Salesforce為例，AI改變軟件“定價模式”
過去十多年來，企業軟體產業的商業模式幾乎繞著「席位」打轉。無論是一套客戶關係管理系統，還是辦公室協作工具，廠商最習慣的收費方式，就是按照使用者人數收取年費或月費。這種定價邏輯簡單明瞭，也讓軟體公司的營收隨著客戶團隊規模擴張而穩定成長。然而，當人工智慧開始滲透進每一套企業軟體之後，這套行之有年的遊戲規則，正悄悄地出現結構性的鬆動。以全球CRM龍頭Salesforce為例，這家公司近期在AI產品與定價策略上的布局，就鮮明地反映出軟體產業正在經歷的轉變。過去，Salesforce的經典收費模式是依照「每使用者每月」的訂閱費用來計價，客戶採購的席次越多，帳單金額就越高。
但是，當AI助理或自動化代理開始承擔過去由人類員工執行的部分工作時，「按人頭收費」的邏輯便出現了破口。如果一個AI代理可以同時處理數十人的工作量，企業為何還要為數十個閒置的席位付出全額費用？這樣的需求轉變，促使Salesforce開始嘗試新的計價方式。取代單純的席位計費，該公司逐步將AI功能的收費與「實際成果」或「任務執行量」掛鉤。也就是說，客戶不再只是為「使用權限」付費，而是為AI真正完成的具體工作——例如成功處理的客戶服務案件、自動生成的銷售郵件數量，或是完成分析的數據筆數——付費。這種模式被視為一種「成果導向」的定價，它將軟體供應商的利益與客戶的實際使用深度及成效綁定在一起。
這並非Salesforce單獨的嘗試，而是整個軟體產業正在蔓延的趨勢。過去，軟體廠商總是在追求「滲透率」，希望客戶公司內部盡可能多的員工都裝上自己的產品。但在AI時代，軟體價值的衡量標準，正從「有多少人在用」轉變為「AI幫客戶完成了多少事」。一些新興的AI新創公司甚至從第一天就完全拋棄席位制，直接按照API呼叫次數、處理的文字量、生成的圖片張數，或是每一次自動化流程的執行來收費。這種定價模式的轉變，對企業客戶而言，最直接的感受是成本結構的改變。過去，企業採購軟體時，預算通常與部門人數掛鉤，採購流程相對固定。但改成用量計費後，企業的成本從「固定支出」變成了「變動支出」。
當AI確實帶來效率提升時，企業覺得物有所值；但當使用量暴增、帳單金額失控時，IT主管也必須開始學習管理「AI用量」，否則月底的帳單可能遠超預期。這也衍生出一個新課題：企業該如何建立內部機制，來控制員工或系統對AI功能的過度呼叫，以避免成本失控。對軟體公司來說，從席位制到用量制的轉變，則是一場營收模式的冒險。席位制的好處在於收入穩定且可預測，財報數字容易掌握。而用量制雖然有機會在AI表現出色時獲得遠超以往的回報，但也伴隨著極大的不確定性——如果客戶使用頻率不高，營收便會大幅波動。因此，許多廠商正嘗試走「混合路線」，也就是基礎功能維持低價的席位訂閱，而進階的AI功能則採用用量計費。
這種組合既能維持一定的經常性收入，又能從AI的高價值應用中獲取額外利潤。另一個值得觀察的現象是，AI定價模式的複雜度也隨之提升。過去，銷售軟體只要給出一張簡潔的價目表即可；現在，軟體廠商必須向客戶解釋「每個AI任務」的定義為何、如何計量、有哪些級距、是否設有上限。這些技術細節讓軟體銷售的難度增加，也對客戶的理解能力提出了更高要求。企業在採購AI驅動的軟體時，不能再像過去一樣只比較「每人每月多少錢」，而必須深入了解自己的業務流程，估算AI實際會處理多少工作量，才能準確評估總體成本。長遠來看，AI改變的不只是軟體的收費方式，更重新定義了軟體與企業之間的關係。
當軟體計價從「提供工具」轉變為「交付成果」，軟體供應商就不再只是一個技術供應者，而是在某種程度上成為了客戶營運效率的共同承擔者。這種模式若能成熟發展，企業將不再為了囤積授權而付費，而是為了真正解決問題、提升產值的AI能力買單。軟體產業的價值評估標準，也將因此從「裝機量」走向「成效量」。不過，這股變革目前仍處於早期階段。大多企業的IT預算編列習慣、財務部門的會計準則，以及軟體廠商的合約架構，都還是圍繞著傳統訂閱制運作。要讓「AI用量計費」成為市場主流，還有賴於更成熟的計量標準，以及更多成功案例來建立信心。
可以確定的是，Salesforce等大型軟體廠商的嘗試，已經為這個產業打開了一道門——未來，軟體怎麼賣、怎麼買，可能都不會再和過去一樣了。
Related
相關文章
一年半暴漲879%，佩洛西、AI股神都在搶這隻AI電力股
一年半暴漲879%，佩洛西、AI股神都在搶這隻AI電力股硅基觀察Pro·2026年09月01日 20:37AI電荒，捧紅Bloom 你能相信嗎？ 一家成立超過20年的燃料電池公司，竟然成了這兩年美股最瘋狂的電力股。 2025年初，Bloom Energy股價還只有22.21美元。截至今年8月25日，已經漲到217.45美元，一年半累計暴漲約879%。 更誇張的是，看好Bloom Energy還不是一般人。 “國會山股神”佩洛西，既買股票，又買看漲期權。25歲的“AI股神”Leopold，更是一度拿出接近十分之一的公開倉位押它。 為什麼這麼多人突然盯上Bloom？ 原因其實很簡單，過去的燃料電池雖然部署方便，但成本高，所以一直沒什麼市場。到了AI時代，情況發生了徹底逆轉： 電可以貴一點，晚一年不行。 於是，一門十幾年都沒跑出大行情的老生意，突然被AI重新定價。Bloom也從一家傳統燃料電池公司，站到了AI電力短缺這條最熱的主線上。 今天，硅基君就來說說這個故事。 “冷門股”Bloom終於等到了“缺電”的AI Bloom Energy的故事，最早可以追到NASA。 創始人K.R. Sridhar曾參與火星製氧項目，後來
CodeX記憶系統大更新
CodeX記憶系統大更新量子位·2026年09月01日 20:33Codex新版重做記憶系統，代碼已Merge。 Codex用著用著就要壓縮上下文、壓著壓著可能還“失憶”的痛苦，就要結束了！ Codex在其代碼庫中上新了一款_context工具，它可以讓Agent放棄反覆壓縮上下文，轉向瞭解自己還剩多少上下文空間。 結合新增的工作註釋和歷史查詢能力來看，Codex CLI可能正在醞釀一套新的長任務記憶機制，即： 當上下文窗口快滿時，Codex不再需要反覆壓縮舊對話，而是直接切換到一個新窗口；切換前Codex會細心留下工作註釋，切換後則可以根據需要查詢此前的完整對話記錄。 換句話說，Codex可能正在準備給自己加上一套“外部記憶”。 當窗口不夠用時，它就會帶著交接材料換到一個新窗口繼續工作。 而此前的聊天記錄仍然會作為檔案完整保留，如果Codex忘記了某個細節，它就可以隨時回到歷史記錄中查舊賬。 推上網友集體淚奔了——這種被AI氣得半死、打又打不到，對方還一臉無辜的憋屈日子終於要結束了！ Agent工作越久，記憶反而可能越模糊 Codex之前採用的compaction（也就是上下文壓縮）的辦法有一個bug，即壓縮很難
研究顯示：保險理賠員成為美國最反感 AI 的職業群體
作者：遠洋 責編：遠洋 評論： 9 月 1 日消息，據 WIRED 報道，在求職與職場評價平臺 Glassdoor 上，有一類人對人工智能的厭惡程度遠超其他群體。“把 AI 推到要求人類不再使用自己的思想和大腦，這實在令人反感。”一條具有代表性的評價寫道。
“生產力市場”大博弈
在AI技術快速滲透各行各業的當下，生產力市場正迎來一場前所未有的激烈博弈。從大型語言模型到輕量級專用工具，各大科技公司與新創團隊紛紛搶佔這塊極具潛力的賽道，試圖在辦公協作、知識管理、自動化流程等領域建立自己的優勢。這場博弈不僅關乎技術實力，更考驗產品定位、生態整合與用戶體驗的綜合能力。 近期，業內出現多款瞄準生產力場景的AI產品，包括「豆包」「豆包工作千問」以及「WorkBuddy」等，它們分別從即時問答、任務協作、工作流程優化等不同角度切入市場。
一家校園招聘平臺，一年多出10億美元的AI訓練生意
校招平臺Handshake轉型AI訓練業務年入近10億 Handshake的主業是幫大學生找到第一份工作，但是現在，它增長最快的生意變成了教AI怎麼工作，也因為激進的AI轉型成為硅谷關注的創業案例。8月31日，大學生校招平臺Handshake聯合創始人兼CEO Garrett Lord在最新播客中透露，公司過去一年多建立的新AI業務，已經從零增長到約10億美元收入，而且目前“已經能看到20億美元的預期”。
國產大模型出海“元年”，誰在海外市場淘金？
2025年被許多人視為國產大模型出海的「元年」。隨著中國AI技術快速累積，愈來愈多大模型團隊不再滿足於國內市場的驗證，而是開始把目光投向海外，試圖在全球AI競賽中占據一席之地。從底層模型到應用產品，從開發者工具到企業服務，「出海」已經從少數先鋒的嘗試，變成一股席捲整個產業的趨勢。 這一波出海浪潮的背後，首先是國內市場競爭的白熱化。過去兩年，各家大模型企業在中文語料、模型能力、價格策略上相互較勁，通用對話能力的差距逐漸縮小，單純在國內市場建立壁壘的難度愈來愈高。