ARTICLE · 1244762
硅谷顶级风投a16z重磅定调:按人头卖软件已死!AI连轴转数月,直接按结果抽成
凌晨两点，一场车祸的受害者拨通了律师事务所的电话。
电话那头如果是语音菜单，他大概率会挂断，转头打给下一家律所。就算接通了人工专员，这桩案子接下来还要在律所内部经历一场漫长的“击鼓传花”：接案专员记录事实，转给律师评估；签约后交给律师助理调取警方报告、给目击证人打电话；等几个月后治疗结束，再由专人整理厚达数百页的医疗记录，最后交回律师手里写索赔函。
只要证人第四次没接电话，忙得焦头烂额的助理可能就放弃拨打第五次了。只要医生笔记里一行不起眼的“疑似脑震荡后遗症”被漏看，律所草草接受对方的首次和解报价，受害者就会白白损失几十万美元。
但现在，硅谷最顶级的风投机构说：把这群人手里的接力棒全收回来，交给一个能连轴转好几个月的AI。
2026年10月14日，硅谷风投巨头 Andreessen Horowitz（简称 a16z）合伙人 David Haber 发表了一篇引发科技圈震动的长文《赢得接力赛：高价值客户旅程中的长期运行智能体》。他的核心判断极其冷酷：AI当“聊天小助手”帮人类省几分钟时间的时代已经翻篇了。新一代AI智能体（Agent）可以在同一桩业务上连续工作数周甚至数月。一旦AI告别打下手的角色，独立跑完从获客到成交的整场马拉松，软件行业沿用了二十年的“按人头收会员费”模式便会随之崩塌，取而代之的，是直接从最终成交额里抽成。
▲ a16z合伙人David Haber在官网发表长文，直指长周期AI智能体将重构高价值商业流程。
01为什么企业里最贵的钱，全漏在了“交接棒”上？
在商业世界里，越是赚钱的买卖，流程往往越长。
想想看，一份房屋贷款从预批到放款交割、一张保单从报案定损到理赔打款、一笔大额企业订单从初次演示到法务签字，哪一个不是动辄耗时数周、经手五六个部门？
David Haber 把这种业务叫做“接力赛”（Relay Race）。这类业务有一个共同的死穴：所有的商业价值，只有在冲过终点线的那一刻才会兑现；但在冲线之前，每一次人与人之间的交接，都是在往地上漏钱。 回电慢了半小时，客户跑了；跨部门传个表格，上下文丢了；月底人手不够，看起来金额不大的普通案子就被敷衍了事。
过去一年，大多数公司的AI还停留在“短任务”阶段，比如帮客服写一封道歉邮件，或者做一份三分钟的通话摘要。这种AI就像临时工，边界清楚，做砸了也有人类兜底。
而现在登场的是“长期运行智能体”（Long-Running Agents）。它接手一桩人身伤害索赔案后，目标只有一个：帮客户拿到最高赔偿。它像一个不知疲倦的项目总监，平时在后台休眠，一旦到了截止日期或收到新邮件就立刻醒来。它会主动派出“子智能体”，通过电话、短信、邮件连环追踪证人，打不通四次就打第五次、第十次；它会把警方报告、每一通电话录音和几百页的医疗账单全部对齐，绝不放过任何一处治疗空档或隐藏伤情。
▲ 左图是传统律所里5个岗位层层交接的“漏钱”流程，右图是单一AI智能体从接案一直管到最终和解。
为了证明这种冲击有多惨烈，Haber 搬出了一个极具警示意味的商业标本，美国营销外包巨头 Red Ventures。
这家公司曾是传统“人海接力模式”的巅峰。它帮保险公司和银行卖长期合同，从建比价网站抓流量，到养庞大的呼叫中心挨个打电话推销，最后按成交单数跟金主结账。2022年，它靠这套打法斩获约14亿美元营收，税息折旧及摊销前利润（EBITDA）高达3.7亿美元。
然而到了2025年，它的这项利润指标直接腰斩，暴跌至约1.6亿美元。原因很简单：前端的消费者不再去比价网站搜索，而是直接问个人AI助手；后端的复杂跟单流程，长期运行智能体比人类呼叫中心更有耐心、更能多线并行。旧时代的铁饭碗，正在被连根端起
02软件“掉了脑袋”，软件巨头开始玩记账游戏
为什么传统软件巨头拦不住这股浪潮？如果把 a16z 今年密集发布的另外几篇重磅研究拼在一起，你会看到一幅更惊心动魄的底牌。
过去二十年，像 Salesforce（客户管理系统）或 Workday（人事管理系统）这样的软件帝国，赚钱的逻辑极其稳固：按人头卖席位（Per-seat）。公司有1000个销售，就得买1000个账号。为什么？因为“人类活在软件的操作界面里”，每天必须盯着屏幕点按钮、填表格。
但在 a16z 合伙人 Seema Amble 看来，今天的软件正在“失去头部”（Losing Its Head）。AI智能体根本不需要好看的按钮和仪表盘，它们直接通过底层接口读写数据库。剥掉那层给人类看的界面后，昂贵的企业软件和一个普通的数据库还有什么区别？
面对危机，传统软件巨头想出了不少招数。比如年营收近百亿美元的巨头 Workday 推出了按消耗扣费的“灵活积分”（Flex Credits），高调宣布自己的 AI 年度经常性收入突破了4亿美元。但 a16z 合伙人 Joe Schmidt 一针见血地戳穿了这层窗户纸：这本质上是一场“采购记账游戏”。 大公司的首席信息官背着“必须投资AI”的死命令，软件巨头背着向华尔街交出“AI营收”的KPI，于是双方一拍即合，先买一大笔积分挂在账上，至于AI到底跑通了哪条业务线，以后再说。
当老巨头还在旧表单上缝补聊天插件时，真正的颠覆者已经盯上了企业最大的一块肥肉。
当天稍晚，a16z 官方账号发出了那张在硅谷疯传的“能力与预算三层阶梯图”，把AI赚钱的段位扒得明明白白：
- 第一层是助手（Assistant）
：按秒计算，比如帮你发封跟进邮件。它抢的是企业原本就抠抠搜搜的软件预算。 - 第二层是短任务智能体（Agent）
：按分钟计算，比如接听一通客户退款电话。它开始抢呼叫中心的人力预算。 - 第三层是长期运行智能体（Long-running agent）
：按周或月计算，直接帮你把官司打赢、把房贷批下来。因为它对最终结果负责，它不再按月收你几十块软件费，而是直接按结果抽成，分享企业的营收增长。
▲ a16z引发热议的三层演进图：AI的运行时间越长，能撬动的钱袋子就从软件费、人工费一路升级到营收分成。
这就引出了创业者面临的三条商业化路径：第一条是卖平台，把AI当软件卖给律所，上限高但客户没这个预算科目，签单慢；第二条是卖服务，直接接管企业原本就外包出去的活儿，算账简单；第三条最狠，叫走全栈（Full-stack），我干脆不把催收AI卖给讨债公司了，我自己买下坏账打包亲自催收，把AI创造的所有超额利润吃干抹净！
这套打法甚至迅速在中文创业圈引发了共鸣。国内有做电商AI的创业者立刻对照自身业务算了一笔账：给电商团队卖剪辑工具就是“卖平台”，帮品牌代运营带货账号就是“卖服务”，而带着7×24小时运转的AI内容团队自己下场卖货，就是最暴利的“走全栈”。
▲ 中文社区创业者迅速将a16z的“平台、服务、全栈”三种模式映射到电商带货工作流中。
03评论区扒开底裤：想按结果分钱，先过这三道鬼门关
这门生意乍看宛如印钞机，对不对？但在 a16z 帖子的评论区里，来自一线的工程师、老牌外包老板和机器学习高管们并没有跟着嗨，纷纷冷静地泼下了三盆冷水。
第一盆冷水：交接问题没有消失，它躲进了AI的“脑子”里。
一个AI连续跑上好几周，对话和文档记录会像滚雪球一样撑爆模型的记忆上限。怎么办？AI必须定期“压缩”自己的历史记忆开发者 Bhuvan 一语中的：“每一次记忆压缩，本质上都是把工作交接给一个‘知道得更少的未来自己’。” 以前是张三忘事漏给李四，现在是周三的AI忘事漏给下周五的同一个AI。而且前 Netflix 与 Apple 机器学习负责人 Vi Iyengar 提醒道，真实商业根本不是跑道固定的接力赛，跑到一半客户改主意了、新竞争对手杀进来了，光跑得久没用，得在动态变化中不丢掉最初的意图。
▲ 开发者犀利指出：长周期AI在压缩历史上下文时，依然会在自己内部产生“交接损耗”。
第二盆冷水：分钱的时候都在笑，背锅的时候谁签字？
“拥有结果，就意味着出事时你得拥有罪责（Owning the outcome means owning the blame）。”网友 Phil Hie 的这句评论获得了极高共鸣。如果AI财务把账结错了，谁去坐牢？
做过外包服务的人还深知“按结果收费”是个历史大坑。评论区的 Nash 和 Chris Blackburn 指出了最现实的扯皮场景：一桩业务跑了六个星期，结果卡住了，因为客户自己的买家失联了，或者客户迟迟不交一份关键证明文件。这时候结果没达成，AI厂商拿不到钱，冤不冤？客户掌控着一半的输入变量，如果不事先在合同里把“什么叫完成”、“哪些外部卡点不算AI失误”精确到像法律条文一样，按结果收费最后一定会退回按小时算钱的老路。
▲ 从业者指出：当业务长达数周且多方参与时，如何界定“非AI之罪”导致的卡壳，是按结果付费的合同死穴。
第三盆冷水：大公司里，根本没有一个部门领导敢签这张单。
这是整场讨论里最毒辣的洞察一位名叫 @AnliKu40449 的评论者直接拆穿了企业采购的官僚真相：
为什么“自动退货机器人”最好卖？因为退货归客服部一个部门管，领导拍板就能买。但一旦你的AI变成了“跨系统长周期智能体”，从销售跟进一路管到法务合同和财务收款，麻烦就来了：公司里没有任何一个单一的成本中心（Cost Center）同时对这几个部门的交接负责！ 销售副总裁凭什么拿自己的预算，去给法务和财务省时间？只要AI跨越了两个部门的系统，审批链条当场断裂。
▲ 高赞长评拆解买方账本：当AI跨越两个以上系统时，由于没有单一部门为交接买单，采购审批链就会断裂。
这也正是为什么 a16z 在另一篇报告里高呼《你需要一个新的CFO（首席财务官）》。在硅谷最前沿的科技公司（比如大模型巨头 Anthropic）内部，财务部已经自己维护着70多个AI技能库，甚至诞生了一个全新岗位，“财务工程师”（Finance Engineer）。他们每天写代码，把每一笔客户合同的收入，与底层AI消耗的算力成本、人工异常处理成本实时挂钩。只有当买方自己的财务账本升级到能算清“端到端结果账”时，长周期AI才能真正迎来大爆发。
说到底，这场围绕“接力赛”的争论，撕开了2026年企业级AI最真实的一面。
正如美国银行业每年花400亿美元雇佣40万名合规官，结果道明银行（TD Bank）还是因为漏看警报被罚了30亿美元一样，在复杂的长流程面前，“90%的准确率依然等于100%的不可用”。如今，多模态和长周期推理技术终于跨过了信任的及格线。
不要再试图给旧时代的马车加装AI涡轮增压了。真正的财富密码，是把那根传了几十年的接力棒彻底扔进历史垃圾桶，让AI一个人跑完全程，然后坐下来，和客户重新谈谈分钱的规矩。
