Cathie Wood:关注AI Agent资金流向成新风向
Cathie Wood掌舵的ARK Invest最近提出了一个判断AI技术落地的思路:别光看开发者花多少时间写代码,多留意AI Agent把钱花到哪儿去了。这位资管大佬认为,当自主软件开始自己掏钱购买服务的时候,资金流向会变成比产品发布会更诚实的采用指标。
AI Agent怎么从答题进化到自主花钱?
早期AI助手主要是回答问题,用户问什么它答什么,本质上还是工具属性。现在这波AI Agent已经能自己拆解任务、调用接口、调用第三方服务完成复杂操作。Cathie Wood指出,这个转变意味着AI开始进入「消费」阶段——它不只是执行指令,还要自己做选择、用预算去买服务。打个比方,从「你告诉我该买什么」变成「我自己决定买什么并完成支付」,这个跨越让追踪资金流向变得有意义。
资金流向为什么比产品发布更能说明问题?
传统判断技术采用程度,往往看公司发布了什么产品、融了多少钱、招募了多少工程师。但这些数据容易被宣传节奏带偏,产品发布会可以包装,招聘信息可以刷量。AI Agent的支付行为不一样——它是实时发生的真金白银,每一笔支出都反映智能体对某个服务的真实需求。市场需要关注这些智能体怎么选服务商、谈什么价格、钱流向哪些环节,这些数据很难造假。
支付活动比产品发布更实时
产品发布有周期,可能集中在一两个时间点爆发。AI Agent的支付行为是持续进行的,可以更及时地反映技术成熟度和市场接受度。当某个领域的支付量明显上升,说明AI Agent在这个场景里真正派上用场了。
资金流向能揭示真实的竞争格局
厂商自己说产品多好、用户数增长多快,这种叙事容易失真。但如果能追踪AI Agent的资金去向,就能看到哪些服务真正被依赖、哪些技术栈在实际生产环节站稳脚跟。这对判断产业链价值分布更有参考价值。
2027年AI基础设施竞争格局预测
Cathie Wood还给出了对2027年的预判:OpenAI、Anthropic和英伟达三家会继续站在AI基础设施竞争的核心位置。这个判断不算意外,毕竟这三家目前在模型能力、算力供给和生态建设上确实领先。但Wood也点出了几个硬约束:算力供应跟不跟得上、能源成本能不能降下来、资本投入能否持续、模型可靠性够不够稳定。这几个变量会直接影响行业扩张的速度。
追踪AI Agent资金流向在实际操作中怎么落地?
虽然这个思路听起来有道理,但普通投资者真想追踪AI Agent的资金流向,目前还没有特别成熟的工具或数据源。行业内可能需要建立专门的监控体系,追踪链上交易或者平台内的支付日志。更现实的路径可能是关注几家主要AI平台披露的相关数据,或者等这个领域出现专门的数据服务商。
机构视角比个人投资者更适合做这件事
追踪AI Agent资金流向需要覆盖多个平台、解析大量交易数据,这种工作更适合ARK Invest这类有研究能力的机构来做。个人投资者如果想搭上这波趋势,可能更多是关注ARK等机构发布的相关报告,而不是自己去采集数据。
结语:机器开始有消费行为,这本身就是信号
AI Agent从执行指令到自主消费,这个转变本身就值得关注。不管你信不信Wood的预测框架,「机器开始花钱」这件事确实反映技术从实验阶段走向实际生产。当AI开始像个小角色一样在服务市场里进出,资金流向自然就成了观察它到底在干什么的窗口。
本文基于公开媒体报道整理,仅作信息参考,不构成任何投资依据,内容以原文为准。