文 | 韩工观察

11 月 5 日，月之暗面把 Harness 租出去了。不是租模型 API ——那玩意儿按 token 卖了好几年——是把 "AI 员工上班的全套后台基础设施 " 打包出租：云沙箱、会话记忆、工具链、断线恢复、审计日志，全部包圆。企业只管派活，它 7 × 24 小时在云上跑着，跑一半断电也能从断点续跑。

这不是一个产品功能的发布。这是一个计价锚点的迁移：AI 厂商从 " 卖电 "（token），变成了 " 卖员工工时 "（hosted agent）。而这件事的底层逻辑，远比 " 云服务升级 " 四个字要狠——它意味着企业采购 AI 的预算科目，正在从 IT 支出滑向人力支出。

一、从卖电到卖员工：计价锚点的五次上移

人类不是第一次把 IT 从 " 买 " 变成 " 租 "。但前几次租的东西，和这一次有本质区别。

第一段是 License 时代。1980 年代到 2000 年，企业买光盘、买授权、买 CPU 席位，本质是买 " 复制权 " 加买固定资产。微软、Oracle、SAP 卖的是一把锄头，坏了自己磨，升级自己掏钱。其实 IBM 在 1960 年代就试过大型机租赁，ASP 托管在 2000 年前后也火过一阵，但那时租的是硬件或托管机房，没把运行环境单独计价。

第二段是 SaaS 时代。Salesforce 在 1999 年喊出 "No Software"，把 " 租访问权 " 做成主流。企业不再拥有软件，按月买账号，厂商管运维、管升级、管多租户。后来演变为按席位 / 人月收费——你有多少销售，就交多少钱。计价锚点从 " 资产 " 滑向 " 访问 " 再滑向 " 席位 "，CapEx 变成 OpEx。但这仍然是租工具——企业买一张健身房月卡，练不练、练出什么效果，是自己的事。

第三段是 AI 用量时代。2023 年起，大模型 API 按 token 计费，企业为 " 脑力 " 买单。但这还是卖电模式——你调一次 API 花 1 分钱，厂商赚 1 厘，卷的是电价。企业感知是 " 花了多少字钱 "，预算科目仍挂在 IT 支出下。

第四段，就是现在。月之暗面 Hosted Agents、Anthropic Claude Managed Agents、OpenAI Hosted Agents，全球头部几乎同时把 "Agent 运行时 " 商品化。租的不是模型，不是访问权，是一个 " 会干活的岗位 " —— 7 × 24 小时待命，能自己拆任务、调工具、生成报告、发邮件，出错能重试，崩溃能续跑。

计价锚点随之发生了第五次上移：从资产（License）→访问（账号）→席位（人 / 月）→用量（token）→工时（Agent 运行时）。

为什么说是 " 上移 "？因为预算科目变了。企业原来买 CRM 花 10 万，销售工资花 100 万；Agent 直接来切那 100 万里的执行层。市场天花板不是 IT 支出，是人力资本支出里可被结构化的那一块。这不是量级放大，是预算逻辑的重构。

但历史不会简单重复。前几次租的是工具和访问权，这一次租的是 "岗位" ——一个会学习、会报废、会迭代的数字员工。而数字员工和物理资产有本质区别：椅子不会自己过时，但 Agent 会。

二、动态性：为什么 " 会进化的东西不能买断 "

你买一个东西，隐含的前提是这东西买完之后能稳定用。你买把椅子，它不会自己进化，也不会主动坏。但数字员工不一样。

动态性不是有无的问题，是烈度的问题。地图 App 也持续更新，但一两年不升级，旧地图照样能用，只是路线不准——这是低烈度动态性，买断加年度维护合同就能覆盖。Agent 三个月不迭代，可能接口已变、安全漏洞未补、业务系统连不上——这是高烈度动态性，不持续投入就 " 废了 "。判断动态性该不该租，不看更新频率，看 " 不更新会不会废 "。

第一，它要进化。模型三个月一更新，今天能干的事明天可能干得更好，也可能因为升级反而退步。你买断了一个版本，三个月后就过时。厂商在云端持续迭代，你手里的 " 买断版 " 成了孤岛。

第二，它要维护。不是 " 买回来往那一放就自己干活 "。它需要接新的数据源、适配新的系统接口、修 bug、调提示词、处理异常。你买断了自己管？那你得养一个技术团队，等于又雇了人来看着这个 " 数字员工 "。

第三，它要跟着业务变。公司流程改了、系统换了、标准更新了，数字员工也得跟着调。买断的版本不会自动适配这些变化。

所以你买一个数字员工，就像买了一个人但不给他培训、不给他涨薪、不让他学习新技能——他能干多久？

租的本质，是把 "保持它活着且能干活" 的责任甩给厂商。模型升级了，厂商负责更新，你无感；工具接口变了，厂商负责适配，你不管；出了 bug，厂商修，你不用养运维；干得不好，你下个月不续租，换一个。租约天然带淘汰机制，买断没有。

这就解释了一个反常识现象：大家直觉觉得 " 贵的买、便宜的租 "，但通用 Agent 可能恰恰相反——越贵的越适合租。因为你买回来技术半年一迭代，残值归零；租的话，厂商承担技术过时的风险。

但 " 租 " 不是放之四海而皆准。Agent 有没有实体、数据能不能出门、技术迭代速度多快，决定了租买的边界。要理解这一点，需要把 AI 落地形态拆成三层。

三、三层形态：端侧买、云端租、垂直混合

第一层，云端纯 Agent

这是 Kimi Hosted Agents 的主战场—— Agent 跑在厂商云上，没有物理实体，企业只管派活。沙箱、记忆、工具链、权限、审计，全部托管。

这类场景为什么必租？三个原因。一是没有实体资产，不存在折旧和残值问题；二是技术迭代无感，厂商远程升级，企业不用管；三是通用能力商品化，模型权重本身在贬值—— DeepSeek-V4-Flash 输出价已压到约 0.28 美元 / 百万 token，单台 Atlas 800 八卡即可跑私有化，通用能力正在卷成水电价。你买断一个模型，明年就过时。

月之暗面的定价结构本身就是信号：沙箱按运行时长计费（0.072 元 / 小时），token 推理费单独叠加，插件按次收费。企业感知从 " 花了多少字钱 " 变成 " 雇了个不动工位的实习生，按月 / 按活结账 "。同期 Anthropic Claude Managed Agents（2026 年 4 月发布）按 0.08 美元 / 会话小时收运行费，OpenAI、Google、微软也陆续推出同层级托管产品。这不是一家公司的策略，是行业的集体转向。

第二层，端侧设备

手机、PC、车里的 NPU，Agent 跑在本地。这类场景的核心特征是：硬件是资产，智能是服务。

没人租手机用。硬件过时了——芯片算力不够、内存满了、电池衰减——得物理换件，厂商没法远程 " 升级 " 一块 NPU。所以设备是买的。但上面的智能能力，可以租。苹果 Apple Intelligence、华为鸿蒙 AI、阿里千问接入国行 iPhone（2026 年 11 月 Beta），都是端侧简单任务本地跑，复杂任务转云端，AI 功能按月订阅。终局是 " 买设备 + 租脑子 " 的组合。

工信部近期提出智能体终端进网管理要求，手机 / 穿戴预置 Agent 需过进网检测、OTA 升级评估和权限调用管控——这意味着端侧 " 租脑子 " 也有监管边界，不是想租就租。

第三层，物理载体机器人

这是最复杂的混合态，要分两档。

通用服务类——饭店送餐、楼宇清洁、园区巡逻——数据不敏感、设备损耗大、技术迭代快，适合租。乌镇 " 互联网之光 "2026 年 11 月展出的康养机器人，产业端在讨论租赁方向，但尚未形成规模化商业验证。道理和企业租打印机一样：厂家负责维修升级，企业按使用付费，不承担技术过时风险。

垂直精密类——手术机器人、工业机械臂、银行厅堂智能体——数据不出门是硬约束，且需要现场训练。新希望金融科技联合宇树科技基于 G1 人形机器人打造的银行厅堂方案，算力本地部署，不接公网，厂商披露的设计原则是 " 不碰客户、不碰资金、不碰数据 "。这类场景不是纯租，也不是纯买，是 "买本体 + 本地训练 + 维保服务" 的混合。买断的是设备所有权，租的是持续迭代的模型能力和驻场服务。

第四层，主权级：不租的底盘

还有一类主体不能放进 " 租买光谱 " 里讨论——国家与政务系统。

国家政务平台不是不想租，是主权不可外包：算力走全国一体化算力网或东数西算节点，模型自主训练或采用备案模型，数据不出域、微调留台账、Harness 自建。

中央网信办与发改委 2025 年 10 月印发的《政务领域人工智能大模型部署应用指引》明确：统筹集约、县级复用上级、不重复建设、备案模型优先。商务部 2026 年 10 月拟增列 AI 大模型 / 智能体 / 算力集群技术出口限制清单，技术主权边界进一步显性化。

它们也会用商业 Agent 能力，但只用在非涉密的通用辅助层——公文起草、问答、文书校对；核心决策、涉密数据、监管判断，必须 " 买到底 "：买算力、买模型、买可控迭代权。

所以真实世界不是 " 租替代买 "，而是三层并行：通用市场租为主，垂直行业混合，主权领域自建为底。

但框架是空的。真实世界里，租买双方赌的不是价格，是信任和主权。

四、博弈：租的不是工具，是代理人

传统委托代理理论里，企业雇人，怕的是人偷懒、信息隐藏。租 Agent，怕的是幻觉、越权、提示词注入、价值偏离——你让它审核合同，它把不该删的条款漏了；你让它生成报告，它编了一组假数据。

香港大学一项针对 Agent 信任机制的闭门研究显示，76% 的从业者表示在实际部署中遇到过信任顾虑，53% 认为 " 客户信任低 " 是主要障碍，42% 认为 " 出错责任不清 "。这三组数字说的是三件事：顾虑的频率、客户的感知、事后的归属。企业采购 Agent，本质上不是买能力，是买 " 可委托性 " ——身份可确权、权限可约束、履约可审计。

这就引出数据主权博弈。云端派说：托管最省心，数据过云也没事，Inference Hook 可以拦截敏感字段。本地派说：金融、医疗、政务一票否决，数据不出域是底线。混合派则在走中间路线：端侧筛数据，云端强脑，荣耀 " 共生 Agent"、NVIDIA × Perplexity 都是这个逻辑。

企业争的是商业主权，国家守的是数据主权加技术主权。乌镇 2026 年 11 月发布的智能体自律公约提出 " 身份可核、授权可控、行为可查、责任可追 "，国家区块链网络给 Agent 做信任锚点——这正好说明，当 Agent 从工具变成代理人，" 可委托性 " 不仅是商业问题，也是治理基础设施问题。

厂商的真实诉求和用户相反。用户要 " 能力上来、原始数据别走 "；厂商想 " 多看失败轨迹好迭代模型 "。腾讯甚至宁可放弃原始数据，也要换失败日志——因为在数据不出门的前提下，" 失败轨迹 " 才是未来训练数据的新石油。

博弈的第二个维度是计价权。厂商想按结果收费（RaaS），把模型成本风险转嫁给自己，换高客单价。但企业顾虑：Agent 出错率仍高，结果不可归因就不敢按结果付。UC Berkeley 2025 年一项跨 7 个多 Agent 框架的对比研究显示，多 Agent 任务失败率区间在 41%~86.7%（不同基准不可横向对比）；CMU TheAgentCompany 基准则测出，真实办公场景下顶尖单 Agent 失败率约 69%~70%。按结果付费？先等稳定性过关。

现实是：先按月租工位，再按工时计费，最后才敢在窄场景里按件计酬。中间隔着 " 稳定性 " 这道坎。

博弈的第三个维度是锁定。租省心，但租久了会被绑住。Agent 嵌入工作流后，业务知识沉淀在厂商侧，记忆、配置、插件生态全在人家云上。今天租 Kimi，明天想迁豆包？数据资产带不走，切换成本以年计。大厂已经在抢入口：豆包吞飞书、WorkBuddy 绑微信生态，本质是 " 数据主权锁定 "。

所以租买决策的底层，不是成本比较，是风险分配。租，把迭代风险和运维成本外部化给厂商，但换来锁定风险；买，把数据主权和退出自由握在手里，但背上过时风险和养团队的成本。

厂商想按结果收费，企业先问：错了算谁的？

五、反方：不是所有人都租，也不是现在就能按结果付

本文的核心判断是 " 通用场景租是主航道 "，但这个判断有两个限定。

第一，私有化正在变便宜，第三路径真实存在。DeepSeek 开源 DeepInfer 推理框架（2026 年 10 月），企业可自建推理集群，高吞吐场景下单位 Token 成本大幅压低。每日互动推出 " 个知工作站 " 纯私有化方案，华为昇腾架构，号称 " 二十倍性价比 "。实在智能的落地口径更具体：高频生产场景（日均十万级调用），私有化 DeepSeek 方案综合成本可降到公有云 API 的 30%~40%。

但这有个前提：算力利用率得高。AgentMarketCap 2026 年 4 月的一份 TCO 测算指出，利用率高于 70% 时，自建长期成本低；低于此线，硬件折旧加运维人力会反超云托管。瓶颈不在模型本身，而在 Agent 编排、评估、安全护栏的工程人力成本。

第二，头部企业不租，自己建。腾讯内部 CodeBuddy 覆盖 95% 工程师，WorkBuddy 是 AgentOps 平台；字节、百度、火山各自建 Agent 中台加生态绑定。大厂有算力、有人才、有数据，租是中小企业的主线，自建是头部玩家的选项。

第三，RaaS 按结果付费，只在窄场景跑得通。智达明远 AI 营销 RaaS 把效果写进合同、未达标退款，续费率 96.8% ——但仅限营销获客这种结果易量化场景。国投智能保安机器人 RaaS 试点 100 台，仍在 " 投入验证期 "。复杂企业任务退回 " 工时租 "，因为 " 错误可归因、结果可量化 " 的条件还不满足。

所以更准确的表述是：租是趋势，但买不会消失；RaaS 是终局方向，但中间要过 " 稳定性 " 和 " 可归责 " 两道窄门。而一旦计价锚点从 IT 预算切到人力预算，Agent 就不只是采购问题，而是用工制度问题。

真正的问题是：当企业开始用 " 人力预算 " 而不是 "IT 预算 " 来衡量 AI，整个市场的天花板变了——但变的是结构，不是总量。

六、人力预算取代软件预算？社会容忍度才是终极变量

这不是 SaaS 的延续，是 SaaS 的颠覆。

SaaS 按席位收费，本质还是工具逻辑——你用不用，都按人头收钱。但 Agent 按工时、按任务、按结果收费，本质是用工逻辑。

不过，Agent 切的不是 " 人力预算 " 的总量，是人力预算内部可结构化的那一层。它能接的活有三个特征：重复、不知疲倦、理智侧——整理线索、发跟进邮件、填报表、对账、出晨报。这些活，人干会烦，Agent 干不烦，7 × 24 待命，不请假不闹情绪。

它切的是执行层和助理层的工时，不是关系层和决策层。谈判要读表情和语气，喝酒是建立非正式信任，临场决策依赖场域感知——这些 " 人在场 " 的活，Agent 切不了，也不该切。

所以不是 " 人力预算被替代 "，是 " 人力预算内部重新分层 "：执行层被 Agent 吃掉一部分，关系层和决策层反而更值钱，因为人腾出手来做只有人能做的事。

这个类比能往下推：现在按时长加 token 收费，等于按工时算工资，干多干少都给钱；以后按结果付费，等于计件工资，干出来才算钱。企业愿意付这个钱，因为省的是执行层真金白银的人力成本。

计价锚点上移的市场含义是什么？是企业对 AI 的心理账户，从 " 买把更好的锄头 " 变成了 " 雇个不下班的短工 "。锄头你会买，短工你只会租。只要租比雇人便宜，这个逻辑一百年不会变——变的是计价单位：从 " 每月工位费 " 慢慢滑向 " 每件活儿的工资 "。

但这里埋着一个比技术更难的问题：如果 Agent 切的不是 IT 预算，是人力预算里的执行层，那被切掉的人力去哪？

企业个体理性很简单：谁便宜用谁，Agent 比人便宜就用 Agent。但系统反身性在于：如果执行层被大面积替代，消费端萎缩，企业产品卖不动，回头又得雇人。长期不是 " 无限替代 "，是人机配比动态平衡。而 " 租 Agent" 这个商业模式，在平衡区间里依然主流——因为租的弹性最大，景气好就加租几个，景气差就退订。

10 年后，通用办公 Agent 全面按月租，逐步切到按结果计费；20 年后，数字员工成标准用工形态，企业人力结构等于正式员工加租赁硅基岗加外包。但在这之前，有一件事比技术迭代更紧迫：当 AI 的计价锚点从软件预算滑向人力预算，被释放出来的执行层人力去哪？

发改委 11 月 3 日发布会已把 AI 监管沙盒、就业结构监测、模型训练师新职业摆上桌面——分配问题不是远在天边的推演，是正在发生的议程。

分配问题会不会先到、以什么形式到，不取决于技术推演，取决于社会的容忍度。技术把压力摆上桌，接不接、怎么接、什么时候接，是社会自己权衡的事——这个权衡里有经济的账，有稳定的账，有就业的账，不是技术能算的。

技术问题总是有解的。社会怎么接这个解，才是那个会先到的坎。

【信息说明】

本文分析概念说明：

" 动态性 "：本文用以指代 Agent 持续进化、需要维护、跟随业务变化的特性，以此论证买断在经济上不成立。此为作者分析概念，非行业通用术语。

" 动态性烈度 "：本文提出的判据，用以区分不同技术产品的租买决策——低烈度动态性（如地图 App）买断加维护合同即可覆盖，高烈度动态性（如 Agent）才滑向租赁。此为作者分析概念。

" 计价锚点 "：本文用以描述企业采购 AI 时预算科目归属的迁移轨迹（从资产到访问到席位到用量到工时到结果）。此为作者分析概念。

" 三层形态框架 "：本文将 AI 落地形态分为云端纯 Agent、端侧设备、物理载体机器人三层，并对应不同租买决策。此为作者原创分析框架。

" 主权级智能体 "：本文补充分析概念，指政务、国资、关键基础设施中算力 / 模型 / 数据 /Harness 不可外包的部署形态。此为作者分析概念。

"Harness"：指 Agent 运行框架（会话状态保存、云沙箱、工具调用、断线恢复、重试限流等），为月之暗面官方产品文档中的技术术语。

推演预判说明：

文中关于 " 计价锚点从 IT 预算滑向人力预算 "" 通用场景租是主航道 ""RaaS 需经过稳定性窄门 " 等判断，均为作者基于公开信息的产业推演，不代表必然发生的结果。10 年 /20 年后景愿为远期推演，存在重大不确定性。

类比说明：

IDC 预测 " 中国企业级 AI 智能体市场 2025 年 212 亿元增长至 2029 年 3320 亿元 "，引自 36 氪研究院《2026 年中国 AI Agent 行业发展研究报告》（2026 年 9 月），IDC 原始报告暂未公开独立可检索原文。

"76% 从业者遇过信任顾虑 " 等数据，引自香港大学 KYA 闭门研究，未公开全文，仅供类比参考。

多 Agent 失败率 41%~86.7%，引自 UC Berkeley Cemri et al. 论文 Why Do Multi-Agent LLM Systems Fail?（arXiv:2503.13657，2025），跨不同基准不可横向对比；CMU TheAgentCompany 基准（arXiv:2412.14161）测出顶尖单 Agent 失败率约 69%~70%，二者不可混用。

DeepSeek-V4-Flash 定价、DeepInfer 框架、每日互动 " 个知工作站 "、实在智能落地口径等，均为厂商公开披露或行业测算，作者未独立核验。

月之暗面 Hosted Agents 定价（沙箱 0.072 元 / 小时等）引自月之暗面开放平台官方定价页；Anthropic Claude Managed Agents 定价引自其官方公告（2026 年 4 月 8 日）。

政策文件引自中国政府网公开公报：《国务院关于深入实施 " 人工智能 +" 行动的意见》（国发〔2025〕11 号，2025 年 8 月 26 日印发）。

工信部终端进网管理要求为行业公开报道信息；乌镇智能体自律公约及区块链信任锚点为公开会议信息；发改委 11 月 3 日发布会信息为公开新闻信息。

本文基于公开信息独立撰写，文中涉及对企业的分析与判断，均为作者基于公开资料的研究性观点，不构成投资建议，亦不代表对相关企业的任何立场。相关数据以企业官方披露为准。文中对无公开证据的假设性推演已标注说明，读者请注意辨别。