《Pricing In The AI Age》为什么你的AI产品可能在悄悄亏钱!

最近读完 Dodo Payments 创始人 Rishabh Goel 写的《Pricing In The AI Age》,这是他基于平台上6万多个AI产品账单数据写的一本定价指南。作为一个也在做独立AI产品的人,读完之后有种"很多事情终于讲明白了"的感觉,记录一下核心逻辑。

Dodo Payments是我决定做面向国际的独立产品以来选择的第一个支付平台,功能齐全、对于独立开发者来说,使用门槛也不高,完成个人信息和收款信息的提交审核,通过之后就可以开始使用Dodo Payments进行支付处理了,支持订阅制、按量付费、买断制等多种付费方式,以支持不同定价类型的产品。

传统SaaS的按坐席定价,正在AI时代反噬开发者自己。 因为AI产品的每一次交互都有真实的计算成本,你的产品越受欢迎、用户用得越勤,你亏得可能越多——除非你换一种定价方式。

问题出在哪

传统SaaS时代,多一个用户几乎不花钱,所以按坐席收费是合理的:用户越多,你赚得越多,双赢。

AI把这套逻辑打破了。每条聊天消息都要调用一次推理,每次文档处理都要烧GPU时间。计费的"表"一直在转。于是出现一个悖论:AI的核心价值是让用户更高效——一个人能干过去五个人的活——但如果还是按人头收费,用户效率越高,你能收的钱反而没变,成本却直线上升。

数据也印证了这一点:传统SaaS毛利率普遍在80%-90%,AI原生公司却普遍只有30%-60%。不是运营不善,是成本结构从根上就不一样。好消息是推理成本每年在以约10倍的速度下降,这给了大家喘息和调整的窗口。

四种定价模型,没有标准答案

书里把AI定价归纳成四类,作者反复强调:没有哪个模型是"正确答案",要看你产品的两个维度——结果好不好衡量、用户对使用的自主权大不大。

• 按积分(Cursor、Clay、Lovable):把复杂的成本结构包装成用户能理解的"消耗品",灵活性最好,是目前增长最快的模式(2024年同比增长126%)。

• 按用量(Replicate、Notion的Agent功能):最诚实,用多少付多少,但对企业客户来说账单不可预测,容易在采购环节卡壳。

• 按结果(Intercom Fin、Zendesk、Sierra AI):理念上最理想——"AI解决了问题才收钱,没解决不收钱"——但落地极难,涉及"什么算解决"的定义问题、AI和人工的功劳归因问题。目前只有约3%的AI公司真正做到。

• 混合模式:订阅打底+用量或积分做上限外的弹性收费。作者认为这才是大多数产品的终点——2024年已有43%的AI公司采用,预计2026年底逼近61%。

几个我觉得有启发的细节

积分的本质是"抽象层"。 你的用户按"次"思考,你的成本按token和GPU秒数计算,积分把两者解耦了——推理成本降了,你可以选择让利给用户还是留作利润,主动权在你手里,而不是被市场倒逼。

结转和超额定价要配合用。 结转(允许没用完的积分留到下月)降低用户囤积套餐的心理负担;超额收费(用超了按更高价格计)则是你从重度用户身上拿回上行空间的方式。两者一起用,用户才更敢买高档位。

企业和消费市场是两种完全不同的游戏,不是一条光谱上的两端。 企业客户要的是采购流程里的可预测性、数据合规、SLA;消费者要的是简单直接的公开定价。用同一套逻辑打两种市场,是很多创始人真金白银交的学费。

定价要配合产品阶段走。 0到1阶段,定价应该越简单越好,核心目标是学习用户到底为什么买单,而不是过早搭一套精巧的积分/用量系统——那是在给还不存在的问题写基础设施。等有了真实留存和付费意愿,再往积分或用量迁移;做到市场领先地位,再考虑更复杂的混合或结果定价。

几个具体案例,比理论更说明问题

Cursor 一开始给Pro套餐设了"每月500次快速请求"的固定额度,2025年6月改成了"套餐价格=积分池大小"(比如20美元套餐对应20美元积分),本质上是把内部的真实成本更诚实地映射给用户。这个改动当时争议很大,但Cursor三年做到5亿美元ARR,是B2B软件史上最快的增长曲线之一。它还用了"双轨"设计:便宜模型(如Claude Haiku)无限用,贵的前沿模型走积分池,这样既保住了日常体验的"无限"感,又控制住了高成本请求的敞口。

Notion 的做法则展示了成熟SaaS公司怎么在不推倒重来的情况下叠加AI计费:写作、总结、搜索这些高频轻量的AI功能完全不计费,只对"Custom Agent"(会自主执行多步任务、消耗算力更多的功能)按每1000积分10美元收费,而且是预付制——用之前先充值,天然避免了"用了不给钱"的坏账风险。轻用户几乎感觉不到计费的存在,真正的重度用户才会摸到积分的边界。

Intercom Fin 走的是最激进的"按结果收费":每成功解决一次对话收0.99美元,没解决就不收钱,还设了72小时的"确认期"——如果问题很快又冒出来,视为没解决,退费。相比人工客服每单15-25美元的成本,这个价格对客户几乎是降维打击。但作者也很坦率地指出这条路的坑:"什么算解决"这个定义,决定了整个商业模式的经济效益,稍微改一下定义,利润率可能天翻地覆。

关于"未来会怎样",作者的三个判断

书的最后一章,作者跳出现状做了几个前瞻判断,我觉得挺值得记一笔:

1. AI Agent的崛起会让"按结果收费"从小众变成刚需。 现在大部分AI交互是"人问AI答",按token、按次数收费还说得通。但如果AI能自主完成一整套动作——找客户、写邮件、订会议、跟进——你已经没法按"它调用了几次API"来定价了,唯一说得通的单位是"促成了一次会议"、"促成了一笔续约"这种结果。

2. 推理成本会像电价一样出现实时波动的市场。 一旦算力真正商品化,AI公司自己给客户的报价也得跟着变得动态,而不是锁死一个固定的每积分价格。

3. 账单体验本身会成为产品的一部分竞争力。 当用户同时在用几十个AI产品、精打细算每一笔支出时,谁能把用量看得清楚、把预警做得及时,谁就能多留住一个客户——这已经不只是财务问题,是产品体验问题。

对独立开发者的启发

我目前做的东西大多是一次性付费的原生App,成本结构跟AI推理完全不是一回事,所以这本书里讲的"计量、超额、结转"这套东西暂时用不太上。但如果以后往AI功能(比如BYOK的AI搜索这类)上加东西,这本书提供的框架很实用——至少提醒我提前想清楚几件事:

• 这个功能的成本到底是谁在承担?是我垫付推理费,还是用户BYOK自己承担?这两种模式的定价逻辑完全不同。

• 如果哪天要从BYOK切换到内置模型,峰值用户会不会把我的毛利率打穿?有没有类似"积分池"这种缓冲层可以先设计进去?

• 早期不要为了显得"专业"就上复杂的计费系统。书里反复强调:0到1阶段的定价越简单越好,复杂的计量体系是在给还不存在的问题写基础设施。

总的来说,这本书不是一本讲"该收多少钱"的定价技巧书,而是在讲一个更根本的问题,AI产品的成本结构和SaaS时代完全不同了,定价模式必须跟着变,不然产品越受欢迎,你反而亏得越多。