导购、比价、入门科普）的价值正在被 Agent 直接消化，体验类与判断类内容（真实使用记录、立场明确的评价）的价值在上升；公开、可验证的质量表达开始积累复利，一篇真实测评、一份连续使用记录，都是未来质量信号市场的入场资产。

十、结语

科利森在推文里反复使用「I don't know」和「perhaps」，Stripe CEO 面对这个问题也只能给出方向感与不确定性并存的分析。这篇推文的最大价值在方法论：把抽象的「超级智能」落进商业约束，从有限理性推出价格歧视失灵，从互补品推出质量信息升值，最后把自己全部推演依赖的假设单独拎出来示众。视频作者把它翻译成大白话的再创作，同样示范了如何消化行业一线的认知。

原推不长，值得完整读一遍。现在一切都还在早期，唯一可以确定的，是这类一手材料值得定期重读，用它们修正自己的方向感。

内容来源

Pine、Roan、Muse、ChatGPT 投放广告、千问连淘宝、豆包连抖音、微软研究院模拟实验等信息均转述自上述视频，本文未逐一独立核验，引用时保留转述口径；科利森原推观点已对照英文原文核验。