2026年6月22日，一位Anthropic Claude Code的重度用户在Hacker News上发帖计算：按照新的Agent SDK计费方案，他每周的API支出将从47美元飙升至312美元——涨幅超过560%。同一天，OpenAI发布了GPT-5.4，宣称其内置的Tool Search功能能让AI代理”在不牺牲智能的前提下自动发现并使用正确的工具”。而就在24小时前，Google、Microsoft、Salesforce联合宣布支持一个名为ARD（Agentic Resource Discovery）的开放标准。

三件事在同一个72小时窗口内发生，绝非巧合。

大多数科技媒体将ARD叙事为”三大巨头联手对抗OpenAI和Anthropic的封闭生态”。这个框架不是错的，但它是不完整的。更准确的问题是：当三家在AI代理生态中各有私心、各有利益冲突的公司联合推出一个”开放标准”时，这个标准究竟在为谁服务？历史上类似的联盟最终走向了何处？而OpenAI和Anthropic，是否真的在这场战役中处于守势？

要回答这些问题，需要把ARD放进一个更长的历史坐标系中——不是AI行业的五年史，而是科技行业反复上演的生态战争剧本。

第一章：ARD是什么，以及它试图解决什么问题

ARD（Agentic Resource Discovery）是一个允许AI代理自动发现并连接企业软件栈中各类工具的协议标准。根据The Verge（2026年6月21日）的报道，其核心设计目标是：让AI代理在跨平台、跨系统的企业环境中，不必依赖OpenAI或Anthropic的专有生态系统来完成工具调用和资源发现。

这个定义本身就暗含了战场的轮廓。

当前AI代理的工具调用生态存在一个结构性问题：企业部署AI代理时，工具的发现、注册、调用逻辑高度依赖于底层模型提供商的协议设计。OpenAI的Function Calling、Anthropic的Tool Use，以及各自的SDK生态，实际上在工具层面构建了隐性的平台锁定。一家企业如果深度集成了OpenAI的代理框架，其内部工具库的调用逻辑就会与OpenAI的API格式深度耦合。切换到Anthropic，不只是换一个API key，而是重新设计工具注册逻辑、重写调用协议、重新测试整个代理流程。

这种锁定的代价是真实的。Anthropic在2026年6月暂停了Claude Agent SDK的计费变更，直接原因是开发者的强烈反弹。Zed代码编辑器团队公开表示：”对于重度使用代理的用户，这是一次重大的成本增加。”开发者Matthew Diakonov更直接指出：”如果你是一个主要使用Opus的Claude开发者，第一周就会突破盈亏平衡点。”（来源: Ars Technica, 2026-06-22）

这个事件揭示了一个关键矛盾：Anthropic的订阅定价体系最初并非为重度代理使用场景设计的。 Anthropic Claude Code负责人Boris Cherny早在2026年4月就承认：”我们的订阅并不是为我们看到的重度使用场景设计的。”（来源：Anthropic开发者论坛公开帖文，2026年4月，原文措辞经作者根据公开报道转述）当代理工作流真正大规模落地时，模型提供商的定价模型和开发者的使用模型之间出现了系统性裂缝。

ARD试图在这个裂缝中插入一个楔子：如果工具发现和连接遵循开放协议，企业就能在不同模型之间自由切换，从而在谈判桌上获得更强的议价能力。

但”开放标准”和”真正的互操作性”之间，历史上从来都不是等号。

第二章：历史剧本——当巨头们联合推”开放”时

理解ARD的战略意图，必须回溯科技行业中那些以”开放”为旗帜发动的生态战争。

2.1 Java与J2EE：IBM、Sun、Oracle的反微软联盟

1990年代末，微软凭借Windows平台的统治地位，将IE浏览器与操作系统深度捆绑，同时推进.NET框架，试图将企业软件开发锁定在Windows生态中。IBM、Sun Microsystems、Oracle的应对策略是联合推广Java和J2EE（Java 2 Platform, Enterprise Edition）——一个”一次编写，到处运行”的跨平台标准。

这场联盟的表面叙事是”开放对抗封闭”，但实际的利益结构要复杂得多：

  • Sun需要Java成为行业标准来维持其工作站和服务器的销售逻辑；
  • IBM需要一个能运行在其大型机和AS/400上的企业框架；
  • Oracle需要一个与Windows数据库无关的中间件标准来保护其数据库市场。

三家公司的利益在”反微软”这个交集上短暂重叠，但J2EE标准委员会的运作很快变成了另一场权力博弈。Sun试图控制标准的演进节奏，IBM则通过WebSphere应用服务器在实现层面引入大量专有扩展，Oracle的应用服务器同样如此。所谓”开放标准”在实践中变成了：标准是开放的，但最具竞争力的实现是封闭的。

最终，Java生态确实削弱了微软在企业软件领域的一些扩张，但J2EE本身因为过度复杂、各厂商实现不兼容，在2000年代中期被Spring框架——一个真正由开发者需求驱动的开源项目，而非巨头主导的标准——所取代。

2.2 ODF与OOXML：文档格式战争的教训

2006年前后，IBM、Sun、Google联合推动ODF（Open Document Format）成为ISO标准，直接目标是打破微软Office格式的垄断。微软的反应是推出OOXML（Office Open XML）并同样申请ISO标准认证。

结果是什么？两个标准都获得了ISO认证，但微软Office的市场地位并未实质性动摇。ODF被政府采购政策引用，但企业用户的实际迁移率极低。当一个”开放标准”对抗的是已经深度嵌入工作流的专有格式时，协议层面的胜利无法自动转化为市场层面的胜利。

2.3 WebRTC与视频通话标准：一次有条件的成功

Google、Mozilla、Opera联合推动WebRTC成为浏览器内建的实时通信标准，目标是打破Skype（微软）和FaceTime（苹果）的封闭通话生态。这次”开放标准”联盟的结果相对成功——WebRTC确实成为了浏览器视频通话的技术基础，Google Meet、Jitsi等产品都建立在其上。

但这次成功需要更精确的归因。2011年WebRTC推出时，Skype确实拥有超过6.6亿注册用户（微软以85亿美元收购Skype的数据），FaceTime也已推出一年。然而，关键区别在于：Skype和FaceTime的锁定发生在应用层，而非协议层。用户切换视频通话应用的成本仅仅是下载一个新App，而非重构整个技术栈。更重要的是，WebRTC瞄准的是一个正在快速增长的新场景——浏览器内嵌实时通信——而非试图从Skype手中抢夺已有用户。Google作为Chrome浏览器的主导者（2012年Chrome全球市场份额已超过33%，来源: StatCounter），能够直接控制标准的实现路径和推广节奏。

这个案例的真正教训是：开放标准在”新兴场景”中比在”存量市场”中更容易成功，尤其当联盟中有一方控制了关键分发渠道时。

2.4 历史模式的提炼

综合以上案例，可以提炼出一个判断”开放标准联盟”成败的三维框架：

维度一：锁定深度。目标垄断的锁定已经有多深？用户迁移成本有多高？

维度二：联盟内部的利益一致性。推标准的各方在标准成功之后，利益是否仍然一致？还是会立即转入内部竞争？

维度三：标准控制权的归属。谁控制标准的演进节奏？是真正的中立机构（如W3C、IETF），还是某个主导厂商以”开放”为名的延伸控制？

用这个框架来审视ARD：OpenAI/Anthropic的工具生态锁定正在形成但尚未固化（维度一：中等）；Google/Microsoft/Salesforce的利益在标准成功后必然分裂（维度二：弱）；ARD目前没有中立治理机构（维度三：不明朗）。综合判断，ARD的成功概率处于历史案例的中间地带——比ODF乐观，但比WebRTC悲观。需要强调的是，这一判断基于历史类比推理和公开信息分析，而非内部消息或确定性预测。实际结果将取决于多个尚未确定的变量，包括标准治理结构的最终设计、各方的实际资源投入程度、以及模型能力演进的速度。

第三章：ARD联盟内部的利益地图

Google、Microsoft、Salesforce在AI代理市场的位置截然不同，它们支持ARD的动机也各不相同。

3.1 Google的算盘

Google在AI代理生态中的位置是独特的：它同时是模型提供商（Gemini）、云平台（GCP）、企业软件提供商（Google Workspace），以及浏览器/操作系统的控制者（Chrome/Android）。

Google支持ARD的核心逻辑是：Gemini在企业代理市场的渗透率落后于OpenAI。根据Synergy Research Group 2026年Q1报告（该数据为行业研究机构的付费报告摘要，具体数字经多家科技媒体间接引用），Azure OpenAI Service在企业AI API调用量中的份额约为41%，而Google Cloud AI的份额约为23%。如果企业代理工具调用的标准由OpenAI主导，Google的Gemini即使在某些基准测试上表现优秀，也会因为工具生态的不兼容而在实际企业部署中处于劣势。

ARD对Google的价值在于：一个开放的工具发现协议，能让Gemini以”即插即用”的方式接入企业现有的工具栈，降低企业从OpenAI切换到Gemini的摩擦成本。本质上，Google是在用”开放标准”来弥补自己在代理生态先发优势上的不足。

但这里有一个内在矛盾：Google同时拥有大量专有的企业工具（Google Drive API、Gmail API、Google Calendar API等）。如果ARD真正实现了工具层面的开放互操作，这些专有工具的API优势也会被稀释。Google真正想要的，可能是一个”开放到足以让Gemini进入企业”，但”不开放到让企业完全摆脱Google生态”的标准。这一推断基于Google在历史上对待开放标准的行为模式（如Android的”开放”策略），而非任何内部信息。

3.2 Microsoft的双重博弈

Microsoft的处境是这场博弈中最为复杂的。它既是OpenAI最大的投资者（累计投资超过130亿美元，据多家财经媒体报道）和商业合作伙伴，又是ARD标准的联合推动者——这两个角色之间存在明显的张力。

Microsoft支持ARD的逻辑可能是：在企业代理市场，Microsoft需要一个不完全依赖OpenAI的后备方案。如果ARD成为标准，Microsoft可以在Copilot生态中同时接入多个模型（包括Mistral、自研的Phi系列等），而不必在商业上完全依附于OpenAI的定价和API政策。

这是一种战略对冲，而非真正的”反OpenAI”立场。Microsoft在这场博弈中扮演的是”两头押注”的角色：如果OpenAI继续主导市场，Microsoft通过Azure获益；如果ARD成功推动多模型生态，Microsoft通过Copilot平台获益。这种对冲策略在Microsoft的历史中并不罕见——2000年代Microsoft同时支持Linux（通过Azure）和Windows Server，就是类似的双轨策略。

3.3 Salesforce的生存逻辑

Salesforce的立场是三者中最直接的。根据Salesforce 2026财年Q1财报（公开财务文件），其AI相关产品（Einstein GPT、Agentforce）的ARR已达到约42亿美元，同比增长67%。但这些产品高度依赖底层模型提供商——Salesforce的Einstein GPT同时使用OpenAI和Anthropic的模型。

如果OpenAI或Anthropic的专有代理框架成为企业标准，Salesforce就面临一个危险的处境：企业的AI代理可能更倾向于在OpenAI或Anthropic的生态内部完成工具调用，而不是通过Salesforce的API。这会将Salesforce从”企业软件核心”降级为”AI代理调用的一个数据源”。

ARD对Salesforce的价值是防御性的：通过推动开放的工具发现协议，Salesforce确保自己的工具在任何代理框架中都能被”发现”和”调用”，而不是被某个专有生态的工具推荐算法边缘化。

3.4 联盟内部的裂缝预测

三方的利益在”降低对OpenAI/Anthropic专有生态的依赖”这个交集上重叠，但一旦ARD标准开始实际落地，内部竞争将立即浮现：

  • Google会希望ARD的参考实现基于GCP；
  • Microsoft会希望ARD与Azure的企业身份验证体系（Entra ID，原Azure AD）深度集成；
  • Salesforce会希望ARD的工具注册机制对Salesforce的API格式更友好。

这不是猜测，这是J2EE时代IBM WebSphere和BEA WebLogic之间竞争的现代重演。“开放标准”往往是联盟对外的旗帜，”最佳实现”才是联盟内部真正的战场。 当然，需要承认的是，ARD联盟尚处于早期阶段，上述裂缝预测基于历史模式的类推，实际的联盟动态可能因治理结构设计、外部竞争压力等因素而呈现不同走向。

第四章：OpenAI和Anthropic真的在守势吗？

大多数报道将ARD叙事为”三巨头围攻OpenAI和Anthropic”，但这个叙事忽略了一个关键事实：OpenAI和Anthropic的真正护城河不在工具发现协议层面，而在模型能力和开发者习惯层面。

4.1 OpenAI的工具搜索能力

根据OpenAI官方博客（2026年6月22日发布的GPT-5.4技术公告），GPT-5.4已经内置了”Tool Search”功能——帮助代理在不牺牲智能的前提下找到并使用正确的工具。这个功能的存在本身就说明：OpenAI在ARD宣布之前，已经在模型层面内置了工具发现能力。

GPT-5.4的技术规格进一步显示了OpenAI的战略意图：

  • 支持高达100万token的上下文窗口；
  • 是第一个具备原生最先进计算机使用能力的通用模型；
  • 在Codex中集成了代码能力，并在工具和软件环境中进行了改进；
  • GPT-5.4 Thinking提供预先思考计划，允许在响应中途进行调整。

OpenAI的战略逻辑是：与其在协议层面与Google/Microsoft/Salesforce竞争，不如直接在模型能力层面提供更强的工具使用智能。如果GPT-5.4的Tool Search足够智能，能够自动理解并适配各种企业工具的API格式，那么ARD这类标准协议的价值就会被大幅压缩——因为”发现工具”的问题被模型能力本身解决了，而不是被协议标准解决。

这是一种典型的”垂直整合对抗水平标准化”的战略博弈。历史上，Apple在移动支付领域用Apple Pay的垂直整合能力（NFC硬件+Secure Element+Wallet App），有效抵御了NFC开放标准联盟的竞争压力长达数年。OpenAI可能正在复制这个策略。但需要指出的是，这一类比存在局限性：Apple Pay的成功部分依赖于硬件控制权，而OpenAI在企业部署环境中并不拥有类似的硬件层控制。OpenAI能否仅凭模型能力复制这种垂直整合的成功，仍是一个开放性问题。

4.2 Anthropic的定价危机与IPO压力

Anthropic的处境则更为复杂。根据Ars Technica（2026年6月22日）的报道，Anthropic暂停了Claude Agent SDK的计费变更，直接原因是开发者的强烈抗议。这个事件在ARD宣布的同一时间窗口内发生，并非巧合。

根据多家媒体报道（包括The Information、Bloomberg等），Anthropic正在准备IPO，最新一轮融资（据报道由Lightspeed Venture Partners领投，2025年底完成）的估值已达到约600亿美元。这意味着它需要在以下两个目标之间找到平衡：

  1. 展示足够强劲的商业模式和收入增长，以支撑IPO估值；
  2. 维护开发者生态的信任和黏性，避免大规模的开发者流失。

ARD标准对Anthropic构成的真正威胁，不是技术层面的，而是商业层面的：如果企业工具调用遵循ARD协议，企业在技术层面切换模型的成本降低，Anthropic的定价谈判能力就会相应削弱。在IPO压力下，Anthropic需要同时证明”开发者喜爱Claude”和”Claude能够产生可持续的商业收入”——而这两个目标在当前的代理使用场景下正在产生冲突。

4.3 被大多数人忽视的第三方受益者

ARD叙事中最常被忽视的是：这个标准的最大受益者可能既不是三巨头，也不是OpenAI/Anthropic，而是那些目前被排斥在主流代理生态之外的中小模型提供商。

如果ARD成为真正的行业标准，Mistral、DeepSeek、以及各类垂直领域的专业模型，都能以更低的接入成本进入企业代理生态。根据CNBC（2026年6月18日）的报道，DeepSeek已经完成了超过500亿元人民币的融资。按2026年6月中旬的美元兑人民币汇率（约1:7.1至1:7.2区间，具体汇率因日期而异），这大约折合70亿至71亿美元。该报道同时指出DeepSeek估值超过500亿美元，正在积极扩展其在中国以外市场的影响力。

对于DeepSeek这类公司，ARD标准意味着：企业在评估AI代理解决方案时，不必因为工具生态的不兼容而将DeepSeek排除在外。工具层面的开放互操作，实际上是在降低”非主流模型”的市场准入门槛。

这个角度解释了为什么OpenAI和Anthropic对ARD保持警惕：它们担心的不仅仅是Google/Microsoft/Salesforce的竞争，更是一个开放生态可能带来的全面价格竞争压力。当切换成本趋近于零时，模型定价将不可避免地走向商品化。 这一推断的前提是ARD确实能大幅降低切换成本——如果ARD在实践中的互操作性有限（正如第五章将讨论的技术挑战所暗示的），商品化压力的程度也会相应减弱。

第五章：技术层面的实质性挑战

ARD的支持者需要回答一个技术层面的根本问题：工具发现（Tool Discovery）和工具使用（Tool Use）是两个完全不同的问题，一个协议标准能解决前者，但很难解决后者。

5.1 发现 vs. 使用的鸿沟

“发现”一个工具意味着：AI代理能够找到某个工具的存在，了解它的基本功能描述。这是ARD协议试图标准化的部分。

“使用”一个工具意味着：AI代理能够理解工具的具体参数格式、错误处理逻辑、调用时序依赖、以及在复杂任务中的组合使用方式。这是模型能力层面的问题，协议标准无法解决。

举一个具体的场景：Salesforce的CRM系统有超过900个REST API endpoint（根据Salesforce Developer Documentation公开文档），每个endpoint有不同的参数结构、权限要求、速率限制（标准版每24小时100,000次API调用，具体限制因版本和许可证类型而异）。ARD协议可以让AI代理”发现”这些endpoint的存在，但能否”正确使用”它们，取决于模型对这些工具的理解深度——这是通过训练数据和微调实现的，而不是通过协议标准实现的。

OpenAI通过大量的企业工具使用数据训练GPT-5.4，使其在工具使用的准确性上领先（据OpenAI官方博客声称；独立基准测试结果尚待第三方验证）。这个优势不会因为ARD标准的存在而消失。协议标准可以降低工具发现的摩擦，但无法平衡模型在工具使用能力上的差异。

5.2 安全与权限的标准化难题

企业代理工具调用的另一个核心挑战是安全和权限管理。不同企业有不同的身份认证体系（OAuth 2.0、SAML 2.0、Kerberos），不同工具有不同的权限粒度要求。

ARD要成为真正可用的标准，必须解决：AI代理在跨工具调用时，如何安全地传递和管理权限凭证？如果一个代理在完成一个复杂任务时需要调用10个不同的工具，涉及5种不同的认证体系，ARD协议如何处理这个权限编排问题？

这个问题在J2EE时代同样出现过：J2EE定义了EJB（Enterprise JavaBeans）的标准接口，但各厂商在事务管理、安全上下文传递等关键企业特性上的实现差异，最终导致”标准应用”在跨厂商环境中频繁出现不兼容问题。ARD如果不能解决权限编排的标准化问题，它在企业实际部署中的价值将大打折扣。

5.3 状态管理与代理记忆：锁定的新维度

现代AI代理的另一个关键能力是跨工具调用的状态管理——代理需要记住在工具A中获取的信息，并在调用工具B时加以利用。

GPT-5.4支持高达100万token的上下文窗口，这意味着它可以在单次会话中保持极长的状态记忆。Anthropic的Claude 3.5 Opus同样支持200K token上下文。但这些上下文管理机制是专有的，ARD协议并没有（也很难）标准化跨工具调用的状态管理格式。

这意味着即使ARD成功标准化了工具发现层，代理的”思考过程”和”状态记忆”仍然是专有的。企业真正的锁定点可能从工具层转移到代理记忆层。 这是大多数ARD讨论中被忽视的第三层洞察：标准化工具发现可能只是将锁定从一个层次推向另一个层次，而非真正消除锁定。

5.4 对ARD技术挑战的反面论证

公平起见，上述技术挑战并非不可克服。ARD的支持者可能会反驳：

  • 关于发现vs.使用的鸿沟：即使协议只解决了”发现”问题，这本身也具有巨大价值。类比DNS——DNS只解决了”域名到IP地址的映射”这个看似简单的问题，但它是整个互联网可用性的基础设施。如果ARD能成为AI代理世界的”工具DNS”，其价值不应被低估。
  • 关于安全与权限：OAuth 2.0本身也经历了从碎片化到相对统一的过程。ARD可以在初始版本中不解决所有权限编排问题，而是通过渐进式标准演进来逐步覆盖。

这些反驳有其合理性。最终的技术可行性判断，取决于ARD标准委员会能否在”足够简单以被广泛采用”和”足够完整以解决真实问题”之间找到平衡点。

第六章：更大的背景——AI代理时代的平台战争

6.1 代理工作流的经济规模

根据TechCrunch（2026年6月15日）的报道，2026年科技行业裁员已影响近150,000人，AI被连续3个月列为裁员的最主要原因。每天有约974人因AI相关原因失业，比去年同期快44%。Marc Andreessen在《财富》杂志（2026年3月刊，印刷版）表示，每家大公司至少有25%的冗余员工。

这组数据揭示了AI代理落地的真实规模：企业正在将AI代理部署到真实的工作流中，而不仅仅是在沙盒环境中测试。当AI代理真正替代人工完成企业任务时，代理调用的工具就是企业的核心系统——CRM、ERP、代码仓库、文档系统、通信平台。控制代理工具调用的标准，就是控制企业AI化转型的基础设施。

6.2 OPEC类比：互保协议的本质

在这个框架下，ARD的本质是：Google、Microsoft、Salesforce试图在”企业AI代理的工具层”建立一个它们能够共同影响的标准，从而阻止OpenAI和Anthropic将这一层收归专有控制。

但这里有一个微妙之处：Google、Microsoft、Salesforce本身都是企业软件的重要提供商，它们推动ARD，也是在保护自己的工具在代理生态中的可发现性。 这不仅仅是针对OpenAI/Anthropic的防御，也是三家公司之间相互确保”我的工具不会被你的代理生态边缘化”的互保协议。

类比来看，这有点像OPEC的运作逻辑：成员国之间也有竞争，但在维护石油定价权这个共同利益上，它们能够暂时协调。ARD联盟的”共同利益”是确保企业软件层不被AI模型提供商降格为纯粹的数据源。但OPEC的历史也告诉我们：当成员国的个体利益与集体利益冲突时（如沙特在2014年和2020年的增产决策），联盟纪律会迅速瓦解。这一类比用于说明联盟动态的一般模式，而非暗示ARD联盟与OPEC在法律性质或市场影响力上具有等价性。

6.3 开发者社区的真实态度

ARD最终能否成功，很大程度上取决于开发者社区的接受程度。当前信号是混合的。

Anthropic Claude Agent SDK计费风波显示，开发者对AI代理的成本极为敏感。如果ARD能够真正降低多模型切换的成本，开发者有动力支持它。但开发者也是务实的：他们会选择”最好用的”，而不是”最开放的”。Stack Overflow 2026年开发者调查显示，72%的开发者在选择AI工具时将”输出质量”列为第一考量，”开放性/可移植性”仅排在第五位（来源：Stack Overflow Annual Developer Survey 2026，公开发布报告）。

开发者的选择取决于ARD能否在”工具发现的便利性”上超越OpenAI的原生能力。这是一个技术竞争问题，而不是一个标准化问题。

第七章：对立视角的深度辨析

7.1 “ARD必然成功”的论证

持乐观立场的观察者（包括Salesforce CEO Marc Benioff在2026年6月的公开声明，据科技媒体报道）提出以下论点：

论点一：企业采购的理性选择。大型企业的CTO不会允许核心业务流程被单一AI模型提供商锁定。ARD提供了一个合规且理性的多供应商策略框架。Gartner 2026年Q2的AI代理采购指南明确建议企业”避免单一模型依赖”（来源：Gartner研究报告，付费订阅内容，标题经公开摘要引用）。

论点二：监管推力。欧盟AI Act（2024年正式生效，Regulation (EU) 2024/1689）对AI系统的互操作性和透明度有明确要求。如果欧盟监管机构将ARD视为符合AI Act互操作性要求的技术路径，监管合规压力可能成为推动ARD采用的外部力量。需要指出的是，截至本文写作时，欧盟监管机构尚未就ARD发表正式立场，这一情景属于合理推测而非已确认事实。

论点三：历史节奏的加速。SQL标准化花了十年，但AI代理生态的演进速度远快于此。企业对多模型策略的需求已经存在且紧迫，ARD不需要等待十年来证明价值。

7.2 “ARD注定失败”的论证

持悲观立场的观察者（包括多位在Hacker News上发言的独立开发者和前Google工程师，基于公开论坛讨论）提出反驳：

反驳一：SOAP的幽灵。SOAP是由W3C和OASIS主导的Web服务标准，设计严谨、功能完整，有IBM、Microsoft等大公司背书。REST是Roy Fielding博士论文中提出的架构风格，没有正式标准组织，没有大公司联盟。结果是REST彻底击败了SOAP。原因只有一个：开发者选择了更简单的那个。如果ARD协议的实现复杂度超过了它解决的问题复杂度，开发者会用脚投票。

反驳二：模型能力的指数增长。如果GPT-6或Gemini 3.0在12个月内就能原生理解任何API文档并正确调用，ARD解决的问题将不复存在。协议标准化的速度能否跑赢模型能力的增长？历史不站在标准委员会这一边。

反驳三：LangChain的先发优势。LangChain在GitHub上已有超过95,000颗星（截至2026年6月，基于GitHub公开数据），其工具集成框架已经被大量企业采用。一个由开发者社区驱动的事实标准，可能在ARD完成规范制定之前就已经占据了市场。

7.3 我的判断

两种极端立场都忽略了一个关键变量：ARD的成败不取决于它是否成为”唯一标准”，而取决于它是否成为”企业采购清单上的一个勾选项”。

企业采购AI代理解决方案时，不需要ARD完美解决所有互操作问题——它只需要成为一个”合规性检查点”。就像SOC 2认证不能保证一个SaaS产品的安全性，但没有SOC 2认证的产品会被大量企业直接排除在采购名单之外。

如果ARD能够达到这个”采购门槛”的地位——不是因为它技术上最优，而是因为Google、Microsoft、Salesforce的企业销售团队在每次客户会议中都会提到它——那么它就已经成功了。这不是技术胜利，而是商业胜利。

我的预判是：ARD将在18个月内成为企业AI代理采购的”合规性参考标准”，但不会成为真正的技术互操作基础设施。 它

参考资料

  1. Anthropic pauses Claude agent billing changes after developer backlash — Ars Technica, 2026-06-22

  2. Introducing GPT-5.4 — OpenAI Official Blog, 2026-06-22

  3. Google, Microsoft, and Salesforce announce support for Agentic Resource Discovery standard — The Verge, 2026-06-21

  4. DeepSeek raises over 50 billion yuan as AI competition intensifies — CNBC, 2026-06-18

  5. Tech layoffs 2026: AI cited as primary cause for third consecutive month — TechCrunch, 2026-06-15

  6. Architectural Styles and the Design of Network-based Software Architectures — Roy T. Fielding, University of California, Irvine, 2000

  7. Regulation (EU) 2024/1689 - Artificial Intelligence Act — European Parliament, 2024

  8. Marc Andreessen interview on AI and workforce redundancy — Fortune Magazine, 2026-03 (print edition)

  9. Boris Cherny statement on Claude Code subscription pricing — 来源: Anthropic developer forum, 2026-04

  10. Synergy Research Group Q1 2026 Cloud AI Market Share Report — 来源: Synergy Research Group, 2026-04

本文写作于2026年6月，基于公开报道和行业分析。文中涉及的部分预判和概率估计反映作者个人观点，不构成投资建议。AI代理生态正处于快速演变期，本文所描述的竞争格局可能在数月内发生重大变化。