一、引言
AI 产品正在经历一场从形态到权力结构的演化。本文提出三级演化模型，Copilot、Agent、AI Native，考察每一级的产品形态、决策权分配、护城河来源与估值逻辑。核心命题：每一级演化，都是一次决策权的重新分配；而护城河，来自决策权转移之后沉淀下来的治理框架与场景数据。
二、三级演化模型
三级演化可以用一张表概括。
（1）Copilot，AI 辅助：人在方向盘后面，AI 加速单项操作。决策权不变。代表产品：GitHub Copilot、Notion AI。护城河弱。
（2）Agent，AI 代理：人可以委托，把整件事交给 AI。操作决策被委托，人做校验。代表产品：Claude Code、Palantir AIP。护城河中。
（3）AI Native，AI 驱动：人只做治理，设定边界与框架，AI 在其中自主运行。决策链被重写。护城河高。
每一级代表一种不同的价值分配和权力结构。Copilot 级是加法和效率，Agent 级是委托与校验，AI Native 级是治理与自主。三级之间的差异，本质是谁做决定的差异。
三、决策权分配的三级映射
把产品演化映射到决策三层模型（操作决策、战术决策、战略决策），每一级对决策权的分配完全不同。
（1）Copilot 级：操作决策人做，AI 辅助；战术决策人做；战略决策人做。决策链纹丝不动。
（2）Agent 级：操作决策 AI 做，人审批；战术决策 AI 建议加人校验；战略决策人做。决策链开始松动。
（3）AI Native 级：操作决策 AI 自主；战术决策 AI 建议加人校验；战略决策人加 AI 推演。决策链被重构。
决策权的转移不是技术问题，是组织问题，这正是组织变革的三重阻力研究讨论的核心。Copilot 之所以好卖，是因为它不动决策权；AI Native 之所以难，是因为它要重写整条决策链。
四、护城河来源
三级演化对应三种护城河。
（1）Copilot 级：切换成本低，谁的 Copilot 更好用，用户就去哪。护城河弱，估值逻辑是 SaaS，按席位收费。
（2）Agent 级：积累场景数据，但切换成本还不够高。护城河中，估值逻辑是过渡态，按成果收费初现。
（3）AI Native 级：治理框架、场景数据、业务语义三层叠加，迁移成本极高。护城河高，估值逻辑是按决策替代价值收费，尚无共识框架。
护城河从来不是模型。模型所有人都能换。护城河是你独有的场景数据，和基于这些数据长出来的决策能力。Copilot 级不积累场景数据，所以正在被上游吃掉；AI Native 级积累治理框架与业务语义，所以迁移成本极高。
五、判断框架：什么是真正的 AI Native
如何判断一个产品是 Copilot 换皮还是真正的 AI Native？本文使用四维度判断框架。
（1）决策权：AI 是辅助建议（Copilot），还是被委托执行（Agent），还是自主决策（AI Native）？
（2）执行权：AI 是生成文本供人使用，还是直接操作系统、调用工具、完成端到端任务？
（3）数据主权：场景数据是否沉淀并回流？没有数据回流的 AI，永远是电费而非资产。
（4）问责机制：AI 出错了，谁来负责、如何纠偏、如何审计？治理框架是 AI Native 的前提。
四维度的核心是决策权。一个产品即使界面再华丽，只要决策权还在人手上、数据没有回流、问责机制没有建立，它本质上就是 Copilot，只是穿了一件 Agent 的外衣。
六、行业分布
当前的行业分布极不均匀：Copilot 型产品占据绝大多数，价值捕获却最弱，正在被模型公司平台化吃掉；Agent 型产品是少数，在增长，但需要证明护城河；AI Native 型产品极少，Palantir AIP 是标志性案例。
这与 Harness 的归零是同一枚硬币的两面：做 Copilot 是跟模型公司抢饭吃，做 AI Native 是去它们够不着的地方。模型公司每升一级，Copilot 型产品就薄一层；而 AI Native 的价值，恰恰在模型能力之外的治理与场景里。
七、SaaS 估值逻辑的失效
三级演化模型解释了为什么 SaaS 估值逻辑（按席位收费）正在失效：按席位收费是 Copilot 时代的逻辑，它的前提是人还在操作位上；按成果收费才是 Agent 时代的逻辑，因为操作决策已经被委托，席位不再是价值单位，成果才是。而到了 AI Native 时代，估值单位将进一步变成决策替代价值。一家公司为 AI 承担了多少本来由人做的判断，这才是它真正的资产。
用资产飞轮的语言说：Copilot 级公司 token 化的是流程，天花板是效率；AI Native 级公司 token 化的是判断，天花板是决策替代。两条路技术难度差不多，差的是认知：你到底觉得公司什么东西最值钱。
八、术语统一
讨论三级演化时，术语的混乱是常见的障碍。本文把本模型的术语与学术术语对齐：Copilot 对应 AI 辅助，人在方向盘后面；Agent 对应 AI Agent，人委托、Agent 执行；AI Native 对应 Agentic AI，Agent 自主决策、人做治理。
注意一个常见误区：很多产品自称 Agent，实际是规则驱动的 AI Agent，固定流程的自动化，而不是 Agentic AI，自主决策。判断标准只有一条：它能不能在未预设的场景里自主选择工具与路径。不能，就还是自动化；能，才进入 AI Native 的讨论区间。
九、应用：产品线的演化定位
三级演化模型可以直接用来给产品线做定位诊断。
（1）只做 Copilot 的客户：用阿姆达尔定律讲清天花板，工具只优化 P，推动其向 Agent 升级。
（2）做到 Agent 的客户：用资产飞轮讲清护城河，场景数据要沉淀回流，推动其向 AI Native 迁移。
（3）已是 AI Native 的客户：战略合作，共建行业本体层，这是价值最高的合作形态。
这条定位线的价值在于：它把用什么模型这个次要问题，替换成了决策权转移了多少这个核心问题。模型会过时，决策权的重新分配不会。后者的沉淀，才是跨越模型周期的护城河。
十、结论
三级演化模型给出了一条清晰的判断线：看一家 AI 公司的长期价值，不是看它用什么模型，而是看它的产品处于哪一级，决策权转移了多少，场景数据沉淀了多少，治理框架建立没有。
不追求做 Copilot 级的产品，那是模型公司的战场；也不停留在 Agent 级，那是过渡态。帮助客户完成从 Copilot 到 AI Native 的迁移，这本身就是一门生意，而且是一门越做护城河越深的生意。