不給“摸魚”的智能體發工資，可行嗎？

當一個AI智能體耗費大量Token（詞元）卻未能完成預期目標，這筆帳單該由誰承擔？反之，若AI法律顧問僅消耗極少算力便成功規避高昂稅務風險，開發商卻仍按固定低價收費，這樣的商業邏輯是否合理？隨著AI應用場景日益多元，Token需求迎來爆發式成長，圍繞AI定價模式的爭議也隨之升溫。 目前市場主流仍以Token消耗量或API調用次數作為計費基準，這種「按量計費」模式看似公平，卻潛藏結構性矛盾。舉例來說，一個用來處理客戶服務的智能體，可能因為模型理解偏差或指令設計不良，反覆產生無效對話，導致Token用量暴增，最終卻沒能解決任何問題；開發商與客戶都得為這筆無效支出買單。另一方面，對於那些效率極高、一次推理就準確完成任務的智能體，開發商卻只能收取極低的費用，無法反映其創造的實際價值。這種「乾多少活都拿固定工資」的現象，被業界戲稱為「摸魚」也能領薪。 OpenAI董事長Bret Taylor近日接受媒體採訪時點出問題核心：AI Token計費的爭議源於市場尚未成熟，未來趨勢必然轉向按結果付費。他認為，當AI從「工具」進化為「數位勞動力」，其報酬應與產出成果掛鉤，而非單純看運算過程消耗了多少資源。這番言論迅速引發業界討論，因為它觸及了AI商業模式從「賣水」到「抽成」的關鍵轉折。 事實上，業內已有聲音將AI商業模式劃分為三個階段：第一階段是「按時計費」，類似傳統軟體授權或雲端運算資源租用；第二階段是「按Token計費」，也就是目前主流，雖然比第一階段更精細，但仍無法區分有效與無效勞動；第三階段則是「價值抽成」，也就是按結果付費。當AI真正能取代部分人類工作、直接創造可量化收益時，開發商自然希望從這份收益中分一杯羹。 所謂按結果付費，核心在於AI服務的定價不再以Token消耗量、調用次數等過程性指標為依據，而是以AI實際解決的業務問題和創造的可量化價值來結算。例如，一個用於自動生成行銷文案的智能體，若它幫助客戶提升了20%的轉換率，開發商便從這20%的增量利潤中抽取一定比例作為費用；反之，若它產出的文案毫無效果，客戶可能完全無需付費。這種模式對客戶而言極具吸引力，因為他們只需為「有效勞動」付出代價。 然而，從理想走到現實，還有諸多技術與商業難題需要克服。最關鍵的挑戰在於「結果」如何定義與衡量。不同場景下，AI的貢獻可能難以量化——例如一個客服機器人成功安撫客戶情緒，但沒有直接促成銷售，它的「價值」該如何計算？又如一個程式碼生成工具，它寫出的程式碼是否穩定、安全，可能需要數週甚至數月才能真正驗證。開發商與客戶必須事先約定一套客觀、可驗證的評估標準，這在複雜的商業環境中並不容易。 此外，按結果付費也意味著開發商必須承擔更多風險。如果AI表現不佳，開發商可能面臨零收入甚至虧損，這會促使他們更加重視模型質量、訓練數據以及持續優化。但另一方面，這也可能導致開發商只願意承接那些「結果容易量化」的任務，而避開邊際模糊、需要人類判斷的高階應用。市場會不會因此出現「低風險任務被AI壟斷，高風險任務無人問津」的失衡，仍是未知數。 儘管如此，先行者已經開始探索。一些專注於金融、法律、醫療等垂直領域的AI公司，已經嘗試與客戶簽訂「效果合約」，例如按照AI成功減少的壞帳金額、節省的稅務罰款或診斷的準確率來收費。這些案例雖然規模不大，卻為整個行業提供了初步的商業樣本。OpenAI董事長Bret Taylor的觀點，某種程度上也反映了大型AI平台對於未來收費模式的戰略思考——當模型能力越來越強，Token成本持續下降，單純按量計費的利潤空間將被壓縮，唯有走向價值抽成，才能讓AI開發商與客戶形成真正的利益共同體。 另一項值得關注的發展是「智能體」本身的自主性提升。當AI不再只是被動回應指令，而是能主動規劃、執行並驗證任務，它的「勞動」性質就更接近人類員工。正因如此，業界開始出現「不給摸魚的智能體發工資」這樣的說法，諷刺現有計費模式無法區分勤奮與偷懶。未來，如果一個智能體能夠自主排程、自動修正錯誤、並在完成任務後主動回報成果，那麼對它進行「按績效發薪」不僅合理，更是商業效率的必然要求。 當然，轉型不會一蹴而就。短期內，按Token計費仍會是主流，因為它簡單、透明、易於實施。但隨著模型能力提升、應用場景細分，以及客戶對成本效益的敏感度增加，混合計費模式可能先出現——例如基礎Token費用加上結果獎金，或根據任務難度動態調整費率。而長遠來看，真正的「按結果付費」需要整個生態系統的支持，包括標準化評測框架、第三方驗證機構，以及更完善的合約設計。 回到Bret Taylor的談話，他點出的是AI產業從「賣運算力」到「賣生產力」的轉型方向。當「摸魚」的智能體不再能領到工資，勤奮的智能體則能獲得與其貢獻匹配的報酬，這才是AI商業模式成熟化的標誌。客戶也將從被動的Token購買者，變成主動的成果驗收者。這股變革浪潮，正在悄然重塑AI產業的遊戲規則。