AI Agent 正在从一个人工智能产品概念,逐渐变成大型科技公司之间的新竞争层。Meta 在 9 月推出个人 AI Agent Muse,并进一步把 Muse 带入 AI 眼镜和小企业工作流;OpenAI 则在 9 月 29 日 DevDay 2026 推出 Dots,让 Agent 拥有独立云端计算机、浏览器以及持续执行任务的能力。与此同时,Google、Nvidia、Microsoft 等公司也在模型、云计算、芯片、安全和企业 Agent 基础设施方面持续布局。
这意味着 AI Agent 已经不再只是模型公司的产品问题。它需要大量计算资源,需要云端运行环境,需要企业软件连接,需要身份和安全管理,也需要最终的用户入口。对于美股研究而言,同一个 AI Agent 趋势可能通过完全不同的路径影响不同上市公司:有些公司主要受益于算力需求,有些掌握用户入口,有些控制企业软件,有些则承担巨额 AI 基础设施投入。
因此,研究 AI Agent 相关美股,更适合使用一套“价值链”方法,而不是简单寻找一家所谓的 AI Agent 公司。真正需要观察的是:谁提供模型,谁提供计算,谁控制平台,谁拥有用户,谁负责执行,谁承担成本,以及最终收入如何从技术能力传递到公司财务报表。
AI Agent 的产业价值链至少包括模型、算力、云平台、工具连接、企业软件、消费入口与金融支付等层次
OpenAI Dots 与 Meta Muse 的竞争说明 AI Agent 正在从模型能力进入产品入口与任务执行层
Nvidia 等算力企业受到 Agent 运行需求影响的路径,与 Meta、Microsoft 等平台公司的商业化路径并不相同
财报研究需要同时关注 AI 收入、资本开支、数据中心投入、研发费用与现金流,不能只看产品发布
Gate 的美股、gStocks 与 OpenAI Pre-IPOs 等产品,可以帮助加密用户从不同层级观察 AI 公司和相关资产
一款 AI Agent 看起来可能只是一个 App,但它背后的技术链条非常长。最上层是用户看到的 Agent 界面,中间是任务规划、工具调用和权限控制,底层则是模型、GPU、数据中心、网络和存储。
OpenAI Dots 的架构就是一个典型例子。OpenAI 表示 Dots 使用 GPT-6 Astra,每个 Dot 拥有独立的云端计算机和浏览器,并能够连接超过 4,000 个应用。换句话说,Agent 的成本结构并不是简单的“调用一次模型 API”,而是包含持续计算、工具调用、数据处理和安全监控等多个环节。
Meta Muse 也采用类似的底层逻辑。Meta 为 Muse 构建 Secure VM,并将 Agent 和用户数据放置在独立的虚拟环境中,同时提供连接应用、记忆、权限管理和执行审批机制。
从美股研究角度,这一点非常重要,因为不同环节的经济价值可能完全不同。Agent 使用量增加可能首先推高 GPU 和云计算需求;企业采用增加可能进一步推动软件收入;消费者使用扩大则可能强化广告、电商和服务分发价值。产业链研究的第一步,就是把这些传导路径拆开。

OpenAI Dots 与 Meta Muse 的推出,可以被理解为 AI Agent 从“模型能力”进入“产品入口”的一个标志。
OpenAI 9 月 29 日的 DevDay 2026 是其迄今规模最大的一次开发者活动之一,官方称共推出超过 20 项重大公告,其中包括 Dots、GPT-6.1 Sol、Codex 与 API 更新以及新的 ChatGPT 工作方式。OpenAI 明确把 Dots 描述成能够持续承担责任、持续工作并帮助用户处理任务的 Always-On Agent。
Meta 则走了一条更偏消费平台的路径。Muse 于 9 月 8 日推出,之后迅速扩展到 AI 眼镜和小企业场景。Meta 在 Connect 2026 中宣布,Muse 将能够理解用户眼前看到的对象,并结合更多第三方连接器执行任务;9 月 29 日,Meta 又推出 Muse for Small Business,让 Agent 与 Asana、Shopify、Slack、Stripe、Notion 等工作工具连接。
从美股研究角度,重要的并不是判断哪个产品一定会取代另一个,而是观察两家公司正在争夺什么。OpenAI 拥有 ChatGPT、API、Codex 和开发者生态,Meta 拥有 Facebook、Instagram、WhatsApp、AI 眼镜和庞大的消费者触达能力。它们选择不同入口,也意味着商业化路径不同。
对于上市公司研究而言,这种差异可以进一步拆成三个变量:用户入口、计算成本和商业化能力。谁能把更多用户转化成持续 Agent 使用,谁能更低成本地运行 Agent,谁能把 Agent 使用转化成企业服务、广告、订阅或交易收入,这些问题比一次发布会中的产品功能更值得长期跟踪。

AI Agent 的一个结构性特征,是它可能比传统聊天产品产生更多持续计算任务。
传统聊天模式通常是用户输入一次问题,模型计算一次答案。Agent 则可能持续读取数据、访问网页、调用软件、运行代码、检查结果,再重新规划下一步。这意味着单位用户产生的计算工作量可能进一步增加。
OpenAI Dots 的“自己的云端计算机”、持续运行和工具调用,就是这一趋势的具体体现。OpenAI 官方还强调,Dots 可以同时推进多个项目,并在后台工作。
这类工作负载最终需要 GPU、CPU、网络和存储。因此 Nvidia 这样的芯片公司,以及云计算基础设施提供商,处于 AI Agent 价值链中比较底层的位置。研究这类公司时,需要关注的并不只是“Agent 有多少用户”,还包括推理需求、训练与推理基础设施规模、数据中心建设和芯片供货周期。
但这里也存在一个重要区别:AI Agent 的增长并不自动意味着某一家芯片公司的收入会按相同比例增长。不同云厂商、芯片供应商和内部自研芯片之间存在替代关系,而且模型效率提升也可能降低单个任务的计算成本。因此,产业链研究必须同时跟踪“使用量增长”和“单位计算成本变化”。
Agent 要真正工作,需要进入企业已有的软件系统。一个企业 Agent 如果无法读取 CRM、ERP、邮箱、代码仓库或项目管理工具,它的工作范围就会受到很大限制。
OpenAI Dots 已经能够通过插件生态连接 4,000 多个应用,并在 Slack、Teams 和 ChatGPT 等环境中保持上下文。OpenAI 同时正在推进 Specialist Dots,让企业可以给特定 Agent 配置组织身份、凭证和工作权限,并与 Microsoft Agent 365 的治理系统连接。
这意味着企业软件公司面临的变化不仅是“增加一个 AI 功能”。更深层的变化是,软件的用户可能从“人”变成“人 + Agent”。过去企业为员工购买软件账号,未来可能还需要为 Agent 提供身份、权限和工具接口。
这一结构会产生新的商业模式:软件公司可以按 Agent 数量收费,也可能按照执行任务量、API 调用量或者产生的业务价值收费。与此同时,平台公司也可以把 Agent 作为原有生态的自动化用户,让用户停留时间、工具调用量和商业活动进一步增加。
因此,美股研究需要注意一个经常被忽略的变量:Agent 可能不仅创造新的 AI 产品收入,还可能重新分配原有软件行业的收入。谁拥有工具,谁就可能成为 Agent 的能力提供者;谁拥有用户入口,谁就可能成为 Agent 的分发平台。

Meta 是研究 AI Agent 商业化路径的典型案例,因为它同时拥有强大的消费者平台与新兴硬件业务。
2026 年第二季度,Meta 总收入为 608.01 亿美元,同比增长 28%;其中 Family of Apps 收入为 603.70 亿美元,而 Reality Labs 收入为 4.31 亿美元。同期 Reality Labs 经营亏损为 46.19 亿美元。
这些数字说明,AI 眼镜、Reality Labs 与新型 AI Agent 对 Meta 的意义,目前不能只通过直接硬件收入来衡量。它们还可能承担新的用户入口、AI 使用和长期平台战略,但相关投入同时带来研发、基础设施、硬件和运营成本。
Meta 当前进一步把 Muse 与 AI 眼镜以及小企业服务连接起来,就是把单纯的硬件产品逐渐变成更大的 AI 分发网络。对于美股研究而言,这意味着应该把硬件销量、活跃用户、AI 使用率、订阅收入和广告/商业化路径放在同一个模型里观察,而不是单独看某一个指标。
这类分析也适用于其他大型科技公司。AI Agent 可能短期增加成本,却未必立即形成对应收入;也可能先提高用户留存和软件使用,再通过广告、订阅、云服务或企业软件逐步变现。因此,财务研究需要允许“收入确认”与“技术投入”存在时间差。
9 月 29 日,美国总统特朗普在白宫与多家大型 AI 公司负责人会面,并宣布一份自愿性的“超级智能协议”。Odaily 报道称,签署方包括 OpenAI、Meta、Google、Nvidia、Anthropic 和 xAI,协议提出内部控制、内部合规、外部审计和董事会监督等四层机制。Reuters 同日报道也确认相关公司签署了自愿性 AI 安全协议。
当天,美国行政部门还推出与“Super Intelligence(SI)”相关的行政行动。根据公开报道,相关行政安排要求联邦机构在法律允许范围内的非法律文件中使用“Super Intelligence”和“SI”等表述,并要求总统科技助理提交相关立法建议。
对于美股研究而言,这类事件更适合被理解为产业环境变量,而不是直接的股价信号。一方面,AI 公司的产品能力越来越强,Agent 又把模型与现实系统连接起来,因此安全、权限、审计和治理的重要性随之增加;另一方面,不同监管方式可能影响企业的研发节奏、合规成本、数据中心建设和产品上线流程。
因此,研究 AI Agent 相关美股时,可以把政策变量放到“产业环境层”,再观察它如何影响公司经营变量。例如新的安全要求是否增加研发成本,审计要求是否改变企业产品流程,政府采购是否创造新的需求,或者数据中心建设政策是否改变资本开支计划。
这里不需要把政策事件直接转换成股价判断。更有价值的方法是观察政策变化经过多长时间、通过哪个环节传导到公司的收入、成本与资本开支。
OpenAI 本身与 Meta、Nvidia、Microsoft 等上市公司不同,因此研究 AI Agent 的美股价值链时,不能简单把 OpenAI 当成一只公开交易股票。
但 OpenAI 仍然是整个产业研究的重要变量,因为其产品、模型和 API 会影响其他上市公司的业务需求。比如,OpenAI 的模型能力提升可能增加云计算和芯片需求;Agent 产品扩张可能提高企业软件调用量;开发者生态扩大可能增加 API 和云基础设施使用。
2026 年 3 月,OpenAI 曾披露完成 1,220 亿美元融资、投后估值 8,520 亿美元,并强调消费者采用、企业部署、开发者使用和计算资源之间形成相互强化的增长循环。 这些信息可以帮助研究者理解为什么 OpenAI 虽然不是普通美股标的,却会成为整个 AI 资本开支周期的重要观察对象。
对于加密用户来说,OpenAI 还有另一个特殊入口。Gate 2026 年推出 Pre-IPOs 机制后,曾上线 OpenAI 项目;Gate 官方披露,第二期 OpenAI 项目累计认购金额超过 2.6 亿美元,并在 Pre-IPOs 市场形成了相应的资产凭证交易。
这让 OpenAI 可以从“非上市 AI 公司”与“资本市场资产”两个角度被研究,但两者仍然属于不同的资产结构,不能将 Pre-IPOs 资产凭证简单理解为已经上市交易的普通股。
对于已经习惯使用加密资产账户观察全球市场的用户而言,Gate 的股票和 Pre-IPOs 产品提供了不同层级的资产入口。
Gate 当前股票业务覆盖包括 Nvidia、Microsoft、Meta、Alphabet 等在内的多类美股标的。平台页面显示,这些股票可以在 Gate Stocks 中进行交易。
另一方面,Gate 还提供 gStocks 等代币化证券产品。Gate 2026 年 7 月透明度报告称,gStocks 于 7 月上线,并以 1:1 足额原生股票作为底层资产,随后增加了包括 Nvidia、Microsoft、Meta 等在内的多个标的。
OpenAI 则处于更早的资本市场阶段。Gate Pre-IPOs 已经上线 OpenAI 项目,为数字资产用户提供了观察未上市 AI 企业资产定价的另一种路径。
从行业研究角度看,这三种入口分别对应不同的资产阶段:上市公司股票属于公开市场资产,gStocks 属于代币化证券产品,而 OpenAI Pre-IPOs 则涉及未上市企业的资产凭证与上市前市场。将这些层次区分开,有助于理解 AI 产业从私人资本市场走向公开市场之后,资产交易结构可能发生怎样的变化。
研究 AI Agent 的第一层,可以看技术采用,包括模型能力、Agent 使用量、任务完成率和工具连接数量。第二层看基础设施,包括 GPU、云计算、数据中心、网络和存储需求。第三层看平台,包括 ChatGPT、社交平台、操作系统、办公软件和企业软件。第四层则看商业化,包括订阅、广告、企业服务、云收入和交易服务。
最后再回到公司的财务报表。真正值得追踪的指标包括收入增长、毛利率、研发费用、资本开支、数据中心投资、折旧以及自由现金流。当技术发展和财务数据开始形成稳定的对应关系时,才真正进入企业经营研究的层面。
AI Agent 还有一个特殊变量,就是“单位任务成本”。如果模型推理效率提高,一项任务所需要的计算资源可能下降;但如果用户开始把更多复杂任务交给 Agent,整体计算需求又可能增长。两者可能同时发生,因此不能简单用“模型更便宜”推导算力需求下降。
同样,Agent 用户数增长也不等于收入同步增长。免费用户、订阅用户和企业客户的使用强度差异非常大,而企业 Agent 还可能以任务量、席位数量或基础设施费用等方式计价。研究公司时,最终应该追踪的是“AI 使用量 → 单位经济 → 收入 → 成本 → 现金流”的完整链条。
因为 Agent 不只是一个模型应用,它同时需要芯片、云计算、软件工具、身份权限、数据基础设施以及用户入口。因此同一个 Agent 需求可能沿不同路径影响多种上市公司。
OpenAI 本身并不是与 Meta、Nvidia 等相同类型的公开交易上市公司。因此研究 OpenAI 时,更适合作为 AI 产业链和私人资本市场变量,而不是把它直接当作一只公开市场股票进行财务比较。
Agent 的持续运行可能增加推理和基础设施需求,但实际收入仍取决于计算量、芯片价格、供应结构、客户采购周期以及模型效率变化。因此,需要同时观察需求规模与单位计算成本。
因为 AI 眼镜、智能硬件与 AI Agent 是 Meta 新计算入口战略的一部分,而 Reality Labs 的收入、亏损以及相关投入能够帮助研究者理解这类新业务目前对公司财务的具体影响。2026 年第二季度 Reality Labs 收入为 4.31 亿美元、经营亏损为 46.19 亿美元。
Gate 一方面通过 Gate for AI Agent 将交易、行情和钱包等能力开放给 AI Agent,另一方面通过股票、gStocks 和 Pre-IPOs 等产品连接数字资产用户与传统及未上市资产。
可以从四个维度观察:Agent 用户与使用量、算力与基础设施需求、公司 AI 相关收入,以及研发和资本开支。最终需要把技术增长与企业利润表和现金流结合起来分析。
* 投资有风险,入市须谨慎。本文不作为 Gate 提供的投资理财建议或其他任何类型的建议。
* 在未提及 Gate 的情况下,复制、传播或抄袭本文将违反《版权法》,Gate 有权追究其法律责任。





