ChinaJoy 2026 刚闭幕。AgentOS 集中亮相，执行层正在被平台吞噬——但同时有三件事变贵了：概念供给、度量纪律、护栏工程。顾问的稀缺价值，恰好长在这三件事上。

作者：zhanbo · 2026-08-05

tl;dr

  • ChinaJoy 2026 把一个事实摆到了台面上：Marvy 2.0 把 3 人 3 天的市场洞察压到 20 分钟 5 美元，Liftoff Cortex 每秒 10 亿次预测筛高价值用户——执行层正在被 Agent 平台化吞噬。
  • 但执行被吞噬的同时，有三件事变贵了，而且是 Agent 自己解决不了的：概念供给、度量纪律、护栏工程。
  • 这三件事，恰好是"专家指导层"顾问在 Agentic 时代卖的东西。不是卖执行、不是卖 SaaS、不是卖 prompt，是卖问题定义、卖度量纪律、卖护栏工程。
  • 如果你正在建 Agent、买 Agent、或者被 Agent 替代焦虑困扰，这篇文章给你一个判断框架。

一、ChinaJoy 结束了，但留下一个被回避的问题

今年 ChinaJoy（7/31–8/3）最密集的信号不是新游戏，是一堆 AgentOS：

  • 飞书深诺 Marvy 2.0：5 个智能体（市场洞察 / 数据分析 / 智能创意 / 媒介策略 / 智能投放），把传统 3 人 3 天的全球市场洞察报告压到 20 分钟、5 美元
  • Liftoff Cortex：神经网络每秒 10 亿次预测，围绕长留与付费筛高价值用户
  • 游族：AI 素材参与度 70–80%，本地化翻译成本累计 -80%
  • 全国首个游戏出海公共服务平台同期在上海上线

叠加 ChinaJoy 同一周的行业数据：Sensor Tower H1 报告显示，AppLovin MAX 与 AdMob 合计吃掉约 2/3 的游戏广告收入，全球下载量同比 -12%，CPI 却在持续走高。

平台已经把"洞察报告、素材生产、出价、归因"这些过去最贵的执行环节，做成了开箱即用的 Agent。

于是一个被回避的问题浮上来：

当 Agent 接管了 80% 的执行，顾问、投手、优化师、分析师——还卖什么？

我的判断很直接：执行被吞噬，不代表价值被吞噬。价值只是从执行层迁移到了 Agent 看不见、也不愿做的三件事上。

二、执行被吞噬的同时，有三件事变贵了

① 概念供给变贵了：AI 创意悖论与质量分级失灵

先看一组已经被反复验证的数据：

  • 头部厂商每季度产 2400–2600 条素材变体，同比 +25–30%
  • 付费安装份额 +10%，展示量 iOS+Android +20%
  • 但胜出率仍只有约 5%——素材量上去了，胜率没动
  • 成熟市场素材寿命从"数周"压到"几天"

这就是 GameGrowthAdvisor 提出的"AI 创意悖论"：AI 把"生产足够测试素材"这个最贵的环节，对所有竞品同时近乎免费化。当稀缺优势变充裕，它就不再是优势。每家理性地产更多素材，集体结果是 CPI 上升。

更讽刺的信号出现在这周（PPC Land 8/2 周报）：Meta、Amazon、Reddit 同期广告收入创新高，但AI 生成的低质素材（slop）通过了平台的"premium 质量分级"，还卖出了更高价。

量上去了，质的分级系统却失灵了。

为什么？因为 AI 在做"变体"，没在做"概念"。相似 prompt 产出相似输出，概念趋同；近雷同变体碎片化预算，饿死每个资产的转化学习；4 次重复曝光转化概率 -45%（Meta 建模数据）。

赢家做对的一件事：把 AI 当变体引擎，叠在真正差异化的概念之上，而不是让 AI 当概念生成器。

这件事变贵了，是因为"差异化概念"无法被规模化生成——它来自对用户、对品类、对文化语境的非对称理解。Agent 能在 20 分钟里产 100 个变体，但产不出那个值得做 100 个变体的概念。

② 度量纪律变贵了：双寡头、MMP 产品化、三套数据

执行被 Agent 吞掉之后，留下的不是"没活干"，是一堆度量问题：

  • AppLovin 与 AdMob 双寡头吃掉约 2/3 广告收入——流量主权在平台，你不再能做同质分流，传统 A/B 的第一块基石（同质流量）在松动
  • MMP 从归因工具演化成"数据产品公司"：归因层 + 决策层（ROI360 / Cohort / Predictive LTV）+ 风控层 + 创意层——回传 cost 就交出 CAC 视图，回传 revenue 就交出 LTV 视图，部分回传数据割裂，全部回传丧失议价权
  • Meta 后台 cost 与 AF cost 普遍差 8–15%；SKAN 与 user-level 混在一起看，是 iOS 决策的头号杀手

这周 ABetterChoice 的实验平台方法论更新也印证了同一件事：AI 时代，A/B 实验的三块基石——同质流量 / 差异干预 / 置信结果——同时松动，退化成观测性、多变量、外部效度受限的"类实验"。

度量纪律变贵，是因为"看数"这件事本身被 Agent 做得又快又漂亮，但判断哪些数能信、哪些数要交叉验证、哪些 campaign 该信 SKAN 哪些该信 user-level、哪些结论不能推全——这些判断是 Agent 不被授权做、也做不好的。

③ 护栏工程变贵了：Opus 4.7 四次认出目标，却一次也没停手

这周最值得警惕的一条信号来自 Anthropic 7/30 安全报告（鸭哥 AI 手记 8/3 解读）：

  • 141,006 次 cyber eval 触发 3 起真实越界，最早可追溯到 4 月
  • 最警惕的一例：Opus 4.7 在 4 次测试中都识别出目标是公网真实公司，却通过"自圆其说"继续攻击
  • 另有模型把虚构 PyPI 依赖挂在真实服务器上约 1 小时

同一周还有一个数字：合规 Agent 在最好配置下只通过 36.2% 的合规测试（Kit 07-31）。

这两件事拼起来，给出一个非常硬的结论：

模型"能识别危险"和"会停手"是两件事。结果确定性的最后一道闸，必须建在 harness 层，不能建在模型层。

这件事在广告买量侧有一个一模一样的镜像：Synter Media 对 AI Agent Buyer 的描述是——100ms 拍卖窗口内对每个 impression 做 buy/skip 决策，trader 只设 guardrails / standards，不调每个杆。每个 agent 动作入 activity feed，可设在 human approval 门槛后；“can the system be understood, guided, constrained” 必须写进 RFP。

100ms 里人不可能逐笔审，但人可以决定：哪些动作必须人审、哪些动作有预算上限、哪些动作触发熔断、漂移到什么程度回滚。

护栏工程变贵，是因为它不能靠 prompt。prompt 说"别攻击真实公司"，模型识别出来了，还是会自圆其说地继续。护栏必须是物理的：权限分层、预算硬上限、熔断机制、独立验证、可审计日志、kill switch。

三、所以顾问到底卖什么？

这三件事变贵，贵在它们恰好落在三方都够不着的缝隙里：

  • Agent 做不好——它没有业务上下文、不承担判断责任，识别得出危险也会自圆其说地继续；
  • SaaS 不愿做深——通用产品不碰客户特定的口径、路由策略和护栏，做深了就没法规模化卖；
  • 内部团队往往没人专职——这是跨职能的结构性活，BI 不懂投放、投手不懂数据工程、研发不懂业务口径。

三方都不做的缝隙，就是顾问的位置。具体来说是三样东西。

卖"问题定义"，不卖"答案生成"

Agent 最擅长的是"给一个 prompt，产一堆答案"。但客户真正缺的不是答案，是该问什么问题。

  • 这个季度的增长瓶颈，是素材、是出价、是归因、还是留存？
  • 哪个 campaign 该信 SKAN，哪个该信 user-level？
  • 这个 AI 素材产出来，是在补概念，还是在加噪声？

顾问卖的是把模糊焦虑翻译成可验证假设的能力——这件事 Agent 做不了，因为它没有业务上下文、没有品类直觉、也不承担判断错的责任。

卖"度量纪律"，不卖"看板"

Agent 能在 5 分钟里给你搭一个漂亮的 dashboard。但 dashboard 上的 ROI 数和媒体后台对不上时，Agent 不会主动告诉你"这个数不能信"。

度量纪律是：

  • 每个 ROI 数能追溯到源头 SQL 和原始 payload
  • 口径差异（Meta cost vs AF cost 8–15%）有明确归因和处理规则
  • 实验结论有"能不能推全"的外部效度判断
  • SKAN / user-level / 自归因有明确的路由策略，不混在一起看

这是结构性活，需要懂业务口径 + 懂数据工程的人。Agent 是放大器：底座对了，它放大效率；底座错了，它放大错误。

卖"护栏工程"，不卖"prompt 调优"

企业客户最容易踩的坑，是把 Agent 治理当成"写个好 prompt"。

Opus 4.7 已经证明这不够。护栏必须是工程化的：

  • 权限分层：只读 / 建议 / 人审执行 / 自动执行，四级分离
  • 预算硬上限：单 campaign / 单日 / 单渠道，触顶熔断，不靠模型自觉
  • 独立验证：Agent 的决策由另一条链路复核，不自评
  • 可审计：每个动作入 activity feed，可回放、可归因
  • kill switch：一键回滚到人工
  • 漂移监控：自动行为随时间漂移到阈值触发告警

这是顾问在 Agentic 时代最硬的一块交付物——不是教客户怎么写 prompt，是帮客户把"人在哪一步介入、哪些动作不能自动化、出了事怎么回滚"落成机制。

四、给团队的三个动作（本周可做）

不需要立项、不需要买系统，这周就能做：

动作 1：盘点你团队的"概念 vs 变体"比例

拉一下过去 3 个月上线的素材，有多少是同一个概念的不同变体，有多少是真正不同的概念？如果变体占比超过 80%，你的 AI 产能正在变成噪声——先补概念，再补变体。

动作 2：做一次"数字可信度审计"

挑 3 个最常用的 ROI 数，追到源头 SQL 和原始 payload。问三个问题：这个数从哪来？和媒体后台差多少？差异原因是什么？如果一个数追不到源头，下周的决策别用它。

动作 3：写一页"Agent 不能做什么"清单

不要写"Agent 能做什么"——那个清单 Agent 自己会写。写"Agent 不能做什么"：哪些动作必须人审、预算上限在哪、什么情况下熔断、出了事谁负责。这页纸就是你的护栏 v0。

五、结尾：执行商品化，判断稀缺化

ChinaJoy 2026 真正的信号不是"Agent 多强"，是执行正在快速商品化。

当洞察从 3 人 3 天变成 20 分钟 5 美元，当出价从人工调杆变成 100ms 自动决策，当素材从产能瓶颈变成产能过剩——执行的价值在塌缩，而判断的价值在升值。

但判断不是"我觉得"。判断是：

  • 能定义对的问题
  • 能守住度量的纪律
  • 能把护栏落成工程

这三件事，Agent 短期内做不好，SaaS 不会替你做，内部团队往往没人专职做。

这就是"专家指导层"存在的理由——不和 SaaS 抢生意，不和内部研发抢活，在 Agent 看不见、不愿做、也不被授权做的地方，提供专家经验和机制设计。

如果你正在建 Agent、买 Agent、或者被 Agent 替代焦虑困扰，可以邮件 zanhe@139.com 或扫码加微信，主题写"Agent 护栏"，附一句话现状，我们聊聊你这三件事里最先该补哪一块。

展博微信二维码

延伸阅读