01 触发事件

a16z 在《Welcome to the B2A Economy》中给出一个明确判断：AI agents 已占互联网多数流量，写出超过一半的新文章，并生成多数进入 production 的代码；Shopify 则披露，2026 年 Q1 AI 驱动的店铺流量同比增长 8 倍，来自 AI 搜索的订单增长近 13 倍。

这不只是“AI 带来了更多访问量”。

真正发生的是，internet 的主要用户正在从人变成 agent。浏览器、LLM 与支付基础设施之间的连接层，正在形成一套新的 distribution system。

需要先加一个 hedge：文中关于“多数流量”“多数代码”的口径没有给出完整数据来源，我无法独立验证它们覆盖哪些网站与代码仓库。Shopify 和 Human Security 的数字则更具体，但后者同样只代表它观察到的 bot traffic，不代表整个 web。

02 这事的真正含义

过去每个平台都围绕 human 用户设计。

广告竞价优化点击，品牌购买 SEO 排名，零售商建设 storefront。SEO 和 SEM 是人机交互时代成熟的 distribution：系统预测一个人会看什么、点什么、买什么，然后争夺其注意力。

AI agent 改变了交易链条。

它不只替你“找到商品”，还会比较产品、读取评价、决定订阅哪个服务，甚至代表你付款。Agent 掌握的是 task，而不只是 keyword。这使它有机会绕过传统广告位，直接成为产品选择层。

问题不在于网站是否会“被 AI 取代”，而在于谁控制 agent 的默认决策入口。

这才是 B2A（business-to-agent）经济的核心。

过去的 marketplace 为消费者与商家撮合；下一层的 marketplace，可能为商家与 agent 撮合。商家真正争夺的 distribution，不再只是一个页面能否出现在 Google 首位，而是其 API、商品结构、评价数据和支付接口，能否进入 Claude、ChatGPT、Grok 等 agent 的推荐集合。

如果成立，agent 流量不会只是 human traffic 的一个低质量副本。它拥有更完整的 context：用户偏好、预算、购物历史、当前任务。因此，a16z 认为 AI referral 的 engagement 与 conversion 更好，并不令人意外。

但这也带来一个不舒服的推论：过去依赖“流量稀缺”建立的 moat 会变弱。商家过去购买关键词竞价，agent 时代则可能需要购买“可被 agent 理解与调用”。届时重要的不是页面文案，而是结构化 catalog、实时库存、shipping policy、return policy，以及机器可读的 reputation。

那个真正会被定价的，可能不是 agent 本身，而是进入 agent decision set 的资格。

03 历史类比 / 结构对照

2007 年 iPhone 是一个能力拐点，App Store 才是 distribution 拐点。

iPhone 让移动互联网成为可能，但直到 App Store 把安装、支付、更新与发现整合起来，开发者才第一次拥有一个此前不存在的 distribution mechanism。Apple 攫取的主要价值，也不是硬件毛利，而是控制这个分发入口。

2014 年 AWS 也呈现相同结构。EC2 不是第一种云计算能力，但它把计算从采购周期中抽离出来，变成按需 API。开发者不用先买服务器，就能直接试验新的产品形态。AWS 的 moat 来自 distribution 与 switching cost：一旦服务建立在 IAM、S3、Lambda 等接口上，迁移成本会随依赖不断累积。

今天的 AI agent 组合很像 iPhone 与 AWS 的交叉点。

模型提供新能力；browser use、agent protocol、payment 与 tool calling 提供分发机制。但这一次，最强的分发者可能不是网站，而是模型厂商。

Google 掌握 browser 与 search；OpenAI、Anthropic、Google 同时控制 foundation model 与 consumer agent 入口。若 agent 决定“哪一个产品值得被购买”，模型厂商就能把 model capability 与 distribution 合并起来定价。

这里有一个更深的历史对照。

Web 时代，商业网站争夺的是人的 attention。Agent 时代，商业网站争夺的是 agent 的 permission。前者需要 SEO、ads 与 brand；后者需要 API compatibility、structured data 与 trust score。

这也可能解释为什么 a16z 说 AI 在“能力”上已经超额完成，在“distribution”上仍然落后。ChatGPT 证明了人们愿意与模型交互，却还没有证明模型可以替代完整 web browsing、checkout 与 after-sales service。

换句话说，consumer AI adoption 受限，未必是模型不够聪明。agent 缺少一个足够可靠、足够开放、又具备支付闭环的最后一公里。

04 对 AI builder 意味着什么

这周，值得调整的不是“要不要做 AI 产品”，而是产品究竟服务于 human，还是服务于 agent。

第一，评估用户时，不要只看 DAU。把 agent request、agent API calls、structured action completion 与 paid conversion 分开看。人类用户可能只发一个 prompt，agent 却执行十几次 tool call。只按 session 收费，会低估真正发生的工作量。

第二，product surface 应同时支持 browser UI 与 API。browser use 当前仍是主流路径，但 agent 若要持续完成任务，最终会偏好稳定的 API，而不是每次重新点击页面。对 AI builder 来说，tool calling 的 reliability、结构化输出与错误恢复，正在成为产品核心，而不只是 demo 能力。

第三，重新设计 SEO 与 distribution。

如果 ChatGPT、Claude 或 Grok 开始替用户选品，“自己的 App 会不会被打开”就不再是唯一指标。更实际的问题是：agent 能否发现你的产品、理解其价值，并在正确 context 下调用它？

这意味着 catalog、pricing、availability、policy 都应机器可读。散落在营销页面里的信息，对 agent 来说几乎等于不存在。

第四，为 agent 建立独立的数据飞轮。

不要假设所有 referral 都来自人类。human traffic 与 agent traffic 的 session 定义、用户身份、转化路径会不同。若把它们混在一个 analytics dashboard 里，你可能低估 agent 的贡献，也可能误判其流量质量。

第五，评估 token 与 inference economics 时，要计算完整任务成本，而不只是单次模型调用。

一次 agent task 可能包含规划、浏览、检索、比较、支付与恢复。model API 的 price per token 仍然重要，但真正的 unit economics 是 cost per completed task，以及失败重试带来的尾部成本。

这点我可能低估。很多 agent workflow 的瓶颈也许不是 inference，而是 UI friction、登录、支付授权与 identity。把所有增长都押在更便宜的 token 上，可能找错了变量。

05 反方观点 / 风险

我可能高估了 agent traffic 对商业 distribution 的影响。

“多数 web traffic”听起来像平台迁移，但 bot traffic 不等于购买能力。爬虫、SEO scraper、自动测试与恶意 bot 都可能被计入。Human Security 观察到 8 倍增长，只能证明流量结构变化，不能证明 agent 已经建立稳定采购习惯。

第二个风险是 conversion 叙事可能存在 selection bias。

AI-referred traffic 更愿意完成购买，可能是因为用户已经通过 ChatGPT 等入口完成了筛选，带着明确意图抵达网站。它不代表 agent 能替用户发现一个原本不会购买的品牌。换句话说，agent 可能强化已有 intent，而不是创造 demand。

第三个风险是 B2A 不会自然形成开放 marketplace，而会被少数模型平台封闭接管。

如果 agent recommendation 主要由闭源模型厂商控制，商家不会获得竞价环境，只会被迫适配一个又一个 proprietary interface。届时所谓 B2A 经济，可能不是商家与 agent 平等交易，而是模型厂商借 distribution 收取新的 toll。

第四，支付与信任会拖慢 adoption。

Agent 可以推荐商品，但 purchase、refund、identity verification、fraud handling 仍由平台承担。责任不清时，agent 很难被允许完成高价值 transaction。浏览器自动化尤其容易卡在 CAPTCHA、登录和 consent 上。

第五，open models 可能让 agent distribution 更快碎片化。

如果 Claude、ChatGPT、Grok、各类 open-source agent 同时存在，商家可能需要维护多套 tool schema、prompt policy 与 routing。所谓“agent 选择层”，未必收敛为一个稳定入口，也可能演变成新的 app-store 战争。

所以我仍然认为 distribution 正在转移，但不会轻易形成一个统一、繁荣的 B2A marketplace。

更可能发生的是：OpenAI、Google、Anthropic 与 browser vendors 各自控制一段 agent stack，商家在多个入口之间争取可调用性。

真正的验证点不是 agent 流量继续增长，而是三件事：agent 是否能独立完成支付、商家是否按 agent 成交额定价、跨模型切换是否仍然可盈利。如果这三件事发生，B2A 才不只是 traffic shift，而是一门新生意。