AI时代席位费归零：软件定价从按人头到按用量

最近跟不少公司的采购负责人聊软件预算，我发现以前报价单上最硬气的三个字——席位费，现在越来越难收上去了。所谓席位费，通俗讲就是按人头算钱：每个员工装一个软件、占一个授权，不管他用不用、用多少次，钱都得照付。这种“座位经济”在软件行业统治了几十年，从早期的本地部署License到后来的SaaS订阅，本质都是让人头数变成账单金额。但AI时代的定价逻辑正在把这张桌子掀翻：调用次数、生成量、解决工单数、产出文档数开始成为新的计价单位，“按人头”反而成了阻碍客户下单的绊脚石。这篇文章我围绕“席位费归零”这件事，把自己观察到的底层逻辑变化、企业采购应对方案和踩坑经验整理出来，不管你是搞采购、管预算，还是自己做SaaS产品，应该都能用上。

1. 先弄明白：席位费凭什么能收这么多年？

1.1 从实物License到云端座位的收费演变

软件收费的历史，其实是一部“物理限制”和“商业惯性”纠缠的历史。早年在软件还是光盘和软盘的年代，一套License通常绑定一台机器，机器序列号和激活码是唯一的，你买十台电脑，就得买十个授权，这是软件厂商为了对抗盗版而建立的物理约束，也是当时最容易执行的计费逻辑。到了SaaS时代，软件部署在云端，客户不再需要安装介质，按说计费方式可以彻底重构了，但绝大多数厂商依然把“账号席位”作为计费单位。为什么？因为SaaS公司要保持稳定的年度经常性收入，投资人和销售团队都习惯了“座位数×单价”这个简单公式来预测业绩，换成按用量收费之后，收入波动会变大，估值模型和销售提成制度都要重写。所以你会看到，即便很多产品在云端已经可以共享一套数据库，厂商依然会设置“协同编辑需要加购席位”“超过10个用户必须升级到企业版”这类规则。这本质上不是技术限制，而是商业模型的路径依赖。

这种路径依赖长期没有被挑战，是因为客户也没得选：游戏规则由卖方制定，采购方只能在“买多少个席位”这个问题里不断博弈，大到金蝶用友时代的本地化部署，小到近几年各类协同工具的订阅制，全部跑不出这个套路。而只要游戏规则不变，采购方的各种“骚操作”就会层出不穷——我见过不少公司的行政专门负责管理License池，把离职员工的账号回收、重新分配给新人，说到底都是为了跟“按人头收费”斗智斗勇。这种模式看似稳固，实则早已暗藏裂缝，只不过AI给了它最致命的一击。

1.2 “按人头”背后藏着三笔隐性成本

第一笔是闲置授权。我接触过一家做精密制造的客户，采购了一套项目管理系统，买了20个席位，实际每天在用的不到8个人。另外12个席位是给“可能的同事”预留的，但业务调整后那些人有的调岗、有的离职，真正要用新账号的同事又进不来。最后IT部门的处理方式是让离职同事的账号被新人继承，真正常用的人私底下互相借账号。这种混乱局面几乎所有公司都遇到过，本质原因是“按人头收费”逼着采购方做提前囤货式的决策：多买怕浪费，少买怕不够，永远没有一个精确解。

第二笔是管理成本。按人头收费意味着IT部门必须维护一套账号资产清单：谁在用、谁该被回收、试用期到了没、部门间调岗要不要换授权。很多公司内部都有“授权管理员”这个兼职岗位，经常在月底花几个工作日核对账单和人员表。这笔人力开销从来不会体现在软件账单上，但它是真实存在的成本，而且随着公司规模扩大只会越来越重。

第三笔是预算僵化。年度预算通常在去年Q4就要定好，人数预测一旦不准确，今年的软件成本就像铁板一样锁死了。业务扩张了，系统不够用，却不肯临时加席位；业务收缩了，席位费用却不会自动减少。到年中的时候，财务和IT经常要为“为什么我们少了50个人，软件费用反而涨了”吵架。AI时代到来之后这个矛盾更尖锐了：团队规模可能因为AI应用而下降，但按人头买的SaaS费用却分文不少，这会直接激怒财务。说到底，按人头收费的本质是“把成本风险转嫁给客户”，让客户为未来的不确定人数提前买单。

1.3 席位费真正致命的逻辑漏洞

刚才说的是客户体感层面的不满，真正致命的是逻辑层面的漏洞。按人头收费隐含了一个前提：每个使用者会独占一份工具能力，或者说产能与人头数成正比。这个前提在传统软件时代基本成立——一个设计师同时只能操作一个设计工具，一个会计同时只能在一个财务系统里录凭证。但AI完全不同，AI的产出不依赖“一个人拿着软件操作”，而是依赖“一个智能体被调用多少次”。一名员工可以让AI助手同时处理几十项任务，一个AI模型实例可以被整个公司数千人共享并发调用，产能和人的数量没有必然关系。当工具的能力附着在“智能体”身上而不是“坐席”身上，按人头计价就失去了计量基础，就像你想按“房间数量”收电费，但人家各种家电加起来一个月都用不了一度电，你还按房间收，收费依据就完全不成立了。AI真正把传统席位费模式逼到墙角的，不是价格便宜，而是它改变了一个最基本的计量维度——从“多少人用”变成了“用了多少、产出多少”。

2. AI是如何从底层把“座位经济”拆掉的？

2.1 从买“工具使用权”到买“能力产出”

传统SaaS卖给你的是一个“可以用的权限”，功能好不好用、你用不用、用了有没有价值，基本不关厂商的事。这就造成一个结构性矛盾：客户付的钱和拿到的价值之间没有挂钩，尤其是那些把工具买来当“门面”的中层用户，一年到头用不了几次，还得照付席位费。AI登场后，计价单位开始往“结果”方向迁移。我见过不少供应商的报价单已经不再写“每用户每月多少元”，而是写“每生成一张图多少元”“每处理一笔单据多少元”“每解决一个工单多少元”。这是业务逻辑上的巨大转变：买家买的不是一个打开权限，而是某个确定的业务结果。为什么只有AI时代能做到这一点？因为AI服务是API化的，每一次调用、每一次生成都会被系统自动记录，计量成本极低；同时AI产出物本身数字化，可以自动追踪去向。用量即价值的度量变得透明，按结果打包收费就有了技术前提。

不过要提醒一句，并不是所有“按产出计费”都真的合理。如果某个AI服务的产出物无法被自动验证，比如生成营销创意文案，效果好坏主观性很强，硬要按篇数收费，最后一定会引发纠纷。真正适合按产出计费的，是那些产出物有客观标准、可自动检验的任务。换个角度说，AI并没有创造出“按效果付费”这个概念，它只是让这个概念第一次变得可执行、可追踪、可争议。

2.2 边际成本归零让“多一个人用”不再需要多付一份钱

传统软件的固定成本前置，研发费用确实很高，但边际成本也不低：每多卖一个席位，要考虑技术支持资源、并发访问压力、测试兼容性、渠道分成等，每增加一个用户都在增加公司的服务负担。AI服务的基础设施完全不同，它是共用算力池，新增一个用户的边际成本几乎等于零——不需要重新部署一套系统，不需要额外分配服务器，甚至很多模型推理的开销分摊到单个用户之后已经低到可以忽略不计。这时候如果供应商还按人头收费，就相当于在你本来只需要买一杯咖啡的时候，硬让你扛下一整台咖啡机的成本。

当然，很多本地部署、私有化版本的软件还是会按实例收费，因为那真的涉及硬件和运维成本。但公有云上的AI服务再按人头收费，几乎都是“影子席位费”——换了个名字继续收客户本来不该付的钱。市场上已经有大量产品开始提供“免费席位+按用量付费”的混合模式，说明供应商自己也清楚，死守按人头收费只会推动客户去找更灵活的替代品，最终连基本盘都保不住。对客户来说，这也意味着以后评估软件时多了一个硬性判断标准：如果对方在新产品线里依然把“人头数”作为计费核心，那它的定价逻辑大概率还停留在上个时代，不值得作为长期合作伙伴。

2.3 人人都有的AI助手让“团队共享一个超级员工”

你可以把AI理解成团队里多了一个不需要休息、能同时响应多人的数字员工。这个员工不再受“一个座位上只能坐一个人”的物理限制。举个例子，原来呼叫中心做质检，每个质检员一个月只能抽查几百通录音，对应的语音分析软件要按质检员人数买席位；现在AI把所有录音全部自动转写、自动打标、自动筛查，一个人负责维护AI质检规则，就能覆盖全量录音，计费单位从“质检员坐着的人数”变成了“转写的音频时长、跑过的筛查任务数”。再比如企业采购部门过去要给每个采购员配一套供应商风险扫描工具，现在AI统一监控所有供应商的舆情和资质变更，采购团队只需要在业务需要时查看报告。这种“共享超级员工”模式对按人头收费的打击是全方位的：既然一个虚拟员工能同时服务所有人，为什么我要为每个物理员工再买一份它的“座位费”？

组织层面也需要相应调整：以前IT部门按部门人数分摊软件成本，现在可以按“AI调用量”分摊，哪个部门用的多就承担更多成本，这样各部门在提需求时会更谨慎，也更愿意把AI用在真正有价值的场景上。我见过有的公司设置了“AI成本仪表盘”，每个业务线能看到自己调了多少次、花了多少钱、产出了多少结果，管理效率比过去按人头分账高得多。

2.4 效果付费从“口号”变为“可执行”

“按效果付费”这些年都快被说烂了，但过去它基本只是销售话术，因为效果太难量化。你很难证明“用了这款软件后客服满意度提高了多少”，总有一大堆混杂变量在干扰归因。AI时代则不同，它把很多任务的产出变成了可自动核验的对象：代码生成后可以自动跑测试看是否通过；翻译内容可以自动对照术语库检查术语一致性；法律文书审阅可以用规则引擎复核关键条款是否齐全；客服回复可以被统计成用户点击采纳率。当这些客观可验证的指标出现后，按效果付费就有了共同博弈的基础。

只要供应商愿意把一部分收入绑定在验收指标上，就意味着他们必须主动优化模型质量、减少无意义的低质量调用，因为低质量输出导致的返工成本最终会由供应商自己承担。对客户来说，这比单纯低价买入一个不确定的工具要踏实得多。当然，要真正做到效果付费，客户也需要具备基本的接口能力和验收工具，否则你连结果都无法自动抓取，等于把验收权完全交给了供应商。所以我在评估项目时，通常会先问自己一句话：这个场景的产出物能不能用系统自动判断好坏？如果不能，那就别急着谈效果付费，先老老实实把用量计费的规则谈清楚。

3. 企业采购者实操：面对“席位费归零”该怎么调整预算、选型和谈判？

3.1 第一步：把“席位预算”拆成“能力预算”

我建议企业内部预算表做一次结构改造。传统预算样式是：部门人数 × 软件单价 × 月份，一年到头费用极其刚性。新的样式建议改成：业务量估算 × 单次处理成本 + 基础订阅费 + 超额封顶保护费。举个例子，某电商客服团队有30名客服，每月接收约2.4万次用户咨询。以前买一套客服工单系统按30个席位年付，每增加一个客服就要多付一份钱；现在如果引入AI辅助，预计AI可以自动解决七成重复问题、人工仅处理复杂案件，那么预算就应该按“自动解决量”来估算，而不是按“客服人数”来算。说白了，就是从“为可能的用户数付费”变成“为确实发生的业务量付费”。

预算表可以做成这么几列：计划年处理量、预估单次调用成本、月总预估费用、月封顶上限、实际月结算额。每季度回顾一次，用实际用量来修正年度预估偏差。这样做还有一个好处：当供应商提出“加购席位”时，你可以直接问“这加购的席位对应多少业务增量？”如果答不上来，说明这个加购本质上还是“影子席位费”。预算逻辑一旦改变，你砍价和决策的依据就完全不一样了。

3.2 第二步：选供应商时先问4个问题

现在去谈采购，不管对方PPT做得再漂亮，我都建议把下面四个问题直接问出去。

第一个问题：你们的计价单位是什么？是用户数、并发数、调用次数还是业务结果？如果对方支支吾吾，只肯说“我们很灵活”，那大概率最后还是按人头算。明确计量单位后，还要追问同一个功能在不同计价方式下的价格换算公式，防止低价钓进来、高价超额收出去。

第二个问题：我们团队人数增加的话，价格会怎么变？如果回答是“按用户数阶梯计价”“超过一定人数就升级到更高版本”，那基本可以断定这就是披着AI外衣的席位费。真正按用量计费的产品，新增用户时总账单只会因为调用量上升而稍微上浮，不会突然跳档。这一点在价格谈判时要特别注意，很多供应商会把基础价格压得极低，再通过“人数阶梯”把差价补回来。

第三个问题：AI能力的费用是否打包在基础席位费里？有些产品把基础协作按人头算，AI功能单独按token或按调用算，这本身不算坏事，但你得知道基础席位费中是不是已经包含了一部分AI用量，否则容易出现同一笔AI成本被算了两次费，而你完全不知道。

第四个问题：用量超额了怎么办？有没有熔断机制？很多按量计费产品没有上限，一个员工不小心批量跑任务，月底账单可能翻好几倍。成熟的产品会给你设预算上限、超阈值自动停服或触发告警，这才是值得合作的。这四个问题本质上是检验供应商的“计价哲学”：是刻意维持“人头经济”的惯性，还是真的按价值逻辑定价。

3.3 第三步：合同谈判要重点写清三个条款

谈到合同细节，我吃过不少亏，现在每次都坚持把三件事白纸黑字写进去。

第一件是计量口径。什么叫一次调用？一次对话包含多轮提问算一次还是按轮次算？后台日志里有没有“重试请求”“健康检查请求”这类消耗配额但不产生业务价值的记录？这些细节不是技术宅才关心的，而是决定月底账单金额的关键。建议在合同里附上一份“计量定义说明书”，约定客户可导出后台原始日志用于核对，或者约定双方定期对账。如果供应商拒绝提供计量定义，这份合同基本可以放弃。

第二件是数据权益。AI处理过的数据、生成的产出物、以及用于模型调优的日志，归属谁？很多按用量计费的服务商会在条款里悄悄写上“有权使用您的数据提升模型质量”，这在AI时代相当敏感。如果这种事项存在，必须专门加粗提示，让采购人或法务明确确认；不接受的话，需要另约“不用于模型训练”条款。这既是法律风险，也是商业机密保护问题。尤其在供应链、客户名单、定价策略这些核心数据上，数据权益谈判怎么仔细都不为过。

第三件是年度调价机制和退出机制。供应商第二年把单价上调，客户只能被动接受，这是很多按量计费合同的大坑。要在合同里约定调价上限，或者约定第二年重新谈判价格的前提条件，比如“年调用量超过一定规模后单价应该重新商定”。退出机制也很重要：合同到期后，供应商必须提供完整的数据导出接口，给足迁移窗口期，不能把客户数据锁死在自家平台里。宁可每年多付一点服务费，也要保住数据主权。这几个条款看起来是法务的事，但采购和技术负责人一定要参与，因为只有真正用过产品的人才知道哪些数据格式是开放的、哪些是锁死的。

3.4 内部管理的新规则

采购结束只是第一步，内部管理跟不上，按量付费反而会变成新的浪费源头。IT部门原来的工作重心是管软件安装、授权分配、版本升级，现在要转向管API Key、管部门额度、管成本告警。财务部门也要把“一次性缴全年席位费”的习惯改成按月看用量报表，发现异常立刻拉群喊话。更关键的是，要给员工建立“AI使用是能力而不是成本”的认知，否则大家会害怕用量超标反而不敢用AI，回到手动干活的原始状态，那才是最大的浪费。

具体做法上，可以按部门设置月度AI预算包，部门内部自由分配，月底复盘哪些场景用得多、哪些场景产出高。技术团队要建立统一的AI能力清单，所有接入AI的系统和应用都登记备案，方便后续排查成本异常。比如哪个系统接了语音转写、哪个流程用了大模型生成摘要、哪个后台触发了自动翻译，都要一清二楚。这套管理方式跟以前的“软件资产管理”完全是两套逻辑，但只有这样才能适配AI时代的成本结构，真正做到“用量可追溯、成本可解释”。

4. 哪些行业已经出现“席位费归零”，哪些还会慢一些？

4.1 最先被改的领域：计量单位天然存在的数字化服务

最先出现“席位费归零”的行业有一个共同特征：业务天然围绕可计数对象展开。客服行业按“工单量”走，每个会话、每个问题解决都是可数的；设计行业按“出图张数”走，每张图的生成流程都可以追溯；翻译行业按“字符数、分钟数”走，语音转写和文本翻译的产量天然可量化；财务票据处理按“张数”走，OCR识别和凭证归档都有明确的单量。这些行业过去按人头收费还能勉强说得过去，是因为“每人处理多少单”大致均匀，而且工具效率差不多。AI一入场，单人产能被放大数倍甚至数十倍，同样的人员规模能处理的单量完全不同，按人头收取固定费用就彻底失去合理性。这些领域的供应商转型最早，客户采购时只要提“我们不要按人头计价”，对方基本都能给出按量方案，因为竞争对手已经在卷了。

在这个浪潮里，最先受益的往往是业务部门，因为预算终于可以跟实际价值挂钩了。以前申请某个系统时，老板总会问“多少人用”，现在老板会问“一个月能处理多少量，能省多少人，单次成本是多少”。问题一变，整个采购立项的逻辑就不一样了。

4.2 变化较慢的领域及原因

有些领域变化会慢，比如大型工业软件、嵌入式开发工具、芯片设计仿真平台、医疗器械辅助系统等。原因有几个：第一，这些工具的计量对象复杂，单次任务的边界不清晰，很难定义“一次调用”到底创造了多少价值，比如一次有限元仿真算一次调用还是按网格数量算，行业内都没有公认口径；第二，合规和安全要求高，客户往往要求私有化部署或者专有环境，部署成本本身就高，按实例收费算是一种平衡；第三，采购流程高度依赖历史方案和规格，替换风险大，决策链条长，很难因为“计价方式更先进”就轻易换掉现有供应商。

但这些领域也不会永远纹丝不动。我看到的趋势是“坐席+用量”混合模式：基础坐席费打折，高级AI功能按用量另计。这种模式对你来说不一定是坏事，但要留意两个点：基础坐席数量是否被故意压低到让你不得不买更多功能包；以及AI功能按用量计费时，后台是否真的提供了透明计量。如果后台只有一张汇总账单，没有明细，那对冲起来难度就大了。采购人要把“计量透明度”列入考核指标，宁可多花点时间做技术验证，也不要到月结时才后悔。

4.3 破圈：按人头收钱的线下服务也开始受影响

“按人头收费”从来不只是软件行业的专利。在线教育按课时和学员数收费、咨询服务按人天报价、设计外包按人月计价、联合办公按工位收租，本质上都是“一个人能提供多少产能”的线性外推。AI把“人效”这个分母做大之后，这些定价模式都开始受到质疑。比如某咨询顾问以前一个项目要投入三个人天，现在AI辅助之后一天就能完成，那么按人天报价自然站不住脚，客户会直接问“为什么人天数少了三个，价格还不降？”教育行业也一样，AI助教可以让一个教师同时跟进更多学生，按课时、按人头收课费的模式不得不重新讨论。

所以“席位费归零”影响的不只是IT预算表，而是整个“人力产能计价”体系的底层逻辑。这也是为什么说AI不是在替代某个岗位、某个软件，而是在把“按人头计量价值”这件事彻底瓦解。以后衡量价值，越来越不看“你雇了多少人”“你买了多少座位”，而是看“你实际产出了多少、你的团队真实创造了什么结果”。这个问题值得每一个靠输出人天、工位、课时、席位作为计价单位的企业认真思考，不管你现在是买方还是卖方。

5. 转用量付费后最容易踩的5个坑（附排查心得）

5.1 成本失控：月底突然收到天价账单怎么避免

按用量付费最大的坑就是成本失控。我听说过一个很典型的案子：某公司试用了一款AI文档处理工具，试用期用量很小，看起来每个月只要几百元，于是正式采购。结果公司有人写了一个自动化脚本，循环调用了该工具去处理历史存量文件，一个月干了正常业务量几十倍的活，月底账单出来后财务直接傻眼。这类问题的根源是“用量上限”没有设定。我的建议是采购当天就在后台把月度预算上限设置好，超过阈值自动暂停额外服务；同时每周看一下用量趋势，重点盯用量占比前三的场景和部门。宁可先跑一个月看数据，也不要一上来就放开全部限制。

5.2 供应商锁定：按用量计费不代表开放生态

很多人觉得按用量计费的产品API化程度高，迁移会很方便，现实恰恰相反。有些供应商虽然按调用收费，但日志结构、数据格式、接口协议全是自家的私有标准，你想把历史数据和配置迁移到别的平台，几乎只能从头再来。我对付这种情况的办法是，在签合同前就要求对方出具“数据导出清单”，并且真的做一次30分钟的导出测试，看看导出文件能不能被别人读取。如果导出来的东西完全不可用，就说明这个供应商已经在设计锁定了，再便宜也要慎重。另一个经验是观察对方是否支持行业标准格式，比如开放API、通用压缩格式、标准日志导出，这些都支持得越齐越好。

5.3 计量黑洞：后台统计与真实用量对不上

用量计费依赖后台统计，但后台数据不一定可靠。有一次我们发现后台显示某月处理文档10万页，但业务系统里实际只提交了6万页，差了将近一倍。排查下来才搞清楚，原来重试请求和预解析请求也被算进了处理量。这种事很难完全避免，但你可以通过“前置代理日志比对”来及时发现。具体做法：小范围试点期间，把所有发往该供应商的请求都通过一个内部代理转发，代理里记录真实的请求次数和大小，月底跟供应商后台账单一核对，差异点就全暴露了。如果账单和代理日志对不上，谈判时你就有实打实的数据支撑。这个动作成本很低，但价值极大，建议所有准备接入按用量付费服务的公司都做一次。

5.4 员工不愿用：用量增长与业绩考核冲突

在内部推广AI的时候，我遇到过一种典型心态：员工担心自己多用AI会被认为是“偷懒”或者“增加成本”，于是宁愿手动处理，也不主动调用AI能力。这种心态会让按量计费的高成本变成纯浪费。破解方法是把AI使用变成部门级“能力包”，而不是个人级负担：每个部门每月有一个预算额度，用完可以申请补充，但超额了不扣绩效。同时绩效考核里加入“合理使用AI工具”的引导性指标，比如“AI辅助处理了多少单据”“翻译效率提升多少”这类过程型指标，让大家把AI当成生产工具而不是成本刺客。我见过做得好的团队，甚至会在月度复盘里专门列出“AI提效案例”，让用得好的同事分享经验，慢慢地整个组织的AI使用氛围就起来了。

5.5 “按用量”不等于“按效果”，别被话术忽悠

最后提醒大家：按用量付费只是解决了“用多用少”的公平问题，它本身不等于“按效果付费”。有些供应商把“按token收费”“按调用收费”包装成“按效果收费”，客户一听“效果”两个字，就觉得价格值得。其实二者差别很大：按用量只对输入过程收费，产出的质量如何、是否带来业务价值，不关供应商的事；按效果则是把价格和可验证的产出指标绑定，例如代码通过率、质检合格率、自动解决率。选择哪种模式，取决于你这个任务的产出物能不能被自动验证。能验证的，大胆谈效果付费；不能验证的，就老老实实按用量加返工保障条款来谈，免得自己吃了暗亏还说不清楚。最怕的情况是合同里写的“效果”根本没有量化标准，等纠纷起来了，双方对“效果”的理解完全不同，那才是最折腾的。

最后说几句实在话

和我聊过的采购负责人里，很多人已经意识到席位费在崩盘，但真正开始调整内部制度的还不到一半。我前阵子帮一位客户处理采购纠纷，价格谈得非常漂亮，对方口头承诺“用多少收多少”，合同里却埋了一句“月度活跃用户超过一定人数后，按增量加收费用”——这本质上还是席位费的变种。这种事干得多了，我越来越觉得，AI再强，最终也要通过合同条款落到账本上。席位费归零是大方向，但如果你预算还是老一套、合同还是老套路，供应商照样能变着法把“影子席位费”塞回来。把按用量、按效果、按价值这些逻辑固化到预算、合同、内部管理制度里，才是真正享受这轮变革红利的前提。以上这些，是我这几年谈了几十份软件合同、踩了不少坑之后总结出的经验，希望能帮你少交一点学费。