AI变现的“异形”经济学
内容提要
AI变现呈现新趋势：混合定价兴起，将订阅、用量计费与积分结合；可预测性成为产品功能，企业通过仪表盘和消费控制增强客户信任；AI成本下降促使灵活打包，企业按月调整定价；财务团队转向以业务成果衡量AI价值，而非单纯计算token成本；定价信息需同时面向人类和AI代理，确保可被机器读取。
延伸解读
混合定价：订阅、用量与积分的分层组合
文章指出，AI公司正从单一订阅或纯用量计费转向混合模式。Fin的案例显示，订阅提供可预测性，用量计费匹配代理工作，积分则简化多单位结算。这种分层让客户无需分别预测每种用量，同时保留选择权。对读者而言，这意味着定价不再是二选一，而是根据产品价值和成本结构动态组合，企业需评估自身业务中哪些部分适合订阅、哪些适合按量。
可预测性成为产品功能，用量控制构建信任
用量计费带来账单波动，客户需要理解用量驱动因素、预测支出并设置上限。Snowflake和Stripe的做法表明，仪表盘、预测工具、支出控制面板正成为产品标配。文章强调，当账单不可预测时，强大的用量控制本身就是客户付费购买的价值，有助于建立对公司和产品的信任。因此，AI企业应将可预测性视为产品设计的一部分，而非仅靠合同条款。
成本下降与用量上升推动灵活打包
Replit的案例说明，AI推理成本下降和代理工作量变化要求定价灵活调整。早期按检查点收费导致成本与价格脱节，转向用量计费后又引发支出不可预测。随着开源模型压低成本，Replit推出限速免费模式，并每月多次调整定价。这提示企业，定价需随底层经济学动态变化，通过订阅与用量计费的混合，提供不同速度、价格和服务层级的产品版本。
财务新任务：以业务成果而非token成本衡量AI价值
Clay的财务负责人指出，token成本不代表客户购买的价值。Clay将模型token和第三方数据视为传递性投入，与差异化价值分开定价，并用销售生产力、开发时间、支持吞吐量等职能目标评估内部AI投资。文章认为，当多个工具共同贡献结果时，token级ROI计算具有误导性。财务团队应关注运营成果，按季度审查AI投资是否产生独特价值，而非仅盯着输入成本。
Q&A
AI公司现在常用的混合定价模式具体包含哪些组成部分？
混合定价模式通常包含三个层次：订阅用于提供可预测性和基础操作，用量计费用于代理型工作，积分则用于简化多种用量或成果单位的计费。例如，Fin公司让客户承诺一定数量的积分池，然后根据不同的成果类型从中扣除，而无需分别预测每种成果的用量。
为什么说可预测性正在成为AI产品的一项功能？
因为用量计费给客户带来了成本不可预测的挑战，客户需要理解用量驱动因素、预测支出、设置支出限额并将用量与价值关联。企业通过产品内仪表盘、预测工具、计算器、场景构建器和用量可见性等功能来帮助客户监控和控制消费，这些控制措施成为客户付费的一部分，有助于建立对公司和产品的信任。
AI成本下降如何影响企业的定价和打包策略？
AI成本下降使企业能够以不同方式打包同一产品，例如订阅可以包含低成本、限速的体验，而用量计费用于资源密集型的代理工作。Replit就是一个例子：随着推理成本下降，它推出了限速的免费模式，让用户能在简单订阅上继续构建，并且公司每月多次调整定价元素，将节省传递给客户。
财务团队如何衡量AI投资的价值？
财务团队转向以业务成果衡量AI价值，而非单纯计算token成本。例如，Clay公司将模型token和第三方数据视为传递性输入，与产品差异化价值分开。其销售团队跟踪生产力，产品团队关注开发时间，支持团队衡量吞吐量和客户满意度。财务团队每季度审查这些功能特定目标，以跟踪AI投资是否产生独特价值。
为什么AI产品的定价信息需要同时面向人类和AI代理？
因为AI代理已经在影响产品的发现和评估，即使自主企业采购尚未完全成熟。如果定价信息对人类可见但被爬虫阻止或以代理无法可靠解释的方式呈现，那么对AI代理来说基本不可见。例如，Growth Unhinged的测试显示，对于一家未具名公司，负面定价语言出现在88%的AI生成回答中，由于缺乏可访问的定价，LLM从Reddit等非正式来源获取的价格范围从每月100美元到2400美元，相差24倍。
AI变现为什么被称为“异形”经济学？
因为当今领先的AI公司运营方式对传统SaaS企业来说显得“异形”。这些公司迭代定价的速度快得多，优先考虑市场份额而非ARR，并同时追求多种上市策略。例如，福布斯AI 50榜单中三分之二的公司现在使用某种形式的基于用量的定价，反映了AI的可变成本和不可预测的需求。
