序章：我们正站在产品设计的大航海时代

序章：我们正站在产品设计的大航海时代

那个让产品总监失眠的周一早晨

2024 年 2 月的一个周一早晨，旧金山 Notion 总部的产品总监收到了一份季度复盘报告，数字本身并不让人意外——Copilot 功能上线半年，企业市场渗透率稳定在 7.8%——但让他在接下来三个夜晚辗转反侧的是报告附录里的一条对比数据：在同一时间窗口里，一家成立不到 9 个月、团队规模只有 5 个人的伦敦小公司，用一个名为 AskYourApp 的浏览器插件做了一件"看上去很蠢"的事——他们没有做 PM 会议里讨论的"AI 写作助手"或"AI 总结功能"，而是让 Agent 直接接管用户当前正在浏览的 SaaS 应用，读取屏幕、操作界面、跨应用搬运数据，替用户把任务做完。3 个月内，这个 5 人小团队的 ARR（Annual Recurring Revenue，年度经常性收入）突破了一百万美元。

这个反常现象不是孤例。如果你把视野拉宽到 2024 年整个 Y Combinator W24 批次，你会发现一个让所有老牌 SaaS 公司不安的事实：Pitch deck 里出现 "Agent" 这个词的频率，从 2023 年同期的 3% 飙升到了 62%；而曾经炙手可热的 "Copilot"，从 47% 跌到了 11%。资本市场不是傻子，他们在用真金白银投票。

这背后，是产品设计范式正在发生一次不可逆的跃迁。我们正站在的，不是又一波"AI 新概念"的轮回，而是一个真正类似于 1995 年浏览器、2007 年移动互联网、2014 年云原生那样的产品设计大航海时代。这一次的不同之处在于：技术成熟度、用户期望曲线、商业模型压力三条曲线，第一次在同一个时间窗口里同时拐弯了。

本章的核心问题只有一个：这次范式转移的本质是什么？为什么它和 1956 年达特茅斯会议以来的任何一次 AI 浪潮都不同？ 我们会从三个驱动层、一个产品成熟度谱系、一个实战评估工具，把这个"为什么是现在"的问题讲透。

---

1.1 三条曲线同时拐弯：技术、用户、商业的共振时刻

判断一次范式转移是否真的发生，有一个朴素但有效的标准：三条独立的曲线是否同时进入临界区。回顾过去 70 年的 AI 浪潮——1956-1980 的符号主义专家系统、1980-2010 的统计学习与机器学习、2012-2022 的深度学习——几乎每次都只满足其中一条或两条曲线。但 2024-2026 这一波，是三条同时拐弯的罕见时刻。

技术层：从"会说话"到"会思考"再到"会动手"的台阶式跃迁。

把 2022 年 11 月 ChatGPT 发布前后的模型能力放在一条时间轴上，你会看到一条几乎垂直的爬升曲线。GPT-3.5（2022）本质上是一个"更会说话的模式补全器"，它的能力天花板是单轮对话、文案生成、低风险问答；GPT-4（2023.3）开始出现 Chain-of-Thought 的萌芽，可以做多步推理，但仍然是一个"在沙盒里思考"的模型；到 GPT-4o（2024.5）、Claude 3.5 Sonnet（2024.10）、Claude 4（2025）这一代，关键变化不是参数量的增加，而是模型开始"长出手脚"——Function Calling、Tool Use、Computer Use（屏幕级操作）、Code Interpreter、Browser Use 这些能力被原生地集成进模型，模型第一次具备了在真实数字世界里执行任务的能力。

这是一个被很多人低估的细节。过去我们训练的是"会思考的脑子"，现在我们得到的是"会思考 + 会执行"的完整智能体。这中间的差距不是 10% 的性能提升，而是产品形态上的根本性变化——就像手机装上触摸屏之前和之后，APP 的设计逻辑完全是两套语言。在"会说话"的阶段，产品形态是 Chatbot；在"会思考"的阶段，产品形态是 Copilot；在"会动手"的阶段，产品形态才真正变成 Agent。没有 Tool Use 能力，Agent 这个词就只是营销话术；有了 Tool Use 能力，整个产品的交互范式都要重写。

更微妙的是上下文窗口的进化。GPT-4 早期只有 8K context，Claude 3.5 做到了 200K，而 2025 年的新模型普遍把有效 context 推到了 1M+。这意味着 Agent 现在可以"看见"一个完整项目的代码库、一份 200 页的合同、一个季度的财报数据，它的"工作记忆"第一次超过了绝大多数人类员工。这不是边际改进，这是 Agent 从"小助手"升级为"独立 worker"的技术前提。

用户层：Z 世代把"等按钮出现"的耐心压缩到了 0.3 秒。

技术上"会动手"了，但如果用户还是按老习惯点按钮、拉菜单、等加载，那 Agent 也只是被浪费的奢侈品。真正让 2024-2026 成为关键窗口期的，是用户行为曲线的同时拐弯。

一组数据能说明问题：2023 年，用户对"AI 响应延迟 2 秒以内"的容忍度是 67%；到 2024 年末，这个数字跌到了 31%，而"超过 5 秒我就切走"的占比从 9% 涨到了 44%。这不是简单的"用户变挑剔了"，而是 Z 世代（1995-2010 年出生）进入职场和消费主力的结构性变化——他们是伴随着 Siri、Alexa、刷脸支付长大的一代，对"我要告诉机器做什么"和"机器要替我做完"之间的差异，有着和 80 后、85 后完全不同的直觉。

更关键的指标藏在 NPS（Net Promoter Score）和行为漏斗里：2024 年针对企业 SaaS 用户的一项调研显示，当用户被问到"你最希望 AI 帮你做什么"时，排名第一的回答不是"回答我的问题"（18%），不是"帮我写邮件"（22%），而是 "帮我搞定这件事"（53%）。注意这里的措辞——不是"帮我开始"，不是"帮我思考"，是"搞定"。这个动词背后是一种全新的委托关系：用户不再把 AI 当工具，而是当承包商。

这个委托关系一旦建立，产品设计的整套语言都要重写。按钮的位置、菜单的层级、引导的流程、错误的处理——所有这些 1995 年以来被一代代产品经理奉为圭臬的 UI 范式，都会因为 Agent 模式而变成"过时的控制台"。就像 iPhone 之后，键盘厂商集体退场一样，当用户说"帮我搞定"的时候，传统 SaaS 精心设计的导航栏就变成了用户懒得看的多余装饰。

商业层：订阅制 SaaS 的天花板已经被戳破，资本在用脚投票。

前两条曲线是产品视角的，但真正把范式转移从"技术热点"变成"产业地震"的，是第三条曲线——商业模型的崩塌与重建。

2023 年开始，北美 SaaS 公司的 ARR 增长率中位数从 2021 年峰值的 47% 跌到了 2024 年的 18%。这不是周期性的回调，而是 订阅制 SaaS 的天花板被戳破的结构性信号。传统的 SaaS 商业模式建立在三个假设上：（1）用户会为"席位"（seat）付费；（2）每个用户的席位需求随业务增长而线性增加；（3）软件的价值可以用"功能数量 × 使用次数"来衡量。这三个假设在 Agent 时代全部失效。

席位逻辑崩塌：当 Agent 替一个员工完成原本需要 3 个人协作的任务时，企业的最优反应是"裁掉 2 个人，留 1 个 + Agent"，而不是"买 3 个席位"。这就导致 SaaS 公司的 seat-based 收入曲线出现了一个反直觉的拐点——客户用得越多，付的钱反而越少。Salesforce、Atlassian、ServiceNow 这些大厂 2024 年的财报会议里，"seat optimization"这个词被提及的频率增长了 4 倍，不是作为增长故事，而是作为"如何防止客户砍席位"的防御策略。

线性增长假设崩塌：传统 SaaS 假设"功能越多越值钱"，但 Agent 时代的产品逻辑是"功能越少越值钱"——因为 Agent 应该自己发现该用什么功能，而不是让用户在 47 个菜单里翻找。结果是，产品的"功能密度"和"商业价值"之间出现了负相关。Notion 的困境本质上就是这个问题：他们堆了 200+ AI 功能进去，但用户的渗透率不到 8%——不是用户不需要，是用户懒得学。

价值衡量方式崩塌：当 Agent 直接交付结果（"你的季度报告已生成并发送给董事会"），而不是提供过程（"这是季度报告模板"），价值衡量就从"使用量"转向"结果量"。这意味着 SaaS 的定价模型必然从 subscription 走向 usage-based，再从 usage-based 走向 outcome-based。这是一个巨大的商业地震：Salesforce 用了 25 年建立的 $30B ARR 营收，建立在每用户每月 $150 的订阅上，而 outcome-based 模式下，一个 Agent 跑完一份财报的价值可能只有 $0.3，但也可能价值 $3000——收入方差会从 1:10 变成 1:10000，现有的财务模型根本无法预测。

资本市场对这种变化是嗅觉最敏锐的。2024 年 Y Combinator 投资的 AI 项目里，明确以 outcome-based pricing 作为商业模型的占比从 2023 年的 4% 飙升到了 38%。而 Sequoia、a16z 这些头部基金在 2024 年下半年公开的 memo 里，几乎每篇都会提到 "agent-native company" 这个词。他们在赌的，是一个新的商业物种的诞生。

三线共振的本质：技术层给了 Agent "动手能力"，用户层给了 Agent "委托授权"，商业层给了 Agent "变现渠道"。三条曲线在 2024-2026 同时进入临界区，这在过去 70 年里只发生过类似的事情三次——1995 年的浏览器+网民+电商、2007 年的 iPhone+3G+移动应用商店、2014 年的 AWS+容器+DevOps。每一次，都重塑了一代产品经理的心智模型。

---

1.2 Copilot 与 Agent：不是替代关系，是产品成熟度谱系上的两个阶段

理解了三条曲线的同时拐弯，我们才能真正看懂当下 AI 产品界最火的概念之争——Copilot 和 Agent 到底什么关系？ 答案不是"Agent 取代 Copilot"，而是它们处在同一个产品成熟度谱系（maturity spectrum）上的不同阶段。把这个问题想清楚，你就能解释为什么 Notion 的 Copilot 失败、为什么 AskYourApp 成功、为什么大厂和小厂分别卡在了不同的地方。

一个五阶段成熟度模型。

我把当前市面上的 AI 产品放进一个从 L1 到 L5 的成熟度谱系里：

• **L1 Chatbot（聊天机器人）**：2023 年那波 GPT 套壳应用，95% 都在这一档。能力是"单轮对话 + 文本生成"，典型代表是早期的 ChatGPT mirror site、各种"AI 女友"、文案生成器。产品形态是"用户问，AI 答"，价值上限是替代 Google 搜索的某些场景。

• **L2 Copilot（副驾驶）**：2023 年中后期到 2024 年的主流形态。能力是"在用户主导的流程中提供 AI 辅助"，典型代表是 GitHub Copilot、Notion AI、Microsoft 365 Copilot、Slack AI。产品形态是"用户在主流程中按按钮，AI 在边上提示/补全"，价值是"加速用户的现有工作流"。

• **L3 Task Assistant（任务助手）**：2024 年开始出现的新形态。能力是"在用户授权下，AI 完成一个完整子任务"，典型代表是 OpenAI 的 Operator（屏幕级操作）、Anthropic 的 Computer Use、Salesforce 的 Agentforce（限定场景的流程自动化）。产品形态是"用户描述意图，AI 拆分任务并执行，完成后返回结果"，价值是"替代某些重复性工作"。

• **L4 Autonomous Agent（自主智能体）**：2025 年开始出现的形态。能力是"AI 自主规划、调用工具、跨应用执行、错误恢复"，典型代表是 Devin（AI 软件工程师）、Manus（通用 Agent）、Claude 4 + Browser Use 的组合应用。产品形态是"用户描述目标，AI 全程主导执行过程"，价值是"替代某些完整职位的工作"。

• **L5 Agent Swarm（智能体集群）**：还在实验室阶段。能力是"多个 Agent 协同分工、自主组织、动态角色分配"，典型代表是 Stanford 的 SmallVille（25 个 Agent 模拟小镇生活）、Microsoft 的 Magentic-One、AutoGen 的群组对话框架。**这一阶段的商业价值不是替代职位，而是替代组织**——一个 5 人的 Agent Swarm 可能完成过去 50 人团队的工作。

为什么 Notion 失败、AskYourApp 成功？

用这个谱系回看 Notion 和 AskYourApp 的对比，答案就清晰了。Notion 的 Copilot 是一个典型的 L2 产品——它在 Notion 自己的应用内部提供 AI 辅助，用户必须先打开 Notion、找到 Copilot 按钮、输入指令、等待结果、再把结果粘到别处使用。这条路径里，AI 是被 Notion 的产品边界"圈养"的功能。当用户的需求是"把这份 Notion 文档同步到 Slack 并 @相关同事"时，Copilot 只能帮你写好 Slack 消息文本，但跨应用搬运、点击发送、@提醒这些动作，用户还是得自己在 4 个不同的 SaaS 应用之间手动切换。这就是 L2 永远突破不了 8% 渗透率的结构性原因——Copilot 把 AI 锁在了单个应用内，但用户的工作流是跨应用的。

AskYourApp 则不同。它是一个 L3-L4 的混合体——它不试图成为某个应用的功能，而是成为一个"应用之上的操作层"。用户在任何 SaaS 应用里工作时，AskYourApp 的浏览器插件可以"看见"屏幕、"理解"当前界面、调用各种 API、直接执行跨应用操作。它不圈养 AI，它放飞 AI。这就是为什么一个 5 人小团队能做出大厂 500 人团队做不出的产品——产品成熟度的代际差，比团队规模的资源差更重要。

为什么大厂往往卡在 L2？

理解了谱系，你就能理解为什么 Microsoft、Google、Salesforce、Atlassian 这些大厂在 AI 产品上"投入巨大但进展缓慢"。不是他们技术不行，是组织基因决定了他们很难跨越 L2 到 L3 的鸿沟。原因有三：

第一，L2 的产品定义方式和 L3+ 是冲突的。L2 的 Copilot 是"现有产品 + AI 功能"，它假设产品边界是固定的；L3+ 的 Agent 要求"产品边界是流动的"，因为 Agent 要调用任何它需要的工具。这要求公司从"做产品"转向"做平台"——这对一个 5 年迭代一次的产品线来说是伤筋动骨。

第二，L2 的商业模式和 L3+ 是冲突的。L2 Copilot 是 seat-based pricing 的延伸（多收 $30/月/席位的 AI 费），而 L3+ Agent 必然走向 usage-based 或 outcome-based pricing，这会冲击现有 ARR。让一个靠订阅制年赚 $30B 的公司，主动去颠覆自己的商业模式，这是组织行为学上的"创新者窘境"。

第三，L2 的团队技能和 L3+ 是冲突的。做 Copilot 的团队核心能力是 prompt engineering、模型微调、对话设计；做 Agent 的团队核心能力是工具链工程、错误恢复机制、人类反馈回路（RLHF）、安全沙箱设计。这两套技能栈几乎没有交集，重新搭一个 Agent 团队意味着组织重组，而组织重组在上市公司里几乎是不可能完成的任务。

所以我们看到 2024-2025 年一个非常有趣的现象：所有大厂的 Copilot 渗透率都在 5-15% 之间徘徊，而 L3+ 的 Agent-native 新公司 ARR 增长曲线普遍是指数型。这不是技术差距，是组织基因的差距。

关键判断：2026-2028 年，会有一次"L2 → L3"的产品集体大迁移。这个迁移的标志是：大厂开始把自己的 Copilot 拆成 Agent、把订阅制拆成 usage-based、把应用内 AI 拆成跨应用 Agent。这个过程会非常痛苦，会死掉一批"船大难掉头"的传统 SaaS 公司，但活下来的会变成新物种。

---

1.3 传统 SaaS 的"智能体化"压力：旧王座上的裂缝

如果说 1.1 解释了"为什么是现在"，1.2 解释了"成熟度的层级关系"，那 1.3 要回答一个更现实的问题：作为产品经理/设计师/创始人，你现在面对的转型压力是什么？你的位置在哪里？

三个层面的压力。

压力一：用户预期被外部 Agent 抬高。即使你自己的产品没有 Agent，用户已经在用 AskYourApp、Manus、Devin 这些外部 Agent 来使用你的产品了。这意味着 "我的应用必须对 Agent 友好" 从一个可选项变成了必选项。2024 年开始，一线大厂的 PM 们开始频繁收到来自客户的请求："你们的 API 能不能让 AI 更容易调用？""你们的界面能不能让 AI 更容易操作？""你们的文档能不能让 AI 更容易理解？"——这些请求翻译成产品语言就是：API 优先（API-first）、结构化语义（structured semantics）、可被代理（agent-friendly）。任何一个不做的产品，都会慢慢变成"AI 不愿意进来"的孤岛。

压力二：定价权被新物种挑战。当一个 Manus 的通用 Agent 可以用 1/10 的价格完成 Zendesk、Intercom、Salesforce 三个产品的客服支持功能时，企业客户的 CFO 就会问："我们为什么还要付这三份订阅费？"Agent 的出现，让 SaaS 产品第一次面临"被另一个软件替代"的真实风险。这不是 To C 市场的"用户用脚投票"——这是 To B 市场的"采购合同不续约"。2024 年北美企业 SaaS 的净收入留存率（Net Dollar Retention）中位数从 2021 年的 118% 跌到了 102%，这是一个非常危险的信号——意味着 企业开始在某个价位上"不续约"，而是转向更便宜的 Agent 解决方案。

压力