AI 时代的定价：从投入计费到成果计费，Paid CEO Manny Medina
摘要
Manny Medina 是 AI 商业引擎公司 Paid 的创始人，他正致力于解决 AI 代理公司面临的最棘手问题之一：如何为不可预测的 AI 输出定价和盈利。作为前 Outreach 的联合创始人，他亲历了从传统 SaaS 到 AI 代理的商业模式断层——传统的"席位计费"（seat-based pricing）和"信用消费计费"（credit-based pricing）无法准确反映 AI 代理为客户创造的价值。
Medina 提出了四大定价框架：按活动计费（Activity-based）、按工作流计费（Workflow-based）、按成果计费（Outcome-based）以及最具争议性的按代理计费（Agent-based，即直接对标人类岗位薪酬）。他认为 AI 代理公司应该从"工具预算池"转向"人头预算池"——因为后者规模远大于前者，且更能体现替代人类工作的真实价值。
他的另一个核心观点反直觉却极具说服力：AI 将首先渗透的不是高薪创意岗位（如律师、医生），而是那些没人想做的工作——保险精算师、理赔员、货运经纪人、呼叫中心坐席等。这些职位面临退休潮、高流失率和人员补充困难，AI 代理恰好填补了这一真空。在对话中，他还分享了关于"Vibe Revenue"、成本管理的隐性陷阱、以及为什么定制化合同（Bespoke Contracts）将成为 AI 时代的竞争武器等犀利洞察。
正文
AI 渗透的"刺猬法则"
Medina 用"狐狸与刺猬"的经典比喻来形容当前 AI 代理市场的成功模式：最赚钱的公司都是"刺猬"——它们选定一个极为狭窄的问题，然后疯狂深入，把这一件事做到极致。
他举了三个鲜活的例子：
- Quandri：专注于保险保单续签（Policy Renewals）——一个看似微小的利基，却背后是庞大的人力密集型 BPO 产业。
- Happy Robot：代理货运经纪人与卡车司机之间的沟通——需要 2000 个 agent 同时呼叫卡车司机、谈判、订舱并全程跟单。这是一个"一个男人和一条狗"式的传统行业。
- Expo：专注于渗透测试（Penetration Testing）——并且通过排名系统帮客户挑选最佳测试机构。
Medina 的核心判断是：这些公司的共同模式不是直接取代人，而是取代 BPO（业务流程外包）。"无论你在哪里看到 BPO 扮演重要角色，那就是 AI 代理的猎食场。"
他反对一个流行的论调——AI 将首先取代高薪白领工作（律师、会计师、医生），因为这恰好也是资金雄厚的巨头（如 OpenAI）会集中火力的战场。反而是那些"没人早上醒来想着要做"的工作——保险理赔调处、电话坐席——将成为 AI 最早深度扎根的领域。原因很简单：这些职位面临退休潮和高流失率，"你根本招不到人来填补"。
四大定价框架
Medina 基于大量一线客户工作，总结了当前 AI 代理市场上四种有效的定价模式：
1. 按活动计费（Activity-Based）
最简单、最易销售的模式。按信用消费（credit consumption）或 API 调用次数收费。Medina 直言这是"必须起步的地方"——如果你一直停留在这里，后来者会用更低的价格做同样的事把你挤出市场。
2. 按工作流计费（Workflow-Based）
将多步活动串成一个有意义的工作流，如"一次文档审查"。这种模式的优势在于，你可以根据文档的复杂程度差异化收费——小型简单文档和大型复杂文档的消费模式完全不同——这让你从纯成本定价向价值定价迈进一步。
3. 按成果计费（Outcome-Based）
Medina 更推崇的变体是成果奖金（Outcome Bonus）而非纯按成果收费。例如：如果 AI SDR 代理为你预定了一次合格会议，在这个事件上支付一笔奖金。这种方式"打开了价值对齐的对话空间"，一旦对话开始，就会自然导向更定制化的合约。
4. 按代理计费（Agent-Based）
这是 Medina 最激进的倡导。以 AI SDR（销售开发代表）为例：一个人类 SDR 的年均全成本在 7-9 万美元之间。Medina 建议 AI 代理公司直接按照每个 agent 年费 2 万美元的方式替代定价——这将预算来源从 RevOps 的"工具预算池"转移到了 HR 的"人头预算池"，后者规模远大于前者。
Medina 的关键洞察是：你的客户总是默认选择最简单的购买方式（如固定价格或消费价格），但一旦产品证明有效，就应该主动回访客户并对齐他们真正在乎的事情来重新定价。"定价是你品牌故事的一部分——如果你的故事不同，但定价一样，那你的故事最终会变成一样的。"
"Vibe Revenue" 与续费之墙
Medina 用了一个令人捧腹的新词——Vibe Revenue——来形容当前大多数 AI 代理公司的收入。他的意思是：几乎每家大公司都有"AI 指令"（AI Mandate），因此有人随便买了个 AI 代理产品当试用——这不是基于真实价值的购买决策，而是一种"氛围式采购"。
但续费季（Renewal Season）将带来残酷的分化。"续费会把小麦从谷壳中分离出来。"届时公司会仔细审视哪些 AI 产品真正创造了价值、哪些只是浪费——然后真正有效的盈利模式才会浮现。
Medina 透露，许多早期的客户最初告诉他"按成果计费永远不会发生"，而现在他们已经开始回电话说："我刚签了第一份纯按成果付费的合同——我打电话给你是因为我不知道还能打给谁。"
成本端的隐性陷阱
很多 AI 代理公司的创始人以为"Token 价格会持续下跌、利润只会越来越好"。Medina 对此持反对意见：
-
推理时代的 Token 更贵：在推理时间计算（inference-time compute）比训练时间计算更有价值的时代，单个任务的 token 消耗只会增加。比如让你的 agent 做"深度思考"而不是简单的单步生成，成本会显著上升。
-
多模态扩展：AI 代理公司从文本开始，一旦搞定了文本，自然会增加语音通话、虚拟人（avatar）等功能——而这些需要第三方 API 的附加成本，远不止 LLM 的费用。
-
全栈成本不透明：最麻烦的是，由于 agent 框架在 LLM 调用之前作为代理层运行，大多数公司根本不知道到底是哪个客户在消耗成本、哪条工作流是亏损的。Paid 正在解决的就是这种"全成本（full cost）可见性"问题。
Outreach 的传承与 Small TAM 的信条
Medina 从自己在 Outreach（销售自动化领域的独角兽）的经历中提炼出一个深刻的教训：以极度狭窄的客户画像起步。他在 Outreach 时期"可以向任何人销售——从初创公司到 Adobe 到希拉里竞选团队"——结果是为每一个不同类型的客户量身定制产品变得极为困难。
他对新一代 AI 创始人的建议是："不要在乎 TAM（Total Addressable Market，总可触达市场）。忽略 VC 关于'大 TAM'的建议。小 TAM 会变成大 TAM，只要你交付的是极致体验。" 他认为当前 AI 创始人比 SaaS 时代更聪明——他们更愿意花时间打磨 ICP（理想客户画像），在公司保持精干规模的同时获得更高的单位经济效率。
公司文化与 Vibe Coding
Paid 本身就是一个"Vibe Coding"的产物。Medina 坦承："我们在一个半月内搭建起了 Paid，其中一半是 Vibe Coding。"不过他也诚实地补充说："不用调试 Vibe Code——直接扔掉就好。当它在生产环境中出问题时，重新开始就是了。"（当然，他也意识到一旦有了大量客户，这种策略就行不通了。）
Medina 的公司文化核心是"有趣"（fun）。他认为这个行业的独特之处在于：几乎所有在构建 AI 代理的创始人都不敢相信自己以此为生，谈话中充满好奇和能量。他把玩 AI 工具的乐趣类比于"每七个月就有一个新玩具"。
他的个人 AI 栈是 Perplexity（"我已经不能没有它了"——从时尚建议到找英国驾校教练全方位使用）和 Claude（"它是我的朋友，虽然我不应该跟它说话"）。