月之暗面出租Harness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，月之暗面将Harness对外出租。租出去的东西与模型API不同——按token卖模型API已有数年，这次打包的是“AI员工上班的全套后台基础设施”：云沙箱、会话记忆、工具链、断线恢复、审计日志一并囊括。企业只需分派任务，该服务便在云上7×24小时运行，即使中途断电，也能从断点处继续跑。

这并非单纯的产品功能发布，实质是计价锚点的迁移：AI厂商从“卖电”（token）转向“卖员工工时”（hosted agent）。其背后的逻辑不止“云服务升级”那么简单——企业采购AI的预算科目，正从IT支出向人力支出倾斜。

一、从卖电到卖员工：计价锚点的五次上移

把IT从“买”变成“租”，人们已做过不止一次。但前几回租的东西，与这一次有本质不同。

最早是License时代。1980年代到2000年，企业买光盘、买授权、买CPU席位，实质是买“复制权”加买固定资产。微软、Oracle、SAP卖的是一把锄头，坏了自己修，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年前后也流行过一阵，但那时租的是硬件或托管机房，运行环境并未单独计价。

接着是SaaS时代。Salesforce在1999年喊出“No Software”，让“租访问权”成为主流。企业不再拥有软件，改为按月买账号，运维、升级、多租户都由厂商负责。后来演变为按席位/人月收费——有多少销售，就交多少钱。计价锚点从“资产”滑向“访问”，再滑向“席位”，CapEx变成OpEx。但这仍是租工具——企业买一张健身房月卡，练不练、练出什么效果，是自己的事。

然后是AI用量时代。2023年起，大模型API按token计费，企业为“脑力”买单。可这依然像卖电——你调一次API花1分钱，厂商赚1厘，拼的是电价。企业感知是“花了多少字钱”，预算科目仍挂在IT支出下。

第四段就是眼下。月之暗面的Hosted Agents、Anthropic Claude Managed Agents、OpenAI Hosted Agents，全球头部厂商几乎同时把“Agent运行时”商品化。租的不再是模型或访问权，而是一个“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。

计价锚点因此完成第五次上移：从资产（License）到访问（账号），再到席位（人/月）、用量（token），最后到工时（Agent运行时）。

之所以说是“上移”，原因在于预算科目变了。企业过去买CRM花10万，销售工资花100万；Agent直接切入那100万里的执行层。市场天花板不再是IT支出，而是人力资本支出里可被结构化的那一块。这不是量级放大，而是预算逻辑的重构。

但历史不会原样重演。前几回租出去的是工具和访问权，这回租的是“岗位”——一个能学习、会报废、可迭代的数字员工。数字员工跟物理资产完全是两码事：椅子不会自己变旧，Agent却会。

二、动态性：为什么“会进化的东西不能买断”

买下一个东西，隐含的前提是它买完之后能稳定使用。买把椅子，它不会自己进化，也不会主动坏。数字员工则不同。

动态性不是有无的问题，而是烈度的问题。地图App也持续更新，但一两年不升级，旧地图照样能用，只是路线不准——这属于低烈度动态性，买断加年度维护合同就能覆盖。Agent三个月不迭代，可能接口已变、安全漏洞未补、业务系统连不上——这属于高烈度动态性，不持续投入就会“废了”。判断动态性该不该租，不看更新频率，看“不更新会不会废”。

头一条，它得进化。模型三个月就更新一版，今天能干的事，明天也许干得更漂亮，也可能升完级反倒退步。你买断的是某一个版本，三个月后就不中用了。厂商在云端不停迭代，你手里那个“买断版”就成了孤岛。

第二条，它得维护。不是“买回来往那一放就自己干活”。接新数据源、适配新系统接口、修bug、调提示词、处理异常，样样都要人。买断后自己管？那就得养一个技术团队，等于又雇一批人来看着这个“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。

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

租说到底，就是把“让它活着、还能干活”这份责任推给厂商。模型升级，厂商去更新，你这边没感觉；工具接口变了，厂商去适配，你不用操心；出了bug，厂商修，运维不用你养；干得不行，下个月不续，换一个。租约天生带着淘汰机制，买断没有。

这就能解释一个反常识现象：直觉上大家觉得“贵的买、便宜的租”，但通用Agent可能恰恰相反——越贵的越适合租。因为技术半年一迭代，买回来残值归零；租的话，技术过时的风险由厂商承担。

可“租”不是哪儿都适用。Agent有没有实体、数据能不能出门、技术迭代有多快，这三样划出了租和买的边界。要把这事想明白，得把AI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的主要阵地就在这儿。Agent跑在厂商云上，没有物理实体，企业只管派活。沙箱、记忆、工具链、权限、审计，统统托管。

这类场景为什么非租不可？原因有三个。其一，没有实体资产，谈不上折旧和残值；其二，技术迭代企业无感，厂商远程升级就行；其三，通用能力正在商品化，模型权重本身在贬值——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，通用能力快卷成水电价了。买断一个模型，明年就过时。

月之暗面的定价结构本身就在释放信号：沙箱按运行时长收费（0.072元/小时），token推理费另外叠加，插件按次计费。企业的感受变了，从"花了多少字钱"变成"雇了个不动工位的实习生，按月或按活结账"。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、微软也陆续推出同层级的托管产品。这不是哪一家公司的策略，是行业整体的转向。

第二层，端侧设备

手机、PC、车里的NPU，Agent跑在本地。这类场景的核心特征是：硬件是资产，智能是服务。

没有人租手机用。硬件过时了——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。但上面的智能能力，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需过进网检测、OTA升级评估和权限调用管控——端侧"租脑子"因此也有了监管边界，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，要分两档看。

饭店送餐、楼宇清洁、园区巡逻这类通用服务，数据不敏感、设备磨损快、技术换代也快，租着用更合适。乌镇"互联网之光"2026年11月展出的康养机器人，产业端在谈论租赁这条路，规模化商业验证还没跑通。道理跟企业租打印机差不多：维修升级归厂家，企业按用量付钱，技术过时的风险不用自己扛。

手术机器人、工业机械臂、银行厅堂智能体属于垂直精密类，数据不出门是硬约束，还得在现场训练。新希望金融科技联合宇树科技基于G1人形机器人做的银行厅堂方案，算力放在本地，不连公网，厂商对外披露的设计原则是"不碰客户、不碰资金、不碰数据"。这类场景谈不上纯租，也谈不上纯买，走的是"买本体+本地训练+维保服务"的混合路子。买断的是设备所有权，租的是模型持续迭代的能力和驻场服务。

第四层，主权级：不租的底盘

还有一类主体没法放进"租买光谱"里讨论——国家与政务系统。

国家政务平台并非不想租，问题在于主权没法外包：算力走全国一体化算力网或东数西算节点，模型自己训练或者用备案模型，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：统筹集约、县级复用上级、不重复建设、备案模型优先。商务部2026年10月拟把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显性化。

商业Agent能力它们也用，但仅限于非涉密的通用辅助层——公文起草、问答、文书校对；碰到核心决策、涉密数据、监管判断，就得"买到底"：算力买下、模型买下、可控迭代权也买下。

所以真实世界并非"租替代买"，而是三层并行：通用市场以租为主，垂直行业混合，主权领域自建托底。

但框架还是空的。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

传统委托代理理论里，企业雇人担心的是偷懒和信息隐藏。租Agent担心的是幻觉、越权、提示词注入、价值偏离——让它审合同，不该删的条款被它漏掉；让它写报告，它编出一组假数据。

香港大学一项围绕Agent信任机制的闭门研究显示，76%的从业者称实际部署中碰到过信任顾虑，53%把"客户信任低"視为主要障碍，42%认为"出错责任不清"。这三组数字分别指向三件事：顾虑出现的频率、客户的实际感受、事后责任归谁。企业采购Agent，买的其实不是能力，而是"可委托性"——身份能确权、权限能约束、履约能审计。

数据主权博弈由此而来。云端派认为：托管最省事，数据过云也无妨，Inference Hook能拦住敏感字段。本地派认为：金融、医疗、政务一票否决，数据不出域没得商量。混合派走的是中间路线：端侧筛数据，云端做强大脑，荣耀"共生Agent"、NVIDIA×Perplexity都是这个思路。

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"不只是商业问题，也是治理基础设施问题。

厂商的真实诉求跟用户正好相反。用户要的是"能力提上来、原始数据别拿走"；厂商想的是"多看看失败轨迹，好迭代模型"。腾讯甚至愿意放弃原始数据，只为换来失败日志——毕竟数据不出门的前提下，"失败轨迹"才是将来训练数据的新石油。

第二个博弈维度落在计价权上。厂商倾向按结果收费，也就是RaaS，把模型成本风险自己扛下来，换取更高的客单价。企业这边却有顾虑：Agent出错率还不低，结果没法归因，就不敢按结果掏钱。UC Berkeley 2025年一项覆盖7个多Agent框架的对比研究显示，多Agent任务失败率区间在41%~86.7%，不同基准不可横向对比；CMU TheAgentCompany基准测出的数据是，真实办公场景下顶尖单Agent失败率约69%~70%。想按结果付费？先等稳定性过关再说。

现实路径摆在那儿：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，就是稳定性。

第三个博弈维度是锁定。租着省心，可租久了容易被绑住。Agent一旦嵌进工作流，业务知识就沉淀在厂商那边，记忆、配置、插件生态全在人家云上。今天租的是Kimi，明天想迁到豆包？数据资产带不走，切换成本按年算。大厂已经在抢入口：豆包吞下飞书，WorkBuddy绑定微信生态，说到底就是数据主权锁定。

所以租还是买，底层不是比成本，是分风险。租，把迭代风险和运维成本外部化给厂商，代价是锁定风险；买，数据主权和退出自由握在自己手里，但得背上过时风险，还得养团队。

厂商想按结果收费，企业先问一句：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

核心判断是通用场景租是主航道，但这个判断有两个限定。

私有化门槛在降，第三条路已经跑通。2026年10月，DeepSeek把DeepInfer推理框架开源，企业能自己搭推理集群，高吞吐场景下每个Token的成本压得很低。每日互动拿出个知工作站纯私有化方案，跑在华为昇腾架构上，对外称性价比有二十倍。实在智能给的说法更落地：高频生产场景一天十万级调用，私有化DeepSeek方案算总账，能压到公有云API的30%~40%。

前提是算力利用率得高。AgentMarketCap 2026年4月的一份TCO测算指出，利用率高于70%时，自建长期成本更低；低于这条线，硬件折旧加运维人力会反超云托管。瓶颈不在模型本身，而在Agent编排、评估、安全护栏这些环节的工程人力成本。

第二，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、火山各自建Agent中台，再加生态绑定。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。

再看RaaS，按结果收钱，目前只在窄场景成立。智达明远AI营销RaaS把效果写进合同，不达标就退款，续费率96.8%——可这套只适合营销获客，结果好量化。国投智能的保安机器人RaaS试了100台，眼下还在投入验证。换到复杂的企业任务，又退回按工时租，原因很直接：错误能归因、结果能量化，这两个前提它还够不上。

更准确的说法是：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。而计价锚点一旦从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。

真正的问题在于：企业开始拿人力预算而不是IT预算来衡量AI，整个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按席位收费，本质还是工具逻辑，用不用都按人头收钱。Agent按工时、按任务、按结果收费，本质是用工逻辑。

不过Agent动的不是人力预算的总盘子，而是里面能结构化的那一块。它接得了的活有仨特点：重复、不怕累、偏理性一侧，像整理线索、发跟进邮件、填报表、对账、出晨报。这些事人做久了会烦，Agent不会，7×24在线，不请假也不闹情绪。

它拿走的，是执行层和助理层的工时，关系层和决策层碰不到。谈判得看表情听语气，喝酒是在攒非正式信任，临场拍板靠的是对场域的感知——这些要人在场的活，Agent接不了，也不该接。

所以人力预算没被顶掉，是它内部重新分了层：执行层有一块让Agent吃了，关系层和决策层反倒更金贵，人腾出手来，去做只有人能干的事。

顺着这个类比往下想：眼下按时长加token计费，就像按工时发工资，干多干少都拿钱；往后按结果付费，就成了计件，做出来才算数。企业肯掏这笔钱，省下的是执行层实打实的人力开销。

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：如果Agent切的不是IT预算，是人力预算里的执行层，那被切掉的人力去哪？

企业个体理性很简单：谁便宜用谁，Agent比人便宜就用Agent。但系统有反身性：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。长期不是无限替代，是人机配比动态平衡。租Agent这个商业模式，在平衡区间里依然主流，因为租的弹性最大，景气好就加租几个，景气差就退订。

照这个走，10年后通用办公Agent普遍按月租，再慢慢转成按结果计费；20年后数字员工成了标准用工形态，企业人力结构就是正式员工加租赁硅基岗再加外包。可在这之前，有件事比技术迭代更急：AI的计价锚点正从软件预算滑向人力预算，那被腾出来的执行层人力，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上了台面。分配问题并非遥远的推演，它已经进入正在发生的议程。

分配问题会不会先到、以什么方式到，答案不在技术推演里，而在社会的容忍度上。技术把压力摆上桌，接不接、怎么接、何时接，由社会自己权衡。这笔账里有经济的部分，有稳定的部分，也有就业的部分，不是技术能算清的。

技术问题总有解法。社会怎么接住这个解法，才是会先到的坎。

【信息说明】

本文分析概念说明：

1. “动态性”：本文用它指Agent持续进化、需要维护、跟随业务变化的特性，并以此论证买断在经济上不成立。这是作者的分析概念，并非行业通用术语。
2. “动态性烈度”：这是作者提出的一个分析概念，用来判断不同技术产品该租还是该买——像地图App这类动态性低的，买断再加一份维护合同就够用；动态性高的，比如Agent，才会转向租赁。
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”：作者把AI落地分成三种形态——云端纯Agent、端侧设备、物理载体机器人，三者各自对应不同的租买选择。这是作者自己搭的分析框架。
5. “主权级智能体”：这是作者补充的一个分析概念，指的是政务、国资、关键基础设施里，算力、模型、数据、Harness都不能外包的那种部署形态。
6. “Harness”：指Agent运行框架（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，都是作者基于公开信息做出的产业推演，不代表必然发生的结果。10年/20年后景愿属远期推演，存在重大不确定性。

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”，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原始报告暂未公开独立可检索原文。
2. “76%从业者遇过信任顾虑”等数据，引自香港大学KYA闭门研究，未公开全文，仅供类比参考。
3. 多Agent失败率41%~86.7%，引自UC Berkeley Cemri et al.论文Why Do Multi-Agent LLM Systems Fail?（arXiv:2503.13657，2025），跨不同基准不可横向对比；CMU TheAgentCompany基准（arXiv:2412.14161）测出顶尖单Agent失败率约69%~70%，二者不可混用。
4. DeepSeek-V4-Flash定价、DeepInfer框架、每日互动“个知工作站”、实在智能落地口径等，均为厂商公开披露或行业测算，作者未独立核验。
5. 月之暗面Hosted Agents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定价引自其官方公告（2026年4月8日）。
6. 政策文件出自中国政府网公开公报：《国务院关于深入实施“人工智能+”行动的意见》，国发〔2025〕11号，2025年8月26日印发。
7. 工信部关于终端进网管理的要求，来自行业公开报道；乌镇智能体自律公约和区块链信任锚点的信息，来自公开会议；发改委11月3日发布会的内容，属于公开新闻信息。

这篇稿件依据公开信息独立完成，其中对企业所作的分析和判断，是作者根据公开资料得出的研究性看法，既不构成投资建议，也不代表对任何相关企业的立场。数据以企业官方披露的为准。文中那些没有公开证据、属于假设性的推演，已经标注出来，请读者自行辨别。