10万亿市场单价降了,总账涨了:AI软件的新计价方式,正在改写金融软件采购的权力结构

——从《"人工智能+软件"专项行动》看：当软件开始按结果收钱，金融企业要先把"什么算做完"写进合同

导语

一个数字，值得金融从业者停下来看一眼。

今年前8个月，软件业务收入102820亿元，同比增长8.8%；利润总额11837亿元，同比增长1.3%。收入接近两位数增长，出口增长12.5%，利润几乎原地踏步。

增收不增利，通常被解释成"行业内卷、价格战"。但这次不是。

是计价单位在换。

过去软件按"人"卖——多少个席位、多少个账号。现在开始按"任务"卖，甚至按"结果"卖。计价单位一换，买方要回答的问题就全变了。

一、先破一个判断：AI没让软件变便宜，只是把价格拆开了

很多金融企业的第一反应是：AI提效，软件应该更便宜，采购正好压价。

这个判断错在一处前提。

传统软件有一个被反复称道的特点：代码写一次，复制给一万个客户，几乎不增加成本。所以软件的价格可以一路往下走，边际成本趋零。

AI任务不是这样。每一次复杂推理、每一次工具调用，背后都有真实的算力消耗。

经合组织在《人工智能市场：最新发展与竞争问题》里点得很直接：智能体会显著增加单任务词元消耗；词元单价下降，不等于实际使用总成本同步下降。任务越复杂、链条越长，成本越要单独管。

所以供应商的动作不是降价，是拆价。

基础席位保留，甚至更便宜；增量部分按用量计、按任务计、按结果分成。你看到的报价单没涨，是它被切成了三段。

单价在降，总账在涨——这是这一轮采购最容易踩的坑。

二、政策改的是三个动词，第三个最要命

工信部这份《"人工智能+软件"专项行动实施方案》，通读下来是三组对照，改的全是动词。

第一组，开发从"人工编写"到"人机协同"。智能编程贯穿需求分析、代码生成、测试运维全流程。对应的量化目标是：到2028年，智能编程工具和平台覆盖2万家规上软件企业，累计实施100项智能化技改。

第二组，产品从"被动响应"到"主动执行"。软件不再等着被点，而是理解意图、自己把任务做完。方案部署了四类智能体：通用的、终端的、垂直领域的、工业的。目标是在重点行业打造100个标杆应用。

第三组，也是最重的一组：服务从"产品交付"到"价值交付"。方案明确要发展"模型即服务""智能体即服务"，中国软件行业协会把它展开为：从卖产品到卖能力，从卖能力到卖结果。

前两组是技术路线，第三组是生意本身。把商业命题写进政策文件，这件事本身就是一个信号。

三、三种已经在跑的收费方式，金融都躲不开

政策给方向，产业已经跑出形态。三家公司的改法，正好对应三种路径。

第一种，订阅加AI用量。金山办公在半年报里写得很清楚：个人端在订阅基础上探索"订阅+AI用量"，企业端推进"席位+AI用量"。底盘是现成的。上半年国内WPS个人业务收入18.33亿元，同比增长13.19%，付费个人用户4825万，同比增长15.44%。它要解决的是：更深的AI使用，怎么变成愿意多付的钱。

第二种，把付费挂到业务结果上。用友在今年8月的全球商业创新大会上推出FDE合作模式，以业务成效为目标与客户共创，收费是"软件及标准服务+业务成果分成"。同期的AI BaaS从财务外包切入，直接承接核算、税务、报表，交付可验收的成果。

这不是卖工具，是卖做完的事。

第三种，用AI原生产品拉动订阅。金蝶截至9月30日的ARR约46.04亿元，同比增长19.3%。第三季度单季净新增ARR同比增长46.9%，前三季度AI原生产品签约10.02亿元。

三条路指向同一件事：产品、服务、收入三者的关系在重组。

市场也在放大。2025年企业级AI智能体市场约212亿元，2026年预计449亿元，2029年有望到3320亿元。但市场空间不等于企业收入，中间隔着两件事：客户愿不愿付，企业能不能稳定做完。

四、三盆冷水，金融企业比谁都该先泼

原文提了三盆冷水，对金融行业尤其适用。

第一盆，改收费容易，收到钱不容易。AI办公的基础能力正在拉平，换个产品的学习成本很低。要让人从"换一个也行"变成"离不开"，产品必须钻进工作流。

第二盆，越接近成果，交付责任越重。按用量收费，客户担心账单失控；按结果收费，供应商要扛执行失败、返工、人工复核。计费单位一变，合同就必须多回答三个问题：什么算完成、由谁验收、出错怎么办。

第三盆，基础支撑不牢。普惠算力、高质量数据集、标准体系都还在建。企业侧的感受更直接：算力能不能便宜拿到、行业数据能不能合规用、智能体能不能可靠接进业务系统。

这三盆冷水里，第二盆是金融企业的机会，也是陷阱。后面细说。

五、对金融企业，这是五个实打实的利好

把上面的判断翻译成金融能听懂的话，有五条。

第一，中小机构第一次买得起"结果"。

过去要在信贷、理赔、投顾上做智能化，路径只有一条：自建，或者买一套几百万的系统。现在可以按任务付费——跑一单核保付一单的钱，做一个贷后报告付一份的钱。

门槛从"投得起"变成了"用得起"。这个变化对资产规模几百亿的机构，意义大于对头部。

第二，AI预算从资本开支变成运营开支，立项更容易。

买系统要走固定资产、要过年度预算、要算折旧，一个大项目从立项到采购常常跨年。按量付费是运营支出，可以在部门预算里解决。

这不是财务技巧。预算科目决定了谁能拍板。一个三百万的固定资产项目要上会，一个每月三万的任务用量，部门总就能定。

第三，供应商的责任被绑到了交付上。

过去金融AI项目最常见的死法是"交付即结束"：系统上线、验收签字、厂商撤场，然后没人用。

按结果付费把这个链条改了——没产生效果就收不到钱，厂商必须留下人、留下服务。用友那套FDE模式之所以值得看，不在于名字新，在于它把实施的人放到了客户现场，且收入与成效挂钩。

第四，试错成本下降，场景可以一个个试。

席位制下，买了就要用满，不用就是浪费，所以采购倾向于"一次买大的"。任务制下，用多少付多少，可以先跑三个场景，跑不通就停。

这恰好对上金融机构的真实结构：需求是碎的，单个场景价值不大，加起来是效率底座。

第五，反过来，金融软件厂商多了一条收入曲线。

给券商做交易系统、给银行做信贷系统的那批厂商，过去收入靠license加维保。现在可以往两个方向走：一是把AI能力做成按任务计费的服务，二是把行业知识做成可复用的技能包。

前者改善毛利结构，后者创造复购。但两条路都有前提：你得先证明任务真的做完了。

六、落地：合同里有六处必须改

利好看得见，坑在合同里。按结果或按量付费，签之前把这六处写死。

第一处，计价单位与计量口径。

"按任务计费"这句话本身没有意义。"一次任务"是调一次接口，还是完成一份报告，还是通过一次人工复核？三种口径，价格能差十倍。

写法：把任务定义成可观测的事件，比如"生成一份通过合规校验的贷后检查报告"，并约定计量以甲方系统日志为准。

第二处，成本上限与预警。

按量付费最大的风险不是单价，是没有天花板。一个异常调用、一次死循环重试，账单可以翻几倍。

写法：设月度封顶，设80%预警，超额部分需甲方书面确认才计费。

第三处，验收标准。

这一条最难，也最值钱。按结果付费，本质是把"什么叫完成"的定义权交给了买方——这是金融企业少有的、比供应商更懂的地方。

写法：验收标准不写"效果良好"，写可测的指标。比如报告要素齐全率、数据引用准确率、人工复核一次通过率。

第四处，出错责任。

AI做错了，返工谁承担？人工复核的成本算谁的？如果错误进入了监管报送，责任怎么分？

写法：区分三类错误——数据错误、逻辑错误、表述错误，分别定责任与补救时限。监管报送相关的场景，明确不适用自动通过。

第五处，模型变更。

这一条最容易被忽略。上游模型升级、供应商换了底座，效果可能漂移。合同里如果没有这一条，出问题时双方都说不清。

写法：约定重大版本变更需提前告知，变更后需重跑验收集，未达标按未履约处理。

第六处，退出机制。

任务历史、知识库、评测集、提示词资产，归谁？

写法：全部归甲方，交付形式为可迁移的文件，不是供应商平台里的账号。

这六条写下来，你会发现一个变化：采购的核心能力，从"会砍价"变成了"会定义"。

七、三类机构，三句话

大型机构：自建为主，外部采购是补充。重点不是license价格，是单位任务成本——同样的推理量，自建和租用到底谁便宜，要算清楚再决定混合比例。

中小机构：按结果付费是最优解，但必须设封顶、定验收。宁可单价高一点，也要把"什么算完成"写死。买不起能力，就买完成度。

金融软件厂商：定价方式一换，收入确认、毛利结构、交付组织都要跟着变。最难过的一关不是产品，是从"卖完就走"变成"留下把事做完"。

结语

这一轮变化，表面看是软件公司的生意经，实际改的是采购方的能力结构。

过去买软件，买的是功能清单，验收靠对数——有没有这个模块、支不支持这个接口。

现在买的是任务完成度，验收靠追责——做完没有、做对没有、做错了谁担。

当软件开始按结果收钱，采购方就必须先学会定义结果。

而定义结果这件事，恰恰是金融机构最擅长、也最不该外包的能力。

因为计价单位一变，砍价就不再是本事，说清楚"什么叫做完"才是。