来源：猎云精选；文 / 孙媛

马斯克把 Agent 推向了交易的最前线。

就在近日，他在社交平台 X 发文，官宣研发议价智能体 Hagglebot，目标接管企业采购谈判，自主比价、多轮磋商、敲定合同条款。

据其测算，Hagglebot 有望带动企业成本效率提升 5% 以上，若按全球 GDP 规模测算，每年可节省的成本最高可达 6 万亿美元。

这意味着，使用相关 Grok 能力的企业，能获得立即可量化的竞争优势。

而马斯克的下场，还仅是赛道走热的最新一幕。

放眼海外，已有多家企业跟进同类方向，开启了远期愿景押注，Anthropic、亚马逊均在布局谈判、自主采购类智能体，希望 AI 主导交易，人类仅保留最终审批。

再到国内，阿里千问 Go、百度 Agent Spend、京东慧采 AI 采购管家也已经率先出击，均已落地相关能力，不过更为克制，守住 " 人在闭环内 " 底线，更多是让 AI 打辅助，承担比价、方案推演等角色。

但一放一收之间，路线差异已然清晰：Agent 已经慢慢走入交易中心。

Hagglebot 登场，马斯克盯上 "AI 砍价 "

事实上，马斯克盯上议价 Agent，并不突然。

早在今年 9 月初，xAI 上线 Grok Bot 模板市场，就把内部自用的采购智能体 Haggle Bot 打包成首批模板开放，可以读公司的供应商支出、合同条款和实际使用数据，然后自己找省钱的地方。

当时，xAI 就披露，上线第一周就帮公司识别出超过 10 万美元的直接节省。

在一个 SaaS 产品里，它揪出了 43 个整整 90 天没人登录过的付费席位，价值 14220 美元。在另一个产品里，它发现了每年 85662 美元的未使用 SKU。

只是当时并未引发行业大规模关注。

直到 10 月 16 日马斯克公开点名、抛出万亿级降本预期，这一隐藏许久的技术方向才被推至行业聚光灯下。

在马斯克的表述里，Hagglebot 是专为商业场景打造的专用议价智能体，并非面向普通消费者的砍价工具。

依托 Grok Bot 的能力，它的定位是企业级交易生产力工具：企业设定预算、价格底线与交易条款，AI 自动完成比价、多轮邮件博弈、供应商谈判与合同磋商，把采购人员从大量重复性议价工作中解放出来。

他判断，这项能力能够系统性拉高企业成本效率，一旦普及，将在全球范围内释放巨大的成本节约空间，为企业带来可量化的竞争优势。

虽然马斯克未披露其具体议价机制、数据安全措施、上线时间、收费标准和开放范围。

但基于 " 成本效率提升 5%+" 做出的 6 万亿美元宏观推算，俨然已经释放出了议价 Agent 的极致吸引力。

赛道走热，海内外大厂路线分野

颇具玩味的是，马斯克的构想把 " 议价 Agent" 推到大众视野。

但这一概念，并非最新产物。

它最早起源于上世纪 90 年代分布式 AI 学术研究，早期仅用于多智能体之间利益博弈的仿真实验，只不过随着大模型工具调用能力成熟，才真正进入产业讨论。

近两年，Agent 浪潮爆发，企业采购的现实痛点被放大：询价比价、来回谈判消耗采购人员大量精力，大量标准化工作重复繁琐，产业开始期待 AI 承接这类工作。

根据麦肯锡今年 2 月发布《AI in procurement: Redefining value creation》报告显示：AI 辅助谈判可为企业带来 10%-15% 采购成本节约，采购人员用于沟通、资料整理的工时最高减少 90%。

这才有了议价 Agent 正式从论文走向产业，成为交易类 Agent 的重要分支。

但同样的技术起点，海内外却走出完全分化的两条路线。

海外偏向 "AI 成为交易主体 "，强调追求智能体主动博弈砍价，把 AI 嵌入真实交易链路，人类只做最后把关。

xAI 的 Hagglebot 主打开放市场，尝试让 AI 作为独立代理，直接和人类供应商博弈谈判，自主砍价、争取更优采购价格，核心目标是拿到可量化的降本收益。

Anthropic 的 Project Deal 则在内部封闭实验市场，让 AI 代理替员工完成真实物品交易，借此观察 AI 自主议价背后的博弈逻辑、法律权责与伦理风险。

二者分别从落地探索、底层风险研究双向并行，均在优先打磨 AI 自主博弈能力，探索赋予 AI 独立谈判决策权。

反观国内厂商今年集中落地应用的议价 Agent，普遍恪守 " 人在闭环内 " 的底层原则，探索授权内自主采购。

简单来说，就是优先保证议价 Agent 可用性，把采购全链路里面比价、整理信息、生成沟通话术这类相对安全的能力先做上线。

就拿 9 月 20 日，百度智能云与 FluxA 共同支持 Agent Spend 方案的场景化落地合作来看，二者是让 Agent 在用户授权范围内，完成 AI 算力、模型资源的比价、下单与代理支付。

由此可见，Agent Spend 核心是 " 让 Agent 在授权内自主完成资源采购与支付 "；百度也在探索根据业务效果调整采购决策、优化资源成本。

据了解，目前国内政企采购存在以下客观特点：流程强约束（招投标、审计、内控）、责任必须可追溯、非标程度高、决策往往多主体而不是单人拍板，这些特点要求授权清晰、决策可追溯。

与此同时，" 砍价 " 作为议价 Agent 的另一能力域，尚属早期，存在高风险性。

从企业落地进度看，麦肯锡调研显示全球仅 10% 企业完成 AI Agent 规模化部署，多数企业仍停留在试点阶段。

二者相结合，也决定了国内厂商现有 toB 议价 Agent 的发展取舍。

相对政企而言，C 端的议价 Agent 则能力发展得相对更近一步。

10 月 13 日上线的千问个人智能体 " 千问 Go"，依托淘宝、飞猪生态，可自动比价检索订单，和平台客服沟通完成价保退款、航司延误补偿。

不过，目前千问 Go 的 " 议价 " 更多体现在售后维权（如争取现金而非代金券、申请价保）和比价通知（如监控冰箱价格低于 4500 元时通知用户），还未能在 C 端购物中进行实时的、复杂的 " 砍价 "。

在外滩大会上，蚂蚁集团 CEO 韩歆毅曾点透交易类 Agent 规模化的阻碍。

他说，"Agent 正在从‘会办事’走向‘会交易’。在这个过程里，用户意图如何被理解、Agent 如何获得授权、不同 Agent 之间如何建立信任，是智能体商业规模化最大的问题。"

这句话刚好诠释议价 Agent 的发展现况。

Hagglebot 像一个强烈的行业信号：Agent 竞争已经跨过聊天问答阶段，正式闯入真实商业交易深水区。

但 AI 拥有议价、缔约能力，不代表产业可以一步到位，从概念走向规模化商用，仍要跨越权责、信任与风控多重关卡。

正如百度创始人李彦宏在 2026 百度 Create 大会所言：" 智能体衡量价值，不是消耗多少 Token，而是有多少 Agent 给人类干活、交付真实业务结果。"

放到议价 Agent 赛道，这句话格外写实。