AI 智能体要不要按结果付费？

随着 AI 智能体在企业场景中大规模落地，Token 计费模式的局限性正受到越来越多关注。OpenAI 董事长布雷特·泰勒（Bret Taylor）近日在媒体访谈中表示，Token 计费问题源于 AI 市场尚未成熟，未来趋势将转向按结果付费；与此呼应，国内学界与产业界也在讨论 AI 商业逻辑是否会从"消耗多少算多少"走向"解决多少问题收多少钱"。

已有先行者

所谓按结果付费，是指 AI 服务的定价不再以 Token 消耗量、调用次数等过程性指标为依据，而是以 AI 实际解决的业务问题和创造的可量化价值来结算。北京大学汇丰商学院教授魏炜等在《清华管理评论》刊文指出，其核心命题是"为 AI 智能体所创造的、可验证的业务价值增量付费"。

这一模式已有落地案例：

• 2025 年 6 月，Salesforce 推出 Agentforce Help Agent，采用"按解决付费"模式，仅在智能体自主完成问题时才计费，负面反馈或转人工则不计费。
• 2025 年 12 月，国内的百融云创发布"结果云"（Results Cloud）平台，提供三种价值交换模式：按任务计价、按岗位薪酬制、按价值创造分成。

人工智能基础设施企业是石科技联合创始人毛运航认为，按项目制结算可视为按结果付费的早期雏形，其逻辑与超算时代"无论用了多少硬件人力，只看项目成果"的结算方式一脉相承。

落地卡在哪儿

尽管方向清晰，但多位专家认为全面落地仍面临多重障碍。

一是结果定义与度量标准尚未形成共识。上海财经大学数字经济研究院副院长崔丽丽表示，"如何定义问题是否得到解决、以什么为标准、谁来评价、如何判定、是否公允可审计，这些都是难题"。云计算与 AI 服务平台优刻得方面补充道，Token 计费之所以成为主流，正因为它提供了客观、可审计、无争议的计量基础，一旦转向按结果付费，供需双方在"什么算成功"上会产生大量协商成本。

二是归因与计费边界模糊。一个业务结果往往是多环节共同作用的产物，很难将最终效果单纯归因于某一模型的单次调用；当 AI 与人工协同工作时，价值的切割更难。

三是结算周期错配。Token 计费是即时的，按结果付费则需要事后通过业务数据验证成效，存在时间差和额外审计成本。

为什么会转向

中国工程院院士、清华大学计算机系教授郑纬民指出，Token 的价值存在多重评价指标——同样是 500 个 Token，延迟不同、产出速率不同，价格也应不同。毛运航也以超算时代为例说明，按"核时费"或"卡时费"计算时，每个计算单元的实际效能并不相同；Token 时代同样存在"消耗了资源却没有产生实际价值"的"摸鱼"现象。

魏炜等在文中总结道，从全球 AI 原生公司实践看，过程定价是基础，结果定价是增值，两者结合是主流选择。多位业内人士认为，结果定义清晰且可自动校验、业务闭环短、价值可精确归因的场景——例如 AI 编程、AI 客服、特定知识问答、结构化数据处理——最可能率先实现按结果付费；偏工业、偏实体、偏项目制的工作场景，由于难以被通用模型快速覆盖，反而在客户投入意愿上更具空间。

时间表

崔丽丽预计，短期内 Token 计价模式不会快速转变，按结果付费全面落地仍需 3 至 5 年。她判断，"Token 计费以后会隐藏在一些中间结算环节中，而不会出现在最终产品结算里"。可以预见，未来 AI 服务的定价，将更接近于按价值交换的逻辑演进。