卖 Token还是卖结果：AI 商业模式的几个悖论

阿里云卖Token：把AI当水电煤，透明但低利

阿里云上线Qwen3.6-Plus，定价每百万Tokens输入最低2元，走的是经典“按量付费”路线。Token被定义为AI时代的“新商品”——用户输入文字、代码，生成回复，所有消耗都折算成Token，像水电表一样精确计量。这种模式的优势在于门槛低、易理解，开发者可以按需调用，无需为闲置能力付费。但悖论也随之而来：Token的消耗与实际产出价值往往不成正比。一个生成复杂代码的请求可能消耗少量Token却创造巨大价值，而一个长文本闲聊可能消耗大量Token却产出微薄。卖Token本质上是卖“算力消耗”，而非“智能成果”，导致AI服务商陷入“卖力不卖功”的窘境，利润率被工具化逻辑压缩。

OpenAI卖结果：从“卖算力”到“卖命”

OpenAI在2026年商业路线图中明确提出，要让商业模式“随智能价值扩张”。其CFO Sarah Friar首次确认年化收入突破200亿美元，并规划了从订阅、API到商业合作的三大板块。更关键的是，她提出面向高价值行业（如药物发现、科学研究、金融建模）引入“按结果计价”（Outcome-based pricing）模式。这意味着AI不再只是辅助工具，而是直接参与价值创造并分享收益——比如，AI帮助药企缩短研发周期，则按节省的成本或新增的利润分成。这种模式直击企业痛点：客户只为“有效的结果”付费，而非空转的算力。但悖论同样尖锐：如何界定“结果”？是分子结构预测成功，还是最终药物上市？因果关系如何剥离？OpenAI需要承担结果失败的风险，却不一定能控制所有外部变量（如市场准入、政策变化）。卖结果，意味着AI公司要从“卖软件”转向“卖保险”，定价模型复杂且充满道德风险。

算得清Token，算不清结果：价值衡量难题

“卖Token”与“卖结果”的根本矛盾，在于智能价值的衡量标准难以统一。Token是客观的、可审计的耗用量，就像出租车打表，每公里固定费用。但智能的实际价值往往取决于使用场景：一个用于医疗诊断的AI模型，一次正确推理可能挽救生命，而一个用于客服的模型，同样Token消耗可能只解决一个简单问题。如果按结果定价，那么AI服务商需要为“高价值结果”收取更高费用，但客户会质疑“你怎么证明你的贡献占比？”——尤其是当AI只是决策链条中的一环时。这种衡量困境，让很多AI公司倾向于继续卖Token，至少能保证现金流稳定。但与此同时，客户越来越精明：他们对比不同模型的Token单价，却忽视模型能力差异带来的效率提升。卖Token的简单性，反而掩盖了AI的真正价值，导致“劣币驱逐良币”——能力强的模型因Token单价高而失去市场，能力弱的模型靠低价走量。

当AI想当员工，老板却想按件计费

OpenAI的规划中，AI正从“SaaS软件逻辑”转向“数字化员工逻辑”。按结果计价，本质上是把AI当作一个“按业绩付薪的员工”——它做得好，就拿高提成；做得不好，拿底薪甚至零报酬。但现实中，企业老板更习惯按“件”付费：雇佣一个人文员，每月固定工资，不管他处理多少文件；而用AI API，按Token消耗计费，相当于“零工逻辑”。数字化员工逻辑要求AI深度嵌入业务流程，承担风险并分享收益，这需要法律、信任和长期合作。而目前的AI市场仍是“卖货”思维：客户买断API使用权，不关心AI服务商的盈亏。这种错位导致AI公司难以获取与价值匹配的回报。例如，一家金融公司用AI模型预测市场，赚了1亿，但AI公司只收了10万Token费。OpenAI试图打破这种局面，但客户会问：“我为什么要和你分享我的利润？你只是工具，决策是我做的。”结果定价的谈判成本极高，只适合少数高价值、可量化的场景。

2026务实落地：两条腿走路，还是左右互搏？

从阿里云卖Token和OpenAI卖结果的两个案例看，AI行业大概率会走向“混合模式”。一方面，通用、低门槛的场景继续用Token计费，保证市场覆盖和规模效应；另一方面，针对高价值、高风险的垂直行业，推出按结果或按价值分成的定制方案。但这对AI公司内部是巨大挑战：团队需要同时维护两种定价体系，甚至同一模型在不同客户面前价格不同，可能引发渠道冲突和客户不满。更关键的是，卖结果模式需要AI公司具备极强的行业认知和风险控制能力，而目前大多数AI公司技术出身，缺乏商业保险和合同设计经验。2026年被称为“务实落地”之年，AI公司必须正视这个悖论，而不是回避。也许最终的答案不在“卖Token”或“卖结果”之间二选一，而是像外卖平台那样，通过交叉补贴、增值服务来设计复杂的平台内市场结构——让AI在“卖能力”的同时，通过参与交易撮合、提供决策支持来间接获取价值。但无论如何，那个“将Token按量定价”的简单时代，正在被“智能价值如何定价”的复杂问题取代。