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。

免费部分到此结束。你现在知道了为什么投入是成本而价值是资产，并且你拥有了价值等式来评判你设定的每一个价格。接下来是用于实际捕获价值的系统。

第二部分 — 付费剧本

捕获价值的操作系统

7. 跨六大资源领域配置价值

PEM 的核心实践主张直接适用于定价：你必须在交易期间配置盈余，否则你将一无所获。 一个以美元衡量看似不错的价格，却在其他方面让你失血，这就是一种缓慢的清算。因此，在设定条款时，要考虑涵盖所有六个领域的价值和成本，而不仅仅是财务领域：

1. 财务 (Financial) — 这个价格是否捕获了所创造价值的公平份额，并留有利润空间来支持工作委托和应对冲击？
2. 生物 (Biological) — 参与这项工作是否符合现实的精力水平，还是依赖于你无法维持的英雄主义？
3. 社交 (Social) — 它是建立深厚关系和广泛触达面从而让你发现下一个高价值问题，还是在消耗这两者？
4. 声誉 (Reputational) — 交付这一结果是否强化了你的品牌，或者说无法达成的风险是否会让你暴露在危险中？
5. 知识 (Intellectual) — 这项工作是否教会了你一个新的领域，让你能够将对它的理解再次转售，还是仅仅在消耗你已有的专业知识？
6. 时间 (Temporal) — 参与这项工作是否为寻找下一个高价值问题的战略性工作留出了空间？

一项高收费的业务，如果摧毁了你的健康、让你的声誉在无法控制的结果上冒风险、并消耗了你所有的战略思考时间，这就不是价值捕获。这是一种被标榜为胜利的消耗。要配置能够在所有六个领域产生盈余的交易——财务数字是必要条件，但永远不是充分条件。

8. 针对问题进行定价，而非针对劳动力

最常见的定价错误正是 PEM 警告个人避免的：销售时间而不是理解力。 时间是有限的、商品化的，并且现在要与成本接近于零的 AI 竞争。视角的转换在于，要针对这个问题让买家付出了多少代价来进行定价。

PEM 将此奠基于大脑实际评估成本的方式之上。韦伯-费希纳效应 (Weber-Fechner effect) 意味着我们感知价值是以百分比而不是绝对值来衡量的：10,000 美元的费用如果与花费的小时数相比，会让人觉得昂贵；但如果与它能解决的 200,000 美元的问题相比，就会显得很合理。将价格与问题价值挂钩并不是一种操纵——它是让价格与买家大脑实际使用的维度保持一致。

来自基于价值定价的剧本的操作机制如下：

• 首先量化问题。 费用 = 可量化价值 + 年度影响 + 无形资产。你无法为你尚未衡量的价值进行定价，所以对价值的调查就是定价工作本身。
• 减少决策摩擦。 按小时和单项计费迫使买家权衡每一次增加的费用，引发损失厌恶和疲劳。与结果挂钩的固定费用能让他们专注于结果。成本的可预测性本身就是你正在销售的一种价值。
• 向结果打包。 在软件行业中，这就是混合模式——可预测的基础费用加上随实现价值规模增长的消费。在服务行业中，则是围绕可量化结果构建的替代性费用安排。这两者都让你的收入与买家的成功保持一致，而不是与你的努力程度挂钩。

利润的来源已经从执行工作转移到了将买家无法驾驭的复杂性进行业务化运作上。为解决这种复杂性定价，而不是为其中的劳动力定价。

9. 证明的纪律：让买家相信价值

基于价值的定价在可信度上成败在此一举。买家不会仅仅因为你的口头承诺就按照问题价值付款——你必须展现出能将主张转化为价格的确定性。在 2026 年赢得预算的框架都建立在无懈可击的证据之上，围绕四个核心指标构建：

• 周期时间缩短 (Cycle-Time Reduction) — 从接收需求到交付结果所经过的时间，直接转化为买家的底线收益。
• 质量增量 (Quality Delta) — 可衡量的错误率降低，证明结果不仅来得更快，而且更好了。
• 单项结果成本 (Cost per Outcome) — 为每个已完成的交付物收取固定费用，为买家提供预算确定性，并将你的激励机制与速度保持一致。
• 实现的价值 (Value Realized) — 所解决问题或释放收入的具体美元数字，并被明确陈述出来。

这就是 PEM 中的始终如一的契合 (Consistent Alignment) 以数据形式的表达：你所承诺的内容与你交付的内容之间的差距，通过反复测量，直到市场足够信任你的主张并愿意为其买单。有三项纪律可以保持证明的纯粹性：

1. 默认使用保守数字。 如果你无法为一项价值主张提供文件支持，就不要提出它。如果结果与过度主张相悖，将会引发一种极其严厉的反弹——买家会觉得自己被欺骗了，而不仅仅是失望。
2. 遵守可信度等式 (Credibility Equation)。 你的主张最多只能比你所展现出的业绩记录超前一步。如果是两步，市场就会对你的投入进行定价，因为它不再相信你的结果。
3. 将确定性与希望区分开来。 就像区分源自自身的收入和受影响而来的收入的纪律一样，绝不要将你能证明的价值与你所希望的价值混为一谈。将它们区分开来展示，买家便会同时信任两者。

10. 销售结果，而非使用权或活动

针对价值定价需要围绕结果来构建交易，这意味着要摆脱三种传统的遗留结构。

在软件行业，按席位收费的模式已经崩溃，因为价值是随着系统的作用而扩展的，而不是由多少人登录来决定的。解决办法是采用混合模式：可预测使用权的固定基础费用，加上跟踪实现价值的消费指标——代币、计算能力、完成的动作。当一个工具自动化了十位分析师的工作时，仅对剩下的一位人类席位收费，是对系统价值的灾难性低估。

在专业服务领域，解决办法是围绕上述四项证明指标构建的替代性费用安排。这不是一种折扣策略——这是一种更聪明的定价方式。在基于结果的模式下，一家以创纪录速度交付成果的公司能够保留全部利润，最终使其激励机制与客户对速度的渴望保持一致。

在战略与执行方面，最深刻的转变是打破建议与交付之间的界限。旧模式销售阶段性的建议，并将执行留给客户；新模式将系统嵌入其中，并针对其持续产生的运营改进进行定价。PEM 在这一边界上设定了纪律：在交易 (Deals) 期间定义结果，在执行 (Execution) 期间交付结果，且绝不要将两者混淆。清晰地配置基于价值的交易，然后针对其进行交付——每一次默默对工作范围的妥协，都在拉大你所定价的价值与你实际所做工作之间的差距，而这个差距正是信任和利润流失的地方。

11. 通过委托层级保护利润率

只有在交付过程不消耗盈余的情况下，价值捕获才能成立。你不能通过与收入成比例地增加工作时间来扩展按价值定价的业务——这会再次将你的收入与劳动力挂钩。PEM 的委托层级是严格按顺序排列的替代方案。

第一，自动化。 AI 现在可以处理依赖于执行的层面：研究汇总、初稿、排版、文档记录、标准通信。每一项被自动化的任务都是在没有消耗劳动力的情况下捕获的价值。这恰恰是那些价格已经崩溃的工作——所以它属于机器，而不是你的利润。

第二，系统化。 那些无法被自动化的东西将变成清单、决策树和标准操作程序——将你的理解结构化，这样一致的结果就不再依赖于你的个人工作时间。

第三，将人类作为合作伙伴。 在需要真正判断力的地方，让那些通过利润分成或基于结果的报酬来分享结果的人参与进来，而不是那些贩卖时间的人。共享收益从结构上解决了委托-代理问题，并让每个人都按价值而非努力程度来定价。

一条不可动摇的护栏。 PEM 警告要提防自动化偏见 (automation bias)——即不加审查地接受润色过的 AI 输出。你所销售的价值存在于判断层面，所以这正是你绝不能委托的地方。让 AI 回答“它符合标准吗？” 将人类的判断力保留在“这真的解决问题了吗？”上。当你所有的服务都缩减为算法可以遵循的执行标准时，它就会陷入将价格压低至边际成本的竞争中。需要判断力的理解力正是市场愿意为其支付溢价的东西——请捍卫它。

12. 让价值变得可见

如果买家找不到你，即便是对于最昂贵问题的最佳解决方案，也什么都捕获不到。可见的信任是大多数卖家所忽视的因素，而 PEM 基于信任的展现的七大支柱 (Seven Pillars) 告诉了你如何刻意构建它：

• 个人/项目品牌构建（锚点） — 一个关于你创造的价值的具体、可证伪的主张。当心巴纳姆效应：如果你的价值声明也可以用来描述你所在领域的其他一千个人，那它就是巴纳姆式的陈词滥调，而不是品牌。
• 内容与思想领导力（磁铁） — 在任何对话发生之前，利用公开展示的专业技能来证明你的理解力，从而将知识资本转化为声誉盈余。
• 社会认同（乘数） — 对结果进行量化的案例研究和推荐信，使你展现的确定性变得清晰可见。这就是交付价值转变为定价资产的地方。
• 战略网络和高频接触事件（网络，加速器） — 这种关系能让你发现那些通过冷门渠道永远找不到的高价值问题。
• 透明度与一致性（粘合剂，引擎） — 勇于承担失误并保持可靠的表现，这正是让溢价变得持久而非脆弱的关键所在。

锚定投入的卖家几乎总是拥有基础素材——交付结果的记录——但从未投资于让它变得可见。构建信号展现正是让那份被掩埋的记录转变为你能收取价格的途径。

13. 在压力下运作

PEM 的危机原则可直接转化为动荡环境下的价值定价策略：

• 缩短交易周期。 在不确定性中做出的长期固定价值承诺，会将你锁定在不断漂移的价值估算中。优先选择较短的合作期并设置明确的重新谈判点，这样价格就能跟随价值的波动而调整。
• 当买家寻求成本框架时，坚守价值框架。 在压力之下，买家会默认审查投入并要求对工时进行证明。这正是重新将视角转向有保障的结果和降低风险最为重要的时候——当一切都不确定时，确定性的价值是更高，而不是更低。
• 优先保护生物和时间资源。 调查问题价值和构建证据都需要清晰的战略注意力。如果把这些都消耗殆尽，你就会默认退回到投入定价的老路上。
• 提防成本框架的条件反射。 不要因为买家去年这么做了，就假设他们会自动按价值付款。在每一个周期，都要重新校准这个问题现在对他们来说实际值多少钱。

14. 证据：实践中的重新定价

无论是谁，只要停止销售工作并开始销售价值，这种模式就会重演。那家将 16 小时工作流程压缩至几分钟的 AmLaw100 律师事务所并没有失去客户——它通过对结果而非小时数进行定价保住了全部利润。BCG 通过重新定位为销售业务影响力的 AI 整合者实现了两位数的增长，而一家死守劳动力金字塔的同行则出现了萎缩。Dynatrace 能获得溢价，并不是因为其原始的监控数据，而是因为那些能让企业免受每分钟百万美元停机损失的解决方案——这就是解决问题的价值，而不是解决问题的软件本身的价值。在所有案例中，公式都是相同的：买家针对问题价值进行付款，卖家展现出确定性，并且价值足够可见从而能主导价格。这就是销售工作和销售价值之间的区别。

15. 实施的节奏

将价值捕获作为 PEM 的迭代循环来运行——展现 (Presence) → 交易 (Deals) → 执行 (Execution) → 新的理解 → 更好的展现。 一个实用的季度节奏：

1. 调查问题价值。 对于你的核心产品，量化这个问题让买家付出了多少代价。如果你无法用他们的财务金额来陈述，你就还没有准备好针对它进行定价。
2. 重塑一项报价， 将其从投入转变为结果。将按小时或按席位计费的模式，转化为与结果挂钩的固定费用或消费模式。
3. 构建证据。 捕获最近一次交付中的周期时间、质量增量和实现价值等数据，并将其转化为案例研究。
4. 推进一个委托层级 —— 再将一项依赖执行的任务自动化，再将一个流程系统化，或者再将一名按时间计费的贡献者转变为共享结果的合作伙伴。
5. 让价值变得可见。 根据巴纳姆效应的测试标准，发布一篇关于思想领导力的文章，或是一项被量化的社会认同资产。
6. 在你最大的一项业务上审计六大领域 —— 验证盈余，而不仅仅是收入。

每一次循环都会产生复利效应。第一百笔按价值定价的交易会比第十笔更容易，也更丰厚，因为你已经有九十九个量化的结果证明了你的确定性，并提升了你能可信收取的费用。

剧本一句话总结

在一个 AI 已将执行成本压低至趋近于零的市场中，没有人会为你的工作或你的技术买单——他们是为这些东西所产生的价值买单：所以，要调查这个问题对买家来说值多少钱，针对这个价值而不是你的劳动力进行定价，展现出能让这个价格具有说服力的确定性，通过将商品化的执行工作委托给 AI 和共享结果的合作伙伴来保护你的利润，并让价值足够可见，以至于买家在到来时就已经被说服——因为价值，而非努力，才是现代市场仍然愿意为其支付溢价的唯一东西。