仪表盘已死：从SaaS到AI Agent的CLI管道

liumuhui 4小时前阅读数 1 #区块链

Crypto 研究与洞察

上一次客户从人类变成机器，创造了一个 1350 亿美元的行业。Agent 优先的转变规模更大。

上一次客户从人类变成机器，仅在美国就创造了一个 1350 亿美元的行业，而且只发生在广告这一个领域 (IAB/PwC, 2024)。Agent 优先的转变是同样的结构性变革，但将应用到每一个运行在软件之上的行业。其规模将大出几个数量级，而大多数人从未听说过那些获取了这部分价值的公司。

"2024 年，程序化广告收入达到 1348 亿美元，较 2023 年增长了 18.0%。"

核心原语

AI 承诺了太多东西，而且越来越明显的是，AI 在编排信息和行动方面具有巨大的优势。在最根本的层面上，AI 所解决的原语是大幅降低认知成本，就像互联网大幅降低了通信成本一样。脚本可以执行任务，但 AI 可以对任务进行推理，在以前需要人类中介做出判断的地方做出决策。当认知变得几乎免费时，整个用于编排认知的协调层就成了核心。

SaaS 产品正在向 Agent 优先转型，这是一条从 SaaS 到 CLI 的管道。我看到的情况是，未来许多 SaaS 产品将成为接入个人 Agent 基础设施的管道。每个人都有各自的个人 Agent 基础设施；很多人会用"链上部署了成千上万个 Agent"之类的话来把水搅浑。我们现在看到的真正的 Agent，是人们的编码 Agent，它是中心化 Agent 的一个很好的例子。编码 Agent 目前之所以能占领市场，是因为技术门槛；但更宏观的要点是，每个人都有一个中心化 Agent。我们已经在 Claude Cowork（面向非技术用户）中看到了早期迹象。那个中心化 Agent 将像 Clawdbot（@openclaw）那样半自主地运行，并被接入所有这些不同的应用程序。所以如果你是构建者，你基本上需要为每个人的编排 Agent 提供接入轨道。有了这些编排 Agent 的轨道，商业模式就变成了工具、数据、智能——所有这些不同的服务——都可以通过 MCP/CLI 和 x402/MPP 之类的产品，经由这些个性化编排 Agent 来提供服务。

精明的团队已经完全理解这一点。我们已经看到许多案例，像 Uniswap 这样的协议，甚至像 Ramp 这样的 web2 公司，都在为 Agent 优先的消费方式搭建管道。

有可能，这基本上就是仪表盘/界面的隐喻式死亡。仪表盘被从等式中移除；或者更确切地说，它变得不再那么像一个可视化层，因为你订阅这些服务后，你的 Agent 会将重要信息可视化。你可以用你的 Agent 能够呈现的方式来交叉分析信息。仪表盘实际上只是用来做发现，因为你无需在 SaaS 产品的仪表盘内进行增量分析。Agent 可以结合上下文监控特定的触发条件、信号等等。你不再需要亲自分析 CRM、客户服务管道、产品和项目管理工单，而是由一个中心化的个人权威来做这些决策。

仅 2026 年 3 月，加密生态系统中各个层面的 Agent 优先采用速度都急剧加快：

我们看到，像 Claude Code、Codex 和 Anthropic 的 Claude Cowork 这样的应用，就是这方面的早期版本；对于创始人和构建者来说，界面就是 CLI。我们正在朝着这样一个世界前进：Agent 可以用 x402 或 MPP 之类的东西进行微支付，而针对这些服务的微支付可以真正随使用量扩展。因此，不仅出现了一个全新的信息消费层（数据行业在 API 等信息消费方式上已经非常习惯了），而且由于 Agent 的出现，商业模式也在改变。本质上，客户正从个人变成 Agent；由于用户从人变成了 Agent，工具、能力以及消费结构全都随之改变。

这对构建者意味着什么

对于构建者来说，这意味着你需要习惯在你的编排系统上工作。你的工具和其他一切东西都应该接入你的工作空间。例如，我目前使用 CRM 和像 Linear 这样的产品管理工具，这些产品可以直接接入我的编码 Agent。我可以在像 Claude Code 这样的工具中处理分派给我的工单，或者更新业务状态。所以当构建者们在构建时，这个时代正在变成"为 Agent 而构建"的时代，即使做的是 web2 SaaS 也是如此；不过这对服务中小型企业尤其重要，因为这类团队的灵活性更大。你不需要审批就能集成工具。这对大型企业来说会更困难，但对于灵活敏捷的早期公司和创始人来说，团队很可能会拥有高度优化的编排栈，把所有这些不同的业务管理、销售和产品开发工具都接入进来。

信任巨石问题

有趣的是，信任层如今已经存在，并且就位于你的 Agent 之内。你的 Agent 成为代表你业务的联络人，问题是人们愿意对这些 Agent 投入多少信任？当信任被交给 Agent 时，虽然它可能没有恶意，但知识处理和解释的结构是由 Agent 本身塑造的。一个例子可能是，某人在后续消息中带着讽刺的语境，或者你曾当面见过这个人；由于技术的局限性，LLM 可能会错过这些细微差别。这是一个很明显的例子。另一个问题是，并非所有人的想法都一样，因此你最终可能会得到一种"决策巨石"——一种关于企业如何运营、创建和运作的巨石。因此，让 Agent 处理工具之间的生产与编排，同时保留操作者的独特方法论（edge methodology）和品味，就变得极其重要。

在一个界面正在消失的世界里，什么东西才能真正形成护城河？是数据吗？是工具输出的质量吗？Agent 正在消费不同类型的工具：智能服务、像搜索这样的信息检索、其他 LLM 的 API 密钥、专门的 LLM、结构化数据产品，以及像 CRM 这样的框架。在这样的时代，分销、信任和监管捕获成了护城河。与 CLI 和编码 Agent 的集成，正在成为新的产品分销轨道，一种提供产品的新方式，一个新客户；而这个新客户有不同的要求和不同的需求。

一个历史类比：程序化广告

这种转变有一个直接的历史先例。在 2000 年代末，数字广告经历了完全相同的结构性变革。在程序化出现之前，广告是一个人与人之间的业务。代理机构的媒体采购员会给出版商的销售代表打电话，谈判价格，签署投放订单，然后手动投放广告活动。界面实际上就是人：关系、电话、晚宴、RFP。出版商的价值是捆绑式的：受众、广告位、创意背景和报告，都通过同一个仪表盘和同一个销售人员来提供。

然后，客户变了。突破来自 Right Media 的 Brian O'Kelley，他在 2007 年左右提出了实时竞价的概念。RTB 不是预先批量购买广告展示，而是允许广告商在用户加载网页时，对单个广告展示进行实时竞价。这相当于一个股票交易所以毫秒级速度执行交易。谷歌很早就意识到了这种转变的规模，于 2007 年以 31 亿美元现金收购了 DoubleClick，后者成为其程序化帝国的主干。由 IAB Tech Lab 于 2010 年正式确定的 OpenRTB 协议，成为机器对机器广告交易的标准语言；而今天，MCP 正在为 Agent 到服务的通信扮演同样的角色。

算法需要 API、结构化的竞价请求、展示级数据，以及以几分之一美分的价格在微秒级完成交易的能力。它不需要仪表盘或人际关系，也不在乎出版商的品牌。整个行业围绕服务这个新机器客户进行了重组。

Agent 优先的转变，将同样的结构性变革应用到每一个运行在软件之上的行业：金融服务、医疗保健、物流、法律、商业、项目管理等等。其可寻址市场，比程序化在广告领域单独获取的市场要大出几个数量级。这与当前 SaaS 和 Agent 之间正在发生的事情几乎完全平行：

弊端：当你移除人类时会发生什么

程序化转变也带来了显著的弊端，Agent 优先时代的构建者应该仔细研究。当你把人类从交易中移除时，你就失去了判断力。在程序化广告中，这表现为大规模的品牌安全危机：算法无法判断上下文，大品牌发现自己的广告出现在极端主义内容、假新闻和有害材料旁边。摩根大通发现其广告出现在阴谋论网站上。自动化系统优化的是覆盖面和成本，而不是上下文或声誉。广告欺诈也成为一个巨大的问题。根据行业估计，全球广告欺诈损失每年超过 350 亿美元；一项研究发现，花在程序化广告上的每一美元中，只有 36 美分真正到达了消费者手中。欺诈者建立假网站，部署机器人农场来模拟点击，并利用系统的自动化特性，从那些完全看不到自己资金去向的广告商那里吸走数十亿美元。

这与 Agent 优先的 SaaS 之间的相似性是直接的，并且应当成为一个警示。当你的 Agent 成为你业务的联络人时，它就继承了同样的盲目性。它无法通过一次握手来判断某个供应商是否值得信赖，也无法在谈判中读懂气氛。它会针对任何被给予的信号进行优化；如果信号是错误的，它就会自信地朝错误的方向优化。就像程序化广告由于机器买家无法区分真实与虚假的广告库存，而催生了一整个广告欺诈生态系统一样，Agent 优先的商业也会创造出新的欺诈类别，各类服务会像虚假出版商玩弄竞价算法一样去操控 Agent 的决策。程序化的教训很明确：当你把人类从环路中移除时，你会获得速度和规模，但会失去上下文和判断力。那些在程序化基础设施之上构建验证层、品牌安全工具和欺诈检测的公司，通过解决这一转变所创造的问题而获得了巨大价值。现在，同样的机会依然存在。

无论是谁，为 Agent 与服务之间的交易构建起信任、验证和质量层，都将解决 Agent 优先时代不可避免的问题。