---
title: "6个月从0干到4000万美金ARR，四个年入过亿的Agent公司在算账"
id: "20260811A0ARVL00"
publicationAccount: "非凡产研"
originalPublishedAt: "2026-08-11T18:31:17+08:00"
canonical: "https://ffcap.cn/research/20260811a0arvl00"
source: "https://view.inews.qq.com/a/20260811A0ARVL00"
sourceAccount: "https://news.qq.com/omn/author/21759984"
language: "zh-CN"
tags: ["收入与 ARR","AI Agent","营销增长","商业化","全球化出海","销售与客服","办公协作","融资与投资"]
---

# 6个月从0干到4000万美金ARR，四个年入过亿的Agent公司在算账

文章中的“非凡产研”是原始发布账号署名，不代表已核实个人执笔作者。引用访谈或圆桌观点时，应按正文标明具体发言人及当时身份；无法确认时不要推断。日期为原始发表日期，历史信息以发布时点为准。

**AI行业观察**

## **6个月从0干到4000万美金ARR，这四个Agent创业者把"怎么搞钱"聊透了**

  

"先有钱，再有Agent，最后才是技术。"

  

6个月，从0做到4000万美金ARR。

说这话的人叫Michael Guan，Hellyeah AI的CEO，做的是数字员工，第一个落地场景选了增长营销。注意，他报的不是估值，不是愿景，是年化收入。

圆桌上，另外三位也都带着成绩单。做AI语音Agent的94AI，国内加海外一年几个亿人民币营收，业务铺到30多个国家。做品牌出海的QuickCEP，ARR一个亿人民币，中国品牌出海百强榜，它服务了70家。做Shopify智能导购的upsello.ai，一年100万美金进账，客户里有5个年GMV过亿美金的大卖。

说白了，这场不聊模型参数，不聊AGI信仰，只聊一件事：你的Agent到底帮客户搞到钱没有，以及客户凭什么分钱给你。

主持人吴畏的问题一个比一个直接。我把这场圆桌里最值钱的几段拆给你看。

  

## **为什么偏偏是这四个领域**

先看选题逻辑，这四个人选的赛道，背后是同一种算计。

Michael的理由最干脆：增长营销是"强化学习信号最强的地方"。数字员工实际去跑预算，赚的钱亏的钱一目了然，这就是训练数据。他的公司本身是做企业内部知识蒸馏和数字员工部署的，营销增长只是第一个垂类，结果一炮打响。

94AI的刘嗣平是反过来的。他们2018年就开始做语音模型，语音识别、合成、交互全套都做，然后发现一个很扎心的事实："做了语音模型之后，很多应用场景其实是很难收费的。"最后落到智能用户运营场景，因为金融客户的用户交互是刚需，客服、回访、营销、不做不行。

upsello.ai的高舟之前做了快十年量化。今年客户直接找上门问：你们做AI的，又讲数据驱动，那你们的chat到底能不能直接帮我搞钱？于是他们基于Shopify生态做了进攻型导购的live chat插件。吴畏追问收入，高舟说现在一年100万美金左右，吴畏一惊："100万美金一个定制的Agent？"高舟赶紧澄清："不，单个客户5-6万人民币，订阅制的话就几十美金。"

QuickCEP的陈光最狠，只服务品牌出海这一个行业。理由很实在：海外几十套电商平台、几十个社媒各自为战，数据全是孤岛，品牌方接得痛不欲生。这事没有捷径，他们这么多年就是一个一个接，有些平台封闭到必须成为官方认证partner才能拿到API，接完还得持续跟进政策，让Agent的common sense跟平台适配。

**"你看出来没有，四个人没有一个人说'因为这个赛道性感'。全是被客户、被数据、被钱逼出来的选择。"**

  

## **归因这道坎：你赚的钱，怎么证明是你赚的**

收入型Agent的第一个死穴是归因。客户要的是最终结果，你做的只是其中一环，凭什么说增长是你的功劳？

高舟的解法比较量化。他是倒着推的，先想清楚要为客户赚钱，再倒推做什么。他的归因逻辑干净利落：用户本来要买A，Agent通过upsell或者捆绑销售推了B，只算B的GMV，A一分钱都不算自己的。所有触达都在live chat里完成，在live chat里成交的就是他的功劳。这事能成，得益于Shopify生态的数据是通的。

![6个月从0干到4000万美金ARR，四个年入过亿的Agent公司在算账 · 原文图片 1](https://inews.gtimg.com/om_bt/OQOSZnNUnR4ncEY0QflA0qQWRA5goql2jDtXeLVet7KKQAA/1000)

Michael的解法简单粗暴：数字员工直接装进客户的代码仓库，顺手改造一套数据埋点系统，保证归因的公平性和透明性。代价是不少客户受不了这种侵入式方案，觉得你往我源代码里埋了什么东西。Michael的态度也很硬："理解数字员工应该是坐在人家办公室里的才叫数字员工，先进他的门。"接受不了的客户，他们拒绝了很多。创业公司不是所有客户都要接，他说，客户没办法接受这么超前的概念，果断拒绝。

![6个月从0干到4000万美金ARR，四个年入过亿的Agent公司在算账 · 原文图片 2](https://inews.gtimg.com/om_bt/OafVWuw6kEGuVe1uuqFr4G7Wa-DYk0n_BlmNPXySllp_8AA/1000)

**"归因这一关过不去，后面所有关于分钱的讨论都是空中楼阁。这两位一个靠生态数据，一个靠直接进代码仓库，本质上都是在回答同一个问题，你敢不敢把自己的功劳放到阳光下让客户的财务去审。"**

  

## **按效果付费？先问问自己配不配**

按效果付费，听起来是Agent行业的政治正确，结果几位老兵的态度出奇冷静。

刘嗣平把话说得很透。能按效果付费当然是更好的，说明客户认可你的核心能力。但前提有两个：一是客户场景得适合，二是用户质量得稳定。头部银行、大平台，用户量大、质量稳，可以按结果付费。新兴企业今天这个渠道获客明天那个渠道获客，"定好按结果付费标准时，可能突然很挣钱、突然亏了"，这单就没法签。实在不行，退而求其次按调用量。

![6个月从0干到4000万美金ARR，四个年入过亿的Agent公司在算账 · 原文图片 3](https://inews.gtimg.com/om_bt/Orl-Qo69m-mx3_lKpwMYXZpdyqSwn4GaDf73kOircftq4AA/1000)

他还点破了一层很多人不愿意说的：按调用量收费会扭曲你自己。按效果付费，你会为效果导向去迭代模型；按调用量收费，你更在意的是提高消耗、提高调用量，效果反而不是第一位的。"客户心里有把尺"，用户质量稳定的时候，这把尺才稳定。

陈光补充了三个更现实的问题，全是实操里的坑。

第一个，中大企业的采购流程和预算制根本不支持，客户自己也说不清今年到底能花多少钱。第二个，销售激励怎么办，原来订阅费一年一次性收回来，销售拿提成走人；现在签了合同客户不给钱，按结果算出账单销售才能拿钱，销售也不乐意。第三个最本质：客户认知里，能抽佣的只有两类角色，要么掌握流量，要么掌握交易。Meta、Google、TikTok掌握流量可以抽佣，收单平台、建站平台掌握交易可以抽GMV。中间环节的？过去客户一律觉得你就是个辅助工具，按订阅给点token钱就不错了。

![6个月从0干到4000万美金ARR，四个年入过亿的Agent公司在算账 · 原文图片 4](https://inews.gtimg.com/om_bt/OD2LGhNg3HEGKSisjDimj5UCgCQRhXxf-gvNpM0ApdKKEAA/1000)

**"那QuickCEP最近为什么又能开始按收入抽佣了？陈光讲了一个日本市场的例子。有些国家的市场，客户自己的团队根本hold不住，QuickCEP就用整个Agent团队帮品牌接管了那个国家的消费者运营：EDM、WhatsApp群发、老会员召回、loyalty运营，客户一个人都不用安排。完全接管，他不管，本来就是多出来原来没人做的一块，帮他多做了一块。"**

这句话值得划三个重点。想从收工具费升级到按收入分钱，中间隔着一道墙，墙的名字叫：你是不是把整个职能接过来了。辅助一个部门，你是成本；替代一个部门，你才有资格上桌分钱。

顺带一提，陈光年初还踩了一朵浪花。OpenClaw火的时候，他们发布了PollyReach，一个给Agent用的skill，提供美国虚拟电话号码。起因特别生活化：他在日本生活，吃烧鸟要预约，理发英文又不好，老麻烦日本同事打电话，他就想让Agent帮他约，结果Agent能写PPT能调研研报，就是不能跟物理世界交互。那给它装个打电话的skill不就行了。现在这个skill在Claw Hub上排名第一，装机量十几万。给Agent修一条通往原子世界的电话线，这事我觉得比很多宏大叙事都有想象力。

  

## **下一个被接管的，可能是你们公司的财务**

最后一个话题最宽泛：企业内还有哪些岗位会被AI接管？注意，是接管，24×7自动跑起来那种。

陈光已经把这套玩进自己公司了。他们研发在落地一个叫loop engineer的体系，三个圈：第一个圈Agent给Agent自我反馈，分钟级迭代一圈；第二个圈人在环里，程序员给反馈，小时级转一圈；第三个圈外部用户给反馈，按天按周转一圈。连招聘都是这么搞的：OpenClaw在BOSS直聘上聊候选人、按标准打分，HR招聘专员给反馈，业务侧的销售VP再给反馈，三轮下来自动调。"以后HR团队人数再扩三倍也不用招人。"唯一卡脖子的环节是BOSS直聘不让Agent聊，"这个很烦"，他说后面想想用RPA看能不能搞，不过computer use一直操作电脑的话token消耗比较大，"有点烧"。

但HR人还得在。干嘛的？"他得养那个OpenClaw，得不断调他的skill。"你看，岗位没消失，岗位的工作内容整个换掉了。

刘嗣平看得更冷：他们替代的是客户企业外部那层。客服这些行业原来有大量人工，还有大量服务这些人工的软硬件公司，现在这类公司的发展空间越来越小。"如果服务的都不是人，干嘛还要这些软件？"他直接点了名：传统CRM管理系统、人工呼叫中心系统，美国做通信软件的Avaya、Genesys，客服中心以前动不动投几百万上千万搞一套系统，"这些系统很多以后都不需要了"。

Michael的下一站是财务税务。逻辑还是强化学习：招聘这个场景，看一个人成不成功要等五年，反馈周期太长；财务税务的反馈周期最短，错了马上知道，而且美国公司里这块人力负担巨大。在他看来所有SaaS都可以被AI转化，"买很贵的软件，再请更贵的人来操纵这些软件，本质上跟买更贵的Agent是一个逻辑"。

高舟最后给了一个更上层的框架，他说不想制造焦虑，目前这个阶段可能没那么快，未来可能算不上替代，是接管。什么样的先被接管？需要理性支撑、数据支撑的岗位会先走。他举自己的老本行：以前量化团队会请五六个毕业生专门写代码写策略，每天更新大量策略，现在这些人可以不用了，AI coding全搞定。那人的位置在哪？在决策层。AI给出ABCD几套方案之后，美感、审美、感性的那部分判断，是人和AI之间非常大的边界。

  

## **先把账算明白的那一方，通常活得最久**

这场圆桌听下来，我有个挺强烈的感受：这四个人聊Agent的口吻，越来越像老生意人聊生意。

归因要公平，计费要看客户质量，抽佣得先接管职能。拒绝客户的时候果断一点，成本管控时刻在线。这些话放到任何一个传统行业的老板桌上都成立，只不过他们手里的生产工具，从人换成了Agent。

**"高舟是量化出身，习惯从结果倒推一切。他说管理客户资金的时候，先定今年要冲多少收益率，再倒推交易策略和资产配置。做Agent也一样，先想为客户赚什么钱，再倒推做什么产品。这个顺序，恐怕就是'收入型Agent'这五个字的全部秘密：先有钱，再有Agent，最后才是技术。AI给出ABCD，人来拍板，这个分工里，先把账算明白的那一方，通常活得最久。"**

  

## **更多对话细节**

**Speakers｜嘉宾**

upsello.ai 创始人&CEO 高舟

Hellyeah AI CEO Michael Guan

94AI 创始人&CEO 刘嗣平

QuickCEP&PollyReach 创始人&CEO 陈光

**Host ｜主持人**

非凡产研 创始人&CEO 吴畏

### ![6个月从0干到4000万美金ARR，四个年入过亿的Agent公司在算账 · 原文图片 5](https://inews.gtimg.com/om_bt/Ot-zydCqJPGHYfxZ5tMRtAbBpenPA_hA7VyiLj6Q75rakAA/1000)

**吴畏：**那么请每位用一句话自我介绍，同时讲一讲为什么你选择现在做的这个领域，为什么这个领域比其他三个领域更好？

**高舟：**大家下午好，我是 upsello.ai 创始人高舟。我们2023年的时候开始进入 AI 创业，之前做了快十年量化。那个时候主要是做 influencer 为主，做了一年多，后面这个事情就没做了，最终转到了应用层。二四年我们做了一款客服产品，目前也还在市场上做，主要针对敦煌网在服务。今年的话更进一步，因为很多客户给我们提需求，说既然你们是做 AI 的，又讲数据驱动，那你们的客服或者对外的 chat 到底能不能直接帮我产生收益，帮我搞钱？今年我们就专门做了很多调研，选了 Shopify 这个赛道。因为 Shopify 整个数据接口、生态目前我觉得很完整。我们基于 Shopify 做了一个 Upsell 的 live chat shop 插件，但加入了更多底层的数据治理跟数据部分。因为要进攻型导购，前期肯定要有用户数据，要有数据底层支撑，不然很难做主动型动作。今年我们就做了这个事情。大概就这样，目前服务的基本都是 Shopify 卖家，基数量大概 1 亿美金以上的大卖有 5 个，其他基本在 1000 万到 2000 万美金这个区间。目前也在跑一些数据。

**吴畏：**客单大概多少？咱们这。

**高舟：**我们分两个部分，一个是订阅的，传统 SaaS 化订阅；还有一个部分是针对一些 Plus 用户做 Agent 定制，因为他们需要一些定制化的事件、定制化的 workflow。

**吴畏：**现在能收到多少？

**高舟：**我们现在大概 100 万美金左右。

**吴畏：**100 万美金一个定制的 Agent？

**高舟：**不，你说单个吗？单个客户 5-6 万人民币。订阅制的话就几十美金。

**吴畏：**Michael 介绍一下自己，然后说明一下为什么你在做你现在这个领域。

**Michael：**我叫 Michael，是 Hellyeah AI 的联合创始人、CEO。我们是一家位于美国的企业内部知识蒸馏和数字员工平台，第一个落地的场景是增长营销。为什么？因为它是整个强化学习信号最强的。我们把增长营销的数字员工部署到实战场景里，让他们实际去跑预算，赚的钱、亏的钱都一目了然，这是整个强化学习过程中最宝贵的数据。我们在 6 个月前开始的，目前大约年化收入在 4000 万美金左右，ARR 4000 万美金，增长非常快。是从半年前从零开始的，这是第一个垂类，第一个数字员工。我们公司本身是做知识蒸馏和数字员工部署的，这个业务我理解其实是从 Agent 线开始的。没错，是的。之前我们在帮企业内部做一些强化学习的环境，帮助他们训练内部数字员工，然后找到了营销增长这个切入口，迅速做到这个规模。

**吴畏：**非常好，非常好。来，刘总。

**刘嗣平：**大家好，我们是 94AI，最早其实是做语音模型的，语音识别、语音合成、语音交互这一块。创业比较久，18 年开始的，早经历过小模型阶段的应用，到这两年推动大模型 Agent 这种应用。我们在做语音类模型、语音交互，很早之前也在找场景，发现语音交互场景会更实在一点，比如智能客服这类场景。做了这么多年，在国内包括海外大概 30 多个国家都有拓展业务，主要服务金融、电商、零售、教育等。我们在大概十来个国家有本地的销售和本地的人。最大的几个市场比如印尼、菲律宾、尼日利亚、墨西哥、日本，相对比较均衡。我们做这个业务的核心点是，做了语音模型之后，很多应用场景其实是很难收费的，很难有结果，这是我们要讨论的。我们最早做金融行业场景，因为金融客户的用户交互是刚需，不管是回访、营销还是用户运营。

**吴畏：**讲讲数字吧。

**刘嗣平：**我们目前大概一年，国内加海外一起大概有几个亿的营收，人民币。

**陈光：**大家好，我叫陈光，我们公司叫 QuickCEP。聚焦一个垂直行业叫品牌出海，大家也可以理解为跨境电商的升级版，我们只服务这一个行业，扎得比较深。我们是一个类似全生命周期的 Agent 产品，主要服务腰部以上的大品牌，中国品牌出海 100 的榜单我们已经服务了 70 家。大家在海外购买中国名牌产品，比如名牌手机、名牌潮玩，在海外的所有触点都在我们这套平台上运营。我们这套 Agent 平台可以帮品牌把海外所有渠道都集成进来，囊括所有消费者的 engagement 数据，然后 Agent 驱动去做营销、售后服务、导购都可以，是这样的一套解决方案。

**吴畏：**讲讲数字呗。

**陈光：**目前我们 1 个亿左右的 ARR，人民币。

**吴畏：**都是看来大家都能在收入型 Agent 拿到结果，这也是我们选择这个赛道的主要原因。我就开始来追问，从陈总这边往这边来。我刚才也留意到，你一直强调我们是一个客户全生命周期的管理平台，我理解就是我们可能最早有 CDP、有客服，也帮他增长，期待能够把客户所有数据在一个统一平台管理，不是只签某一个特定场景。这么做的原因是什么？为什么要有一个 all in one 的一站式全生命周期运营平台？

**陈光：**因为发现品牌出海对比在国内做消费品或者品牌，面临的挑战就是整个软件生态、IT 组件、电商平台的割裂，这块挑战更大。所以特别希望有一个能聚合所有数据，并且是 Agent 驱动的一套解决方案。这也是早期客户 push 我们往这个方向不断去做，有很多正反馈。最早其实只做了几个环节，后面不断做，客户需求给我们喂成这样子的。后来发现这一套在海外特别 work。举几个例子，海外电商因为世界很大，除了中国以外，每个国家和地区都有各自的电商平台、社交媒体、流量渠道。一般中国品牌名牌出海会去到全世界，欧美、中东、拉美、东南亚都会去。面临摆在眼前几十套平台、几十个社媒全都要接入，很痛苦。接入完之后各自为战，部门之间每个团队，有的是中国运营海外团队，有的是当地建了团队，数据也不打通。再加上营销侧数据跟客服和售后数据又不打通，想做很精细化、千人千面的运营和营销，其实很难做到。这个是很大的痛点。怎么打通这些数据孤岛？不同的平台渠道，内部的外部的，没有什么捷径，就是我们这么多年一个一个接。有些平台还特别封闭，必须成为它官方认证的 partner 才能拿到 API。接完之后再把它的政策持续 follow，持续研究，让你的 Agent 的 common sense 和 skill 跟它的平台政策适配，逐个积累下来的。

**吴畏：**那我也正好问一个我自己关心的问题。未来软件可能都是无头化的，SaaS 交互就没那么重要，都是 Agent 去使用。理论上未来接各种应用数据应该更容易，有可能直接提供 CLI、API，而不用像那么封闭。这半年你有感受到这种软件使用交互的一些变化吗？

**陈光：**其实一直以来海外的这些电商平台，不管是建站 SaaS 还是电商 marketplace，一直都是开放的。一直都有 API，不像国内有些电商平台 API 就干掉了，所以它一直是 headless 的。但接的过程中发现，怎么让这些 API 对 Agent 更友好？我们在中间做了一层，客户还会调我们这一层。在 API 上面做了一层，因为原来都是 API，并不是 Agent 友好的那种 schema 或 MCP。

**吴畏：**这个很好。下一个问题，为什么会做 PollyReach？PollyReach 跟 QuickCEP 之间是什么关系？我觉得这个很有意思。

**陈光：**年初 OpenClaw 火，我们想去捕捉一下时代的机遇，踩一下浪花，效果还不错，就发布了。原来我们一直在做 ToB，说能不能试试面向未来做一个 to agent 的产品，为 Agent 提供 Infra。PollyReach 这个产品就是一个 skill，它并不是 to C 用户的，也不是 ToB 企业的。我们会给用户提供一个美国的虚拟电话号码，某种意义上这也是很重要的 Infra 对于 Agent。我之前在日本建团队的时候，生活好久很不便利，吃烧鸟都要预约，理个发英文也不好，老让日本同事打电话预约。我说那 OpenClaw 能不能帮我约一下？它不能跟物理世界、原子世界交互，写 PPT、调研研报可以，但怎么帮我定一个日本理发店呢？定不了。那能打电话就好了，给它弄个 skill，让它打。

**吴畏：**这个新业务目前收入或者商业化这块？

**陈光：**商业化是这样，目前我们是 Claw Hub 上这个 skill 的排名第一，这类 skill Claw 装机量有十几万。

**吴畏：**刘总，刚才也听了一下，你们主要还是在语音Agent这一块，最开始聚焦金融行业场景，比如营销之类。我们想讨论的话题是收入型 Agent，用户触达量这个事情跟直接产生收入，我理解营销或者用户运营最后也能指向收入，但触达量并不等于收入。这个过程中企业怎么去衡量对收入的贡献？产品上要做到什么程度，企业会觉得可以按结果、按收入来计算？

**刘嗣平：**客户最关心的是结果，是转化率，每个环节的转化率。不太关心功能怎么实现，最关心结果。一个很好的对比就是跟人工团队对标：员工转化率是不是跟人工差不多，产生收益是不是跟人工差不多。测试一个是他自己用人做，一个是用 AI 直接对比，这是非常直接的点。有可能 AI 效果没有完全超过人工，但 AI 成本低很多，净收益会更高，ROI 会更好。客户采纳以后，原来人工团队会大量减少；另外原来有很多场景没有办法靠人工服务。比如大家用信用卡，收不到银行用AI语音提醒到期，逾期了都不会有，因为忙不过来。现在有些银行已经用上了，用 AI 至少在逾期前或上征信前给你语音提醒，反而是把一些场景运营动作更细化了。

**吴畏：**基于刚才说的业务有一些延伸的问题。最开始相当于帮企业做知识蒸馏、提供平台，切入营销增长。我理解营销不只是投广告或网红营销，也是从用户调研、市场研究到策略生成、投放、归因、优化、强化学习的整个阶段。企业采纳你的营销增长 Agent 后，还有哪些事情没交给你？哪些未来可能会交给你，哪些可能一直不会交给你？

**Michael：**很好的问题。产品形态其实是一个可以接入 CI 的形态，我们认为数字员工最佳的形态就是直接提供出来。面对其实是非常 technical 的一些需要营销的客户。他们在选择不同方案时会有顾虑，包括合规角度、数据安全角度，这方面是大头。做北美 ToB sales 时，如果能解决这个，一只脚已经踏进这个行业。回到问题，有什么可以授权？数字员工跟真人员工一样，某些行为有自主权，某些情况下要找老板审批授权。设计数字员工也是这个思路。企业会有 P0 到 P10 优先级的不同事情，相当于代码 debug 告诉你哪个优先级。需要客户 approve 的 item 通常是 P0 到 P3，剩下的主动帮他做完，再把结果呈现给他，看满不满意。

**吴畏：**这个规则本身是内化的，还是说也可以强化学习不断训练？

**Michael：**目前是内化的。我们也在跟客户探索他们的界限在哪里。因为真人人类的 attention 非常有限，我们想尽可能不要浪费 attention window，只把最重要、ROI 最高的事情给到他做决策。剩下回报率不是很高，但 token 成本非常低、可以轻松实现的，都直接做了。

**吴畏：**你的客户很多会不会也是 AI 公司？

**Michael：**对，现在北美主要做 AI 公司，以及大量传统游戏公司和娱乐公司。

**吴畏：**如果提供 CLI，我理解它是在它的 Agent 里面调用你的 CLI 完成动作？

**Michael：**没错，不单只是 CLI 形式，还是一个 loop agent 的形式，可以 24/7 不断去做事情。

**吴畏：**它会担心企业内数据安全吗？

**Michael：**非常担心，所以所有数据合规做得非常精细。

**吴畏：**这个其实会有很多细节，晚点再展开。高总，之前你也做过客服，现在切入了独立站生态，希望通过智能导购形式推动成交。从导购来讲，触发这个事情的触点是在什么时候？什么样的时候让用户既不会受到打扰，还挺接受这种主动介入？

**高舟：**设计整个前期事件时，跟客户做了很多交流探讨：到底要监测用户哪些行为？监测完通过什么方式跳出，让用户不会特别反感？现在做了很多事件，得益于 Shopify 生态数据开放性，客户授权后可以拿到很多数据。基于用户从投流页进来到自建站后，所有鼠标移动、每个界面停留、加购和弃购动作，全部可以监测到。基于这些动作形成很多事件，通过行为心理学、消费心理学创建事件，也跟客户定制事件。通过弹窗，但不是大面积弹窗，前期是非常小的气泡，带有品牌感、品牌语言的方式弹出来，引导用户跟小气泡对话。我们一直在做这个事情，也是持续迭代优化的步骤，既让用户感觉很舒服，又让用户觉得进到独立站里真的有被照顾到、有在被引导。同时希望传统独立站进去就是落地页、图文、视频，通过导购式 live chat 让整个自建站更有温度感、更有品牌感，同时帮助用户做一些事情。

**吴畏：**基本上通过刚才讨论，大家对各位公司提供的产品服务有更多了解。后面我设计的是一些通用话题，都可以聊一下。第一个话题，我们定义为收入型 Agent，服务客户真正创造收入时，即使系统能力足够好，客户自己的产品也得给力。这里面会存在客户要的是最终结果，但我们做的只是其中一部分，要求可能过高。行业内卷到完全要按销售分润、利润来核算，但实际上只是其中一段。这个过程中怎么去平衡？

**高舟：**我从做 AI 第一天就在想，Agent 到底怎么为客户、为服务伙伴创造价值？本身做量化出身，思维方式更多以反方向倒推。举个例子，管理客户资金时，先考虑今年要冲多少收益率，再匹配交易策略、交易配置、资产配置，最终一定是结果导向。做 AI Agent 我也是第一性原理、结果导向。既然要为客户赚钱、帮他搞钱，我甚至想过要不要做自动化广告投放系统，但后面发现投流这个事情挺难的。往后推了一步，更希望用户流量进来后，通过引导、事件触达帮用户 GMV 哪怕提升一点点。流量端口、广告端口没放开，哪怕一个月十万投流广告，没有引入之前可能一天十万美金销售额，引入后跳出率、upsell 部分会有非常明显提升。归因很简单，所有事件、触达、行为都在 live chat 里完成，监控到在 live chat 里完成的就是我做的归因。比如判定用户本来要买 A，通过 upsell、交叉销售或捆绑销售推了 B，只归因 B 的部分，A 不算我的 GMV。这个部分很好做归因，得益于 Shopify 生态数据都是通的。

**吴畏：**三位也可以聊一下这个话题。是不是有些客户不能做，我们要放弃？客户说先测一下，发现跑不出来，也不是完全都是我们能解决的问题。

**刘嗣平：**能够按效果付费对于这类公司是更好的。为什么收订阅费？如果能够真的在很多场景实现按效果付费，说明你对客户的掌控、核心能力各方面得到认可。做不到的话，一方面是能力不行，另外可能有些客户场景不一样，比如用户质量很差，转化率很低，做不通。要分开来看，如果客户场景适合没有这种问题，应该尽量做到按结果付费。实在不行退而求其次，按调用量。前期做客户准入分析时会有判断。比如头部大客户，互联网平台或银行，用户量足够大、质量足够稳定，可以按结果付费。但新兴企业今天这个渠道获客、明天那个渠道获客，定好按结果付费标准时，可能突然很挣钱、突然亏了。客户愿意按结果付费或按调用量，心里有把尺，大概愿意花多少成本。用户质量相对稳定时，这把尺会相对稳定，最终有 ROI 衡量，反哺说大概在预算范围内是接受的。按效果付费后，自身发挥空间更大，会为效果导向更好迭代模型。如果按调用量收费，更重要在于提高消耗、提高调用量，而不是一定要把效果做到最极致。

**吴畏：**两位怎么看？第一怎么归因，做的事怎么归因；第二该以什么样的结果承诺或计费是更好的方式？

**Michael：**产品比较简单粗暴。数字员工直接装到代码仓库里面，会定制化一套独有的归因系统，包括数据埋点和所有事件追踪。改他的代码仓库，保证数据埋点系统和我们一致，确保归因公平性和透明性。第二点按效果付费，最简单就是不要锁死长期合同。现在很多企业签年框，一付付三年。按效果付费能不能一个月一个月付费？效果好肯定留下来，效果不好就走，实际上是相互选择。我们也拒绝了很多客户，很多客户不愿意接受这么侵入式的数字员工解决方案。把代码放在他源代码仓库里，系统也改造，他可能觉得你埋了一些东西。当然这些都是非常透明的，什么样的代码在做什么事情。理解数字员工应该是坐在人家办公室里的才叫数字员工，先进他的门。这也是一个双向选择的过程。创业公司不是所有客户都要接，客户没有办法接受这么超前的概念，果断拒绝。

**陈光：**我们这个赛道比较复杂，从头往下捋一捋。吴老师说按收入付费跟按结果付费其实还不太完全一样，有时候服务的环节很难直接导致 revenue，阶段性成果也可以是一个计量单位。我们现在百分之九十多还是订阅加 AI Token 充值两部分组成，开始尝试了一些按收入或按结果付费。是我们去 push 客户接受，还是客户主动要求？我们一直有这个心去 push，但服务的中大企业采购流程、预算制很难支持，说不清今年到底能花多少钱。还有一个挑战是对销售激励的挑战，原来收订阅费一年直接收回来，销售就拿提成。现在签个合同客户不给钱，出账单按结果算完比例才能拿钱，销售也不乐意。另外就是承担之后，在我们行业天然能够抽佣的就是要么掌握流量，要么掌握交易。流量是 Meta、Google，投流 TikTok 可以抽佣金；要么收单平台、建站平台可以收 GMV 抽佣。其他环节过去客户认知里一律不愿意按 GMV 抽，觉得就是辅助、工具、提效，按订阅或给点 token 就可以。最近为什么又可以开始局部场景按收入抽佣？发现有些国家客户自己团队 hold 不住、做不到，我们用整个 Agent 团队帮他接管整个国家营销自动化。EDM、群发 WhatsApp、老会员召回，创造的收入不用管，不安排员工，全是员工加 Agent 全年运营老客户 EDM 会员 loyalty，产生的 GMV 来抽，相当于替代了一个国家消费者运营部门。他就认了。完全接管，他不管，本来就是多出来原来没人做，帮他多做了一块。比如日本这个国家通过会员运营多出来一千万收入，一年抽一到五个点都有谈，这些都签过。

**吴畏：**这是一个很好的实践经验。时间关系，最后一个问题。从陈总往这边过来。这个问题会稍微宽泛一点，无论大家是做导购、营销增长、客服、运营这类 Agent，很多直接指向帮客户增长、提高收入。各位觉得未来企业内还有哪些岗位或职能会被 AI 继续接管？或者说有哪些软件或 SaaS 会继续被 Agent 接管？我说的接管就是 24×7 自动运行全闭环。

**陈光：**我先说。我们研发最近在落地 loop engineer，把这个理念套到公司内部运营治理，以及打造产品怎么按照最新的三个圈。第一个圈是 Agent 给 Agent 反馈，自我反馈，小时级或分钟级反馈，非常灵敏，迭代一次。第二个圈是人要 in the loop，可能是程序员跑 task，程序员反馈对不对，小时级又可以转一圈。再来一圈是 external user，外部协作者，做了软件终端用户给反馈，按天按周按月反馈 bug 或体验问题，这就是三个圈。我们研发现在就这么搞。比如内部支持部门、HR 部门，一直以来一两个人，能不能不加人就用 OpenClaw 弄？聊 BOSS 直聘挺烦的，也不太 Agent 友好，聊完后面都可以 Agent 搞。邀约先过，OpenClaw 按打分标准打，然后 HR 招聘专员反馈，OpenClaw 会有自己的反馈，招聘专员反馈，external user 是业务比如销售 VP，反馈说你找的这批简历、排的面试怎么样，下回怎么调，这就套上了。以后 HR 团队人数再扩三倍也不用招人，就这么搞。唯一工作量会边际增长的就是跟 BOSS 直聘聊的环节，他不让 Agent 去聊，这个很烦。后面想想用 RPA 看能不能搞。因为最近用的这个，感觉它的 computer use 比上一个版本增强很多，但是很贵，一直操作或 replay 电脑行为的话 token 消耗比较大，有点烧。

**吴畏：**你刚才举了招聘的例子，是可以实现让 Agent 接管的一件事。但是 HR 还得在？

**陈光：**HR 还得在，他得养那个 OpenClaw，得不断调他的 skill。

**吴畏：**大家不要太担心，企业内的人可以自我学习。刘总你觉得哪些环节、岗位、职能可能会被 AI 接管？

**刘嗣平：**企业内部像陈总讲的一样，很多岗位现在也在替代。重点讲讲我们做的更多是替代客户企业外部的。客服这些行业原来有大量人工、大量做这些的硬件、软件公司，现在这类公司的发展空间越来越小。如果服务的都不是人，干嘛还要这些软件？大量传统软件都会被 Agent 替代。比如我们领域里面传统的CRM管理、人工呼叫中心系统，美国一些做通信软件的 Avaya、Genesys 这些，现在很多都用不上了。客服中心以前动不动投一套系统，最早硬件后来软件，动不动花几百万上千万，这些系统很多以后都不需要了。

**Michael：**我觉得所有 SaaS 其实都可以被 AI 转化。传统 SaaS 尤其是北美，买很贵的软件，再请更贵的人来操纵这些软件，本质上跟买更贵的 Agent 是一个逻辑。内部也在做很多 AI 其他方向蒸馏和数字员工落地。招聘是一个适合落地的场景，但之上会有更丰富的，从强化学习角度来说有更丰富的信号。招聘看一个人成不成功需要很长时间，五年内不离职、真正创造什么价值才能反馈。反馈周期最短的是财务税务，第二个选型方向就是财务税务。尤其美国财务税务在公司内部负担很大，有大量人力在这上面。

**高舟：**我想分享两点。基于吴老师刚才问会被哪些替代，这个问题我也一直在思考，但可能不想制造焦虑。目前这个阶段可能还没那么快，未来可能不是替代，是接管。思考维度可能更高一点，更理性或更数据驱动的这层会越来越容易被接管。比如 coding 部分，原来从事的宏观分析、量化分析，非常容易被接管。举个简单例子，以前会请专门写代码、写策略的毕业生，五六个专门过来写策略，每天更新非常多策略，现在这些人都可以不用了，完全由 AI coding 来搞定。目前更需要理性支撑、数据支撑的这些岗位会慢慢被接管；需要决策、需要更多感性做支撑的，会慢慢形成差异化。未来要找到的是人跟 AI 的边界在哪里。数据部分、理性部分 AI 一定会比人干得更好，不用怀疑。要做的是在决策层，AI 给了 ABCD 方案或不同策略后，人感性的部分怎么做决策，美感、审美，这是跟 AI 非常大的边界。

---

原始发布版本：https://view.inews.qq.com/a/20260811A0ARVL00

本站阅读页：https://ffcap.cn/research/20260811a0arvl00