研究清晰地展示了计算机操作工作的成本层级。目前,运行一个计算机操作型AI智能体的完全成本为每小时6-8美元,根据截图频率、上下文长度和确定性代码复用比例等设计因素的不同,实际范围在3-15美元之间 。作为对比:
这意味着AI智能体比印度BPO人力便宜约20-40%,比美国后台员工便宜73-82% 。
AI智能体的成本估算基于创始人提供的数据,并与前沿模型token定价和推理经济学进行了交叉验证 。印度BPO的费率来自Globalify、HiveDesk和1840 & Company等机构提供的2026年行业数据 。美国后台成本则基于美国劳工统计局客服代表中位时薪20.59美元,外加约30%的福利和管理费用计算得出 。
比成本优势更令人瞩目的是精度的跨越。研究追踪了OSWorld-Verified基准测试的表现,该标准测试了AI智能体在Ubuntu、Windows和macOS真实桌面环境中的操作能力 。
这一性能飞跃并非渐进式的——它代表了AI智能体能力的质变。正如分析所言,前沿问题已从"AI能用电脑吗?"转变为"它能可靠地完成这项工作吗?"
a16z的研究认为,最重要的启示并非成本或精度数字本身,而是其对竞争策略的影响。随着推理成本持续下降、开源模型与前沿模型之间的差距不断缩小,原始的UI导航能力正在成为商品 。报告作者指出,持久的竞争优势正从模型层转移到应用层 。
新的护城河包括:
第一波计算机操作基础设施的目标是让AI智能体"有能力"。下一波的目标是让它们在真实企业中"有用" 。
这一变化对全球外包行业的影响是直接的。让印度成为世界后台的成本优势——西方工资与印度工资之间的套利——如今正被成本更低、标准化任务表现更优的AI智能体所瓦解 。
正如a16z作者所指出的:"这个账只会越算越划算——推理成本持续下降,开源模型对越来越多的此类工作流来说已经足够好了" 。
依赖离岸BPO进行桌面业务流程的公司如今面临一个战略抉择:是继续为人力支付溢价,还是投资于应用层基础设施,以可靠地大规模部署AI智能体?研究显示,那些能够构建最优工作流语境、验证循环和防护栏的公司——而非拥有最强模型的公司——将在这场转变中捕获最大价值。
研究清晰地展示了计算机操作工作的成本层级。目前,运行一个计算机操作型AI智能体的完全成本为每小时6-8美元,根据截图频率、上下文长度和确定性代码复用比例等设计因素的不同,实际范围在3-15美元之间 。作为对比:
这意味着AI智能体比印度BPO人力便宜约20-40%,比美国后台员工便宜73-82% 。
AI智能体的成本估算基于创始人提供的数据,并与前沿模型token定价和推理经济学进行了交叉验证 。印度BPO的费率来自Globalify、HiveDesk和1840 & Company等机构提供的2026年行业数据 。美国后台成本则基于美国劳工统计局客服代表中位时薪20.59美元,外加约30%的福利和管理费用计算得出 。
比成本优势更令人瞩目的是精度的跨越。研究追踪了OSWorld-Verified基准测试的表现,该标准测试了AI智能体在Ubuntu、Windows和macOS真实桌面环境中的操作能力 。
这一性能飞跃并非渐进式的——它代表了AI智能体能力的质变。正如分析所言,前沿问题已从"AI能用电脑吗?"转变为"它能可靠地完成这项工作吗?"
a16z的研究认为,最重要的启示并非成本或精度数字本身,而是其对竞争策略的影响。随着推理成本持续下降、开源模型与前沿模型之间的差距不断缩小,原始的UI导航能力正在成为商品 。报告作者指出,持久的竞争优势正从模型层转移到应用层 。
新的护城河包括:
第一波计算机操作基础设施的目标是让AI智能体"有能力"。下一波的目标是让它们在真实企业中"有用" 。
这一变化对全球外包行业的影响是直接的。让印度成为世界后台的成本优势——西方工资与印度工资之间的套利——如今正被成本更低、标准化任务表现更优的AI智能体所瓦解 。
正如a16z作者所指出的:"这个账只会越算越划算——推理成本持续下降,开源模型对越来越多的此类工作流来说已经足够好了" 。
依赖离岸BPO进行桌面业务流程的公司如今面临一个战略抉择:是继续为人力支付溢价,还是投资于应用层基础设施,以可靠地大规模部署AI智能体?研究显示,那些能够构建最优工作流语境、验证循环和防护栏的公司——而非拥有最强模型的公司——将在这场转变中捕获最大价值。