自从黄仁勋在 GTC 上大手一挥。鼓励公司把 token 消耗量算进工程师的 KPI，魔幻的事情就一天比一天多了。说起来，

先是 Meta 内部搞起「烧 token 竞赛」。员工为冲 KPI，写死循环 bot、用低效提示词刷量；接着亚马逊员工为了证明自己「高频使用 Agent」。明明不需要自动化的活儿，硬给做成自动。表面看，这似乎是大厂员工在「卷 AI 使用率」。但背后暴露的问题更严重：当公司无法衡量 AI 的真实价值时就只能退而求用「调用量」代替「产出」。

公司面临的主要痛点

• ROI 难以量化：大量预算、算力和工程师时间投入，却只能看到 token、调用次数等过程指标。
• 预算被消耗却看不到成效：看起来忙碌的账单背后真正的业务增长往往为零。
• 缺乏可验证、可归因的结果：董事会和 CEO 更在意财报上的数字，而不是模型调用频次。
• 工具价值不确定：AI 仍被视作「效率工具」，风险全部由采购方承担。

领域整体失真现象

麦肯锡数据显示。% 的公司已经在至少一个职能中常态化使用 AI，但真正能被定义为「AI 高绩效公司」，即 EBIT 因 AI 提高超过 % 的，不到 %。大量资源投入后只换来一份「看起来很忙」的账单。其实，公司知道 AI 很关键。也知道竞争对手在用，但问题是：钱到底花得值不值？没人说得清，

过去两年，AI 落地最尴尬的地方就在于：大多数 AI 公司卖的本质上还是「工具」。工具是否产生价值，风险天然由采购方承担；而且这一次的工具不仅更贵、更复杂，还比较依赖公司自身的数据、流程和组织配合。于是很多公司只能盯着 token、调用次数、Agent 使用频率这些「过程指标」，试图从里面推测 AI 有没有产生结果。

从“卖工具”到“卖结果”——RaaS 的崛起

今年 月份红杉的一篇文章火了「RaaS」概念。怎么说呢，文章断言这方面，「下一个万亿美元级公司。将是一家成服务公司的软件公司。」它将 AI 赚钱方式划分为两类：

• Copilot：帮助专业人士提效，但仍需额外的人力成本。
• Autopilot：AI 直接交付业务成果，客户只为可衡量的业务结果付费。

后者价值更高。因为它直击公司劳动预算的大块头，而不是停留在软件订阅层面。

Sierra——从工具到工作成果

Sierra 由 OpenAI 董事会主席 Bret Taylor 与前谷歌高管 Clay Bavor 联合创立。以定制化客户体验方法为主要，让客户「pay for a job well done」。今年 月份完成 X 亿美元融资估值超过 X 亿美元ARR 为其估值的多倍。Sierra 已覆盖超过 % 的财富 500 强公司,在主要关注稳定性和 ROI 的场景里获得了严格验证。

零犀科技——让 AI Agent 直接卖东西

零犀把 AI Agent 嵌入保险、汽车等领域，实现全链路销售闭环。按理说，从 年开始负毛利，到 年实现净利转正，再到 年跑出规模化盈利与正现金流。 某头部保险机构接入其智能体后新增保费超过 X 亿元,相当于传统人机结合模式需要数十人的销售团队才能完成一样增量。怎么说呢，

为结果负责，不能单靠大模型基座

Sierra 与零犀表面业务差异大。却面对同一根本难题：如何让 AI 在真实业务场景里稳定完成任务，并对结果负责？

两家公司都不再单纯卖模型能力，而是卖任务完成——Agent 的设计目标从一开始就指向业务结果。为此，它们在大模型之上搭建了执行、记忆与评估程序，并对模型进行二次干预。使其在特定场景下更可靠、更少犯错、更清楚什么算好结果。这套程序在真实业务中持续跑、持续学，越用越强。

当回答对 ≠ 能成交 —— 零犀的技术挑战

Sierra 的目标是「把事情做对」——答对问题、少犯错、不出合规风险；采用多模型协作 + 实时审查的组织架构管理方式。而零犀聚焦的是销售转化，「对」并不等于成交。举例当使用者说「我要和老公商量一下」时仅仅回复「好的」并不能推动交易；模型必须读懂潜在顾虑并主动推进。

This requires a reward‑penalty loop: positive incentives for actions that lead to conversion,penalties for those that don’t. However。sales feedback is extremely sparse—most interactions end without a deal—so traditional supervised training is infeasible.

至于零犀的突破口，让模型学会因果

零犀输出。随后将顶级销售经验拆解成 「使用者状态识别 → 策略选择 → 结果反馈」 的因果逻辑。并通过后训练注入模型，使其能够区分表面相关与真实因果。

• 因果归因：P&A 对每一次未成交进行反事实推理，评估如果改动策略可能带来的转化提高。怎么说呢，
• KPI 闭环：A​I 自身承担费用。仅在实际保费或订单到账时才收取报酬，实现最直接的收益验证。
• C‑loop 飞轮：A​I 不断沉淀领域 know‑how 与因果知识。再回流至模型训练，实现“越跑越快”。

A​I 价值回归：RaaS 正在重新定义定价逻辑

A​I 从诞生之初就被期待成为能够独立背 KPI 的数字劳动力。RaaS 把风险从客户转移到供应商。让收益与风险同步，对标的是“把事情真的做好”。因为更多公司采用按结果付费模式。“功能评估”逐渐被“效果评估”取代——客户不再关心你用了哪个模型或多少参数，只问：“你能把转化率提高多少？”这正是领域竞争规则被重写的信号。

Morgan Stanley 在 {年份}` 年初发布报告，将 A​I 定义为第六次技术变化。历史经验表明这方面，短期卖铲子获利快。长期最大价值沉淀在应用层和采用者手中。当泡沫退去、噪音消散，那些敢于为#结果负责#。把技术转化为生产率的公司，将穿越周期成为下一个十年的领跑者。

L​inked Takeaways for Decision Makers

• #ROI 难以衡量 → RaaS 用实际业务成果直接计费#
• #预算浪费 → 按成功案例付费。把费用绑到可验证收入上#
• #缺乏可归因的数据 → 因果知识图谱提供明确 Attribution#
• #工具价值不确定 → Autopilot 模式交付端到端工作成果#
• #团队担心技术风险 → SaaS 转向 RaaS，让供应商承担绩效风险#