真正有效的 AI 功能定价：订阅制、按量付费还是混合模式？

AI 功能的定价比传统 SaaS 功能更难。传统功能的边际成本接近零——多一个用户多点一个按钮对你来说没有成本。AI 功能则有实际的单次使用成本，而且用户之间的差异可能很大。

一个每月运行 5 次 AI 查询的用户花费你 AU$0.15。一个运行 500 次的用户花费你 AU$15。如果他们都付 AU$49/月，一个利润很高，另一个则在侵蚀利润。将此扩展到数千用户，差异就变成了商业风险。

你选择的定价模式决定了你的 AI 功能是利润中心还是成本中心。以下是三种选择，各自适用的场景，以及如何在不摧毁利润率的情况下实施它们。

模式一：纯订阅制（固定费率 AI）

每个用户支付固定月费，无限制使用 AI 功能。

运作方式：

• AU$49/月包含所有 AI 功能，无限制
• 或：AU$29/月基础方案，AU$49/月"AI增强"方案
• 用户清楚知道每月付多少

适用场景：

• 你的每用户 AI 成本可预测且一致
• 用户之间的 AI 使用差异较小（中位数与第90百分位之间不到5倍）
• 你的 AI 功能运行在微调的本地模型上，基础设施成本固定
• AI 是差异化优势而非核心产品——你希望最大化采用率

失效场景：

• 你的 AI 成本随使用量线性增长（按 token 的 API 定价）
• 重度用户消耗的 AI 是普通用户的 10-50 倍
• 你使用云 API 且无法控制单次请求成本

算一笔账：

如果你的平均每用户 AI 成本是 AU$3/月，标准差为 AU$2，那么 AU$49/月的固定费率定价效果很好。即使你最贵的用户（AI 成本 AU$7-9/月）也是有利润的。

但如果你的平均值是 AU$8/月，标准差为 AU$15，你前 10% 的用户仅 AI 成本就达 AU$25-50/月。以 AU$49/月的订阅价格，这些用户在最好的情况下勉强持平，最差的情况下让你亏钱。

微调模型的优势：

当你的 AI 运行在微调的本地模型上时，固定费率定价变得安全得多。为什么？因为你的成本是基础设施费用，而非按 token 计费。无论用户发送 100 个还是 1,000 个请求，你的基础设施成本都一样。

这将定价等式从"收费足以覆盖最贵用户「变为」收费足以覆盖总用户均摊的固定基础设施费用"。在 AU$1,200/月的推理服务器上有 1,000 个用户，每用户的 AI 成本仅为 AU$1.20/月——轻松被 AU$49 的订阅价格吸收。

模式二：按量付费（按 AI 请求计费）

用户根据 AI 功能的使用量付费。

运作方式：

• 基础方案 AU$19/月包含 50 次 AI 请求
• 额外 AI 请求每次 AU$0.05-0.15
• 或：纯按量付费，无基础方案

适用场景：

• AI 使用量在用户之间差异显著
• 你在传递按 token 的 API 成本
• 你的产品同时服务轻度和重度 AI 用户
• 公平性很重要——重度用户应该付更多

失效场景：

• 用户为了省钱而回避 AI 功能（使用焦虑）
• 收入变得不可预测且难以预估
• 销售周期延长，因为买家无法预测账单
• 扩展收入确实会发生，但成本扩展也随之而来

算一笔账：

按量付费使你的收入与成本对齐，听起来很理想。如果你收取每次请求 AU$0.10，而你的成本是每次 AU$0.03，你在每个请求上获得 AU$0.07 的利润，无论谁发送的。

但它引入了一个行为问题：用户会优化以减少使用量。他们会批量请求、避免可选的 AI 功能、选择手动工作流而非 AI 辅助流程。与无限制方案相比，你的 AI 功能采用率下降 30-50%。

对于 AI 是核心价值主张的产品，这种使用焦虑直接降低了产品的粘性和留存率。

收入波动性：

按量付费的收入本质上是波动的。一个上个月花了 AU$120 的用户这个月可能花 AU$40，因为他们的项目变了。在组合层面这会被平滑，但这使得收入预测更难，投资者对话也更复杂。

模式三：混合模式（基础订阅 + 重度 AI 按量付费）

基础订阅包含慷慨的 AI 使用额度。超出额度后，按量付费生效。

运作方式：

• AU$49/月包含 500 次 AI 请求（完全覆盖 80-90% 的用户）
• 超出 500 次：每次额外请求 AU$0.08
• 可选：企业方案 AU$199/月含 5,000 次请求

适用场景：

• 你想要订阅收入的可预测性
• 你需要保护利润率免受极端重度用户的影响
• 你的用户群有明确的双峰分布（大多数适度使用，少数重度使用）
• 你想在最大化 AI 采用率的同时将成本与收入对齐

失效场景：

• 包含的额度设置错误（太低 = 使用焦虑；太高 = 利润风险）
• 计费复杂性让无法预测账单的用户感到沮丧
• 账单问题和意外超额费用增加了支持负担

算一笔账：

混合模式在你包含的额度完全覆盖 80-90% 用户时有效。这些用户体验到的产品就像固定费率——没有焦虑、没有摩擦、最大化采用。超出额度的 10-20% 重度用户为他们的边际 AI 成本付费，保护你的利润率。

设置正确的额度：

1. 分析你当前的 AI 使用分布
2. 找到第80百分位使用量（80% 用户低于的水平）
3. 将包含的额度设在该水平或稍高
4. 将超额价格定为覆盖你边际成本并有健康利润率的水平（你成本的 2-3 倍）

示例：

• 第80百分位使用量：350 次请求/月
• 设置额度：500 次请求/月（舒适的缓冲）
• 你的每次请求成本：AU$0.03（API）或约 AU$0（微调模型）
• 超额价格：每次请求 AU$0.08（你 API 成本的 2.7 倍；如果用微调模型则高利润率）

模型所有权如何改变定价等式

以下是大多数 SaaS 创始人忽略的洞察：你的定价模式应该由你的基础设施模式决定。

如果你使用云 API（按 token 成本）：

• 按量付费或混合定价更安全
• 你需要超额机制来防范重度用户
• 你的定价与成本直接相关

如果你使用微调的本地模型（固定基础设施成本）：

• 固定费率订阅定价变得可行
• 你的每用户边际成本接近零
• 无限制 AI 是真正的竞争优势
• 当竞争对手按次收费时，你可以提供"无限量"选项

这是一条真正的竞争护城河。如果你的竞争对手在订阅费之上每次 AI 请求收取 AU$0.10，而你因为模型在本地运行而提供固定 AU$59/月的无限 AI，客户的购买决策就很简单——特别是对于那些在其他地方需要支付 AU$100+ 使用费的重度 AI 用户。

利润陷阱：按席位收费却按 token 付费

AI SaaS 中最常见的定价错误：按席位定价且没有使用量组件，却按 token 支付 API 成本。这创造了一个随增长而恶化的利润陷阱。

发生过程：

• 你以 AU$49/用户/月的按席位定价推出（标准 SaaS 模式）
• 你添加由云 API 驱动的 AI 功能
• 早期用户适度使用 AI——成本可控
• 随着 AI 功能改善，使用量增加
• 重度用户发现他们可以每天运行数百次请求
• 你前端用户的每用户 AI 成本超过 AU$30/月
• 以 AU$49/席位的价格，你在最好的（最活跃的）客户身上亏钱

解决方案：

1. 短期： 在现有方案中添加使用限制或合理使用政策
2. 中期： 迁移到包含额度 + 超额的混合定价
3. 长期： 将 AI 工作负载迁移到微调模型，转向慷慨的固定费率定价

方案 3 是终局。它为你提供最佳的客户体验（无限 AI，无焦虑）和最佳的利润结构（固定成本，无按次使用风险）。

按增长阶段的定价策略

产品-市场契合前（0-100 用户）：

• 固定费率订阅，提供慷慨的 AI 额度
• 不要优化定价——优化学习
• 将 AI 成本作为客户获取成本吸收
• 仔细跟踪使用量，积累之后需要的数据

早期增长（100-1,000 用户）：

• 包含额度的混合定价
• 使用使用数据正确设置额度
• 开始识别可以迁移到微调模型的任务
• 开始迁移以降低每用户 AI 成本

规模化（1,000-10,000 用户）：

• 评估全面迁移到微调模型
• 如果已微调：转向固定费率无限制作为竞争武器
• 如果仍在 API 上：优化混合定价层级
• 为重度用户添加企业层级的自定义定价

大规模（10,000+ 用户）：

• 你的定价模式应该是竞争优势，而不仅仅是收入机制
• 固定费率无限 AI（在微调模型上）是最强的市场地位
• 按次使用定价是 API 依赖和利润脆弱性的信号

真实定价案例

公司 A：客户支持 SaaS

• 方案：AU$79/坐席/月，包含 1,000 次 AI 辅助
• 超额：每次额外辅助 AU$0.05
• 基础设施：混合微调本地模型（分类、路由）和 API（复杂回复）
• AI 利润率：72%（混合）

公司 B：内容生成平台

• 方案：AU$29/月 100 次生成，AU$79/月 500 次
• 无超额选项——升级到下一层级
• 基础设施：100% 云 API
• AI 利润率：AU$29 方案 38%，AU$79 方案 52%

公司 C：数据提取 SaaS

• 方案：AU$99/月无限制（无使用限制）
• 基础设施：100% 微调本地模型
• AI 利润率：94%（基础设施成本 AU$5.50/用户/月）

公司 C 有最强的竞争地位。它可以提供无限 AI，因为其成本不随使用量增长。公司 B 地位最弱——它受限于分层定价，因为每次生成都有成本。

如何转换你的定价

如果你需要改变定价模式，以下是干扰最小的方法：

第一步：保留现有客户 在当前方案上 6-12 个月。这防止定价变更导致的流失。

第二步：引入新方案 与现有方案并行。新客户获得新定价。现有客户可以选择切换，如果新方案更适合他们的使用模式。

第三步：用数据沟通变更。 向客户展示他们的实际使用量以及新方案对他们的影响。大多数客户会看到没有变化或略有改善。

第四步：同步迁移基础设施。 当你将 AI 工作负载迁移到微调模型时，成本结构改善。用节省的成本提供更慷慨的额度或更低的超额费率。

第五步：当你的 AI 运行在自有模型上时， 简化定价。取消使用层级。提供固定费率无限制。将其作为头条功能："无限 AI，永远无按次收费。"这是一个不言自明的营销信息。

2028 年展望

行业数据表明，到 2028 年，45-50% 的 AI SaaS 产品将使用混合定价模式，高于 2025 年的约 20%。但这掩盖了一个更有趣的趋势：拥有自己模型的公司将越来越多地转向固定费率定价，而依赖 API 的公司将被困在混合或按量付费模式中。

定价模式是基础设施模式的下游。做对基础设施——微调模型、本地推理、固定成本——定价就成为竞争武器，而不是利润管理练习。

---

延伸阅读

• Pricing AI Features in SaaS — AI 功能定价的详细策略
• Building AI Features in Your SaaS: When to Stop Calling the API — 驱动定价决策的成本分析
• AI-First SaaS Unit Economics: The Margin Math — 理解定价背后的利润率数学