a16z宣布“软件按人头收费”已死!AI独自办案半年还要分账,硅谷却吵翻了

想象一下，你刚经历了一场追尾车祸

脖子隐隐作痛，车头撞得稀烂你拨通了一家美国律所的电话，那头传来的声音来自AI，远超平时那种只会重复“请按1”的生硬智能客服。

接下来的整整六个月里，这同一个AI，像猎犬一样独自跟进了你的整个案子。

它半夜两点给目击证人打去第五通电话；它逐字翻完你三百页的急诊病历，从医生潦草的笔记里揪出连资深律师都漏掉的“轻微脑震荡”线索；它向肇事方发出证据保全函，算出每一笔误工费，起草好索赔文书，最后帮你拿到了最高额度的和解金。

结账时刻的计价逻辑同样彻底翻转开发这个AI的软件公司省去了常规的软件月租费，直接亮出底牌：“这桩案子多赢了50万美金，我们要按最终结果分账。”

这正在现实中上演北京时间10月14日晚，硅谷顶级风投机构 a16z（Andreessen Horowitz）普通合伙人 David Haber 发表了一篇震动企业服务圈的长文《赢得接力赛：高价值客户旅程中的长程智能体》。

▲ a16z合伙人David Haber在官网发表长文，预言“长程智能体”将改写软件行业的收费规则

这篇长文在X平台迅速激起密集讨论。有人高呼万亿级市场的大门被踹开了；但短短几个小时后，一线工程师和创业者们就提出尖锐质疑：当AI一个人包揽了半年的活，一旦在第一周看错了一行字，六个月后谁来替它承担法律责任？

01白领工作的“掉棒”诅咒：为什么越贵的生意越像接力赛？

要读懂硅谷这轮争论，得先看懂 David Haber 是谁。他曾掌管高盛全公司的战略团队，自己创办过中小企业贷款公司并担任CEO，如今在a16z专门投资B2B软件与金融科技。他看问题的视角聚焦商业实质：越过演示视频的炫目效果，重点考察资金流向与业务闭环。

在过去两年里，所谓的 AI Agent（智能体，即能自己调用工具、发邮件、查系统的AI软件），干的都是“短跑”。比如处理一通宽带报修电话，或者回一封退款邮件。任务边界清清楚楚，几分钟完事，搞不定就转人工。

但 Haber 指出，技术拐点已经到了。现在的AI进化成了“长程智能体”（Long-Running Agents）。它们能跨越几周甚至几个月，穿过电话、邮件、短信和几十个内部系统，死死咬住同一个目标不放。

▲ a16z官方账号拆解核心论点：从处理一通电话的短跑选手，变成持续跟进数月的全能办案员

这一下，直接戳中了现代白领行业最痛的软肋，“接力赛式工作”（Relay Race）。

什么是接力赛？你看房贷审批、保险理赔、大企业软件销售，还有前面提到的人身伤害索赔。这些生意的共同点在于：周期极长、经手人极多，而且只有跑到终点（放款、赔付、签单），资金才会最终落袋。

只要有人交接，价值就会在缝隙里疯狂漏水。

Haber 用车祸索赔算了一笔账伤者通常会同时给好几家律所打电话，哪家律所回电慢了半小时，客户就跑了；案子签下来转给律师助理，助理手里压着几十个案子，给目击证人打了四通电话没人接，往往就放弃打第五通了；等到整理医疗账单时，助理为了赶时间走马观花，漏掉了一张关键的检查单，最终和解金直接缩水一大截。

正如创业者 Medra 在讨论中的总结：“交接棒的那一刻，就是价值漏光的那一刻。当一场对话本该变成系统更新或人工决策，却没人认领时，钱就这么蒸发了。”

而长程智能体，直接重塑了接力赛的协作逻辑：由单个AI独立承担整套端到端流程。

智能体能够实现全天候即时响应，持续跟进证人沟通，同时深度调阅并掌握数百页医疗档案的全部细节，防止索赔诉求遗漏。

02抢夺“结果税”：干掉25亿利润的外包巨头，软件业要换账本了？

当一个AI能把整条业务链条吃干抹净，最刺激的商业变革就发生了：软件公司看不上你那点“人头费”了，它们要直接上桌分蛋糕。

a16z 用一张极其直观的演进图，展示了企业AI掏空老板钱包的“三级跳”：

• 第一代是“助手”（Assistant）
  ：花几秒钟帮你写封邮件。这叫提高效率，花的还是公司原本的软件采购预算。
• 第二代是“短程智能体”（Agent）
  ：花几分钟帮你接一通客服电话。它替代了外包客服，抢走的是公司的人力工资预算。
• 第三代是“长程智能体”
  ：花几个月帮你打赢官司、放出一笔房贷。因为它不仅省了人工，还直接帮你多赚了钱，所以它要求按最终结果抽成（Outcome-Based Pricing）。

▲ 从抢软件预算、抢人力预算，到直接参与公司营收分账，AI的胃口正在指数级膨胀

为了给这一设想提供佐证，Haber 搬出了商业史上的隐秘巨头 Red Ventures（简称RV）。

很多人没听过这家公司，但在移动互联网时代，它是把“按结果收费”玩到极致的商业范例。RV自己搭建了众多保险、信用卡比价网站，把有需求的消费者吸引过来，再由销售团队电话跟进促成保单签署。保险公司不付固定广告费，而是根据每一笔成交保单向RV支付佣金。靠着替大企业跑完这趟长链路，RV在2022年实现约14亿美元营收，录得3.7亿美元（约合人民币26亿元）的税前利润（EBITDA）。

但如今这套模式正面临冲击据 Haber 援引的数据，到2025年，RV的利润预计收缩至1.6亿美元左右。原因在于消费者开始直接向AI咨询保险选择，比价网站流量分流；而在交付端，长程智能体已能跨渠道、多语言并行跟进海量客户，对传统电话销售漏斗带来根本性改变。

Haber 指出，创业团队的机遇在于用长程智能体打造“AI原生的 Red Ventures”。他归纳了三条商业化路径：第一种是向大企业提供软件平台自建流程；第二种是承接外包业务按交付单量收费；第三种则是全栈自营，例如由具备自研AI催收能力的公司直接购入不良资产包独立处置，获取全额回报。

▲ a16z总结的长程智能体三大变现路径：卖平台、卖服务、或者干脆自己下场做庄

这副图景看似遍地黄金，仿佛传统白领和传统软件公司转瞬就会被淘汰。

然而在这篇长文发布几小时内，多位一线技术与业务老手就陆续在讨论区指出了关键破绽。

03第一盆冷水：按结果分账？客户和法律第一个不答应

首先向“按结果收费”提出质疑的，是同样身处创投一线的机构 Euclid。就在 Haber 发文前一周，Euclid 团队发表了一份针锋相对的分析，标题为《虚假的利润》（False Profits）。

▲ 投资机构Euclid发文《虚假的利润》，直言风投机构鼓吹“按结果收费”是在把创业者往火坑里推

他们给出了调研数据：虽然投资人密集鼓吹AI创业公司按“业务结果”甚至“收入分成”收费，但在调查了约230家软件和AI公司后发现，把“按结果收费”确立为主营模式的企业，仅占5%。

为什么客户态度审慎？因为归因逻辑往往难以量化清晰！

一桩企业软件大单签下来了，或者一笔个人伤亡官司多赔了20万，到底归功于AI电话的高频跟进，还是源于宏观市场行情的变动，抑或是出庭律师的现场辩护？要让企业采购部门确认增量收益完全由AI产生并据此分成，双方在数据核验与责任界定上往往消耗大量协商成本。

更何况，还有法律的高墙Haber 自己也在文末承认了现实约束：在美国绝大多数州，法律严禁非律师机构参与律师费分成（Fee-Splitting Ban）。 即便技术公司研发的办案AI能力再强，只要不具备律所执业资质，直接从胜诉赔偿款中抽成便涉嫌违法。

04最致命的盲区：砍掉交接棒，等于拆掉了企业的“防爆阀”

如果说收费方式尚属商业层面的博弈，那么讨论区围绕“一人包揽全程”提出的工程与治理质疑，则触碰到了更底层的系统风险。

在 Haber 眼里，人类流程里的“交接（Handoff）”是导致信息丢失的重要原因。但一线工程师 Matt Hertel 却在讨论区提出了关键反思：“让一个AI包揽全部结果，也意味着错误可以在暗处悄无声息地放大好几个星期。在最终签字和解之前，半路上谁去检查这个AI？”

▲ 从业者Matt Hertel犀利反问：没有了中途交接，错误在暗处滚雪球式放大数周，谁来检查？

这句话揭示了组织协作中容易被忽视的要点：传统接力赛里的交接环节，客观上也承担着团队层面的交叉复核职责。

在传统律所或银行里，前台接单建档后，中级助理调取档案时会重新审读材料；资深审贷员拿到初审报告时，也会随手复查关键税单流水。每一个接棒的岗位，都在客观上协助排查上一环节的疏漏。

若将中间环节的人工全部移除、交由单个AI独立运行六个月，系统便可能催生危险的“静默复合错误”（Silent Compounding Errors）。

举例来说：假如在初始阶段，AI在读取车祸现场报告时产生微小偏差，误判了路权归属。由于中途缺乏独立环节复核，这一偏差可能被算法逐层带入后续的证人访谈记录、医疗诉求核算及最终索赔文书撰写。每一步推理看似严丝合缝，直到法庭抗辩阶段被对方当场指出，导致整起诉讼陷入被动并引发巨额合规索赔。

与此同时，长程AI是否彻底消除了“交接环节”？

开发者 Bhuvan 指出：交接并未消失，随着大模型运行转移到了系统内部。 面对上下文窗口与记忆上限，持续运行数周的AI必须定期对早期交互进行压缩与摘要。“每一次压缩记忆，本质上都是把接力棒交给了一个掌握信息更有限的未来实例。”

▲ 开发者Bhuvan指出：长程AI每次压缩历史记忆，本质上都在向掌握信息更有限的系统状态进行内部交接

另一位行业观察者 Phil Hie 则直截了当地总结道：

“占有最终结果，就意味着出事时你得占有全部罪责（Owning the outcome means owning the blame when it breaks）。”

▲ 网友Phil Hie一语道破商业底色：拿结果的钱，就要背搞砸的锅

05拒绝“替罪羊式审批”：长程AI的工业级风控架构

当AI在执行中发生违规催收、信贷评估偏见或文书法律缺陷时，企业无法简单将责任推卸给软件提供商。在现行法律与行业监管框架下，AI不具备法律主体资格，应用系统的主体企业仍需承担连带替代责任（Vicarious Liability）。例如欧盟《人工智能法案》（EU AI Act）第14条便对信贷、司法等高风险场景设立了明确要求：自动化系统必须具备实质性的人类监督机制与应急接管通道。

但在具体落地中，容易演化出形式主义的“责任洗白”（Liability Laundering）。

部分机构为了满足合规形式，仅在流程关键节点添加“确认”弹窗。企业智能体治理机构 NeuralTrust 的跟踪显示，面对长程AI高频次的操作请求，审核人员极易产生“审批疲劳”。在高达 93% 的场景中，员工难以完整调阅AI跨越数月的复杂上下文，容易陷入机械化批量点击同意的状态。

这种表面上的人机协同，并未起到实质风控效果，反而沦为管理层转嫁技术系统缺陷的合规遮羞布。

▲ 一线创业者Yash Vekaria分享实战经验：业务负责人必然关注权责边界，需从单项人工审批逐步过渡至自动化授权

既要让长程AI稳定处理数月周期的长链路业务，又要规避潜在法律与合规风险，可落地的工业级方案如何构建？

目前业界推行的核心路径在于基于“行为可逆性”的渐进式放权机制（Progressive Autonomy），将智能体操作按潜在风险等级严格划分：

• 第一阶段是“影子模式”
  ：让AI在后台平行跟跑，其决策不直接触达终端客户，仅作为基准与人类专家处理结果持续比对，达到极高一致性指标后方可进入下一环节。
• 第二阶段是“按可逆性动态分权”
  ：在正式部署状态下，对于“可逆的低风险动作”（如发送材料补充提醒、记录内部通话摘要、检索业务编码），系统授予AI端到端自主权并留存完整审计日志；一旦涉及“不可逆的高风险动作”（如向法院递交正式文书、执行大额资金划转、发出具有法律约束力的结论函），系统即刻激活强约束管控门禁。
• 第三阶段是“红蓝对抗与专家终审”
  ：系统触发高危门禁后，先由独立的“审计智能体”对办案AI的推演链条进行对抗式审查，将存疑漏洞标红并提炼为单页风险摘要，再呈递给持牌人类主管核验签署。

06尾声：长程智能体的深层壁垒在风控防线

回看 a16z 与行业社群的这场探讨，AI应用落地的侧重点正在发生明显演化。

从早期以单轮交互完成简单问答，到近期尝试订票等轻量助理任务，如今业内探索的重心，已推进至让智能体介入跨度长达数月的复杂法律流程、贷款交割与商务周期，并尝试探索以交付结果为导向的商业分成模式。

正如讨论区另一位从业者 Vi Iyengar 指出的那样：商业现实充满动态变数，行进途中目标会调整、新参与者会涌入、外部规则也会重写。

▲ 从业者Vi Iyengar指出：商业场景充满非线性变量，关键突破在于AI能否在漫长变局中动态适应且持续锚定核心意图

长程智能体的核心决胜点，远超出不知疲倦地完成重复外呼或流水线跟进。

在面向“结果分成”的探索进程中，谁能构建起既保障AI长程任务不偏航、又能让企业安心托付业务的风控与审计防线，谁才能赢得这场产业变革的长跑胜利。