《AI 产品的商业化·价值与定价》前言:这本书怎么读

本书假设读者已经有一个能用的 AI 产品,正在解决收费、成本与增长的问题。前言交代三卷的阅读路径、三个教学案例的使用方式、代码块的运行方法、全书的数字口径与章节依赖关系,并说明本书与站内 AI 架构书、独立开发者商业书的分工边界,以及三条按角色划分的阅读路径。

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。

这本书假设你已经有什么

这本书不教你怎么调用模型,也不教你怎么做 RAG 或 Agent。它假设你已经有一个能跑起来的产品,或者至少有一个经过验证的原型,正在面对下面这些问题中的至少一个:

  • 定价页上的三档套餐,价格是拍脑袋定的,说不出为什么。
  • 客户在用,但毛利每个月都在掉,找不到是哪类客户在拖累。
  • 想涨价,但不知道会流失多少客户,也不知道怎么和老客户解释。
  • 免费用户增长很快,但算不清他们每个月烧掉多少钱。
  • 企业客户来询价,不知道该怎么报价、怎么谈条款、怎么过安全审查。

如果你还没有产品,这本书可以帮你提前避开一些坑,但它的主要读者是已经在做生意的人。

三卷怎么分工

卷一《价值与定价》从「一次调用花多少钱」开始,依次处理价值单位、收费点、三种定价结构、版本包装、支付意愿、免费层、额度、涨价、单位经济与收入预测。读完卷一,你应该能画出一张完整的定价矩阵,并说清每一档价格的理由。

卷二《成本、毛利与收入运营》把镜头转向成本侧。它处理成本口径、单位成本模型、成本分布、毛利管理、供应商传导、计量、计费、账单对账、免费层防御、收入运营与留存扩张。读完卷二,你应该能算出每个客户、每个功能、每个渠道的真实毛利。

卷三《渠道、企业与规模化》处理放大问题。它从渠道结构与平台分成讲起,经过企业销售、采购、合规、合同、SLA、国际化,最后落到规模化财务模型与全书收口。读完卷三,你应该能判断一个增长动作会不会把公司带进负毛利的陷阱。

三卷的关系是递进的:卷一决定价格,卷二验证价格能不能覆盖成本,卷三决定这个模型能不能复制。跳过卷二直接读卷三,容易把「渠道增长」误当成「商业成功」。

三条阅读路径

经营者路径。 卷一第 1、2、3、7、9 章 → 卷二第 1、3、4、8、10 章 → 卷三第 1、6、11、12 章。适合创始人或业务负责人,关注「怎么定价、怎么守毛利、怎么增长」。

财务与运营路径。 卷一第 9、10、11 章 → 卷二全部 → 卷三第 12 章。适合财务、商业化运营与投资分析,关注口径与模型。

产品与销售路径。 卷一第 2、4、5、6 章 → 卷二第 7、8 章 → 卷三第 3、5、6、7、9 章。适合产品经理与销售,关注包装、报价、合同与企业采购。

三条路径都建议先读卷一第 1 章。它定义了后面所有章节共用的成本与收入口径,跳过它会看不懂后面的数字。

三个案例怎么用

全书只有三个案例,每个案例对应一种成本与定价结构。

  • LumenDesk:B2B 订阅加额度。适合观察订阅制如何用额度控制成本、如何用版本分层捕获非线性价值。
  • Verba API:纯用量计费。适合观察边际成本如何直接决定毛利、价格战如何压缩生存空间。
  • ClausePilot:平台费加按案件计费,含人工复核。适合观察服务与软件混合时的毛利结构、人工环节如何成为规模化瓶颈。

案例数字集中在每卷的附录 B。正文里第一次出现某个数字时,会注明它来自事实表的哪一行;派生数字会先写公式再代入。如果发现正文与附录 B 对不上,以附录 B 为准,并把差异记下来——这通常意味着某个章节的口径需要修正。

三个案例不是三家真实公司,也不对应任何具体产品。它们的规模、客户数、单价与成本都是为了让计算成立而设计的。不要用它们去推断某个真实市场的平均水平。

代码块怎么跑

每一节至少有一个 TypeScript 代码块。代码块的第一行是文件路径,第二行是验证层级,第三行是运行测试的命令。所有代码放在实验工程 aibiz-lab 里,零依赖,用 Node 26 的原生类型剥离直接运行。

cd aibiz-lab
node --test test/*/*.test.ts

代码块与工程里的源文件逐字节一致。也就是说,把代码块复制出来,应该能直接通过测试。如果测试失败,先检查 Node 版本与导入路径,再检查数字是否被改动过。

代码的作用不是演示语法,而是把公式变成可复算的断言。文字说「毛利率 82.7%」,测试就断言 8,271 个基点;文字说「涨价 20% 需要提价 15.9%」,测试就断言 1,597 个基点。数字改了就测试失败,这比人工核对可靠。

数字口径

全书统一使用以下口径,除非某节明确说明例外:

  • 金额用美元,计算时换成整数美分或 micro-USD,避免浮点误差。
  • 比率用基点(10,000 基点 = 100%),展示时换算成百分比,保留一位小数。
  • 毛利率 =(收入 − 变动成本)÷ 收入,固定成本不计入毛利。
  • ARPA = 月度收入 ÷ 付费客户数。
  • LTV = ARPA × 毛利率 ÷ 月流失率。
  • 回本周期 = CAC ÷(ARPA × 毛利率)。
  • NRR =(期初 MRR + 扩张 − 降级 − 流失)÷ 期初 MRR。

这些口径会在各卷反复出现。如果某章用了不同的口径,会在小节开头说明,并在附录 B 登记。跨章对照时,先确认口径一致,再比较数字。

与站内其他内容的关系

站内已有一套《互联网产品的 AI 架构》,讲的是模型接入、推理性能、成本工程与平台治理。那套书回答「怎么把成本降下来」,本书回答「降下来之后怎么定价、怎么守毛利、怎么放大」。两套书可以对照读:技术侧的成本优化,最终要落到商业侧的单位经济上。

站内还有《独立开发者的商业指南》,讲通用的收入、合同、应收与资本退出。本书不重复通用的财务与合同知识,只处理 AI 产品特有的部分:用量计量、额度、成本传导、AI 条款与合规采购。遇到通用问题,会指向那套书的对应章节,用纯文字说明,不写跨卷链接。

最后一句

读这本书不需要同意书里的每一个判断,但建议接受一个方法:把每个商业决策写成公式,代入数字,算出结果,再让下一个人复算。能做到这一点,书里的具体结论过时了也没关系,方法还在。

下一节是目录与学习路径,之后从一次调用的成本开始。

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