【AI研究】不止是工具!AI Agent 正在改写市场的底层规则!?
作者：微信文章AI Agent（人工智能代理）不是简单的AI应用，正在以大幅降低交易成本来重塑市场，逐渐逼近“科斯奇点”。（译者注：科斯对企业边界确定的平衡点）这不仅会改变我们的决策方式，更会动摇企业与市场的传统边界。这篇 NBER 工作论文《科斯奇点？AI Agent 时代的供需与市场设计》从需求侧、供给侧、市场均衡、市场设计、监管等方面评估AI Agent的经济影响。文献横跨经济学与计算机学两个学科，本文献摘要主要关注经济学方面，并以浅显易懂的示例以及图像帮助读者更好理解AI Agent 如何重塑市场。
一、需求侧分析：引致需求与应用场景标题
（一）人类对 AI Agent的需求是引致需求
消费者并不从使用AI Agent这一过程中获得满足感，他们雇用AI Agent是为了以更低的成本获得更优的市场结果，即为引致需求。这种需求主要由两个动机驱动：
1.优化决策：突破人类的信息约束或认知局限，做出如果不使用AI Agent就会错失的最优决策。
2.降低成本：以极低的计算成本替代昂贵的人类时间与精力，哪怕决策质量与人类持平。
（二）人类对AI Agent产生需求的市场类型
AI Agent不会同时接管所有市场，它们将首先在“人类代理（即AI Agent可替代的劳动力代理）”已经普遍存在的市场中生成应用场景。根据论文分析，具备以下特征的市场是 Agent 的首选阵地：
（三）人类需求AI Agent的核心属性
1. 有能力——执行力与判断力
· 执行力：AI Agent必须具备足以成功执行用户偏好的能力，能够克服人类的认知限制（如注意力有限）和生理限制（如疲劳），以极低的边际成本处理海量信息。
· 判断力：AI Agent 不仅要与数字世界交互（自主），还需要知道何时自主行动，何时应该听从或询问委托人（顺从）。这种在“自主”与“顺从”之间取得平衡的能力，是确保任务执行不偏离用户意图的关键。
2. 懂偏好——高维偏好与隐性偏好
· 处理高维偏好：AI Agent必须能理解和处理复杂的、非结构化的自然语言输入。例如，在房地产市场，低维度偏好可能仅包括“价格与交易速度”即可，而高维度偏好需包括“地段、光线、学区、未来转售价值”等多要素。AI Agent必须精准获取用户的偏好。
· 挖掘隐性偏好：人类往往无法清晰表达或完整排序自己的偏好。理想的AI Agent 能帮助用户发现自己未曾言说的隐性偏好，而不仅仅是执行显性指令。
3. 可信赖——利益对齐与对抗操作
· 利益对齐：AI Agent必须忠实于委托人的利益，防止AI Agent偷懒或为了自身利益行事。特别是在平台自身提供的AI Agent中，用户需要确信AI Agent不会为了交易平台的利润而引导用户购买高利润而非最适合的产品。
· 对抗操作：可信赖还意味着AI Agent能够抵御外部的对抗性操纵。在激烈的市场博弈中，其他市场参与者可能会试图攻击或诱导AI Agent的决策规则，值得信赖的AI Agent必须能识别并防御这些操纵，保护委托人的利益。
二、供给侧分析：产业组织与市场结构
（一）供给的四象限模型：所有权与专业化
1.所有权类型分类
从所有权来看，AI Agent包括自带Agent和交易平台内置Agent。
· 自带Agent是指用户拥有或订阅的AI Agent，通过API与各大平台交互。其经济特征为强对齐（Alignment）。它完全代表用户利益，跨平台携带记忆，具有极强的可移植性和隐私保护，但可能面临平台的访问限制。
· 保龄球鞋 Agent 是指由交易平台提供的内置 Agent，就像保龄球馆出租的鞋子一样，仅限场内使用。其经济特征为高效率但存在利益冲突。它拥有平台数据的特权访问和无缝集成，交易摩擦最低。但它可能存在倾向于推荐对平台有利而非对用户最有利的商品。
2.专业化类型分类
从专业化来看，AI Agent包括水平型（广度）和垂直型（深度）。
· 水平型（广度）是通用型 Agent，跨越多个领域，但在特定合规性或工具深度上可能不足。
· 垂直型（深度）是深耕特定领域（如报税、法律），以牺牲广度为代价换取深度和合规性。
3.供给类型的形态
由此形成一个2x2 矩阵来描述未来AI Agent市场的供给形态，这一分类对理解平台竞争至关重要：
（二）供给的关键维度：定价
1.AI Agent定价能力相对减弱
AI Agent定价能力的弱化逻辑与人类代理通常按交易价值的百分比收取佣金不同，AI Agent面临着截然不同的成本与供给曲线，AI Agent较低的边际成本使其打破稀缺性约束，同时其不具备人类代理对激励的反映，因此打破了激励约束，导致其定价能力相对减弱。
· 打破稀缺性约束：顶尖的人类代理是稀缺资源，但AI Agent本质上是软件，能够以几乎可以忽略不计的成本进行复制，这使得其供给在理论上是无限的
· 打破激励约束：人类代理需要高额的金钱激励来付出超额的努力。然而，AI Agent并不从金钱补偿中获得效用（即不需要钱来激励其“努力工作”），因此不需要像人类那样通过高额佣金来维持动力 。
2. AI Agent定价商业模式趋同
虽然高性能Agent可能因消耗更多算力而推高价格，但随着Agent质量的边际收益递减，其市场动态将趋同于搜索或社交媒体等数字服务。在此阶段，定价将趋向于以下几种商业模式：
· 广告收益模式：Agent 可能免费提供给消费者使用，其成本通过广告收入来支撑（类似于目前的搜索引擎模式）。
· 互补品捆绑模式： Agent 被作为互补品与核心商品或服务捆绑销售。例如，与手机硬件（如 iPhone）捆绑，或与配送服务（如外卖平台会员）捆绑，以增加核心产品的吸引力 。
· 分层定价模式：采用“免费增值”策略，提供一个功能受限的免费版本服务于价格敏感型用户，同时通过全功能的付费高级版来实现交叉补贴。
· 两部制收费模式：用户需支付一笔预付订阅费，并根据使用量支付额外的按次或按 Token 费用。
三、市场均衡分析：Agent对均衡产生显著影响
（一）效率提升与租金再分配
· 消除利用性租金：许多企业的利润来自于消费者的次优选择（例如忘记取消的订阅、看不懂的手机套餐）。Agent 的理性决策将挤压这些租金，迫使市场回归竞争性均衡 。
· 生产信号的修正：Agent 能够更准确地传达需求偏好，促使企业生产消费者真正需要的产品，而非营销诱导的产品 。
（二）价格机制的异变
· 个性化定价：Agent 可以向可信的卖方 Agent 披露详细偏好。这使得厂商能够实施一级价格歧视，可能将消费者剩余完全转化为生产者剩余。
· 价格离散与混淆：面对高效的搜索 Agent，厂商会故意制造产品差异和复杂的定价结构（混淆策略），以维持价格离散和利润。Agent 越聪明，市场可能越“嘈杂”。
（三）谈判动力学
对于Agent，限制因素是算力而非时间，与传统谈判人类代理受限于时间成本相比，Agent 可以同时进行数千场谈判，或提前一年开始谈判，这将彻底改变议价能力的平衡。
（四）负外部性：拥堵
Agent极低的边际行动成本可能导致市场失灵。例如，求职 Agent 可以在瞬间投递一万份简历。这虽然是个体理性的，但会造成严重的拥堵外部性，导致雇主筛选成本激增，甚至破坏匹配效率 。
四、监管前沿
（一）市场力量与反垄断
如果少数公司控制了 Agent 的底层模型，它们可能限制互操作性，导致消费者无法携带 Agent 跨平台使用。监管需要关注数据访问权和互操作性强制令。
（二）责任归属
当自主 Agent 犯错（如通过幻觉做出错误交易）时，谁负责？是用户、开发者还是模型提供商？当前欧盟路径中最新的产品责任指令倾向于将软件和AI纳入产品责任范畴，这意味着开发者可能需要为 Agent 的自主行为承担严格责任 。
（三）平台与Agent的数据战争
平台正在通过法律和技术手段阻止外部 Agent 获取数据。这是关于数据产权的冲突。Agent 认为这是公开信息的利用，平台认为这是搭便车。这场博弈将决定 Agent是否能成为真正的通用中介。
五、结论
AI Agent的崛起不仅是技术的进步，更是经济组织形式的根本性变革。通过极度压缩搜索、验证和缔约的成本，Agent正在将我们推向“科斯奇点”。这一转型既带来了巨大的效率红利（更优的匹配、更低的摩擦），也带来了新的风险（价格歧视、算法合谋、平台垄断）。
最终的福利结果将取决于我们如何设计新的市场机制，以及如何通过监管界定这一新兴经济体中的产权与责任。对于经济学家而言，现在是利用机制设计理论引导这一变革的历史性机遇。
本文由上海大学产业经济学硕士 尹宣 整理
关注公众号并发送“AI Agent”可获取原文
欢迎关注商业知行侠，让我们在真实商业世界，求真知，干实事，知行合一！
页:
[1]