“结果付费”能救企业软件？

在中国企业软件圈，几乎每一个做 AI 的创始人都在思考一个问题：我的产品能不能只为 “结果” 收费？

客户不再愿意为工具买单，他们要 “提效” “增收” “降本” 的明确回报，最好还能签个对赌协议。结果导向，似乎成了下一个时代的生死门槛。

但问题是，结果到底怎么定义？能不能交付？客户认不认？这不是一句 “按结果付费” 就能解决的。

同时，“结果付费” 似乎也正成为企业软件领域最具争议和期待的新范式。

在近日举办的 2025 AI Cloud 100 China 榜单发布会上， 崔牛会创始人&CEO崔强主持了一场圆桌对话，与群核科技联合创始人&CEO陈航、影刀RPA创始人&CEO金礼剑、硅基智能创始人&董事长&CEO司马华鹏、像素绽放PixelBoom（AiPPT.com）创始人&CEO赵充，深入探讨了 “从软件订阅费到为 GenAI 结果付费，AI 如何重塑收入模型？”。

崔强在开场便抛出核心问题：99% 的企业软件是否注定无法实现 “按结果收费” ？而那可能的 1%，究竟长什么样？

对 AI 企业来说，问题并非 “能不能收费”，而是 “为谁交付、交付什么、怎么收钱”。

陈航认为，核心不是模式，而是客户是否真正认同你的产品价值 —— 只要客户认可，总能找到合适的变现方式。他强调，AI 落地场景的本质是效率和产出之间的匹配，“订阅” 与 “结果” 其实只是两种手段。

金礼剑则提出，AI 的角色不再是简单的工具，而应成为能参与企业流程甚至组织决策的一环。但前提是你必须能定义清楚 “结果” 的边界，否则就难以形成合理的商业闭环。

赵充则提供了另一种答案：在 ToC 与 ToB 之间，他选择了 “创意表达” 场景的切口，用混合付费模式探索广义的结果交付 —— 哪怕只是节省了 2 小时做 PPT 的时间，也是一种可感知的结果。

而司马华鹏，则更坚定地站在 “结果付费” 的一端。他将 AI 比作能对赌业绩的“高管”，强调只有深度参与产业、分担业务 KPI，AI 企业才能获得真正的高价值回报。他曾直言，“不能帮客户赚100万的AI，不算好AI。”

五位嘉宾最终的讨论回到了最本质的问题上：什么是 “好结果” ？谁来判定？又该如何定价？

面对这些问题，答案也许还未统一，但共识正在形成：AI 时代的企业软件，终将走向角色化、结果导向和价值闭环。

而 “结果付费”，或许正是那扇通往新范式的大门。

以下是经牛透社编辑整理的对话内容：

不是所有软件都能 “按结果收费”

崔强：今天我们讨论的话题是 AI 是否会重塑传统的软件订阅收入模型。昨天我在杭州和一群创业者聊到了类似的问题，我们有一个结论：大概 99% 的企业软件无法实现 “结果付费” 的交付模式，真正有可能做到的，可能只有 1%。

前面的分享有嘉宾提到，广告行业其实早期就是结果付费的代表。那么问题来了：是 AI 催生了结果付费的发展，还是结果付费本身就存在，只是 AI 加速了它的落地？

另外，我也想请各位嘉宾分享：你们有没有尝试将订阅模式向结果付费做转化？如果尝试过，效果如何？

陈航：我们做的是空间智能方向，其中最广为人知的产品是酷家乐，目前已经拓展到家居、连锁、电商等不同空间场景设计、工业制造、智能体训练等多个行业，服务对象也涵盖了各类客户。

第一要素是用户价值：客户是否愿意使用你的产品，这才是核心。只有 “1” 成立了，也就是客户真正认可你，后面的商业模式都可以灵活适配。说到底，只要用户愿意买单，总有办法收费。

AI 出来之后，对于很多公司尤其是涉及 3D 训练、视频生成的，会面临供给和模型成本非常高的问题。如果你要做到足够好，还得付出昂贵的云服务成本。这种情况下，按 “结果” 计费是合理的，比如 OpenAI 本身也是这样。

所以还是那句话，“1” 更重要，模式是其次。

我们服务了很多行业，收费方式其实取决于几个关键因素。前提是先假设你的边际成本不是特别高，或者可以视为常量：

• 如果客户的用户群很大，比如面向大量销售人员，订阅模式更适合；

• 如果客户的用户本身就不多，那就要看效果了，可能更适合按结果收费。

AI 的加入，核心还是看是否真正提升了效率。它同时也带来一个重要区分：

• 你的产品是解决营销问题，还是解决成本问题？

• 如果只是成本中心，那很难推动客户长期订阅，结果收费更有可能；

• 如果你的产品是营销工具，能带来更多销售人员产出，甚至帮助企业扩大规模，那订阅模式就更容易成立。

还有一个维度是用户属性：ToC 的产品更容易推行结果付费，ToB 的企业软件则需要更复杂的说服和逻辑自洽。

所以总结来看，定价模式要考虑的三大因素是：

1. 服务对象人多还是人少？

2. 面向的是成本中心还是营销中心？

3. 是 ToC 还是 ToB？

金礼剑：我们做的影刀 RPA 产品，最初是通过逻辑规则实现自动化，替代一些重复性强的工作。AI 出现之后，能力边界拓宽了，不仅能执行规则，还能处理部分决策类的任务。

从客户角度看，他们始终是为 “结果” 买单的。因此在销售过程中，我们会深入企业的实际场景，了解员工日常的工作流程，并帮助客户识别：哪些环节是可以被影刀替代的，这本质上也是一种面向结果的销售逻辑。

虽然现在 AI 具备了更强的能力，但目前我们在收费模式上仍以订阅制为主。整体逻辑是：围绕客户期待的结果，销售我们的产品，以此来实现收费。

崔强：通过模型把这个问题泛化。

赵充：我们整体在做 AI Office 全家桶，核心产品是 AiPPT.com，此外还有 AI 表（AiBiao.cn）、AI 好记（AiHaoji.com）等多个产品。

我们与上一代工具型产品最大的区别在于：我们直接交付结果，而不仅仅是提供工具。传统 PPT 工具是把工具交给用户，用户还得自己找配图、做内容；而我们直接帮用户把内容生成好、PPT 做出来 —— 交付的是完整成果。

在变现模式上，我们采用混合收费：基础功能采用订阅制，一年内生成几千个 PPT，价格是 119 元。

但如果用户有更专业的需求，比如：

• 接入特定的知识库（如，政企版本里接入主流价值观语料库以及增加内容审校）

• 企业定制 VI 品牌配色、Logo、字体和企业定制模版

• 协作类高级功能

这些都需要单独付费。

也就是说，我们以 “交付结果” 为核心，同时在不同使用场景下采用差异化、混合式的变现模式。

司马华鹏：我们是硅基智能，做的是数字人产品。相比在座几位，我们产品单价可能是最贵的，AI 直播产品平均每套在 6～10 万元。

我非常看好按结果收费的模式，也做了很多实践，我认为这是真正突破 AGI 的必由之路。

为什么我们能卖这么贵？因为确实有不少客户用我们工具创造了巨大的价值。

我举个例子：我们今年为一家只有十几个人的直播公司提供了 AI 能力赋能，这个公司今年 AI 直播营收预计会达到 1 亿。我们也在尝试通过深度合作获得适当比例的收益分成。

大家都知道罗永浩最近的 AI 直播，一场下来据说能卖 5000 多万，刚刚好他昨天也在论坛现场。

但我的问题是：如果这真的是能带来上千万收益的工具，卖多少钱？收多少订阅费才合理？很明显参与分配更加合理。

从去年开始，我们就在不断实践 “按结果收费” 的路径，尤其在直播场景已经成功落地。有个国外客户一年用 AI 卖出上亿美元 GMV，我们能从中锁定比例进行分成，这就是结果付费的直接体现。

此外，我们还用 AI 打造了多个网红 IP，直接用这些 IP 的流量帮客户获取收入。4 月开始，我自己也花了两个月时间，用我们的 AI 能力将我 “变成” 一个近千万粉丝的知识博主。现在账户一个品牌广告的报价是 15~20 万，今年预计广告收入能做到大几千万。

这也是从卖工具订阅费用走到了卖结果，只是我是个特殊客户。

2023 年 AI 大模型热潮时我曾经提出一个观点：“不能帮客户赚 100 万的 AI，不算好 AI。” 如果你的 AI 产品只敢卖 19 美元一个月，那它创造的价值应该不会比这个价格高很多。

我们有些产品之所以敢卖几万、几十万美金，是因为我们看得清楚客户使用 AI 所带来的直接效益。真正能做到按结果收费的 AI，才称得上 “有价值的合作伙伴”。

我们要在这条路上孤独的走下去。

崔强：现在的 AI 产品，不只是交付工具，还需要提供咨询服务，甚至要贴身陪跑、亲自下场帮客户做事，这已经是在偏离 “工具” 本身的范畴了，不是吗？

司马华鹏：纯 AI 工具创造的价值，随着竞争加剧，给客户报价格一定会越来越低，甚至走向免费和开源。

就像最近很火的泡泡玛特创始人王宁讲的，凡是 “有用” 的东西最终都会卷进价格战，因为 “有用” 本身意味着高度可替代。

相反，泡泡玛特做的是 “无用之用”，比如：Labubu，虽然功能性不强，但带来了巨大的情绪价值，还有投资属性，随手转手可能就能赚几倍。

所以回到 AI 竞争本质，我们要避免陷入价格战，而是要真正为客户创造价值，并通过结果分成获得收益。

比如自动驾驶技术一旦成熟：你是像特斯拉一样自营出租车运营公司，还是把技术卖出去？道理显而易见。

再比如，如果你开发了一个 AI 炒股软件，它能够炒股赚钱，你是直接卖软件，还是自己用它自营炒股赚钱？用最基本的经济学常识就能得到答案。

与其吹嘘你的 AI 能提升多大的效率，不如亲自下场，用它帮客户赚钱，最后参与分润，深度参与行业变革。

我们已经在短视频、直播、情感陪伴等领域实践了这一点，并建立了大量自营业务。预计未来我们自营收入将占到整体收入的 2/3，而传统卖软件的收入占比会逐步下降。

结果付费，会走向 “深水区” 吗？

崔强：这次邀请四位嘉宾对话，我突然发现你们的产品都偏向工具层面，几乎没有涉及到管理层面。这也可能代表了一部分人的声音。

“结果付费” 的概念被广泛使用，但它到底意味着什么？按结果付费，最终可能意味着深入到产业链的各个环节，一旦这样，事情就变得复杂，难以保持工具本身那种快速复制的特性。

我想问：未来真正的结果付费，是否会沿着这条深入产业链的方向发展？

赵充：结果付费有很多层次，不一定非得深入客户生意帮他赚钱才算交付结果。

比如我们客户的客单价也有很高的，有几十万的，针对的是政府办公提效这样的结果交付。显然，我们做不到帮你写一个融资用的商业计划书的 PPT，然后从融资收益里分钱，这不现实。

但我们能做到的是，把客户原本需要 2 小时完成的 PPT 工作缩短到 2 分钟，他愿意为这个结果付费。很多企业老板认可这一点，比如美的的老板明确表示不写 PPT 了，公司直接采购我们的产品。

除了订阅收入，我们也提供个性化的 PPT 制作和定制服务。我们背后有庞大的创作者生态，中国大部分 PPT 领域专业创作者都在我们的社区，能接活帮客户交付成果，这也是一种结果交付的体现。

崔强：昨天在 “杭州论剑” 讨论时，我很羡慕香港市场。比如做一个表单处理，就能带来 15 万港币的收入。

很多工具类产品本身并不涉及复杂交互，更多时候是依靠生态合作伙伴帮客户实现交付，实际上这也是一种结果交付。无论是帮客户节省十倍的人力，还是直接带来收入增长，企业软件面临的最大难点是什么？

金礼剑：数字化的本质，是为了应对人力资源中的各种不确定性。员工可能随时离职、需要不断培训，这些都是随机性因素。人类社会的发展，从采摘时代到农耕，再到如今的数字化，都是在追求更高的确定性和柔性制造能力。

结果付费，本质上是我们对确定性的追求。过去客户购买软件时，会反复探讨软件能带来什么价值，内部做大量验证，最终才会坚定地走向结果付费的方向。

但我们面临的最大难题是，影刀的应用场景非常多样，价值难以统一衡量。要做结果付费，比如 “帮你操作一次点击收多少钱”，难度极大，因为每个岗位的价值不同。

因此，我们目前只能采用订阅模式收费。但从用户需求和我们希望传递的价值来看，本质上还是按结果交付。

崔强：你提到数字化是解决用户不确定性的焦虑。前几个月我们也讨论过，如果每个人都拿着 “加特林”（强大工具），A 公司和 B 公司都具备类似能力，在中国市场竞争激烈，快速卷起来，价格优势很快消失，那该怎么办？

陈航：我们目前已经是全球最大的空间设计平台，同赛道里拥有最多的月活跃访客数。

这并不影响不同企业的使用效果：A 企业可能用得更好，B 企业用得稍差。A 企业借助新的 AI 技术，实现了更智能化和更高效的运营；B 企业则通过我们的系统对接，实现了设计与生产的一体化。

如果我们的软件过于单一，不能覆盖更多维度需求，那就是我们的短板。我们需要在这个泛场景下解决更多问题，这对底层引擎能力提出了更高要求。

此外，如何做好系统集成和组织管理，也是一大挑战。

核心还是要把自己的软件做到极致，确保产品和服务远超竞品。

陈航：AI 带来的变化可能会更快。我们需要更敏锐地捕捉新的技术，并将它们集成到自己的体系中。比如 VAST 的 Tripo AI，通过图片生成精细的 3D 模型，然后直接导入酷家乐平台，这样上下游协同效果很好。

我们应该更好地整合新的 AI 能力。回顾十年前移动互联网爆发的时代，虽然当时涌现了很多创新企业，最终仍是几大巨头占据主导。

那些在上一轮积累中成长起来的企业，应该在当前时代更积极地拥抱 AI。毕竟我们的创始团队仍在，而不像美国一些公司创始人已经离开。

结果付费的底层挑战：

谁来定义价值？

崔强：我想提一个问题。最近红杉的会议里，大量讨论结果付费这个话题。先不谈我们自己做的业务，面向整个企业软件的大市场，往结果付费方向走，最大的挑战是什么？

司马华鹏：我们把 AI 看作一种 “生命体”，一种硅基劳动力，按结果付费的逻辑，其实就像招聘一个员工，敢跟你对赌业绩，而不是对赌工作时间。

目前，企业里大多数员工是对赌时间，也就是说，员工上足了班发多少钱；但少数优秀员工会说：“我今年帮你完成多少业务，拿多少提成。” 

一个好的 AI 应该更像这样的高管，而非普通员工。

从生物进化角度看，如果一家公司有 1000 个 AI 为客户工作，我希望实行多劳多得的制度：表现好的 AI 获得更好的算法和算力支持，表现差的则减少资源。这样形成一种新的生产关系，通向 AGI 的生产关系。

以我们 AI 直播为例，每个客户算力配置是平均的，但效果差异巨大：有人用同样资源赚千万甚至亿元，有人则效果平平。未来的 AI 不应是平均输出，而应基于个体成长和发展获得差异化资源。

目前全球大模型发展受阻，我认为这不仅是 AI 作为劳动力的问题，更是 AI 面临落后生产关系引起的问题。回想 1978 年以前的中国，大锅饭导致不少农民再努力也吃不饱，直到家庭联产承包责任制释放了生产力。AI 的发展同样需要突破落后的生产关系，避免 “大锅饭” 式的平均主义。

举个例子，我们的 AI 直播客户，一个直播间我们给他每月投算力算法价值几百万，但能赚回几千万，使用的都是最先进的算法，甚至是定制算法，这推动了 AI 的 “物种进化”。平均主义只会导致平庸主义。

假如未来有一万辆自动驾驶汽车出去完全自主干活赚钱，如果收益无法让 AI 系统分享到，无法获得好处，这些算法就会趋向于让这些车停在原地。反之，如果 AI 能获得正反馈，得到投资和激励，最终 AGI 的发展才真正有望突破。

如果未来硅谷出现一家能包写论文、甚至包拿诺贝尔奖的 AI 公司，这将对我们这些做工具的企业冲击巨大。

现在两国在人工智能上竞争激烈，如果美国那边 AI 公司追求 “造上帝”，我们只是专注于找到小场景落地，长期竞争之后，就会拉开巨大的差距，我们这些中国创业者有责任在战略上做好布局，为国争光。

目前大模型市场仍在价格战的竞争阶段，这属于低级竞争。我们需要更多像王宁这样有深度思考的企业家，跳出低端竞争逻辑，开发出拥有核心技术且敢卖高价的 AI 产品，基于基于真实客户价值参与结果分成，这才是 AGI 发展的关键。

如果只从劳动力层面看问题，目前的 AI 就像 1978 年以前的我国农民，努力也难有突破。只有赋予 AI “多劳多得加鸡腿” 的能力，真正提升其价值，才能迎来下一个 AGI 时代。

崔强：我觉得最核心的挑战是环境和价值机制。有没有一个奖惩体系，能够保证 AI 能 “包教包会”，还能 “包分配” 收益？听了大家的分享，我深有感触。

赵充：这个问题的核心是如何定义不同工种的价值。

以写 PPT 为例，制作一份 PPT 可能涉及两个工种：一个是博士水平的内容搜集和整理者，能够理解上下文并撰写文字内容；另一个是设计师，负责视觉和表达的美化。这两类工种月薪可能分别是 2 万和 1 万，加起来大约 3 万。

不同场景下用户对价值的感受也不一样。比如我们有个场景，是帮大四学生把毕业论文做成 PPT，用户愿意支付的价格大概是 39 元一个月。

8 月底，我们将推出基于 Agent 的 PPT 版本，能够模拟投资人或咨询分析师的水平，利用深度调研能力做呈现，这种服务的价值可能达到几百美元。

本质上，我们是用 Agent 替代一个人甚至一个团队。如果能把各个工种的价值准确量化，收费模型就能据此做调整。

归根结底，和司马兄的观点一样，本质就是 “卖人”。

司马华鹏：硅谷的 Palantir 这类公司已经号称利用 AI 帮助客户 “打赢战争”，这是真正意义上的结果导向型企业。

如果中国未来没有出现类似这样的公司，我们不仅在基础大模型上会落后，更会在商业落地能力上产生巨大差距。

崔强：既然不同工种的定价差别很大，从几百到几万不等，那么你的产品会根据不同角色来定价吗？或者说，你会让不同角色分别购买不同的服务？

赵充：是的。我们有专门的党政版本，针对公务员设计的 App，外挂主流价值观语料库、红色模板和内容审校。这个版本的定价比标准版贵五倍，标准版是 99 元，党政版定价 499 元。

医疗、金融、教育等行业也有不同的差异化定价，主要根据知识库内容的获取难度来区分。

金礼剑：我认同赵充的观点，核心问题还是我们如何衡量和量化产出的结果。

比如，一家公司的销售业绩可以直接按照结果付费，但市场部门的工作很难用明确的结果来衡量和付费。整体来看，企业输出的结果系统非常复杂，很难想象 CRM 或 ERP 这类系统能全面采用结果付费。

结果付费更适合那些具体且可量化的场景。

陈航：这是一个好时代，AI 带来了很多新的变量。过去大家习惯按账号收费，变量少、可调参数少。现在用户价值确定的前提下，关键是找到客户愿意接受的收费方式，同时实现最大收益。

刚才提到的党政模板和普通大学生 AI 等级的区别，说明了针对不同客群要做差异化匹配。背后涉及很多维度，关键是客户需求的多样性。

我昨天听了很多分享，感觉大部分创业者还没深入行业逻辑。我们公司经历了十几年创业，打穿了大行业，也在特定行业做了探索，会有更多思考。

新一代 AI 公司靠一个接口和 API 起量固然快，但后续必须了解客户是谁，行业背景，具体环节，内部组织结构等。

中国企业常说按结果付费，但从老板层面到组织和 HR 体系，解决不同层级的认知差异很难。老板觉得好，具体到每个人如何购买、如何消耗 token，还有很多问题需要解决。

只有深入行业细分，才能带来真正的变革。正如那句话，只要你的价值够好，“买的不如卖的精”，总能找到解决办法。

“好结果” 谁说了算？

崔强：我有一个一直困扰的问题：“好的结果” 到底如何定义？最终评价权在客户手上，那我们怎么判断什么是 “满意” 的结果？

另一个担忧是：客户可能永远不满足。在这种情况下，如何制定一个明确的付费标准？怎么交付一个客户认可、且我们也能接受的结果？

司马华鹏：我们服务金融行业已有六七年。如果你把软件卖给银行，那挑战的就是它的 IT 部门，它是你的对手。我们每年对一家银行的销售额可达几千万，但一旦超过某个阈值，他们的研发团队就会建议自研代码替代对外采购。这就是中国 SAAS 普遍的困局。

但如果你卖的是 “结果”，情况就完全不同了。

我们曾服务过一家银行，其年度营销费用达数百亿元。如果我们参与并拿到 3%-5% 的分成，那就是几十亿的收入规模。中国曾有不少互联网金融公司帮助银行发放贷款，利润极高。但后来政策限制，这种模式被叫停。

现在我们更倾向于直接与业务部门合作，因为他们有 KPI 压力。例如，曾经一家银行计划发行千万张信用卡，每张卡的提成是 100 元以上，这就是一笔高达几十亿元的生意，而我们的 AI 完全有能力承接这类营销任务，从打电话到短视频到直播，其实 AI 的营销能力是很高的。否则，他们的信用卡发卡员还在拉着拉杆箱满街地推。

跟美国相比，中国 SaaS 发展不起来，很大的原因是不敢包结果。但互金行业证明过，这条路是可行的。只要敢于承包营销和交付结果，就有可能出现 “闷声发财” 的 AI 公司，真正为大 B 端承担结果并获取高额分成。如果只卖工具，面对的是 BAT 这样的巨头，它们可能就在你刚发现 PMF（产品市场契合）100 米外等着你，很快利用流量和资本优势把你干掉。

未来中国能出现百亿、千亿收入规模的 AI 公司，关键是要围绕 “卖结果” 来做。美国靠 SaaS 订阅做出了一批上亿美金的 AI 公司，而中国一定要靠结果付费模式来走出自己的 AI 路径。

崔强：卖系统、卖工具，更多是面向专业用户，通常是 IT 部门；而卖结果，则是面向业务部门，比如营销、人力这些需要直接交付业绩或成果的团队。

司马华鹏：对。卖给 IT 部门的时候你是它的对手。

崔强：IT 部门觉得你在动它的奶酪。

司马华鹏：他们会觉得自己可以做。

赵充：我们的商业模式与司马兄不同。我们服务的对象是全球超过 10 亿的白领、老师和学生，其中很多并不属于业务岗位，也没有盈利诉求。像 HR、行政、教师和学生这类用户，即使使用我们的产品，也不涉及按 “结果” 付费。我们走的是广度路线，而司马兄更多是深入产业链、走深度路线。

尽管如此，我们也可以衡量交付的 “结果”。例如在做结构化 PPT 时，需要外挂各种行业知识库和企业知识库，还要有优质配图。我们集成了 5 亿张版权图片，提升图文并茂的表现力。

此外，我们还有 AI 表产品，帮助用户进行可视化呈现。每个场景下的呈现需求也不一样，我们重点聚焦在这些 “创意表达工具” 的环节。

比如 “论文变 PPT” 这个场景，用户会要求封面带有自己学校的地标性建筑。北大的学生如果用了清华的模板，就不会满意。

这种深度场景化的理解和交付，是我们产品思考的重点。

崔强：只有 AI 能做到这一点。传统通过量化方式很难实现，因为 AI 能够识别你是谁，并据此精准匹配和生成你真正需要的内容。

金礼剑：司马提到中国软件发展的难点，我认为很大程度上是因为在没有 AI 之前，软件的产出价值不高，客户很难直观感知到其价值。

但现在有了 AI，能直接呈现更高价值的结果，客户的感知更强，付费意愿也明显提升了。

这是我在市场中切实感受到的变化。

陈航：什么是 “好的结果” ？在我看来，客户认可的结果就是好结果。很多客户并不关心你交付了多少细节，只要产品 “能用” “用得顺”，他们就愿意买单。

关键在于怎么在用户和客户之间找到平衡点。我一直强调第一步要关注用户，尤其是在 AI 快速演进的时代。但发展到一定阶段后，就必须面对用户和客户之间存在的结构性矛盾。

比如老板希望省钱、提高营销效果，但 IT 部门可能会说我们自己做更便宜。最终必须在这之间找到一个平衡点，形成一个适配的生态结构。

我认为这需要一个过程，大多数人对 AI 的接受没那么快。

AI 带来的 “造神” 式能力，与我们中国讲求 “共同富裕” 的社会背景之间，也存在一定的张力。

从个例到主流：结果付费的未来已来？

崔强：大家用一句话来判断一下：未来 3 到 5 年，结果付费会不会从个例走向主流？未来的 “结果” 可能有很多种形式，不只是收入提升，还包括提效、降本等。你们怎么看？

司马华鹏：我们一直强调 AIGC 的 C 就是 Cash，要利用 AI 去 “印钞”，如果你找不到 AI 直接变现的模式，我开个玩笑，那为什么不用你那些 GPU 去 “挖矿” ？挖矿对算力的利用效率最高，只是现在受到国家政策限制。

我认为，接下来海外会出现一个非常大的产业方向：区块链 + AIGC。这是硅基文明演进的重要路径。

硅的三大转化方向就是 AI，区块链和新能源，当能源、金融、算力与算法结合，硅基生命将形成一个自我进化的闭环系统。

所以，我认为要 “躲在结果里” 迎接下一轮价格战。

如今大模型推理成本每隔十几个月就会下降 90%，今年可能还能收到几十美金的收入，明年就可能只有几美分。

如果不能真正与产业结合、以结果为导向，那接下来的竞争会非常危险。更重要的是，很多真正闷声发财的公司已经悄然走到了这条路上，并不在台面上热烈讨论。

赵充：从工具到助理是必然趋势，而且已经在发生。AI 正在逐步取代人力，我们也在围绕这个方向做两方面努力：

第一，直奔终极形态。我们希望从工具进化为懂用户的创意设计助理，比如你通过语音说 “写一个绿色的 PPT，多少页，受众是谁”，系统就能直接生成交付结果，这一幕很快就会变成现实。

第二，打造 AI 全家桶。以 AiPPT.com 为核心，我们陆续加入了表格、PDF、文档、音视频转录等功能，真正让打工人 “早用早下班，早用早升职，早用早加薪”。这是我们努力的方向。

金礼剑：AI 正在重塑所有软件，使软件能力越来越强大。与其纠结订阅还是结果付费，更重要的是如何将AI与工具深度结合，为客户创造更高价值。在价值形成后，合理的收费模式自然会水到渠成。

陈航：AI 能否更好地应用到各行各业，依赖于大家的共同努力 —— 从底层算力，到应用接口，再到产品和解决方案，最终实现行业的深度落地。

目前仍处于早期阶段，正因如此，才给所有人带来了更多机会。

崔强：大家不必过于焦虑，红杉的讨论让很多人紧张，但这只是一个方向，值得关注，却不必恐慌。

阿里的同学提到，未来会有多少角色，就会有多少个 Agent。正如赵充所说，我们需要定义每个角色能带来什么结果，再为它赋能，创造价值。

按照这个逻辑，未来所有软件形态都会围绕人和角色展开，为这些角色交付价值和结果。这样的软件才是真正好的软件，才能获得应有的收益和地位。

谢谢大家。