“結果付費” 能救企業軟件？

在中國企業軟件圈，幾乎每一個做 AI 的創始人都在思考一個問題：我的產品能不能只為 “結果” 收費？

在中國企業軟件圈，幾乎每一個做 AI 的創始人都在思考一個問題：我的產品能不能只為 “結果” 收費？

客戶不再愿意為工具買單，他們要 “提效” “增收” “降本” 的明確回報，最好還能簽個對賭協議。結果導向，似乎成了下一個時代的生死門檻。

但問題是，結果到底怎么定義？能不能交付？客戶認不認？這不是一句 “按結果付費” 就能解決的。

同時，“結果付費” 似乎也正成為企業軟件領域最具爭議和期待的新范式。

在近日舉辦的 2025 AI Cloud 100 China 榜單發布會上，崔牛會創始人&CEO崔強主持了一場圓桌對話，與群核科技聯合創始人&CEO陳航、影刀RPA創始人&CEO金禮劍、硅基智能創始人&董事長&CEO司馬華鵬、像素綻放PixelBoom（AiPPT.com）創始人&CEO趙充，深入探討了“從軟件訂閱費到為 GenAI 結果付費，AI 如何重塑收入模型？”。

崔強在開場便拋出核心問題：99% 的企業軟件是否注定無法實現 “按結果收費” ？而那可能的 1%，究竟長什么樣？

對 AI 企業來說，問題并非 “能不能收費”，而是 “為誰交付、交付什么、怎么收錢”。

陳航認為，核心不是模式，而是客戶是否真正認同你的產品價值 —— 只要客戶認可，總能找到合適的變現方式。他強調，AI 落地場景的本質是效率和產出之間的匹配，“訂閱” 與 “結果” 其實只是兩種手段。

金禮劍則提出，AI 的角色不再是簡單的工具，而應成為能參與企業流程甚至組織決策的一環。但前提是你必須能定義清楚 “結果” 的邊界，否則就難以形成合理的商業閉環。

趙充則提供了另一種答案：在 ToC 與 ToB 之間，他選擇了 “創意表達” 場景的切口，用混合付費模式探索廣義的結果交付 —— 哪怕只是節省了 2 小時做 PPT 的時間，也是一種可感知的結果。

而司馬華鵬，則更堅定地站在 “結果付費” 的一端。他將 AI 比作能對賭業績的“高管”，強調只有深度參與產業、分擔業務 KPI，AI 企業才能獲得真正的高價值回報。他曾直言，“不能幫客戶賺100萬的AI，不算好AI。”

五位嘉賓最終的討論回到了最本質的問題上：什么是 “好結果” ？誰來判定？又該如何定價？

面對這些問題，答案也許還未統一，但共識正在形成：AI 時代的企業軟件，終將走向角色化、結果導向和價值閉環。

而 “結果付費”，或許正是那扇通往新范式的大門。

以下是經牛透社編輯整理的對話內容：

不是所有軟件都能 “按結果收費”

崔強：今天我們討論的話題是 AI 是否會重塑傳統的軟件訂閱收入模型。昨天我在杭州和一群創業者聊到了類似的問題，我們有一個結論：大概 99% 的企業軟件無法實現 “結果付費” 的交付模式，真正有可能做到的，可能只有 1%。

前面的分享有嘉賓提到，廣告行業其實早期就是結果付費的代表。那么問題來了：是 AI 催生了結果付費的發展，還是結果付費本身就存在，只是 AI 加速了它的落地？

另外，我也想請各位嘉賓分享：你們有沒有嘗試將訂閱模式向結果付費做轉化？如果嘗試過，效果如何？

陳航：我們做的是空間智能方向，其中最廣為人知的產品是酷家樂，目前已經拓展到家居、連鎖、電商等不同空間場景設計、工業制造、智能體訓練等多個行業，服務對象也涵蓋了各類客戶。

第一要素是用戶價值：客戶是否愿意使用你的產品，這才是核心。只有 “1” 成立了，也就是客戶真正認可你，后面的商業模式都可以靈活適配。說到底，只要用戶愿意買單，總有辦法收費。

AI 出來之后，對于很多公司尤其是涉及 3D 訓練、視頻生成的，會面臨供給和模型成本非常高的問題。如果你要做到足夠好，還得付出昂貴的云服務成本。這種情況下，按 “結果” 計費是合理的，比如 OpenAI 本身也是這樣。

所以還是那句話，“1” 更重要，模式是其次。

我們服務了很多行業，收費方式其實取決于幾個關鍵因素。前提是先假設你的邊際成本不是特別高，或者可以視為常量：

• 如果客戶的用戶群很大，比如面向大量銷售人員，訂閱模式更適合；
• 如果客戶的用戶本身就不多，那就要看效果了，可能更適合按結果收費。

AI 的加入，核心還是看是否真正提升了效率。它同時也帶來一個重要區分：

• 你的產品是解決營銷問題，還是解決成本問題
• 如果只是成本中心，那很難推動客戶長期訂閱，結果收費更有可能；
• 如果你的產品是營銷工具，能帶來更多銷售人員產出，甚至幫助企業擴大規模，那訂閱模式就更容易成立。

還有一個維度是用戶屬性：ToC 的產品更容易推行結果付費，ToB 的企業軟件則需要更復雜的說服和邏輯自洽。

所以總結來看，定價模式要考慮的三大因素是：

1. 服務對象人多還是人少？

2. 面向的是成本中心還是營銷中心？

3. 是 ToC 還是 ToB？

金禮劍：我們做的影刀 RPA 產品，最初是通過邏輯規則實現自動化，替代一些重復性強的工作。AI 出現之后，能力邊界拓寬了，不僅能執行規則，還能處理部分決策類的任務。

從客戶角度看，他們始終是為 “結果” 買單的。因此在銷售過程中，我們會深入企業的實際場景，了解員工日常的工作流程，并幫助客戶識別：哪些環節是可以被影刀替代的，這本質上也是一種面向結果的銷售邏輯。

雖然現在 AI 具備了更強的能力，但目前我們在收費模式上仍以訂閱制為主。整體邏輯是：圍繞客戶期待的結果，銷售我們的產品，以此來實現收費。

崔強：通過模型把這個問題泛化。

趙充：我們整體在做 AI Office 全家桶，核心產品是AiPPT.com，此外還有 AI 表（AiBiao.cn）、AI 好記（AiHaoji.com）等多個產品。

我們與上一代工具型產品最大的區別在于：我們直接交付結果，而不僅僅是提供工具。傳統 PPT 工具是把工具交給用戶，用戶還得自己找配圖、做內容；而我們直接幫用戶把內容生成好、PPT 做出來 —— 交付的是完整成果。

在變現模式上，我們采用混合收費：基礎功能采用訂閱制，一年內生成幾千個 PPT，價格是 119 元。

但如果用戶有更專業的需求，比如：

• 接入特定的知識庫（如，政企版本里接入主流價值觀語料庫以及增加內容審校）
• 企業定制 VI 品牌配色、Logo、字體和企業定制模版
• 協作類高級功能

這些都需要單獨付費。

也就是說，我們以 “交付結果” 為核心，同時在不同使用場景下采用差異化、混合式的變現模式。

司馬華鵬：我們是硅基智能，做的是數字人產品。相比在座幾位，我們產品單價可能是最貴的，AI 直播產品平均每套在 6～10 萬元。

我非常看好按結果收費的模式，也做了很多實踐，我認為這是真正突破 AGI 的必由之路。

為什么我們能賣這么貴？因為確實有不少客戶用我們工具創造了巨大的價值。

我舉個例子：我們今年為一家只有十幾個人的直播公司提供了 AI 能力賦能，這個公司今年 AI 直播營收預計會達到 1 億。我們也在嘗試通過深度合作獲得適當比例的收益分成。

大家都知道羅永浩最近的 AI 直播，一場下來據說能賣 5000 多萬，剛剛好他昨天也在論壇現場。

但我的問題是：如果這真的是能帶來上千萬收益的工具，賣多少錢？收多少訂閱費才合理？很明顯參與分配更加合理。

從去年開始，我們就在不斷實踐 “按結果收費” 的路徑，尤其在直播場景已經成功落地。有個國外客戶一年用 AI 賣出上億美元 GMV，我們能從中鎖定比例進行分成，這就是結果付費的直接體現。

此外，我們還用 AI 打造了多個網紅 IP，直接用這些 IP 的流量幫客戶獲取收入。4 月開始，我自己也花了兩個月時間，用我們的 AI 能力將我 “變成” 一個近千萬粉絲的知識博主。現在賬戶一個品牌廣告的報價是15~20 萬，今年預計廣告收入能做到大幾千萬。

這也是從賣工具訂閱費用走到了賣結果，只是我是個特殊客戶。

2023 年 AI 大模型熱潮時我曾經提出一個觀點：“不能幫客戶賺 100 萬的 AI，不算好 AI。”如果你的 AI 產品只敢賣 19 美元一個月，那它創造的價值應該不會比這個價格高很多。

我們有些產品之所以敢賣幾萬、幾十萬美金，是因為我們看得清楚客戶使用 AI 所帶來的直接效益。真正能做到按結果收費的 AI，才稱得上 “有價值的合作伙伴”。

我們要在這條路上孤獨的走下去。

崔強：現在的 AI 產品，不只是交付工具，還需要提供咨詢服務，甚至要貼身陪跑、親自下場幫客戶做事，這已經是在偏離 “工具” 本身的范疇了，不是嗎？

司馬華鵬：純 AI 工具創造的價值，隨著競爭加劇，給客戶報價格一定會越來越低，甚至走向免費和開源。

就像最近很火的泡泡瑪特創始人王寧講的，凡是 “有用” 的東西最終都會卷進價格戰，因為 “有用” 本身意味著高度可替代。

相反，泡泡瑪特做的是 “無用之用”，比如：Labubu，雖然功能性不強，但帶來了巨大的情緒價值，還有投資屬性，隨手轉手可能就能賺幾倍。

所以回到 AI 競爭本質，我們要避免陷入價格戰，而是要真正為客戶創造價值，并通過結果分成獲得收益。

比如自動駕駛技術一旦成熟：你是像特斯拉一樣自營出租車運營公司，還是把技術賣出去？道理顯而易見。

再比如，如果你開發了一個 AI 炒股軟件，它能夠炒股賺錢，你是直接賣軟件，還是自己用它自營炒股賺錢？用最基本的經濟學常識就能得到答案。

與其吹噓你的 AI 能提升多大的效率，不如親自下場，用它幫客戶賺錢，最后參與分潤，深度參與行業變革。

我們已經在短視頻、直播、情感陪伴等領域實踐了這一點，并建立了大量自營業務。預計未來我們自營收入將占到整體收入的 2/3，而傳統賣軟件的收入占比會逐步下降。

結果付費，會走向 “深水區” 嗎？

崔強：這次邀請四位嘉賓對話，我突然發現你們的產品都偏向工具層面，幾乎沒有涉及到管理層面。這也可能代表了一部分人的聲音。

“結果付費” 的概念被廣泛使用，但它到底意味著什么？按結果付費，最終可能意味著深入到產業鏈的各個環節，一旦這樣，事情就變得復雜，難以保持工具本身那種快速復制的特性。

我想問：未來真正的結果付費，是否會沿著這條深入產業鏈的方向發展？

趙充：結果付費有很多層次，不一定非得深入客戶生意幫他賺錢才算交付結果。

比如我們客戶的客單價也有很高的，有幾十萬的，針對的是政府辦公提效這樣的結果交付。顯然，我們做不到幫你寫一個融資用的商業計劃書的 PPT，然后從融資收益里分錢，這不現實。

但我們能做到的是，把客戶原本需要 2 小時完成的 PPT 工作縮短到 2 分鐘，他愿意為這個結果付費。很多企業老板認可這一點，比如美的的老板明確表示不寫 PPT 了，公司直接采購我們的產品。

除了訂閱收入，我們也提供個性化的 PPT 制作和定制服務。我們背后有龐大的創作者生態，中國大部分 PPT 領域專業創作者都在我們的社區，能接活幫客戶交付成果，這也是一種結果交付的體現。

崔強：昨天在 “杭州論劍” 討論時，我很羨慕香港市場。比如做一個表單處理，就能帶來 15 萬港幣的收入。

很多工具類產品本身并不涉及復雜交互，更多時候是依靠生態合作伙伴幫客戶實現交付，實際上這也是一種結果交付。無論是幫客戶節省十倍的人力，還是直接帶來收入增長，企業軟件面臨的最大難點是什么？

金禮劍：數字化的本質，是為了應對人力資源中的各種不確定性。員工可能隨時離職、需要不斷培訓，這些都是隨機性因素。人類社會的發展，從采摘時代到農耕，再到如今的數字化，都是在追求更高的確定性和柔性制造能力。

結果付費，本質上是我們對確定性的追求。過去客戶購買軟件時，會反復探討軟件能帶來什么價值，內部做大量驗證，最終才會堅定地走向結果付費的方向。

但我們面臨的最大難題是，影刀的應用場景非常多樣，價值難以統一衡量。要做結果付費，比如 “幫你操作一次點擊收多少錢”，難度極大，因為每個崗位的價值不同。

因此，我們目前只能采用訂閱模式收費。但從用戶需求和我們希望傳遞的價值來看，本質上還是按結果交付。

崔強：你提到數字化是解決用戶不確定性的焦慮。前幾個月我們也討論過，如果每個人都拿著 “加特林”（強大工具），A 公司和 B 公司都具備類似能力，在中國市場競爭激烈，快速卷起來，價格優勢很快消失，那該怎么辦？

陳航：我們目前已經是全球最大的空間設計平臺，同賽道里擁有最多的月活躍訪客數。

這并不影響不同企業的使用效果：A 企業可能用得更好，B 企業用得稍差。A 企業借助新的 AI 技術，實現了更智能化和更高效的運營；B 企業則通過我們的系統對接，實現了設計與生產的一體化。

如果我們的軟件過于單一，不能覆蓋更多維度需求，那就是我們的短板。我們需要在這個泛場景下解決更多問題，這對底層引擎能力提出了更高要求。

此外，如何做好系統集成和組織管理，也是一大挑戰。

核心還是要把自己的軟件做到極致，確保產品和服務遠超競品。

陳航：AI 帶來的變化可能會更快。我們需要更敏銳地捕捉新的技術，并將它們集成到自己的體系中。比如 VAST 的Tripo AI，通過圖片生成精細的 3D 模型，然后直接導入酷家樂平臺，這樣上下游協同效果很好。

我們應該更好地整合新的 AI 能力。回顧十年前移動互聯網爆發的時代，雖然當時涌現了很多創新企業，最終仍是幾大巨頭占據主導。

那些在上一輪積累中成長起來的企業，應該在當前時代更積極地擁抱 AI。畢竟我們的創始團隊仍在，而不像美國一些公司創始人已經離開。

結果付費的底層挑戰：誰來定義價值？

崔強：我想提一個問題。最近紅杉的會議里，大量討論結果付費這個話題。先不談我們自己做的業務，面向整個企業軟件的大市場，往結果付費方向走，最大的挑戰是什么？

司馬華鵬：我們把 AI 看作一種 “生命體”，一種硅基勞動力，按結果付費的邏輯，其實就像招聘一個員工，敢跟你對賭業績，而不是對賭工作時間。

目前，企業里大多數員工是對賭時間，也就是說，員工上足了班發多少錢；但少數優秀員工會說：“我今年幫你完成多少業務，拿多少提成。”

一個好的 AI 應該更像這樣的高管，而非普通員工。

從生物進化角度看，如果一家公司有 1000 個 AI 為客戶工作，我希望實行多勞多得的制度：表現好的 AI 獲得更好的算法和算力支持，表現差的則減少資源。這樣形成一種新的生產關系，通向 AGI 的生產關系。

以我們 AI 直播為例，每個客戶算力配置是平均的，但效果差異巨大：有人用同樣資源賺千萬甚至億元，有人則效果平平。未來的 AI 不應是平均輸出，而應基于個體成長和發展獲得差異化資源。

目前全球大模型發展受阻，我認為這不僅是 AI 作為勞動力的問題，更是 AI 面臨落后生產關系引起的問題。回想 1978 年以前的中國，大鍋飯導致不少農民再努力也吃不飽，直到家庭聯產承包責任制釋放了生產力。AI 的發展同樣需要突破落后的生產關系，避免 “大鍋飯” 式的平均主義。

舉個例子，我們的 AI 直播客戶，一個直播間我們給他每月投算力算法價值幾百萬，但能賺回幾千萬，使用的都是最先進的算法，甚至是定制算法，這推動了 AI 的 “物種進化”。平均主義只會導致平庸主義。

假如未來有一萬輛自動駕駛汽車出去完全自主干活賺錢，如果收益無法讓 AI 系統分享到，無法獲得好處，這些算法就會趨向于讓這些車停在原地。反之，如果 AI 能獲得正反饋，得到投資和激勵，最終 AGI 的發展才真正有望突破。

如果未來硅谷出現一家能包寫論文、甚至包拿諾貝爾獎的 AI 公司，這將對我們這些做工具的企業沖擊巨大。

現在兩國在人工智能上競爭激烈，如果美國那邊 AI 公司追求 “造上帝”，我們只是專注于找到小場景落地，長期競爭之后，就會拉開巨大的差距，我們這些中國創業者有責任在戰略上做好布局，為國爭光。

目前大模型市場仍在價格戰的競爭階段，這屬于低級競爭。我們需要更多像王寧這樣有深度思考的企業家，跳出低端競爭邏輯，開發出擁有核心技術且敢賣高價的 AI 產品，基于基于真實客戶價值參與結果分成，這才是 AGI 發展的關鍵。

如果只從勞動力層面看問題，目前的 AI 就像 1978 年以前的我國農民，努力也難有突破。只有賦予 AI “多勞多得加雞腿” 的能力，真正提升其價值，才能迎來下一個 AGI 時代。

崔強：我覺得最核心的挑戰是環境和價值機制。有沒有一個獎懲體系，能夠保證 AI 能 “包教包會”，還能 “包分配” 收益？聽了大家的分享，我深有感觸。

趙充：這個問題的核心是如何定義不同工種的價值。

以寫 PPT 為例，制作一份 PPT 可能涉及兩個工種：一個是博士水平的內容搜集和整理者，能夠理解上下文并撰寫文字內容；另一個是設計師，負責視覺和表達的美化。這兩類工種月薪可能分別是 2 萬和 1 萬，加起來大約 3 萬。

不同場景下用戶對價值的感受也不一樣。比如我們有個場景，是幫大四學生把畢業論文做成 PPT，用戶愿意支付的價格大概是 39 元一個月。

8 月底，我們將推出基于 Agent 的 PPT 版本，能夠模擬投資人或咨詢分析師的水平，利用深度調研能力做呈現，這種服務的價值可能達到幾百美元。

本質上，我們是用 Agent 替代一個人甚至一個團隊。如果能把各個工種的價值準確量化，收費模型就能據此做調整。

歸根結底，和司馬兄的觀點一樣，本質就是 “賣人”。

司馬華鵬：硅谷的 Palantir 這類公司已經號稱利用 AI 幫助客戶 “打贏戰爭”，這是真正意義上的結果導向型企業。

如果中國未來沒有出現類似這樣的公司，我們不僅在基礎大模型上會落后，更會在商業落地能力上產生巨大差距。

崔強：既然不同工種的定價差別很大，從幾百到幾萬不等，那么你的產品會根據不同角色來定價嗎？或者說，你會讓不同角色分別購買不同的服務？

趙充：是的。我們有專門的黨政版本，針對公務員設計的 App，外掛主流價值觀語料庫、紅色模板和內容審校。這個版本的定價比標準版貴五倍，標準版是 99 元，黨政版定價 499 元。

醫療、金融、教育等行業也有不同的差異化定價，主要根據知識庫內容的獲取難度來區分。

金禮劍：我認同趙充的觀點，核心問題還是我們如何衡量和量化產出的結果。

比如，一家公司的銷售業績可以直接按照結果付費，但市場部門的工作很難用明確的結果來衡量和付費。整體來看，企業輸出的結果系統非常復雜，很難想象 CRM 或 ERP 這類系統能全面采用結果付費。

結果付費更適合那些具體且可量化的場景。

陳航：這是一個好時代，AI 帶來了很多新的變量。過去大家習慣按賬號收費，變量少、可調參數少。現在用戶價值確定的前提下，關鍵是找到客戶愿意接受的收費方式，同時實現最大收益。

剛才提到的黨政模板和普通大學生 AI 等級的區別，說明了針對不同客群要做差異化匹配。背后涉及很多維度，關鍵是客戶需求的多樣性。

我昨天聽了很多分享，感覺大部分創業者還沒深入行業邏輯。我們公司經歷了十幾年創業，打穿了大行業，也在特定行業做了探索，會有更多思考。

新一代 AI 公司靠一個接口和 API 起量固然快，但后續必須了解客戶是誰，行業背景，具體環節，內部組織結構等。

中國企業常說按結果付費，但從老板層面到組織和 HR 體系，解決不同層級的認知差異很難。老板覺得好，具體到每個人如何購買、如何消耗 token，還有很多問題需要解決。

只有深入行業細分，才能帶來真正的變革。正如那句話，只要你的價值夠好，“買的不如賣的精”，總能找到解決辦法。

“好結果” 誰說了算？

崔強：我有一個一直困擾的問題：“好的結果” 到底如何定義？最終評價權在客戶手上，那我們怎么判斷什么是 “滿意” 的結果？

另一個擔憂是：客戶可能永遠不滿足。在這種情況下，如何制定一個明確的付費標準？怎么交付一個客戶認可、且我們也能接受的結果？

司馬華鵬：我們服務金融行業已有六七年。如果你把軟件賣給銀行，那挑戰的就是它的 IT 部門，它是你的對手。我們每年對一家銀行的銷售額可達幾千萬，但一旦超過某個閾值，他們的研發團隊就會建議自研代碼替代對外采購。這就是中國 SAAS 普遍的困局。

但如果你賣的是 “結果”，情況就完全不同了。

我們曾服務過一家銀行，其年度營銷費用達數百億元。如果我們參與并拿到 3%-5% 的分成，那就是幾十億的收入規模。中國曾有不少互聯網金融公司幫助銀行發放貸款，利潤極高。但后來政策限制，這種模式被叫停。

現在我們更傾向于直接與業務部門合作，因為他們有KPI壓力。例如，曾經一家銀行計劃發行千萬張信用卡，每張卡的提成是 100 元以上，這就是一筆高達幾十億元的生意，而我們的 AI 完全有能力承接這類營銷任務，從打電話到短視頻到直播，其實 AI 的營銷能力是很高的。否則，他們的信用卡發卡員還在拉著拉桿箱滿街地推。

跟美國相比，中國 SaaS 發展不起來，很大的原因是不敢包結果。但互金行業證明過，這條路是可行的。只要敢于承包營銷和交付結果，就有可能出現 “悶聲發財” 的 AI 公司，真正為大 B 端承擔結果并獲取高額分成。如果只賣工具，面對的是 BAT 這樣的巨頭，它們可能就在你剛發現 PMF（產品市場契合）100 米外等著你，很快利用流量和資本優勢把你干掉。

未來中國能出現百億、千億收入規模的 AI 公司，關鍵是要圍繞 “賣結果” 來做。美國靠 SaaS 訂閱做出了一批上億美金的 AI 公司，而中國一定要靠結果付費模式來走出自己的 AI 路徑。

崔強：賣系統、賣工具，更多是面向專業用戶，通常是 IT 部門；而賣結果，則是面向業務部門，比如營銷、人力這些需要直接交付業績或成果的團隊。

司馬華鵬：對。賣給 IT 部門的時候你是它的對手。

崔強：IT 部門覺得你在動它的奶酪。

司馬華鵬：他們會覺得自己可以做。

趙充：我們的商業模式與司馬兄不同。我們服務的對象是全球超過 10 億的白領、老師和學生，其中很多并不屬于業務崗位，也沒有盈利訴求。像 HR、行政、教師和學生這類用戶，即使使用我們的產品，也不涉及按 “結果” 付費。我們走的是廣度路線，而司馬兄更多是深入產業鏈、走深度路線。

盡管如此，我們也可以衡量交付的 “結果”。例如在做結構化 PPT 時，需要外掛各種行業知識庫和企業知識庫，還要有優質配圖。我們集成了 5 億張版權圖片，提升圖文并茂的表現力。

此外，我們還有 AI 表產品，幫助用戶進行可視化呈現。每個場景下的呈現需求也不一樣，我們重點聚焦在這些 “創意表達工具” 的環節。

比如 “論文變 PPT” 這個場景，用戶會要求封面帶有自己學校的地標性建筑。北大的學生如果用了清華的模板，就不會滿意。

這種深度場景化的理解和交付，是我們產品思考的重點。

崔強：只有 AI 能做到這一點。傳統通過量化方式很難實現，因為 AI 能夠識別你是誰，并據此精準匹配和生成你真正需要的內容。

金禮劍：司馬提到中國軟件發展的難點，我認為很大程度上是因為在沒有 AI 之前，軟件的產出價值不高，客戶很難直觀感知到其價值。

但現在有了 AI，能直接呈現更高價值的結果，客戶的感知更強，付費意愿也明顯提升了。

這是我在市場中切實感受到的變化。

陳航：什么是 “好的結果” ？在我看來，客戶認可的結果就是好結果。很多客戶并不關心你交付了多少細節，只要產品 “能用” “用得順”，他們就愿意買單。

關鍵在于怎么在用戶和客戶之間找到平衡點。我一直強調第一步要關注用戶，尤其是在 AI 快速演進的時代。但發展到一定階段后，就必須面對用戶和客戶之間存在的結構性矛盾。

比如老板希望省錢、提高營銷效果，但 IT 部門可能會說我們自己做更便宜。最終必須在這之間找到一個平衡點，形成一個適配的生態結構。

我認為這需要一個過程，大多數人對 AI 的接受沒那么快。

AI 帶來的 “造神” 式能力，與我們中國講求 “共同富裕” 的社會背景之間，也存在一定的張力。

從個例到主流：結果付費的未來已來？

崔強：大家用一句話來判斷一下：未來 3 到 5 年，結果付費會不會從個例走向主流？未來的 “結果” 可能有很多種形式，不只是收入提升，還包括提效、降本等。你們怎么看？

司馬華鵬：我們一直強調 AIGC 的 C 就是 Cash，要利用 AI 去 “印鈔”，如果你找不到 AI 直接變現的模式，我開個玩笑，那為什么不用你那些 GPU 去 “挖礦” ？挖礦對算力的利用效率最高，只是現在受到國家政策限制。

我認為，接下來海外會出現一個非常大的產業方向：區塊鏈 + AIGC。這是硅基文明演進的重要路徑。

硅的三大轉化方向就是 AI，區塊鏈和新能源，當能源、金融、算力與算法結合，硅基生命將形成一個自我進化的閉環系統。

所以，我認為要 “躲在結果里” 迎接下一輪價格戰。

如今大模型推理成本每隔十幾個月就會下降 90%，今年可能還能收到幾十美金的收入，明年就可能只有幾美分。

如果不能真正與產業結合、以結果為導向，那接下來的競爭會非常危險。更重要的是，很多真正悶聲發財的公司已經悄然走到了這條路上，并不在臺面上熱烈討論。

趙充：從工具到助理是必然趨勢，而且已經在發生。AI 正在逐步取代人力，我們也在圍繞這個方向做兩方面努力：

第一，直奔終極形態。我們希望從工具進化為懂用戶的創意設計助理，比如你通過語音說 “寫一個綠色的 PPT，多少頁，受眾是誰”，系統就能直接生成交付結果，這一幕很快就會變成現實。

第二，打造 AI 全家桶。以 AiPPT.com 為核心，我們陸續加入了表格、PDF、文檔、音視頻轉錄等功能，真正讓打工人 “早用早下班，早用早升職，早用早加薪”。這是我們努力的方向。

金禮劍：AI 正在重塑所有軟件，使軟件能力越來越強大。與其糾結訂閱還是結果付費，更重要的是如何將AI與工具深度結合，為客戶創造更高價值。在價值形成后，合理的收費模式自然會水到渠成。

陳航：AI 能否更好地應用到各行各業，依賴于大家的共同努力 —— 從底層算力，到應用接口，再到產品和解決方案，最終實現行業的深度落地。

目前仍處于早期階段，正因如此，才給所有人帶來了更多機會。

崔強：大家不必過于焦慮，紅杉的討論讓很多人緊張，但這只是一個方向，值得關注，卻不必恐慌。

阿里的同學提到，未來會有多少角色，就會有多少個 Agent。正如趙充所說，我們需要定義每個角色能帶來什么結果，再為它賦能，創造價值。

按照這個邏輯，未來所有軟件形態都會圍繞人和角色展開，為這些角色交付價值和結果。這樣的軟件才是真正好的軟件，才能獲得應有的收益和地位。

謝謝大家。

說明：文章為牛透社原創，未經允許謝絕轉載。