【编者按】
凭借在 AI Agent领域强大的产品力，Anthropic的年化收入从年初的90亿美元冲到5月的440亿，五个月翻了近五倍。一个面向原生智能体（Agent-native）的新经济正在长出来。当AI 使用范式从回答问题走向替人做事，商业模式是绕不开的第一个问题：谁为算力付费，价值如何分配，用户以什么方式为服务付费。为此，智能体经济课题的第一篇成果，从研究这个问题开始。
4 月初 Anthropic 宣布 ARR 超 300 亿美元，其B端收入占比超过80%。另一个消息是，本月OpenAI 正式上线了其广告后台系统，允许广告主在 ChatGPT 中投放清晰标注、与回答分离的广告。一种声音认为这是 OpenAI 找到了第二增长曲线，另一种声音担忧广告会彻底破坏 AI 对话的体验。
但无论是怎样的争论，都还是指向了更本质的问题： AI 如何变现？在互联网屡试不爽的订阅和广告模式，真的能撑起AI商业化的未来吗？
关于AI商业化的问题，我们不能简单按照软件/SaaS/互联网产品做类比。广告与订阅的模式都是建立在每次曝光、每个任务的边际成本为零的基础之上的，而AI在每次调用时都会产生Token成本。我们可能需要新的商业模式。
OpenAI vs Anthropic：两条商业化路径
在商业化路径上，OpenAI与Anthropic提供了两种典型样本。
OpenAI的逻辑=流量(Tr affi c)。ChatGPT拥有接近10亿的周活跃用户规模，并早在2022年底就火爆出圈，其商业化路径更接近传统互联网公司的“入口+流量逻辑”：先通过 ChatGPT 建立最大规模的通用用户入口，再在搜索、办公、购物、开发者工具等场景中分层变现。
Anthropic的逻辑=任务 (Task) 。Anthropic始终聚焦“高价值任务”的变现，特别是先抓住 coding 这一高频、高价值、ROI 清晰的场景，再把 Claude Code 的 Agent 能力外溢到企业知识工作流中。从2025年2月首次推出Claude Code，到 Claude for Work / Claude for Enterprise，再到 Cowork，Anthropic 正在把 coding Agent 能力外溢到文档、表格、演示、销售、法务、金融分析等知识工作场景，其在“高价值任务”的布局路径始终坚定。
从二者的收入结构看 （综合Morgan Stanley、a16z等多家机构的预测分析） ，这一布局也就更加清楚。
这两种路径并非简单的“C端好”或“B端好”，而是反映了这两家公司的底层战略差异：
OpenAI信奉“智能是通用的”。先打造一个强大的通用基础模型，使其具备广泛的泛化能力，能够覆盖绝大多数场景；再在这个通用底座之上，通过微调等方式构建各个垂直领域的专门能力。因此其所有的技术探索都服务于 "完善通用大模型拼图" 这一终极目标。
Anthropic则认为“通用智能要首先通过代码来实现”。代码是验证 RL 反馈 （强化学习 Reinforcement Learning） 、训练AI Agent 能力最理想的沙盒 （可执行、可评测、有 ground truth） 。通过代码训练模型能力，再把代码能力做到极致，就可以用强大的代码能力作为 "通用工具" 去解决其他所有领域的问题。
AI广告模式：天花板明显
广告是互联网最成熟的商业模式之一，而Chatbot广告会天然被认为是搜索广告的变体 （ChatGPT、Perpelaxity也确实在这么做） 。但与搜索广告相比，存在两个先天性的天花板。
第一个天花板，就是可商业化query比例较低。
传统搜索中，用户大量查询本身带有明确商业意图，例如“附近酒店”“手机推荐”“贷款利率”“装修公司哪家好”。这些query天然适合广告，一般认为可商业化的搜索query比例在20%-30%。
而Chatbot和Agent的使用场景更宽，用户可能用它写代码、改简历、总结文档、陪伴聊天、做学习计划、分析数据。据部分调研机构统计，Chatbot整体可商业化query比例低至个位数，大约是传统搜索的1/5 - 1/4。
第二个天花板，在于AI回答中的广告加载数量有限。
传统搜索中，单次搜索可以展示多条广告，部分平台会用ASN （Average Show Number） 作为衡量指标，一般ASN在2-3之间，即单次搜索可以实现2-3条广告曝光。
但AI回答强调完整性、可信度和自然语言体验，单个回答中很难插入大量广告。无论是ChatGPT还是Perplexity，AI回答目前通常只能加载1-2个广告，是传统搜索的1/3 - 1/2。
除此以外，还有一个隐形天花板，即用户信任。
搜索结果的深度与AI回答的深度差异巨大，用户的信任度也因此而不同，AI往往以“助理”身份出现，用户也期待它站在自己一边。如果广告过度嵌入答案，就可能削弱用户对回答中立性的信任。OpenAI在2026年开始测试ChatGPT广告时，官方也特别强调广告会与回答分离、清晰标注，且不会影响ChatGPT生成的答案。
因此，如何不破坏用户信任的前提下插入广告，成为了AI chatbot广告的隐形难题。
Perplexity的案例也说明了这一点。Perplexity曾在2024年推出赞助后续问题等广告形式，广告会出现在“Related Questions”区域，由用户点击后生成AI回答。 但这一模式天然存在争议：如果“后续问题”由品牌赞助，用户会质疑AI推荐路径是否仍然客观。Perplexity广告业务很快陷入停滞，并于今年2月正式关停。
AI广告不是没有机会，而是难以成为类似搜索广告那样高毛利、高库存、高确定性的主模式。更可能成立的形态不是“在答案里塞广告”，而是在用户已有决策意图中提供可比较、可解释、可跳转、可验证的商业信息。例如商品卡片、服务商对比、报价入口、预约入口、优惠券、试用申请等。广告的形态会更像“决策组件”，而不是传统 banner 或搜索关键词广告。
订阅模式：核心还是“为专业订阅”
当前AI订阅的模式分为两层：toB和toC。
toB的模式 （企业订阅 & API） 基本已经跑通了，toB业务的巨大贡献，也是帮助Antropic的ARR迅速提升的巨大助力。
toC的订阅则非常微妙，通过对AI付费订阅人群的画像分析不难发现，大部分的付费还是集中在专业需求人群：开发者、咨询分析人员、设计师、学生、教师、研究者和高频办公人群。C 端高付费意愿集中在生产力场景的个人用户，大众消费场景的转化率天花板低。
这也是OpenAI的付费率仅~5% （甚至低于国内的视频、音乐平台） 的核心原因，对更广泛的大众用户而言，AI仍然更多是“好用的工具”，而不是“必须每月持续付费的基础设施”。
更关键的是，AI的成本结构与传统互联网产品不同。社交、搜索、内容平台一旦完成基础设施建设，边际服务成本相对较低；但大模型推理存在持续token成本。AI越强，往往意味着更长上下文、更复杂工具调用、更长任务链路和更高推理消耗。
软件、SaaS的边际成本接近零，但 Agent 任务的边际成本是非零且不可忽略，一次复杂的任务可能消耗几美元算力。这意味着"低价订阅 + 重度用户"在 Agent 时代会出现结构性亏损，也意味着广告补贴免费用户的传统模式在 Agent 场景几乎无法成立。
这会带来一个矛盾：大众用户希望AI“便宜、好用、随时可用”，但真正高质量Agent服务的成本并不低。如果只依赖个人订阅，平台需要在价格、使用限制和体验之间反复权衡。价格太高，用户转化有限；价格太低，成本压力加大；限制太多，用户体验下降。
OpenAI推出更低价的ChatGPT Go，并在Free与Go层级测试广告，正是这种压力的体现。官方定价页显示，Go定位为更低成本、更高额度的入门订阅，但该计划“可能包含广告”。 这也说明了纯面向个人的订阅模式和广告模式压力巨大，对于其最终的商业化效果并不乐观。
实际上，C端商业化真正的问题，不是用户愿不愿意为聊天付费，而是谁愿意为“任务结果”付费。用户可能不愿意为一次问答付费，但愿意为一次成功的旅行规划、一次更低价的保险方案、一次更高转化的简历优化、一次准确的法律/财税预审付费；商户也可能不愿意为曝光付费，但愿意为确定性更强的线索、订单、预约和成交付费。AI 商业化的重心会从“卖入口”转向“卖结果”。
总结
AI商业化的十字路口，本质上不是“订阅还是广告”的二选一，而是AI产业从流量逻辑转向任务逻辑、从注意力经济转向执行经济的过程。
广告可以补贴免费用户，但难以承载全部商业化；订阅可以服务专业用户，但大众市场转化存在上限；API可以支撑开发者生态，但价格会被模型竞争持续压缩；真正长期的机会，可能来自企业工作流、平台层服务、交易抽成、安全审计和Agent资产管理等一系列更加深度、更加综合的服务。
对平台型企业而言，AI Agent商业化的关键不是急于把每一次对话变成广告位，而是建设可信、可控、可计量、可追责的Agent基础设施。当Agent开始替用户做事，商业价值也将从“回答了什么”转向“完成了什么”。这可能才是AI Agent商业模式真正成熟的起点。
本文来自微信公众号 “腾讯研究院”（ID：cyberlawrc），作者：AI经济研究小组，36氪经授权发布。
