夜雨聆风
最近在使用 Microsoft 365 Copilot 和 GitHub Copilot 的时候，有一个变化让我印象很深：
AI 软件开始越来越认真地计算“你到底用了多少”。
之前我们买企业软件，习惯的是许可证。
100 个员工，需要 100 个账号；
每个账号一年多少钱；
采购、续费、预算，基本都围绕“人头”展开。
但进入 2026 年以后，Copilot 身上的计费逻辑正在发生明显变化。
GitHub Copilot 从 2026 年 6 月 1 日开始，用 GitHub AI Credits 替代此前的 Premium Request Units。Credits 的消耗不再简单等同于“问了一次问题”，而是与模型实际处理的 Token 有关，包括输入、输出以及缓存 Token，并参考不同模型的 API 价格。
Microsoft 这一边也在逐步建立以 Copilot Credits 为基础的 usage-based billing 体系。Microsoft 官方把 Copilot Credits 定义成适用于部分 AI 服务按量计费的统一计量单位，企业可以结合预付 Credits、Pay-as-you-go、预算、限额等方式管理 AI 消耗。
需要说明的是，这并不等于 Microsoft 365 Copilot 已经彻底取消“按用户订阅”。
更准确地说，是：
传统许可证仍然存在，但许可证之外，AI 能力正在出现越来越明显的“用多少、算多少”的成本模型。
我觉得，这件事比一次单纯的计费规则调整重要得多。
因为它可能意味着，软件行业用了几十年的商业逻辑正在发生变化。
一、为什么传统软件适合“按人头收费”，AI 却越来越难
传统 SaaS 有一个非常舒服的地方：
边际成本很低。
假设一家公司部署一套 OA 系统。
一个员工一天登录 5 次，另一个员工一天登录 50 次，对软件厂商来说，两个人带来的基础设施成本虽然不是完全一样，但差别通常没有大到必须重新设计收费体系。
所以最简单的办法就是：
一个账号多少钱。
CRM 如此，ERP 如此，Office 365 也是如此。
企业也非常喜欢这种模式。
因为预算很好算。
1000 个人 × 每人每月 30 美元，一年的预算基本就出来了。
但生成式 AI 不一样。
一个用户问：
“帮我把这封邮件改得正式一点。”
和另一个用户说：
“读取这个项目几十个文件，分析现有架构，设计重构方案，然后修改代码并执行 Agent Workflow。”
虽然在 UI 上可能都只是按了一次 Enter，
背后的计算成本完全不是一个数量级。
模型越强、Context 越长、输出越多、Agent 调用次数越多，实际消耗的算力就越高。
这时候继续简单按照：
一个用户，一个月固定多少钱
就会出现一个很现实的问题：
重度用户和轻度用户的成本差距会越来越大。
这也是为什么 GitHub Copilot 新的计量方式开始直接和 Token 使用关联。
从商业上看，其实很好理解。
AI 软件本质上越来越不像传统软件，而更像：
软件 + 云计算。
你买的不只是一个功能入口。
你还在持续消耗背后的 GPU、模型推理、Context Window、Agent 执行和各种 AI 服务。
二、真正改变成本的，不是 Chat，而是 Agent
如果 Copilot 永远只是一个聊天框，其实按月订阅也许还能长期维持。
真正让按量计费变得越来越重要的，是 Agent。
以前我们使用 Copilot，大部分时候是：
人提问 → AI 回答 → 结束。
但现在正在变成：
人提出目标
↓
AI 分析任务
↓
读取资料
↓
调用工具
↓
搜索数据
↓
修改文件
↓
执行代码
↓
检查结果
↓
发现问题
↓
重新执行
以前的一次“操作”，背后可能只有一次模型请求。
未来的一次“任务”，背后可能是几十次甚至更多模型调用。
这两个东西表面看起来都叫 Copilot，
但商业模型完全不同。
所以我越来越觉得：
AI 产品从 Chat 走向 Agent 的同时，商业模式也必然从 Seat 走向 Usage。
这不是微软独有的问题。
只要 Agent 真正进入企业流程，这几乎是整个行业迟早都要面对的问题。
三、企业以后最难算的，可能不再是许可证数量
传统 IT 采购有一个非常经典的问题：
我们到底需要买多少 License？
但未来企业引入 AI，更难的问题可能变成：
一个员工一个月到底会消耗多少 AI？
这个问题远比 License 数量难回答。
因为不同岗位差异太大。
一个行政人员可能每天只是：
总结邮件、整理会议纪要、润色文档。
一个开发人员却可能不断使用：
代码生成、代码分析、Code Review、Agent Mode、架构分析、自动修改。
而另一个做技术调查或者大型重构的开发人员，某几天的消耗甚至可能突然暴增。
所以未来企业做 AI 预算的时候，很可能不能再简单地说：
500 个员工 × 每人 XXX 元。
而是要开始分析：
什么岗位，在什么场景下，使用什么模型，平均完成多少次任务，每个任务消耗多少 Credits。
这其实已经非常接近云计算成本管理了。
以前我们研究的是：
CPU、Memory、Storage、Network。
以后企业可能还要多研究几个指标：
Token、Credits、Model、Agent Run。
四、这会催生一个新的企业岗位：AI FinOps
过去几年，很多使用 AWS、Azure、阿里云的企业都吃过一个亏：
云很方便。
点一下就能开资源。
但月底账单出来的时候，也可能非常刺激。
所以后来越来越多企业开始做 FinOps。
它解决的核心问题并不是“不让员工使用云”，而是：
知道钱花在哪里，并判断这笔钱花得值不值。
AI 很可能会经历一模一样的过程。
我甚至觉得，未来大企业内部会出现一种类似：
AI FinOps
的管理体系。
它关心的不会只是“用了多少钱”，而可能包括：
• 哪个部门消耗最多 Credits； • 哪类业务场景消耗最多； • 哪些模型性价比最高； • 哪些任务应该使用高级模型； • 哪些任务完全可以使用便宜模型； • 某个 Agent 一个月到底执行了多少次； • 一次 Agent 执行平均成本是多少； • AI 给企业节省的人工成本是多少。
Microsoft 现在已经把预算、告警、消费策略、Credit 分配以及 Cost Management Dashboard 等能力逐步加入管理体系，其实已经可以看到这种方向。
以后 IT 管理员看到的可能不只是：
“还有多少许可证没有分配。”
而是：
“这个月研发部门已经消耗了多少 AI Credits。”
这是完全不同的管理逻辑。
五、按量计费不一定更贵，反而可能让 AI 更容易进入企业
看到按量收费，第一反应通常都是：
以后是不是越来越贵？
但换一个角度看，未必。
固定 License 最大的问题之一，是企业需要提前为“使用权”付钱。
比如一个 AI 产品一年一个账号几千块。
公司有 1000 个人。
到底应该买给谁？
全买，成本太高。
只买几十个，又很难真正推广。
于是很多企业 AI 项目最后会陷入一个很尴尬的状态：
POC 效果很好，
但真正推广的时候卡在 License 上。
Usage-based billing 反而提供了另一种可能。
先使用，再根据实际消耗付钱。
低频用户不需要承担重度用户一样的成本。
偶尔使用 AI 的员工，也可以进入 AI 工作流。
这对于企业规模化推广 Agent，实际上可能是好事。
Microsoft 目前的设计也体现了这种“固定许可证 + 按量能力并存”的思路，而不是简单地只保留一种收费方式。
真正的问题会从：
要不要给这个人买 Copilot？
逐渐变成：
这个业务场景值不值得消耗这些 Credits？
我觉得后一个问题，其实更加合理。
六、AI 的 ROI 也终于不能再靠“感觉不错”
这也是我觉得按量计费最有意思的一点。
过去企业引入 Copilot，经常会听到这样的反馈：
“挺方便。”
“写代码快了一点。”
“总结会议很好用。”
“员工反馈不错。”
但到了管理层那里，一定会遇到一个问题：
到底创造了多少价值？
以前因为 AI 成本基本隐藏在固定 License 里面，所以企业其实没有太强的动力去精确计算。
但一旦开始按量收费，
ROI 就变得无法回避。
假设一个 Agent 执行一次任务消耗 3 美元。
那企业自然会继续问：
它替代了多少人工？
如果原来需要一个工程师工作 30 分钟，那么 3 美元可能非常便宜。
但如果这个任务本来人工 2 分钟就能完成，Agent 却经过十几轮推理消耗大量 Credits，
那这个 Agent 可能根本没有存在价值。
所以未来评价 AI 的核心指标，很可能不再是：
“用了多少 AI。”
而是：
“每消耗 1 美元 AI 成本，创造了多少业务价值。”
这才是真正的 AI ROI。
七、从“人人都有 Copilot”，走向“AI 成为企业生产资料”
过去两年，我们讨论企业 AI 时，经常说一句话：
“未来每个人都会有一个 Copilot。”
我现在觉得，这句话只说对了一半。
更准确的说法可能是：
未来每家公司都会拥有一套可以被员工、流程和 Agent 持续调用的 AI 计算资源。
员工需要的时候调用。
系统需要的时候调用。
Agent 自动执行任务的时候也调用。
这时候 AI 就不再只是一个软件。
它更像电。
工厂不会讨论：
“要不要给每个员工买一个电力 License？”
真正管理的是：
哪里用了电、用了多少电、创造了多少产出。
未来企业管理 AI，可能也是一样。
Copilot Credits、AI Credits、Token，这些名字以后也许还会继续变化。
但背后的方向不会轻易改变：
AI 正在从“软件功能”，变成一种可以计量、分配、预算和优化的生产资源。
最后
所以我觉得，Microsoft 365 Copilot 和 GitHub Copilot 越来越明显地走向用量计费，真正值得关注的并不是：
“以后一个 Credit 多少钱？”
而是它释放出的一个信号：
传统 SaaS 的 Seat Economy，正在进入 AI 的 Usage Economy。
过去的软件厂商卖的是：
“你有没有资格使用这个软件。”
未来 AI 厂商越来越多卖的可能是：
“AI 到底替你完成了多少工作。”
而对企业来说，也必须逐渐学会回答另外一个问题：
我们愿意为一次代码生成付多少钱？
愿意为一次合同审查付多少钱？
愿意为一次数据分析付多少钱？
愿意为一个 Agent 自动完成一项业务流程付多少钱？
当企业真正开始回答这些问题时，
AI 的竞争可能才真正从“谁家的模型更强”，进入下一个阶段：
谁能够用最低的 AI 成本，完成最多有价值的工作。
到了那个时候，我们衡量 AI 的单位，也许就不再是 Token、Credits，甚至不是模型参数。
而是一个更简单的东西：
结果。
