简而言之
· 「肥大模型」理论认为，模型公司可能会向上整合 API、工具、智能体框架和应用入口。
· 但智能体需要跨越数据、工具、身份、支付和企业系统执行任务，不能仅被视为聊天框的升级。
· 模型巨头仍掌握算力、资本、模型和分发优势，但编排、记忆、路由、身份等环节可能会为创业公司留出空间。

在 AI 智能体时代，OpenAI、Anthropic、Google 等模型公司是否会如市场期待的那样继续向上整合 API、工具、智能体框架、企业应用和消费者入口呢？

这正是「肥大模型」理论的核心观点：如果封闭前沿模型持续快速发展，并通过分发和工具链向上整合，AI 行业的大部分价值可能会集中在模型层。然而，另一种观点认为，当 AI 从聊天应用转向智能体时代时，价值不一定只会停留在模型公司手中，而可能会扩散到多个新的基础设施层。

「肥大模型」在模型公司向上整合上的赌注

大型模型公司的路线并不难理解：首先拥有领先的基础模型，然后将这种能力打包成 API、开发工具和智能体框架，最终进入消费者应用和企业工作流。只要模型足够强大，上层体验、数据和开发者生态就有可能聚集在模型平台上。

这也是资本愿意为顶尖 AI 公司投入高估值的重要原因。据路透社报道，今年 5 月，Anthropic 完成了 650 亿美元的 H 轮融资，其后投后估值达到了 9650 亿美元。今年 3 月，OpenAI 公布的最新融资显示，其投后估值为 8520 亿美元。Alphabet 的市值也已超过 4 万亿美元，较 2022 年底增长了三倍以上。市场正通过极高的估值押注模型层未来的进入能力和利润空间。

然而，这些模型公司的优势是否足以使它们同时拥有上层每个层面的价值，仍存在争议。尽管前沿模型、算力、研究团队、云基础设施和企业客户资源确实集中在少数公司手中，但一旦智能体进入实际工作流中，价值链就不再仅仅围绕“哪个模型最强”展开。

许多技术周期都经历过类似的变化。IBM 曾将大型机打造成硬件、软件、服务一体化系统，然后 PC 生态系统使其分开；微软曾控制桌面，Web 打开了新的应用入口；运营商曾拥有垂直整合网络，互联网拆分了网络服务；AWS 构建了一个超过千亿美元规模的云平台，但云上依然存在大量独立的软件公司。

這些類比想說明的不是「大平台一定會輸」，而是一個技術周期在完成基礎設施鋪設後，價值往往會從單一集成平台外溢到更專業的層。

智能體不是聊天框，而是跨系統執行任務

Agent 生態的關鍵變化，是 AI 不再只是回答問題，而是開始承擔任務。圍繞智能體堆棧，模型、編排、記憶、執行、身份、支付等多個層都可能形成獨立價值。不同公司會在各自層面組合、競爭，而不是全部依附於同一家模型平台。

支撐這一判斷的第一個變化，是模型供給正在變多。前沿模型仍然領先，但開源權重模型、邊緣模型和商業模型也在持續出現。不同模型在能力、延遲和成本上各有差異。對於不少商業工作負載，企業和開發者會在成本、速度、穩定性和任務質量之間做組合，而不是默認把所有請求都交給最貴、最強的模型。

第二個變化，是 AI 應用場景過於分散。一個模型公司可以做出通用聊天應用，也可以切入辦公、程式碼、搜索等大入口，但智能體要真正進入醫療、金融、製造、法律、客服、採購、物流等具體流程，每個行業都有自己的數據結構、合規要求、操作習慣和系統接口。單一公司很難在所有場景裡都做出最合適的產品。

企業生產環境也會強化這種拆分。實驗階段，企業可以接受一個模型演示或封閉聊天工具。一旦進入關鍵流程，客戶會要求數據駐留、權限管理、審計記錄、成本控制、供應商可替換性和合規證明。此時，企業更希望組裝合適的組件，而不是被迫接受單一平台的默認選擇。

這也是智能體與傳統聊天應用的關鍵差異。一個醫療智能體可能需要讀取病歷、檢查藥物相互作用、調用醫院系統、生成建議並留下審計記錄。一個企業採購智能體可能需要接入庫存、合同、審批流、供應商系統和支付網路。它們更像在多個服務之間移動的「執行者」，而不是運行在單一視窗裡的問答工具。

編排、記憶、路由和身份，可能從模型外長出來

智能體基礎設施可以被拆成多個方向：編排、harness、記憶、瀏覽器、路由、模型市場、身份和支付。更直白地說，這些層分別對應：如何管理多個智能體，如何把模型連接到現實工具，如何保存和共享上下文，人如何與智能體互動，請求該交給哪個模型，如何證明智能體身份，以及智能體如何完成付款。

编排层可能成为智能体时代的控制台。当企业内部同时运行多个智能体，它们需要被部署、监控、授权、协作，也需要被限制风险。单个模型 API 很难解决完整的流程管理问题。

Harness 可以理解为模型的「执行外壳」。如果大模型是大腦，harness 就負責把它接入檔案、資料庫、網頁、機器人、企業軟體和物理設備。不同場景需要不同的工具連接方式，這會催生更專門化的產品。

記憶層處理的是上下文遷移問題。當多個智能體都要理解同一個用戶、同一家企業或同一項任務時，上下文不能被鎖死在某一個聊天視窗裡。誰能提供可遷移、可授權、可審計的數位記憶，誰就可能成為新的基礎設施。

路由和模型市場的價值來自多模型部署。若企業同時使用多個模型，就需要判斷哪類任務交給哪個模型更合適，怎樣在成本、延遲和準確率之間平衡。模型競爭由此不只是排行榜上的競爭，也會變成真實生產環境裡的調度問題。

身份和支付更偏未來，但關係到智能體能否真正執行交易。隨著機器流量和智能體行為增加，網路需要區分誰在發起請求、它是否被授權、能不能完成付款。智能體如果要參與電商、訂閱、微支付或企業採購，現有面向人的支付和身份系統也可能需要被改造。

模型巨頭仍強，但未必吃下全部價值

這種模組化敘事的邊界也很清楚。它不是在說大模型公司會失去主導權。前沿模型仍然是 AI 體驗的底座，算力、資料、研究團隊和分發能力仍然集中在少數巨頭手裡。如果模型能力繼續快速拉開差距，上層生態仍可能圍繞頭部平台聚集。

真正的分歧在於，智能體時代的價值會不會像聊天應用階段那樣集中。當 AI 進入真實工作流，用戶關心的不只是「哪個模型最聰明」，還包括能否接入舊系統、能否更換供應商、能否控制成本、能否審計，以及能否跨工具完成任務。

這給獨立創業公司留下了空間，但不代表每一個層都會長成大公司。編排、記憶、身份、支付、瀏覽器和路由等方向，最終都要證明自己有足夠強的入口、網路效應或收費能力，否則很容易變成模型平台的一項功能。

大模型巨頭正在把能力向上整合，創業公司和投資人則押注智能體生態會拆出更多專業層。AI Agent 時代的核心未解問題是：模型會成為吞下全棧的超級平台，還是成為新一輪模組化基礎設施的起點？

歡迎加入律動 BlockBeats 官方社群：

Telegram 訂閱群：https://t.me/theblockbeats

Telegram 交流群：https://t.me/BlockBeats_App

Twitter 官方帳號：https://twitter.com/BlockBeatsAsia