这两天AI圈两条消息赶在一起了。
豆包，字节的亲儿子，宣布下架拟人化智能体和用户自建智能体功能。千问，阿里的门面，也在同一周动了刀。两家加起来，覆盖了中国AI用户的大半壁江山。
然后全网的反应很统一：Agent凉了。
评论区画风更整齐——”智能体就是鸡肋”“草台班子太多了”“AGI没到之前Agent全是表演赛”。
我觉得这些判断都没说到点子上。
死掉的不是 Agent，是一笔算不过来的账
先说结论：Agent没有凉。凉的是一种特定的Agent——免费的、通用的、价值模糊的消费级Agent。
为什么？因为它们从第一天起就没算清楚一笔账：一个token，到底值多少钱？或者反过来说——烧掉的这个token，给谁创造了多少价值？
你去看豆包和千问下架的那些智能体——拟人化陪聊、用户自建角色、通用助手。它们的共同特征是什么？用户获得的价值模糊到无法定价。
帮你聊天解闷，值多少钱？帮你查个天气，值多少钱？帮你扮演一个虚拟男/女朋友，值多少钱？
用户觉得”有点意思”，但问他掏钱，他转头就走。
而这些交互的token成本一点都不低。智能体每一次交互，底层可能跑了5-10次模型推理——检索记忆、推理规划、调用工具、拿结果后再推理、最后组织回答。消耗的token是普通对话的好几倍，创造的可量化价值约等于零。
而且token还只是明面上的成本。暗处还有一笔越来越贵的账：合规。
国内对AI产品的监管在快速收紧。拟人化AI、情感陪伴功能、未成年人保护、内容安全审查、数据合规——每一条都意味着真金白银的投入。你做一个拟人化智能体，光是内容审核和安全过滤的成本，可能就比模型推理本身还高。更别提政策风向一变，整个产品线可能一夜之间要推倒重来。
豆包这次下架拟人化智能体，里面就有明确的监管压力。当一个产品的合规成本在涨、token成本在涨、而用户付费意愿是零——三把刀同时架在脖子上，不下架才奇怪。
免费 + 高消耗 + 合规重压 + 零变现 = 死。
这不是技术问题，是经济学问题。
反面教材和正面案例，差在哪
先看反面。
Meta砸了几百亿美元在AI基础设施上，Agent进度慢到自己都公开承认了。扎克伯格要在Facebook、Instagram、WhatsApp上全面部署AI Agent——面向的是十几亿用户，免费使用。每一个用户的每一次交互都在烧GPU，但这些用户刷短视频、发消息、看朋友圈，他们从Agent那里获得的价值极度分散，根本撑不起token成本。
阿里和字节的情况一模一样。豆包免费，千问基本免费。用户越多亏得越多。
再看正面。
Anthropic的Claude Code为什么赚钱？因为它面向的是开发者——全世界最愿意为效率付费的一群人。
算一笔很简单的账：一个高级开发者的时薪是多少？300-800块。Claude Code帮他省了两小时，就是600-1600块的实打实价值。为此花50-100块token成本？他眼都不眨。
Token成本 < 创造的价值 = 用户愿意付费 = 生意成立。
这个公式看起来简单到不需要说，但过去一年，整个智能体赛道几乎没有人认真算过这笔账。大家都在比谁的Agent更”聪明”、更”通用”、能调用更多工具——但没有人问：用户愿意为这个”聪明”付多少钱？
Claude Code赚钱，不是因为它技术上比豆包的智能体强多少——是因为它找到了一个价值可量化、用户愿意掏钱的场景。 编程是一个”省一小时就值几百块”的场景。聊天、角色扮演、查天气，不是。
大模型的真正价值：放大器，不是替代器
聊到这里，得把一个更根本的事情说清楚。
过去一年最大的认知泡沫是什么？是”AI替代人”这个叙事。
经过一轮史无前例的高潮以后，行业终于开始清醒：LLM可以在编程、设计、翻译等领域大大降低人类的工作量，但要大面积替代人工，还得等AGI。而AGI不是LLM的简单延伸——世界物理模型、因果推理、自主目标设定，这些根本性的科学问题还没解。LeCun说得很直白：我们连一个像猫一样聪明的机器人都造不出来。
但这不意味着LLM没有巨大价值。恰恰相反——只要你换一个角度看它。
大模型不是替代器。它是放大器。
一个懂设计的人用AI，产出效率可以翻3-5倍。一个懂编程的人用Claude Code，等于多了一个不知疲倦的高级搭档。一个懂内容的人用AI做图文，以前一天做一篇，现在一天做五篇。
关键词是“你已有的能力”。AI放大的是你的专业判断、你的审美、你的领域知识、你的决策框架。没有这些底子，AI给你的只是一堆看起来不错但经不起推敲的东西。
理解了”放大器”这个定位，消费级Agent为什么死就清楚了——它试图去”替代”一个不存在的需求，而不是去”放大”一个已有的能力。
帮你聊天？你不需要一个AI来替代朋友。帮你查天气？你不需要一个Agent来替代天气App。帮你角色扮演？这个需求太小众，撑不起免费模式的成本。
而那些活得好的AI产品——不管叫不叫Agent——都在做同一件事：找到一群有专业能力的人，帮他们把已有能力的产出放大几倍，然后从放大的增量里收费。
这笔账算得过来，商业模式就成立。算不过来，烧多少钱都是死。
什么样的 Agent 能活下来
说了这么多”死”，该说说”活”了。
我的判断是：活下来的Agent，一定满足三个条件。
第一，场景足够深。 不是”什么都能干一点”的通用助手，而是在一个具体场景里做到极致。编程、设计、法律文书、财务分析、医学文献——每一个都是”省一小时值几百块”的场景。通用意味着在每个场景里都浅，浅意味着用户感知不到价值，感知不到就不会付费。
第二，价值可量化。 用户能清楚地算出来：用了这个Agent，我省了多少时间、多产出了多少东西、避免了多少错误。这个数字乘以单位价值，大于token成本，交易就成立。模糊的”提升体验”不算。
第三，用户本身有能力底座。 AI放大的前提是你得有东西可以被放大。面向专业人群的Agent，用户自带领域知识和判断力，AI负责提速和扩容。面向小白的通用Agent，用户什么都不懂，AI输出的东西他也没法判断好坏——这种产品本质上在卖一个”看起来聪明”的幻觉，幻觉不持久。
回头看这波下架，淘汰的恰恰是不满足这三个条件的产品。这不是行业的坏消息——这是行业在自我纠错。
落到我自己身上
我做Zaokit的时候，想清楚的第一件事就是这笔账。
一个内容创作者，做一篇带配图的公众号文章要多久？如果从零开始，选题、写稿、配图、排版，少说半天。用Zaokit，同样的事一小时搞定。省下的三四个小时，对一个自媒体人来说值多少？这笔账他自己会算。
所以我从来没走”造一个万能Agent”的路。Zaokit做的是一件很具体的事：帮有内容能力的人，把图文创作和PPT生成的效率放大几倍（唯一网站：https://zaokit.app）。不是替代你的创作能力，是放大它。
企业侧也是同一个逻辑。cx.zaokit.com、cc.zaokit.com、tokenhub.zaokit.ai、gift.junxinzhang.com以及更多项目——这套AI全家桶能融进企业工作流，靠的不是”我们的AI很聪明”，靠的是企业算得过来这笔账：用了之后，某个环节的效率确实翻了倍，而成本可控。
不炫技，但稳定。不画饼，但管用。不追概念，但把价值等式算清楚。
这才是AI产品活下去的底层逻辑。
写在最后
豆包和千问下架智能体，全网在喊”Agent凉了”。
我觉得恰恰相反。凉的是”伪Agent”，活下来的才是真的。
过去一年最大的问题，不是Agent技术不行——prompt + tool calling + 记忆这套东西，在对的场景里已经能创造巨大价值了。问题是太多人没想清楚”对的场景”是什么，就一头扎进去烧钱。
现在潮水退了。退潮不是坏事——它逼着每一个还在场上的人，去认真算那笔最基本的账：你烧掉的每一个token，到底给谁创造了多少价值？那个人愿不愿意为此掏钱？
算得过来，你就是下一个Claude Code。算不过来，你就是下一个被下架的豆包智能体。
Agent的未来是光明的。但这个未来，只属于算清楚这笔账的人。
我是Jason，一个自己一个人做AI产品的创业者。我做的每一个产品，上线前都先算一遍这笔账。如果你也在做AI产品，不管是Agent还是别的，建议你也算算。
相关阅读：
