今年4月，国务院印发《关于推进服务业扩能提质的意见》，首次在国家级政策文件里明确提出支持采购大模型、智能体服务。IDC同期数据显示，2026年中国企业级AI智能体市场规模将达到449亿元，同比增长超过110%。
政策松了口，钱也在跟着涌进来，但采购合同的成熟度，明显没跟上市场规模的速度。
过去买软件，价格围着账号数、模块数、服务器配置转，贵不贵至少能算清楚。买AI智能体不一样，许可证只是入场券，后面跟着模型调用、Token消耗、知识库容量、插件连接、流程执行、私有化运维一长串账单。合同签的时候预算看着还克制，等智能体真正接入业务系统、开始跑长流程，财务才发现自己买的不是一套固定价格的软件，而是一台随使用深度不断跳表的机器。
Agent会反复行动，这才是成本失控的根源
聊天机器人一问一答，成本容易估，而智能体不是，它可能先读文档，再检索知识库，调用多个工具，访问业务系统，根据返回结果改计划，失败了重试，最后生成报告、写回系统、通知相关人。一件看起来几分钟能干完的活，背后可能是几十次模型推理和工具调用。
如果合同里只是写一句"模型费用按实际调用量结算"，远远不够。企业至少要搞清楚这几件事情：一次完整业务任务平均调用模型多少次？失败重试和多智能体协作是否重复计费？输入输出缓存分别怎么定价？模型升级后计费口径会不会变？
真正危险的合同，通常不是单价最高的那份，而是没人能解释业务量翻倍之后费用会怎么涨的那份。
六个容易踩的坑
1、许可证价格不等于项目总价。 基础平台费管登录，构建费管配置，模型调用费管思考，插件接口费管连接，流程执行费管干活，实施服务费管上线。这里每一项单看都挺合理的，叠加起来就经常改变整个项目的经济账。审合同时不能只盯着一个账号多少钱，应该让供应商拿出完整价格树，尤其警惕"按需另议""根据实际情况报价"这类模糊表述。稳妥的做法应该是，要求供应商基于真实业务量给出三档测算：试点期、正常生产期、业务量增长两三倍之后。如果给不出这三档数字的报价，说明它还没进入企业经营的视角。
2、Token单价便宜，流程可能特别费Token。 模型单次推理确实在降价，但调用频率、上下文长度、任务复杂度都在同步上升，总账未必跟着降了。一份合同摘要一次调用就够，一项跨系统尽调任务可能读几十份材料、反复检索、多轮校验，成本没法用"每百万Token多少钱"直接推出来。合同要写清楚这些：按什么计费（Token、任务还是成功事件）？失败重试谁承担？历史对话和知识库内容算不算输入Token？能不能用缓存价？简单任务能不能路由到小模型，还是所有任务都被绑定在高价模型上？
3、支持连接和完成集成之间隔着一段工程距离。 MCP、插件协议火了以后，很多产品都说自己能接入大量企业系统。但企业的真实IT环境往往是老旧C/S系统、内网页面、验证码、U盾同时存在，合同里写"支持ERP、OA、CRM接入"不代表这些已经含在标准费用里。要问清楚报价包含多少个系统和接口，接口改造、字段映射、身份认证是不是另收费，无API系统怎么连，新增一个流程是不是又要重新收一笔集成费。智能体的价值恰恰发生在跨系统环节，连接费用没锁定，项目越接近真实业务，预算就越容易失控。
4、买的是智能体，交付却按人天算。 需求调研、流程梳理、知识整理、提示词优化、测试验收常被统一塞进"实施服务"，而实施服务按人天结算，边界又模糊。需求稍变，供应商就可能提出加人天；准确率不达标，也可能被归因于企业素材不够。在这种模式下，企业级AI本来就需要工程实施，但合同得把"产品应有的能力"和"客户个性化需求"分开。把交付拆成能验收的里程碑会更稳妥一些，看接入了哪些系统，上线了多少个流程，覆盖了哪些异常分支，成功率和响应时间达到什么水平，后续企业自己改需不需要再依赖原厂。
5、按成功任务收费，先问清楚什么算成功。 客服智能体按解决的工单计费，流程智能体按完成的任务计费，听起来比按Token收费更合理，也更容易向管理层解释。这个方向确实在往前走，36氪最近有一篇报道提到，越来越多企业开始要求可量化的业务价值评估，而不只是"有没有问题"这种早期容忍度。国外走得更远的案例是Sierra（OpenAI董事会主席Bret Taylor创办），服务Sonos、ADT等品牌，它的策略是AI自主解决问题才收费，转人工不收费，成立十八个月估值就到了百亿美元。但争议同样会随之而来，智能体生成了报告算完成，还是报告被采用才算，还是结论通过复核才算？字段填错了、流程结束后触发人工返工、客户第二天又投诉，这些算不算成功？合同必须把技术完成和业务完成分开定义，写清楚去重、撤销、返工的计费规则，否则按效果付费最后只是换了一种更难核对的用量计费。
6、私有化部署买断的是软件，不是升级和算力。 金融、政务、能源和大型制造企业更倾向私有化，数据留在本地，权限也容易纳入现有治理体系。但私有化不等于一次买断，服务器、GPU、向量库、模型授权、容灾备份、年度运维都是合同之外的成本，模型升级、平台大版本升级甚至信创环境适配都可能重新收费。要让供应商明确软件是永久授权还是期限授权，算力不足怎么扩容，升级会不会影响已有流程，合同终止后企业能不能继续用已经构建的资产。私有化项目真正贵的常常不是第一次部署，而是接下来三年的持续维护。
为什么企业级路线越来越强调"流程资产化"
成本控制走向的一条自然路线是，不要让模型每次都从头思考。财务对账、信息核验、数据报送这类企业高频流程，通常存在大量稳定步骤，比较合适的做法是让大模型负责理解意图、拆解任务、处理非结构化内容,已经验证的步骤固化成可复用流程，交给API、RPA和规则引擎稳定执行。这样能减少重复的模型调用，也让成本、成功率和操作边界更容易预测。
目前企业级RPA+AI这条路线上，来也科技、实在智能、金智维都在把大模型的认知能力和过去的自动化执行能力拼接起来，思路看起来差不多，但真正决定采购体验的是两个细节：任务变复杂之后成本能不能预测，以及跑通的流程能不能沉淀成可复用的资产。例如金智维的Ki-AgentS与K-APA把这两点直接做进了架构，Ki-AgentS负责任务理解、工具调用、多智能体协同和统一治理，K-APA专门把高频、跨系统、长链路任务沉淀成可复用的流程资产，大模型只负责理解和规划这一层，已经验证过的执行步骤交给RPA、API和规则引擎去跑，关键节点保留人工确认，整个过程纳入权限、日志和审计体系。对采购方来说，这种操作意味着模型调用只集中在真正需要判断的环节，已验证的固定流程不会一遍遍重新烧Token，预算也能按平台、流程资产、执行资源、运维服务拆开来看，而不是等月底账单出来才发现哪里超了。
责任条款不能和费用条款分开审
智能体会读数据、调工具、执行操作，一旦出错，影响可能从一段错误文字扩散到真实业务流程。2026年3月，美国加州北区联邦法院对某AI Agent发出初步禁令，起因正是某头部电商平台起诉其AI Agent越界抓取和操作。类似的案例不止一起，技术上能做到的事,不代表法律上被允许做,合同里的责任边界必须提前写清楚,而不是等出了事再追。
国内自2025年9月1日起施行的人工智能生成合成内容标识办法，也进一步明确了相关主体在内容标识上的责任。企业在合同里至少要确认：企业数据会不会被用于模型训练；数据会不会传给第三方模型服务商；员工离职后权限怎么回收；高风险操作是否强制人工审批；智能体调用了哪些工具、读了哪些数据，能不能完整追溯；出了错，责任怎么划分。
一定要记住，一份只谈功能、不谈责任边界的智能体合同，价格看起来便宜，实际可能很昂贵。
AI智能体采购合同审查清单
正式签约前，至少核对以下五组问题。
一、总价与计费口径
是否列明平台费、账号费、模型费、实施费、连接器费、执行费、运维费？
一次性费用与持续性费用是否区分？
所有必购模块和第三方费用是否披露？
超额使用的单价、阶梯价、结算周期是否明确？
是否设有月度或年度费用上限？
供应商调价是否需要提前通知并经确认？
二、模型与Token费用
输入、输出、缓存、推理Token是否分别计价？
失败、重试、多智能体协作是否收费？
能否按部门、智能体、任务查看用量账单？
是否支持预算预警和自动熔断？
是否允许切换模型或模型路由？
模型更换后历史流程是否要重新适配并收费？
三、实施与系统集成
合同覆盖多少个系统、接口、流程？
无API系统、内网系统的接入方式是否明确？
页面变化、接口升级后的维护是否收费？
需求变更如何认定，新增人天如何审批？
验收指标是否覆盖成功率、响应时间、异常处理？
是否交付配置文档、流程资产和运维手册？
四、数据、安全与责任
企业数据是否用于训练或产品优化？
是否涉及第三方模型和跨境数据传输？
是否支持私有化部署、权限隔离、日志审计？
敏感操作是否支持人工确认和暂停？
错误输出、错误执行、权限越界的责任如何划分？
合同终止后数据和知识库如何迁移或删除？
五、续费、退出与资产归属
年度维保包含哪些内容？
大版本升级和新功能是否收费？
已构建的智能体、提示词、知识库归谁所有？
企业能否自行修改和继续运行既有流程？
更换供应商时是否提供数据和流程导出？
供应商停止服务时是否有过渡期和迁移支持？
AI智能体采购最容易犯的错误，是拿传统软件的价格表去理解一种会持续推理、调用工具、执行任务的新型生产系统。
账号多少钱要问，Token多少钱要算，但更重要的问题是，一个任务从开始到结束，经过多少次模型调用、多少个系统、多少次失败重试、多少个人工复核，这些问题没有答案时，报价单上的低价就没什么意义，也没办法让AI智能体从一场昂贵的试验，变成一项可以长期经营的生产能力。