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

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：

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 席位）
• 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）：

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：

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）

硬體投資回報：1-2 個月。

層級 2：雙 RTX 5090（$4,000 硬體，$84/月營運）

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）：

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：

合規溢價的正當性在於：

1. 本地部署需要更多設定和維護
2. 合規文件和稽核支援增加持續價值
3. 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
4. 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