為你的 AI 代理商服務定價：使用自託管模型時的固定費率 vs 按 Token 計費
自託管 AI 模型如何改變代理商定價策略。固定費率、按席位和混合定價模型，附帶各 GPU 層級的利潤率範例。
大多數 AI 代理商從 API 時代繼承了定價模式：根據使用量向客戶收費，以加成方式轉嫁 API 成本。它可以運作，但它限制了你的利潤率並使收入不可預測。
自託管模型打破了這種動態。你的成本是固定的 GPU 支出，而非按 token 的可變成本。這創造了 API 依賴型代理商無法匹配的定價機會。
本文延伸 了 AI 代理商定價策略指南，為運行自託管微調模型的代理商提供具體的定價模型。
階梯函數洞察
API 成本是線性的：更多 token，更多成本。自託管成本是階梯函數：每個 GPU 層級固定成本，該層級內零邊際成本。
這一個事實改變了你應該如何定價的一切：
| 定價模型 | 基於 API 的代理商 | 自託管代理商 |
|---|---|---|
| 成本結構 | 可變（按 token） | 固定（按 GPU 層級） |
| 高使用量客戶的利潤率 | 薄或負值 | 優秀 |
| 收入可預測性 | 低 | 高 |
| 定價靈活性 | 受 COGS 限制 | 寬利潤率範圍 |
| 客戶偏好 | 不可預測的帳單 | 可預測的預算 |
當你的成本是固定的，任何收費超過固定成本的定價模型都會產生利潤。問題不是「我是否負擔得起服務這個客戶？」而是「哪個定價模型最大化我捕捉的價值？」
定價模型 1：固定月費
運作方式： 客戶支付固定月費，在定義的範圍內無限使用 AI。
範例：
- 律師事務所的合約審查 AI：每月 $5,000 固定
- 包含：無限合約審查、每月模型重新訓練、支援
- 你的成本：約 $200/月分攤（GPU 份額、電力、Ertas Studio 方案 ）
- 毛利率：96%
適用時機：
- 使用量可預測、中等到高的客戶
- 偏好預算確定性的企業客戶
- 使用量增長對你有利的合作（客戶使用更多 → 他們獲得更多價值 → 他們停留更久）
風險：
- 使用量極端的單一客戶可能使你的 GPU 容量飽和
- 通過定義「合理使用範圍內的無限」或設定軟上限來緩解
不同客戶數量的利潤率分析（1 張 RTX 5090，每月 $42 營運成本）：
| 客戶數 | 營收（每個 $3,000/月） | GPU 成本 | 毛利率 |
|---|---|---|---|
| 3 | $9,000 | $42 | 99.5% |
| 5 | $15,000 | $42 | 99.7% |
| 10 | $30,000 | $42 | 99.9% |
即使以保守定價，一旦 GPU 回本，利潤率也是驚人的。
定價模型 2：按席位定價
運作方式： 客戶按有權使用 AI 工具的使用者人數付費。
範例：
- AI 驅動的法律研究助理：$200/使用者/月
- 有 15 位律師的事務所：$3,000/月
- 你的成本：約 $200/月分攤
- 毛利率：93%
適用時機：
- 使用量隨員工人數增長的產品
- 以每員工軟體成本思考的客戶
- 當你希望定價隨客戶成長自然擴展時
優點：
- 企業買家熟悉的定價模型（像 SaaS）
- 當客戶增加使用者時收入自動增長
- 客戶容易編列預算和核准
利潤率分析：
| 每席位價格 | 10 人事務所 | 50 人事務所 | 200 人事務所 |
|---|---|---|---|
| $100/席位 | $1,000/月 | $5,000/月 | $20,000/月 |
| $200/席位 | $2,000/月 | $10,000/月 | $40,000/月 |
| $500/席位 | $5,000/月 | $25,000/月 | $100,000/月 |
無論席位數量多少，你的 GPU 成本都相同（直到達到容量限制）。大型事務所的按席位定價利潤極其豐厚。
定價模型 3：按專案或按合約
運作方式： 客戶為定義的專案支付固定費用（例如審查特定文件集）。
範例：
- 併購交易的盡職調查審查：每筆交易 $15,000
- 包含：AI 輔助審查最多 5,000 份文件、摘要報告、風險分析
- 你的成本：2-3 天的代理商時間 + 可忽略的運算成本
- 毛利率：70-80%（低於月費因為包含人力）
適用時機：
- 基於交易的工作（併購、訴訟文件審查）
- 尚未準備好月度承諾的客戶
- 輸出明確與業 務成果掛鉤的高價值合作
優點：
- 定價與交付的價值一致（$5,000 萬的併購交易為 $15K 的 AI 審查提供正當性）
- 不需要持續承諾（進入門檻較低）
- 在證明價值後可以轉為月費合約
定價模型 4：混合型（基礎 + 用量）
運作方式： 客戶支付平台/存取的基礎月費，加上重度使用的按單位費用。
範例：
- 基礎：$2,000/月（包含平台存取、模型託管、標準支援）
- 按審查：每月超過 100 份合約審查後每份 $25
- 大多數客戶停留在基礎層級——按單位定價是對極端使用的保險
適用時機：
- 當你需要防範異常使用模式時
- 當客戶有可變但某種程度上可預測的工作負載時
- 作為對固定費率猶豫不決的客戶的折衷方案
各 GPU 層級的利潤率範例
層級 1：單張 RTX 5090（$2,000 硬體，$42/月營運）
| 場景 | 月營收 | 月成本 | 毛利率 | 年利潤 |
|---|---|---|---|---|
| 3 個客戶 × $3,000 固定 | $9,000 | $42 | 99.5% | $107,496 |
| 5 個客戶 × $2,000 固定 | $10,000 | $42 | 99.6% | $119,496 |
| 10 個客戶 × $1,500 固定 | $15,000 | $42 | 99.7% | $179,496 |
硬體投資回報：1-2 個月。
層級 2：雙 RTX 5090（$4,000 硬體，$84/月營運）
| 場景 | 月營收 | 月成本 | 毛利率 | 年利潤 |
|---|---|---|---|---|
| 10 個客戶 × $3,000 固定 | $30,000 | $84 | 99.7% | $359,808 |
| 15 個客戶 × $2,000 固定 | $30,000 | $84 | 99.7% | $359,808 |
| 20 個按席位 $200，平均 10 席位 | $40,000 | $84 | 99.8% | $479,808 |
層級 3：A6000（$4,500 硬體，$22/月營運）
適合需要 48 GB VRAM 的代理商（更大模型，更多並行適配器）：
| 場景 | 月營收 | 月成本 | 毛利率 | 年利潤 |
|---|---|---|---|---|
| 15 個客戶 × $2,500 固定 | $37,500 | $22 | 99.9% | $449,736 |
| 5 個企業客戶 × $10,000 固定 | $50,000 | $22 | 100.0% | $599,736 |
注意：這些是運算的毛利率。代理商的總利潤率包含人力、軟體訂閱、管理費用和客戶取得成本。運營良好的代理商的實際淨利率：40-60%。
受監管產業的定價
法律和醫療保健客戶支付合規溢價。他們不是將你的價格與 ChatGPT 比較——他們是將它與不合規的成本比較（罰款、專業失當風險、聲譽損害）。
合規溢價指南：
| 產業 | 標準 AI 定價 | 含合規溢價 |
|---|---|---|
| 一般商業 | $1,500-3,000/月 | — |
| 法律服務 | — | $3,000-8,000/月 |
| 醫療保健 | — | $4,000-10,000/月 |
| 金融服務 | — | $5,000-12,000/月 |
| 政府/國防 | — | $8,000-20,000/月 |
合規溢價的正當性在於：
- 本地部署需要更多設定和維護
- 合規文件和稽核支援增加持續價值
- 替代方案（具有合規風險的雲端 AI）對這些客戶實際上不是一個選項
- 資料主權保證具有真實、可量化的價值
定價對話
向潛在客戶展示定價時：
以價值而非成本開場。 「這個解決方案每週為你的律師節省 8 小時」比「這個每月要 $5,000」更有力。
錨定在替代方案上。 「聘請一個 ML 團隊來內部建立這個每年要 $500K。我們的解決方案以每年 $60K 交付相同的成果。」
讓投資回報顯而易見。 「以每小時 $400 的計費費率，每週節省 8 小時的律師時間 = 每年 $166K 的額外可計費時間。我們 $60K 的年費提供 2.8 倍的回報。」
提供試點。 「以每月 $X 開始 3 個月的試點。如果到第 3 個月投資回報率不明顯，我 們分道揚鑣。」這為客戶的決定降低了風險。
延伸閱讀
- AI 代理商定價策略 — AI 代理商的全面定價框架
- 自託管 AI 模型的真實成本 — GPU 定價分解以確定你的成本基礎
Ship AI that runs on your users' devices.
Free plan with 30 credits/mo, no card required. Paid plans from $10/mo USD.