如果你在投 AI 应用、做 agent 公司、或者拿 SaaS 的尺子在量 AI 软件——这篇告诉你一个被市场严重低估的结构变化：软件第一次有了销货成本。

传统软件卖的是工具：你买一把更好的锤子（一个席位的 CRM、IDE），怎么用是你的事，定价按”有多少人用”（per-seat）。agent 改变的是动词——它不再是被你用的工具，是替你完成工作的执行者。定价随之从”多少人用”滑向”完成了多少工作”（per-outcome）。

这个动词的改变，是软件底层经济学的两次反转：一次向上，一次向下。

向上：TAM 从”软件预算”跳进”人力预算”

软件行业三十年都在抢同一块钱：企业的 IT 预算。卖结果捅破了这个天花板——当 agent 交付的是”完成的工作”，它对标的不再是某个软件的订阅费，而是原本要付给人去做这件事的钱。而人力预算比 IT 预算大一个数量级。

这才是”agent 重写软件”的硬核含义：不是软件更好用了，是软件第一次有资格去争一直够不着的、那块大得多的钱。一个能替代初级分析师、客服坐席的 agent，定价上限不是”比同类 SaaS 贵一点”，是”比那个人便宜一点”。

如果故事到这就结束，agent 会是史上最好的生意。但还有向下那次反转。

向下：软件第一次有了 COGS

SaaS 是人类发明过最好的商业模式之一，核心只有一条：零边际成本。代码写一次，多卖一个席位几乎不花钱，所以毛利八成以上、规模越大越赚钱。

agent 把成本加了回来。每一次 agent 运行都要真实烧 token——调模型、检索、多步推理、调工具，每一步都付给上游。多服务一个用户、多完成一个任务，是真的要花钱的。软件第一次有了和制造业一样的东西：变动成本、随规模线性增长的 COGS。

后果是结构性的，多数 agent 公司的估值还没消化它：毛利从八成回落到由 token 成本决定的低得多的数字；规模不再自动改善毛利。毛利唯一的外部救赎，是赌 token 成本下降速度快于定价被压低速度——一门和上游通缩赛跑的生意。

还有一笔隐藏负债：可靠性税

卖工具时代，软件出错是用户的事；卖结果时代，agent 出错，买单的是卖 agent 的那一方。这就是可靠性税——它要么变成”人工兜底”（把省下的人力又吐回去），要么变成”出错赔付”，要么变成”只敢接低风险任务”。

这解释了那个反复出现的现象：很多 agent 演示惊艳、试点火爆，规模化却卡住。卡住的不是能力，是”错误成本 × 出错概率”吃掉了卖结果的全部溢价。一个 95% 正确的 agent，在错误代价高的场景里，可能比一个要人全程盯着的工具还贵。

唯一能盈利的那条缝

三笔账摆一起，agent 生意成立的条件是一个不等式：

结果价值 > token 成本 + 可靠性税（错误成本 × 出错概率）

这也解释了为什么”代码”最早跑通之一：结果价值高（替代昂贵工程时间），可靠性税异常低——代码自带免费裁判（测试过没过），出错能被即时拦截。清晰的对错信号，让”卖结果”在经济上敢成立。

三句话收尾。别用 SaaS 倍数无差别给 agent 公司估值——先问单位经济：单次结果的 token 成本在不在下降轨、可靠性税要不要人工兜底。最被高估的是”演示惊艳但靠人工兜底规模化”的 agent（规模越大越亏）；最被低估的是”场景有免费裁判、成本随通缩下降、对标高人力成本”的 agent。市场用 SaaS 高倍数给 agent 估值、却没扣脏损益表的折价——这个错配迟早重定价。

你看的 agent 公司，单次结果的 token 成本在下降轨上吗？要不要大量人工兜底？评论区聊。

数据来源（框架性论证，2026-06）：token 成本通缩（每年跌 9-900 倍，Stanford AI Index 2025）；成本流向上游（约七成，Epoch AI）。

—— 节选自写作中的 AI 产业新书《通缩夹心》（暂名）第九章

#AI产业 #Agent #通缩夹心