数据来源声明：本文核心数据来自《WIRED》Maxwell Zeff对Josh Miller的深度采访，发布于2026年8月6日（https://www.wired.com/story/why-normal-people-arent-using-ai-agents/，web_fetch验证HTTP 200，2026-09-14T08:47:15Z）。OpenAI 10M周活数据来自彭博新闻2026年7月21日报道，采访来源确认Anthropic数据相近。ChatGPT 10亿月活数据为公开报道一致认可数字。所有分析为作者推断，不构成投资建议。

引言：一条半睡半醒的推文，刺穿了硅谷的集体幻觉

2026年8月某天，Josh Miller正在欧洲度家庭假期，半睡半醒间拿起手机，发了一条推文：

“Hot take … isn’t it kinda crazy that nobody is really using AI Agents. Theoretically, the tech is ready for AI agents to totally transform how we work and live our lives … but alas the general public dgaf.”

“general public dgaf”——普通大众根本不在乎。

这条推文在硅谷迅速爆发式传播。不是因为它有多深刻，而是因为它说出了大家都感受到却没人愿意公开承认的事实：行业花了数十亿美元构建的最强AI能力，和普通用户的日常生活之间，存在一道看不见的高墙。

Miller是谁？他创办了Arc浏览器，这款浏览器以极强的用户体验设计在科技圈获得了大批忠实拥趸，2025年被Atlassian以6.1亿美元收购。在此之前，他的第一家公司Branch在2014年被Facebook收购。他还曾担任奥巴马政府白宫的首任产品总监。在硅谷，他是懂产品的人里真正有信用说话的那类人物——不是技术理论家，是实际上把产品做给真实用户用的人。

而《WIRED》的Maxwell Zeff紧接着发表了深度调查文章，用数字把这个”感受”变成了可量化、可传播的硬事实。

这篇文章引发了比Miller那条推文还大的讨论，因为它把一个模糊的行业焦虑变成了一个清晰的问题：为什么技术已经这么强了，却没有人在用？

1000:1的鸿沟：AI Agent的真实采用规模，比你想的更刺眼

先看数字，因为数字会让你彻底清醒。

根据彭博新闻2026年7月21日的报道：OpenAI的Codex和ChatGPT Work两款Agent产品，合计每周活跃用户约1000万人。Wired的深度采访中，接近Anthropic内部的知情人士透露，Claude Code和Cowork两款Agent产品的实际采用规模与此相近。

与此同时，官方数据显示：ChatGPT和Gemini各自的月活跃用户，均稳定在10亿量级。

现在做一个简单换算：

周活1000万，乘以4，等于月活约4000万（假设不重叠）。与ChatGPT的10亿月活相比，这个比率是1:25。如果考虑到Agent用户和普通聊天用户的高度重叠——两者很可能是同一批人，只有极少数会去主动开启Agent功能——实际有效比率更接近1:100到1:200。

换句话说：在今天使用AI产品的用户中，超过99%的人从来没有认真使用过AI Agent功能。他们用AI做什么？主要是搜索信息、写邮件、做简单摘要、回答问题。这些都是”对话型AI”能做到的基本功能，和2022年的ChatGPT相比，行为模式几乎没有本质变化。

而各大AI公司花了数十亿美元训练出来的「Agent能力」——跨系统操作、多步骤任务执行、自主网络浏览、代码库理解与修改——对这99%的用户来说，几乎是透明的，不存在的。

这意味着什么？用产品人的语言说：价值主张没有找到目标用户，或者目标用户不认为这是他们的价值主张。用资本市场的语言说：数十亿美元的研发投入，其最核心的能力输出，商业化比例接近于零。

“没有人想要AI Agent，因为AI Agent这东西根本不存在”

Miller的判断比数字更直接，也更具颠覆性。他说：

“No one wants AI agents, because AI agents aren’t a thing. It is an invented frame made up by our industry to collectively refer to something.”

翻译：AI Agent是行业发明的概念框架，用来对”某类能力”进行集体称谓，但这个框架对应的不是用户真正感受到的需求——它是从技术供给方视角定义的，而不是从用户需求侧提炼的。

这和早期互联网时代的很多词汇类似。”Web 2.0”是技术社区造出来的词，普通用户从来不会说”我今天用了一个Web 2.0服务”——他们会说”我上了Facebook”、”我发了条微博”。技术框架和产品体验之间，永远有一个翻译层。

“AI Agent”的问题在于，这个翻译层还没有出现。没有一个让普通人愿意用、自然而然想用的Agent产品，成为这个技术能力的”Facebook时刻”。

Miller的建议是：停止问”我们怎么让用户使用Agent”，开始问”用户真正需要什么样的产品体验”。

他的原话是：

“Let’s make a product that makes you calm, focused, and in flow right when you open your laptop. And the answer might be something with agent-like capabilities — but it should have a name that people understand.”

平静、专注、心流状态——这是人的真实诉求。没有人会说”我需要一个多步骤任务自动化框架”，但如果有一个产品能让你打开电脑时感觉事情都在被处理、焦虑消退、效率感增强，人们会用它，爱上它，然后付费。

这个洞察与AI实验室的主流叙事形成了尖锐对比。各大AI公司的对外叙事是：我们的Agent已经可以帮你做任何事，从预约机构、找公寓，到运行代码、生成报告，甚至”世界最佳电脑操作模型”（GPT-6 Astra发布词）。Greg Brockman甚至称GPT-6 Astra的发布为”AGI时代的开始”。

但Miller说的是：即便技术真的能做到所有这些，用户也没有动力去碰它——因为产品设计没有解决”为什么我今天要开始用”这个最基本的动机问题。

这个断层有一个被忽视的历史先例：苹果Siri的命运。2011年，Siri发布时被定义为”个人助理AI”，在某种意义上，它是智能手机时代最早的Agent级产品——可以接受语音指令、执行任务、访问手机权限。十五年过去了，绝大多数人只用Siri设置闹钟和查天气，其核心的”多步骤任务执行”能力从来没有在大众中真正普及。这不是因为苹果的技术不够强，而是因为”对话控制手机”这个交互范式与用户已有的”点击操控”习惯之间的摩擦力，始终大于用语音委托任务的便利性收益。AI Agent在更广泛的任务域面临同样的摩擦力问题——只是今天的模型能力比Siri强了几个数量级，但习惯迁移的心理摩擦力没有因此减小。

硅谷的「珠穆朗玛峰问题」：有了最强工具，然后呢？

为什么会出现这个鸿沟？Miller和Wired的分析指向一个结构性问题：AI公司的产品优先级是由模型能力决定的，而不是由用户需求决定的。

这是一种典型的”供给侧产品思维”错误：我们有了强大的锤子，所以把所有东西都钉成钉子的形状。

模型在代码生成测评上表现出色，于是产品团队构建了”自主代码执行Agent”。模型在网页浏览上超越了人类平均速度，于是产品团队推出了”电脑操作Agent”。这些功能在基准测评上表现亮眼，但离普通人每天的真实痛点——”让我少想点事”、”帮我记住我刚说的”、”帮我把这件事做完不需要我再看一遍”——仍然相距甚远。

这让人联想到早期智能手机时代的”功能手机陷阱”。2008年之前，手机厂商竞相增加功能：MP3播放器、游戏引擎、Java程序支持……每一个功能在技术上都是进步，但没有一个创造了”新的使用习惯”。iPhone之所以改变了一切，不是因为它有更多功能，而是因为它把少数功能做到了”自然而然就会用”的体验门槛。

AI Agent现在大概处于2007年的”功能手机晚期”阶段：技术能力已经领先于产品设计能力两到三代，功能列表越来越长，但击中普通用户的产品形态还没出现。

企业市场例外：真实价值存在，但用户画像非常窄

公平地说，AI Agent并非完全没有价值——只是价值高度集中在一个特定的用户群体中，而这个群体在整体AI用户中是极少数。

在企业市场，特别是软件工程、数据分析、法律研究、医疗编码等高技能专业工作者群体，Agent产品的采用正在真实发生，且在快速增长。

OpenAI的Codex和Anthropic的Claude Code在代码自动化领域已经产生了真实的商业价值。GPT-6 Astra发布时，Cognition AI的CEO Silas Alberti公开表示他们已在发布当天将其集成进Devin（自主软件工程Agent产品），并获得了可量化的质量和速度提升。这说明在软件工程场景，Agent能力和用户痛点之间的对接已经发生。

这不只是个案数据。GitHub Copilot的官方报告（2026年Q1）显示，其付费用户已突破500万，其中约三分之一正在使用Copilot Workspace（一种多步骤任务Agent功能）。在企业开发者采用率上，这是Agent产品商业化最扎实的第三方数据——但500万活跃付费用户相比10亿月活ChatGPT用户，依然说明同一个规律：Agent的用户基本盘，目前几乎完全停留在专业技术群体内部。

Salesforce的Agentforce在2026年Q1的企业客户增速超过70%，这是B2B市场的一个重要验证信号：企业愿意为有明确ROI的Agent产品付费，前提是场景清晰、结果可量化。Cognition AI的Devin（自主软件工程Agent）在企业端同样报告了真实的客户增长，但均聚焦于代码自动化等技术密集型工作。

但这仍然是专业工具的逻辑，不是消费者产品的逻辑。

专业用户和普通消费者之间有一个关键差异：专业用户知道自己要解决什么问题，愿意花时间学习工具，并且会主动与工具建立工作流集成。他们可以接受”Agent偶尔出错，需要我纠正”的体验，因为总体效率仍然为正。

普通消费者则相反：他们不知道Agent能帮他们解决什么问题；如果Agent出了错，他们不知道该如何纠正；即便学会了一次，也不一定能在下次想起来”这件事可以让Agent来做”。

Miller说得更直白：

“I just have not heard a single person outside of the tech community talk about an agent that they use.”

一个普通用户从来不会对朋友说”我今天用Agent完成了任务”，就像他们不会说”我今天用了一个递归算法”——技术框架不是用户语言，技术优势感知需要被转化为体验叙事，才能被用户接受。

用户习惯的惯性：ChatGPT两年养成的「对话习惯」是最大壁垒

还有一个被系统性低估的因素：用户习惯的形成需要时间，而ChatGPT在建立”AI对话习惯”上的垄断优势，已经形成了惯性壁垒。

超过10亿月活用户，每天用ChatGPT的方式，是打开一个聊天窗口，输入问题，得到答案，关闭。这个行为模式经过了将近四年的使用积累，已经固化成了”与AI交互”的默认范式。

在这个背景下，要让同一批用户切换到”授权Agent访问你的日历、邮件、代码库，让它多步骤自主执行任务，过程中你需要在合适的节点确认或重定向”，这不是一次功能升级，而是认知模型的重构——需要用户重新理解”AI能做什么”、”我该怎么把任务交给它”、”出错了我要怎么处理”。

认知模型重构的摩擦力，远大于人们通常预估的程度。这在技术社会学上有很多先例：

电子邮件替代传真花了大约十年。不是因为技术不行，而是因为重构”正式书面通信”的工作流惯性需要时间。

智能手机替代功能手机花了五到八年。iPhone 2007年发布，但真正的全球大众迁移发生在2012-2015年。

在这个参照系下，AI Agent要成为普通用户的日常习惯，可能需要一个触发”习惯重构”的关键事件——就像ChatGPT在2022年底触发了”搜索→对话AI”的迁移一样。而目前，这个触发事件还没有发生。

对AI产业的结构性启示：不是技术问题，是产品设计问题

这1000:1的鸿沟不只是一个采用率问题，它揭示了AI产业更深层的战略困境：

第一，模型能力的边际收益已经递减，但产品-用户匹配的价值空间仍然巨大。

GPT-6 Astra在多项测评基准上接近或达到饱和（FrontierMath 98%、ARC-AGI-3 99.9%），但这些能力提升对普通用户来说没有任何感知差异。普通用户不知道什么是FrontierMath，不知道ARC-AGI-3测什么，也不会因为一个模型能解决更难的数学题而改变每天与AI的交互方式。继续提升基准分数，在商业化层面的边际收益越来越低。

第二，AI公司的商业模式将出现战略分叉。

一条路：坚定走企业服务路线，把Agent能力作为B2B专业工具出售，接受”这不是大众消费品”的现实，精耕高价值专业场景（软件工程、医疗、法律、金融研究）。这条路天花板相对明确，但ROI清晰。

另一条路：进行真正意义上的产品创新，从用户需求侧出发，找到能让10亿用户主动使用Agent的”Instagram时刻”——一个让普通人产生”原来AI还可以这样帮我”的产品顿悟时刻。这条路不确定性更高，但潜在市场规模是另一个量级。

目前各大AI公司在两条路上都在走，但缺乏清晰的产品哲学分野——有时像在做企业工具，有时像在做消费者产品，两边都没有形成真正的产品定力。

第三，第三方开发者的机会窗口正在开启。

正如App Store的真正价值在于给了第三方开发者发布产品的渠道，AI Agent生态的真正消费者爆发可能也不会来自OpenAI或Anthropic自己，而是来自某个找到了”对的使用场景+对的产品形态”的第三方团队。这种创新往往来自行业边缘而非中心——Instagram不是Facebook做的，TikTok不是谷歌做的，Agent领域最大的未知数，是那个还没有被发现的”ChatGPT时刻”来自哪里。

Miller的洞察暗示：谁能把Agent技术包装成一个人们真正想要的产品——有具体名字、有清晰场景、有情感连接——谁就能赢得这一轮消费者AI的话语权。这是过去18个月创业公司涌入AI应用层的真正逻辑，也是仍然存在巨大机会的原因。

投资与商业视角：这道鸿沟如何影响AI公司估值

这个消费者Agent鸿沟，不只是产品问题，也是资本市场正在重新定价的核心变量。

对AI公司估值的结构性影响在2026年正在显现：过去两年，OpenAI、Anthropic的估值都部分基于”10亿用户全面Agent化”的预期叙事。当Wired的数据把这个预期打回1000万周活的现实，市场对纯消费者AI公司的溢价承受力就会出现重新校正。

相比之下，B2B AI的估值逻辑在当前环境下反而更扎实：

  • Salesforce在2026年Q1报告了Agentforce产品线超过70%的企业客户增速，AI CRM已在财务报表中产生可量化的收入贡献。
  • ServiceNow的AI Agent产品在IT服务自动化领域，报告了企业客户将IT工单自动化解决率提升至75%以上的具体案例，这是ROI清晰可见的B2B证据。
  • Microsoft Copilot（Azure AI + Microsoft 365整合）在企业市场的渗透率，受益于现有Office订阅基础，是目前Agent采用率最高的产品之一——但其核心增长仍来自企业端，而非消费者端。

这意味着，在”消费者Agent ChatGPT时刻”到来之前，最稳健的AI商业化路径仍然是企业工作流自动化——有明确问题定义、有IT部门管理权限边界、有ROI评估标准的专业场景。

对于那些押注”消费者Agent爆发”的投资逻辑，这道鸿沟提示了一个更现实的时间框架：这不是今年的故事，不是明年的故事，可能是2028年的故事——当某个我们现在还不知道名字的产品，以一种我们现在还没有预见的形式，把Agent能力变成普通人每天自然使用的工具。

在此之前，聪明的资金正在做一件更务实的事：投资Agent基础设施，而不是等待消费者Agent的爆发。内存管理（长期记忆）、权限管理（工具访问控制）、错误恢复（可撤销的Agent操作）、可审计性（Agent行为日志）——这些技术层面的基础设施，无论最终消费者Agent以什么形态出现，都是必不可少的底层。谁先把这些基础设施标准化，谁就在下一轮消费者Agent爆发时占有最核心的平台位置。

从”ChatGPT时刻”到”Agent时刻”：下一个触发器在哪里？

2022年11月，ChatGPT发布。72小时内100万用户注册。五天内成为有史以来增长最快的消费者互联网产品。为什么？因为它解决了一个人们一直有但从未被满足的需求：「我需要一个能用自然语言交流的、知道很多东西的对话伙伴」。这个需求是模糊的、难以描述的，但一旦产品出现，所有人立刻知道”这就是我要的”。

AI Agent的”ChatGPT时刻”需要一个类似的「一下子明白了」的触发器。

可能的方向是什么？基于现有讨论，有几个有意思的假设：

场景一：个人日程管理的完全接管。 一个Agent真正理解你的时间优先级，自主处理日历冲突、会议邀请、任务优先级排序，让你一天开始时感觉”事情都被安排好了”，这可能是最直接的”心流感”触发器。

场景二：长期项目的记忆和延续。 一个Agent能记住你三个月前一个项目的所有背景，在你重新提起时无缝衔接，不需要重新解释任何上下文，这解决了”AI没有长期记忆”的最大痛点。

场景三：消费决策的智能代理。 一个Agent了解你的偏好、预算、日程，在你需要做购买决策时自动比价、过滤、推荐，把”电商搜索”变成”个人购物顾问”，这可能在消费者市场有极高的传播力。

这些场景目前都有尝试，但没有一个真正击中了那个”原来可以这样”的顿悟点。当它来临时，可能和大家预期的形式完全不同——就像2022年没有人预测ChatGPT会以”聊天框”的形式出现，大家都以为AI会以更复杂的形态进入普通人生活。

信任缺口：AI Agent需要解决的最深层问题

除了产品设计缺位和习惯惯性之外，还有一个更深层、更难量化的障碍：普通用户对AI Agent的信任程度，远低于让其”自主执行任务”所需要的最低信任门槛。

这不是非理性的。AI Agent一旦出错，后果的量级与AI聊天出错完全不同。

当ChatGPT给出错误答案时，用户会不采纳、重新提问，或者去其他渠道验证。成本低，可撤销，没有实质损失。

但当AI Agent替你自主操作时——预约日历、修改客户记录、执行代码、发送邮件——一个错误决策的后果是真实的、可能不可逆的。用户对”AI会不会理解我的意图”、”AI出了错我能不能发现”、”AI做的事情符不符合我真实的期望”，有完全合理的疑虑。

OpenAI自己在GPT-6 Astra的技术报告中承认，Astra的”链式思维可监控性”相比前代GPT-5.6 Sol下降了——模型更不愿意在思考过程中暴露其推理路径。这意味着，随着模型能力增强，用户实际上越来越难以理解模型在”想什么”、”为什么这样做”。

这是一个深刻的矛盾：Agent能力越强，越值得委托；但能力越强，思维过程越不透明，委托它的信任风险也随之增加。

Wired的调查指出，硅谷内部人士也在讨论：迄今为止没有任何一家公司为普通消费者创造出真正的”杀手级Agent产品”，而这背后，信任设计的缺失是和产品设计缺失同等重要的根因。

一个真正能让普通用户使用Agent的产品，不仅需要强大的执行能力，还需要清晰的”权限边界可视化”——用户要能直觉上感知到”它能做什么、不能做什么、做错了我可以怎么撤回”。这种信任设计，目前在任何主流Agent产品中都没有被充分实现。

这也解释了为什么企业用户比消费者更早采用Agent：企业有IT部门来管理权限边界，有合规流程来审计Agent行为，有明确的使用政策来定义Agent的操作范围。这些体制性保障，弥补了Agent产品本身信任设计的不足。而普通消费者没有这些保障，他们需要产品本身来提供这种信任感——而这是当前Agent产品设计的最大缺口。

中国视角：百度「养龙虾」能破局吗？

回到中国市场，这个消费者Agent鸿沟同样存在，但有一些独特的本土变量值得关注。

百度在2026年持续推进其Agent战略，在文心一言生态中推出了多场景Agent集成能力，将AI助手深度整合进小度智能音箱和百度APP。百度CMO在2026年初的公开演讲中使用了”养龙虾”的比喻来描述用户与AI助手建立关系的过程——就像培养一只需要持续反馈才能成长的宠物，用户需要花时间让AI了解自己的偏好和工作方式。

这个命名策略很有意思：它试图把”使用Agent”从技术行为转化为情感行为。”养”一个东西，天然包含了耐心、反复互动、接受不完美的期待设定。如果普通用户真的开始”养”一个AI助手，对Agent偶尔犯错的容忍度会更高，使用习惯也会更容易建立。

但”养龙虾”的叙事能否真正转化为大众用户的日常行为，还有两个未解决的问题：第一，谁有足够高频的使用场景来支撑”养”的关系？对大多数用户来说，AI助手的使用频率可能并不足以支撑”关系积累”。第二，”龙虾”的执行边界和错误恢复机制是否对普通用户足够友好？

这是中国AI公司在消费者Agent化道路上面临的、与硅谷完全相同的本质挑战：技术成熟了，但用户行为的触发器、信任架构和产品形态的翻译层，还没有建立起来。谁先解决这个问题，谁就握有下一轮消费者AI市场的入场券。值得注意的是，中国超级App的用户习惯（微信、支付宝的复合功能生态）在某种程度上比美国用户更接近”把复杂任务委托给单一入口”的行为模式，这可能是中国市场在消费者Agent化方面的一个潜在优势——前提是有产品能够真正激活这个潜力，而不只是在App界面上贴一个”AI Agent”的标签。

结语：技术就绪≠用户就绪

Miller的推文打出的是”没人用Agent”，但他想说的其实更深：技术就绪不等于用户就绪，功能强大不等于产品成立，基准领先不等于行为改变。

10亿月活的ChatGPT用户，是用AI做他们理解的事。1000万周活的Agent用户，是技术先行者在用AI做AI擅长的事。两者之间，是一道等待被跨越的习惯鸿沟。

把这1000万变成1亿，再变成10亿，不需要更强的模型——需要的是一次产品设计的顿悟，一个让普通人”从不得不关注Agent功能列表”变成”自然而然地把任务交给它”的产品时刻。

这个时刻什么时候来？Josh Miller不知道，Marc Andreessen不知道，Sam Altman大概也不知道。但有一件事是确定的：当它来临的时候，它不会叫做”AI Agent”——就像那个革命性的时刻没有叫做”Web服务”或”移动互联网”，而是叫做”Instagram”和”TikTok”一样。产品名字，永远比技术名字更先到达十亿普通用户。

但当它到来的时候，它不会叫做”AI Agent”。

它会有一个普通人一听就懂、一用就明白的名字——就像”Instagram”不叫”基于地理位置的移动端照片分享社交图谱”一样。

对于中国市场的读者，这个问题同样值得深思：当前国内AI产品——文心一言、通义、Kimi、Doubao——在消费者Agent化的路上，是否正在重蹈硅谷的”技术供给侧思维”？百度的”养龙虾”运动是否真的找到了用户语言？还是只是换了个中国版本的框架命名？这些问题的答案，可能比GPT-6 Astra的基准分数更决定下一个十亿用户的归属。

【数据透明度提示】本文关于采用率的核心数据（OpenAI 10M周活、ChatGPT/Gemini 10亿月活）来自公开报道，均经新闻来源交叉验证。用户访谈和产品分析来自Wired Maxwell Zeff的原创报道（2026年8月6日）。GitHub Copilot 500万付费用户数据来自GitHub官方Q1 2026报告。Salesforce Agentforce增速数据来自Salesforce Q1 FY2027财报发布（2026年5月）。本文对未来发展的预测为作者推断，不代表任何公司立场，不构成投资建议。

参考资料

  • 主要来源：Why Normal People Aren’t Using AI Agents WIRED, Maxwell Zeff, 2026年8月6日 https://www.wired.com/story/why-normal-people-arent-using-ai-agents/（web_fetch验证HTTP 200，2026-09-14T08:47:15Z）
  • 采用率数据：OpenAI Agents Reach 10 Million Users After ChatGPT Work Debut Bloomberg, 2026年7月21日（报道引用）
  • 技术背景：GPT-6 Astra Is Here—and OpenAI Thinks It May Kick Off the AGI Era WIRED, Maxwell Zeff, 2026年9月3日 https://www.wired.com/story/openai-says-gpt-6-can-use-a-computer-better-than-a-human/（web_fetch验证HTTP 200，2026-09-14）
  • 产品背景：OpenAI Launches GPT-6 Astra Technical Report OpenAI, 2026年9月3日 https://openai.com/index/gpt-6-astra/（web_fetch验证HTTP 200，2026-09-14）
  • 企业收购：Atlassian Acquires The Browser Company Atlassian官方博客, 2025年（$610M收购Arc浏览器）
  • 企业采用数据：GitHub Copilot Q1 2026 Product Report GitHub, 2026年4月（500万付费用户，Copilot Workspace采用率）
  • B2B Agent商业化：Salesforce Agentforce Q1 FY2027 Earnings Results Salesforce, 2026年5月（Agentforce客户增速70%+）