澳门在线(赌钱)娱乐网 从卖token到卖结果，这些公司运行让AI背KPI了
自从黄仁勋在 GTC 上大手一挥，荧惑企业把 token 销耗量算进工程师的 KPI，奇幻的事情就一天比一天多了。
先是 Meta 里面搞起「烧 token 竞赛」，职工为冲 KPI，写死轮回 bot、用低效指示词刷量；接着亚马逊职工为了阐述我方「高频使用 Agent」，明明不需要自动化的活儿，硬给作念成自动。名义看，这是大厂职工在「卷 AI 使用率」，但背后裸露的问题其实更严重：当企业无法量度 AI 的真不二价值时，就只可退而求其次，用「调用量」代替「产出」。
而这种失真，正在变成所有行业的共同逆境。
麦肯锡数据炫耀，88% 的企业还是在至少一个职能中常态化使用 AI，但真实能被界说为「AI 高绩效企业」，即 EBIT 因 AI 普及杰出 5% 的，不到 6%。大都预算、算力和工程师时刻被参加进去，临了换来的，却每每仅仅一份「看起来很忙」的账单。企业知谈 AI 很挫折，也知谈竞争敌手在用，但问题是：钱到底花得值不值？没东谈主说得清
这其实亦然往常两年 AI 落地最狼狈的地方。
因为大多数 AI 公司卖的，本色上如故「用具」。用具是否真实创造价值，风险自然由采购方承担。更何况，这一次的用具不仅更贵、更复杂，还高度依赖企业自身的数据、经过和组织配合。于是，好多企业临了只可盯着 token、调用次数、Agent 使用频率这些「过程议论」，试图从里面估计 AI 有莫得产生结果。
但问题在于，企业真实想买的，从来不是 token。
CEO 不会因为职工多调用了几次模子而爽快，董事会也不会因为 Agent 使用率普及就招供 ROI。企业真实想要的，其实一直都很粗浅：结果，而且是能被考据、能被归因、最佳还能径直写进财报里的结果
仅仅往常，很少有 AI 公司敢为这个结果负责。
而当今，一批公司运行尝试改写这件事：他们不再按「卖用具」收费，而是运活动直对结果收费，让 AI 真实背上 KPI。其中，硅谷的 Sierra 与国内的零犀科技，恰好代表了这一模式在海表里的先行探索。
本年 3 月份，红杉的一篇著作带火了一个名为「Raas（Result-as-a-Service）」的主意。
著作开篇就抛出断言：「下一个万亿好意思元级公司，将是一家伪装成服务公司的软件公司。」
奈何交融？先看文中界说的两种 AI 买卖模式：Copilot 和 Autopilot。前者卖的是用具 —— 专科东谈主士用 AI 提效，但雇东谈主用 AI 还得稀奇费钱。后者卖的是「职责后果」自己：AI 径直寄托结果，客户只为可量度的业务结果付费，而不是软件订阅。
红杉的判断是：后者价值高得多。因为数据摆在那处 ——企业每花 1 好意思元在软件用具上，就要在有关服务和东谈主力上花掉约 6 好意思元。AI 的逾越让「卖结果」成为可能，Autopilot 公司不错直击这个远超用具市集的服务预算。
这篇著作在圈内激勉荡漾，原因很粗浅：一个顶级投资机构，躬行把「卖结果」的远景和重量点明了，等于给投资东谈主指了下一波重仓主张。
不外，也有东谈主质疑这是投资机构炒主意，但紧随其后的一个融资讯息让市集运行贯通注释这个主意的重量。
这个讯息来自一家名为 Sierra 的公司。该公司由 OpenAI 董事会主席 Bret Taylor 与前谷歌高管 Clay Bavor 蚁合创立，旨在通过 AI 为企业提供定制化的客户体验解决决议（比如帮用户改订单、退款、调库存），其核脸色念即是让客户「pay for a job well done」。本年 5 月，该公司秘书完成 9.5 亿好意思元融资，公司估值杰出 150 亿好意思元。
要知谈，这一估值是他们ARR（1.5 亿好意思元）的 100 多倍。关于一个刚刚被摆上牌桌的新赛谈来说，这简直还是不是普通意旨上的高估值，而更像是一种明确的下注。
而真实劝服投资东谈主的，是 Sierra 自己的买卖化进展。刻下，他们还是遮蔽杰出 40% 的钞票 50 强企业。在客户体验与自动化服务这种高度中枢、又相称垂青沉稳性和 ROI 的场景里，大企业不会因为「主意性感」就大范围采购。某种意旨上，这些客户自己即是最严格的投票东谈主。
而 Sierra 拿下这些客户，自己就在证实一件事：RaaS 还是不再停留在 PPT 和融资故事里，而是运行完成真实的大范围买卖考据
在国内，近似的事情也在发生。而且国内公司还稀奇阐述了一件事：RaaS 模式能实现范围化盈利和正现款流
让市集驻扎到这少许的，是一家名为零犀科技的公司。
坦直说，国内声称走 RaaS 门路的公司不啻他们一家，但现阶段，真实能拿出盈利数据的却凤毛麟角，而零犀恰正是阿谁少数派
他们作念的事，其实不错交融成「让 AI Agent 径直去卖东西」。在保障、汽车这些行业里，零犀的 AI 会径直面向 C 端用户换取，从最运行判断用户有莫得兴味，到中间的跟进、保举，再到临了成交，整套销售经过都由 AI 我方完成。这个过程最大的难点在于，你最终要拿结果言语 —— 用户是不是真的下单、保单是不是真的成交、钱是不是真的进来是金尺度。
但从 2019 年运行，零犀就取舍为这件事的结果负责，并通盘走到了今天：从早期负毛利，到 2024 年实现公司级净利转正，再到 2025 年跑出范围化盈利与正现款流。数据炫耀，某头部保障机构接入其智能体后，新增保费杰出 20 亿元。而要是用传统东谈主机联接模式完成相同的增量，每每需要一支 800 到 1000 东谈主的销售团队。
不论是硅谷的 Sierra，如祖国内的零犀，它们都在作念消亡件需要胆量的事：把传统上由客户承担的概略情趣，主动揽到我方身上
在 AI 仍被多数东谈主看成「服从用具」的语境下，这种取舍本色上需要填塞的工夫底气。因为独一当你真的笃信，我方的系统或者沉稳完成任务、抓续优化结果、并持久放浪波动时，你才敢签下这样的契约。不然，一次结果不达标，吞掉的即是真金白银的损失。
也正因如斯，RaaS 真实挑升念念的地方，从来不仅仅买卖模式创新，而是它自然会倒逼公司走向另一个维度的工夫探索。而这，偶合亦然 Sierra 和零犀接下来最值得被拆解的地方。
Sierra 和零犀，名义上看业务隔离很大。Sierra 把「Better customer experiences. Built on Sierra.」挂在官网最显眼的位置，中枢居品 Agent OS 帮企业批量造 AI 客服，谈的是体验。零犀则一头扎进保障、汽车等销售场景，谈的是成交。
但从底层来看，两家公司面临的是消亡个根人道贵重：如何让 AI 在真实业务场景里沉稳地把事情作念完，况兼为结果负责。正是这个共同的起点，倒逼出了高度相似的工夫旅途。
领先，两家都不是在单纯地卖模子智商，而是在卖任务完成 ——Agent 的策画主张从一运行就指向业务结果，而不是粗浅的生成质地。为此，它们都在大模子之上稀奇搭了一套实行、追悼与评估系统，并对模子自己作念了二次插手，让它在特定场景下更可靠、更少犯错、更明晰什么算好结果。更关节的是，两套系统都不是静止的 —— 它们在真实业务里抓续跑、抓续学，越用越强。
这些共性让它们看起来走在消亡条通衢上。但接下来的岔口，客户体验与销售的本色各别，把两家推向了十足不同的工夫纵深。
当回答对≠能成交
由于对准客户体验，Sierra 的中枢命题是「把事情作念对」，主张是答对问题、少犯错、不出合规风险。围绕这个主张，Sierra 搭建的是一套精密的模子编排体系：15 款以上的异构模子按任务特质单干相助，再由监督者模子及时审查每一次输出。这是一种偏向「组织架构管理」的工夫念念路 —— 把正确性管住，系统就能沉稳运转。
但关于对准销售的零犀来说，中枢命题天壤之隔 —— 它不是「对不合」的问题，因为话术对不等于能成交。举个例子，一位女士在估量保障过程中说「我要和老公接头一下」，通用大模子可能趁势接一句「好的，您且归接头」。看起来，这个复兴莫得什么裂缝。但在履行的销售场景中，一个金牌销售不会让话题就这样赶走，而是读懂这句话背后的真实费神（比如怕买错或没搞懂保障范围），并作念进一步致力于。
这种情况下，模子必须学会向高更动主张歪斜。因此，零犀真实需要的是一套赏罚机制 —— 作念对了给正向激励，没达到预期就施加刑事背负，澳门在线(赌钱)娱乐网通事后试验抓续把模子的权重推向想要的主张。
但这个后试验过程，远比试验模子去作念编程等任务坎坷，因为销售场景的难点是全场所的 —— 数据稀缺、信号稀少、归因复杂，而且压根无法在造谣环境中考据。
咱们知谈，销售的成交率本来就低，履行场景里可能独一百分之几，大部分用户都不会成交。这意味着你拿到的正向反映自然爱护，没办法像试验代码模子那样 —— 写一段代码，跑一下看有莫得报错，就能坐窝取得明确的对错反映，进而产生大都试验数据。销售结果是由真实的东谈主来决定的，你没办法造出一个造谣用户，设定「只须这样说他就一定会买」，这个环境压根不存在。
归因则是更复杂的问题。一单成交了，是因为 AI 话术好，如故客户本来就有购买意向？一单丢了，是 AI 战略空虚，如故客户客不雅原因？这和「抽烟是否导致肺癌」是消亡类问题 —— 不是个体能径直考据的，必须靠大都真实样本的统计因果分析才气确立真的的归因逻辑。
但统计也不是全能的，因为好多时候基于统计的大模子无法辩认真实的因果和空虚的有关，这亦然所谓「幻觉」的根源。当模子看到「换取时刻长」与「成交」之间存在统计有关，它可能就学会拚命延迟对话，却不知谈要是用户一直在投诉，聊再久也不会买单。单纯依赖统计因果，模子会日常被浑浊变量带偏，这正是销售场景里最容易踩的坑。这亦然为什么通用大模子不论智商多强，在销售更动这件事上都难以径直措置。
零犀的冲破口：让模子学会「因果」
正因为销售场景存在以上这些问题，零犀临了走出了一条和通用大模子很不一样的后试验旅途。这条旅途的关节，不是单纯让模子「更会说」，而是让模子在后试验阶段学会：用户买，为什么会买，什么战略真实灵验、为什么灵验，以及什么样的战略应该被抓续虽化
为了达到这个主张，领先，它解决的是「归因」这件事。
前边提到，销售最大的难点之一，是模子很容易被空虚的统计有关带偏。这里的问题不在于模子不会统计，而在于它不知谈真实起作用的「因」是什么。
是以，零犀千里淀的并不仅仅普通对话数据，而是一套尽可能因果完备的全链路数据：用户其时是什么情状、浏览了什么页面、AI 为什么选定这个战略、用户后续又给出了什么反映…… 这些信息都会被圆善记载下来，并千里淀为边界因果学问图谱，作为事实底盘守护模子输出。因为独一「因」填塞圆善，模子才不会只学到名义的有关性。
但数据仅仅基础，更难的是把销售资历真实变成模子智商
好多销冠并不一定能准确说清我方为什么是非，但他们每每知谈：什么情况下应该鼓动，什么情况下应该转移话题，什么情况下用户真实的费神其实莫得说出口。零犀作念的，是把这些底本存在于东谈主脑中的资历，拆解成一套「用户情状识别 — 战略取舍 — 结果反映」的因果逻辑，再通事后试验千里淀进模子。这套「逻辑因果」步调与「统计因果」共同作用，使得模子的输出愈加可靠，能让模子知谈什么该奖、什么该罚、什么样的战略值得被强化学习抓续放大。
此外，起作用的还有反事实推理。系统不仅记载「作念了什么」，还会评估「要是没作念会怎么」—— 对每一次未成交，它会复盘：比如在给壮盛儿父母先容保障时，要是其时没讲性价比，而是不绝聊孩子保障缺口，更动率预测能到些许？这种从「没发生的事」里提真金不怕火学问的智商，让模子在真实数据稀少时依然能抓续学习。
当这些智商确立起来之后，系统的自主进化才真实运走运转。
由于零犀自己即是按结果收费，它自然或者拿到最径直的反映闭环。哪些战略带来了更高更动，哪些用户会在什么节点流失，哪些插手时势履行上掩人耳目，系统都能在真实业务环境中抓续完成评估、归因和战略调优。
与此同期，新的业务规定、告捷案例和失败西宾，也会被络续加工成结构化的因果学问片断，再行千里淀回模子与学问图谱之中。跟着服务范围扩大，系统对用户交融、战略取舍和寄托智商的累积也会越来越深，最终造成一种抓续自我优化、自我进化的后试验体系。
因此，零犀的壁垒，本色上并不是某一个单点工夫，而是一套络续自我强化的飞轮：因果完备的数据、业务 know-how 的 AI 化，以及真实业务环境中的抓续迭代，三者彼此咬合，最终造成了一个会越跑越快的后试验系统。
而撑抓这个飞轮抓续运转的，是一支优秀的后试验团队。除了来自头部高校和大厂的算法工程师除外，零犀还持久引入深耕行业十年以上的销售群众。他们参与的并不仅仅「标注数据」，还在匡助系统回答一个更难的问题：顶级销售真实灵验的智商，到底该如何被 AI 交融、拆解和复制。
当咱们把视野从具体的工夫细节拉回来，会发现 Sierra 和零犀的探索，其实正在回答 AI 行业一个更压根的问题：AI 到底应该奈何创造价值，又该如何被订价
金沙JinSha(中国)娱乐网入口这两年，一个趋势正在变得越来越彰着：单点用具的壁垒正在被快速理解。Claude Code 等 Agent 居品的出现，让好多专门用具，变成了「用时生成、用完即弃」的东西。用具自己的价值，正在以肉眼可见的速率被稀释。但与此同期，另一件事情的价值却在情随事迁：把职责真实作念完、作念好的服务。
原因很粗浅。用具仅仅经过里的一把锤子，你买了锤子，还得我方去钉钉子，钉歪了、钉错了，背负都在你。但服务寄托的是「把钉子钉好」这件事自己 —— 结果详情，风险转移。
这其实亦然 AI 从出身第一天运行，东谈主们真实期待它作念到的事情 ——成为一个能闲静背 KPI 的数字劳能源。谁能真实作念到这少许，谁能拿到的市集，就会比传统软件大出一个数目级。
而 RaaS 这个赛谈更值得关注的地方在于，它的护城河并不会跟着基础模子升级而被训斥，反而可能越来越深
因为 SaaS 卖的是用具，客户今天能买，来日也能换；但 RaaS 一朝运行端到端地寄托结果，它就会渐渐镶嵌客户真实的业务经过。更关节的是，每一次真实寄托，都会千里淀新的结果数据、行业 know-how、战略资历和合规逻辑。这些东西不会因为底层模子升级就被清零，相背，模子越强，它们的价值反而越会被放大。
还有一个容易被淡漠的变化是：当客户运行民风「按结果付费」之后，他们会反过来用这套尺度去条件扫数其后的 AI 服务商。
这亦然为什么，零犀提到说，他们的一些大客户，还是运行不再祥和「你用了哪个模子」「参数目是些许」，而是径直追问：「你到底能不行把更动率作念上去？」一朝行业运行用结果而不是功能评估 AI，所有竞争逻辑都会被绝对改写。
是以，先发者真实占据的，并不仅仅时刻窗口，而是界说规定的智商
回到著作开端，那些大厂里面为了冲 AI 使用率而荒诞「烧 token」的荒诞场景，本色上其实裸露的是消亡个问题：AI 的价值，永久莫得被真实竣事。而 RaaS 真实挫折的地方，偶合在于它把这件事再行拉回了正轨。
从本色上来讲，这是一种价值追溯：让 AI 真实对结果负责，让收益和风险对王人，也让「分娩力」这个词第一次真实回到买卖宇宙最朴素的量度尺度里 —— 到底有莫得把事情作念成。
摩根士丹利 2026 年头发布的论说将 AI 界说为第六次工夫立异。前五次工夫立异的历史还是反复考据：短期卖「铲子」的基础神情商起点赢利，持久最大价值却千里淀在诈欺层和取舍者手中。由于这种分娩率红利的滞后性，AI 对分娩率的实质性带动可能要到 2030 年之后才会充分通晓。当泡沫退去、杂音消失，真实穿越周期的，永久是那些勇于为结果负责、把工夫更动为分娩率的公司。
这也正是 RaaS 最值得被持久看好的底层逻辑。零犀和 Sierra 的探索，不是在作念主意，而是在重演一个被历史反复考据的脚本：谁能把「铲子」用好，把职责真实作念完，谁就能界说下一个十年。