來源：公號180K
昨晚寫了一篇微信 + Deepseek 的first take，被騰訊內(nèi)部的一些大佬友善“批評”了，說是我們的格局小了，搜索變現(xiàn)的優(yōu)先級未必是最高...而僅僅是AI agent布局（打通小程序/企業(yè)微信/微信小店等等）的第一步...
關(guān)于AI Agent這一點(diǎn)我是非常同意的...畢竟去年10月的時(shí)候，我們就在公眾號聊過“AI Agent時(shí)代下的權(quán)力轉(zhuǎn)移”；當(dāng)時(shí)騰訊就屬于我們非�？春玫囊粋�(gè)AI Agent入口..
AI agent 時(shí)代下的權(quán)力轉(zhuǎn)換 （10月27日）
昨晚新聞出來的時(shí)候，我連夜和我們自己大老板聊了一下...我對騰訊的表達(dá)已經(jīng)足夠樂觀...不過二級市場的推票總是要循序漸進(jìn)，如果一下子把AI Agent的估值全部給灌進(jìn)去...老板們 / 資本市場也未必適應(yīng)的了...
高盛交易臺這周的觀察，確實(shí)是有一個(gè)從阿里到騰訊的rotation的（也是大家辯論最多的一個(gè)話題之一...）；微信的這個(gè)新聞出來之后，這個(gè)敘事周一應(yīng)該會(huì)繼續(xù)發(fā)酵...
騰訊的重估基本上能分為三個(gè)邏輯，
第一是類比Meta在美股的邏輯（已經(jīng)連續(xù)漲了10幾天了...），走的降本增效路線；AI對于騰訊現(xiàn)有生態(tài)內(nèi)的各類業(yè)務(wù)貨幣化（包括廣告推薦效率等等）會(huì)有大的提升；這個(gè)邏輯，Meta已經(jīng)走完了，容易映射，市場也容易理解。
第二是類比阿里云這幾天的重估（蘋果+阿里云 vs 微信+deepseek），走的是云計(jì)算重拾增速路線；這類估值賣方已經(jīng)做了不少，我就不重復(fù)造輪子了；比如高盛對騰訊云的一個(gè)估算（目前市場對于騰訊云的估值可能只占騰訊市值的5%+）；這個(gè)邏輯，這幾天的交易也稍微反映了，如果能在業(yè)績會(huì)上面兌現(xiàn)一些數(shù)字的話，應(yīng)該也有較大空間。
第三是AI Agent的星辰大海，走的是一個(gè)“call option”的路線（類比機(jī)器人業(yè)務(wù)在特斯拉市值的作用，需要按照一個(gè)“可能性“去估值）；昨天deepseek + 微信的新聞，開始給這個(gè)敘事鋪上了一些柴火；能不能燒起來，就看市場的熱情有多大了；這個(gè)邏輯，可能需要一點(diǎn)時(shí)間讓市場去理解，去想象。
今天趁著周末，好好聊一聊關(guān)于AI agent的一些想法。我們這里主要聊一些框架，至于以后多少能被騰訊實(shí)現(xiàn)？拭目以待（畢竟AI技術(shù) ，業(yè)務(wù)模式仍然在快速進(jìn)化中）。
我們還是從搜索開始聊起。
搜索的邏輯，是“圖書館管理員”的邏輯。1/ 自從ChatGPT推出之后，關(guān)于“AI改變搜索”的討論一直占據(jù)著新聞的頭條（這也是為什么過去一段時(shí)間Google估值一直不高）；但是實(shí)際上，用AI來做搜索的效果一直不是很好；“搜索”是普通人對于AI最直觀的想象，但是在技術(shù)大創(chuàng)新的時(shí)候，我們一開始往往很難去“想象”一種從來沒有存在過的事物；王老板的“坑灰未冷山東亂 劉項(xiàng)原來不讀書”一直很有啟發(fā)；
2/ 我想大多數(shù)人不會(huì)花太多時(shí)間去思考搜索/互聯(lián)網(wǎng)是什么，我們只關(guān)心我們使用互聯(lián)網(wǎng)的目的，那就是（1）獲取信息 + （2）與其他人溝通；在互聯(lián)網(wǎng)的第一個(gè)階段，我們在數(shù)億個(gè)“獨(dú)立網(wǎng)站”上組織了所有這些信息，而“搜索引擎”（百度/谷歌）就是一個(gè)幫助我們導(dǎo)航到這些獨(dú)立網(wǎng)站的“圖書管理員”；
3/ 隨著互聯(lián)網(wǎng)的成熟，尤其是在移動(dòng)互聯(lián)網(wǎng)這個(gè)階段，我們圍繞各類特定事物，對于這種信息，建立了更加具有針對性的“書架”；譬如買東西的時(shí)候，我們會(huì)到淘寶去搜索；買機(jī)票的時(shí)候，我們會(huì)去攜程/去哪兒搜索；需要生活攻略的時(shí)候，我們會(huì)到小紅書搜索；隨著“書架”越來越高效，一個(gè)聰明而通用的“圖書管理員”開始顯得不那么重要了；在我們本土互聯(lián)網(wǎng)語境下，很多年輕人已經(jīng)開始用小紅書搜索，去取代百度搜索;
4/ 來到AI Agent的時(shí)代，我們開始進(jìn)入一個(gè)“黑燈圖書館”的時(shí)代（這里引用Bernstein，Mark Shmulik的說法）；在這個(gè)時(shí)代里面，我們有了一個(gè)新的信息獲取方式，那就是不再進(jìn)入所謂的“圖書館”（不在需要訪問絕大部分網(wǎng)頁）/“書架”（甚至不需要關(guān)心你的機(jī)票來自去哪兒還是攜程，打車司機(jī)來自于滴滴或者uber），而是站在圖書館門口，等著你的AI Agent幫你把需要的信息提取出來；對的，可能有一天我們不再需要通過打開任何網(wǎng)頁/APP去獲取信息，那又何來“搜索”這個(gè)說法?
5/ 微信的“聊天場景“，恰恰很適合成為這種 ai agent 的入口。想象一下你通過微信，給你的 ai 小秘書安排工作。
互聯(lián)網(wǎng)的本質(zhì)，是“減少摩擦”1/ 在互聯(lián)網(wǎng)2.0里面，我們通過谷歌/百度這類的“圖書管理員”去幫我們減少摩擦，避免迷失幾億個(gè)獨(dú)立網(wǎng)站里面；在移動(dòng)互聯(lián)網(wǎng)時(shí)代，我們通過小紅書/去哪兒/淘寶這類的專有“書柜”去減少摩擦，根據(jù)我們的目的，去特定的信息群里面翻閱資訊；在AI的時(shí)代，我們讓AI Agent去幫我們減少摩擦，只在在乎能不能幫我們把“任務(wù)”完成，而不在乎從哪里獲得信息。
2/ AI Agent如何幫我們減少摩擦？大題可以分成3個(gè)部分（1）信息的獲��；譬如看看哪家酒店更好？譬如看看什么時(shí)候的機(jī)票更便宜（2）個(gè)性化的推薦；譬如買機(jī)票的時(shí)候，AI Agent需要知道我們對什么航空公司有偏好，定餐廳的時(shí)候需要知道我們喜歡什么樣的菜色；（3）主動(dòng)的行為；譬如我們的電腦用久了，AI需要主動(dòng)問我們是不是準(zhǔn)備換臺新電腦，或者有一家你喜歡的餐廳突然有檔期了，主動(dòng)問你需不需要預(yù)定。
3/ 要完成所有的這三個(gè)階段，可能需要很長一段時(shí)間（技術(shù)+應(yīng)用的發(fā)展）；但是目前的技術(shù)水平，至少能夠讓我們在“信息獲取”這個(gè)階段，給AI Agent足夠大的空間去發(fā)揮。
4/ 這里有一點(diǎn)需要注意的是，摩擦的減少需要足夠明顯，才會(huì)導(dǎo)致行為的改變。譬如就算今天，仍然也有人直接用google/百度去找機(jī)票（然后導(dǎo)航到攜程/去哪兒），用google/百度去問西安兵馬俑的旅游指南（而不一定是在小紅書搜一些經(jīng)驗(yàn)分享）；對于許多人來說，這類行為的改變是漸進(jìn)的，而非一夜之間所顛覆的；就算AI Agent出來后，也仍然有一部分人會(huì)依賴舊的方法去獲得信息，直到AI Agent足夠好，減少的摩擦力足夠明顯。
5/ 所以下一步，我們需要看到大模型開始能夠更加個(gè)性化地“做任務(wù)”，也能夠有自己的“記憶力”；到時(shí)候一個(gè)能夠記住你喜愛/偏好，幫你避免一堆復(fù)雜的結(jié)賬/登錄/搜索/比較的AI Agent,就會(huì)帶來質(zhì)的改變。
AI Agent之后呢？我在去年10月的那篇AI Agent的權(quán)力轉(zhuǎn)移做過不少猜想，當(dāng)時(shí)的很多思路，仍然適用，有興趣的朋友可以看看，
AI agent 時(shí)代下的權(quán)力轉(zhuǎn)換 （10月27日）
我這里摘當(dāng)時(shí)的一些討論出來；
幾個(gè)思考：
1/ 先說一些結(jié)論；AI Agent 會(huì)讓權(quán)力向 Apple （或者微信）等分發(fā)渠道進(jìn)一步靠攏；
2/ 之前5月的時(shí)候，我聊過一次關(guān)于 蘋果 vs AI vs 流量的思考；移動(dòng)互聯(lián)網(wǎng)時(shí)代下，Apple 可以從谷歌抽走20%的利潤，那么理論上AI 時(shí)代下，一樣可以；以后幾乎所有的軟件，都可以類比成為 谷歌搜索 的流量入口（不同應(yīng)用需要去競價(jià)）；用戶與智能手機(jī)的交互方式將從目前手動(dòng)選擇應(yīng)用程序(在智能手機(jī)上導(dǎo)航和使用應(yīng)用程序)轉(zhuǎn)變?yōu)樽宎gent決定"最佳"選擇。
3/ 這可能會(huì)帶來一個(gè)機(jī)會(huì),即應(yīng)用程序之間為獲得用戶業(yè)務(wù)而展開競爭。例如,用戶可能會(huì)說"幫我找到回家的順風(fēng)車",不同的共享出行公司可能都想獲得這筆業(yè)務(wù)并進(jìn)行競價(jià)。這在概念上與谷歌搜索結(jié)果并沒有太大區(qū)別。
4/ 因?yàn)檫@種跨應(yīng)用程序之間的競爭，蘋果/ AI Agent 的TAM （潛在蛋糕）將會(huì)加劇膨脹；覆蓋旅游，外賣，打車。（也就是權(quán)力靠攏帶來的自然結(jié)果）；以后蘋果 / AI Agent 的TAM不僅僅是自己服務(wù)。所有航空公司，酒店，外賣，打車的TAM，都會(huì)變成蘋果/ AI Agent 的TAM。BofA這里給的粗略猜想是在2036年，可能可以收取8%的過路費(fèi)；
5/這意味著什么？誰是贏家？誰是輸家？用大白話來做一個(gè)不恰當(dāng)?shù)谋扔�。以前你買下酒菜需要去菜市場，你訂酒店需要打電話，你買車需要去4S店；現(xiàn)在，你突然聘請了一個(gè)秘書（AI Agent），秘書通過你的授權(quán)，去比價(jià)，找商家，完成采購。而“秘書” / “大管家” 這一個(gè)角色，能產(chǎn)生多少權(quán)力尋租，在我們本土語境下不言自明（尤其是在我老家的人情社會(huì)當(dāng)中）
6/誰能夠充當(dāng)這個(gè)“秘書”/ “大管家”的角色？（這是當(dāng)時(shí)10月的思考，現(xiàn)在似乎更加明顯了）
是研發(fā)出大模型的智譜 / Open AI 們？
還是硬件 / 設(shè)備渠道的 小米 / apple們？
或者是卡位好了生態(tài)系統(tǒng)的 微信們（參考硬核聯(lián)盟 vs 游戲分發(fā)的例子）？
7/競價(jià)方式的改變
Uber / 滴滴以前是靠 司機(jī)的供給 和 旅客的需求 來做一個(gè)動(dòng)態(tài)競價(jià)；那么在 AI agent 時(shí)代下，跨平臺競價(jià)將成為可能（滴滴 和 Uber的競價(jià)可以通過 AI Agent去聚合完成）
這里的定價(jià)更接近于整個(gè)社會(huì)的 total demand vs total supply；權(quán)力尋租的空間可能更低（如果AI Agent的掌控方不作惡的話，某種程度上這樣的模式更加消費(fèi)者友好）
當(dāng)然Uber / 滴滴 們的利潤率會(huì)降低。這個(gè)也適用于美團(tuán) / 餓了么，或者攜程 / agoda
8/平臺碎片化
因?yàn)槊缊F(tuán)們不再是擁有最多供給關(guān)系的平臺，那么只要你有足夠的地推能力 / 供給能力，你就可以在對應(yīng)的地方拿下一部分市場份額。
我們可能可以看到美團(tuán)份額在北京更高，餓了么在上海的份額更高（我隨便舉例的）；只要他們在對應(yīng)的領(lǐng)域更有執(zhí)行能力 / 供給能力。
但是這樣的執(zhí)行能力，就會(huì)變成體力活，苦力活。
以前大型航空公司掌握 供給，但是不掌握需求（接觸不到客戶），可能這類狀況也會(huì)改變（不再需要攜程）；肯德基不再需要通過餓了么。
9/大數(shù)據(jù)反向殺熟
以前普通人沒有算力，沒有時(shí)間去做動(dòng)態(tài)比價(jià)�，F(xiàn)在的Ai Agent可以做到這件事（當(dāng)然你可能需要給AI Agent一定的月度訂閱費(fèi)用）。
10/AI Agent 和 Agent 的互動(dòng)；
當(dāng)一個(gè)Agent 沒辦法一統(tǒng)江湖的時(shí)候（譬如華為小米蘋果各自有一個(gè) agent）；那么定價(jià)要如何產(chǎn)生。這里我還沒想清楚，需要繼續(xù)觀察。
諸如此類的生態(tài)系統(tǒng)變化，會(huì)進(jìn)一步影響AI Agent時(shí)代下的權(quán)利轉(zhuǎn)變。
最近行業(yè)有不少發(fā)展，有一些問題我還是沒想明白；
Agent 時(shí)代下，擁有數(shù)據(jù)的公司真的有優(yōu)勢嗎？如果Agent足夠好，可以好像人類那樣去訪問小紅書的數(shù)據(jù)，那么小紅書生態(tài)里面的數(shù)據(jù)優(yōu)勢還會(huì)繼續(xù)存在嗎？
Agent 時(shí)代下，我們還需要手機(jī)嗎？如果我們獲取信息，與人溝通的摩擦力都讓Agent給磨平了，那么是不是只需要一個(gè)屏幕 + 攝像頭（譬如智能眼鏡）就夠了？
Agent 時(shí)代下，摩擦力大量減少，人們剩下來的時(shí)間，會(huì)去到哪里？可能人們娛樂的時(shí)間變多了，于是短視頻/社交類的體系又繼續(xù)成為贏家。
下面我也貼一下Bernstein的一些推測，我覺得寫的挺好，值得參考。
