如果一个智能体耗费了大量Token(词元)却未能完成预期目标，那么这笔账单该由谁承担？如果AI法律顾问仅消耗极小的算力，便规避了高昂的税务风险，那么AI开发商仍按较低且固定的价格向客户收费，这是否符合商业逻辑？

Token的需求迎来爆发式增长，由此导致定价争议也随之不断升温。OpenAI董事长Bret Taylor（布雷特·泰勒）近日接受媒体采访的过程中表示，AI Token计费问题所产生的原因在于AI市场尚未成熟这一情况，而未来趋势将会转向按结果来进行付费。在此之前，业内亦有声音认为，AI商业模式正迈入价值抽成的3.0时代。

定价为何产生争议，距离AI按结果付费还有多远？

人工智能服务的定价机制目前正面临显著争议，这主要是因为现有计费模式与实际价值交付之间出现了明显脱节。如果企业运用传统的按令牌或者按使用量的方式来进行收费，那么用户往往难以提前准确估算成本开支，因为令牌消耗的数量会随着查询复杂程度而发生大幅波动。[[1]](https://www.promptmetrics.dev/blog/ai-pricing-cost-per-outcome) 此外，即使人工智能模型产生了包含错误信息或者未能有效解决问题的输出结果，企业依然需要对这些令牌消耗支付相应费用。这种情况不仅增加了预算规划方面的困难，而且也在一定程度上削弱了用户对于人工智能工具的信任程度，因为企业发现自己在为可能无用或者低质的生成内容付费。[[2]](https://www.bvp.com/atlas/the-ai-pricing-and-monetization-playbook)

在这样的背景下，按结果付费的模式逐渐受到了各方关注。这种模式的核心在于，只有当人工智能成功完成了指定的任务并且达到了预设的效果指标之后，用户才会进行支付。如果人工智能未能实现预期的结果，那么用户则无需承担任何费用。借助这种方式，供应商与用户之间的利益得以实现更好对齐，因为供应商只有在真正创造了可衡量价值的情况下才能够获得收入，这从根本上改变了过去按访问或者按容量收费的逻辑。[[3]](https://www.chargebee.com/pricing-labs/ai-saas-pricing-outcome-value-models/)[[4]](https://www.linkedin.com/pulse/pricing-ai-outcome-based-holy-grail-mark-stiving-ph-d--vwiic)

目前，一些领先企业在客户服务以及销售引导等领域已经开始把这种定价策略投入实际运用。例如，Zendesk与HubSpot把人工智能代理的收费调整为每个成功解决的对话收取固定费用，而如果对话需要转交给人工处理则不收取任何费用；Intercom的Fin AI代理也采取了类似每成功解决一个问题收取0.99美元的做法。[[5]](https://thepricingconundrum.substack.com/p/outcome-based-pricing-in-practice)[[6]](https://flexprice.io/blog/why-ai-companies-have-adopted-usage-based-pricing) 这些企业在2026年把模式从按对话次数转向按完成结果收费，帮助客户降低了采用风险，同时也让自身在续约阶段能够以实际效果来证明产品价值。[[7]](https://www.tmtpost.com/7876289.html)

然而，要想让按结果付费的模式在更广泛领域内得以普及，还需要对若干关键障碍开展处理工作。其中包括如何清晰定义以及准确测量不同的“结果”，以及如何确保人工智能系统能够以足够高的可靠性来达成这些结果。如果测量体系不够完善，那么这种定价模式就可能会引发新的纠纷。[[8]](https://stripe.com/cn/resources/more/pricing-flexibility-in-ai-services) 供应商同时需要投入资源来进行支持复杂计费逻辑的系统开发工作，以便把成功指标与业务KPI进行有效关联。

总体而言，虽然按结果付费代表了人工智能定价发展的一个重要方向，但是其从试点走向大规模落地依然需要技术进步以及行业标准来共同提供支撑。企业如果希望选用这一模式来开展业务，那么就需要以自身具体应用场景为基础来进行仔细评估，从而确定它是否适合采用这样的收费方式。2026年的续约周期将会成为检验这一转变是否成功的关键时刻。[[2]](https://www.bvp.com/atlas/the-ai-pricing-and-monetization-playbook)

所谓按结果付费，是指AI服务的定价不再依赖于Token消耗量以及调用次数等过程性指标，而是以AI实际解决的业务问题以及创造的可量化价值为基础来开展结算。
。

北京大学汇丰商学院教授魏炜等在今年1月发表于《清华管理评论》的文章中明确指出，交易结果类成果定价所具有的核心命题就是要为AI智能体所创造的可验证业务价值增量来进行付费。

人工智能基础设施企业是石科技的联合创始人毛运航在接受中新经纬采访时提出，项目制结算可以看作是按结果进行付费的一种早期形态。他指出，在超算时代便已在开展此类项目制的工作。他进一步举例说明，当前一些前沿的工程师部署团队会深入B端企业内部以解决具体问题，其最终结算所依据的指标是项目成果，而无论在过程中实际使用了多少硬件与软件资源、调用了哪类模型，以及投入了多少人力成本，这些过程性的细节都不会被纳入计费的考量范围。

WAIC 2026现场 中新经纬 谢婧雯 摄

按结果付费这一商业模式，已在全球范围内启动了一系列落地实践。就在今年的六月，软件服务提供商Salesforce正式推出了其全新的智能体产品Agentforce Help Agent，并在其定价模式中创新性地引入了“按解决付费”机制。该机制规定，只有在智能体从头到尾自主完成问题解决时，才会触发计费流程。而一旦客户给出负面反馈或提出转接人工客服的要求，相关费用即不会产生。这种设计使得企业的实际投入与问题的最终解决直接相关，从而无需顾虑Token的预测性消耗或可能出现的预算超支情况。

国内企业也展开了相应的实践。在2025年12月，百融云创正式推出了名为“结果云”（Results Cloud）的平台，致力于将“对结果负责”这一理念，转化为能够具体执行的商业运作机制。该平台在设计上支持三种价值交换模式，分别为：按任务计价（这一模式适用于单次或批量性的任务）、按岗位薪酬制（其运作方式相当于为“硅基员工”支付月薪或年薪）以及按价值创造分成（即与客户依据业绩提升的比例来进行分成）。

卡壳难点是什么？

尽管已有企业针对这一模式展开了探索，但多位专家认为，按结果付费从理念走向大规模落地，仍然面临着多重障碍。

核心障碍之一在于，对于“结果”本身的确切定义权归属以及相应的度量标准，业界尚未达成普遍共识。

“如何定义问题是否得到解决，采用何种标准进行衡量，由哪一方进行评价，以及依据何种机制进行判定，相关判定是否具备公允性并可接受审计，均属于亟待解决的关键难题。”上海财经大学数字经济研究院副院长崔丽丽向中新经纬方面指出，当前AI应用尚在逐步落地的过程当中，业界尚未形成确定性的交付标准，因此直接基于交付结果进行计费的做法，目前尚缺乏必要的基础。

云计算与AI服务平台优刻得方面向中新经纬介绍道，Token计费之所以能够成为当前的主流模式，其关键正在于它提供了一套客观、可审计且不易引发争议的计量基础。如果转向按结果付费，那么供需双方需要在“何种情况可被界定为成功”以及“由哪一方来判定最终结果”等诸多问题上，开展大量的协商工作，由此产生的协调成本，对于追求规模化运营的服务模式而言是十分不利的。

崔丽丽就此也进一步补充指出，结果的最终表现与使用者如何具体应用这一模式之间存在着高度的相关性，这一现实情况意味着，即便已经确立了可被量化的衡量标准，也很难在此基础上进一步推广并形成一套具备广泛适用性的行业统一标准。

其次是关于计费边界的模糊性以及归因难题。

优刻得方面表明，一项业务的最终结果往往是多重环节协同作用的产物，因此最终效果往往难以被简单地归因于某一模型的单次调用行为。而在AI与人工协同工作的场景下，对价值贡献进行切割则面临更大的挑战。

毛运航分析指出，按照Token使用量来进行计费未必是最为理想的解决方案，然而这却是当前市场上比较受到认可的运作逻辑。商业运作是否真正产生了实际价值，并不是在短期内完成某个项目、获得了一定的收益就能够说清楚的。

最后是结算周期的错配。

人工智能基础设施企业是石科技的联合创始人毛运航在接受中新经纬采访时阐述道，项目制结算可以视为按结果付费的一种早期形态。他指出，在超算时代中，便已在开展此类项目制的工作。毛运航进一步举例说明，当前一些前沿的工程师部署团队会深入B端企业内部以解决具体问题，其最终结算所依据的指标是项目的成果。无论在这一过程中实际消耗了多少硬件与软件资源、调用了哪类模型，以及投入了多少人力成本，这些过程性的细节都不会被纳入计费的考量范围。

Token亚克力装置 受访者供图

为何转向？

“如何生成高质量的Token是当下一项至关重要的课题。”中国工程院院士、清华大学计算机系教授郑纬民近期在媒体采访中阐释道，衡量Token价值需要依托多项评价指标。他举例说明，即便是同样500个Token，其价格也可能存在差异：其中一些Token在被消耗后会产生较长的延迟，而另一些则延迟较短；有些能够实现每秒高吞吐量的Token生成，有些则产出速度相对缓慢。正是这些多重指标的共同作用，最终决定了Token的实际价值。

毛运航在回溯计费模式的演进逻辑时指出，超算时代算力收费主要依据“核时费”或“卡时费”来进行计算，然而每个计算单元所实际发挥出的效能却并不相同，硬件配置方面的差异、系统整体的稳定性以及网络传输过程中的输入输出性能等诸多因素，均会对最终的产出质量产生直接影响，即便是同样耗费了180天算力的任务，其最终所获得的结果也可能会天差地别。

在毛运航看来，当下的Token时代同样面临着相似的问题。Token计费相较于卡时计费而言，虽然颗粒度更为精细、统一性也更高，并且已成为目前市场所普遍接纳的主流计费方式，但从本质上来讲，它依然未能解决依据任务最终成果进行计费这一根本性难题。他进一步举例指出，部分企业将Token的调用过程类比为程序员运用API接口，结果反而演变为一种单纯为了达成消耗指标而进行的盲目Token消耗行为，这种行径与人们在工作中“摸鱼”的情况并无二致，虽然消耗了相应的计算资源，却并未产生任何实质性的价值。

随着人与人之间的协同逐步减少，而智能体与智能体之间的协同日益增多，商业的本质以及定价的逻辑都将发生根本性的变化。毛运航说。

按结果付费代表了AI商业模式演进的重要方向。魏炜等人在《清华管理评论》刊文中指出，从全球范围内AI原生公司的具体实践来看，围绕AI智能体所形成的定价逻辑已逐步达成行业共识：其中，过程定价构成了商业模式的基础，而结果定价则被视作实现价值增值的关键环节。无论是面向标准化工具的定价，还是针对定制化解决方案的定价，以订阅费、标注费及里程碑费为代表的过程定价，始终是保障供应商获取基础收益的核心方式；与此同时，以分成与奖励等形式体现的结果定价，则是推动价值增值得以实现的重要手段，将两者有机结合起来已成为市场的主流选择。

上述受访业内人士普遍认为，对于那些结果定义清晰、可自动进行校验、业务闭环较短以及价值能够被精确归因的场景，例如AI编程、AI客服、特定知识问答与结构化数据处理等领域，未来将最有可能率先实现按结果付费。

毛运航判断道，那些偏向于工业、实体以及项目制的工作场景，当前由于难以被通用模型快速覆盖，在计费模式的适配度和客户的投入意愿方面反而更具空间，有可能成为‘按结果付费’模式实现突破的重点领域。

至于落地的时间表，崔丽丽预计，短期内Token计价模式不会出现快速的转变，按结果付费要实现全面落地仍需3至5年的时间。她进一步指出，Token计费这一形式应当还是会继续存在，只不过此后它会隐藏在一些中间结算的环节当中，而不再会出现在最终产品的结算流程里。

来源：不给“摸鱼”的智能体发工资，可行吗？ | 中国能源网