一边是智能体带来的效率跃升，一边是Token账单的无底洞；一边是智能化运维的美好愿景，一边是对越权与幻觉的隐忧。
2026年的企业IT管理者，就这样站在一个前所未有的“岔路口”：想放，不敢放；想试，试不起。
在此背景下，ManageEngine卓豪在三十周年之际投下一枚“深水炸弹”，正式宣布Zia智雅智能体“零Token成本”开放使用。
这不是一场争夺市场的“补贴战”，而是ManageEngine卓豪全栈自研重构出的成本结构，让30余款智能体能够嵌入既有产品，不按调用计费；同时，数据全程留存于北京、上海双活数据中心，绝不向第三方传输，也不用于模型训练。
毫无疑问，这背后是一次商业模式的深层重构。传统方案按Token计费，本质是把智能体当成“用一次付一次”的消耗品，而ManageEngine卓豪则把这种成本内化为固定投入，把智能体从“按量买单”变成“开箱即用”的运维基础设施。
但“零Token成本”真正拆掉的不是价格，而是一道心理闸门——过去企业不是缺智能体，是缺“敢大规模使用智能体”的底气。用得越多越贵的模式，让智能体永远停在试点；而成本一旦内化，规模化才成为可能。
更进一步，叠加未来五年4.25亿元在华投资，以及超5000家企业的本土化深耕，ManageEngine卓豪正在把这场智能运维的“智变”，从概念推向全面落地，这也让ManageEngine卓豪的探索与实践，值得放进中国智能体落地进程的观察样本中。
01.
“零Token成本”，
背后是一场商业模式重构
众所周知，当下行业里做AI运维，主流路径是“接大模型API+按量计费”，企业用得越多，账单越长，最后AI反而从效率工具变成了成本包袱。
Zia智雅智能体已深度嵌入五大核心解决方案
但ManageEngine卓豪走的却是另一条路，正如ManageEngine卓豪一直所强调的：“零Token成本并非促销策略，而是我们一体化AI生态带来的必然结果。”
具体而言，这套“零Token成本”的模式，拆开看其实落在三层：模型层，自研Zia智雅大模型，不依赖外部API按量结算；平台层，多款智能体直接嵌进既有产品线，调用的是早已沉淀的业务接口与知识库；基础设施层，ManageEngine卓豪自建的数据中心能将GPU算力变为可弹性扩容的内部资源，成本按规划摊薄而非按调用次数叠加。
更深层的变化，在于商业模式本身。当多数厂商仍把智能体当作新功能单独收费时，ManageEngine卓豪已将其视为产品能力的自然延伸：客户仍按原有产品（设备数或功能模块）付费，智能体不单独收费，公司回报不再来自单次调用，而来自续费、粘性与生态。
这种商业模式的价值，最先传导到客户——采购逻辑变了。过去选智能体，要在能力和预算之间做取舍，能力强意味着Token多、账单高。现在“零Token成本”把这道选择题取消了，买产品就等于获得智能体能力，不再需要单独评估边际成本。
再从厂商看，收入模型也变了。传统按Token计价的本质是“卖消耗”，客户用得越多，厂商赚得越多，双方利益天然对立。ManageEngine卓豪的做法是把收入锚点从单次调用挪到了长期留存：智能体帮客户解决问题，客户粘性提升，续费率和增购率随之上升。
最终改变的是行业竞争维度。当智能体不再是一个独立的收费项目，比拼的就不再是谁的API更便宜、谁的Token赠送更多，而是谁的产品本身更能嵌入业务流程、谁能真正帮客户把事情做成，竞争从价格战回到了产品力。
这套逻辑落地到商业层面，短期看是让利，长期则是降低了门槛。对此，ManageEngine卓豪中国首席运营官李飞表示：“智能体主要完成产品能力的串联、拓展与分析，不是从零生成代码或长文，所以Token消耗天然可控。我们希望用零Token成本普及智能体，让用户先用起来。粘性增加、续费提升、流失减少，这不是一笔补贴，而是一种投资。”
ManageEngine卓豪中国首席运营官李飞
目前，ManageEngine卓豪首批多款智能体已覆盖观测、服务、终端、身份、安全五大领域，支持云、本地及MSP环境，实现“检测-调查-关联-处置-归档”的端到端闭环。
不仅如此，在架构层面，这套体系还具备三重能力：基础层，30余款预置智能体覆盖高频共性场景，开箱即用；自定义层，开放Agent构建器，支持用自然语言配置角色、围栏、触发条件与执行动作；扩展层，开放MCP接口，可对接DeepSeek等第三方模型做深层推理。根据规划，到2026年底，ManageEngine卓豪预置的智能体将扩展至100余款。值得一提的是，第三方模型调用会产生Token费用，由客户自行承担；而标准场景下的智能体使用，始终保持“零Token成本”。
成本、模式、场景都跑通了，还剩最后一道关：企业敢不敢用。毕竟，智能体应用最怕两件事：幻觉操作和数据出境。李飞也说：“一是大模型幻觉可能导致违规动作、业务中断；二是数据泄露风险，尤其是密码、客户数据传到外部云端。”为此，ManageEngine卓豪设计了“三层围栏”：
第一层，数据不出门。所有上下文走自研Zia，并留存京沪双活数据中心，不传第三方、不进训练集。智能体变聪明，靠的是客户自己的工单、知识库、CMDB在授权范围内做本地上下文。
第二层，动作有边界。智能体只能调用产品既有功能，不能凭空发明新权限。关键操作默认人工审批，用户可设置安全围栏，“一开始不放心，就让智能体给出审批结果，人复核一遍再落地。充分测试后，再逐步取消审批，让它自动执行。”
第三层，信任可进化。审批不是永久枷锁。李飞建议企业可以从小规模、可回滚的场景起步，跑稳一段再逐步放开权限。智能体处理重复劳动，复杂决策留给人，先练“稳”，再练“快”。
如果把这三层围栏放到行业语境里看，它其实卡住了智能体进生产环境的五条底线：动作可解释、关键操作可审批、错误可回滚、全程可审计、风险可熔断。判断一个运维智能体能不能用，不是看它多会聊天，而是看这五条线有没有兜住，ManageEngine卓豪的“围栏设计”，恰好踩在了这五条线上。
由此可见，“零Token成本”的意义不在省账单，而在让行业回归一个朴素的判断标准：产品能不能真正替客户解决问题。这件事做好了，商业回报水到渠成。
02.
强大产品力，
才是“零Token成本”的真正底气
然而，一个更值得追问的问题是，ManageEngine卓豪“零Token成本”的模式究竟能持续多久？这个问题的答案，不在商业模式里，而在产品力中。
因为“零Token成本”模式本身可以被模仿，只要友商愿意把算力成本背下来，但友商短期难以复制的，是ManageEngine卓豪的三重积淀：三十年积累的产品厚度、全栈产品矩阵带来的跨域协同闭环能力、以及专用模型策略与务实研发节奏共同构筑的产品竞争力“护城河”。
首先是产品厚度。ManageEngine卓豪的这份产品厚度包含两个维度：纵向深度，一个场景一款工具，每款都经过真实市场检验，留下来的都是解决过真问题的能力模块；横向宽度，60余款产品覆盖观测、服务、终端、身份、安全等多个领域，形成了业界少有的全栈产品矩阵。
当客户从成长型企业成长为中大型企业时，问题变了：多云环境割裂、终端与服务台各管一段、告警散落在不同控制台里。ManageEngine卓豪的解法不是推倒重来做一套“巨无霸系统”，而是让这60余款单点产品在保留独立迭代节奏的同时自然生长为统一平台，底层模块化各自演进，中层通过数据贯通与智能体打通。
这正是“零Token成本”智能体能够成立的产品前提。智能体要真正有用，不能只靠通用大模型的知识，更要理解客户的具体业务上下文，工单怎么流转、资产怎么关联、告警怎么分级。这些知识不在外部API里，而在ManageEngine卓豪60余款产品沉淀的业务逻辑与数据模型中。
可以说，产品厚度，决定了智能体的能力上限——因为这些业务上下文（工单流转、资产关联、告警分级）只长在ManageEngine卓豪自己的产品血缘里，外部API拿不到，友商也抄不走。没有这层厚度，“零成本”只是一次营销噱头；有了这层厚度，“零成本”才是一次技术红利的释放。
效果数据也印证了这一点，这些智能体所覆盖的场景有一个共同特征：高频、低风险、可量化。仅工单分类一项，就可能占IT服务管理一半的工作量。把最重复、最耗人的活先自动化，客户当天就能感知价值。数据同样有力：平均故障解决时间缩短40%–60%，排查从数小时压至分钟级。
其次是跨域协同能力，这正是产品厚度的自然延伸。智能体不是凭空生成的“数字员工”，而是ManageEngine卓豪通过统一Agent框架，把既有产品能力重新编排成端到端工作流。例如，工单系统识别到某分支机构终端异常，调终端管理打补丁，调日志系统查横向移动，调安全系统隔离风险，一组受控Agent接力式运转，而不是人抱着工具箱挨个翻。
这种能力不是靠“接几个API”就能复制的，因为跨域协同的前提不是AI能力，而是产品矩阵的完整性。李飞的形容是，智能体之间是“接力式”协同，一个环节处理完，自动触发下一个动作。竞品即便模型能力不弱，若只覆盖一两款产品，就无法跑出这种端到端闭环。
据ManageEngine卓豪统计，目前近30%的客户已在同时使用五款或以上产品，这意味着跨域协同不是“纸上谈兵”，而是已经在发生的客户行为，而智能体进一步放大了这个趋势。当一个客户发现“用了终端管理之后，再加一个工单系统就能跑出自动化闭环”，扩展采购几乎是一个自然决策。
产品矩阵铺好了，模型怎么选才不会拖后腿呢？这就需要说到模型策略。DeepSeek这类通用大模型能力强，但参数规模决定了算力和Token消耗也大。ManageEngine卓豪的思路是针对具体运维功能做定制化专用模型，同时坚持模型中立：常规场景用Zia智雅大模型（零Token、数据不出门）；特殊场景可接DeepSeek等第三方模型，Token费用由客户自付，这种“自带底座、留好接口”的开放度，比“强制绑定单一模型”更贴合大部分企业的现实。
第三，是研发节奏的稳健逻辑。ManageEngine卓豪没有一步跳到“生成式大模型自动驾驶”，而是先让预测式AI在告警收敛、根因分析、工单分类这些高频场景见实效，事态分析、优先级预测、风险预测、自动分类已经落地，再把生成式能力作为增强层逐步引入。
对此，ManageEngine卓豪的判断很清醒：2到3年内提升跨系统理解与联动，远期才谈L3级别的自愈、自优化、自防护。这种节奏感的背后，是产品厚度给了ManageEngine卓豪“敢慢”的底气，高频重复工作已经用预测式AI做透了，不需要靠生成式炫技证明自己，先把稳练扎实，再谈快。
最后是长尾需求，ManageEngine卓豪的处理方式同样务实。高频、共性、能规模复制的，做进标准产品；只服务个别客户的长尾场景，交给智能体构建器和MCP接口，让用户自行搭建。这套“主干清晰、边缘繁荣”的打法，让产品既不会因为过度定制失去重心，也不会因为封闭把客户需求挡在门外。
归根结底，“零Token成本”能落地，不是因为ManageEngine卓豪愿意烧“冤枉钱”，而是模型、平台、产品、基础设施本就长在同一套体系里，正所谓“商业模式的轻，靠的是产品力的重”。
03.
本土化深耕，
ManageEngine卓豪的中国“新棋局”
商业模式重构了，产品力夯实了，但要让这一切在中国市场真正跑通，光靠技术还不够，还得有实打实的资金投入和一套适配本土的打法。
也正因此，卓豪公司计划5年合计投入4.25亿元人民币，重点投向数据中心建设、AI研发、技术支持和伙伴赋能等领域，具体来看：
第一，渠道改革，让伙伴走到台前。今年，ManageEngine卓豪在中国市场做了一个挺大胆的动作，全面转向纯代理商模式。
为什么要这么改？原因很简单。此前ManageEngine卓豪超过70%的营收已经来自合作伙伴。与其维持一套复杂的混合模式，电销、区域销售、渠道三条线并行，让合作伙伴在商机报备上存在顾虑，不如把原厂销售从前端一线后撤，重心转为赋能、支持代理商作战。
据介绍，目前北京、上海市场前端线索已全面交由代理商承接，广深等地50%的线索也已转交合作伙伴。ManageEngine卓豪计划在 2–3 年内，在全国范围内落地伙伴驱动的销售模式。原厂销售没有消失，但工作性质变了，以前是自己冲锋签单，现在是陪着伙伴一起打单、做技术兜底、做赋能。
李飞的解释也很直白：“厂商的价值是做产品和品牌，而代理商的价值是客户关系和现场响应。代理商跟客户熟，了解人家的生产环境，有问题随时能到现场，客户也愿意让他们进门。”
当然，放手不等于甩手。为了让客户体验不掉在地上，ManageEngine卓豪给伙伴设了“门槛”，认证工程师数量、实施标准、商机报备机制，一样不能少。同时原厂技术全程陪跑，确保伙伴接得住、干得好。李飞表示：“从目前试点情况看，市场覆盖能力比以前更强了，代理商的积极性也明显提高，并不比我们自己做的差”。
这套渠道逻辑再往前走一步，就是智能体生态。当伙伴不再是单纯的“卖货方”，而是深入客户现场的“服务方”，他们自然会发现哪些场景最值得自动化、哪些流程最需要智能体介入。ManageEngine卓豪的想法是，让这些从一线长出来的经验变成可流通的资产，客户或伙伴用构建器沉淀下来的智能体，可以进入共享分发体系，ManageEngine卓豪参与收益分配。
在此过程中，伙伴的角色也从交付者变成了共创者。可见，这是ManageEngine卓豪主动把舞台让出来，让原厂退回幕后打磨产品，让伙伴站到台前贴近客户，双方的分工越清晰，生态越结实。
第二，数据扎根，把信任底线筑起来。先看一笔账。数据中心的设备往往每隔5到8年进入更新换代周期，故障率上升，需要持续投入。所以，卓豪公司未来五年4.25亿元投资，很大一部分就花在这里。在当前不少外企缩减在华投入的大环境下，这算得上是一次“逆势投资”。
李飞表示：“这并不是说我们要下很大的决心去建一个数据中心。此前公司的SaaS产品线本来就需要，同时中国法律要求数据必须留在境内，一个主数据中心，一个备份，这是自然而然的决定。”
更关键的是，未来智能体大规模上线后，这套基础设施的价值将真正释放出来。所有上下文数据走自研Zia智雅大模型，留存于京沪双活数据中心，不向第三方传输，也不用于模型训练。数据不出门，是智能体大规模落地的信任前提。
在此基础上，ManageEngine卓豪也积极融入信创生态，适配麒麟、欧拉、统信等操作系统，支持人大金仓数据库、东方通中间件与ARM架构，兼容DeepSeek等主流本土大模型，支持鸿蒙终端、国产网络设备纳管，同时具备 GPU 算力、AI 服务器监控能力。数据中心建在国内，产品适配国产生态，这正是ManageEngine卓豪长期扎根中国市场的印证。
第三，行业做透，同时积极寻找增量市场。 ManageEngine卓豪针对中国市场的行业布局也很简单——不撒网，只打透。
制造业是其基本盘。李飞说，制造业和IT管理是核心行业，民营经济和沿海制造业是主战场。这类客户设备多、站点散、运维苦，对“开箱即用、批量管控”的诉求最硬。典型如钧崴电子，8个海内外站点、2500+终端，靠统一终端管理和ITSM实现资产盘点和补丁推送自动化；福田康明斯作为灯塔工厂，从终端纳管、补丁下发，到与 ERP 打通、AI Agent 串联业务流程，持续深化落地；二者都是制造业的典型场景。
制造业之外，医药等高合规行业同步切入。比如，Inventus用3名管理员管住全球6万台医药工业终端，靠“零接触开箱即用”打通跨境纳管。此外，金融、政务、事业单位则按需覆盖。这类客户的共同特点是：不要“炫技”，要合规、可控、能审计。而这恰好对应ManageEngine卓豪京沪双数据中心的本地化底座，数据不出境、不进第三方模型、不用于训练。
更大的增量在“双向跨境”。一类是出海企业：国内制造、多国站点，需要多语言、全球一致体验、跨地域合规。另一类是入华外企：自带国际化IT标准，认多语言版本和全球产品体系。
不难看出，ManageEngine卓豪这套新棋局的落子逻辑非常清晰，渠道改革让伙伴站前台、原厂做后盾，换来服务深度；数据中心扎根国内，换来客户信任；行业打透制造业与跨境场景，换来增长确定性，最终用本土化生态托起智能体在中国市场的规模化落地。
全文总结，如果把ManageEngine卓豪放在当今的产业版图里看，企业智能体落地大致有三条路：模型派，最强大模型，按量付费，能力强但成本和风险都高；平台派，搭Agent平台让企业自己拼装，灵活但门槛高；产品内嵌派，把智能体沉到既有运维产品里，开箱即用、数据不出门、成本内化。ManageEngine卓豪选的是第三条。这条路不一定最炫的，但在“让AI回归工具本质”这个命题上，是目前最像基础设施的一条。
毕竟，智能体对很多行业客户来说，想放不敢放，想试试不起。ManageEngine卓豪给出的答案很直接：先把门槛拆掉。因此，“零Token成本”不是一场价格战，而是一次商业逻辑的重构。支撑这套逻辑的，是其三十年产品积淀构筑的护城河，是全栈自研带来的成本结构优势，也是未来五年4.25亿元在华投资的落地决心。
从这个角度来看，当行业还在争论智能体该不该用、用得起用不起的时候，ManageEngine卓豪已经让智能体先跑起来了。跑起来的意义，远比省下Token账单更大——它让AI回归工具本质，让产品自己说话，这或许才是“零Token成本”最大的杀伤力。
