二是價值形態(tài)的重塑。“智能體作為數(shù)字員工，要么給它發(fā)工資，要么做完一件事情給它報酬。”螞蟻數(shù)科副總裁余濱說，傳統(tǒng)軟件只交付工具，業(yè)務效果由客戶負責；但AI是任務驅動、結果導向的科技與業(yè)務的混合體，若無法說清價值，則只完成了一半職能，只能停留外圍，無法進入產業(yè)核心。
三是成本結構調整。IDC孫振亞表示，大模型時代推理與運維是持續(xù)可變成本，更適合按量或按結果計費。汪中也坦言，企業(yè)業(yè)務知識在持續(xù)更新，不斷有新的長尾情況出現(xiàn)，智能體需維持可進化、可學習的狀態(tài)，企業(yè)愿意通過效果付費綁定長期服務以維持效果。
行業(yè)預測，RaaS將成智能體時代主流模式之一。IDC預計到2028年70%軟件供應商將轉向按業(yè)務結果、交易量或自動化成果計費；德勤也指出，生成式AI與智能體將推動SaaS定價向“訂閱+使用量+結果導向”混合模式演進。
按效果付費（RaaS）正成為智能體落地核心路徑之一。IDC孫振亞告訴數(shù)智前線，該模式預計將率先在業(yè)務邏輯低歧義、產出結果可量化的場景中爆發(fā)，隨后逐步向復雜場景滲透。
電商營銷是RaaS落地最早也最積極的領域。中科深智CEO成維忠介紹，2024年年中，受行業(yè)內卷影響，客戶對數(shù)字人直播、短視頻等SaaS服務的實際轉化效果愈發(fā)關注，該領域ROI清晰可量化，試錯成本相對較低，已獲大量客戶認可。如他們提供的直播全托管服務，即從投流素材生成、千川投流和AI直播轉化全鏈路服務，企業(yè)可零成本開播，僅在達成約定結果時收費，或按比例從GMV中分成。
成維忠透露，AI直播與頭部IP主播仍有差距，但在素人直播中已優(yōu)于真人。例如，某電商與大MCN公司合作日均GMV約15萬，在同等ROI投流情況下，AI直播的日GMV也能做到這一GMV的40%-50%，同時人力與運營投入大幅減少，成本節(jié)省70%以上。他預計，兩年后電商行業(yè)內至少60%的服務將與效果掛鉤。
在短視頻投流場景，一款商品日均需3至5條高質量視頻，傳統(tǒng)依賴外包，成本高、效率低，難以規(guī)模化?，F(xiàn)在，AI自動生成素材，每天可以為每個品配置幾十條素材，跑出爆款素材的概率大大增加。成維忠舉例稱，“給你1萬元投流費，談好ROI是1:3，你能投得掉嗎？”于是，客戶與他們約定以真人制作素材效果為參照，要求AI素材在同等條件下“投得出去”且ROI相同；若未投出，預算無損失；若投出但ROI未達標，則按約定比例退還服務費。實測顯示，AI素材ROI與真人相當甚至更優(yōu)，且成本更低，效率更高。
金融行業(yè)尤其在營銷、理財、財富管理等場景已有試點落地。“我們會從結果導向非常明顯的產品先開始，比如運營、營銷類的，想清楚一個就擴展一個。”螞蟻數(shù)科余濱觀察，兩類客戶很愿意按效果付費：一類機構員工少、理財師短缺，亟需AI理財師獲客；一類機構員工多但優(yōu)質理財經理稀缺、易流失，希望將專業(yè)理財經驗植入大模型。
比如理財代銷場景，某項目中，客戶主動提出按代銷千分之二至千分之四分成，最終甚至將首年合作收益的100%給到螞蟻數(shù)科。
在營銷領域，2025年螞蟻數(shù)科還將智能體產品營銷模式升級為智能托管，銀行只需提供業(yè)務目標、預算和客群，智能體便平衡全鏈路各環(huán)節(jié)，實現(xiàn)整體ROI最大化，最終以交易規(guī)模增長凈值的萬分位到千分位收費。“目前我們合作的金融機構中，區(qū)域性銀行占比最高，能達到三分之二。”余濱透露。目前客戶多簽署3年戰(zhàn)略合作，有部分客戶甚至已簽署5年期合約。
百度智能云正與部分客戶在金融營銷場景試點按數(shù)字員工帶來的業(yè)績提升抽成。中關村科金總裁喻友平也透露，公司正探索銀行智能外呼等營銷拓展場景的效果付費，并已在部分汽車客戶中實踐智能外呼效果交付。“這很像廣告投放，企業(yè)給預算和轉化目標，達標則繼續(xù)發(fā)預算，不達標可能減預算或換合作方。”內部人士告訴數(shù)智前線。
在財務管理領域，AI可完成報銷審批、單據填寫等工作，部分智能體廠商已與客戶達成效果付費合作。
招采審查場景下，“任務波動大，需長期維持峰值人員配置，易造成冗余。但每個人能花多久干多少事，有很明顯的參照值。用AI提效時，完全可以效果付費代替內容采購。”眾數(shù)信科汪中說，其團隊已為客戶交付一期招采智能體定制，后續(xù)客戶計劃擴展至全品類。按傳統(tǒng)做法應再按項目報價，但目前雙方已敲定為階梯效果付費模式，按智能體處理案件數(shù)量及準確率分段計費，客戶也愿意以此綁定長期服務，平攤一次性費用。
汪中觀察，2025 年業(yè)界仍以信息化建設、Agent定制等交付型收入為主，但2026年客戶在智能體擴容時，開始計劃使用非信息化預算，如從設備運維的費用預算、招采人力預算等中列支智能體服務費。
工業(yè)領域如節(jié)能、質檢、質量管控等，單點項目金額幾萬至幾十萬元，可按效果收費；而大額、復雜項目因效果難衡量，仍以傳統(tǒng)模式為主。中工互聯(lián)智振表示，他們作為技術方提供AI產品，按產品收費；下游運營公司則將AI打包為“AI+節(jié)能”等服務，按實際節(jié)能效果向客戶收費。“2026年AI落地肯定會加快，一旦運用多了，各種模式就都有了，但越小的場景效果付費越適用。”
在CRM領域，銷售易銷售副總裁徐曦告訴數(shù)智前線，在全鏈條上，按結果付費的點非常多。之前產品設計中，全部功能打包在一起，沒辦法按結果來付費，現(xiàn)在對于產品要做一個SKU的再包裝，某些點引入AI能力之后，可單獨來計費。
盡管智能體RaaS模式趨勢明確，但規(guī)?；涞厝悦媾R多重挑戰(zhàn)。
效果歸因難、量化標準不統(tǒng)一，是最核心的障礙。企業(yè)業(yè)務增長由市場、運營、產品等多因素共同驅動，如何精準界定AI智能體的貢獻占比？目前行業(yè)尚無統(tǒng)一評估體系，大多只能“一事一議”。
銷售易徐曦舉例稱，CRM從按賬號收費轉向按效果付費，需重新設計和定義很多東西。比如，CRM全業(yè)務鏈條長、環(huán)節(jié)多，從A到Z整體按結果付費極難，需拆解到單點考核并設計SKU。其次，標準要統(tǒng)一，例如“工單完結”的定義就存在分歧，是接收了叫完結，處理完叫完結，還是寫入知識庫叫完結，大家標準都不一樣。
螞蟻數(shù)科AI原生事業(yè)部總經理王磊則認為，不必強行區(qū)分人與AI的貢獻，二者并非對抗關系，更適合從增量收益切入量化效果。如理財師借助AI從過去最多服務200人到現(xiàn)在可以觸達2000人，銀行從過去只能服務高凈值人群到現(xiàn)在也能覆蓋5萬元以下客群，通過對比其工作記錄、客戶觸達量、銷售數(shù)據及AUM等指標，就能量化AI帶來的效果。
不過，多位行業(yè)人士坦言，不同客戶的訴求、合作邊界、條款差異極大，很難用一套模式通用，商業(yè)談判復雜度遠高于傳統(tǒng)軟件。業(yè)界普遍認為，建立公平透明、雙方信服的評估與追蹤體系，將是RaaS落地的關鍵前提。目前，業(yè)界已出現(xiàn)專門的AI定價管理工具，如Outreach CEO Manny Medina 創(chuàng)建的Paid，專為AI公司提供定價相關服務。
IDC孫振亞觀察，目前，客服、營銷等高確定性場景的量化較為容易，行業(yè)通用指標如工單處理量、有效線索數(shù)、成交轉化率等即可作為計費依據。而對于難以直接量化的復雜場景，如創(chuàng)意設計、戰(zhàn)略輔助，行業(yè)正在探索早期。
另外，效果評估是一項連續(xù)性工作。“我們今年很難預估到一年之后怎么去做。”螞蟻數(shù)科王磊說，他們的做法是，按時間節(jié)點設立考評標準，結合用戶增長、AUM提升等指標，快速檢驗效果并跟客戶進行合理的價值分配。
其次，收入模式的轉變也對服務商提出更高要求。從穩(wěn)定的項目制、訂閱制，轉向隨客戶業(yè)務波動的效果分成，服務商需做好成本控制、現(xiàn)金流管理與場景篩選。孫振亞表示，部分復雜場景的前期建設與磨合成本，難以通過效果分成完全覆蓋，這是服務商需權衡的難題。
此前，曾有不少項目卡在PoC階段，核心原因就是ROI算不過來。眾數(shù)信科汪中舉例，建筑圖紙審核、律所合同審查等場景，即便AI效果達標，也因行業(yè)人力成本極低，企業(yè)更愿意直接雇人，而非投入AI。因此，服務商普遍開始精選場景，優(yōu)先選擇專家依賴度高、業(yè)務價值大、能明顯拉開AI與人工差距的領域。成維忠也表示，在按效果付費時，他們會優(yōu)先合作自身業(yè)務基礎好、落地輕松、盈利性更強的客戶，規(guī)避無效投入。
第三，RaaS正在重構服務商的組織架構與服務能力。按結果交付，不只考驗技術，更依賴廠商的行業(yè)Know-how積累、業(yè)務理解和持續(xù)運營能力，缺乏垂直行業(yè)經驗與關鍵業(yè)務數(shù)據沉淀的廠商將難以交付高價值的業(yè)務結果。
“一旦走上RaaS，對技術公司也是全面的一個變化。”成維忠舉例稱，電商行業(yè)迭代以天為單位，服務商必須緊盯平臺規(guī)則、全鏈路協(xié)同，技術人員要深入一線看數(shù)據、做優(yōu)化，及時調整產品與客群。為此，他們已在組織架構上調整，從重銷售，轉向重運營與重服務。行業(yè)人士認為，未來智能體服務商的核心競爭力，一是能沉淀運營數(shù)據、反哺算法的數(shù)據飛輪，二是能穩(wěn)定保障效果的深度運營能力。
第四，風險管控與責任劃分仍是懸而未決的難題。尤其在金融、醫(yī)療等合規(guī)場景中，AI決策失誤還可能引發(fā)法律糾紛。當前，AI決策的責任歸屬尚無清晰法律界定。孫振亞強調，廠商必須建立完整治理體系，解決權限管理、幻覺規(guī)避、結果可解釋、邊界處理等問題，這比傳統(tǒng) SaaS 的合規(guī)要求高得多。
而需要明確的是，RaaS并非萬能范式。業(yè)界普遍認為，未來將是多種商業(yè)模式并行，傳統(tǒng)項目制、SaaS訂閱制與按效果付費各有適配場景。
快報
根據《網絡安全法》實名制要求，請綁定手機號后發(fā)表評論