# 一个 AI 代理卖 2 万美元，替代 9 万美元年薪的人类：Outreach 老兵讲透 AI 定价

> Training Data No. 41 中文精读

- 原标题：Pricing in the AI Era: From Inputs to Outcomes, with Paid CEO Manny Medina
- 发布日期：2025-04-22
- 主持：Sonya Huang · Pat Grady · Konstantine Buhler 等
- 网页版：https://trainingdata.qiaomu.ai/ep/041-pricing-in-the-ai-era-from-inputs-to-outcomes-with-paid-ceo-ESa1Td.html
- 精读字数：约 4976 字（阅读约 11 分钟）

> 本文为 trainingdata.qiaomu.ai 基于原始访谈的 AI 改写中文精读，非官方翻译；引用请注明出处并链接网页版。

一个人类 SDR(销售开发代表)的全成本，一年 7 到 9 万美元。一家 AI SDR 公司的报价：每个 AI 代理 2 万美元，干掉 80% 的活，业绩达标另有奖金。

这笔账出自曼尼·梅迪亚(Manny Medina)。他创办过销售软件公司 Outreach,做到独角兽，卸任 CEO、搬到伦敦后二次创业，新公司 Paid 专门帮 AI 代理公司管定价、账单和毛利。2025 年 4 月，他在红杉的播客 Training Data 里聊了一期，好几个判断都跟主流叙事拧着来：token 成本短期降不下来，大模型没在商品化，以及，市面上大多数 AI 代理公司的合同，看着像合同，其实是试用装。

## 窄到不能再窄的生意，正在印钞

以赛亚·伯林把人分成刺猬和狐狸：刺猬盯着一件大事，狐狸什么都懂一点。曼尼说，现在的 AI 应用市场，是刺猬的地盘。**挑一个极窄的问题扎进去，做到全场最好，眼下就在印钞。**

他点名了几家：

- Quandri,做保险保单续保；
- Owl,审保险理赔数据，市场看着小得让人路过，理赔单量堆起来才知深浅；
- XBOW,做渗透测试，把传统渗透测试机构按水平排序，然后持续地、高质量地敲你家每一个应用和后端；
- HappyRobot,替货运经纪给卡车司机打电话。

HappyRobot 的画面感最强：你想把一批啤酒从密尔沃基运到波士顿，找经纪，经纪找车。HappyRobot 一次拉起 2000 个 AI 代理，挨个给司机打电话，两边互相砍价，谈成下单，再一路跟到交付。

这些生意有个共同点：**它们抢的是 BPO(业务流程外包)的盘子。**凡是 BPO 占大头的地方，就是 AI 代理这个顶级捕食者的猎场。

为什么这个盘子好啃？曼尼的理由很扎实：没人立志进 BPO 打一天电话，那是干半年就跑的跳板，流动率高到离谱；保单续保岗退休了也没人补。AI 进去之后，粘性、扩张、增长、利润率样样好看，定价上限就是人力成本，下限是自己的毛利，中间随便要价。

反例也有。AI SDR 这个词太宽，什么都能往里装，五十家公司听起来一模一样，卷成血海。AI 高管助理也还没到位，市面上有 Lindy 和 Fyxer,但曼尼自己横跨三个时区，Fyxer 伺候不了；换成单一时区的房产经纪人，它又是完美搭档。**大问题，窄切口，做透了，才叫生意。**

## AI 先吃掉谁的工作？他跟顶级 VC 唱反调

Kleiner Perkins 合伙人马蒙·哈米德有个流传很广的假设：AI 会从最高薪的工作下手，那里钱最多，开发者、律师、会计师、医生，挨个来。

曼尼说他完全不同意。

**高薪人群会把 AI 当个副手买回去，然后像丢掉家里其他吃灰的东西一样丢掉它。**AI 真正站稳的地方，是那些被彻底接管、而且没人想干的活：没人早上醒来立志当保险精算师或理赔员，没人想进呼叫中心熬日子。这些岗位要么随退休潮消失，要么流动率高到补不上员。红杉合伙人罗洛夫·博塔大概会抗议，他可能是 VC 圈唯一持证精算师，但曼尼坚持：例外归例外，趋势是趋势。

主持人帕特·格雷迪试图和稀泥：也许两种都对。高薪创意工作走 copilot 路线，给人超能力，法律有 Harvey,医疗有 Open Evidence;低薪重复劳动走 autopilot 路线，整个换掉。他还补了一句，协作工作流是软件业的世界第八大奇迹，做进去就很难被换掉。

曼尼对 copilot 的护城河表示怀疑，理由有两层。第一，**copilot 的价值说不清楚。**你怎么区分一个 copilot 和下一个 copilot?大家都说“我和 X 一样，但更好更便宜”，这就是内卷配方。除非切到极窄：假设 Harvey 宣布自己是专利法领域最强，拿下 78% 的市场，这才叫立住了。第二，协作工作流这张牌，过去灵，现在未必。他的原话很糙但很准：

> 你可以用 vibe coding 敲一个 ServiceNow 出来。

他自己就是这么干的。Paid 第一个版本一个半月上线，一半代码靠 vibe coding,写废了就扔掉重写。他的观点：别纠结调试，vibe code 的正确用法是坏了就扔、推倒重来，反正重新开始永远不贵。就算你真成了某个工作流的标准，如今竞争速度快到离谱。顺带一提，他看好的 Crosby 也在法律赛道，路子更狠，打算整体接下商业合同律师的活。

## 定价四段位，铁律是离开第一层

整期节目的干货核心，是曼尼总结的四种当下跑得通的定价方式。

**第一层，按活动收费。**最简单，credit 消耗制，干了多少次调用、多少个动作，一目了然。

**第二层，按工作流收费。**把一串活动打包，比如一份文档审阅收一次钱。长文档和短文档消耗模式不同，可以分开定价。帕特点评，这一步已经从成本定价挪向价值定价。

**第三层，按结果收费。**曼尼给客户的建议是，先别急着纯按结果收费，加一个结果奖金：当某个可度量的结果发生，收一笔奖金。这一步打开的是价值对齐的对话，聊着聊着，合同就变成每个客户一份的定制合同，而定制合同极难被替换。

**第四层，按代理收费。**回到开头那笔账：全成本 SDR 一年 7 到 9 万美元，AI 代理干其中 80% 的活，那就报 2 万美元一个代理，外加达标奖金、成单奖金。这里有个精妙算盘：**按代理收费，收的是客户的 headcount 预算，绕开了 RevOps 那条工具预算的窄缝。**工具预算就那么点，headcount 池子大得多。

这四层像一条成熟度曲线，但有个铁底：**所有人最终都必须离开按活动收费。**赖在第一层，马上有人喊“一样的东西，我更便宜”，然后你就掉进五十家公司长得一模一样的血海。客户第一年永远选最省事的买法，固定价或者消耗量；跑通之后，球在 AI 公司这边，你得回去找客户，聊清楚什么对他们重要，然后按那个收钱。

怎么定结果函数？曼尼引用营销大师 Seth Godin 的话：定价是你故事的一部分。故事不同，定价相同，故事最后也会变得相同。这就是为什么 Sierra 的主页上根本不挂价目表：他们跟每个客户坐下来，问清楚什么重要，是解决时长，是客户解决工单后顺手下了单，是 CSAT 还是 NPS,然后把这些框成一个函数。

> 这跟机器学习里的目标函数是一回事。你造出这个函数，然后朝着它持续迭代。

至于合同形态，曼尼说 SKU 那套行和列的世界结束了。去看 ServiceNow 和 Salesforce 的大单，全是定制合同，销售负责人飞过去跟对方谈，带回来的条款根本塞不进标准报价系统。AI 时代没理由不这么干，毕竟你可以给合同堆接个聊天界面，问一句“帮我解读这份合同，算出年化价值”。

## 续约季才是大考，vibe revenue 会现形

曼尼透露了一个行业现状：市面上绝大多数 AI 代理公司，现在签的其实都是 PoC。**合同长得像合同，钱看着像收入，本质是试用装。**地球上每家公司都有 AI 军令状，总有人去买了套 AI 软件回来试。他和帕特现场给这东西起了个名字：vibe revenue。

接下来会发生什么？续约季。续约会把麦子和糠分开，谁真有粘性、谁交付了价值，一目了然，真正的变现方案也会在那时定型。

有意思的是买方的态度。曼尼早期客户听他讲定制合同、按结果收费，回他“这绝不会发生”。现在电话打回来了：“我刚拿到第一份纯按结果付费的合同，不知道该打给谁。”

**按结果收费是买方拉动的，因为 AI 在多个维度上有风险，而按结果付费降低了买方的风险。**

当然，攻防是双向的。BPO 不会坐以待毙，这些公司体量不小，完全可以买技术、部署自己的代理、拿内部数据反打。曼尼跟 BCG 聊过，对方没承认在跟 BPO 做大量项目，但他嗅出了味道。这场仗怎么收场，他坦承自己没有答案。

## 成本这头灰犀牛：token 短期降不了价

定价的另一面是成本，曼尼在这里又跟主流唱反调。

所有人都说 token 成本会一路下降，最后商品化。他的判断：至少短期内不会。推理时代，推理时算力比训练时算力值钱，模型要想得更深，token 就便宜不下来。闪电轮里他补了数据：每一代新模型，输入 token 比上一代贵 6 到 8 倍，不是小数。问他大模型在不在商品化，他的回答是“还没有，在推理的世界里，我们才刚摸到门把手”。

技术上他的主张：别把代理拆成一堆 LangGraph 小盒子串起来，链条开头一旦幻觉，后面全盘皆输，多少 eval 都救不回来。让模型干大部分活，配一套好的 eval 框架，再上线。帕特提出长期看是量价赛马，单价降、任务变重。曼尼同意长期逻辑，但短期，他不知道。

多模态把成本又推高一截。代理先搞定文本，然后想打电话、接电话、上 avatar,这些都是第三方 API,不进 LLM 账单。电话代理的成本大头是通话时长和拨号次数，avatar 公司的成本是 avatar 跑多久。云成本加模型成本加一堆七七八八，复合起来。

真正的麻烦在看不见：**所有代理活动都先过 eval 框架再到模型，你不知道哪个成本记在谁头上。**哪个客户给你赚钱，哪个客户在吃你的毛利，哪个代理干得好，哪个在摸鱼，全都糊在一起。曼尼说，毛利问题就是这么难啃。

他见过太多代理公司，新，急着抢单，客户想怎么买就怎么卖，赢了输了半年后才知道。传统定价咨询公司西蒙顾和一年来访一次，拍拍屁股走人，剩下的日子你自己扛。所以 Paid 做了个小功能：查同一个活在全球哪个国家、什么工种、时薪多少、要干多久，折算出人力等价成本，给客户当定价天花板。

一句话总结现状：**价值正在流向客户，代理公司没接住。客户拿走了全部节省，这需要改变。**

## 老兵复盘，和明天就能用的五件事

节目后半段聊到创业本身，曼尼的分享意外地坦诚。他在 Outreach 推代理产品时，想搞清楚自己的毛利、自己创造的价值，发现底层软件根本不支持这种定价要不断演进、交付的是完整结果的世界。这个念头在 OpenAI 发布 o1 模型前后开始发酵。他花几个月给创始人朋友打电话，搞交叉教育：你们问我怎么搭销售团队，我问你们经营代理业务什么感觉。答案：全靠表格。

他决定动手，还有一个私人原因：创始人级别的客户对话，又生猛又有能量，每聊一次，他的能量槽就涨一格。冷电话打过去，大部分人都接，因为这是创始人对创始人。他说自己 100% 的命中率，对方都说“让我试试”。Paid 的产品覆盖计费、发票、变现、定价、催收、收入确认、供应商和毛利管理，一句话，AI 公司的后办公室。从 Outreach 带过来的经验里，他点名一条：在能力到位之前，就先去卖。

聊到 Outreach 的教训，他毫不留情地复盘：当年谁都能卖，创业公司能卖，Adobe 是早期客户，希拉里竞选团队也能卖，追债公司也能卖，大家都有沟通和工作流问题，但每类客户的产品打磨路径完全不同。他在业务的海洋里扑腾，迟迟不肯收窄。如果重来，他会先问：什么能让 Outreach 变成十亿美元 run rate 的公司？从那里开始。

新一代创始人明显更聪明：收窄理想客户画像，先做透，再扩张，不烧增长，多留股权。风险是他们可能收得太窄，不敢从单品走向平台。帕特补了一句：质量会自己规模化，把一小撮人服务到极致，好过对一大群人做到平庸。曼尼全盘认同：路线图清晰，工单长得一样，口碑自然涨。他还说，这行当最大的福利是节奏，模型每七个月换代一次，等于每七个月发一个新玩具。

闪电轮里还有几个彩蛋。他给 AI 创始人推荐的书，是一本 1999 年的老书，斯坦福教授 Chris Manning 和 Hinrich Schütze 的《统计自然语言处理基础》，讲马尔可夫链、怎么用前后的词预测下一个词。他的说法是，今天的很多技术底子还是统计方法，不知道从哪来，就到不了哪去。离不开的 AI 产品是 Perplexity,连他老婆学车都是靠它找的教练；写作则离不开 Claude,他叫它“我不该聊却一直在聊的幻想朋友”。问他 AGI 什么时候到，他说大概已经在门后了，只是我们没认出来。

最后是曼尼给 AI 创始人的一句话：聚焦极窄的一批客户，别管 TAM,别听 VC 忽悠大市场，**体验做到极致，小 TAM 自己会长成大 TAM。**

把这一集压缩成明天就能用的清单，大概是这几条：

- 打开自己的价目表，看卡在四段位的哪一层。还在按活动或 credit 收费，就准备迎接“我更便宜”的挑战者，下一步该往工作流或结果走。
- 下一份合同，加一条结果奖金条款：可度量的结果发生，收一笔奖金。这是打开价值对齐对话的敲门砖。
- 卖替代人力的代理，报价挂靠人力等价成本，上限是人力成本，下限是自己的毛利；话术往 headcount 预算靠，别挤工具预算那条缝。
- 把云、模型、第三方 API 的成本按客户、按代理拆开算一遍，找出吃毛利的客户，续约前先修账。
- 如果收入大头来自“像合同的 PoC”,把续约日期圈出来，那是大考的日子。

AI 公司的功能大家都能抄，定价和成本这套内功，抄不走。