近期，高盛交易台负责人 Rich Privorotsky 提出了一个颇具代表性的判断：AI Agent 正在快速进入现实经济活动，它可能持续消除经济体系中的各种“摩擦”，提升生产率、压低部分成本，并最终成为推动企业盈利和资本市场进一步上行的重要力量。
这一观点随后被市场概括为“AI Agent 消除经济摩擦，美股有望迎来新一轮突破”。
但如果只把它理解成“高盛看涨美股”，实际上低估了这一观点的意义。真正值得关注的是，高盛正在讨论一个更深层次的变化：人工智能可能正在从一个辅助人类获取信息的工具，逐渐演变为直接参与经济活动的执行主体。
换句话说，AI 的故事正在从“模型更聪明”，进入“AI 开始替人办事”的阶段。
一、什么叫“AI Agent 消除经济摩擦”？
所谓经济摩擦，并不是一个很抽象的概念。
现实世界中，几乎所有经济活动都存在大量额外成本。
比如购买一个产品之前，需要搜索、比较价格、阅读评价；订机票需要不断切换网站；企业采购需要询价、审批、签合同、录入系统；员工报销需要整理票据；消费者发现订阅涨价之后，可能因为取消流程复杂而继续支付；企业客户即使知道供应商报价偏高，也未必有时间重新寻找其他方案。
这些环节本身并不创造最终产品，但都会消耗时间、人力和资金。
这就是“摩擦”。
过去互联网降低了一部分信息摩擦，但人仍然需要亲自操作。
AI Agent 带来的最大变化，则是它不仅能够告诉用户“应该怎么做”，还可以继续执行后面的动作。
例如，一个旅行 Agent 可以根据用户需求自动搜索航班、比较酒店、规划行程、修改日期，并最终完成预订；一个企业采购 Agent 可以查询多个供应商、比较价格、检查库存甚至生成采购建议；一个个人财务 Agent 可以检查订阅服务、保险方案和账单，并主动寻找更低价格。
以前这些事情都需要人不断点击、搜索和判断。
未来 Agent 可以持续替人完成。
因此，AI Agent 真正改变的不是“人获得信息的速度”，而是“完成经济活动的成本”。
这也是高盛所说“减少经济摩擦”的核心含义。
二、很多商业模式其实建立在“摩擦”之上
进一步看，会发现这个观点背后其实隐藏着一个非常重要的问题：
现实经济中，相当一部分利润实际上来自摩擦。
消费者为什么长期使用一个价格并不便宜的服务？
很多时候不是因为它最好，而是因为换服务太麻烦。
为什么很多 SaaS 软件能够持续提高订阅价格？
因为企业已经深度绑定在其工作流程之中，迁移成本很高。
为什么保险、金融、旅游、广告、电商平台中存在大量中介？
因为用户没有足够时间持续搜索最优方案。
在经济学中，这类建立在信息差、切换成本、渠道控制和用户惰性上的额外收益，有时可以被理解为一种经济租金。
AI Agent 的出现，恰恰可能对这些商业模式形成冲击。
如果一个 Agent 可以每天自动比较几十家供应商，传统的“用户懒得换”就会失效。
如果 Agent 可以不断检查价格，价格歧视就会变得更困难。
如果 Agent 可以自动取消不需要的订阅，“忘记取消”带来的收入也会减少。
因此，高盛所谓 AI Agent 消除经济摩擦，实际上还有另一层含义：
它可能压缩一部分依赖信息不对称、搜索成本和用户惰性获得的利润。
这会对很多行业产生深刻影响。
三、AI Agent为什么可能具有“结构性去通胀”作用？
如果大量经济摩擦被减少，接下来就会出现另一个结果：生产率提高。
假设一家企业原来需要十个人完成资料整理、客户沟通、订单处理、报表制作和内部审批。
未来有了 AI Agent，同样十个人可能处理过去三十个人才能完成的工作。
企业并不一定马上裁员。
更现实的情况是，相同员工完成更多业务。
这就是生产率提升。
如果单位商品或服务需要消耗的人力时间下降，单位成本自然也有下降空间。
所以，从宏观角度看，AI Agent 可能产生一种长期的结构性去通胀力量：
生产同样的东西，需要更少的时间；
处理同样的业务，需要更少的人力；
寻找商品和服务，需要更低的搜索成本；
企业内部协调成本下降；
交易效率提高。
最终表现出来，就是经济体系可以用更少资源完成更多事情。
这与工业革命中机器替代部分体力劳动非常类似。
区别在于，AI Agent 主要替代的是认知工作、信息处理和流程协调。
四、但经济租金不会消失，只会重新分配
这里需要注意一个非常重要的问题。
AI Agent 虽然可以消除旧的经济摩擦，但并不意味着所有经济租金都会消失。
更可能发生的情况是：
旧的稀缺性下降，新的稀缺性出现。
过去稀缺的是人的时间、专业知识以及信息获取能力。
未来新的稀缺资源可能变成：
算力、能源、优质数据、模型能力、数字身份、安全认证、支付权限、企业系统接口，以及 Agent 的分发入口。
举一个很典型的例子。
过去企业软件往往按照用户数量收费。
一家企业有一千名员工，就购买一千个软件账号。
但如果未来很多任务不再由员工直接操作软件，而是由 AI Agent 调用后台系统完成，那么“一个人一个软件账号”的商业模式就可能受到挑战。
软件平台可能逐渐从“人直接使用的软件”，变成“Agent 调用的数据和能力接口”。
这会改变软件行业的定价模式。
与此同时，能够掌握 Agent 入口的平台、模型公司、云计算厂商、芯片公司以及身份认证体系，反而可能获得更强的议价能力。
因此，与其说 AI Agent 会消灭经济租金，不如说：
AI Agent 正在重新绘制经济租金地图。
这是未来几年理解 Agentic AI 产业变化非常重要的一个框架。
五、AI产业正在从“训练经济”转向“推理经济”
高盛这一观点背后，还有一个值得关注的产业变化。
过去几年 AI 行业最主要的投资逻辑是训练大型模型。
基本逻辑是：
更大的模型，需要更多 GPU；
更多 GPU，需要更多数据中心；
更多数据中心，需要更多服务器、内存、电力和网络设备。
因此英伟达、台积电、HBM 厂商以及数据中心产业链成为这一轮 AI 投资浪潮最大的受益者。
但 Agent 普及之后，AI 算力需求结构会逐渐发生变化。
未来越来越多的计算可能来自推理。
原因非常简单。
训练一个大型模型可能几个月进行一次。
但一个 AI Agent 可以每天运行几十次甚至几百次。
它会持续思考、搜索、调用工具、读取数据库、访问网站、运行代码，甚至调用其他 Agent。
如果未来全球几十亿个人和企业都拥有多个 AI Agent，那么算力需求的决定因素将不再只是“训练多少个大模型”，而可能变成：
全球到底有多少 Agent，每天执行多少任务。
这就是所谓的“推理经济”。
从这个角度看，AI Agent 并不是一个普通的软件产品。
它可能成为未来计算需求最重要的来源之一。
六、为什么这一逻辑会进一步推导到美股？
到这里，才能理解高盛交易台为什么会进一步讨论美股突破。
这其实是两个逻辑叠加的结果。
第一条是长期逻辑：
AI Agent 提升生产率。
如果企业能够使用 AI Agent 降低运营成本、增加销售收入、减少人工处理时间，那么企业利润率就有提升空间。
利润增长最终会影响股票估值。
第二条则是交易层面的逻辑。
Privorotsky 认为，目前市场仍然面对很多不确定因素，例如利率、能源价格、地缘政治、美国中期选举以及巨大的 AI 资本开支。
因此不少机构投资者仍然保持一定谨慎。
换句话说，市场并不是处于所有人都极度乐观、仓位已经加满的状态。
如果企业盈利继续增长，同时 AI Agent 又提供新的增长故事，就可能出现一种典型的市场结构：
市场上涨；
部分投资者没有及时参与；
上涨继续；
资金开始追赶；
进一步推动市场突破。
所以这里所谓的“美股可能突破”，其实并不仅仅建立在 AI 技术本身之上。
它同时包含了基本面、资金仓位和投资者心理三个因素。
七、但真正的问题是：AI到底是在“烧钱”，还是开始“赚钱”？
这也是理解当前 AI 行情最重要的问题之一。
过去三年，AI 投资最大的特点是资本开支极其庞大。
科技公司不断购买 GPU、建设数据中心、扩建电网并部署高速网络。
这些投资推动了芯片、服务器、内存和电力基础设施行业快速增长。
但资本市场最终不会只关心投入多少。
更重要的问题是：
这些投入到底能够产生多少利润？
这意味着 AI 市场正在逐渐进入一个新的阶段。
过去市场主要交易：
AI 要花多少钱。
未来市场会越来越关注：
AI 能赚多少钱。
这两个问题完全不同。
如果一家企业投入一百亿美元建设 AI，但实际只能增加几十亿美元收入，那么长期回报并不理想。
相反，如果 Agent 能够帮助企业显著减少人工成本、提高销售效率、缩短研发周期，那么 AI 才真正从“资本开支故事”变成“生产率故事”。
这也是未来几年 AI 行情能否持续的关键。
八、AI的短期和长期效应甚至可能相反
还有一个经常被忽略的问题。
从长期看，AI 提高生产率，因此可能具有去通胀作用。
但从短期看，AI 投资本身却可能具有一定通胀属性。
建设数据中心需要大量电力。
服务器需要大量芯片和内存。
数据中心需要土地、变压器、输电设备、冷却系统以及大量工程建设。
因此，AI 在短期内实际上正在大量消耗能源和资本品。
所以 AI 的宏观影响可能出现两个阶段。
第一阶段是：
AI 资本开支周期。
表现为 GPU、数据中心、电力、HBM、服务器等需求快速上升。
第二阶段才是：
AI 生产率周期。
也就是企业真正通过 AI Agent 降低成本、提高效率。
资本市场真正需要观察的，是这两个阶段能不能顺利完成接力。
如果资本开支已经非常庞大，但生产率提升迟迟没有出现，那么 AI 资产估值就可能面临压力。
如果 Agent 开始在企业中产生可量化的回报，那么市场就可能获得新的盈利驱动力。
九、下一阶段AI投资逻辑可能发生变化
因此，高盛这一观点最值得关注的地方，不是简单判断某个股票指数会上涨还是下跌。
它实际上揭示了 AI 产业可能正在经历一次叙事转换。
第一阶段的 AI 投资主要关注基础设施。
核心问题是：
谁提供 GPU？
谁生产先进芯片？
谁提供 HBM？
谁建设数据中心？
第二阶段则可能逐渐转向应用和生产率。
核心问题会变成：
哪些行业最容易被 Agent 重构？
哪些企业真正降低了成本？
哪些企业因为 AI 获得新的收入？
哪些传统中介会失去利润？
新的经济租金又会转移到哪些平台？
这意味着市场研究的重点也会发生变化。
未来衡量 AI 的重要指标，可能不再只是 GPU 出货量和数据中心资本开支。
还要看：
每个 Agent 每天执行多少任务；
企业使用 Agent 后生产率提高多少；
单个员工能够管理多少 AI Agent；
Agent 是否真正改变软件采购；
AI 能否提高企业利润率。
这些指标一旦逐渐成熟，AI 才真正从技术革命进入经济革命。
结语：从“卖算力”走向“重构经济”
从这个角度来看，高盛交易台提出的“AI Agent 消除经济摩擦”，其实是一个比“美股可能突破”更值得关注的判断。
过去几年，AI 最大的价值主要体现在模型能力提高以及算力基础设施建设。
而 Agent 带来的变化在于：
AI 开始直接参与经济活动。
它不再只是告诉人应该做什么。
它开始代表人搜索、比较、谈判、购买、调用软件并完成任务。
当大量 Agent 真正进入企业和个人工作流程之后，信息不对称、搜索成本、切换成本以及流程协调成本都有可能下降。
这意味着人工智能正在从“信息工具”逐渐变成一种新的经济基础设施。
因此，未来 AI 产业真正需要观察的，并不是模型参数还能扩大多少，也不只是数据中心还能建设多少。
更重要的问题是：
AI Agent 究竟能够把现实世界中的经济摩擦降低多少，并将这些效率真正转化成多少生产率和企业利润。
如果这一过程真正发生，那么过去几年由“卖算力”驱动的 AI 周期，就可能进一步演化为由“重构经济成本结构”驱动的新阶段。
这或许才是高盛这一判断背后最值得关注的含义。