千问GO商业化困境：AI Agent如何跨越“执行成本”与“信任责任”鸿沟

事件概述

10月13日，阿里推出千问个人智能体“千问Go”并开放体验申请。测试任务涵盖汽车保养询价、航班延误赔偿协商等复杂场景，标志着AI从标准动作向自主执行延伸。与此同时，字节跳动推进Spell项目，腾讯上线LightVela，Meta发布Muse，Manus调整收费模式。行业焦点从“AI能做什么”转向“如何收回高昂的执行成本”，尤其是当服务无法直接带来成交时，商业模式可持续性受到质疑。

核心信息

1. 阿里的优势与陷阱：增量而非存量

• 基础设施优势：阿里已向千问开放淘宝、天猫超40亿商品目录及订单、物流、售后能力，并于4月接入东航外部服务。这种深度集成降低了Agent的执行成本，使其具备不向用户收费也能通过新增成交、降低客服成本或提高复购来回收投入的潜力。
• 商业逻辑挑战：
  • 增量计算难题：若用户原本就会购买的商品经由千问下单，并未产生集团净收入增长。阿里需扣除新增推理和执行支出，仅计算净收益，不能将所有经过AI的交易视为AI创造的价值。
  • 推荐可信度危机：当外部平台提供更优价格时，千问需在“个人助理”（为用户利益最大化）与“交易平台”（优先内部供给）之间平衡。生态接入虽降低成本，但增加了证明推荐客观性的成本。
  • 第三方压力：携程、美团等平台面临服务价值重构，AI跨平台询价能力削弱了单纯的信息整理收入，独家库存和履约保障成为主要护城河。

2. Meta的策略：用商家收入填补用户亏损

• 成本倒挂严重：据摩根士丹利模型，Meta Muse每用户年成本约445美元（主要为云端常驻电脑），而全球单用户年均广告收入仅约70美元。即使按20美元/月的订阅费计算，也仅覆盖成本的54%。
• 收入来源转移：花旗预测Muse到2030年收入超270亿美元，其中83%来自交易相关收入（佣金占八成以上）。Meta计划向商家收取小额交易费，形态类似实时竞价的广告模式，最早落地时间为2027年底。
• 介入商家经营：通过“Muse for Small Business”接入Shopify、Stripe等工具，Meta试图成为商家的前置顾问，不仅卖广告，更参与推广方案制定。
• 风险隔离：Muse条款明确用户对执行行动负全责，Meta与用户不构成代理关系，责任上限为250美元或过去12个月已付费用中的较高者。此举在法律上将“替用户争取最优结果”的义务与商业利益切割。

3. Manus的模式：出售执行与维护本身

• 费用拆分：9月29日推出的Manus Flex允许用户自带API密钥，模型推理费用直接支付给模型公司，Manus仅对规划、执行、运行环境维护收取积分费用。
• 留存逻辑：通过让项目在云端持续运行（如网站托管、流程触发），增加修改和维护需求，从而建立长期收费理由。相比临时生成文件，持续运行的配置和协作习惯具有迁移壁垒。
• 参照价压力：微软Copilot将日常AI纳入订阅，大厂功能免费化趋势压低了独立产品的参照价格。Manus需证明其在模型之外减少浪费（如Cascade测试中运行成本降低32%）的价值，使执行本身成为可重复购买的服务。

值得关注

• 行业规则滞后于技术执行：搜索引擎花了近二十年才厘清付费与自然结果的边界，而个人智能体直接跳过展示进入执行阶段，行业规则版本仍停留在v0.1。支付安全、责任界定等关键问题尚未形成统一规范。
• 责任归属现状：无论是蚂蚁的Agent支付还是Muse的条款，“授权内的错误由用户自担”是普遍共识。目前主要保障盗用风险，而选错商品等授权内争议多按普通交易处理。
• 非成交场景的经济悖论：免费的Agent若主要依赖卖货获利，则缺乏动力持续提供退货、取消订单、帮用户省钱等服务。千问Go目前的几十元退款案例证明了单次执行能力，但未解决在非成交场景下，服务如何在特定价格、授权和责任安排下持续提供的商业闭环问题。