OpenAI合并搜索与执行 25亿日指令抢占Agent入口

硅谷101

智能体代替真人交互将导致传统网页流量暴跌，倒逼行业从追求通用性转向专精场景以提升用户留存，并重塑知识产权付费与Agent内部推荐的全新广告商业模式。

AI-assisted summary of “幽灵光标”爆发在即？从OpenAI杀入通用AI Agent，看懂下一个万亿流量之战与四大技术流派【硅谷101】 — original source. Check the original for full context.

Source published: 2025-08-01

Detailed notes

## Background 该内容由 Bilibili 频道的“硅谷101”于 2025 年 8 月 1 日发布。视频简介指出，OpenAI 突然推出 ChatGPT Agent 杀入通用 AI Agent 战场以抢占未来的“流量入口”，节目将深入剖析当前该领域的四大技术流派、各流派在“通用性”与“稳定性”上的取舍，并探讨“幽灵光标”替代真人点击后，互联网流量下滑、巨头格局变动及广告生态颠覆的深远影响。

## TL;DR 面对 Manus、JanSpark 等对手的竞争，OpenAI 发布了结合 Deep Research 和 Operator 的 XGPT Agent，标志着通用 AI Agent 流量入口之战的全面打响。节目深入拆解了当前行业内的四大技术流派：浏览器派系、Sandbox 虚拟机派系、LLM + Sandbox 以及工作流与工具集成，并指出行业共识正在从“万能 Demo”转向“高留存的专精场景”。未来，随着“幽灵光标”代替真人交互，传统网页流量将面临暴跌，而商业模式也将彻底转向知识产权直接收费以及 Agent 端的全新广告推荐机制。

## Atmosphere & style 节目的整体基调极具前瞻性、思辨性与科技洞察力。主持人陈倩与嘉宾 Bill Ju、Nathan Wang 之间的对话呈现出一种硅谷科技前沿特有的极客理性与冷静解构，仿佛一场闭门的高层技术战略研讨会。从最初对 OpenAI 搅局动作的敏锐捕捉，到逐一拆解四大技术流派时的抽丝剥茧，整个叙述既有通俗生动的比喻（如玩泥巴与沙盒），又有极其硬核的架构成本分析。在探讨“幽灵光标”和“流量消亡”的行业未来时，语调中透露出一种面对颠覆性变革扑面而来时的兴奋与深思，带给听众强烈的行业紧迫感与思想震撼。

## Key takeaways - [00:00](https://www.bilibili.com/video/BV1TZh7zxEDR?t=0s) OpenAI在发布GPT-5之前突然入局通用AI Agent赛道，意在急切占领未来的核心流量入口，防止自身流量快速下滑。 - [00:00](https://www.bilibili.com/video/BV1TZh7zxEDR?t=0s) OpenAI推出的XGPT Agent是由主打搜索的Deep Research与主打执行的Operator两者融合而成，打通了“搜索”与“执行”的核心技能。 - [02:30](https://www.bilibili.com/video/BV1TZh7zxEDR?t=150s) 以OpenAI Operator为代表的浏览器派系（Browser-based）通过控制网页浏览器工作，具有极强的通用性，但存在速度慢和Token消耗极高的致命缺点。 - [05:10](https://www.bilibili.com/video/BV1TZh7zxEDR?t=310s) Sandbox虚拟机派系（如Manus）通过在隔离的虚拟环境中运行代码和脚本来提高效率与安全性，但难以与需要OAuth认证的现实世界服务进行灵活交互。 - [08:30](https://www.bilibili.com/video/BV1TZh7zxEDR?t=510s) Manus虽然结合了沙盒与浏览器技术，但受限于浏览器能力的瓶颈，存在操作精细度受限（注意力空间小）以及任务完成速度极慢的问题。 - [08:30](https://www.bilibili.com/video/BV1TZh7zxEDR?t=510s) 大模型加虚拟机派系（如JanSpark）通过限制AI的工具箱，利用LLM在受控的微型沙盒中运行代码，牺牲部分通用性换取了极高的速度和稳定性。 - [13:50](https://www.bilibili.com/video/BV1TZh7zxEDR?t=830s) JanSpark通过深度集成第三方API和预设工作流，实现了与LinkedIn、GitHub和谷歌应用等工具的无缝连接，极大地提高了任务可靠性。 - [19:50](https://www.bilibili.com/video/BV1TZh7zxEDR?t=1190s) 工作流加工具集成派系（如Poken AI）采用类似“搭积木”的预设节点流程，由AI负责自动规划和调用，具备极高的速度和交付质量，但通用性较差。 - [19:50](https://www.bilibili.com/video/BV1TZh7zxEDR?t=1190s) Poken AI通过自研的Tool-Calling Foundation和上下文工程，成功避免了MCP协议的长上下文问题，将Token成本和调用成本削减了数倍。 - [25:10](https://www.bilibili.com/video/BV1TZh7zxEDR?t=1510s) 当前通用AI Agent行业已达成共识：产品迭代重心正在从追求“无所不能的通用Demo”转向提高可靠性和用户留存率，将场景做专精才是商业化路径。 - [28:20](https://www.bilibili.com/video/BV1TZh7zxEDR?t=1700s) 未来的互联网将充斥着由Agent代替真人与网页交互的“幽灵光标”（Ghost Clicks），这导致传统网页流量在未来1到2年内将面临快速下滑。 - [28:20](https://www.bilibili.com/video/BV1TZh7zxEDR?t=1700s) 为了争夺Agent交互的控制权与核心入口，谷歌推出了A2A（Agent-to-Agent）协议，而OpenAI和Anthropic也在积极部署相关协议。 - [28:20](https://www.bilibili.com/video/BV1TZh7zxEDR?t=1700s) 未来的商业模式将彻底颠覆，知识产权将实现直接向Agent平台收费变现，传统的广告分成模式将不复存在。 - [28:20](https://www.bilibili.com/video/BV1TZh7zxEDR?t=1700s) 未来的广告投放主体将变为Agent，Agent将利用内部的推荐和排名机制（Ranking）向用户推荐第三方服务，以此收取广告费来覆盖Token成本。 - [28:20](https://www.bilibili.com/video/BV1TZh7zxEDR?t=1700s) ChatGPT目前每天处理的用户指令已达25亿条（年化约9125亿次），相当于占据了谷歌年搜索量的18%，流量入口之战已全面打响。

## Detailed walkthrough 以下是关于该视频内容的详细、忠实还原的文本导读：

[00:00](https://www.bilibili.com/video/BV1TZh7zxEDR?t=0s) OpenAI 搅局通用 Agent 赛道与 XGPT Agent 的发布背景

OpenAI 在发布备受瞩目的 GPT-5 之前，突然出手搅局通用 AI Agent 赛道。外界猜测，这一举动是因为市面上已经涌现出许多通用 Agent，OpenAI 急于占领这个未来的流量入口，防止自身流量快速下滑。因为在未来，流量的入口将不再是传统的网页，而是会分流到各个方向的 Agent 中。

硅谷101主持人陈倩指出，在 AI Agent 赛道中，此前已有 Manus 和 JanSpark 等强劲对手，而本期嘉宾 Bill Ju 创办的 Poken AI 也刚刚发布了新产品。OpenAI 的强势入局，是否意味着这个赛道又将成为被巨头吞噬的红海？答案还真不一定。本期节目邀请了 Poken AI 创始人 Bill Ju 以及硅谷101特约研究员 Nathan Wang，共同拆解通用 Agent 赛道的四大技术流派、背后的代表公司，并展望未来网页流量暴跌后，巨头格局、广告模式的颠覆性变革。

7月17日，OpenAI 首席执行官 Sam Altman 与四位研究员在直播中介绍了 OpenAI XGPT Agent。用户可以让它完成各种复杂任务，例如策划婚礼、去电商平台订购鞋子、设计宠物周边并直接下单打印，或者查找信息后直接生成 PPT。这些 Demo 的完成度非常高，其背后由 OpenAI 此前推出的两个工具驱动： * **Deep Research**：主打搜索，是一个深入研究的分析工具，能阅读海量网页并生成深度调研报告。 * **Operator**：主打执行，此前是一款只开放给 GPT Pro 用户的浏览器 Agent 工具，可以查看网页并为用户执行特定操作。

OpenAI 在开发过程中发现，很多用户在 Operator 中输入的提示词，与在 Deep Research 中输入的任务（如旅行计划、行程预定）高度相似；而 Deep Research 的用户也强烈呼吁增加登录网站、访问受保护资源的能力（这恰好是 Operator 的强项）。因此，OpenAI 决定将两者融合，打通“搜索”与“执行”，这构成了通用 Agent 的核心技能，也决定了其独特的底层路线、优势与弊端。

---

[02:30](https://www.bilibili.com/video/BV1TZh7zxEDR?t=150s) 第一大流派：以 OpenAI 为代表的浏览器派系（Browser-based）

第一种技术路线是以浏览器为主（Browser-based）的模式，OpenAI 的 Operator 便是这一路线的典型代表。这类智能体主要通过控制网页浏览器来工作。简单来说，它利用视觉模型，让 AI 像人类一样在网上搜索信息、点击链接、浏览网页。因为世界上几乎所有的互联网服务都呈现在网页上，所以这种模式理论上是“万能的”，通用性极强。用户可以直观地看到 Agent 在页面上一步步点击、操作。

然而，这一万能路线存在致命的缺点：慢，且 Token 消耗极高。Bill 解释道，Agent 为了操作一个网页，需要把整个 HTML 文件拉下来，甚至包括里面的 JavaScript 脚本，然后从零开始全部读一遍。此外，该路线依赖 Agent 配合视觉模型进行屏幕截图（Screen Catch）和图像识别，因此必须等待主页加载和响应。在 XGPT Agent 发布后，速度慢成为了用户最主要的槽点，许多任务甚至需要耗费几十分钟才能完成。不过，随着大模型和算力的优化，其视觉模型和点击能力在未来仍有巨大的提升空间。

---

[05:10](https://www.bilibili.com/video/BV1TZh7zxEDR?t=310s) 第二大流派：Sandbox 虚拟机派系与代表公司 Manus

第二种路线是基于 Sandbox（沙盒/虚拟机）的模式。主持人用了一个生动的比喻：小朋友玩泥巴如果到处乱跑会弄脏屋子甚至受伤，但如果在一个有边界的沙盒里玩，就既安全又干净。在 AI 应用中，沙盒就是一个被限制和隔离的虚拟环境（通常是基于 Linux 的虚拟机）。AI 可以在这个隔离的电脑里自由上网、运行代码脚本、读取和保存文件，而不会对用户的真实系统造成安全风险。

在虚拟机环境中，AI 相当于拿到了一台电脑，将任务像人类一样拆解，在本地进行计算和处理。其核心在于调用模型写程序，根据用户需求生成代码，再通过编译器渲染出网页或 PPT 呈现给用户。这种路线的优点是本地执行效率极高，可以运行任何开源的软件包。但缺点在于它很难与需要 OAuth 认证的现实世界服务（如登录 Facebook）进行灵活交互。

在这个路线中，今年4月融资7500万美元、估值近5亿美元的明星初创公司 **Manus** 是其中的佼佼者。Manus 结合了沙盒与浏览器技术，试图打造一个万能环境。但它同样受限于浏览器能力的瓶颈： * **操作精细度受限**：由于 Attention Space（注意力空间）太小，它很难在复杂的页面上进行精准导航，比如去 Google Sheets 里把某一个单元格改成特定格式，或者在社交媒体上精准点击小按钮上传图片和视频。 * **速度极慢**：与 XGPT Agent 一样，因为使用了浏览器，完成一个任务可能需要30多分钟。不过，Manus 在沙盒环境的部署和优化上，相比 XGPT 依然保有一定的微弱优势。

---

[08:30](https://www.bilibili.com/video/BV1TZh7zxEDR?t=510s) 第三大流派：大模型加虚拟机（LLM + Sandbox）与 JanSpark

第三种路线强调大语言模型（LLM）本身与一个封闭工具环境（轻量级沙盒）的结合。与给 AI 开放一整台电脑的第二种路线不同，这种路线主张“与其给它整个电脑，不如给它一套有限但高效的工具箱”。

以 **JanSpark** 为例（该公司目前处于 A 轮，估值 5.3 亿美元，今年 2 月刚融资 1 亿美元），它并不提供完整的沙盒，甚至没有浏览器。JanSpark 以 LLM 作为推理主体，写代码完全靠 LLM，并在一个完全受控（Fully Controlled）的微型沙盒中运行代码并渲染结果。在这个封闭环境中，AI 无法自主去下载设计之外的开源包（例如临时需要修改图片，若无预设工具，它不会自己去下载新包）。

JanSpark 牺牲了部分通用性，换取了极高的速度和稳定性。它集成了多种规模的语言模型以及 80 多个预先构建并测试好的工具。当任务来临时，系统直接调用合适的模型，通过 API 或内置工具（如地图、数据库）处理，而不依赖模拟浏览器。 * **深度集成第三方 API**：JanSpark 预先设计好了各种工作流。用户只要授权 LinkedIn 权限，它就能直接登录并生成贴文；授权 GitHub 权限，它就能直接查看、修改并执行代码；它还能无缝连接 Google Sheets 和 Google Slides。这种将任务细分到具体场景并使用预设工作流的设计，极大地提高了任务的可靠性。

---

[11:50](https://www.bilibili.com/video/BV1TZh7zxEDR?t=710s) 第四大流派：工作流加工具集成（Workflow + Integration）与 Poken AI

第四种方案是工作流（Workflow）与第三方工具集成的结合，这也是 Bill 创办的 **Poken AI** 所采用的路线。这种模式就像“搭积木”，开发者预先将完成某类任务的步骤规划成一个个节点（即工作流），每个节点调用不同的应用或 API（即工具集成）。AI 的作用是在运行时根据用户请求，自动选择并执行这些预设流程，或用自然语言帮用户填充参数。例如在 Zapier 平台上，用户设置好“收到表单 -> AI 摘要 -> Gmail 发送”的流程，AI 只负责理解和撰写，而步骤是完全定死的。

Poken AI 强调通过强化学习来自动规划和调用工具。这种路线的优点是速度极快、交付质量好，但缺点是通用性较差，被限制在特定任务中。 * **Poken AI 的性能优势**：通过将自身的 Deep Research Agent 与 Execution Agent 结合，Poken 的总体体验有大幅提升，速度可达市面上其他产品的 **4 到 10 倍**。 * **成本与技术优化**：Poken 直接使用第三方集成的 SDK 和工具，通过自研的 Tool-Calling Foundation 去调用函数，避免了像 MCP（Model Context Protocol）在 Tool-Calling 中产生的巨长无比的上下文问题，每次调用的成本可削减 50%~60%。配合上下文工程（Context Engineering），其 Token 成本比 OpenAI 的 XGPT Agent 和 Manus 便宜一个数量级，比 JanSpark 也便宜数倍。 * **交付保证**：虽然在通用性上不如浏览器派系那般“万能”，但 Poken 能保证每一个服务的交付（Deliverable）非常扎实，不会出现因网页解析失败而崩溃的情况。

---

[15:10](https://www.bilibili.com/video/BV1TZh7zxEDR?t=910s) 行业共识：从“万能 Demo”走向“高留存的专精场景”

综合四大流派，目前通用性与速度/稳定性似乎“鱼与熊掌不可兼得”： 1. **追求通用性（牺牲速度）**：OpenAI XGPT Agent、Manus 2. **追求速度与可靠性（牺牲通用性）**：JanSpark、Poken AI、Zapier、UiPath

Bill 指出，大家一开始都想做无所不能的通用 Agent，但最后发现“什么都想做，就什么都做不精”。因此，当前产品迭代的重心正在转移：**如何提高可靠性（Reliability）和用户留存率（Retention）**。将问题做小、将场景做专精，通过工作流增加应用场景的可靠性，才是让用户持续付费的实际路径，而不是仅仅靠一个惊艳的 Demo 或 MVP 吸引眼球。如果实际体验达不到要求，用户很快就会退订。因此，提高可靠性、加快交互速度，已成为 2B 和 2C 领域的行业共识。

---

[17:00](https://www.bilibili.com/video/BV1TZh7zxEDR?t=1020s) 未来变革：幽灵光标、流量消亡与全新广告模式

尽管赛道竞争激烈，但一个无法避免的未来共识是：**Agent 将代替人类成为访问互联网的主力军**。《Wired》杂志指出，未来的互联网将充斥着“幽灵光标”（Ghost Clicks），即 Agent 在代替人类与网页交互、抓取信息。

这意味着“网页流量”这一概念将变得毫无意义，因为点击网页的不再是真人。在接下来的 1 到 2 年内，无论是电商、搜索还是视频网站，传统门户网站的流量都将面临快速下滑，而流量的入口将彻底变为各个方向的 Agent。这也是为什么谷歌要推出 A2A（Agent-to-Agent）协议，试图在 Gemini 中率先部署，抢占 Agent 交互的控制权。OpenAI 和 Anthropic（Claude）同样在积极推出相关协议，目的都是为了争夺这个核心入口。

顺着这一新范式，未来的广告和商业模式将发生颠覆性变革： * **知识产权直接收费**：以“硅谷101”播客为例，过去创作者依赖 YouTube 的广告分成。未来，当 Agent 来获取播客内容或特定知识点时，Agent 平台需要直接向内容创作者付费。知识、API 和第三方插件本身可以直接变现。 * **Agent 端的广告与推荐机制**：广告的投放主体将变为 Agent。当用户让 Agent 做出选择或对比时，由于没有绝对的标准答案，Agent 内部会有一个推荐和排名机制（Ranking）。Agent 向用户推荐使用哪一个第三方服务或产品，就可以向对应的公司收取广告费，以此来覆盖自身的 Token 成本。对于创作者和 SaaS 生态来说，这反而是一个变好的闭环，不再需要去谷歌投广告或免费提供内容。

在 XGPT Agent 发布当天，OpenAI 公布了一项惊人的数据：**ChatGPT 目前每天收到的用户指令高达 25 亿条**（年化约 9125 亿次）。如果将每次提问等同于一次搜索，ChatGPT 已经占据了谷歌年搜索量的 18%。随着 AI Agent 的成熟落地，这一数字还将快速增长，新的流量入口之战已经全面打响。

## Notable quotes > [00:00](https://www.bilibili.com/video/BV1TZh7zxEDR?t=0s) 在未来，流量的入口将不再是传统的网页，而是会分流到各个方向的 Agent 中。 — 陈倩

> [00:00](https://www.bilibili.com/video/BV1TZh7zxEDR?t=0s) OpenAI 强势入局，是否意味着这个赛道又将成为被巨头吞噬的红海？答案还真不一定。 — 陈倩

> [02:30](https://www.bilibili.com/video/BV1TZh7zxEDR?t=150s) 这一万能路线存在致命的缺点：慢，且 Token 消耗极高。 — Bill Ju

> [05:10](https://www.bilibili.com/video/BV1TZh7zxEDR?t=310s) 小朋友玩泥巴如果到处乱跑会弄脏屋子甚至受伤，但如果在一个有边界的沙盒里玩，就既安全又干净。 — 陈倩

> [08:30](https://www.bilibili.com/video/BV1TZh7zxEDR?t=510s) 与其给它整个电脑，不如给它一套有限但高效的工具箱。

> [15:10](https://www.bilibili.com/video/BV1TZh7zxEDR?t=910s) 什么都想做，就什么都做不精。 — Bill Ju

> [15:10](https://www.bilibili.com/video/BV1TZh7zxEDR?t=910s) 如何提高可靠性（Reliability）和用户留存率（Retention）。将问题做小、将场景做专精，通过工作流增加应用场景的可靠性，才是让用户持续付费的实际路径，而不是仅仅靠一个惊艳的 Demo 或 MVP 吸引眼球。 — Bill Ju

> [17:00](https://www.bilibili.com/video/BV1TZh7zxEDR?t=1020s) Agent 将代替人类成为访问互联网的主力军。

> [17:00](https://www.bilibili.com/video/BV1TZh7zxEDR?t=1020s) 网页流量这一概念将变得毫无意义，因为点击网页的不再是真人。

> [17:00](https://www.bilibili.com/video/BV1TZh7zxEDR?t=1020s) 在接下来的 1 到 2 年内，无论是电商、搜索还是视频网站，传统门户网站的流量都将面临快速下滑，而流量的入口将彻底变为各个方向的 Agent。

## Mentioned OpenAI, GPT-5, Manus, JanSpark, Poken AI, 陈倩, Bill Ju, Nathan Wang, Sam Altman, XGPT Agent, Deep Research, Operator, GPT Pro, Linux, Facebook, Google Sheets, LinkedIn, GitHub, Google Slides, Zapier, Gmail, Execution Agent, Tool-Calling Foundation, MCP, UiPath, Wired, 谷歌, A2A, Gemini, Anthropic, Claude, 硅谷101, YouTube, ChatGPT

[Source](https://www.bilibili.com/video/BV1TZh7zxEDR)

中文简报

OpenAI合并搜索与执行 25亿日指令抢占Agent入口智能体代替真人交互将导致传统网页流量暴跌，倒逼行业从追求通用性转向专精场景以提升用户留存，并重塑知识产权付费与Agent内部推荐的全新广告商业模式。面对 Manus、JanSpark 等对手的竞争，OpenAI 发布了结合 Deep Research 和 Operator 的 XGPT Agent，标志着通用 AI Agent 流量入口之战的全面打响。节目深入拆解了当前行业内的四大技术流派：浏览器派系、Sandbox 虚拟机派系、LLM + Sandbox 以及工作流与工具集成，并指出行业共识正在从“万能 Demo”转向“高留存的专精场景”。未来，随着“幽灵光标”代替真人交互，传统网页流量将面临暴跌，而商业模式也将彻底转向知识产权直接收费以及 Agent 端的全新广告推荐机制。 OpenAI在发布GPT-5前推出结合Deep Research与Operator的XGPT Agent，打通搜索与执行能力以抢占流量入口，但依赖浏览器的方案暴露出响应缓慢且Token消耗极大的缺陷。 (0:00) 当前通用Agent已演化出四大技术流派：浏览器派（OpenAI）与沙盒派（Manus）主打万能但受限于速度；而JanSpark与Poken AI等则通过受控微型沙盒、深度API集成与预设工作流，换取了数倍的速度提升、极低成本与高交付稳定性。 (2:30) 通用Agent的竞争重心正从追求无所不能的“Demo效应”转向深耕专精场景，通过提升系统可靠性与用户留存率来驱动实际商业化付费，成为行业共识。 (15:10) 未来“幽灵光标”将代替真人成为网络交互主力并引发传统网页流量剧减，巨头们纷纷通过Agent协议抢夺核心入口，商业生态也将重构为知识产权直接变现与Agent端推荐排名的新型广告模式。 (17:00)

Reading summary

OpenAI通过融合深度研究与浏览器操作推出XGPT Agent，加速了通用智能体对未来互联网入口的争夺。硅谷101对话嘉宾指出，通用Agent正分化为通用与专精两大阵营，行业重心由演示型Demo转向高可靠性场景，并推动网络生态从传统网页点击走向由“幽灵光标”主导的全新商业模式。 OpenAI融合搜索与执行抢占入口 (0:00) 7月17日，OpenAI发布XGPT Agent，将主打深度调研与网页阅读的Deep Research，与主打模拟浏览器操作的Operator合二为一。OpenAI发现两款产品的用户需求高度重叠，例如调研用户普遍需要登录权限，而操作用户需要复杂的任务规划。通过打通“搜索”与“执行”，该Agent能够自主完成策划婚礼、电商采买及制作汇报等端到端任务。 OpenAI在发布当日披露，ChatGPT目前日均处理指令达25亿条（年化约9125亿次），已相当于谷歌年搜索量的18%。外界分析认为，OpenAI在GPT-5之前突袭该赛道，核心在于防止传统网页入口分流至第三方Agent，意在提前锁定下一个万亿级流量中枢。通用性与性能权衡下的四大技术流派 (2:30) 当前通用Agent形成了四大技术路线。第一类是以OpenAI Operator为代表的浏览器派（Browser-based），通过视觉模型模拟人类点击与页面加载，通用性极广但存在Token消耗极大、任务耗时动辄数十分钟的硬伤。第二类是以融资7500万美元的Manus为代表的沙盒虚拟机派（Sandbox），在受控Linux环境中运行代码并融合浏览器，本地计算能力强，但同样面临页面点击精度不足及速度慢的瓶颈。后两类路线则选择牺牲部分通用性以换取高速度与稳定性。第三类是以JanSpark（估值5.3亿美元）为代表的“LLM+微型沙盒”，通过调用预构建的80多个工具和第三方API（如LinkedIn、GitHub、Google Sheets）执行封闭任务，避开模拟浏览器。第四类是以Poken AI为代表的“工作流+工具集成”（Workflow + Integration），通过强化学习调度预设节点并采用自研工具调用框架，其速度达到竞品的4至10倍，调用成本削减50%至60%，确保了交付的高可靠度。行业重心转向专精场景与留存 (15:10) 结合四大流派的实践，业界逐步形成共识：绝对的通用性与运行速度、稳定性在当前技术条件下难以兼得。Poken AI创始人Bill Ju指出，早期团队倾向于打造看似无所不能的万能Agent，但往往陷入“什么都做不精”的泥潭，导致高流失率。目前2B与2C产品的迭代重心正在从依赖惊艳Demo吸引眼球转向提高可靠性（Reliability）和用户留存率（Retention）。将应用场景缩小、聚焦专精领域并通过结构化工作流保证每一次交付结果，被从业者视作获取用户持续付费的核心商业路径。 “幽灵光标”重塑流量形态与变现机制 (17:00) 《连线》等媒体观察认为，未来1至2年内互联网将充斥由Agent代替人类交互的“幽灵光标”（Ghost Clicks），传统网页流量将面临急速萎缩。为此，谷歌正在Gemini中力推A2A（Agent-to-Agent）协议，OpenAI与Anthropic亦在制定相关标准以抢占交互控制权。流量载体的转移将彻底颠覆广告与商业模式：一方面，以播客或专业数据库为代表的内容提供方将从依赖传统展示广告转向直接向抓取信息的Agent收取IP版权与接口调用费；另一方面，广告将转向Agent内部的推荐排序机制（Ranking），Agent在向用户输出决策对比时通过推荐特定第三方服务收取广告费，以此冲抵自身的Token推理成本。通用Agent正在重新定义人机交互与流量分配逻辑，但受制于长耗时、高Token成本及网页解析精度，短期内全能型浏览器交互与高效落地的专精工作流仍将长期并存。

Source quotes

[0:00] 陈倩: 在未来，流量的入口将不再是传统的网页，而是会分流到各个方向的 Agent 中。 [0:00] 陈倩: OpenAI 强势入局，是否意味着这个赛道又将成为被巨头吞噬的红海？答案还真不一定。 [2:30] Bill Ju: 这一万能路线存在致命的缺点：慢，且 Token 消耗极高。 [5:10] 陈倩: 小朋友玩泥巴如果到处乱跑会弄脏屋子甚至受伤，但如果在一个有边界的沙盒里玩，就既安全又干净。 [8:30] 与其给它整个电脑，不如给它一套有限但高效的工具箱。 [15:10] Bill Ju: 什么都想做，就什么都做不精。 [15:10] Bill Ju: 如何提高可靠性（Reliability）和用户留存率（Retention）。将问题做小、将场景做专精，通过工作流增加应用场景的可靠性，才是让用户持续付费的实际路径，而不是仅仅靠一个惊艳的 Demo 或 MVP 吸引眼球。 [17:00] Agent 将代替人类成为访问互联网的主力军。 [17:00] 网页流量这一概念将变得毫无意义，因为点击网页的不再是真人。 [17:00] 在接下来的 1 到 2 年内，无论是电商、搜索还是视频网站，传统门户网站的流量都将面临快速下滑，而流量的入口将彻底变为各个方向的 Agent。

Original transcript

[0:00] OpenAI在发布重磅的GPT5之前又来搅局了一个赛道通用AI agent但是像过马据说有点不惊人意感觉是他们为了看到市面上有很多通用Agent的出现想要占领市场而做的一个move而不是说他们真的已经准备好了八截猜测GPT5即将发布OpenAI对于通用Agent的发布就是想要占领市场因为这是未来的流量入口他们的流量一定会非常快速的下降而它的入口变成了各个方向的agentHello 大家好欢迎收看硅谷101我是陈倩这期视频我们来聊聊OpenAI最近的一部大集推出通用agent正式抢占未来的流量入口在AI agent赛道当中此前已经有Manus和Janspark我们的采访嘉宾Bill Drew所创办的Poken AI也刚发布新产品这个时候OpenAI的入局是否意味着这个赛道又将成为一个被巨头所吞噬的市场呢答案是这次还真不一定这个视频我们和嘉宾Bill Ju以及硅谷101的特约研究员 Nathan Wang一起聊聊通用agent赛道的四大技术流派以及背后的代表公司们同时在可预期的未来当通用agent成为常态网页流量迅速下降之际新的巨头格局怎么变动新的广告模式怎么被颠覆以及哪一家agent公司能够成为最后的赢家呢那首先我们来快速看看OpenAI的这场发布在7月17号OpenAI CUCM Ultimate和4位研究员在直播中介绍了OpenAI XGBT Agent简单来说你可以让agent帮你完成任务比如说婚礼去双鞋去电商平台直接订购或者设计个宠物周边然后直接下单去打印或者查找信息之后直接生成PPT等等那么这期任务的demo看起来完成度都还挺高这背后是OpenAI此前推出的两个工具所驱动分别是operator和deep researchdeep research是一个深入研究的分析工具可以阅读大量的网页然后生成深度的调研报告主打一个搜索而operator之前是一款只开放给GBT Pro用户的浏览器agent工具可以去查看网页同时为用户带来特定操作主打一个执行OpenAI就表示在这两样工具分别推出的过程中发现很多用户用operator写的提示词经常很像会用Deep Research去做的任务比如说旅行计划呀行程预定等等而Deep Research那边呢用户们也在呼吁能增加比如说去登陆不同的网站去访问受保护资源的能力那么这就恰好是Operator所擅长的所以呢OpenAI就决定将两个产品给融合起来相当于打通了搜索与执行也就是呢通用Agent所需要的技能而同时呢这也决定了OpenAI做通用AI的底层路线是和目前市场上其他的产品有所区别的也决定了它的优势和弊端那么接下来我们就来聊聊目前通用Agent的四大技术派系首先就是以OpenAI为代表的浏览器为主browser-based的派系那么第一个技术派系就是所谓的browser-based浏览器为主的技术路线之前OpenAI的operator就专注于这个路线这类智能体主要通过控制网页浏览器来工作简单来说就是通过视觉模型让AI像人一样去网上搜索信息点击链接浏览网页从而完成用户交代的任务这种模式因为可以访问全网信息所以通用性很强几乎什么都能找可以说是无所不能的Browse的意义是在于说我认为世界上所有的网页和所有的互联网服务都可以在某个网页上面呈现所以我只需要我的agent能够看到那个网页去操作那个网页我就可以完成我的任务那browser就用户可视化的可以看到这个browser based agent在页面上点些哪些地方他可以一页一页地去看说browser是不是跟人一样在操作选网页那他的缺点是什么就是他们卖而且它的token consumption特别高原因在于你去看一个网页要花就等于把那个html的文件直接拉下来然后可能还包一些JavaScript的一些scripts然后你把它全部拉下来然后就从零开始全部读一遍就只为了操作一个网页但是它确实是万能的然而就像Bill说的这个万能的路线有一个致命的大问题就是慢原因也很简单因为浏览器为主的路线背后的技术是agent配合视觉模型去做所谓的screen catch屏幕截图进而来进行图像识别所以它注定要主页加载网页等待响应这次我们也看到速度慢是不少人对这次XGBT agent的一个不满之处很多任务都要耗费几十分钟才能够完成因为Deep Research相对于市面上所有的产品来说它还是相对比较慢的一个research产品再加上 [4:59] 但是这个慢可能也会因为大模型的优化和算力的优化在未来实现速度的提升包括OpenAI的视觉模型和Browser的点击能力其实都是比市面上其他通用agent更强的所以这个技术派系在之后还会有很大的优化空间那么接下来我们来说一下第二个派系就是Sandbox虚拟机那大家在看Agent相关的报道和技术分析的时候Sandbox这个词呢经常会出现它翻译过来叫做杀核虚拟机那大家可以想象一个小朋友在家里玩泥巴如果他到处跑可能会把泥巴弄得到处都是对吧还可能会打翻家具甚至能弄伤自己这简直就是家长的噩梦但是呢如果你给他准备了一个杀核就是一个有边界这能让他玩泥巴的地方他在里边怎么玩都可以又安全又干净那这个类比是不是还挺形象的简单来说在AI Agent的应用当中沙盒就是一个被限制和隔离的环境被称之为虚拟机让程序在里边运行但是不会对主系统造成风险AI能在这台虚拟电脑里面随意打开浏览器上网运行代码脚本读取和保存文件等等相当于是AI拿到了一个隔离的电脑把任务当做人类一样拆解然后在虚拟机里面上网编程完成所有的步骤而因为是真正的计算机环境所以AI可以执行非常复杂的操作流程从网上获取信息到本地计算处理一条龙自主完成那其实虚拟机在做的一个事情就相当于说它在一个虚拟的搭建的Watcher Machine的这个环境中是个Ninux的这样的base那它就可以去通过Ninux的命令行去生成一些文件所以说虚拟机背后给我感觉更多是在调用模型写程序的这样的一个能力然后根据你的需求它可以帮你generate不同的这个code然后只要你有一些编译器或者一些酷可以把它整个这个程序给rendering出来然后返回给用户的时候可能就是一个呈现成一个网页或者是一个PPT然后用户可以去理解或者更好去消费的这样一种内容的形式那它就达到了最终完成用户的这个请求的这样的一个目的虚拟机环境的好处就在于它可以运行任何的线下的就是open source那种package但它的缺点就在于它很多情况下无法防御互联网特别是那种需要OAutt的那种产品比如说你要去登录你的Facebook这些东西它都是肯定做不到的所以虚拟机为主的路线优点就是本地执行效率高但是因为Sandbox对外部服务的访问有限制所以与现实世界交互可能就不够灵活了那么在这个路线的通用agent做得很好的就是我们之前视频所提到的Manus了这家公司在今年4月融资7500万美元估值近5亿美元但是Manus并不是只有沙盒它其实结合了我们刚才说到的基于浏览器browser based的技术流只是将沙盒做了进一步的优化Manus的体验就是说它尽可能用一个sandbox加上browser的环境来搭建一个几乎让人觉得万能的一个环境但同与此同时它也被browser的能力所限制比如说你要去真的发个帖它就做不到因为它对这个页面的navigation说我要去选择那个小的button然后选择完了以后去上传一个图片生成一个视频各种各样的真正很难比如说你要去进一个Google Sheets说我要把Google Sheets里面的某一个cell把它改成某一个格式它也比较难因为这个attention的space太小了那browser就是它的一个main limitation第二个点就是它很慢这个是Manus跟XGBT agent的一个通病就因为你用了browser就是它的一个main limitation第二点就是它很慢这个是Manus跟XGPT agent的一个通病就因为你用了browser所以它的速度就会非常非常慢30多分钟做一个task可能它的总体优势可能在于它的那个Sandbox的环境达的可能要比XGPT要达的更好一些但我猜应该Manus在Sandbox可能已经花了很多精力去deploy了应该会有一个比较小优势那接下来我们说到第三个流派就是大模型加虚拟机的流派了第三种路线强调大约模型LLM本身结合一个沙盒也就是封闭工具环境来完成任务那和第二种路线对比来说与其给AI整个开放电脑还不如给它一套有线但是有效的工具箱和一个小型运行环境第三种就是LLM加Sandbox放一块的那种pagent它可能是limit一个大环境Jancebox是一个这样的例子它并不给你完整的一个Sandbox它这个和例子里面连Brother都没有GenSpark作为一个例子是它有一个LM作为主体的一个 reasoning的过程然后它写代码也是完全靠这个LM它有一个sandbox让它去运行一些代码去生成一些东西然后再把它render出来它是fully controlled就是说这个环境内部它无法说我现在现有去下载一个开源的package [9:59] 比如说我现在需要临时去修改一张图片这个任务如果在它原始的那个package design里面没有它自己不会去说我去下载一个这个package然后就做这件事情所以这种设计是Jansbug比如说像那种slide agentsheets agent他们在设计的时候就把他的那个可用的包裹给限制住说我不再让用户去用更多的package这是一个相对来说比较封闭的一个环境的一个工作流在限制环境下用一个LM做主体写代码同时用一个小的那种环境去执行这里Bill提到的一个典型公司就是Janspark那么这家公司目前是在A轮估值5.3亿美元刚在2月份融资1亿美元Janspark集成了多种不同规模的语言模型以及80多个预先构建和测试好的工具当有任务的时候系统就会根据需求调用合适的模型来理解并且直接用相应的API或者内置的工具去处理比如说搜索信息调用地图服务查询数据库等等而不依赖模拟完整浏览器或者操作系统LLM更像大脑中枢在相对封闭的环境里调度这些现成的能力快速的产出结果Janes Park给我的印象比较突出的就是他会接很多第三方的这种API比如说很多时候他会说你只要把你linkedin的访问的权限给到我我可以通过这个拉致任何系model直接登录你linkedin的账户然后帮你去生成一个linkedin的post然后如果说你把你github的就是大家写程序去做这个version control的一个账户给到我的话那我可以直接帮你去在github上去看你写程序改你写程序要帮你执行一系列任务然后包括它和谷歌的一些比如说Google SheetsGoogle Slide它都可以去粘给我感觉它就很像把各式各样这个workflow都帮你design好然后把你所需要的工具所需要的接口都帮你放在那但是它背后的这些整个的这个流程这个architecture其实它很多时候是预先design好的给我感觉就是说它可能是相当于说把这些工作的这种工作流这个任务给细分到每一个场景中去然后我具体到某个场景的时候我去再去用它这个一系列的整个工作流这个design那我去做这件事情肯定就是更最reliable因为我已经限定了我这个问题是什么所以我们来总结一下以Janespark为代表的LLM Sandbox技术流相当于是标准化工作流是设立了更封闭的环节牺牲通用性去换取速度和稳定性来让一部分的任务更快更靠谱最后我们再来说一下Bill所创办的Pokey他们用的技术路线叫做Workflow加工具集成那么这第四种方案本质上是把预先设计好的流程和第三方的工具集成结合AI使用可以把它想象成搭积木这个开发者呢先把完成某类任务需要的步骤都规划成一个个的节点也就是工作流workflow那每个节点呢可以调用不同应用或者API也就是工具集成AI的作用呢是在运行的时候根据用户的请求自动选择并且执行这些预设的流程或者呢用自然语言帮你去填充参数那举个例子啊Zapier平台上用户呢就可以设置一个自动化流程一旦收到新的表单就让AI读取内容整理摘要然后通过Gmail发送给相关人员那么这里AI负责理解内容和写邮件但是步骤也就是触发表单到发送邮件都是事先定好的类似的Pokey AI强调通过强化学习来自动规划和调用工具那么这样的技术路线优点是速度快交付好但是也被限制在了特定的任务当中通用性就会差一些所以我们最后会有我们自己的de-research agent加上我们的execution agent放在一块总体体验会有大幅提升但是总体速度应该是市面上所有产品的4到10倍左右为什么可以做到的原因就是因为你如果不再需要用非常复杂的sandbox你也不再需要去用非常复杂的tool calling我们现在直接用第三方集成的SDK和工具通过我们自己的2-Calling Foundation去靠这个function的话整个速度是会大幅度提升的就是没有了像MCP和现在市面上的这种在2-Calling里面的巨长无比的context问题所以它每次2-Calling的整个成本可能能够削减掉百分之五六十再加上我们自己的上下文的Engineering使得整个的Cost在市面上至少跟OpenAI的HPDAGENT跟NEMANA相比是个数量级的difference跟像Verticalize Jetbug这样的可能是几倍的一个差距在Token使用上面我们确实是有劣势的特别是跟Browser-based相比我们并不是完全万能的这个优势就在于说我可以保证每一个服务的deliverable是非常solid因为第三方服务比如Facebook它就是Facebook给我们的access它不会出现 [14:59] 但与此同时它有它的限制就是它不能做do everything那么结合以上的四种即是流派和对应的代表公司我们来总结一下浏览器为主做的最好的是OpenAIXCBT Agent然后Sandbox虚拟机做的最好的就是Mannas然后LLM加Sandbox代表公司是Janspark最后是工作流加工具集成就是PokeyZapier还有Unipath这些公司都是赛到的那么可以看出来目前通用性和速度及稳定性好像是鱼翼熊掌不可兼得必须要牺牲一个XGBT Agent和Manus是选择了前者而James Park和Poken是选择了后者大家一开始都是想去做这种Generation的但是到最后大家体验是发现他什么都想做但是什么都做不精什么都做不好这个时候大家背后的这些产品的迭代又会转到另一个方向我怎么提高他的这个reliability那workflow或者是把这个问题做小把这个场景变得更加专精可能是大家在当下探索的一个更加实际的一个方向那第二个问题就是说我怎么能够把我吸引住的用户能够不断的留存下来然后不断去持续付费那这第二件事就是需要靠像类似的workflow啊增加应用场景啊让每个应用场景变得更加reliable的这样的一个模式才能把用户留住而不是只是说一上来给大家一个非常惊艳的一个demo或者一个mvp那他觉得说general agent已经来临了但大家持续去使用的时候又不是这样的情况那如果真正达不到用户的这个要求的话那很多人可能就直接会退订或者说就离开这样的一个平台所以说我觉得现在更多的这种general agent的公司其实是在解决第二个问题我怎么能够把用户给留住那Workflow加上更多工具然后Dedicated的应用场景其实是一个非常好的一个Path那无论是什么技术路线Ginger让大家用起来提高可靠性和流存率加快交互速度看起来是接下来通用Agent的共识方向那我们可能会看到更加细分的Agent以及能万能通用Agent百花齐放的一个状态包括2B和2C的产品也会不同所以虽然目前OpenAI入局通用agent赛道但是这场仗囊看起来还有得打但同时这也是给我们指明了一个未来的发展共识就是agent们不管是通用的还是专用的将会代替人类成为访问互联网的主力军Wire杂志在7月底就发布了篇文章说以后的互联网充斥的都将是所谓的ghost clicks幽灵光标都是agent们在与网页交互抓取信息而这可能意味着一个巨大的变革和机会也就是说流量这个词将变得毫无意义因为都不是真人在点击网页了而未来的流量入口将成为agent这个赛道也将会是下一场巨头之战的中心当然也不排除会有新的公司占据这个巨头的位置而这个变化可能会来的比我们想象中更快无法避免的是我认为在接下来一到两年的时间内大多数的门户网站不管是e-commerce还是搜索还是视频网站还是各种方面方面的门户网站他们的流量一定会非常快速的下降而它的入口变成了各个方向的agent这是为什么当时Google要推出这个A2A的协议每一家公司都可能会有自己的agent可能是agent跟agent之间的交互它如果能够占用这个协议的话在Gemini里面完成这个协议的首先部署最后它就会是整个里面最大的赢家因为它成为了agent的入口XGPT也是一样Cloud也是一样为什么他们要推出协议也是他们想要占领有agent入口的核心目的而顺着这个新范式我们可以期待未来的广告模式和信息模式都会发生颠覆性的变化比如说硅谷101入了一个播客但是大家都是免费听的如果你在YouTube上面只是用了YouTube的广告然后YouTube通过那个广告给你们分成那未来可能是说我们需要去access你的这个播客本身这个知识产权就是值价钱每一次通过调用也好通过网页访问也好去找到你们这个播客的那个时间或者是得到你这个信息的那一刻任何的agent方就要向你付款你不再需要去担任那个广告流量的负责方那个广告是由agent来完成就是agent说我得到了这个信息以后我怎么去在整个工作流或者说在用户体验当中插入广告那个agent就可以问说我们现在得到了这个对比你想要选哪一个agent去start playing around with这个时候它就有一个ranking的机制在那因为这个地方并没有black and white answer它就有个ranking机制他这个时候推荐哪个agent去或者user去try他就可以向那个agent的公司去收钱了所以广告在这个时候发生而知识每个API每一个第三方的插件的产品本身或者说知识产权本身是可以直接收费的所以对于创作者生态以及SaaS生态从工 [19:59] 经常来说是变好了而不是变差了你不再需要去在Google上面投广告也不再需要去免费的把你的内容发给YouTube让他去帮你投放而是有一个agent直接向你付费通过他自己的广告机制去cover他自己的cost我不觉得说你们会受到很大的成绩那我也是很开心听到嘉宾说作为这个内容生产者当我们的观众不再是真人变成了所谓的幽灵光标agent们但是我们的内容还是极具价值的并且这样的商业模式其实是更加友好的但是感觉还是有挺多技术限制需要去突破以及很多协议要去达成公式而就在XGBT agent发布的同一天OpenAI公布了一个数据目前XGBT每天收到的用户指令高达25亿条这是一个什么概念呢相当于是年化9125亿次如果把每一次的提问指令都等同于一次的搜索那么XGBT目前已经占据谷歌年搜索量的18%而这个数字呢随着AI agent的成熟落地很有可能会继续的快速增长而新的流量入口之战已经大响好感谢大家收看这一期的硅谷101我是陈倩你们的留言转发和点赞是支持我们做好深度科技和商业内容的最佳动力那我们就下期节目再见了Bye