今年4月，国务院印发《关于推进服务业扩能提质的意见》，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，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远授权还是期限授权，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。