人均10个Agent，Token是新一代“茅台”，外滩大会热议AI新经济

“最具价值的Token(词元），就相当于我们新一代的茅台，用户应该选对茅台，而不是一般的烈酒。”

9月10日，一年一度的外滩大会正式开幕，源码资本投资合伙人、美国国家工程院外籍院士张宏江提到了上述观点。在现场，来自人工智能、具身智能、量子计算等多领域的学者和从业者齐聚一堂，共同探讨AI和新经济对人类生活的影响。

外滩大会正尝试描绘一幅“AI新经济”的图景。海沙尔 摄

“未来人均拥有10个Agent，全球将有800多亿个智能体”

张宏江认为，AI是人类有史以来发展最快的技术浪潮，前沿AI模型的智力测试已突破人类平均水平。与此同时，AI的递归式自我改进能力，进一步让AI在物理世界与虚拟世界之间形成自我大循环，呈现出前所未有的加速度。

技术层面的突破让经济层面出现新的形态，多个Agent（智能体）之间正在形成经济关系网络，智能体经济简而言之就是Token经济，但不同的Token也有价值高下之分。

在Agent Economy（智能体经济）阶段，由于主角由人转移为Agent，因此一系列的变化随之发生。例如在软件领域，正在从“人使用软件”转向“Agent使用软件”。张宏江认为，Agent Economy本质上出现了范式变革。

但软件被改变并非AI带来的价值的终点，张宏江表示，更加值得关注的是AI对“组织架构”层面的影响。他表示在Agent Economy时代，企业组织需要重新认识到巨大的变革，例如OPC这种生产模式下，“一个人＋多个Agent”的组织形态已经让公司规模进一步小型化。

蚂蚁集团CEO韩歆毅则提出三个层面的产业变化：最表层是流量逻辑的重构——从“时长竞争”转向“意图竞争”，个人助理成为核心入口，商家营销不再是投流抢曝光，而是精准匹配用户意图提供服务。

中间层是供给侧的扩容，AI可以把个体经验泛化复制，让生活达人、专业服务者的能力突破人力边界，“为智力付费”的市场规模会被放大。

最底层则是网络效应的爆发，如果未来人均拥有10个Agent，全球将有800多亿个智能体，形成类似人脑神经元的连接密度，由此催生的商业机会今天很难想象。

OPPO高级副总裁兼首席产品官刘作虎坚定看好手机的核心地位，“未来20年，手机依然是用户最核心的个人设备，天然就是离用户最近的PersonalAgent。”在他看来，手机的角色正在从“流量入口”转向“意图入口”，操作系统的目标也从“让手机更好用”变成“让系统值得托付”。

他透露，之后发布的新版ColorOS，将推出个性化、主动式AgentOS的雏形，实现从用户意图直达服务结果的体验。

万事达卡首席产品官Jorn Lambert更关注创业端的变革。他用“创业的寒武纪大爆发”来形容Agent的影响：未来一个人不用租办公室、不用组团队、不用买服务器，在卧室里靠一支Agent团队就能把想法变成生意，唯一的限制就是创意本身。而万事达卡要做的，就是为这种A2A商业搭建基础设施——不同于传统银行卡和支付账户，Agent需要全新的交易凭证、权限机制和区块链底层，支撑机器速度的海量微交易。

高拟真机器人在现场和观众互动。图片来源：新民晚报

通用模型何时真正进入具身智能

模型和数据，始终是困扰具身智能创业者的难题。

苏度科技联合创始人兼首席执行官韩铮表示，机器人在科研场景和商业化场景下的要求，其实和早年工业机器人、自动化设备是一样的：高成功率，是绝大多数任务商用落地的前提。

现在做的很多测试，100个任务里可能只有1到5个，能接受80%左右的成功率，允许二次纠错。但剩下90多个任务，无论是首次执行还是快速纠错，几乎都要求接近100%成功率。

他指出，在这个前提下，和传统自动化设备的区别在于：机器人还要对物体、环境具备泛化能力，并且不能依靠高昂的后训练成本来弥补效果。不然每落地一个场景，就要大量定制调参、发生过拟合。刚才主旨演讲的嘉宾也提到了这个问题。

“所以推进商业化，对我们最大的考验首先在算法层面：必须做到高成功率同时保有泛化能力。当然后续还会面临设备可靠性、运维服务等一系列绕不开的挑战。”他说。

在自变量机器人创始人、CEO王潜看来，智能的本体存在于数据里。模型更像训练阶段的蒸馏器和部署阶段的容器。Coding之所以率先快速进步，并不是因为语言模型自然获得了编程能力，而是因为代码数据更容易生成、验证和反馈。

如果通用模型要真正进入具身智能，它依然必须面对机器人数据、现实世界评测、硬件、仿真和部署等基础设施问题。这些难度不会因为拥有一个更强的语言模型而自动消失。

AI正步入千行百业。海沙尔 摄

破壳机器人创始人许华哲认为，真正属于这一代具身智能的跃迁，是基础模型面对大量未知任务时，也能不断提高成功率——从50%、60%、70%，最终走向工业场景所需要的99.99%。“场景之争”不是寻找某一个杀手级应用，而是同时跨过几道门槛：模型要有泛化能力，执行要足够可靠，系统成本要成立，客户还要愿意持续付费。