2026年企业AI采购变天：从买模型转向买「结果」

过去两年，企业采购 AI 的基本形态是”买 API 额度”。到了 2026 年，越来越多合同上写的不是 token 数，而是**“每处理一单多少钱""每节省一小时多少钱""每解决一次咨询多少钱”**。

这不是营销话术的包装，而是整个行业的计价逻辑在迁移。理解这个迁移，对买方和卖方都很重要。

一、为什么会变

买方：不想为”不确定性”付固定成本

按 token 付费，意味着使用越多付越多，但能不能解决问题并不确定。财务部门对这类支出的容忍度很低——它既不是固定成本，也不是可预测的变动成本。

卖方：模型成本在下降，价格战打不动

基础模型调用价格持续下探，单纯卖 token 的毛利被压缩。而客户真正愿意付高价的，是”这件事被搞定了”。卖结果的定价上限远高于卖资源。

技术：效果变得可计量的前提

只有当一个任务的结果可以被清晰判定（一单是否处理成功、一张单是否核对一致），按结果计价才可行。AI 在这些可判定的任务上变可靠了，才让这种计价成立。

二、三种主流计价模式

模式一：按结果（Outcome-based）

典型形式：每成功处理一单 X 元，未成功不计费。

• 适合：结果可自动判定的任务——票据识别入账、自动对账、工单分类、文档审核。
• 买方优势：风险转移，效果不好成本自动下降。
• 买方风险：供应商会选择性接单，把难的挑出来退回人工，导致”成功的都是简单的”。合同里必须写清接单率下限，否则单价再低也没意义。
• 另一个陷阱：“成功”的定义。是模型认为成功，还是下游系统确认通过？必须以下游为准。

模式二：按席位 + 用量

典型形式：每个席位每月固定费 + 超出额度按量计。

• 适合：面向具体岗位的工具——写作、编码、分析、客服辅助。
• 买方风险：席位买多了闲置、买少了排队。建议先按真实活跃用户数（近 30 天有使用）而非账号数签约，并要求季度弹性调整。
• 关键条款：超额单价必须写死，且不高于首年价，避免续费时涨价。

模式三：按节省（Savings-based）

典型形式：按节省工时或成本的固定比例分成。

• 适合：流程明确、工时基线可测的场景——财务月结、合同审阅、代码审查。
• 买方风险：基线怎么定。供应商倾向于用”理论上的人工耗时”做基线，导致节省被高估。
• 正确做法：上线前用 4～8 周实测基线，双方共同签字，之后按同一方法度量。

三、合同里最容易吃亏的五处

1. 效果未达标的退出条款：只写”双方协商”，等于没写。要写明未达标时的单价下调或终止权。
2. 数据使用边界：训练数据是否使用你的业务数据？要明确禁止或要求单独授权。
3. 模型变更通知：供应商换底层模型可能让效果大幅波动，应要求重大变更需提前通知并保留旧版本。
4. 人工兜底责任：AI 出错造成的损失谁承担？至少应明确”人工复核环节缺失导致的错误由买方承担，模型本身缺陷由卖方承担”。
5. 锁定与迁移：提示词、知识库、评测集、历史记录能否导出。这一项在换供应商时价值极高。

四、买方的新功课

按结果付费听起来很美，但它把度量能力的责任推给了买方。如果你无法准确判断”这一单成功了吗”，按结果计价就无法执行。

所以企业在 2026 年真正的功课是建三样东西：

• 可判定的验收标准（每条任务什么叫成功）
• 可复核的基线数据（人工成本、工时、错误率）
• 可对比的评测集（换供应商时用同一套题）

有了这三样，谈判筹码就完全不同：你可以说”用我的 30 条测试集跑一遍，成绩低于 85% 不进入下一轮”。没有度量能力的买方，在任何计价模式下都会吃亏。

五、给卖方的一句话

按结果计价意味着你要为失败买单。这不是风险转移，是把自己变成真正的服务方。能做这件事的公司，往往已经把评测、监控、人工兜底链路做扎实了——这恰好是 AI 落地最难的部分。

计价模式的迁移，本质上是行业从”卖能力”走向”卖责任”。这对整个生态是好事。