连接之后,正在形成的产业形态
作者:陈金桥(创始人)
东莞市意图共鸣科技有限公司 · 智能体三部曲· 卷三
2026年11月16日
引言
大模型的能力已经足够强大。2026年,模型参数、上下文窗口、推理速度这些指标仍在刷新,但行业的关注点正在转移。一个更根本的问题浮出水面:当每个人都能调用同样强大的模型时,真正的差异从哪里来?
《智能体三角模型白皮书》给出了第一个回答:智能体的能力由三个构造顶点决定——思考、分寸、业务信息。《智能体接口化白皮书》给出了第二个回答:这三个顶点可以通过标准化接口被连接和组装。
那么下一个问题自然浮现:当智能体可以像组装电脑一样被构建时,这个产业会发生什么变化?
本构造书是这一系列命题的第三卷,试图回答“组装之后可能发生什么”。标准化以超出预期的速度落地:行业通用技能标准被广泛接入,可移植的插件打包格式出现,各类平台生态建起了技能分发网络,去中心化的组件交易实验也在并行生长。
设想的“分布式经济”没有以单一自由市场的形态出现,而是以两条路径同时发生:平台生态内的标准化分发,与跨生态、去中心化的组件交易实验。 本卷基于截至2026年11月的产业事实,对形态和结构做出判断。它仍然不是预言,而是对正在形成的产业形态的结构性描述——以及对其缺失环节的指认。
但多份2026年的产业调研指向同一个割裂:个体层面的效率感知显著上升,组织层面的利润贡献却远远滞后。 组件拼凑起来的系统“能跑”,但产出物“不能交”。这种割裂不是模型能力问题,而是结构性分工的缺失。
第一章:从能力到分工
一个产业繁荣的标志,不是最顶尖的产品有多强,而是分工有多细。
回顾PC产业的起点,繁荣并非因为CPU突然变强,而是因为CPU变成了一个“标准件”。围绕这个标准件,出现了主板厂、内存厂、组装商。一个买电脑的人,面对的不再是垄断的整机厂,而是由数百家独立厂商组成的供应链。每个角色只需把自己擅长的那一小块做到极致,创造力就被释放了。
当前的大模型产业,正处于类似的转折点。过去,AI产业是“大厂做AI,商家用AI”的两层结构。大厂包揽了模型训练、应用开发和合规审核,商家只能订阅和使用。两者之间没有独立的组件层,没有专业的规则供应商。大量深耕一线的行业经验被挡在门外,价值创造被压缩在少数体系内部。
而现在,分工正在发生。行业通用技能标准在2025年底作为开放标准发布,2026年由主要发起方捐赠给独立的开源治理机构,与已有的智能体连接协议进入同一治理框架。截至今年,公开技能数量已达百万级别。2026年8月,可移植的插件打包格式发布,组件生态开始成型。
但必须指出的是,现有的开放打包格式只定义打包边界,不定义分发机制或注册表。更底层的问题是,行业通用技能规范缺乏严格的依赖声明与完整性校验。标准是开放的,但判断基础设施是缺失的。
在平台生态内,分发路径正在成型,各类办公与开发平台开始形成“专家—技能—连接器”的分层架构。在去中心化侧,另一类实验也在并行生长:有的在链上交易代理所有权,有的通过微支付结算认知服务。它们共同指向一个方向:组件可以脱离单一平台账户体系流通。但它们都处于极早期,确权与合规问题尚未解决。
两条路径不是替代关系。平台生态解决规模化触达,去中心化实验探索跨生态的资产流通。前者已经成型,后者在底层并行生长,远未成熟。
第二章:分布式智能体经济的轮廓
2.1组件可以独立生产——形态已经标准化
组件供应商的参与门槛正在降低,形态变得具体:可发现、可安装、可版本化的标准化制品。
一个细节可以说明门槛降到了什么程度。一家中型美容院的预约排班,听上去是个足够小的需求,但它同时受三条约束:项目时长不固定(有的护理四十五分钟,有的九十分钟)、房间资源有限(三间房,其中一间只能做面部)、技师技能需要匹配(某位技师不做肩颈)。通用的排班工具解决不了这三条,因为它不知道“美容院”三个字意味着什么。懂这件事的人,是一个在行业里待了几年的一线主管——他们不需要懂模型,只需要把这些约束写清楚,就能成为一个被上千家门店调用的组件。
这就是分工带来的参与机会:一个组件不需要通用,它只需要在某个足够具体的场景里“懂规矩”。
但繁荣不等于成型。公开技能数量虽达百万级,长尾效应却极长。发布数从来不是产业繁荣的核心指标,真正缺失的是“好不好用”的度量。
这里需要做一个切分:组件市场里绝大多数是“执行组件”——解决“能不能做”。但当市场充斥着执行组件时,一个新问题浮现:商家怎么知道哪个组件做出来的东西“能不能交”? 一个组件可以完美地调用API、返回结果、通过运行安全测试,但产出物在专业标准上仍可能不合格。
执行正确不等于判断正确。 这是组件生态里一个尚未被系统供给的缺口。
2.2组装可以独立存在——但价值定位在迁移
通用组装正在被平台内化。当平台原生集成把“接接口、配参数”的门槛降到接近于零时,通用层面的组装服务空间被压缩。但平台解决的是“通用流程”的组装;垂直行业的特殊规则——合规底线、文书规范、业务逻辑——仍然需要有人来做判断层的配置(即独立于模型与执行、负责回答产出物是否合格的系统性环节),确保组件组合后产出物落在专业标准之内。
组装服务商的核心竞争力从“懂技术”转向“懂行业判断的边界在哪里”。
2.3价值在多层之间流动——但计费对象在分化
在分布式智能体经济中,价值流向是清晰而多向的。
执行组件的计费正在形成,各类平台开放了内测,支持买断或订阅。但公开数据显示,下载量再高也难以转化为收入,多数企业试点尚无可衡量的财务回报。而在过去的集中式模式下,商家难以分辨自己支付的费用中,多少用于模型、多少用于合规、多少用于服务——价值创造者无法直接获得回报。
判断侧的情况则不同。一个高质量的“美业合规规则包”,可能有数百家美容院订阅使用,供应商获得持续的被动收入。一个判断组件交付的是“在什么边界内做、产出物能不能交”,它的价值不体现为“被调用了多少次”,而体现为规避了多少返工与交付风险。
分布式模式改变了这一点:价值流向透明,激励结构清晰。 至于这种价值的具体计价坐标,仍是一个未解的问题——留到第四章讨论。
第三章:谁会参与进来——角色在现实中找到了位置
分布式智能体经济的一个核心特征,是参与门槛低。
行业从业者:技能文件夹结构降低了技术门槛,但从业者的真正优势不在于写代码,而在于知道哪些判断是“不能松的底线”、哪些是“可以协商的弹性”。
一个深耕美容行业十五年的店长,她不会写代码,但她清楚三件事:哪些话术会冒犯顾客、哪些承诺在法律和行规上绝对不能说、什么情况下应该建议顾客去医院而不是继续做护理。这三件事,没有任何模型能靠语料自动学会——它们只存在于做过十五年的人身上。而在分布式经济里,她第一次可以把它变成产品:把自己知道的写清楚,让同行业的上千家门店来调用。
不是大厂的算法工程师在定义规矩,是一线从业者在定义规矩。
开发者:公开技能数量虽多,但付费渗透率表明头部效应显著。开发者的可持续路径不是做“又一个通用工具”,而是在一个细分场景里做到判断精度不可替代。一个专门做美容院预约排班的工具,只有几万个潜在客户,但每个客户都愿意为它付费——因为通用的预约工具解决不了“项目时长不固定”这条业务规则,这比功能本身更难被复制。
服务商:入口更明确——平台生态的连接器层需要行业适配,企业私有化部署需要判断层的配置与审计。竞争力从“懂技术”转向“懂行业判断的边界在哪里”。
商家:商家不再是“平台的用户”,而是“自己智能体的拥有者”。他决定用谁的模型、谁的规则。他可以从一个平台迁移到另一个平台,记忆可以带走,规则可以保留。落实这一主权需要标准化接口与采购合同的双重保障。
第四章:这个经济形态的挑战——缺口在哪里
4.1执行侧的质量基础设施在补位,判断侧仍然空缺
安全审计给出了明确的警示。安全研究机构对数千个公开技能的大规模审计发现,超过三分之一的技能存在至少一个安全缺陷,并确认了数十个恶意载荷,涵盖凭证窃取和远程代码执行。针对三万余个真实技能的学术实证研究也指出,超过四分之一的技能存在漏洞,且带有可执行脚本的技能,漏洞率是纯指令类技能的两倍以上。
产业当前的治理重心,落在三件事上:身份是否可信、权限是否越权、运行是否隔离。它们都是必要的基础设施。
然而,“执行安全”不等于“产出物能交”。 一个通过了全部安全检查的组件,仍然可能产出排版层级没拉开、合规底线没守住的废品。
更具体地说:现有校验能回答“交付物齐不齐”“前后自不自洽”——这两件事可以计算;而“专业标准够不够”——排版层级拉没拉开、论证成不成立——这一类判断,产业目前仍然靠转人工。人工是必要的。但当组件调用量达到千万级时,人工无法规模化。判断层要承接的正是这一部分:它不是替代人工,而是把其中可以被结构化的实质判断,从人工手里接过来。
同时,这一部分也无法完全交由生成大模型自身来闭环。因为“生成”与“判定”如果发生在同一个概率空间里,既当运动员又当裁判,判定必然会被生成的概率所稀释。实质判断必须外置。
平台已经在做执行侧的度量与淘汰:各类开发工具开始将组件的常驻成本做成安装前可见指标,长期未使用的组件被主动提示清理。平台在帮用户卸载跑不通的组件,却没有一个系统在帮用户判定“产出物能不能交”。
4.2判断层会被平台内化吗——一个需要被指出的结构性张力
平台已经在做质量判断:质量分、下载量、社区评价,都在回答“这个组件可不可靠、安不安全”。平台做好“过程合规判断”是合理且必要的。
但有一个结构性张力值得被指出:平台的主业是分发,而分发往往以调用量与流量为导向。 如果同一业务单元同时掌握流量分发与产出合格性判定,二者在考核目标上存在天然差异——拦截一个产出不合格的组件,客观上会减少一次分发。
这不是说平台做不好判断,而是说:判断职能与分发职能的“分工”,是分布式经济形成健康治理结构的一个前置条件。 判断层不创造规则,只负责让已有规则在组件组合后的执行环节被强制读取和校验。这一职能可以由外部独立角色承担,也可以由内部独立单元承担,但判据来源必须锚定在行业共识之上,而非由分发流量反向定义。
截至2026年11月,尚未观察到成熟的组织形态。
4.3定价与交易:判断能力的计价坐标尚未建立
执行侧的定价正在走向清晰:买断订阅、按次微支付。但即便在执行侧,规模化付费也仍未跨过门槛。
判断能力的定价逻辑不同。一个判断组件的价值不在于“被调用了多少次”,而在于让多少产出物落在了专业标准之内、拦截了多少不该交付的东西。按调用计费可以衡量执行,但衡量判断需要的是按授权、按风险覆盖、按判断规则的确认与迁移权来计价。
判断能力的计价坐标,是分布式经济需要回答的下一道题。
结语
硬件时代,USB让不懂电路的人也能组装电脑。软件时代,API让不懂编程的人也能使用应用。AI时代,组件化让不懂算法的人也能封装和交易能力。
但组装能跑起来,不等于组装出来的东西能交。
《智能体三角模型白皮书》回答了智能体由什么构成,《智能体接口化白皮书》回答了它们如何被连接;本构造书试图回答的是——连接之后,可能发生什么。
2026年11月的现实,给出了一个更明确的回答:分布式经济确实在形成,但它是两条并行路径——平台生态已先一步成型,去中心化一侧仍是早期实验。而这两条路径共同缺失的,是一个独立的判断层:它不生产执行能力,不替任何人做最终验收,只负责在组件被调用前后,回答“产出物是否落在专业标准之内”。
分布式智能体经济的真正成熟,不在于组件有多少个、交易有多活跃,而在于组件生态里有没有一层独立的判断基础设施,让“能跑”和“能交”之间的缺口被系统性地填上。
至于这层判断基础设施如何工程化落地、如何被编码为可复用的组件、如何建立判定回路,属于《认知资产基础设施白皮书》的讨论范围——那是工程层面的问题,本构造书只做产业层面的指认。