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。
一个熟悉的失败模式
过去三年,我见过很多 AI 产品死掉。它们的技术演示通常很漂亮:模型能读文档、能对话、能生成结构化的结果,评测分数也不差。但上线六个月之后,团队开始发现三个问题同时出现:用量涨了,毛利掉了,客户还不愿意涨价。
第一个问题来自成本结构。传统软件的边际成本接近零,多一个用户几乎不增加支出;AI 产品每回答一次就产生一次推理账单。用户增长本来是好事,在这里却可能先把现金烧完。
第二个问题来自价值计量。客户说「挺好用」,但说不出省了多少钱、多少时间。没有价值计量,就没有涨价的依据,也没有抵御竞品的理由。
第三个问题来自上游。模型供应商涨价、限流、下线旧模型,产品侧的合同却是按年签的。成本端可以一个月变一次,收入端要一年才能调一次。
三个问题叠加,就形成了 AI 产品特有的失败模式:技术可用,增长真实,商业模型不成立。
传统 SaaS 方法哪里不够用
SaaS 的商业化教材通常围绕四个词展开:获客、激活、留存、变现。这套框架没有错,但它建立在一个前提上——产品的边际成本足够低,低到可以在很长一段时间里忽略不计。
当边际成本不为零,四个词之间就多了一条约束:每一次激活、每一次留存、每一次变现,都必须同时算一笔成本账。获客成本(CAC)之外还有「使用成本」,LTV 之外还有「使用量带来的成本增长」,毛利不再是一个稳定的百分比,而是随客户结构、用量分布、供应商价格波动的变量。
这不是把 SaaS 的方法修修补补就能解决的问题。它需要一套新的口径:价值怎么定义、成本怎么归因、价格怎么设计、额度怎么控制、毛利怎么守住、渠道怎么放大。这六件事构成了本书的主线。
三个结构性差异
本书把 AI 产品与传统 SaaS 的差异归纳为三条。后面每一章都会回到这三条。
第一,收入离散,成本连续。 订阅收入按月确认,推理成本按调用发生。客户在月初付钱,在月末用额度;如果他在月中流失,收入按比例确认,成本已经发生完毕。这个时间差会在增长期放大,形成「越增长越缺现金」的局面。
第二,价值非线性,价格线性。 同一个功能,小团队每月省 20 小时,企业团队每月省 900 小时。按席位收费时,价格随席位线性增长,价值却可能超线性增长。定价如果只按成本加成,就会把高价值客户定价过低,把低价值客户定价过高。
第三,上游是变动成本源。 模型推理通常占变动成本的一半以上,而它的价格、限流、条款与可用性都由供应商决定。产品侧的定价合同往往比供应商的调价周期更长,中间的风险只能由自己承担。
三条差异分别对应三个商业问题:现金流怎么管、价格怎么定、成本怎么传导。本书的三卷就是围绕这三个问题组织的。
三卷的分工
卷一《价值与定价》回答「卖多少钱」。从边际成本出发,定义价值单位与收费点,比较订阅加额度、纯用量、按结果三种定价结构,再处理版本包装、支付意愿、免费层、额度、涨价与单位经济。卷一的终点是三案例的定价矩阵。
卷二《成本、毛利与收入运营》回答「赚不赚钱」。把成本归因到客户与功能,建立单位成本模型,处理成本分布的长尾,管理毛利与供应商传导,再落到计量、计费、账单、对账、免费层防御与收入运营。卷二的终点是三案例的毛利基线。
卷三《渠道、企业与规模化》回答「能不能放大」。从渠道结构与平台分成,到企业销售、采购与合规,再到合同、SLA、国际化与规模化财务模型。卷三的终点是全书 46 项商业化评审清单。
三卷可以按顺序读,也可以按角色选读。只关心定价的读者可以从卷一第 2 章读到第 10 章;只关心成本与毛利的读者可以从卷二第 1 章读到第 8 章;准备做企业市场的读者可以直接进入卷三第 6 章。
三个案例
全书使用三个教学案例,覆盖三种不同的成本与定价结构。
LumenDesk 是面向中小 SaaS 公司的 AI 客服知识库,按席位订阅、含月度额度、超额按次计费。它的毛利率最高,风险在长尾客户的用量。
Verba API 是语音转写与说话人分离 API,纯按用量计费。它的毛利率最薄,风险在价格波动与客户流失。
ClausePilot 是面向保险经纪与律所的合同审查 AI,平台费加按案件计费,每案件含一次人工复核。它的毛利率居中,风险在人工环节的规模化。
三家公司的全部数字都是教学假设,集中在附录 B 的事实表里。正文引用的每一个数都能在那张表里找到,派生数字必须写出公式。这样做不是为了精确,而是为了让跨章的对照成立:如果每章各用一套数字,读者就无法判断差异来自策略还是来自假设。
谁适合读
这本书写给三类人。
第一类是 AI 产品的创始人或业务负责人。你们已经有一个能用的产品,正在决定怎么收费、怎么控制成本、怎么向企业客户报价。
第二类是产品经理与商业化运营。你们负责定价页、额度规则、账单与续费,需要一套能落地的计算口径,而不是原则性的建议。
第三类是投资人与财务顾问。你们在看 AI 项目时,需要判断它的毛利结构是否成立、增长是否需要持续输血、单位经济是否经得起尽调。
书里没有「AI 将如何改变世界」的宏大叙事,也不讨论模型能力的前沿。它讨论的是一笔一笔的账:一次调用花多少钱、一个客户值多少钱、一次涨价会流失多少人、一个渠道分成之后还剩多少毛利。
怎么读这本书
如果你只有一小时,读卷一第 1 章、第 9 章与卷二第 4 章。三章分别回答:AI 产品的成本为什么特殊、单位经济怎么算、毛利怎么守。
如果你正在做定价,读卷一全部。如果你正在处理毛利下滑,读卷二第 1 章到第 8 章。如果你准备进入企业市场,读卷三第 6 章到第 9 章。
每一节都有一个可运行的 TypeScript 代码块,放在实验工程 aibiz-lab 里,可以用 node --test 复算。代码不是装饰,它是把文字里的公式变成可验证结果的手段。数字对不上时,先跑代码,再回头检查口径。
一个提醒
AI 产品的商业化没有标准答案。同一个定价结构,在不同的客户结构、不同的竞争环境、不同的供应商条款下,结果可能完全相反。本书给出的是计算口径与判断框架,不是可以直接照搬的价格表。
真正要带走的是一个习惯:任何一个商业决策,都要能写成公式、代入数字、算出结果,并且能被下一个人复算。 做不到这一点,讨论就容易停留在感觉层面。
下一卷从一次调用的成本开始。
小结
- AI 产品的失败模式通常是「技术可用、增长真实、商业模型不成立」,而不是技术失败。
- 传统 SaaS 方法假设边际成本接近零,这个前提在 AI 产品里不成立。
- 三个结构性差异:收入离散与成本连续、价值非线性与价格线性、上游是变动成本源。
- 三卷分别回答卖多少钱、赚不赚钱、能不能放大。
- 三个教学案例覆盖订阅加额度、纯用量、按结果三种结构,数字集中在附录 B。
- 本书的目标不是给出标准价格表,而是给出一套可复算的商业决策口径。
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。