2026 年 8 月 1 日，Meta Business Agent 将从免费测试阶段过渡到每百万代币 2.00 美元的商业模式。这不仅仅是计费方面的变化；这是一个结构性信号，表明代理商务的定价边界正在从人力转向人工智能产出量。
多年来，企业软件经济学一直以单机模式为基础。它是可预测的、可扩展的，并且与人类团队的成长紧密相关。然而，BCG 研究表明，43% 的美国工作岗位正在跨越 40% 的任务自动化阈值，因此按席位模型已成为越来越难以体现价值的指标。像 Monday.com 这样的公司已经开始承认这种摩擦，并于 2026 年 5 月从传统的单机 SaaS 转向以 AI 积分为中心的混合模式。这种转变反映了更广泛的行业认识：当软件执行工作时，向使用它的人收费比向工作本身收费更有意义。
定价架构目前分为三种不同的模型：传统的按席位结构，难以保持自动化工作流程的相关性；按对话模型，以 Salesforce Agentforce 为例，每次交互收取 2.00 美元的固定费用；以及 Meta 现在采用的每代币模型。
Meta 的模型将 AI 处理和消息传递捆绑为单一混合速率，与 Salesforce 每次对话方法相比，具有 40-50 倍的价格优势。典型的交互消耗 20,000 到 25,000 个代币，Meta 基础设施上的 10 轮对话成本约为 0.40 到 0.50 美元。相比之下，在每次对话固定费用模式下，相同数量的互动将花费 2.00 美元。对于管理大量客户参与的企业（Meta 每天报告超过 10 亿个活跃业务对话线程），这个增量不是舍入误差；而是一个数字。这是营业利润率的根本性转变。
双重计费机制带来了极大的复杂性。 2026 年 10 月 1 日，Meta 将恢复 24 小时内服务消息的每条消息收费，从而有效结束免费人工回复的时期。这造成了重叠的成本结构，企业必须管理情报（令牌）和交付（服务消息）的费用。这种复杂性可能会考验 IT 部门的耐心，IT 部门已经在努力证明其部署的投资回报率是合理的。
Gartner 预计，到 2027 年底，超过 40% 的企业代理人工智能项目将被放弃。这种失败的主要原因往往是人工智能输出成本与代理产生的实际价值之间的不匹配。尽管 Meta 的定价颇为激进，但基于代币的自动化所带来的效率提升是否会持续超过管理这些新的、分散的计费模型的运营开销，这一点尚未得到证实。
软件定价与员工人数挂钩的时代即将结束。新前沿是由处理的代币数量和底层模型的效率定义的。这种转变是否会带来可持续的企业价值，或者导致一波被放弃的项目，将取决于公司是否能够成功地将其人工智能输出成本映射到有形收入，而不是简单地用新的、更复杂的项目取代人力。