AI Agent 结果计费：核验权在谁手里

2026 年 9 月 23 日，TechCrunch 报道 Ema 完成 7700 万美元 B 轮融资。这条新闻里最容易被忽略的不是金额，是客户名单：PwC、KPMG、NTT DATA、Wipro、Hitachi。专业服务与 IT 服务商出现在一家第三方智能体平台的客户名单里。同一篇报道里，Ema 说明了自己的计费方式：不按软件席位收费，也不按客户消耗的 AI token 数收费，而是挂到任务完成与业务结果上。结果计费走到这一步已经不是差异点，差异点换了位置。

一、Ema 的客户名单里为什么出现服务商

先把事实摆清楚。Ema 总部在 Mountain View，在 Bengaluru、London、Vancouver 设有办公室，约 200 名员工；创始人是 Surojit Chatterjee（前 Google、Coinbase）与 Souvik Sen（前 Okta）。

本轮 7700 万美元 B 轮由 Creaegis 领投，Accel、Section 32、Prosus 加注；累计融资 1.4 亿美元；估值较 2024 年那一轮超过 4 倍，公司拒绝披露绝对值；本轮全部为 primary equity，没有债务，也没有老股转让。

采用面同样是公司自述：超过 50 份活跃企业合同，超过 100 万活跃企业用户，超过 500 万次 actions 与 queries，两年营收 50 倍增长；bookings 超过 1.5 亿美元——注意口径，公司自述这是 2 到 3 年多年期合同的总额，不等于 ARR；净收入留存率约 180%；超过 90% 的客户把使用扩展到初始用例之外；毛利率约 80%。以上数字全部由公司自述，TechCrunch 未独立核验。

真正值得记下来的是客户名单。PwC、KPMG、NTT DATA、Wipro、Hitachi 出现在同一份名单上。也就是说，至少四家专业服务与 IT 服务商，是这家第三方智能体平台的买方。

这里需要一条纪律：这不是「咨询业放弃自研」。这是分层。同一批买方在两条腿走路——一边自建面向客户的交付能力，Accenture、BCG、McKinsey、EY、Genpact 的自研动作此前都有记录且仍然成立；一边采购第三方平台补自身的产品缺口。两种事实并存，不矛盾。

对服务商的定位含义因此要改写。不能说「替代你们的自研」，只能说：你们把结果交付给终端客户时，这一次运行的结果由谁独立核验。

二、计费轴换了，换掉的却不是差异点

Ema 对计费的表述是逐字的：不按软件席位收费，也不按客户消耗的 AI token 数收费，定价挂到任务完成与业务结果上。

这是席位与 token 之外的第三条计费轴，而且它同时被资本与采用面验证过：7700 万美元 B 轮、估值较 2024 轮超过 4 倍、超过 50 份活跃企业合同、超过 100 万活跃企业用户。

但结论指向相反的方向。当第三方平台的默认计费方式就是按完成计费，结果定价就不再是选择理由，它变成了入场券。买方评估供应商时不会因为对方按结果收费而加分——这是基准线，不是加分项。

空位于是转移到「完成」这两个字上。计费一旦挂到完成，合同就必须写清什么算完成、由谁认定。而买方现在能拿到的只有两种读数：厂商自报的完成率，或者买方自己按业务口径的复核。两者都不是独立证据。

这个空位不算新话题，但它以前是治理问题，现在变成了定价可行性问题。原因是下面这一组数据。

三、同一个目标，成本差 30 倍

据 Business Insider 报道，McKinsey 的研究结论是：同一个目标由不同 agent 完成，成本可以差 30 倍。McKinsey 高级合伙人 Lari Hämäläinen 的原话是：every day there is a 30x difference in the cost。

同一篇报道还给出另一组数字：agentic AI 可以把 transformation office 类任务的人工时间减少 35% 到 40%，有时超过 70%；但企业必须测量价值，才能证明成本是合理的。

30 倍这个数字把「谁核验」从合规问题升级为定价可行性问题。逻辑很直接：分母不可比时，按结果计价的合同条款无法起草。

同一句「完成」，在一条执行路径上花了 1 份成本，在另一条路径上花了 30 份。如果合同写「按完成件数计价」，买卖双方谈的其实是两个不同的分母。买方算的是这件事值多少钱，卖方算的是这次执行实际花了多少，两者在 30 倍的区间里可以差出一个数量级。

要起草这份合同，必须先能逐任务举证：这一次执行走的是哪条路、花了多少、由谁独立认定。三件事缺一件，价格就落不到纸面上。

口径标注：30 倍是 McKinsey 的研究结论，不是我们的测算。mckinsey.com 的一手页面在本轮检索窗口内不可达，本文引用据 Business Insider 报道，并保留一手 URL 供核对。

四、预算在收紧，加码也在继续

第三组事实来自 McKinsey 的 State of AI 2026，同样据 Business Insider 报道口径：约五分之一的组织表示，AI 支出已经开始约束它们的运营成本；约三分之一的组织，AI 支出已占技术或通信预算的 10% 以上；同时 60% 的组织计划明年继续加码。

另有一组口径不同的数字需要分开记：32% 的受访组织因为自己能自建，至少放弃过一项软件采购。这里的口径是「至少一项产品或功能、至少一次」，不是「三分之一的企业转向自建」。

这两个三分之一是不同的三分之一，不能互换，也不能合并。前者说的是 AI 支出占技术或通信预算的比例超过 10%，后者说的是放弃过至少一项采购。混用会把两组不同调查问题的答案拼成一个并不存在的结论。

把预算约束与继续加码放在一起看，采购决策的方向就清楚了：钱还在加，但签字更谨慎，更在意可举证性。CFO 关心的不是 agent 用了多少 token，而是这笔钱换到了什么，以及换到的东西能不能被第三方复核。这与 30 倍成本离散指向同一个空位。

五、框架一：结果计费的三个前提

把上面三组事实放在一起，可以提炼出一个可复用的检验框架。结果计费要真正成立，需要同时满足三个前提：可归因、可复现、可核验。

前提一，可归因（Attributable）。这一次结果能追到具体哪一次执行、哪些步骤、哪些工具调用、哪个模型版本。不是「系统整体效率提升了若干个百分点」这种聚合口径。聚合口径在采购场景里无法作为付款依据，因为它对应不到任何一个可争议的个体。

前提二，可复现（Reproducible）。同一目标、同一输入重跑，执行路径与成本落在同一量级。30 倍离散如果不可解释，定价就变成抽签——买方付多少钱取决于 agent 当天走了哪条路，而买方看不到路。

前提三，可核验（Verifiable）。完成与否由收款方之外的证据认定。这一条最容易被跳过，因为前两条看起来是工程问题，这一条看起来是信任问题。它不是。

三个前提之间有依赖关系：可归因是可复现的前提，可复现是可核验的前提。缺任意一个，结果计费都会退化回「按席位收费加一个折扣故事」。

检验方法可以直接用。拿一份正在谈的结果计费合同，逐条问三个问题：这条条款里的「完成」能不能追到一次具体执行？同一条路径能不能重跑？认定权在谁手上？三个问题答不上两个，这个计费轴在这份合同里只是装饰。

六、框架二：核验权的三个层次

框架的第二部分是核验权的归属。它分成三个层次，而现状分布很不均匀。

层次一，厂商自报。这是现在的默认状态：完成率由收款方单方生成。它的结构性缺陷不是造假，而是无法证伪自己——分母由自己定义，认定标准由自己掌握，出错时自己也是唯一的信息源。

层次二，买方自评。买方用自己的业务口径复核结果对不对。这比自报进了一步，但仍不构成独立证据。原因是买方看得到结果对不对，看不到执行路径，因此无法区分「agent 走了一条成本三倍的路」和「agent 走了最短路径」。而定价争议恰恰发生在这两者的差别上。

层次三，独立取证。逐次执行的运行时记录落盘：路径、工具调用、token 消耗、耗时、失败与重试。格式对双方都可读，因此可以被双方接受为共同分母。这一层的证据不属于任何一方。

现状是绝大多数结果计费合同停在层次一，少数停在层次二。层次三是空位。

需要说明的是，层次三不是审计行业的新业务，而是工程问题。它问的是：执行的时候有没有把路径记下来，记下来的格式买卖双方能不能读，记录缺失时系统输出的是「未核验」还是一个默认值。

七、合同层：分母不可比时，条款起草不了

结果计费合同的标准结构是四步：定义完成，约定计价单位，约定认定方式，约定争议解决。空位出现在第一步和第二步。

第一步就卡住。举一个具体例子：一家企业按件采购「发票处理完成」。什么叫完成？OCR 抽出字段算完成，还是进 ERP 并且对账通过才算完成？前者 agent 可以自证，后者需要下游系统的读数。两个定义之间的单价可以差几倍，而买方在谈判桌上拿不到后者。

第二步卡在分母。同一目标成本差 30 倍时，「按完成件数计价」在买方侧是一个不可比的分母：这个月完成一万件，是因为 agent 更高效，还是因为它走了一条更贵的路？没有路径记录，这个问题无法回答。

结果是买方只有两个选择：接受厂商自报的完成率，或者把计价退回席位或 token——也就是退回一个自己能看见的分母。

这就是空位的商业含义。结果计费要在买方侧真正成立，必须先有独立核验层。没有它，结果计费在采购环节会自己退化回用量计费——不是因为买方不喜欢按结果付费，而是因为买方无法验证结果。

八、适用边界：这套判断什么时候不成立

上面这套判断有明确边界，超过边界就不成立。

1. 任务路径唯一、结果可枚举时。例如把 200 份合同按三类归档。完成与否几乎没有争议，厂商自报就够，加一层核验只是增加成本。
2. 成本不随路径变化时。固定价、包月、内部自建都不产生 30 倍离散，分母天然可比，核验层没有增量价值。
3. 买方就是执行方时。自建 agent、内部交付，不存在厂商与买方的核验权分离，剩下的只是内审问题。
4. 单笔交易金额远小于核验成本时。加一层取证的边际成本超过争议金额，抽样审计比全量留痕更合理。
5. 监管已强制留痕的行业。核验权已经法定归属第三方，增量在格式统一，不在归属本身。

还有一条优先级判断：如果 agent 执行的是可逆、低成本的内部任务，核验层的优先级低于成本治理。先知道花了多少，再讨论该不该付。

九、亚太时点：观察窗口与触发条件

Ema 明确写了未来一年内扩张亚太、南美与部分中东市场。观察窗口因此可以标定：2026 年 9 月 23 日起 12 个月，即 2027 年 9 月 23 日之前。

最近落点概率最高的路径是既有客户与总部就近展开：NTT DATA 在日本，Wipro 在印度，Ema 的总部在 Bengaluru。三者叠加，亚太的第一个具名动作大概率出现在这一带。

触发条件写清楚：亚太首个具名客户、本地办公室、本地定价，任一出现即重估本文判断。

为什么这对中国买方相关：亚太区的定价与合同形态通常会先跟着总部模板走，模板里「完成」的定义与认定方式会一起被带进来。也就是说，核验权的空位会跟着合同模板一起进入本地谈判。

十、我们的判断

三句话。第一，结果计费已不是差异点。第二，差异点是这一次执行走了哪条路、花了多少、由谁独立认定。第三，核验权是当前的空位。

给买方的可执行动作：下一次谈判时，把「完成」的定义与认定权拆成两个独立条款，并要求执行路径记录作为付款附件。

给卖方：先能逐任务举证，再谈按结果计价。举证能力不够时，结果计费会把风险转回卖方——因为争议发生时，唯一的信息源是卖方自己，而卖方自报的数据在争议场景里天然不被采信。

参考来源：Ema 的融资、客户名单与计费表述出自 TechCrunch 2026-09-23 报道（techcrunch.com/2026/09/23/ema-raises-77m-as-ai-starts-eating-into-enterprise-software-and-services，本窗全文核验）。文中 Ema 的全部经营数字均为公司自述，TechCrunch 未独立核验；bookings 为 2 到 3 年多年期合同总额，不等于 ARR；估值仅披露为较 2024 轮超过 4 倍，绝对值公司拒披露，本文不做推算。McKinsey 的 30 倍成本离散、35% 到 40% 与 70% 以上的人工时间缩减，以及 State of AI 2026 的预算数据，均据 Business Insider 报道（businessinsider.com/mckinsey-ai-agent-costs-variable-expensive-2026-9）；一手页面保留供核对：mckinsey.com/capabilities/quantumblack/our-insights/is-that-ai-agent-worth-it-agentic-economics-and-the-modern-operating-model 与 mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai（mckinsey.com 在本轮检索窗口内不可达，未独立核验）。State of AI 2026 的方法学口径为 n=1,719、覆盖 97 个国家、采集期 2026-05-04 至 2026-06-08，二手方法学核验见 digitalapplied.com/blog/a-third-of-companies-skipped-buying-software-and-built-it。30 倍为 McKinsey 研究结论口径，非本文测算。Ema 的亚太扩张窗口与触发条件为本文基于 TechCrunch 表述的观察设定，不是公司承诺。