ARTICLE · 1245110
a16z重磅长文引爆硅谷:AI开始连续死磕数月!抢走人类接力棒,直接按结果分钱
在美国打一场车祸索赔官司，往往像一场令人绝望的慢动作灾难。
受害者拨通律所电话的那一刻，一根看不见的接力棒就开始在五六个人手里传递。接案专员记录案情，转给律师评估；签约后，律师助理去调警方报告、给目击证人打电话；等几个月后伤者治疗结束，医疗时间线专员再去整理厚达上百页的病历，最后交由另一位律师起草索赔函。
问题就出在这根接力棒上
如果目击证人前四次没接电话，忙得焦头烂额的助理可能就不会再打第五遍。如果医生在某页病历角落里写了一句“疑似轻微脑损伤”，接手的专员一旦漏看，律所就会草率接受保险公司的首次报价，受害者直接少拿几十万美元赔偿。
每一次人工交接，都是一次价值的流血。
2026年10月14日，硅谷顶级风投机构 Andreessen Horowitz（简称 a16z）普通合伙人 David Haber 发表万字长文《赢得接力赛：高价值客户旅程中的长期运行智能体》，在科技圈激起千层巨浪。
▲ a16z 官网发布的 David Haber 署名文章首屏
Haber 给出了一个极具冲击力的判断：AI 正在跨过“陪聊”和“跑腿”的阶段，进化为能够连续运作数周甚至数月的“长期运行智能体（Long-Running Agents）”。 它们跳出了帮人类省几个小时的软件工具定位，开始独自跑完全程，甚至直接按最终打赢官司、签下保单的结果来抽成。
01为什么最赚钱的业务，总死在“交接棒”上？
要理解硅谷为什么对这件事如此兴奋，不妨看看过去两年企业用 AI 的尴尬现状。
大多数公司买的 AI，干的都是“秒表级”的短活。比如花几秒钟写一封跟进邮件，或者花几分钟接听一通标准的退款客服电话。这种活儿边界清晰，就算搞砸了也有人工兜底。
但企业最赚钱的核心业务，从来没办法在几分钟内搞定。从保险报案到最终理赔、从房贷预批到房产交割、从企业软件演示到漫长的商务签约，这些全都是跨度长达数周乃至数月的“日历级”长跑。
▲ a16z 官方对比图：传统律所需要 5 个岗位层层交接，而单一案件智能体（Case Agent）可以贯穿始终
在传统企业里，这种长跑只能靠多部门“接力”完成。销售把客户扔给交付，前台把工单扔给后台。只要换人，上下文就会丢失，响应就会变慢，真金白银就会在缝隙里漏光。
如果把整场接力赛交给同一个 AI 呢？
Haber 在文中描绘了“长期运行智能体”的工作方式：它接手一个案件后，平时处于休眠状态，一旦触发关键事件或临近截止日期就会自动醒来。它会主动派生出多个“子智能体”，同时通过电话、短信、邮件去死磕证人，不知疲倦地打第五遍、第十遍电话；它会把通话录音、警方报告和上百页病历全部吃透，绝不漏掉任何一行脑损伤线索。
同日，a16z 官方账号放出了一张被硅谷创业者疯狂转发的“AI 能力三层阶梯图”，彻底撕开了企业软件的预算底牌：
▲ a16z 拆解的 AI 演进阶梯：从抢软件预算、抢人力预算，直接跃升到按结果分钱
第一层叫助手（Assistant），按秒计算，帮人写封邮件，花的是企业微薄的“软件采购预算”；第二层叫智能体（Agent），按分钟计算，独立处理一通退款电话，抢的是呼叫中心的“人力预算”；而第三层长期运行智能体（Long-Running Agent），按周和月计算，因为直接对最终赔偿金或成交额负责，它抢的是企业的“营收分成”。
这绝不是纸上谈兵翻开 David Haber 今年夏天的投资账本，这种“消灭交接棒”的凶猛物种已经在传统行业杀疯了。
今年6月，Haber 领投了美国家政维修 AI 平台 Probook 的 3400 万美元 A 轮融资。创始人 George Eliadis 年轻时曾跟着父亲干了整整六个夏天的高压水枪清洗工，深知空调、水电维修行业的痛点。过去三年，无数创业公司跑去给维修商卖语音客服外挂和聊天机器人，结果把前台搞成了一堆互不连通的烂摊子。
Probook 反其道而行，直接切入最核心的“派单决策（Dispatch）”，精准计算哪位技术员去修哪一家最赚钱，并打通从接单、清洗数据到发短信的全流程。每位客户从第一次报修到维修工按响门铃，始终留在同一个短信对话里，全流程共享同一个大脑。 拥有 260 名技术员的维修巨头 Summers 上线 Probook 第一个月，就在零人工干预下自动完成了 2,542 单派工。
而在建筑机电工程领域，Haber 参投的 Endra 则由前高盛低延迟交易团队打造。过去，工程师要在图纸上逐层、逐房间排布火灾报警器和电线，对照建筑规范死磕好几周甚至几个月；如今 Endra 直接重建 3D 模型，让工程师在喝杯咖啡的单次会话里，跑完过去几个月的机械接力。
02连续跑几个月不失忆，AI 靠什么撑住全场？
读到这里，懂技术的人一定会冒出一个问号：现在的 AI 连聊上几十回合都会产生幻觉、前言不搭后语，凭什么能跨月处理一桩复杂官司而不把事情搞砸？
答案藏在 Haber 四个月前发表的另一篇前序文章《一切皆被录制（Everything is Recorded Now）》里。
想想看，一家公司招进一名人类新员工，是怎么把他培养成老手的？光甩给他一套冷冰冰的内部规章文档（Wiki）或客户管理系统（CRM）根本没用，老员工往往会直接带他去开会。因为一家公司的潜规则、对客户的微妙妥协、遇到突发状况的兜底逻辑，全都在日常的口头交谈里。
▲ David Haber 在 X 平台同步发表长文，指出 AI 正从单次客服互动走向横跨数月的复杂旅程
过去，电话挂断、会议散场，这些珍贵的上下文就随风蒸发了。但今天，语音正在变成新的底层数据库。
Haber 透露，在 OpenAI 内部，几乎所有工作流程都已实现全程录制，高管分身乏术时，甚至直接派自己的 AI 智能体代表自己列席会议；而在 a16z 内部，会议笔记工具 Granola 因为“永远在房间里旁听”，比公司里几乎所有软件都更懂合伙人们的投资品味与决策逻辑。正是这层“活态企业上下文”，给长期运行智能体提供了不断电的燃料。
然而，硅谷的技术极客们并没有被这幅美好蓝图冲昏头脑。在 a16z 的评论区里，一条高赞回复一针见血地戳破了长周期 AI 的死穴。
开发者 Bhuvan（@Bhuone2345） 警告说：“交接问题并没有因为智能体而消失，它只是转移到了智能体的肚子里。”
▲ 开发者 Bhuvan 指出：长周期 AI 压缩自身历史记录时，本质上是在向“知道得更少的未来自己”做交接
这句话堪称毒辣当一个智能体连续运行好几周，攒下的通话记录和文档会撑爆它的上下文窗口。为了继续跑下去，AI 必须不断“压缩”和总结自己的历史记忆。每一次记忆压缩，本质上都是把接力棒交给了一个“患上轻度失忆症的未来自己”。 如果没有独立于对话之外的外部记忆系统，跑得越久，AI 越容易跑偏。
曾任 Netflix、Apple 与 Cohere 机器学习负责人的 Vi Iyengar 则指出了另一个盲区：接力赛是线性的，跑道画好了就不会变；但真实商业世界是动态的 官司打到一半新证据会冒出来，大客户谈到一半高管会换人。光让 AI 跑得更久还远远不够，核心突破在于让它在目标剧变时依然不丢掉最初的意图。
▲ 前 Apple / Cohere 机器学习负责人 Vi Iyengar 评论：真实世界充满变数，AI 必须具备动态适应能力
03直接按结果分钱：是商业圣杯，还是算不清的糊涂账？
如果技术难关能被攻克，更刺激的拷问来了：当 AI 真的能跑完全程，软件公司该怎么收钱？
Haber 认为，既然长周期 AI 跳出了单纯的“降本”，直接帮律所多赢赔偿金、帮银行多放贷款实现“增收”，那就应该按结果收费（Outcome-based pricing）。
他在文中搬出了一个极具警示意义的商业标本，Red Ventures。这家巨头曾靠“包办保险获客全流程”赚得盆满钵满：自己建比价网站引流，自己养庞大的外呼团队给客户洗脑，成功卖出保单后再向保险公司拿分成。2022年，Red Ventures 靠这套模式狂揽 14 亿美元营收、3.7 亿美元利润（EBITDA）。
但到了 2025 年，它的预估利润腰斩到了 1.6 亿美元。为什么？因为消费者不再去比价网站搜索了，而下游的跟单转化，正在被不知疲倦、能同时跟进上万人的长周期 AI 彻底降维打击。
为了吃下这块蛋糕，Haber 为创业者指出了三条赚钱路径（Three Ways To Market）：
- 卖平台（Sell the Platform）
：把智能体当软件卖给律所或企业，嵌入对方团队； - 卖服务（Sell the Service）
：像 AI 版的代运营公司一样，直接接手企业的外包业务，交付做好的结果； - 走全栈（Go Full-Stack）
：干脆不伺候客户了，自己下场干！比如不把催收 AI 卖给催收公司，而是自己买下坏账资产包，用 AI 催收，独吞全部利润。
这套打法迅速在创业者中引发共鸣电商 Agent 创业者 Ben Zhang 第一时间对照自身业务晒出复盘：以前的 SaaS 是给真人团队做工具，现在的长周期 Agent 就是团队本身。他做的 ReelFlock 直接化身 24 小时无休的电商内容团队，从选品、写脚本、剪视频到复盘全包，把 a16z 的三条路，卖软件给商家、代管带货账号、自己下场卖货，全摸索了一遍。
▲ 创业者将 a16z 的“平台 / 服务 / 全栈”框架直接映射到电商内容与带货业务中
听起来性感极了，对不对？但在商言商，评论区里的一线老板和采购专家们，却用三盆冷水浇醒了狂热的信徒。
第一盆冷水，叫“分钱就得背锅”
网友 Phil Hie 留下一句简短的英文评论，却让无数企业主心里一惊：“对结果负责，也就意味着出事时要对责任负责。”（Owning the outcome means owning the blame.）
▲ 评论区一针见血的追问：分走结果的收益，出事时谁来背锅？
如果 AI 只是个辅助工具，做错了账、漏了证据，背锅的是签字的人类会计和律师。可一旦软件商宣称“我包办结果、按结果抽成”，那么当官司打输、财务暴雷甚至触犯监管（比如美国绝大多数州法律严禁非律师直接抽成诉讼费）时，软件商赔得起底裤吗？
第二盆冷水，叫“客户手里捏着另一半方向盘”。
服务业老兵 Chris Blackburn 道出了几十年来的商业真相：咨询和外包机构追逐“按结果收费”几十年了，最后绝大多数都乖乖退回了“按小时收费”。为什么？因为客户控制着一半的输入！
▲ 服务业从业者提醒：客户控制着一半输入，除非你能强行改造客户的内部流程，否则按结果收费很难落地
AI 把潜在客户跟进得再完美，如果客户自家的产品烂、定价高，或者人类律师在法庭上发挥失常，单子照样黄。到时候软件商找谁说理去？正如另一位评论者 Nash（@secondmindsys） 所言，不先把“什么算完成”、“哪些突发状况双方都控制不了”写进铁板钉钉的合同里，按结果收费就是一场永无休止的扯皮。
▲ 评论指出：多方参与的长周期工作，必须在合同里事先划清不可控因素与人工介入的边界
第三盆冷水，也是最致命的一击，叫“企业内部的账本死结”。
用户 no sugar（@AnliKu40449） 贡献了整场讨论中最硬核的一段商业洞察：为什么现在自动退款机器人很容易卖出去，但一旦 AI 的工作范围跨越两个部门系统，采购审批链条就会立刻断裂？
▲ 高赞长评深度拆解：当 AI 跨越多个系统时，企业内部“没有单一部门为交接买单”的财务死结
因为在传统大公司里，没有任何一个部门的预算，是专门用来为“跨部门交接”买单的！
客服部门只管客服的账，销售部门只算销售的钱。当一个长周期 AI 横跨销售、法务和财务时，谁来掏这笔钱？功劳算谁的？
这位内行给出了极其实用的破局建议：一旦你的 AI 产品开始跨越多个系统运作，产品团队就该立刻停止死磕“单步任务准确率”，转而去监控“异常处理成本”和“交接流失率”；而销售团队也别再去给客户演示单个小功能了，必须直接找更高层的老板签结果保障协议（SLA），打通共享成本中心。
04尾声：从“买工具”到“买结果”的分水岭
回看 a16z 这场引发全网激辩的“接力赛”推演，一个极其清晰的时代分水岭已经浮出水面。
过去二十年，软件行业的逻辑是“卖铲子”，不管客户能不能挖到金矿，先把软件订阅费（SaaS）收了再说。而今天，随着全量语音录制补齐了企业的隐性记忆，随着长周期智能体学会在长达数月的业务泥潭里自己找路，AI 终于有底气伸出手，去接过人类手里那根最值钱、也最容易掉地上的接力棒。
虽然记忆衰减、责任归属和企业内部的部门墙依然横亘在前，但游戏规则已经彻底改写。未来的顶级 AI 公司将告别按软件席位收费的旧模式，直接向客户交付一套打赢官司的案卷、一笔成功放款的房贷，和一份已经打进账户的真金白银。
