“Token 经济”进入结果层

📌 一句话摘要

本文深入分析 AI 定价模式从按 Token/调用量向按结果付费的演进，以 Intercom 的 Fin 按 0.99 美元/解决客户问题收费为案例，探讨结果定价的四个核心问题、适用场景及对中国市场的启示。

📝 详细摘要

本文是《Token 经济学》系列第 11 期，聚焦 AI 软件商业模式的关键转变：从卖账号、卖调用量，到卖「做完一件事」。文章以 Intercom 的 AI 客服机器人 Fin 按 0.99 美元/解决客户问题收费为引子，系统拆解了「按结果付费」模式背后的四个核心问题：如何定义「完成」、如何证明贡献、如何计算费用、如何分配责任。作者指出，结果型 AI 会让软件变「重」，因为它需要整合流程、工具、规则和验收机制，从工具箱长成执行系统。文章还分析了该模式的适用边界（高频、边界清晰、结果可验收的场景）以及在中国市场的特殊路径——可能先以项目制、效果分成等非标准化形式出现。最后，文章将 Token、动作、结果三层定价逻辑串联，指出价格标签正从「能力付费」走向「责任清单」。

💡 主要观点

- AI 定价正从按 Token/调用量向按结果付费演进，Intercom 的 Fin 是典型案例。 Fin 按 0.99 美元/解决客户问题收费，不按对话次数或 Token 消耗计费，标志着 AI 软件从卖工具转向卖完成的工作。

按结果收费需要解决四个核心问题：定义完成、证明贡献、计算费用、分配责任。 不同场景下「完成」的边界不同，需要日志和流程记录来证明 AI 的贡献，费用计算涉及多问题、转人工等复杂情况，责任归属是决定 AI 能否真正成为「供应商」的关键。

结果型 AI 会让软件变「重」，从工具箱长成执行系统。 承诺结果交付需要整合知识库、工单系统、审批流等基础设施，AI 更像总包商而非单一工具，需要深度理解行业流程和规则。

按结果付费的适用场景需满足高频、边界清晰、结果可验收、风险可控等条件。 客服、内容审核、对账等场景比战略咨询、投行尽调更适合结果定价，难点不在 AI 能力而在交易结构的设计。

中国市场可能先以项目制和效果分成形式出现，而非标准化价格页。 中国企业更倾向于将结果收费藏在销售和交付合同中，这会影响新定价模式的扩散速度，从项目到商品的转化是关键分水岭。

💬 文章金句

- 被卖的东西，正在从「你可以用」，转向「这件事已经做完」。

• Token 是底层成本，动作是业务步骤，结果是可以买单的完成件。
• 当人们对于 AI 定价的模式，从「能力付费」，走向为「完成付费」，AI 软件的价格的标签，也越来越像一份「责任清单」。
• 结果型 AI 更像总包商：它不一定生产每一个零件，但要把人、流程、工具、规则和验收组织起来，最后交付一件能签收的工作。

📊 文章信息

AI 初评：88

来源：腾讯科技

作者：腾讯科技

分类：人工智能

语言：中文

阅读时间：22 分钟

字数：5497

标签： AI商业化, AI产品与应用, AI Agent, SaaS, 商业模式与战略

阅读完整文章