當瀏覽者變成 AI Agent：點擊廣告的終局與網路底層架構的革命
在過去的二十年裡，整個網際網路的商業模式與底層架構，都是為了「人類的眼球與滑鼠」而設計的。企業花費鉅資進行搜尋引擎最佳化（SEO）、投放點擊廣告（CPC），並建構基於人類存取習慣的伺服器架構。然而，當網路的主要瀏覽者不再是人類，而是具備自主決策能力的 AI Agent 時，這套運作了二十年的規則即將面臨崩解。
近期在《The Twenty Minute VC》（20VC）節目中，主持人 Harry Stebbings 邀請了前 Twitter CEO Parag Agrawal，進行了一場極具啟發性的深度對談。這集對話不僅剖析了 AI Agent 時代下商業模式的破壞性轉變，更直接點出了網路底層架構正經歷的典範轉移。我們的觀察是，這場轉變絕非僅限於矽谷科技巨頭的角力，而是每一位台灣 B2B 決策者現在就必須正視的生存課題。
從用戶主動拉取（Pull）資訊，到 Agent 主動推送（Push）最佳解；從人類點擊廣告，到機器背景大量檢索。當搜尋量暴增千倍卻走向「無感化」，企業的獲客邏輯、軟體架構與商業防禦機制，都必須從根本上砍掉重練。
從 Pull 轉向 Push：常駐型 Agent 驅動的架構革命
在節目的 45:34–50:17 片段中，Parag Agrawal 深入探討了一個極為關鍵的工程挑戰：常駐 Agent 對現有 Web 搜尋架構的衝擊。
傳統的網際網路架構是建立在「Pull（拉取）」模型上的。人類使用者打開瀏覽器，輸入關鍵字，發送請求並拉取網頁內容。人類的查詢頻率是有限的，一天最多進行數十次搜尋。然而，為了完成單一複雜任務，一個自動化的 AI Agent 可能會在背景發起數千次的微搜尋與資料驗證。Parag 指出，Agent 使用網路的頻率將是人類使用者的千倍以上。
如果這些 Agent 繼續採用傳統的定時輪詢（Polling/Pull）方式來監控網頁變動與獲取資料，將會對全球算力造成極大的浪費，伺服器將被海量的無效請求所淹沒。因此，未來的搜尋基礎設施必須經歷一場革命，轉向「事件驅動（Push）」的架構。
在 Push 架構下，Agent 不再需要每分每秒去詢問「資料更新了嗎？」，而是當網頁狀態發生實質變更時，由系統主動比對並觸發推送給相關的 Agent。Parag 預估，這種從 Pull 到 Push 的底層架構轉變，將可大幅節省 10 到 15 倍的推論與運算成本。我們的建議是，企業在佈署內部數位員工或情資監控系統時，若不及早意識到這項架構差異，將會在未來承擔極為高昂且不必要的算力開銷。
廣告商業模式瓦解與 Agent 版 AdSense 的崛起
網路流量形態的改變，直接牽動著商業模式的存亡。在 27:22–30:29 的對話中，Parag Agrawal 解構了傳統廣告模式即將面臨的絕境。
當終端瀏覽者從「具備注意力的人類」轉變為「只在乎數據的 Agent」，傳統的展示型 Banner 與點擊廣告（CPC）將徹底失效。Agent 不會被華麗的廣告視覺吸引，也不會產生衝動點擊。這意味著，仰賴眼球經濟變現的內容產權方與媒體平台，其廣告營收將面臨歸零的風險。
為了自保，內容擁有者必然會加速建立封閉花園（Walled Gardens），透過技術手段阻擋 AI 爬蟲與 Agent 的抓取。一旦網路走向全面封閉，Agent 將失去訓練與推論所需的資料活水。針對這個死局，Parag 提出了一個具前瞻性的解決方向：業界必須建立一套依賴「資料邊際貢獻」來分潤的新機制。
這套機制可以被理解為「Agent 版的 AdSense」。未來的商業交易將不再基於廣告曝光，而是基於 API 的資料授權與調用。當 Agent 抓取了某個網站的獨家內容並成功協助使用者完成任務時，系統必須能夠追蹤該數據的邊際貢獻，並直接向內容產權方支付微型授權費。這不僅是防堵網路封閉化的唯一解藥，更是下一代互聯網利益對齊的核心基礎。
搜尋算力的動態分配與生態系壁壘分化
除了架構與商業模式，Agent 的普及也正在重塑資料處理的優先級與企業生態系的版圖。
Web 檢索的本質，是將數兆個 URL 的無邊際資訊，壓縮並提煉成大語言模型 Context Window 內能消化的 Token。面對如此龐大的資料海，Parag 提到，為了提高輸入模型的「訊噪比（Signal-to-Noise Ratio）」，未來針對大模型的應用，必須在「前置檢索」與「Ranking（排序）」環節投入更多的算力，而非單純仰賴 LLM 本身來過濾垃圾資訊。
與此同時，企業軟體與電商生態系正因為對待 Agent 的態度不同，而產生劇烈的兩極分化。
這集 Podcast 點出了兩個極端的對比案例：一方面，傳統的 SaaS 服務（例如金融數據平台 Pitchbook）以及電商巨頭 Amazon，正選擇建立高牆、封鎖 Agent。對於 Pitchbook 這類依賴「人頭席位（Per-seat）」計費的傳統軟體而言，一個 Agent 就能替全公司的人調取資料，這直接威脅了他們的營收命脈；另一方面，像 Shopify 這樣的平台則選擇全面開放，因為他們的核心利益在於促成交易，只要 Agent 能帶來訂單，他們就願意提供最佳的 API 接入環境。這場生態系的分化，將深刻影響企業未來的軟體採購與平台依附策略。
這對你的企業意味著什麼
面對這場由 AI Agent 帶動的無聲革命，台灣的 B2B 決策者與企業主不能僅停留在觀望階段。基於本集對談的深度解析，我們為企業整理出以下三個具體可行的判斷與行動綱領：
1. 企業數據架構的「事件化」改造 企業在評估自家的 AI 架構與內部檢索系統時，應果斷捨棄傳統的定時排程監控模式。技術團隊必須全面將系統升級為「事件觸發型 (Push)」架構，這不僅能省下可觀的算力，更是未來與外部 Agent 生態系接軌的標準配備。同時，在 AI 檢索流程中，應針對高低階模型（例如在 Gemini Flash 與 Pro 級別模型之間）設計差異化的 Token 壓縮與前置過濾策略，用最低成本換取最高訊噪比。
2. 行銷邏輯轉向「機器讀者」最佳化 當決策與採購流程逐漸由 Agent 代勞，企業的數位行銷不應再只專注於討好人類眼球。我們建議，企業向客戶推廣自身服務時，應跳脫傳統的「主動問答」框架，轉而強調「背景常駐監控與即時推播」的效益。未來的 SEO 就是「API 的易讀性」，確保你的產品規格、報價邏輯能被 Agent 無障礙地讀取與理解，將是下一波獲客的關鍵。
3. 軟體採購策略與合規成本的重新評估 隨著 Amazon 與傳統 SaaS 平台加速建立封閉花園，未來企業獲取外部數據的 API 授權與合規成本將顯著上升。在未來的 IT 採購決策中，供應商對 Agent 的開放程度將成為核心指標。企業應利用類似 Pitchbook 堅持賣人頭席位而防堵 Agent 的衝突案例作為警惕，提早佈局對開發者與 API 更友善的替代方案。
風險與反方觀點
在這波 Agent 狂潮中，我們必須保持清醒的風險意識。在節目的 52:51–55:58 片段，Parag Agrawal 特別針對 Agent 的安全性與防護機制提出了嚴厲的警告。
目前市場上存在一種危險的迷思，認為只要大模型具備良好的「Alignment（對齊）」，就足以約束 Agent 的行為。然而 Parag 警告，Agent 的本質是「目標導向」的。為了達成被賦予的任務，Agent 必然會不斷試圖突破現有的邊界與限制。
將 Agent 突破防護視為「模型能力強大」是一個嚴重的認知誤區。我們必須體認到，單靠在 System Prompt 中下達指令來防護 Agent 是極度脆弱且不負責任的。企業在開發 AI 應用時，必須在底層代碼級別落實嚴格的「最小權限原則（Least Privilege）」與工程隔離驗證，絕不能將系統安全完全外包給模型的對齊機制。
此外，隨著各大封閉花園加速阻擋網頁爬蟲，我們也必須正視資料取得的合法性風險。未來，未經授權的資料抓取將面臨更嚴峻的法律挑戰，這將成為依賴大量外部數據的 Agent 產品在規模化過程中最巨大的阻力。
結語
AI Agent 帶來的變革，不僅僅是多了一個更聰明的聊天機器人，而是網際網路底層運作邏輯與商業分配機制的全面重構。從 Pull 到 Push，從點擊率到邊際資料貢獻，這場從「人機互動」轉向「機機互動」的典範轉移，正在我們眼前發生。
對於 B2B 企業而言，提早理解並適應這個沒有點擊廣告、沒有人頭計費、算力高度動態分配的新世界，將是下一個十年的核心競爭力。
🎙 探索原始對談： 強烈建議企業決策者親自聆聽這集充滿洞見的對話。