AI软件开始卖结果:SaaS最稳的席位收费,正在松动

一家软件公司最熟悉的收费问题，过去是：“你有多少员工要使用？”

现在，这个问题开始变成：“AI到底替你完成了多少工作？”

这不是计价单位的微调，而是软件交易结构的一次迁移。传统 SaaS 出售的是使用权：企业为每个账号、每个月、每项功能付费。AI Agent 越来越接近独立完成任务的数字劳动力，客户开始要求供应商把收费与动作、对话、工单解决，乃至最终业务结果绑定。

当软件不再只是帮助人工作，而是直接接过工作，席位就不再是最自然的价值尺度。

一、三个价格标签，已经暴露了同一个变化

2026 年 7 月，Intercom 对 Fin AI Agent 给出的结果计价相当直白：普通问题被成功解决，或按设定流程完成移交、筛选，每个结果收费 0.99 美元；成功识别并转交合格销售线索，则按 9.99 美元计费。收费对象不再是“有多少客服登录系统”，而是 AI 是否完成了一次被定义的结果。Intercom 官方说明

Zendesk 也将 AI Agent 的计量单位调整为 automated resolution——自动解决。官方定义是：客户请求由 AI 成功解决，且没有升级给人工，才构成可计费的自动解决。2026 年推出的新分层体系进一步试图按照 AI 所提供的价值区分解决结果。Zendesk 官方说明

Salesforce 的 Agentforce 则同时保留多种路径：每次对话 2 美元，或者使用 Flex Credits 按 Agent 实际执行的动作收费；官方示例中，一个标准动作消耗 20 个积分，折合约 0.10 美元。它还保留按用户许可的方案，说明产业并不是一夜之间从席位收费跳到结果收费，而是在席位、使用量和结果之间寻找新的稳定点。Salesforce Agentforce 定价

三家公司定义的计量单位并不相同：Intercom 更接近结果，Zendesk 以成功解决为核心，Salesforce 更多按对话或动作计量。但它们共同说明了一件事：软件供应商正在把价格从“谁可以使用”移向“机器实际完成了什么”。

这些价格表首先证明的是供应商正在试探新的计价单位，并不意味着结果收费已经取代席位收费；真正的验证，还要看客户采用率、续约率与单位结果毛利。

二、中国市场也已出现从席位到结果的完整光谱

如果只看欧美软件公司，这个变化容易被误解为硅谷新的定价话术。中国市场的公开价格已经展示出一条更具体的迁移路径。

腾讯云联络中心仍保留典型的软件和资源计价：客服许可按账号计费，智能体能力另购消息量资源包。官方价格中，套餐包含一定数量客服许可，额外许可按每个账号每月收费，智能体消息量则按资源包购买。这代表传统 SaaS 逻辑与 AI 使用量计费的叠加。腾讯云联络中心计费说明

服务出海商家的 HeroDash 走得更远：真人客服座席仍按月订阅，文字和邮件 AI 客服则公开标价为每成功解决一次 2.5 元；也可选择按会话收费。它甚至直接给出选择逻辑——当 AI 解决率高于一定水平，按会话可能更便宜；刚上线、解决能力尚未验证时，按结果收费把更多风险留给供应商。HeroDash 官方定价

获客场景中，来鼓 AI 同时提供账号、对话量、坐席组合的年度套餐，也提供按开口或留资消耗预算的模式。这里的“留资”已经比一次模型调用更接近业务结果，但距离成交收入仍有一段归因距离。来鼓 AI 官方定价

支付宝的 Agent 支付页面则展示了底层基础设施正在补齐：AI 产品可以同时采用会员、Token、点数、用量、席位和任务交易等计费方式，并对模型调用、API、工具执行和内容生成进行计量与结算。它解决的不是某个 AI 产品应该卖什么，而是 Agent 交易如何授权、记录、扣费和追溯。支付宝 Agent 支付

这四种模式正好构成一条光谱：

账号与套餐 → 消息与调用量 → 有效线索 → 成功解决。

中国市场并非没有结果收费，而是大量企业仍处在混合阶段。原因也很现实：客户业务流程差异更大，实施与私有化需求更重，结果数据经常掌握在客户内部，供应商很难单方面完成归因。中国 AI 公司要跨过的，不只是模型能力门槛，更是系统接入、流程标准化和结果共同确认的门槛。

三、席位收费为什么曾经如此合理

按席位收费不是 SaaS 公司偷懒，而是上一代软件交易结构的自然结果。

传统软件主要提高员工效率。CRM 不替销售成交，协同软件不替团队做决策，客服系统也不直接承担全部服务责任。软件创造的价值分散在人的工作过程中，很难精确归因到一笔收入、一个结果或一次成本节约。

席位因此成为一个简单代理变量：更多员工使用，通常意味着覆盖更多工作流程，也意味着客户获得更多价值。对供应商而言，席位数容易核对、合同金额容易预测、毛利结构稳定；对客户而言，预算也可以与组织人数对应。

这套模式隐含着一个关键前提：人是工作的主体，软件是人的工具。

AI Agent 改变的正是这个前提。

如果一个客服 Agent 可以自己阅读知识库、判断意图、调用系统、修改订单并给出答复，客户购买的就不再只是客服人员手里的一件工具。客户更接近购买一个已经完成的服务结果。

此时继续按人工席位收费会出现悖论：AI 越有效，需要登录软件的人越少；如果收入仍与人数绑定，产品替客户节省越多员工，供应商自己的收费基础反而越小。

传统 SaaS 的理想状态是客户员工越来越多；AI 软件的理想状态却可能是客户根本不需要增加员工。

四、真正变化的是客户购买对象

从席位到结果，可以分成三层。

第一层是按席位收费。客户购买的是一段时间内的软件访问权，主要风险由客户承担：软件买了但没人用、没有产生效果，供应商通常仍能收到合同款。

第二层是按使用量收费。客户为调用次数、Token、对话、动作或算力付费。计费更接近实际消耗，却仍不等于价值。AI 做了十个动作但没有解决问题，供应商可能照样收费。

第三层才是按结果收费。只有当工单解决、线索合格、账款收回、预约完成或其他业务事件发生，才产生费用。供应商由此承担更多执行风险，也获得按价值而非按成本定价的机会。

这三种模式不会简单地后者淘汰前者。企业内部 Copilot、通用知识助手和开发工具仍可能适合按席位收费；模型 API 与基础设施更适合按使用量收费；任务边界明确、结果可验证、历史基准充足的场景，才更适合按结果收费。

因此，AI 时代真正稀缺的并非“会不会调用模型”，而是能否回答三个问题：什么叫完成？完成由谁确认？失败成本由谁承担？

五、旧交易结构与新交易结构

传统 SaaS 的链路是：软件公司提供功能与账号，企业客户购买许可，员工操作软件，最终结果由企业自己负责。供应商与业务结果之间隔着使用者。

AI 结果型服务则把供应商向业务现场推进了一步：企业交付数据、权限、规则和任务；AI Agent 调用系统执行；客户按被验证的结果付款。必要时，人类员工处理例外情况。

这种变化重新分配了四种权力与风险：

1. 定价权
   从功能数量转向结果价值。若一次合格线索价值远高于一次普通答复，统一席位价就无法反映差异。
2. 履约风险
   从客户部分转移给供应商。不能完成任务，就更难收费。
3. 数据责任
   明显上升。供应商要访问企业知识、流程和系统权限，治理能力成为交付的一部分。
4. 客户关系
   从 IT 采购向业务部门移动。采购者不只比较功能表，而会比较解决率、转化率、节省工时和错误成本。

传统SaaS与AI结果型服务的交易结构变化

六、不是所有“按结果收费”都是真结果

结果收费听起来天然先进，实际上最容易被定义游戏污染。

“一次对话”是使用量，不是结果；“执行一个动作”是过程，也不是结果；“用户没有继续追问”可能意味着问题已解决，也可能意味着用户放弃。供应商若同时定义结果、统计结果并据此开票，就存在把过程包装成结果的激励。

真正可靠的结果计价至少需要四个条件：

• 结果边界清晰，可以被双方复核；
• 供应商对结果具有足够控制力；
• 结果发生的时间周期不能太长；
• 欺诈、外部因素和多方贡献可以被合理处理。

这也是为什么客服解决、销售线索筛选、预约、催收等场景更早出现结果定价，而企业战略、品牌建设、复杂研发仍很难按最终结果收费。

结果越接近客户真正价值，计量和归因就越难；越容易计量的动作，又越可能只是过程。AI 企业必须在两者之间寻找可交易的中间层。

七、AI软件公司的护城河也随之变化

席位软件的典型护城河是功能完整、切换成本、数据沉淀和组织使用习惯。结果型 AI 服务还需要新的能力：

• 将模糊工作拆成可执行、可审核的任务；
• 连接客户的知识库、CRM、订单和支付系统；
• 识别何时自动执行，何时交还给人；
• 证明结果确实由系统创造；
• 在错误发生时承担责任并持续纠正。

模型能力会扩散，调用价格会下降，但这些流程、权限、评估和责任机制不会自动商品化。

所以，AI 应用公司的长期价值不一定来自拥有最强模型，而可能来自掌握一个行业“什么叫完成”的定义权，以及稳定完成这件事的交付系统。

谁能定义结果、验证结果并为结果负责，谁才真正从卖工具走向卖服务。

八、这对传统SaaS意味着什么

席位收费不会消失，但它不再能够解释所有价值。

第一，传统 SaaS 公司会采用混合模式：基础平台按席位，AI 能力按动作、用量或结果收费。Salesforce 当前同时提供用户许可、对话和 Flex Credits，正是这种过渡状态。

第二，收入增长与客户人数增长的关系会减弱。投资者不能再只看席位扩张和净收入留存，还要看 AI 使用强度、任务成功率、单位结果收入和推理成本。

第三，毛利率不再天然接近传统软件。模型推理、人工兜底、实施集成和错误赔付都会形成随交付增加的成本。看似更高价值的结果收费，也可能把一家轻资产软件公司变成带有运营属性的服务公司。

结果收费能否成立，最终取决于单位结果收入，能否持续覆盖模型推理、系统集成、人工兜底、失败重做与责任成本。

第四，软件公司与外包服务商的边界会模糊。软件开始承担工作，BPO 公司开始用 AI 产品化流程；双方会在同一个“数字劳动力”市场相遇。

九、判断一家AI公司，应该问什么

面对一家宣称按结果收费的 AI 公司，至少应追问：

1. 客户真正购买的结果是什么？
2. 结果能否由独立数据验证？
3. AI 对结果的控制程度有多高？
4. 失败、误判和合规责任由谁承担？
5. 每增加一个结果，需要增加多少算力、实施和人工成本？
6. 客户数据与流程是否形成真实迁移成本？
7. 收费单位更接近客户价值，还是只是换了名字的使用量？

这些问题比“用了哪个大模型”更接近商业模式本质。

结语

SaaS 过去二十年的伟大创新，是把软件从一次性许可证变成持续订阅；AI 时代下一次变化，可能是把持续订阅进一步变成持续交付。

席位模式出售的是使用工具的资格，使用量模式出售的是机器活动，结果模式出售的才是客户真正想完成的事情。

但越靠近结果，供应商承担的风险越大，对数据、流程、评估、集成和责任的要求也越高。这意味着 AI 不只是让软件更聪明，也在把软件公司推向更深的业务现场。

未来最有价值的 AI 公司，未必是让最多人拥有账号的公司，而可能是最稳定地替客户完成关键任务，并敢于把收入与完成质量绑定的公司。