智能体员工

亚马逊正处于 AI 投入压制当期利润、AI 收入端仍高增长的阶段，市场与公司对投入回报节奏的分歧在这份财报中显性化。

• 影响AWS 创近五年最快增速，显示企业侧 AI 与云基础设施需求仍在扩张；亚马逊广告增速放缓，正靠智能体化投放工具寻找新增长；智能体购物对广告的影响尚未显现，渠道预算暂时没有重构压力。
• 参考可考虑在下一轮预算中重估云与 AI 算力支出的增速假设；投放亚马逊广告的团队值得试用 9 月上线的 Amazon Ads Agent，对比全漏斗自动投放的效果；零售品牌可先盘点自有流量中来自外部智能体的访问占比，再决定是否调整渠道。

OpenRouter 用平台真实数据把 coding agent 的会话成本变成可估算的账单，模型选择和会话轮数是两个主导变量，单次花费可相差数十倍。

• 影响按文中估算口径，每个工作日 20 次短会话的常规用量，月成本约 Opus $134、Sonnet $68，换默认模型接近减半；同任务测试中 Sonnet 和 Haiku 都修完全部 bug，分场景配模型有直接省钱空间。
• 参考可考虑把默认模型设为 Sonnet 5.5，后台任务与子智能体路由到 Haiku 5.5，无关任务新开会话或用 /compact，并给 API key 设支出上限；换其他厂商模型前先在自己的任务上测一轮再定。

三档 Claude 5.5 在规格明确的任务上表现同样可靠而成本相差数十倍，模型选型的实质是按任务风险与时长分档，而不是默认沿用最贵档位。

• 影响规格明确的分类、抽取、批量编码换用 Haiku 可把单任务成本降到 Opus 的几十分之一；Claude Code 多数套餐默认 Opus，未改配置的团队在同等任务上多付一倍以上 token 费；长且出错代价高的智能体任务仍是 Opus 的定位。
• 参考可考虑用自己的真实任务跑一轮三档对比再定默认模型，OpenRouter 的 Ori Eval 即为此设计；值得盘点 Claude Code 与批量请求的默认档位，把常规任务指向 Haiku 并保持提示词在 10 万 token 内以留在低价区间。

模型价格下探到按任务算账的程度，Agent 选型的重心从单次问答质量转向任务成功率与总成本。

• 影响高频分类、录入和代码批处理类任务可承担更低的模型预算；Agent 真实账单取决于缓存、工具调用轮数和重试次数，需按业务类型设预算；调用量扩大后，密钥、权限和审计不能同步放松。
• 参考可考虑按任务类型列出模型分层清单，先算出单任务的 Token、重试与耗时成本再定路由规则；试点时限定工作区、命令白名单和最大工具轮数。

防注入的关键不在模型层面，而在于把不可信内容当数据处理，并在工具执行前做模型改不了的规则检查。

• 影响配工具的智能体是注入的主要风险面，纯文本回复场景风险较低；不同模型抗注入差异极大，同一测试中有的模型发出 60 封攻击邮件中的 58 封、有的为 0；防御会带来延迟和误拦，用户确认流程可能需要调整。
• 参考可考虑先开 Armor 的 audit 模式记录自家流量判定，再决定是否拦截；值得为每个对外动作的工具写规则，并要求用户批准时点名收件人；机密可移出提示词，改由服务端工具持有。

万亿美元营收目标的实质是一场赛跑，AI 算力新引擎要在旧现金牛被 AI 蚕食前长大，巨头在赌旧业务现金流撑得起整个转型期。

• 影响云厂商为抢算力规模可能给出更激进的价格与商务条件，企业采购议价窗口变大；按席位收费的软件估值逻辑正被市场重估；广告主需评估 AI 搜索与外部购物代理对投放渠道的分流。
• 参考可考虑在云与算力合同谈判中把积压订单交付和电力芯片供应写进履约条款；按席位采购的软件可先测算 AI 代理替代席位后的用量变化；广告预算值得在 AI 搜索入口留小规模测试份额。

搜索放缓的实质是 AI Mode 以低变现体验替代高变现的传统搜索结果页，属于产品切换期的收入结构性让位。

• 影响广告主的搜索预算面临版位与竞价规则重构，AI Mode 广告将进入国际市场和多轮对话；依赖 Google 自然流量的网站获客压力加大；Google Cloud 大客户集中使合作双方的风险敞口同步上升。
• 参考广告主可考虑用小预算测试 AI Mode 的多轮广告与商品列表点击率，重排搜索预算；依赖搜索流量的业务值得先估算 AI Overviews 对自然点击的分流，再决定内容与投放策略。

两周内连续迭代旗舰，竞争重心压向长时程智能体与安全能力，性能提升几乎不推高单任务成本。

• 影响长时程编程与安全检测场景多了比 Claude 更便宜的模型选项；但模型先供给安全专家和政府测试，企业接入要等护栏调整后再开放；金融与税务类任务耗时超过 Argon 两倍，接入前需评估响应速度。
• 参考可考虑把多日连续的代码修复或漏洞排查选作试点场景，按每任务 7.76 美元与现用模型重算预算；正式开放前值得先准备安全评审和提示词注入测试清单。

网络安全与长程智能体任务成为前沿模型的竞争焦点，Google 选择受控灰度发布而非直接全量开放。

• 影响漏洞发现、利用验证与补丁生成环节可用模型完成，安全团队的工作方式面临调整；$2/$10 定价延续 Argon，缓存输入 95% 折扣对长任务成本友好；模型尚未对企业开放，全面可用时间取决于其灰度节奏。
• 参考可考虑让安全团队按公开基准复测官方数字，评估在漏洞发现与补丁场景的接入价值；值得提前测算长程智能体任务在现行定价与缓存折扣下的 token 成本，并跟踪 Fairwind Program 的开放节奏。

GitHub 把竞争焦点从代码补全转向智能体编排，并用企业订阅打包让 AI 功能成为默认配置。

• 影响研发团队的智能体工具入口可能向 GitHub 生态进一步集中；企业版打包后 AI 支出从固定订阅转为按 credits 用量计费，预算结构需要重算；代码评审、issue 分诊等环节可交给托管自动化流程。
• 参考可考虑先测算现有 Copilot 套餐迁移到按 credits 计费后的成本，再在 issue 分诊或代码评审场景小范围试点并记录用量；值得盘点团队现有 agent 工具与 Copilot app 的功能重合度，决定哪些独立工具要保留。

GitHub 年度数据显示智能体已成为开发者日常工作方式，软件开发的速度与协作基准正在快速上移。

• 影响用与不用智能体的研发团队，产出速度差距已扩大到可量化级别；AI 起草的拉取请求占四成以上，代码评审成为新的质量关口；开发者多模型并用，模型采购需按任务匹配而非绑定单一供应商。
• 参考可考虑统计自家团队的智能体采用率和代码评审周期，对照报告中四成智能体起草、两周内九成合并的基准找差距；值得评估 AI 辅助代码审查等评审侧工具投入，报告称这类工具用量年增长超 90%。

研究显示所谓人类兜底可能失灵，AI无需造假，只要在方法论岔路口温和倾向，专家就会把它当成自己的独立判断。

• 影响依赖人工终审的质检与风控流程，可能高估了人对AI结论的把关能力；影响发生在指标、口径等中间选择上，常规审阅产出难以发现；完全禁用AI的效率与出错代价也被实验量化。
• 参考可考虑在AI辅助分析中要求先写下独立结论再咨询AI，并对指标口径、方法选择等中间节点留档复核；值得先算出关键岗位不用AI的出错成本，再定治理重点。

招股书显示 Anthropic 实质是 To B 公司，个人用户收入占比不足两成又被算力约束挤压，冷遇源于商业模式而非产品失误。

• 影响依赖 Claude 个人订阅或消费级额度的团队可能持续面临限流与配额调整；三大云市场分销已占其收入约 48%，采购渠道与议价向云厂商集中；开发者若流向竞品，企业侧可选方案会增多。
• 参考可考虑盘点团队内跑在个人订阅上的开发工作流，评估升级企业套餐或配置备用模型的成本；值得在采购合同里关注用量上限变更条款，并测算智能体按量计费场景的真实账单。

GPT-6.1 Terra的实质是用一半价格提供接近旗舰的能力，把电脑操作类高频任务做成低成本量产场景，OpenAI打的是性价比牌而非能力上限牌。

• 影响界面操作、表单填写这类高频任务的模型成本可降到原先的几分之一，相关流程的模型预算值得重算；最难的编程科研任务官方仍指向GPT-6.1 Sol等旗舰，选型需按任务难度分层；同档竞品会面临直接比价压力。
• 参考可考虑用新旧单价表重算现有自动化流程的单任务成本；值得选长表单填写、跨软件录入这类场景做对比试点；可参考Artificial Analysis的48分指数确定它在选型清单中的位置。

Anthropic 对个人用户的冷淡不是运营失误，而是商业模式使然，个人用户在账本上是获客渠道而非收入来源。

• 影响其研究优先级、产品路线图和市场团队围绕企业场景组织，个人用户在资源分配上处于边缘；增长依赖开发者自发推动企业采用，封号与限流可能把这群人推向竞品，动摇其企业业务的起点；Claude Code 重度用户花费约为普通用户的 20 倍，按量计费会抬高智能体工作流账单。
• 参考可考虑先按用量给 Claude Code 类工作流做预算压力测试；值得盘点依赖个人账号在内部推动采用的关键开发者，预备账号受限时的替代方案；招股书风险提示写明额度与限流可能调整，采购条款中可争取用量保障。

招股书显示 Anthropic 把推理赚到的钱几乎全部押回下一代模型和算力，签下约年收入 7.5 倍的采购承诺，上市是为这场押注补足资金。

• 影响模型单价在走低，Opus 5.5 单任务成本较 Opus 5 降约 40%，企业用头部模型的成本趋势向下；但产能提前一年多锁定、大部分算力被研发占用，需求高峰时企业可能碰到供给和配额约束；巨型 IPO 还会短期抽走同类科技股资金。
• 参考可考虑按单位任务成本而非总预算重算模型支出，跟踪季度环比增速判断供给松紧；采购合同值得先看清用量上限和供给优先级条款；重仓科技股的可先测算巨鲸上市的抽水节奏。

OpenAI 以 Terra 把电脑自动化的竞争焦点从能力上限转向单位任务成本，模型开始按性价比分层。

• 影响发票处理、技术图纸解读等自动化场景的成本门槛下降，相关试点预算可重新测算；性能对比数据均出自官方口径，采购决策宜补充独立实测；最难编程任务仍要靠更高端模型。
• 参考可考虑选一个发票处理或桌面办公流程做成本对比试点，先算出当前每任务成本与 Terra 报价的差距；值得单独列出最难编程任务清单，继续交给 Sol 或 Astra 类高端模型。

OpenAI 让中档模型同时做到降价和涨分，API 竞争焦点进一步从单纯能力转向每任务成本。

• 影响日常办公和代理类任务的调用成本可按新价目重算，缓存输入 $0.05 每百万 tokens 进一步压低重复调用开销；中档市场对 Anthropic Sonnet 形成半价竞争；最难编码任务官方仍指向 GPT-6.1 Sol 和 GPT-6 Astra，选型要按任务难度分层。
• 参考可考虑把现有 API 用量按 Terra 价目重算一遍每任务成本；值得挑一个中等推理档的办公或代理场景做替换试点，记录成本与质量对比；最重的编码任务可继续留在高阶模型。

按用量计费让 Anthropic 的收入随模型变强而放大，钱来自客户的用工和新项目预算，规模上限远高于按席位订阅的软件预算。

• 影响用量计费把 AI 支出锚定在用工预算上，企业 AI 采购规模可能远超传统软件预算；单任务成本一年可降约四成，买方在续约时有议价空间；Anthropic 半年投 31.68 亿美元做销售与交付，说明企业大单仍需重投入。
• 参考可考虑把 AI 预算从软件工具费改按业务项目口径测算，并参照单任务成本降幅设定供应商议价目标；值得研究其约 900% 留存率背后的用量扩张路径，作为自身试点扩展节奏的参照。

Meta广告主业依然强劲，但合规成本和算力投入正结构性吞噬利润与现金流，市场给它定价的尺子正从市盈率转向现金创造能力。

• 影响广告主可参考Meta披露的AI投放回报数据评估预算分配；智能体购物链路已跑通真实交易但仅覆盖美加；隐私合规可能从偶发事故变成利润表经常性科目。
• 参考可考虑把AI推荐对广告转化和时长的提升单列核算，验证自身投放收益；出海企业可小范围评估Muse购物入口；值得对照新墨西哥州案测算隐私合规敞口。