引言：一个根本性的会计学问题

传统软件：采购 → 固定资产 → 3-5年摊销 → CAPEX（资本性支出）

AI Agent：每次调用消耗Token → 按月/按量计费 → OPEX（运营性支出）→ 类似员工工资

这不是一个"技术选型"问题，这是一个财务管理范式问题。

当企业部署100个数字员工（AI Agent），每天每个消耗数百万Token，按当前中国市场API定价（输入约2-8元/百万Token，输出约8-32元/百万Token V4级别），一个月下来可能是数十万甚至数百万的持续性现金流支出——就像给100个员工发工资。

但与传统员工不同：Token支出是可计量、可精细化管理、可按需启停的。这正是"词元经济"的核心命题。

沟通成本，从隐性变成显性

传统企业里，沟通成本是隐性的。

一个6人会议，开了1小时。成本是多少？6个人的时间乘以工资。但这个成本不会出现在财务账上——你看到的只是"工资支出"，看不到"会议消耗"。

AI原生企业里，沟通成本是显性的。

5个AI Agent之间互相发消息对齐——"收到""确认""已阅""好的"——这些看起来无害的消息，每一次都在消耗Token。

传统企业里，会议成本是"隐性"的，所以开多少会都没人管。AI原生企业里，沟通成本是"显性"的，精确到分——于是你不得不问：这次沟通，值不值这个钱？

预算逻辑，从"按进度"变成"按绩效"

传统IT项目的预算逻辑：立项→拨20%→开发完成→拨30%→测试完成→拨30%→验收→拨20%。

这个逻辑的前提是：你买的是一个确定性系统。功能是明确的，交付是可预期的。

AI原生项目不是确定性系统。AI是生长型系统——你无法在第一天就定义清楚"AI能做什么"，因为AI的能力边界是在使用中不断扩展的。

所以AI原生项目的预算逻辑变了：不按项目进度拨付，按绩效门禁释放。

第一阶段：设定一个可验证的绩效目标。比如"客服响应时间缩短30%"。AI上线跑。

如果达标了，释放第二阶段预算。没达标，退回去，找出问题，重来。

第二阶段达标，释放第三阶段预算。以此类推。

每一阶段是封顶的。损失不可逆，但不可逆的损失是可控的。

这个逻辑对传统财务是颠覆性的——不是"你答应我多少钱"，是"你证明你值多少钱，我再给你多少钱"。

定价模型，从"按人头"变成"按成果"

Intercom从"按人头卖软件"变成"按成果收费"。AI帮客户省了多少钱，收多少钱的一定比例。

这是AI原生时代最根本的商业逻辑变化——卖的不是"工具"，是"结果"。

传统SaaS：100个客服席位，每人每月$100，总共$10,000/月。不管你用不用，钱照收。

AI原生SaaS：AI帮你处理了5000个客服问题，按每个问题$1收费，$5,000/月。你不用AI，不收钱。你用得多，收得多——但你也省了更多。

当定价跟价值绑定时，客户和供应商的关系变了——从"买卖关系"变成"合作关系"。

个人核算：你的工资+你的AI Token = 你的真实成本

传统组织里，一个人的成本就是工资+福利。AI原生组织里，一个人的成本是工资+福利+他消耗的AI Token。

这里有一个常见的误解：创意岗位、战略岗位不需要个人Token核算，因为"他们主要靠人脑，AI用得少"。

错了。

创意岗位AI用得少，但用的人是高薪——AI Token占比小（3%到8%），但绝对金额不小。战略岗位同样的逻辑。人工资越高，加上AI Token后总成本越高，越需要核算。

通用公式：个人核算 = 人的工资福利 + AI的Token支出。所有岗位适用，区别只在比例。

结论

AI原生企业的财务不是"原来的财务加一个AI预算"，是从底层逻辑重新定义成本和价值。

沟通成本从隐性变显性。预算从按进度变按绩效。定价从按人头变按成果。个人成本从只有工资变工资+Token。

财务总监如果不理解Token，就像物流总监不理解"吨公里"——不是"做得不够好"，是"根本不在游戏里"。

下一篇，我们来聊一个真实教训：亲手烧了10亿Token，换来什么？