价值手册 2026
如何让别人为到达的终点买单，而不是为你走过的路付钱
基于 PEM。AI 时代按结果定价的完整框架：价值方程、证据纪律、利润保护机制以及可见性系统。
重新定价是结构性变革
85%+
的 SaaS 领导者已在 2026 年前采用按用量或混合计费——抛弃了按席位模式
+9%
定价每改善 1% 所带来的营业利润提升——企业里最猛的利润杠杆
74%
的标准计费法律工作包含可自动化的环节——你的小时费率正在跟接近零的成本竞争
免费预览 — 第一部分
价值剧本 2026
如何为终点而非过程获得报酬
基于个人本质方法论 (Personal Essence Methodology, PEM) 构建。核心论点很简单：在 2026 年，没有人会为你的工作时长、你的员工人数或你的技术栈买单。他们是在为这些事物所产生的结果买单——解决的问题、消除的风险、交付的确定性。工作过程是你吸收的成本。而价值则是他们购买的资产。为价值定价，否则就等着市场把你的投入定价为零。
如何阅读本剧本
本文档分为两部分。
免费剧本阐明了理由。它确立了为什么努力与价格之间的联系已经断裂，为什么 2026 年迫使我们直面这个问题，以及所有其他内容所赖以生存的唯一思维模型——价值等式 (Value Equation)。如果你只读到这里，你就会明白为什么销售价值而不是工作现在是一项生存要求，而不再是一种定位偏好。
付费剧本则是操作系统。这是你需要实施的部分：如何针对问题而非劳动力进行定价，如何证明价值以让买家信任你，如何在将工作委托给 AI 和合作伙伴的同时保护你的利润率，以及如何在任何人见到你之前让你的价值清晰可见。这是原则转化为收入的地方。
第一部分 — 免费剧本
销售价值而非工作的理由
1. 核心论点：投入是成本，价值是资产
一个世纪以来，几乎所有行业都使用着相同的价值衡量标准：投入了多少。法律和咨询行业的计费小时数。软件行业的席位许可。医疗行业的按服务收费声明。报酬与付出的劳动力数量或执行的行动挂钩，这基于一个令人舒适的假设，即努力程度与价值是同步变化的。
人工智能已经切断了这一假设。当一个系统可以在几秒钟内完成深度研究、复杂分析和生产级质量的起草时，时间和劳动力就不再是价值的可靠指标。曾经需要 16 个小时的法律工作流程现在在 3 到 4 分钟内即可完成。如果你仍然按小时计费，你自身的效率就已经变成了财务上的累赘——每一次改进都在摧毁收入。
PEM 揭示了这背后的深层力量。我们已经从注意力经济 (Economy of Attention) 转向了信任经济 (Economy of Trust)，从一个执行力稀缺的世界转向了一个执行力丰富且几乎免费的世界。当执行变得廉价时，买家就不再为执行买单。他们为目前仍然稀缺的唯一事物买单：知道哪种执行才重要的理解力，并将其应用于他们自己无法解决的问题上。
这就是 PEM 的核心区别在商业上的体现。信息是通用的、丰富的，并且现在是可以无限生成的。而理解则是个人化的、具有情境性的，且是稀缺的。 雇佣你的买家买的不是你的活动。他们买的是你对哪种活动能产生其期望结果的判断——以及该结果必定会达成的确定性。
本剧本的论点由此直接得出：停止为你交付的成本定价，开始为结果对他们来说值多少钱定价。 时间由你来管理。而价值由他们来购买。
2. 为什么 2026 年迫使我们直面问题
重新定价不再是理论上的——它已经是结构性的且可衡量的。到 2026 年，超过 85% 的 SaaS 领导者已经采用了基于用量或混合计费的模式，放弃了纯粹的按席位计费模式，因为 AI 功能根本无法按人类用户进行扩展。替代性费用安排 (Alternative Fee Arrangements) 预计将从占律师事务所收入的五分之一跃升至三分之二以上。McKinsey 全球费用的约四分之一现在来自基于结果的定价。美国医疗保险和医疗补助服务中心 (Centers for Medicare & Medicaid Services) 旨在到 2030 年将所有医疗保险受益人纳入问责关系。甚至联邦采购也在转向基于结果的合同 (Outcome-Based Contracting)——购买可衡量的结果，而不是活动。
这些并非孤立的趋势。它们是不同行业中正在发生的同一个事件：市场已经停止为投入提供补贴。PEM 的宏观视角指出了驱动这一现象的力量——AI 革命正在瓦解执行的经济学、廉价资本时代的终结、去全球化、系统性不稳定。你无法控制其中的任何一个。但你可以控制你如何重塑你所销售的内容。那些被向上重新定价的公司和个人，正是那些在市场迫使他们这么做之前，就将他们的报价从“我们所做的工作”重新构建为“我们创造的价值”的人。
中间地带正在消失。平均水平的执行（即现在 AI 免费就能做的那种）会产生低于平均水平的结果，并只能获得低于平均水平的价格。市场正在两极分化，一端是带来丰厚回报的卓越人类理解力，另一端是竞相奔向边际成本的商品化输出。在这两者之间没有稳定的立足之地。
3. 证明这一点的经济学原理
投入模型的崩溃在专业服务领域最为明显，在这些领域，计费小时数制造了教科书般的委托-代理问题 (principal-agent problem)：客户希望问题能快速解决，而公司花的时间越长收入就越高。时间仅仅在与价值相关联时才被容忍作为一种衡量标准。在 2026 年，这种相关性已经被打破。行业基准显示，高达 74% 的标准计费法律工作包含可由生成式 AI 自动化的元素，且 66% 的按小时计费工作是基于规则且高度可自动化的。一家死守计费小时数的公司面临着一个不可能的抉择：采用 AI 并眼看着账单收入蒸发，或者拒绝它并流失客户给更快、更便宜的竞争对手。
同样的裂痕也贯穿于咨询和软件行业。随着 AI 吸收了分析师阶层，McKinsey 裁减了约 10% 的员工，而那些成为 AI 整合者而非受害者的公司却在扩张——Boston Consulting Group 报告了 10% 的收入增长，其中五分之一的收入来自 AI 支持的服务。在软件领域，当一个提示词就能协调十位分析师的工作时，固定的每用户费用根本无法涵盖单个用户所消耗的计算能力。对席位定价的供应商严重低估了结果的价值。
在每个行业中得到的教训都是一致的：获胜的公司不是那些做最多工作或拥有最好技术的公司。而是那些捕获了其工作和技术所释放出的价值份额的公司。 优化定价带来 1% 的改善就能将营业利润提升近 9%——定价是企业中最强大的利润杠杆，而大多数组织却对其置之不理，超过 30% 的定价决策根本没有进行任何优化。
4. 从售卖工作到售卖价值：验证溢价
这是让价值定价变得具体化的新视角。随着快速执行变得商品化，价值向着验证、解释和授权机器输出的那层薄薄的人类判断力迁移。过去的价值存在于初级员工处理一份文件所花费的四十个小时里。新的价值则存在于专家确认工作无误并决定下一步行动的四十分钟判断力里。PEM 将此称为 AI 时代的引擎：AI 负责检索和执行；你负责判断。 市场将为判断力支付溢价，而不会为检索支付任何费用。
这就是为什么计费小时数的消亡并不代表高额费用的消亡。无论是花了三天人工时间还是两天 AI 辅助时间，获得二十篇一级媒体报道对客户来说价值是一样的——他们买的是曝光度，而不是公关人员的时间。设计预付费购买的是持续的战略输出，而不是打卡钟。在所有情况下，买家都已经停止购买投入，并开始购买结果。你的工作就是相应地进行定价。
这里的实用指导就是 PEM 对个人的指导：不要在脚下正在加速的跑步机上跑得更快。去销售能解决问题的理解力，并让产生它的工作去承担该有的成本。
5. 支配一切的唯一模型：价值等式
PEM 赋予了这种定价转变一个精确的形式。你能获得的费用并不是你努力程度的函数。它是买家实际体验到的三件事物的函数：
捕获的价值 = 问题价值 × 展现的确定性 × 可见的信任
- 问题价值 (Problem Worth) — 如果问题得不到解决，它会让买家付出多少代价，或者如果抓住了机会，它值多少钱。这是你价格的天花板，并且它与你的工作时长毫无关系。由展现 (Presence) 构建——调查这个问题实际上让他们付出了多少代价。
- 展现的确定性 (Demonstrated Certainty) — 买家对你将会交付结果（而不仅仅是尝试）的信心。由执行 (Execution) 及其产生的业绩记录构建。
- 可见的信任 (Visible Trust) — 买家在第一次交谈之前是否能找到你、读懂你并相信你。通过信号展现构建。
这种关系是乘数式的，反映了 PEM 的信任公式 (Trust Formula)。任何一个因素为零都会导致价格崩塌。 一个对于买家并不觉得昂贵的问题的真正有价值的解决方案，什么也捕获不到——问题价值为零。一个你无法可信地声称能够解决的高价值问题，什么也捕获不到——确定性为零。而即使是最昂贵问题的最佳解决方案，如果买家从未找到你，它同样什么也捕获不到——可见的信任为零。你无法通过更努力地工作来提高价格。你是通过提升这三个因素中最低的那一个来提高价格。
这个单一的模型解释了你接下来要在自己身上诊断出的两种定价失败。
6. 诊断你的定价失衡
PEM 识别出人的两种失衡状态。它们同样体现在你的定价方式上。
锚定投入的卖家 (Input-Anchored seller) 从成本面进行定价。他们计算小时数、人员编制和工具费用，加上利润后报价。这是 PEM 中在收银台前偏重执行的人：交付能力强，但展现力弱，从不调查结果对买家来说值多少钱。他们接受第一个报价，从不谈判，并且低估自己，因为他们从未做过了解自己贡献价值的展现工作。在 2026 年，这是致命的——他们在价格上直接与 AI 竞争，而 AI 的小时成本接近于零。纠正方法：在每笔交易前停下来，调查问题价值。针对问题的价值进行定价，决不要针对劳动成本进行定价。
主张价值的卖家 (Value-Claiming seller) 则有着相反的失衡。他们流畅地谈论价值，令人信服地构建结果，并报出高价——但他们的交付与承诺并不匹配。这是 PEM 中偏重展现的人：可见的信任度高，但展现的确定性却在崩塌。因为社会认同在反向上同样起作用，每一个未交付的结果都像已交付的结果一样有效地传播着，而溢价让失败变得更加显眼。纠正方法：将主张限制在你展现过的业绩记录的基础之上往前迈出的一步范围内，让已交付的结果来扩大你能可信收取的费用。
大多数卖家非此即彼。一个平衡的卖家——调查问题价值、交付他们承诺的确定性，并将两者都清晰呈现——是极少数能够持久捕获价值的人。这需要在接下来的系统中刻意构建。
第二部分在下方继续
真正按价值定价的实操机制——Weber-Fechner 模型、证据纪律、结果结构和利润保护系统。
向下滚动，以 $17 解锁。
第二部分 — 操作系统
捕获价值的操作系统
第一部分证明了为什么在 2026 年按投入定价是个包袱。第二部分交给你精确的机制，让你的工作能按真实价值定价，并把这部分价值收进口袋。
跨六大资源领域配置价值
为什么账面数字是必须的，却远远不够——如何为那些能在财务、生理、社交、声誉、知识和时间这六大资源领域创造盈余的交易定价。
按问题定价，不按劳动力定价
Weber-Fechner 效应的机制——为什么解决一个 $200k 的问题收 $10k 让人觉得很划算，但换算成 40 小时的工作量却像是在敲诈。报价前量化问题价值的精确框架。
证据纪律
让买家相信价值的四个指标：周期缩短幅度、质量差值、单次结果成本、已兑现价值。可信度方程——你的承诺只能比过往业绩多迈一步。
卖结果，不卖权限或工时
如何摆脱三种老旧的交易结构——按席位收费的软件、按小时计费的服务，以及零散的咨询——并用以结果为锚点的合同取代它们，让你的收入和成果挂钩。
用委托层级保护利润
只有当交付不把盈余吃掉时，捕获价值才立得住。「自动化 → 系统化 → 人工合作」的操作顺序，能防止交付成本把你的收入重新绑死在劳动力上。
让价值看得见
PEM 基于信任的存在的七大支柱在定价上的应用：如何在第一次对话开始前，就把你的交付记录变成你能收上来的价格。
在压力下运营
当买家在经济压力下退回成本审查模式时——这套精确的重构方法能帮你在衰退期稳住价值定价，外加防止你妥协退让的护栏。
重新定价实战
真实行业的案例：BCG 如何拿下 AI 服务收入，律所如何转向替代性收费安排，以及 SaaS 厂商在席位模式崩盘后如何重新设计定价。
Weber-Fechner 算账
你的第一笔重新定价的交易，回报是这本手册成本的 588 倍。
Weber-Fechner 效应实战
$200k
问题不解决的代价
$10k
按问题定价的费用（价值的 5%）
590×
单笔交易对手册成本的倍数
买家的大脑遵循 Weber-Fechner 效应：一笔费用听起来是贵是便宜，看的是它占问题的百分比，而不是绝对金额。如果拿你的 40 小时来衡量，$10k 简直是天价——但如果对标它解决的 $200k 问题，那只不过是 5% 的开销。同样的工作，同样的结果，却能卖出完全不同的价格。唯一的区别就是你的锚点定在哪。
这种数学效应是会复利的：定价只要改善 1%，营业利润就能提升大约 9%。
你买的不是什么新技能。你买的是一套精确的认知重构——连同背后的机制、证据纪律和交易结构——用来把你已经在做的工作，卖出它真正应得的价格。
你买到的到底是什么
不是定价课，是本周就能用的重构方法。
理想结果
别再跟 AI 卷小时费率了。下一笔交易，直接按问题的价值定价——去分那一笔 $200k 的成果，而不是为那 40 小时开账单。
经过验证的系统
这里的每一个论点都立足于 2026 年的行业数据：McKinsey 的收费结构转变、BCG 的 AI 收入扩张、CMS 基于结果的合同强制要求，以及 SaaS 的混合定价基准——这不是教科书上的理论。
即刻可用
花 35 分钟读完第二部分。这周报价时直接套用 Weber-Fechner 框架。下一份提案里直接用上证据纪律。不需要你自己去悟——操作顺序已经写得清清楚楚。
免费部分已经证明：投入只是成本，价值才是资产。
第二部分，就是教你捕获这部分价值的机制。
如果你读完第二部分，觉得它不值 $17，直接回复收据邮件，我们给你退款。不问理由，不设期限，不用填表。一套教你根据「已证实的确定性」来定价的方法论，不需要躲在退款门槛后面。