自从黄仁勋在GTC上鼓励企业把token消耗量算进工程师的KPI，魔幻的事情就层出不穷。Meta内部搞起烧token竞赛，员工写死循环刷量；亚马逊员工为证明高频使用Agent，硬把不需要自动化的活儿做成自动。表面看是大厂员工在卷AI使用率，但背后暴露的问题其实更严重：当企业无法衡量AI的真实价值时，就只能用调用量代替产出。而这种失真，正在变成整个行业的共同困境。

麦肯锡数据显示，88%的企业已在至少一个职能中常态化使用AI，但真正能被定义为AI高绩效企业，即EBIT因AI提升超过5%的，不到6%。大量预算、算力和工程师时间被投入进去，最后换来的却往往只是一份看起来很忙的账单。企业知道AI很重要，也知道竞争对手在用，但钱到底花得值不值，没人说得清。这其实也是过去两年AI落地最尴尬的地方：大多数AI公司卖的本质上还是工具，工具是否真正创造价值，风险天然由采购方承担。

今年3月，红杉的一篇文章带火了RaaS（Result-as-a-Service）概念。文章开篇断言：下一个万亿美元级公司，将是一家伪装成服务公司的软件公司。红杉将AI商业模式分为Copilot和Autopilot：前者卖工具，后者卖工作成果，客户只为可衡量的业务结果付费。红杉的判断是后者价值高得多，因为企业每花1美元在软件工具上，就要在相关服务和人力上花掉约6美元。紧随其后，Sierra公司完成9.5亿美元融资，估值超150亿美元，是其ARR的100多倍。这家由OpenAI董事会主席Bret Taylor创立的公司，已覆盖超过40%的财富50强企业，核心理念就是让客户pay for a job well done。

在国内，零犀科技同样证明了RaaS模式能实现规模化盈利和正现金流。他们让AI Agent直接去卖东西，在保险、汽车等行业，AI直接面向C端用户沟通并交付业务结果。当企业开始为结果而非工具付费，AI才真正背上了KPI。这不仅改变了商业模式，更可能重塑整个AI产业链的价值分配。对于AI从业者来说，关注RaaS的落地进展，或许比追逐下一个大模型参数更重要。毕竟，董事会和CEO真正想看到的，从来不是调用量，而是能写进财报里的结果。