智能体商业可能重塑约$30 trillion的消费者支出机会，并利好规模化平台及部分赋能者

概览

这份行业报告阐述了Morgan Stanley如何评估面向消费者的AI智能体可能改变互联网商业、广告、旅游和零工经济市场。报告认为，机会规模庞大但分布不均：具备规模、专有数据、库存及交易基础设施的平台可能受益，而产品商品化或直接客户关系较弱的企业可能更易受冲击。

核心观点

Morgan Stanley估计，广告、电子商务、旅游、外卖、网约车、物流和可穿戴设备等领域约$30 trillion的消费者支出可通过智能体服务实现数字化。报告将其视为重大的商业机会，其规模可与估计的GenAI企业知识工作总潜在市场相比。其核心前提是，智能体正日益能够从回答问题转向进行个性化浏览、探索和交易。 Morgan Stanley认为，规模化分发能力和庞大的专有数据集是横向智能体平台的关键优势。Meta、Alphabet和Apple被视为定位良好：Apple和Google受益于iOS和Android生态系统内的软件与硬件整合，而Meta的优势在于基于第一方数据的个性化能力。该机构还强调，采用并非纯粹的技术问题；它取决于市场推广执行、行为改变和展示消费者效用。 报告将Meta Muse视为一项重要的早期发展。Morgan Stanley提到其连续9天位列下载量前五的应用、利用Facebook、Instagram及其他数据实现个性化互动、具备移动端网页浏览能力，以及提供100 million免费周度代币，后者可能支持每日超过100次查询。该机构认为当前牵引力令人鼓舞但仍处早期。它认为，较大的变现机会并不主要来自订阅，尽管报告提及可能的$20-per-month和$100-per-month订阅档位，而是来自可变现的商业行为和交易佣金。 Morgan Stanley对Muse的示例模型假设100 million用户、每位用户每日五次查询、10%的商业查询率以及每次商业查询$0.07的变现水平，后者为Google所述$0.36美国商业查询变现水平的20%。按这些假设，Muse可产生约$1.3 billion的全球收入、每年超过$1 billion的收入，以及约$0.35的Meta 2028年EPS上行，即1%。该图表假设新增Muse收入的增量利润率为80%。其敏感性分析显示，在更高用户量和商业查询量下，交易收入可超过$8 billion，2028年EPS上行可超过15%；同时将商业查询率和每次查询变现水平分别维持在10%和$0.07。报告指出，持续强劲的市场推广、降低摩擦的交易合作伙伴关系以及真实增量需求是关键条件。 对于下游企业，Morgan Stanley运用“5 I's”框架——库存、基础设施、创新、增量性和利润表影响——评估智能体时代的防御能力和增量收入潜力。Amazon和eBay被视为电子商务中定位较好的参与者，而Peloton、Chewy和FIGS则属于风险最高者。Shopify被认为是强大的赋能者，因为它能够帮助分散的供应商基础适应并优化智能体商业。在旅游领域，Booking、Airbnb和Expedia拥有差异化的实时、分散且规模化增长的库存，但其长期估值结果取决于维持直接流量，以及通过自身智能体产品获取用户和交易。零工经济智能体仍将需要Uber、Lyft和DoorDash的快递及配送基础设施。 报告按行业对视觉浏览、探索、产品发现以及从搜索到预订所需时间的依赖程度进行区分。Morgan Stanley认为，网约车比外卖或旅游更容易受冲击，因为它更具商品属性且价格敏感。外卖仍存在风险，尤其是重复订单，但旅游可能更具防御性，因为规划、探索和发现是消费者体验中具有价值的部分。 Morgan Stanley为在线旅游和共享经济企业设定了三种战略情景。在“Hold Rank”情景下，企业限制结构化智能体访问并打造领域专属智能体；这在短期内影响中性，但若企业保留漏斗顶端和客户控制权，长期可能积极。在“Status Quo”情景下，智能体可通过浏览器及现有应用接口浏览和预订，而不签订商业协议；短期可能因增量交易而略为积极，但长期风险是智能体掌握漏斗并随后收取佣金。在“Partner With Agents”情景下，正式的分发、费用或收入分成协议可在既定单位经济下带来积极的短期交易量，但随着智能体获得漏斗顶端权力，可能形成永久上升的流量成本。 对于Google，Morgan Stanley认为必须在其Search用户基础上部署下一代智能体产品，以降低其他平台攫取商业行为的风险。报告估计，当前搜索的有效抽成率——广告支出占GMV的比例——约为早期智能体佣金模式的五至十倍。这意味着即使智能体商业扩大，搜索流量流失仍构成变现风险。根据报告，超过80%的零售商在线流量仍为非付费或直接流量；非付费流量向付费流量转移500个基点可抵消有效抽成率下降1,400个基点的影响。然而，若抽成率为5%，Google需要从非付费渠道向付费渠道转移3,800个基点才能实现盈亏平衡。因此，Morgan Stanley认为，随着平台利用智能体渠道变现的动机增强，零售商需保留高利润直接流量，并关注增量性和每笔交易的经济效益。

分析框架

Morgan Stanley首先测算智能体消费者支出机会规模，随后通过分发、数据和生态系统优势评估横向平台。其利用用户采用、查询频率、商业查询转化率、每次查询变现水平和增量利润率对Meta Muse进行建模，并以敏感性表展示不同收入和EPS结果。对于下游企业，其采用库存、基础设施、创新、增量性和利润表影响五项因素进行评估，随后分析旅游与共享经济平台的合作情景，并对搜索流量及抽成率进行敏感性分析。

方法论与常识提炼

• 行业/产业分析框架供需框架

  智能体商业市场规模测算和平台定位

  报告估计可进入智能体渠道的消费者支出规模，并评估哪些平台具备捕捉该需求所需的分发、数据和交易能力。

• 竞争与战略框架价值链分析

  “5 I's”框架

  Morgan Stanley通过库存、基础设施、创新、增量性和利润表影响来评估下游企业的防御能力及其从智能体平台中受益的能力。

• 其他

  Meta Muse采用率和变现敏感性分析

  报告在维持部分变现假设不变的情况下，改变用户数和每位用户商业查询数，以展示Meta可能的收入和EPS结果。

标的映射与对比

研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。

• Meta Platforms (META)

  可能受益于Muse采用、可变现行为和交易佣金。

  优势

  第一方数据、个性化能力、早期Muse牵引力和广泛分发。

  劣势

  商业查询率、佣金率和增量性仍不确定。

  对比

  Morgan Stanley将其示例性每次商业查询变现水平与Google的美国搜索变现水平比较。

  风险

  采用、合作执行和变现可能无法达到模型假设水平。

• Alphabet (GOOGL)

  领先平台，但若智能体竞争者获取商业流量，将面临转型和变现风险。

  优势

  Search规模、数据和Android生态系统整合。

  劣势

  当前有效Search抽成率显著高于早期智能体佣金率。

  对比

  其搜索变现被用作智能体佣金的类比。

  风险

  若付费渠道转化无法抵消下降，流量流失和较低抽成率可能压制搜索变现。

• Amazon (AMZN) and eBay (EBAY)

  被认定为电子商务中定位较好的参与者。

  优势

  Morgan Stanley的框架显示其智能体定位相对较强。

  对比

  在报告的电子商务评估中，其筛选结果优于Peloton、Chewy和FIGS。

• Shopify (SHOP)

  作为赋能者，能够帮助分散的供应商基础适应智能体商业。

  优势

  可支持供应商为智能体渠道进行调整和优化。

  对比

  其定位是基础设施和赋能，而非下游零售商。

• Booking Holdings (BKNG), Airbnb (ABNB) and Expedia (EXPE)

  拥有差异化库存的旅游平台，但面临智能体驱动的发现和分发变化。

  优势

  独特、分散、规模化且持续增长的实时库存。

  劣势

  长期估值取决于维持直接流量和专有智能体互动。

  对比

  旅游因发现和探索更重要，被认为比网约车更具防御性。

  风险

  智能体控制的漏斗顶端流量可能带来佣金和更激烈的价格竞争。

• Uber (UBER), Lyft (LYFT) and DoorDash (DASH)

  为智能体网约车和配送服务提供关键基础设施。

  优势

  规模化快递和配送网络。

  劣势

  网约车被描述为更具商品属性且价格敏感。

  对比

  网约车被认为比外卖或旅游更易受冲击。

  风险

  横向智能体可能重塑客户触达和交易经济效益。

关键数据

• 智能体消费者支出潜在市场~$30 trillion估计可通过智能体服务实现数字化的消费者支出。
• Muse应用采用信号9 straight days in the top 5 downloaded appsMorgan Stanley引用的早期采用证据。
• Muse免费使用额度100 million free weekly tokensMorgan Stanley表示，这可能支持每日超过100次查询。
• 示例Muse用户规模100 million users用于基准情景收入和EPS示例的模型假设。
• 示例Muse年收入$1.3 billion基于每位用户每日五次查询、10%的商业查询率及每次商业查询$0.07的变现水平。
• 示例Meta 2028年EPS上行$0.35 or 1%Morgan Stanley对Muse贡献的基准情景估计。
• Muse交易收入敏感性$8 billion+Morgan Stanley在较高规模敏感性分析中的潜在结果。
• 搜索相对于早期智能体的抽成率~5-10x higherMorgan Stanley估计，当前有效搜索抽成率高于早期智能体佣金模式。
• 零售商非付费/直接在线流量80%+向付费流量转移500个基点可抵消有效抽成率下降1,400个基点。

影响与含义

Morgan Stanley认为，智能体商业可能将消费者发现和交易经济效益转向兼具分发、数据和执行能力的平台。报告认为，部分平台和商业赋能者可能受益，但警示若横向智能体控制更多漏斗环节，下游企业可能面临更高的获客成本、更弱的直接客户关系和承压的交易经济效益。

风险

• Meta Muse的采用、商业查询率、变现和交易合作伙伴关系可能无法达到Morgan Stanley的模型假设。
• 随着横向智能体规模扩大，下游平台可能失去漏斗顶端控制权，并面临上升的佣金或流量成本。
• 若智能体渠道以较低有效抽成率获取流量，Google可能面临搜索变现压力。
• 商品化程度较高的类别，尤其是网约车，可能更易受到价格驱动的智能体颠覆。

后续跟踪

• Muse的采用、效用、交易行为及其通过合作降低浏览器摩擦的能力。
• Meta能否展示真实增量且可变现的商业活动，而非仅转移现有行为。
• 在线旅游和零工经济企业如何通过专有智能体、访问限制或正式合作作出回应。
• Google是否在其Search用户基础上推出下一代智能体产品。
• 零售商直接/非付费流量、付费渠道占比和有效搜索抽成率的变化。