乐于分享
好东西不私藏

当 Copilot 开始按量计费,AI 软件真正的商业模式才刚刚开始

当 Copilot 开始按量计费,AI 软件真正的商业模式才刚刚开始

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。

回首页,搜索你想要的文档

在首页搜索框输入关键词,快速定位资料

文库首页搜索指引 立即搜索

相关学习资料