月之暗面出租数字员工：Agent计价从软件预算转向人力预算

（本文作者为 韩工观察，钛媒体经授权发布）

11月5日，月之暗面把Harness推上了租赁模式。租的不是模型API——那东西按token卖了好几年——而是把"AI员工上班的全套后台基础设施"打包出租：云沙箱、会话记忆、工具链、断线恢复、审计日志，全都包进去。企业只管派活，它在云上7×24小时跑着，跑到一半断电也能从断点续跑。

这不只是发布一个产品功能。计价锚点正在迁移：AI厂商从"卖电"（token）转向"卖员工工时"（hosted agent）。背后的逻辑比"云服务升级"四个字要狠得多——企业采购AI的预算科目，正从IT支出滑向人力支出。

一、从卖电到卖员工：计价锚点的五次上移

把IT从"买"变成"租"，人类不是第一次干。但前几次租的东西，和这一次有本质区别。

第一段是License时代。1980年代到2000年，企业买光盘、买授权、买CPU席位，本质是买"复制权"加买固定资产。微软、Oracle、SAP卖的是一把锄头，坏了自己磨，升级自己掏钱。其实IBM在1960年代就试过大型机租赁，ASP托管在2000年前后也火过一阵，但那时租的是硬件或托管机房，运行环境并没有单独计价。

接着进入了SaaS阶段。1999年Salesforce提出"No Software"，"租访问权"由此成为主流做法。企业不必再持有软件，改为按月购买账号，运维、升级、多租户管理都交给厂商。收费方式后来变成按席位或人月计算——销售有多少人，就付多少钱。计价的锚点从"资产"移到"访问"，再移到"席位"，CapEx也随之转为OpEx。可这租的终究还是工具——好比企业办了张健身房月卡，去不去练、练成什么样，全看自己。

再往后是AI用量的阶段。从2023年开始，大模型API以token为单位计费，企业掏钱买的是"脑力"。但说到底这仍是卖电的路子——调一次API花1分钱，厂商从中赚1厘，拼的是电价。企业感受到的是"用了多少字、花了多少钱"，这笔账在预算里依旧归入IT支出。

第四段，就是现在。月之暗面Hosted Agents、Anthropic Claude Managed Agents、OpenAI Hosted Agents，全球头部几乎同时把"Agent运行时"商品化。租的不是模型，不是访问权，是一个"会干活的岗位"——7×24小时待命，能自己拆任务、调工具、生成报告、发邮件，出错能重试，崩溃能续跑。

计价锚点随之发生了第五次上移：从资产（License）→访问（账号）→席位（人/月）→用量（token）→工时（Agent运行时）。

说"上移"，理由在于预算科目换了位置。以往企业买CRM掏10万，给销售发工资掏100万；Agent切的正是那100万里执行层的那部分。所以天花板不在IT支出，而在人力资本支出中能被结构化出来的那块。这并非量级上的放大，而是预算逻辑被重新改写。

不过历史不会原样重演。前几轮租出去的是工具和访问权，这一回租出去的是"岗位"——一个会学习、会报废、会迭代的数字员工。数字员工跟物理资产有本质差别：椅子不会自行过时，Agent却会。

二、动态性：为什么"会进化的东西不能买断"

你买一个东西，隐含的前提是这东西买完之后能稳定用。你买把椅子，它不会自己进化，也不会主动坏。但数字员工不一样。

动态性关键不在有没有，而在烈度高低。地图App同样一直在更新，可一两年不升级，旧地图照样能用，无非路线不准——这属于低烈度动态性，买断加一份年度维护合同就够覆盖。Agent要是三个月不迭代，接口可能已经变了、安全漏洞没人补、业务系统也连不上——这是高烈度动态性，不持续投入就会"废掉"。所以判断一样东西该不该租，看的不是更新频率，而是"不更新会不会废"。

其一，它得进化。模型三个月就更新一轮，今天能干的事，明天也许干得更好，也可能因升级反而退步。你买断某个版本，三个月后它就过时了。厂商在云端不停迭代，你手上那份"买断版"便成了孤岛。

其二，它得维护。并非"买回来往那一放，它自己就干活"。它要接新的数据源、适配新的系统接口、修bug、调提示词、处理异常。买断之后自己管？那你就得养一支技术团队，等于又雇人来盯着这个"数字员工"。

第三，它要跟着业务变。公司流程改了、系统换了、标准更新了，数字员工也得跟着调。买断的版本不会自动适配这些变化。

所以你买一个数字员工，就像买了一个人但不给他培训、不给他涨薪、不让他学习新技能——他能干多久？

租的实质，是把"让它活着并且能干活"这份责任交给厂商。模型升级，厂商去更新，你无感；工具接口变了，厂商去适配，你不用管；出了bug，厂商修，你不必养运维；干得不好，下个月不续租，换一个就是。租约本身自带淘汰机制，买断则没有。

这也能解释一个反直觉的现象：大家凭直觉认为"贵的买、便宜的租"，可通用Agent也许正好反过来——越贵越该租。因为买回来之后技术半年一迭代，残值就归零；租的话，技术过时的风险由厂商扛。

但"租"并非放之四海皆准。Agent有没有实体、数据能不能出门、技术迭代有多快，这三样划定了租与买的边界。要弄明白这点，得把AI的落地形态拆成三层来看。

三、三层形态：端侧买、云端租、垂直混合

第一层，云端纯Agent

Kimi Hosted Agents的主要战场就在这里：Agent在厂商的云上运行，没有物理实体，企业只需要派活。沙箱、记忆、工具链、权限、审计，统统交给厂商托管。

这类场景为什么非租不可？原因有三。第一，没有实体资产，也就不存在折旧和残值问题；第二，技术迭代企业不用操心，厂商远程就能升级；第三，通用能力正在商品化，模型权重本身就在贬值——DeepSeek-V4-Flash的输出价已经压到约0.28美元/百万token，单台Atlas 800八卡就能跑私有化，通用能力正被卷成水电一样的价格。买断一个模型，明年就过时了。

月之暗面的定价结构本身就透着信号：沙箱按运行时长收费，0.072元/小时；token推理费另算，叠加收取；插件则按次计费。企业的感受随之变化，从“花了多少字钱”变成“雇了个不占工位的实习生，按月或者按活结账”。同期Anthropic Claude Managed Agents（2026年4月发布）按0.08美元/会话小时收运行费，OpenAI、Google、微软也先后推出同一层级的托管产品。这不是哪一家公司的策略，而是整个行业的集体转向。

第二层，端侧设备

手机、PC、车里的NPU，Agent跑在本地。这类场景最核心的特征是：硬件是资产，智能是服务。

没有人会租手机来用。硬件会过时——芯片算力不够、内存满了、电池衰减——得物理换件，厂商没办法远程“升级”一块NPU。所以设备是买的。但设备上的智能能力，可以租。苹果Apple Intelligence、华为鸿蒙AI、阿里千问接入国行iPhone（2026年11月Beta），走的都是端侧简单任务本地跑、复杂任务转云端的路子，AI功能按月订阅。终局是“买设备+租脑子”的组合。

工信部近期提出智能体终端进网管理要求，手机、穿戴设备预置Agent需要通过进网检测、OTA升级评估和权限调用管控——也就是说，端侧“租脑子”同样有监管边界，不是想租就能租。

第三层，物理载体机器人

这是最复杂的混合态，得分成两档来看。

饭店送餐、楼宇清洁、园区巡逻这类通用服务场景，数据不敏感，设备磨损却很快，技术更新也频繁，所以更适合采用租赁。乌镇“互联网之光”2026年11月的展会上，康养机器人已经亮相；产业界也在探讨租赁模式，但规模化商业验证尚未形成。道理与企业租打印机相似：维修和升级由厂商承担，企业按使用量付费，不必担心技术过时。

手术机器人、工业机械臂、银行厅堂智能体属于垂直精密类，数据不出门是硬性要求，而且必须进行现场训练。新希望金融科技与宇树科技合作，基于G1人形机器人推出银行厅堂方案，算力在本地部署、不连接公网，厂商公开的设计原则是“不碰客户、不碰资金、不碰数据”。这类场景既不单纯是租，也不单纯是买，实际采用“买本体+本地训练+维保服务”的混合模式：设备所有权通过买断获得，持续迭代的模型能力和驻场服务则通过租赁获得。

第四层，主权级：不租的底盘

还有一类主体，不能放进“租买光谱”里讨论——国家与政务系统。

国家政务平台不是不想租，而是主权不可外包：算力走全国一体化算力网或东数西算节点，模型自主训练或者采用备案模型，数据不出域、微调留台账、Harness自建。

中央网信办与发改委2025年10月印发的《政务领域人工智能大模型部署应用指引》提出：要统筹集约，县级复用上级能力，避免重复建设，并优先采用已备案模型。商务部2026年10月计划把AI大模型、智能体、算力集群技术列入出口限制清单，技术主权的边界因此更加明确。

商业Agent能力同样会被采用，但只用于非涉密的通用辅助环节，例如公文起草、问答和文书校对。核心决策、涉密数据和监管判断则必须“买到底”，包括买算力、买模型、买下可控的迭代权。

所以真实世界并不是“租替代买”，而是三层并行：通用市场以租为主，垂直行业混合，主权领域自建为底。

但这个框架还是空的。真实世界里，租买双方赌的不是价格，是信任和主权。

四、博弈：租的不是工具，是代理人

在传统委托代理理论中，企业雇人时担心的是偷懒和信息隐藏。租用Agent时，企业担心的则是幻觉、越权、提示词注入和价值偏离：让它审核合同，它可能漏掉不该删除的条款；让它生成报告，它可能编出一组假数据。

香港大学一项关于Agent信任机制的闭门研究显示，76%的从业者在实际部署中遇到过信任顾虑，53%认为“客户信任低”是主要障碍，42%认为“出错责任不清”。这三组数字分别对应三件事：顾虑出现的频率、客户的感知、事后的责任归属。企业采购Agent，说到底看重的是“可委托性”：身份可确权、权限可约束、履约可审计；能力本身不是重点。

由此便引出数据主权的博弈。云端派主张托管最省心，数据经过云端也没问题，Inference Hook能够拦截敏感字段。本地派则坚持金融、医疗、政务领域一票否决，数据不出域是底线。混合派走的是中间路线：端侧负责筛数据，云端承担强脑，荣耀“共生Agent”、NVIDIA×Perplexity都遵循这个逻辑。

企业争的是商业主权，国家守的是数据主权加技术主权。乌镇2026年11月发布的智能体自律公约提出“身份可核、授权可控、行为可查、责任可追”，国家区块链网络给Agent做信任锚点——这恰好说明，当Agent从工具变成代理人，“可委托性”就不只是商业问题，也是治理基础设施问题。

厂商的真实诉求和用户相反。用户要的是“能力上来、原始数据别走”；厂商想的是“多看失败轨迹好迭代模型”。腾讯甚至宁可放弃原始数据，也要换失败日志——因为在数据不出门的前提下，“失败轨迹”才是未来训练数据的新石油。

计价权是博弈的第二个维度。厂商倾向按结果收费（RaaS），自己扛下模型成本风险，换取更高的客单价。企业的顾虑在另一头：Agent出错率还高，结果归因不清，就不敢照结果掏钱。UC Berkeley 2025年做过一项对比，横跨7个多Agent框架，多Agent任务失败率落在41%~86.7%之间（不同基准不能横向比较）；CMU TheAgentCompany基准测的是真实办公场景，顶尖单Agent失败率约69%~70%。想按结果付费，先等稳定性过关。

眼下能走的路只有一条：先按月租工位，再按工时计费，最后才敢在窄场景里按件计酬。中间横着一道坎，叫稳定性。

第三个维度是锁定。租着省心，租久了却被绑住。Agent嵌进工作流之后，业务知识沉淀在厂商那一侧，记忆、配置、插件生态都放在人家的云上。今天租Kimi，明天想换豆包？数据资产搬不走，切换成本按年算。大厂已经在抢入口：豆包吞下飞书，WorkBuddy绑住微信生态，说到底都是数据主权锁定。

租还是买，底层不是算成本，是分风险。租，把迭代风险和运维成本推给厂商，代价是锁定风险；买，数据主权和退出自由留在自己手里，但要背过时风险，还要养团队。

厂商想按结果收钱，企业先反问一句：错了算谁的？

五、反方：不是所有人都租，也不是现在就能按结果付

本文的核心判断是通用场景租是主航道，不过这个判断有两个限定。

其一，私有化在变便宜，第三路径确实存在。DeepSeek于2026年10月开源DeepInfer推理框架，企业可以自建推理集群，高吞吐场景下单位Token成本被大幅压低。每日互动推出个知工作站，纯私有化方案，跑在华为昇腾架构上，号称二十倍性价比。实在智能的落地口径更具体：高频生产场景（日均十万级调用）下，私有化DeepSeek方案的综合成本能降到公有云API的30%~40%。

前提是算力利用率得高。AgentMarketCap 2026年4月的一份TCO测算给出分界线：利用率高于70%，自建长期成本更低；低于这条线，硬件折旧加上运维人力会反超云托管。卡点不在模型，在Agent编排、评估、安全护栏这些工程人力成本上。

其二，头部企业不租，自己建。腾讯内部CodeBuddy覆盖95%工程师，WorkBuddy是AgentOps平台；字节、百度、火山各建Agent中台，再拿生态做绑定。大厂有算力、有人才、有数据，租是中小企业的主线，自建是头部玩家的选项。

其三，RaaS按结果付费只在窄场景跑得通。智达明远把AI营销RaaS的效果写进合同，未达标退款，续费率96.8%——但只限于营销获客这种结果容易量化的场景。国投智能的保安机器人RaaS试点上了100台，还在投入验证期。复杂企业任务退回工时租，因为错误可归因、结果可量化这两个条件还不满足。

所以准确点说：租是趋势，买不会消失；RaaS是终局方向，中间要过稳定性和可归责两道窄门。计价锚点一旦从IT预算切到人力预算，Agent就不只是采购问题，而是用工制度问题。

真正的问题在这里：企业开始拿人力预算而不是IT预算来衡量AI，市场的天花板就变了——变的是结构，不是总量。

六、人力预算取代软件预算？社会容忍度才是终极变量

这不是SaaS的延续，是SaaS的颠覆。

SaaS按席位收钱，骨子里还是工具逻辑——用不用都按人头收费。Agent按工时、按任务、按结果收费，骨子里是用工逻辑。

不过Agent切的不是人力预算的总量，是其中可结构化的那一层。它能接的活有三个特征：重复、不知疲倦、偏理智侧——整理线索、发跟进邮件、填报表、对账、出晨报。这些活人干会烦，Agent干不烦，7×24待命，不请假不闹情绪。

它切的是执行层和助理层的工时，不是关系层和决策层。谈判要读表情和语气，喝酒是在建立非正式信任，临场决策靠场域感知——这些人在场的活，Agent切不了，也不该切。

人力预算并没有被谁取代，变的是它内部的结构：Agent 拿走了一部分执行层，反过来，关系层和决策层更吃香了。人腾出手来，才能去干那些只有人干得了的事。

这个类比还能往下推：现在按时长加token收费，等于按工时算工资，干多干少都给钱；以后按结果付费，等于计件工资，干出来才算钱。企业愿意付，因为省下的是执行层真金白银的人力成本。

计价锚点上移，市场含义是什么？企业对AI的心理账户，从买把更好的锄头变成了雇个不下班的短工。锄头你会买，短工你只会租。只要租比雇人便宜，这个逻辑一百年不会变——变的是计价单位：从每月工位费慢慢滑向每件活儿的工资。

但这里埋着一个比技术更难的问题：Agent切的要是人力预算里的执行层，不是IT预算，那被切掉的人力去哪？

企业个体的理性很简单：谁便宜用谁，Agent比人便宜就用Agent。系统反身性在于：执行层被大面积替代，消费端萎缩，企业产品卖不动，回头又得雇人。长期看不是无限替代，是人机配比动态平衡。而租Agent这个商业模式，在平衡区间里依然主流——租的弹性最大，景气好就加租几个，景气差就退订。

按这个走向，10年后通用办公Agent会全面转向按月租用，再一步步改成按结果收费；20年后，数字员工就成了常规用工方式，企业的人力盘子等于正式员工、租赁硅基岗和外包三块拼起来。可在这之前，比技术迭代更急的是另一件事：AI的计价锚点正从软件预算挪向人力预算，那批被释放出来的执行层人力，往哪儿去？

发改委在11月3日的发布会上，已经把AI监管沙盒、就业结构监测、模型训练师这一新职业摆到了台面上。分配问题并非遥远的推演，它已经进入议程。

分配问题会不会先到、又以什么形式到，技术推演给不出答案，答案在社会的容忍度里。压力被技术摆上桌之后，接不接、怎么接、何时接，要由社会自己权衡。这笔账里有经济、有稳定、也有就业，算盘不在技术手里。

技术上的难题总有解法。真正会先到的坎，是社会怎样接住这个解。

【信息说明】

本文分析概念说明：

1. “动态性”：本文用它指代Agent会持续进化、需要维护、并跟随业务变化的那种特性，据此论证买断在经济上站不住脚。这是作者的分析概念，并非行业通用术语。
2. “动态性烈度”：本文提出的判据，用来区分不同技术产品该租还是该买——低烈度动态性（例如地图App）靠买断加维护合同就能覆盖，高烈度动态性（例如Agent）才会滑向租赁。此为作者分析概念。
3. “计价锚点”：本文用它描述企业采购AI时，预算科目归属的迁移轨迹（从资产到访问，到席位，到用量，到工时，到结果）。此为作者分析概念。
4. “三层形态框架”：本文把AI落地形态分成三层——云端纯Agent、端侧设备、物理载体机器人，并对应不同的租买决策。此为作者原创分析框架。
5. “主权级智能体”：本文的补充分析概念，指政务、国资、关键基础设施当中，算力、模型、数据、Harness都不可外包的部署形态。此为作者分析概念。
6. “Harness”：指Agent的运行框架，包含会话状态保存、云沙箱、工具调用、断线恢复、重试限流等，是月之暗面官方产品文档中的技术术语。

推演预判说明：

文中“计价锚点从IT预算滑向人力预算”“通用场景租是主航道”“RaaS需经过稳定性窄门”等判断，都是作者依据公开信息做出的产业推演，不代表一定会发生。10年、20年后的愿景属于远期推演，不确定性很大。

类比说明：

1. IDC预测“中国企业级AI智能体市场2025年212亿元增长至2029年3320亿元”，这一说法引自36氪研究院《2026年中国AI Agent行业发展研究报告》（2026年9月），IDC的原始报告目前还查不到独立可检索的原文。
2. “76%从业者遇过信任顾虑”等数据，来自香港大学KYA闭门研究，全文未公开，只供类比参考。
3. 多Agent失败率41%~86.7%，出自UC Berkeley Cemri et al.的论文Why Do Multi-Agent LLM Systems Fail?（arXiv:2503.13657，2025），不同基准之间不能横向对比；CMU TheAgentCompany基准（arXiv:2412.14161）测出的顶尖单Agent失败率约为69%~70%，这两组数字不能混用。
4. DeepSeek-V4-Flash的定价、DeepInfer框架、每日互动“个知工作站”、实在智能的落地口径等，均来自厂商公开披露或行业测算，作者没有独立核验。
5. 月之暗面Hosted Agents的定价（沙箱0.072元/小时等）引自月之暗面开放平台官方定价页；Anthropic Claude Managed Agents的定价引自其官方公告（2026年4月8日）。
6. 《国务院关于深入实施“人工智能+”行动的意见》出自中国政府网公开公报，文号为国发〔2025〕11号，印发时间是2025年8月26日。
7. 工信部终端进网管理要求来自行业公开报道；乌镇智能体自律公约及区块链信任锚点属于公开会议信息；发改委11月3日发布会的信息为公开新闻信息。

本文依据公开信息独立撰写。文中对企业所做的分析与判断，均为作者基于公开资料的研究性观点，不构成投资建议，也不代表对相关企业的任何立场。相关数据以企业官方披露为准。文中对缺乏公开证据的假设性推演已作标注，请读者注意辨别。