AI 产品的定价难题

一、为什么老办法不管用

传统软件定价的锚是"替代的人力成本"：一套系统顶三个文员，按三个人年的工资报价，客户心里有账。AI 产品把这个锚晃松了——客户会问：不就是调个模型吗，模型又不要你写。

供给侧这边同样难受。传统软件边际成本趋近于零，定价可以远高于成本；AI 产品每一次调用都在真金白银地付推理费，用量越大毛利越薄，"免费试用三个月"这种 SaaS 经典打法可能直接把项目跑亏。

二、定价要拆开的三层账

第一层：变动成本。 每次使用的推理费、存储、带宽。这层决定价格的下限——任何低于变动成本的定价，都是在用融资补贴使用量。

第二层：交付成本。 数据接入、系统集成、调优、培训。AI 项目的这部分经常超过纯软件开发，因为要处理的对象是"客户乱糟糟的现实"。这层决定一次性费用怎么收。

第三层：价值分配。 产品给客户省下的钱或带来的收入。这层决定溢价的天花板，也是客户真正在算的账。

三层账分开算，报价结构就清楚了：变动成本定订阅价的下限，交付成本定实施费，价值定溢价空间。报价谈不拢，多半是三层账混在一起谈。

三、按什么收费：三种模式的适用边界

按席位适合人机协作的场景（一个律师配一个 AI 助手），席位和使用量天然相关。按用量适合波动大的场景，但要小心客户为了控费而不敢用——用得少，产品价值也长不出来。按结果（按处理份数、按通过验收的产出）听起来最公平，落地最难：什么算"一个结果"需要提前定义验收标准，定义不清就是扯皮之源。

我们的经验：早期用"固定服务费 + 用量上限"跑通数据，后期再谈按结果收费。在没摸清真实用量结构之前承诺按结果收费，等于把毛利交给运气。

四、报价单之外的事

定价谈崩的项目，复盘时很少是数字问题，多是价值不被信：客户没在试点里看到可测量的变化。所以报价前先做一个小的验证阶段，让客户自己的数据产出自己的数字——用他们省下的工时说服他们，比任何销售话术都硬。

AI 产品的定价难，难在它同时是新成本结构、新交付形态、新价值度量。三样都新，就一样一样算。

撰稿：邓湘雷