《AI 产品的商业化·价值与定价》9.1 单位成本的四个口径

同样一次 AI 调用,按对话算是 1.5 美分,按席位算 9.30 美元,按收入算 17.3%,按案件算 65 美元。本节用 LumenDesk、Verba API 与 ClausePilot 拆开四个单位成本口径,说明每个口径回答什么决策问题,以及换算时最容易混用的分子与分母。

以下三家公司与全部数字均为教学假设,用于演示商业化计算,不代表任何真实企业。

单位成本不是一个数

「你们的单位成本是多少?」这是 AI 产品商业化里最常见、也最容易答错的问题。答「每次对话 1.5 美分」的人,可能把一次只问一句话的调用和一次塞进 30,000 token 的合同审查混在一起;答「每个席位 9.30 美元」的人,可能忘了这个数是用平均用量 620 次算出来的;答「毛利率 82.7%」的人,回答的其实是收入成本率,不是单位成本。

单位成本至少有四个口径:计量单位、客户单位、收入单位、结果单位。它们不是同一个数的四种写法,而是四个不同的分子除以四个不同的分母。用错口径,定价会失真,毛利会算错,合同会签亏。9.1 的任务,是把这四个口径分别定义清楚,再用 LumenDesk、Verba API 与 ClausePilot 跑一遍。

先记住一条总原则:单位成本必须同时说明「一个什么单位」和「一段什么时间」。「每次 1.5 美分」缺少时间范围,「每月 9.30 美元」缺少客户范围,「17.3%」缺少成本口径。只有把单位、范围、周期三件事写全,数字才有比较意义。

口径一:计量单位成本

计量单位成本回答的是:多处理一个最小计费单位,变动成本增加多少。它是定价时最直接的输入,也是推理优化最敏感的指标。

LumenDesk 的最小单位是一次对话。平均每次对话有 1,800 个输入 token 和 450 个输出 token。输入单价是每百万 token 2.50 美元,输出单价是每百万 token 10.00 美元:

输入成本 = 1,800 ÷ 1,000,000 × 2.50 = 0.0045 美元
输出成本 = 450 ÷ 1,000,000 × 10.00 = 0.0045 美元
推理合计 = 0.0045 + 0.0045 = 0.0090 美元

再加上向量检索 0.0020 美元、存储 0.0010 美元,模型侧合计 0.0120 美元;支付与第三方 0.0030 美元,总计 0.0150 美元。也就是说,一次对话的计量单位成本是 1.5 美分。

这个数还可以换成「每百万 token 多少钱」:0.0090 ÷ 2,250 × 1,000,000 = 4.00 美元。同一笔推理,按对话看是 1.5 美分,按 token 看是每百万 4.00 美元。两个数都对,只是分母不同。

Verba API 的最小单位是一分钟音频。转写 0.0035 美元、存储 0.0004 美元、支付与基础设施 0.0003 美元,合计 0.0042 美元。它没有席位费,所以计量单位成本几乎等于全部变动成本。

ClausePilot 的最小单位是一个案件。单案件变动成本 65 美元,其中推理 22 美元、人工复核 35 美元、平台 8 美元。推理的 22 美元又能拆成 80 次调用 × 0.19 美元 = 15.20 美元,加上 OCR 与文档存储 6.80 美元。这里有一个必须记住的边界:65 美元不是「纯 AI 成本」,人工复核占了 35 美元,是最大的一项。

口径二:客户单位成本

客户单位成本回答的是:一个席位、一个账户或一个客户,每月要花多少变动成本。它是包装、额度与续费测算的输入。

LumenDesk 平均每席位每月 620 次对话,乘以单次 0.015 美元:

每席位月成本 = 620 × 0.015 = 9.30 美元
每客户月成本 = 6 × 9.30 = 55.80 美元

每客户月收入是 6 × 53.80 = 322.80 美元,正好等于事实表里的 ARPA。客户单位成本 55.80 美元除以 ARPA 322.80 美元,得到 17.3%,与组织级的 17,856 ÷ 103,296 完全一致。

Verba API 没有席位,客户单位就是付费账户。月度用量 42,000,000 分钟除以 1,450 个付费账户,平均每账户 28,965.52 分钟;乘以每分钟 0.0042 美元,得到每账户月成本 121.66 美元。每账户月收入是 ARPA 231.72 美元。

ClausePilot 的客户单位是企业客户。平均每客户每月 38 个案件,乘以 65 美元,得到每客户月成本 2,470 美元;ARPA 是 9,240 美元。

注意「平均」两个字。LumenDesk 的 620 次是平均值,不是每个席位都 620 次;P95 席位是 1,450 次,P99 是 2,300 次。用平均值算出来的 9.30 美元,只能用于组织级预算,不能拿去判断某个具体客户是否赚钱。9.2 会把这条分布拆开。

口径三:收入单位成本

收入单位成本回答的是:每 1 美元收入,要付出多少变动成本。它的补数就是毛利率,适合做目标毛利、报价底线与跨案例比较。

LumenDesk 的月度变动成本是 17,856 美元,月度收入是 103,296 美元:

收入单位成本 = 17,856 ÷ 103,296 = 0.1729 美元
毛利率 = (103,296 - 17,856) ÷ 103,296 = 82.7%

Verba API 的月度变动成本是 176,400 美元,月度收入是 336,000 美元:

收入单位成本 = 176,400 ÷ 336,000 = 0.5250 美元
毛利率 = (336,000 - 176,400) ÷ 336,000 = 47.5%

ClausePilot 的月度变动成本是 209,950 美元,月度收入是 785,400 美元:

收入单位成本 = 209,950 ÷ 785,400 = 0.2673 美元
毛利率 = (785,400 - 209,950) ÷ 785,400 = 73.3%

三个数放在一起,能看出三种商业模型的差别。LumenDesk 每收 1 美元只花 17.3 美分变动成本,毛利最厚,但它的成本会随上下文长度失控;Verba 每收 1 美元要花 52.5 美分,毛利最薄,但成本随分钟数线性变化,容易预测;ClausePilot 居中,可是它最大的成本项是人工复核,扩产靠招人,不靠加机器。

收入单位成本的分母是收入,不是客户数,也不是用量。它不能告诉你「一个新客户要花多少」,只能告诉你「一元收入要留多少付变动成本」。把 17.3% 说成「单个客户的成本率」并不准确,因为不同客户的收入结构不同。

口径四:结果单位成本

结果单位成本回答的是:交付一个客户认可的结果,要花多少成本。它最接近价值定价,也最难算,因为「结果」需要定义。

ClausePilot 的结果单位最清楚:一个完成审查的案件。65 美元成本对应 180 美元案件收入,加上平台费分摊后,每案件收入是 785,400 ÷ 3,230 = 243.16 美元,其中平台费分摊 204,000 ÷ 3,230 = 63.16 美元,案件费 180 美元。结果单位成本占结果收入 65 ÷ 243.16 = 26.7%。

Verba 的结果单位是「一分钟被正确转写的音频」。它的结果单位成本就是 0.0042 美元,结果收入是 0.008 美元,毛利率 47.5%。转写准确率如果不达标,客户会要求重跑,重跑的成本仍然按分钟计,这一点在定价时必须预留。

LumenDesk 的结果单位最模糊。事实表只有对话量,没有「解决率」,所以无法算出「每次成功解决的成本」。能算的只有「每次对话的成本」1.5 美分。这两个数不能互相替代:一次对话可能解决了问题,也可能只是转人工。没有解决率数据时,不要假装结果单位成本已经算出来了。

结果单位成本的价值在于合同设计。按案件收费、按成功结果收费、按转写分钟收费,背后都需要知道「交付一个结果实际花多少」。如果只知道每次调用的成本,却不知道一次结果要调用多少次,报价就会漏掉重试、复核与失败的成本。

四个口径的对照

把三个案例放进同一张表,四个口径的差别一目了然:

口径回答的问题LumenDeskVerba APIClausePilot
计量单位多处理一个单位花多少每次对话 0.015 美元每分钟 0.0042 美元每案件 65 美元
客户单位一个客户每月花多少每席位 9.30 美元每付费账户 121.66 美元每客户 2,470 美元
收入单位每 1 美元收入花多少0.173 美元0.525 美元0.267 美元
结果单位交付一个结果花多少缺解决率,暂不可算每分钟转写 0.0042 美元每案件 65 美元(含复核)

这张表最重要的不是数字,而是最后一列的空白。承认「算不出来」比用一个漂亮但错误的数字更重要。单位经济的可信度,来自你知道哪个口径成立、哪个口径还缺数据。

口径之间怎么换算

四个口径可以互相换算,但每一步都要带着分母走。

从计量单位到客户单位,乘的是用量:

LumenDesk:620 次 × 0.015 = 9.30 美元/席位
Verba:28,965.52 分钟 × 0.0042 = 121.66 美元/账户
ClausePilot:38 件 × 65 = 2,470 美元/客户

从客户单位到收入单位,除的是客户收入:

LumenDesk:9.30 ÷ 53.80 = 17.3%
Verba:121.66 ÷ 231.72 = 52.5%
ClausePilot:2,470 ÷ 9,240 = 26.7%

从客户单位到组织级,乘的是客户数或席位数:

LumenDesk:9.30 × 1,920 = 17,856 美元
Verba:121.66 × 1,450 = 176,407 美元(四舍五入,事实表为 176,400)
ClausePilot:2,470 × 85 = 209,950 美元

Verba 那一行出现 7 美元的差额,不是算错了,而是 121.66 是四舍五入后的每账户成本。组织级应以 42,000,000 × 0.0042 = 176,400 美元为准。这也说明:换算链越长,舍入误差越容易累积;最终对账要回到原始分子和原始分母。

选口径的三条规则

第一条,口径跟着决策走。定价看计量单位,包装看客户单位,毛利看收入单位,合同看结果单位。用收入单位成本去定「每次超收多少钱」,会把固定成本摊进边际决策;用计量单位成本去算公司毛利,会漏掉支付、支持与固定成本。

第二条,分子和分母必须同源。总变动成本除以付费客户数,得到的是「每客户月成本」,不是「单次成本」;含人工复核的 65 美元除以案件数,得到的是「每案件交付成本」,不是「AI 推理成本」。名字可以简化,口径不能混。

第三条,固定成本不进单位变动成本。毛利率只看收入减变动成本;研发、销售管理、办公等固定成本属于营业利润,不属于毛利。把固定成本摊进单位成本,会让毛利看起来更低,也会让「多接一单是否赚钱」的边际判断失真。

还有一条工程上的建议:小于 1 美分的单位成本,用 micro-USD 存整数,不要用浮点美元。1 美分等于 10,000 micro-USD,1.5 美分就是 15,000 micro-USD,全程整数运算,不会出现 0.1 + 0.2 这类误差。

用代码把四个口径算出来

下面的实验把四个口径收进一组函数:conversationCost 算单次对话,perSeatMonthlyMicros 算席位月成本,revenueUnitBps 算收入单位成本,三个常量保存案例参数。金额统一用 micro-USD,比率统一用基点。

// file: src/pricing/09-1-unit-cost.ts
// tier: L1
// verify: node --test test/pricing/09-1-unit-cost.test.ts

// 单位成本的四个口径:计量、客户、收入、结果。金额用 micro-USD,比率用基点。

export const MICRO_PER_CENT = 10_000;
export const MICRO_PER_DOLLAR = 1_000_000;

export type ConversationCost = {
  inputMicros: number;
  outputMicros: number;
  retrievalMicros: number;
  storageMicros: number;
  otherMicros: number;
  totalMicros: number;
};

export type TokenPrices = {
  inputMicrosPerToken: number;
  outputMicrosPerToken: number;
};

export const LUMENDESK_TOKEN_PRICES: TokenPrices = {
  inputMicrosPerToken: 2.5, // 每百万输入 token 2.50 美元
  outputMicrosPerToken: 10, // 每百万输出 token 10.00 美元
};

export function conversationCost(
  inputTokens: number,
  outputTokens: number,
  prices: TokenPrices = LUMENDESK_TOKEN_PRICES,
  retrievalMicros = 2_000,
  storageMicros = 1_000,
  otherMicros = 3_000,
): ConversationCost {
  const inputMicros = Math.round(inputTokens * prices.inputMicrosPerToken);
  const outputMicros = Math.round(outputTokens * prices.outputMicrosPerToken);
  const totalMicros = inputMicros + outputMicros + retrievalMicros + storageMicros + otherMicros;
  return { inputMicros, outputMicros, retrievalMicros, storageMicros, otherMicros, totalMicros };
}

export function perSeatMonthlyMicros(conversations: number, unitCostMicros: number): number {
  return conversations * unitCostMicros;
}

export function revenueUnitBps(variableCostCents: number, revenueCents: number): number {
  if (revenueCents === 0) return 0;
  return Math.round((variableCostCents / revenueCents) * 10_000);
}

export function microsToCents(micros: number): number {
  return Math.round(micros / MICRO_PER_CENT);
}

export const LUMENDESK_UNIT = {
  conversationsPerSeat: 620,
  unitCostMicros: 15_000,
  revenuePerSeatCents: 5_380,
} as const;

export const VERBA_UNIT = {
  costPerMinuteMicros: 4_200,
  revenuePerMinuteMicros: 8_000,
  paidAccounts: 1_450,
  monthlyMinutes: 42_000_000,
} as const;

export const CLAUSEPILOT_UNIT = {
  costPerCaseCents: 6_500,
  revenuePerCaseCents: 24_316,
  casesPerCustomer: 38,
} as const;

代码里最值得注意的是 micro-USD 的选择。1.5 美分如果存成美元浮点,会得到 0.015 这样的近似值;存成 micro-USD 就是 15,000,输入 1,800 token × 2.5 micro/token = 4,500,输出 450 × 10 = 4,500,检索 2,000、存储 1,000、其他 3,000,五项相加正好 15,000。每一步都是整数,测试可以逐项断言。

revenueUnitBps 返回的是基点:LumenDesk 的 1,785,600 美分变动成本除以 10,329,600 美分收入,得到 1,729 个基点,也就是 17.3%。用基点而不是百分比,是为了避免 17.3% 与 0.173 在代码里混用。

小结

  • 单位成本至少有四个口径:计量单位、客户单位、收入单位、结果单位;每个口径回答不同的决策问题。
  • LumenDesk 每次对话 0.015 美元,每席位每月 9.30 美元,收入单位成本 0.173 美元,毛利率 82.7%。
  • Verba API 每分钟 0.0042 美元,每付费账户每月 121.66 美元,收入单位成本 0.525 美元,毛利率 47.5%。
  • ClausePilot 每案件 65 美元,每客户每月 2,470 美元,收入单位成本 0.267 美元,毛利率 73.3%。
  • 65 美元包含 35 美元人工复核,不能叫「纯 AI 成本」;620 次是平均用量,不能当成每个席位的实际用量。
  • 换算要带着分母走:计量乘用量得到客户单位,客户单位除以客户收入得到收入单位,最终对账回到原始分子与分母。
  • 固定成本不进单位变动成本;毛利率只看收入减变动成本,营业利润另算。
  • 小于 1 美分的成本用 micro-USD 存整数,避免浮点误差。

阅读导航:上一节:8.3 定价变更的沟通与合规 · 下一节:9.2 成本分布:均值、P95 与长尾 。

常见错误与边界

  • 把收入单位成本当成客户单位成本。17.3% 是每 1 美元收入的变动成本率,不是每个客户花 17.3 美分。
  • 把含人工复核的 65 美元叫「AI 成本」。人工复核 35 美元是最大成本项,漏掉它会低估交付成本一半以上。
  • 用平均用量代表所有客户。LumenDesk 平均每席位 620 次,P95 是 1,450 次,P99 是 2,300 次,成本差一个数量级。
  • 把固定成本摊进单位变动成本。研发、销售管理与办公成本属于营业费用,摊进去会让边际决策失真。
  • 在没有解决率数据时宣称算出了「每次成功解决的成本」。没有结果数据,只能算每次对话成本。
  • 用浮点美元累加小于 1 美分的成本。多次累加后误差会进入账单,应该用整数 micro-USD 或美分。

继续阅读

探索更多技术文章

浏览归档,发现更多关于系统设计、工具链和工程实践的内容。

全部文章 返回首页

「books」更多文章

  1. 《大规模分布式计算深入解析》15.3 落地:从 Neo4j 到自研图引擎
  2. 《大规模分布式计算深入解析·图计算与图数据库内核》 · 目录与学习路径(45 篇)
  3. 《大规模分布式计算深入解析》15.2 十一卷主线:从切分到图