从 ARR 到执行底座：Agent 创业者下一笔账怎么记 (2026)

本期听什么

两期新节目放在一起，问题会从「AI 有没有收入」变成「收入和能力究竟落在哪一层」：模型厂商的云收入与 ARR、办公智能体的访问量和付费转化、模型降价后的任务成本，以及 Agent 执行底座的权限、审计和恢复。

本期给正在做 AI 产品的团队一张更实用的账单：先校准指标口径，再算单任务成本，最后检查客户是否愿意为执行边界和可恢复性付费。

五个判断

1. 先问数字是什么，再问数字多大

《屠龙之术》把云收入视为 AI 最直接的商业化外显，又提醒听众谨慎比较 OpenAI 与 Anthropic 的 ARR：两家的分成和收入口径并不相同。一个数字要先标注它是访问量、活跃用户、流水还是收入，再确认时间范围、分母和分成口径。1

节目还提到，办公智能体的 2097 万是访问量甚至交互次数，不等同于 MAU 或 UV。这个提醒适用于所有 Agent：调用次数、完成次数、复用次数和付费用户应该分开统计。1

2. 模型降价，不会自动解决任务成本

一块钱成本、十块钱售价时，毛利是百分之九十；售价降到五块钱，毛利仍是百分之八十。这个算术不是任何一家模型公司的财务结论，但它说明价格下降和毛利下降不是同一件事。真正要算的是长任务重试、上下文增长、工具调用和人工接管带来的总成本。1

Runta 的团队从不限量使用 token，转向分级额度和使用说明：消耗超过一定范围，要回答「花在哪里、换回了什么」。对产品团队来说，任务账本至少应记录模型、token、重试次数、运行时长、人工成本和结果。

3. Agent 的产品边界在执行层

戴冠兰把 Agent 的难点概括为：底层执行单元从确定性程序变成概率性系统，任务又从几分钟延长到几小时。于是隔离、分叉、迁移、伸缩、审计和恢复不再是幕后运维，而是客户是否敢把工作交给 Agent 的产品条件。2

短时间运行代码的沙盒和长程 Agent 的执行底座不是同一个问题。后者要处理动态迁移、内存伸缩、资源调度和失败恢复。产品团队可以先问：任务中断后，能不能从上一个可验证状态继续，而不是从头重跑？2

4. 权限不是一个总开关

一次次点击「允许」，会把人的边界慢慢交给 Agent。更稳妥的做法是把动作拆开：能读邮件，不等于能发邮件；能查报价，不等于能下单；能改代码，不等于能部署生产。戴冠兰把这类疲劳称为 approval fatigue，并主张用硬规则限制高风险动作。2

他预测灾难性的 Agent 事故迟早会发生。这是嘉宾的判断，不是本期已核验的事件。对团队更有用的问题是：最坏动作是什么，谁可以停止它，事后能否审计并恢复。

5. 「模型够了」只是一个待验证的创业假设

《屠龙之术》观察到，非上市 AI 公司的高收入梯队仍集中在数据、算力、模型和少数应用；《十字路口 Crossing》的嘉宾则认为，模型厂商和公有云都有自己的主航道与历史包袱，跨模型、跨 Harness、跨云的执行与治理可能给创业公司留下空间。前者是市场数据整理，后者是创业者判断，不能混成确定结论。1 2

你要验证的不是一句口号，而是客户是否愿意为权限、审计、迁移、成本控制和失败恢复付费。若模型 API 明天接近免费，产品还剩下任务环境、客户流程、失败数据和可复用的评测，才有继续算账的理由。

一周内可做检查

为一个真实任务写出成功条件、失败条件、权限边界和人工接管点。
把一次任务的 token、重试、运行时长、人工成本和收入放进同一张表。
把调用、完成、复用和付费四个指标分开，并标出访问量不能代表什么。
将模型切换到更便宜的版本，或把价格假设砍半，检查客户仍然愿意为什么付费。

带回团队的问题

如果明天模型 API 变得接近免费，我们手里还剩什么？
任务失败后，系统能从哪个可验证状态恢复？
哪些权限必须硬性禁止，哪些动作可以交给 Agent？
我们的增长数字，究竟证明了调用、完成、复用，还是付费？

素材边界

本期合并整理《屠龙之术》的《AI by the numbers-23 页 PPT solo》和《十字路口 Crossing》对谈 Runta 创始人戴冠兰两期新节目。两期原节目都没有官方完整逐字稿；本期使用两份公开完整音频并完成全量语音转写。节目中的原声片段直接取自对应原始音频并按时间对齐，主持人的部分是面向 AI 产品创业者的二次整理，不冒充原节目的逐字稿。

Fuentes de referencia

1
《屠龙之术》：AI by the numbers-23页PPT solo
media.xyzcdn.net
2
《十字路口Crossing》：「模型能力已经够了，要卷就卷 infra」｜对谈戴冠兰：Runta 创始人
media.xyzcdn.net