a16z 的 David Haber 判断，智能体一旦能连着几个月跟完一件事，收费方式就会变：不再按调用次数算，而是从事情办成后多出来的那份价值里分成，保险理赔与贷款都是例子。

你有没有打过运营商的客服电话报修？先是机器人的声音，让你按 3，再按 2，再按 4。然后等很久，终于有人接了，问你姓名、账号、哪里坏了。重启路由器没用，又被转给另一个人，你得把事情从头再讲一遍，最后才约上师傅上门。

现在这些事，AI 已经能做了。它马上接起电话，看得到你的账号，知道你这一片是不是都断了网。简单的问题当场解决，复杂的就帮你约师傅。可是 David Haber 觉得，这只是个开头。他是投资机构 a16z 的普通合伙人，关注企业软件和金融服务。他最近在想一件事：如果 AI 智能体能连着几个星期、几个月去跟一件事，会怎么样，收钱的方式又会怎么变。这篇文章我只讲这一条：能把一件长事从头跟到尾的智能体，不光能帮客户省钱，还能分到事情做成之后多出来的那一份。我先讲他怎么说，再写我自己的想法。

David Haber 的文章《Winning the Relay Race》。图片来自 a16z

01 以前的 AI 只管一次对话，现在能跟一件事跟几个月

Haber 先讲了现状。过去的 AI 智能体，大多只管一件很小的事，比如发一封跟进邮件，总结一通电话，生成一份文档。客服是最早用起来的地方，因为问题的范围清楚，答得对不对一眼就能看出来，处理不了的，后面还有真人团队接着。

David Haber，a16z 普通合伙人。图片来自 a16z

现在不一样了。智能体能连着做几十步，在电话、邮件、文档之间来回切换，一件事可以盯上好几个星期、好几个月。他把这样的智能体叫作“长时间运行的智能体”。在他看来，做 AI 的公司以后不会只管一次次对话，而是会去接下整段要走很久的事：保险客户从第一通报案电话，一直跟到赔付；买房的人从贷款预批，一直跟到交房；企业的销售线索从第一次演示，一直跟到签合同。

他把这样的长事比作接力赛。一段很长的路，要换好几个人来跑，每换一次人，就可能出点岔子，漏掉一点钱。他觉得智能体正好适合跑这种比赛，还拿了一个具体的行业来讲。

02 一件案子要经好几个人的手，每交接一次就漏掉一点钱

他选的是美国的人身伤害律所，也就是替受伤的人打官司、争取赔偿的律所。这类律所一般是案子赢了或者和解了才收费，不按小时算钱，所以每个案子能不能做成，直接决定律所有没有收入。

他把一个案子的流程讲了一遍。潜在客户一般是打电话进来的，前台先把情况问清楚，交给律师判断接不接。签下来以后，助理要去调警方报告，联系证人，给对方发函，要求对方保存证据，同时还要随时告诉客户进展。最后要等客户的治疗全部结束，才能整理出医疗时间线，交给律师写索赔函。

他说，这里面每一步都在漏钱。客户往往同时打给好几家律所，谁回得最快就签谁，所以电话打到语音信箱，或者律所判断得慢，案子就丢了。签下以后，要同时向好几个方向收集证据，律所的人未必有耐心给同一个证人打第五次电话，前四次都没人接。人手也不够，没法把每份资料都细读，尤其是那些看上去很普通、金额不大的案子。比如对方报了第一个价，律所就接受了。其实把医生的记录仔细读一遍，可能会发现客户有脑损伤的迹象，赔偿能高出很多。

一个案子还要拖好几个月，经手的人很多，信息散在文件、人和不同的系统里，没有人能始终记得全部情况。结果就是，重要的账单没写进索赔函，治疗为什么中断也没解释清楚，赔偿就少了。

我觉得这个例子讲得很实在。每个漏洞背后都是一笔具体的钱：客户丢了是钱，证人没问到是钱，那份没读的医生记录也是钱。

03 能连着做几十步的智能体，正好能补上这些漏洞

接着，Haber 讲了智能体能怎么做。客户第一次打进电话的时候，就给这个案子分配一个智能体，目标是让客户拿到尽可能多的赔偿。它把案子的信息存起来，需要时再调出来。有新情况或者到了期限，它会自己醒过来，派出小的智能体去联系证人、告诉客户进展，也会通过电话、邮件、短信去找律师。它把收到的东西汇总起来，想好下一步，起草文件交给人审，一步步推着案子往好的结果走。办完一个案子，它还会学到东西，下一个案子做得更好。

他说，这样前面那几个漏洞就都补上了。智能体随时都有空，几乎立刻就能评估一个案子，客户不会再因为回得慢而丢掉。取证也不再受人手限制，需要的话，随时可以多派一个小智能体，去打第五个、第十个、甚至第二十个电话。因为它几乎可以无限复制，再普通的案子也能认真做，每份证据都能细读，那个可能被漏掉的脑损伤，也就有机会被发现。案子的全部记录，从证人通话到警方报告和病历，它都留着，一条都不会丢。

这已经有人在做了。Haber 和同事 Marc Andrusko 领投了一家叫 Eve 的公司，做的是给原告律师用的案件工作平台。他们说，市面上的法律软件，要么只解决一个小问题，要么只是存档案的地方，Eve 不一样，它能动手做事。用了 Eve 的律所，同样的人能多接三到四倍的案子。一年里，Eve 的客户数涨了 800%，最近八个月新增了 80 多家律所。有一家律所说，回复证据开示（诉讼中，对方要求你交出相关文件）这类事，原来要花 20 个小时，现在 30 分钟就够了。

Eve：给原告律师用的案件工作平台，a16z 领投了它的 A 轮。图片来自 a16z

我觉得智能体最大的好处，是它不会累，也不会忘。一个案子跑三个月，人难免会累，难免有遗漏。智能体手上有完整的记录，每一步都对着全部情况来做，这一点人很难做到。

04 能跟完整件事，收钱的方式也会跟着变

能跟完整件事，带来的不光是效率，还有收钱方式的变化。Haber 是这么想的：智能体要是能把整件事做得更好、更快，它带来的就不只是替客户省下的钱，还有多赚到的钱。既然事情的结果看得见，也能算到智能体头上，AI 公司就可以按工作成果来收费，从新赚到的钱里分一份。

原告律所就很合适。一个案子就是一个清楚的工作单位，最后的和解金额也一目了然，智能体做得越多，结果就越能算到它头上。这样一来，能谈下来的合同金额，就可以比只靠省成本时高。

不过他也说了，按结果收费并不顺。在原告律所这个例子里，美国大多数州不允许非律师分律师费，所以收费只能参考和解金额来定，不能直接分一份。在别的行业，采购部门也可能不同意，因为他们手上没有按结果付费的合同可以参考。就算智能体越来越多地接管结果，早期也肯定会有人争，这到底算谁的功劳。所以他说，要把长时间运行的智能体用好，既是技术问题，也是生意上的问题。

a16z 的另外两位同事 Tugce Erten 和 Sarah Wang，从另一个角度讲过类似的道理。他们建议做 AI 应用的公司，尽量在自己能可靠地衡量、算清楚、守得住的最高一层价值上收费。如果卖的是模型的使用权，就按 token（模型处理文字的计量单位）收。如果是把模型变成一份份有用的工作，就按大家认得的工作单位收，常常用“积分”的办法。如果交付的是一个清楚、能算到自己头上的业务结果，就直接按结果收。他们还问过 50 位懂技术的 AI 买家，其中 27 位更喜欢和具体工作挂钩的积分，只有 14 位更喜欢按 token 付费。

a16z 的文章《You Are Not A Model. Don’t Price Per Token.》，作者 Tugce Erten 和 Sarah Wang。图片来自 a16z

市场上已经有这样的做法。做客服软件的 Intercom 推出了一个客服智能体，叫 Fin，每解决一次对话收 0.99 美元。如果它答不上来、办不成事，或者客户中途要求转人工，就一分钱不收。

Intercom 的 Fin：每解决一次对话收 0.99 美元。图片来自 Intercom

这几个例子有个共同点：能按结果收钱，是因为结果既清楚，又算得清。一个案子的和解金额、一次客服对话有没有解决，都好数。反过来，一件事要是牵涉很多部门，很难说清是谁的功劳，就先按工作量收，等结果看清楚了，再慢慢往按结果收费走。

05 这条老路早就有人走过，现在正被 AI 冲击

Haber 说，按结果收钱、把整件事包下来，并不是新想法，他举的例子是 Red Ventures（简称 RV）。RV 由 Ric Elias 和 Dan Feldstein 创办，最早做的是线上销售外包，从头包到尾，针对那种签一次就管很久的消费合同。拿保险来说，RV 自己运营 homeinsurance.com 这样的网站，人们搜保险的时候，它就收集资料，主动联系，带着对方看各种保障方案，最后把保单签下来。整段路它都包了，签成一单，就向保险公司收一笔钱。

Red Ventures 的办公楼。图片来自 Wikipedia

这个生意以前赚得很多。按他引用的数字，2022 年 RV 的销售额约 14 亿美元，EBITDA（可以理解为扣除利息、税和折旧之前的经营利润）约 3.7 亿美元。

他认为，现在这个生意已经受到冲击。首先是人们找东西的方式变了。人们不再先在搜索引擎或比价网站里一页页比，而是直接问自己的个人助手，比如 Meta 的 Muse 或 Instinct（两款个人 AI 助手），传统的比价网站也就没那么值钱了。其次，原来要靠几百个人，一步接一步地跑销售流程，现在长时间运行的智能体可以同时处理不同的产品，用不同的沟通方式，说不同的语言，而且不会累。RV 的 EBITDA 估计到 2025 年掉到了约 1.6 亿美元，原因包括客户流失和广告预算变少，他觉得这是个苗头。

那 AI 公司要怎么把这样的智能体卖出去？Haber 列了三条路。

第一条是卖平台。把智能体当软件卖给企业，接进它现有的团队和流程。好处是市面上没有现成的价格可以比，涨价的空间大。缺点是销售周期长，因为客户要新开一笔预算。而且智能体要连着好几个部门，结果更难算到它头上。

第二条是卖服务。直接接手企业已经外包出去的一块业务，把结果做得更好，就像 RV 替保险公司包下获客的全过程。这样销售周期短，因为买家的账好算，外包的预算本来就有。缺点是原来的定价未必反映智能体真正的价值。而且很多高价值的业务，企业现在是自己做的，外面够不着。

第三条是自己下场，把整条业务线都做了。比如不去卖催收智能体给催收公司，而是自己买债务包，自己去收。这样智能体带来的好处全归自己，算不清功劳的问题也不存在了。代价是，许可证、合规这些跟客户本身无关的事，也得自己扛，业务会变得很复杂。

Haber 没说哪条路会赢，他说现在还太早。但他有一个很确定的看法：长时间运行的智能体，会让 AI 能做的生意变大很多。原来只是企业花在人工上的那笔钱，以后还会包括企业赚到的钱里的一部分。他预计原告案件只是其中一例，房贷发放、保险理赔、复杂的企业销售，还有很多别的高价值的事，都会出现这样的智能体。

我觉得 RV 的故事说明了一点：把一整段路包下来，按结果收费，早就有人做成过，只是以前要靠大量的人去跑。现在智能体让这件事用不着那么多人，谁先做成，谁就能分到以前花在人工上的那笔钱。

我自己的一点思考

Haber 讲的，是智能体怎么从帮人省钱，变成和人一起分钱。以前的 AI 是替人做一个动作，省下一点时间。现在它能把一件事跟到底，就可以对结果负责，也就能按结果拿钱。要做到这一点得有三样东西：智能体能连着做很多步，结果看得清楚，功劳也算得清。

我自己的想法有两点。第一，对做 AI 产品的人来说，别只盯着某一步做得多快，先想清楚客户最后要的是什么结果，这个结果的钱落在哪一个环节。找到了，就值得把整段路都接下来。第二，按结果收费有它的难处，就像 Haber 自己说的，律师费有法律限制，采购部门有顾虑，功劳怎么算也躲不开要争。所以在很多行业，先按工作量收起步，再慢慢往按结果收走，可能比一步到位更现实。

AI 如果只能替人省钱，分到的有限；如果它能把整件事办成，就能分到办成的那一份。

资料来源：

a16z，Winning the Relay Race: Long-Running Agents in High-Value Customer Journeys（David Haber），2026-10-14原文 https://a16z.com/winning-the-relay-race-long-running-agents-in-high-value-customer-journeys/

a16z，Investing in Eve（David Haber 和 Marc Andrusko）原文 https://a16z.com/announcement/investing-in-eve/

a16z，You are not a model. Don’t price per token（Tugce Erten 和 Sarah Wang）原文 https://a16z.com/you-are-not-a-model-dont-price-per-token/

a16z，Who Gets Paid When AI Does the Shopping?，2026-09-30原文 https://a16z.com/who-gets-paid-when-ai-does-the-shopping/

Intercom，Pricing原文 https://www.intercom.com/pricing

Wikipedia，Red Ventures原文 https://en.wikipedia.org/wiki/Red_Ventures

Tech Funding News，EvenUp grabs $150M to use AI in closing the justice gap for injury victims，2025-10原文 https://techfundingnews.com/evenup-secures-150m-ai-justice-gap/