TL;DR
· 「胖模型」敘事認為模型公司可能會垂直整合 API、工具、代理框架和應用程式入口點。
· 然而，要讓代理程式能夠跨越資料、工具、身份、支付和企業系統執行任務，它們不能僅僅被視為聊天方塊的升級。
· 模型巨頭在運算能力、資本、模型和分發方面仍具有優勢，但協調、記憶體、路由和身份等方面的空間可能留給新創公司。

在 AI 代理程式時代，像 OpenAI、Anthropic、Google 等模型公司是否會像市場預期的那樣，繼續吞噬 API、工具、代理框架、企業應用程式和消費者入口點？

這是「胖模型」敘事的關鍵判斷：如果封閉邊緣模型持續快速發展，並透過分發和工具鏈進行垂直整合，那麼 AI 行業的大部分價值可能會流向模型層。然而，另一種觀點認為，隨著 AI 從聊天應用程式轉向代理程式時代，價值不一定僅僅存在於模型公司，而可能分散在多個新的基礎設施層。

「胖模型」押注模型公司整合

大型模型公司的路徑不難理解：首先，擁有最先進的基礎模型，然後將能力打包成 API、開發工具和代理框架，最後進入消費者應用程式和企業工作流程。只要模型足夠強大，上層體驗、資料和開發者生態系統可能會向模型平台匯聚。

這也是資本願意給予頂級 AI 公司高估值的一個關鍵原因。路透社 5 月的一份報導顯示，在 Anthropic 完成 650 億美元的 H 輪融資後，其投後估值達到 965 億美元。OpenAI 今年 3 月披露的最新融資使其投後估值達到 852 億美元。Alphabet 的市值也已超過 4 兆美元，較 2022 年底水平增長了三倍多。市場對模型層給予高估值，是為了押注其未來的導入能力和利潤率。

然而，模型優勢是否足以讓這些公司同時擁有上層各個層級的價值，仍然存在爭議。領先的模型、運算能力、研究團隊、雲端基礎設施和企業客戶資源等關鍵要素確實集中在少數幾家公司手中；然而，一旦代理程式進入實際工作流程，價值鏈將不再僅僅圍繞「哪個模型最強大」而轉。

類似的變化在多個技術週期中都發生過。IBM 曾經將大型主機整合到硬體、軟體和服務系統中，後來被 PC 生態系統所取代；微軟曾經控制了桌面，而網路開闢了新的應用程式入口點；電信營運商曾經擁有垂直整合的網路，而網際網路則解耦了網路服務；AWS 創建了一個市值超過兆美元的雲端平台，但除了雲端之外，仍然湧現了大量獨立的軟體公司。

這些類比並非意味著「大平台總會輸」，而是表明在一個技術週期完成基礎設施部署後，價值經常從單一整合平台溢出到更專業化的層級。

智慧代理程式不是聊天方塊，而是跨系統任務執行者

代理程式生態系統的關鍵演變是，AI 不再僅僅是回答問題，而是開始承擔任務。在智慧代理程式堆疊周圍，模型、協調、記憶體、執行、身份、支付和其他層級都可能形成獨立的價值。不同的公司將在各自的層級上結合和競爭，而不是全部依賴於相同的模型平台。

支持這一評估的第一個變化是模型供應變得更加多元化。尖端模型仍然領先，但開源權重模型、邊緣模型和商業模型也在不斷湧現。不同的模型在功能、延遲和成本方面存在差異。對於許多業務工作負載，企業和開發者將在成本、速度、穩定性和任務質量之間進行權衡，而不是將所有請求都默認給最昂貴、最強大的模型。

第二個變化是 AI 的使用案例過於分散。模型公司可以創建一個通用的聊天應用程式，也可以進入辦公、程式碼和搜尋等大型入口點。然而，要讓智慧代理程式真正進入醫療保健、金融、製造、法律、客戶服務、採購和物流等行業的特定流程，每個行業都有其獨特的資料結構、合規要求、營運習慣和系統介面。單一公司難以為所有場景創建最合適的產品。

企業生產環境也將加劇這種碎片化。在實驗階段，企業可以接受模型演示或封閉的聊天工具。一旦進入關鍵流程，客戶將需要資料駐留、權限管理、審計記錄、成本控制、供應商可替換性以及合規驗證。此時，企業更傾向於組裝合適的組件，而不是被迫接受單一平台的預設選擇。

這也是智慧代理程式與傳統聊天應用程式的關鍵區別。醫療保健智慧代理程式可能需要讀取病歷、檢查藥物相互作用、存取醫院系統、生成建議並保留審計記錄。企業採購智慧代理程式可能需要存取庫存、合約、批准流程、供應商系統和支付網路。它們更像是「執行者」，在多個服務之間移動，而不是在單一視窗中運行的問答工具。

協調、記憶體、路由和身份，可能在模型之外萌芽

智慧代理程式基礎設施可以分為多個方向：協調、綁定、記憶體、瀏覽器、路由、模型市場、身份和支付。更直白地說，這些層級對應於：如何管理多個智慧代理程式，如何將模型連接到真實世界的工具，如何儲存和共享上下文，人們如何與智慧代理程式互動，哪個模型應該處理請求，如何證明智慧代理程式的身份，以及智慧代理程式如何完成支付。

協調層可能成為 AI 代理程式時代的控制中心。當多個代理程式在組織內運作時，它們需要被部署、監控、授權、協作並降低風險。單一模型 API 難以解決端到端流程管理問題。

綁定可以理解為模型的「執行外殼」。如果大型模型是大腦，那麼綁定負責將其與檔案、資料庫、網站、機器人、企業軟體和實體設備整合。不同的場景需要不同的連接工具，從而產生更專業化的產品。

記憶體層處理上下文轉移問題。當多個代理程式需要理解同一個使用者、同一個企業或同一個任務時，上下文不能僅限於單一聊天視窗。任何能夠提供可轉移、可授權和可審計的數位記憶體的人，都可能成為新的基礎設施。

路由和模型市場的價值來自於多模型部署。如果一家公司同時使用多個模型，它們需要確定哪個模型最適合哪個任務，以及如何平衡成本、延遲和準確性。因此，模型競爭不僅是排名競爭，也是實際生產環境中的調度問題。

身份和支付更具未來導向，但對於 AI 代理程式能否真正執行交易至關重要。隨著機器流量和代理程式行為的增加，網路需要區分是誰發出請求、是否已授權以及支付是否可以完成。如果 AI 代理程式要參與電子商務、訂閱、微支付或企業採購，現有以人為導向的支付和身份系統也可能需要轉型。

模型巨頭依然強大，但不一定能捕獲所有價值

這種模組化敘事的邊界也很清晰。它並不是說大型模型公司將失去主導地位。尖端模型仍然是 AI 體驗的基礎，運算能力、資料、研究團隊和分發能力仍然集中在少數巨頭手中。如果模型能力持續快速擴大，上層生態系統可能仍然圍繞這些頂級平台展開。

真正的分歧在於，AI 代理程式時代的價值是否會像聊天應用程式階段那樣集中。隨著 AI 進入實際工作流程，用戶關心的不僅是「哪個模型最聰明」，還有與遺留系統整合的能力、更換供應商、成本控制、可審計性以及跨工具任務完成能力。

這為獨立的新創公司留下了空間，但並非每個層級都會成長為大公司。在協調、記憶體、身份、支付、瀏覽和路由等方向上，每個方向最終都需要證明它們擁有足夠強的入口點、網路效應或創收能力；否則，它們很容易淪為模型平台的某個功能。

模型巨頭正在向上整合它們的能力，而新創公司和投資者則押注 AI 代理程式生態系統將催生更多專業化的層級。AI 代理程式時代未解決的核心問題是：模型會成為吞噬整個堆疊的超級平台，還是會作為新一輪模組化基礎設施的起點？