No Priors 在 2026 年的一期节目里请了 SAP CTO Philipp Herzig，专门聊“AI 如何改变 SAP 的定价模型”。核心结论很简单：传统 per-seat 授权模式在 AI 时代行不通了。当模型可以替代或增强一个岗位的部分工作时，客户不再愿意为“席位”付费，他们只想为“结果”买单。阿里云徐栋在访谈中也提到，推理成本每半年下降近 10 倍，一个小团队一天能生成 6000 条广告视频，成本压到 10 元以下——商业闭环已经跑通，但定价模式还在剧烈重构。
一、AI 产品定价的四种主流模式
| 模式 | 计费单位 | 适用场景 | 案例 |
|---|---|---|---|
| 按 Token / 调用量 | 输入输出 Token 数、API 调用次数 | 底层模型 API、调用波动大的场景 | OpenAI API、Claude API |
| 按席位订阅 | 每个使用账号每月固定费用 | 企业协同工具、编程助手 | GitHub Copilot、Notion AI |
| 按任务 / 工作流 | 完成的 Agent 数、工作流数、项目数 | Agent 平台、自动化编排 | Zapier、Dify 企业版 |
| 按业务成果 | 节省的人天、生成的线索、解决的工单 | 价值可量化、Outcome 明确的场景 | 已解决工单数、合格线索数 |
没有一种模式适合所有产品。关键取决于：客户是否容易理解价值、价值是否可量化、你的成本结构是否可预测。
二、为什么按 Token 定价会走到尽头
按 Token 计费对 API 厂商最直接，但对客户最不友好。客户不知道一次业务操作会消耗多少 Token，也无法把成本和业务结果对应起来。更麻烦的是，模型能力和推理成本都在快速变化：
- 成本曲线陡峭下降：推理成本每半年近 10 倍下降，按 Token 定价会让客户觉得“越来越贵”。
- 模型能力跳跃升级：同样的任务，新模型可能用更少的 Token 完成，按 Token 收费反而收入下降。
- 客户预算不可预测：业务旺季调用量激增，导致费用失控，采购部门难以审批。
按 Token 适合基础设施层，但不适合直接面向业务决策者的应用层。
三、按效果付费是理想，但不是万能药
按效果付费听起来最公平：客户只为实际价值买单。但落地时有三个硬门槛：
- 价值归因难：销售线索增长是 Agent 的功劳，还是市场活动的功劳？
- 数据需要打通：必须接入客户的 CRM、ERP、客服系统，拿到真实业务数据。
- 风险分担机制：如果模型出错导致损失，责任如何界定？
因此，按效果付费更适合价值链条短、Outcome 明确的场景：客服工单自动解决、销售线索筛选、广告素材生成、发票审核等。
四、混合定价正在成为主流
2026 年的趋势不是某一种模式独占市场，而是“基础订阅 + 效果/用量加成”的混合模式。例如：
| 产品类型 | 基础费用 | 浮动费用 |
|---|---|---|
| 企业 Agent 平台 | 平台席位费 / 项目费 | 按成功完成的任务数加成 |
| 智能客服 | 基础接入费/席位费 | 按自动解决的工单数 |
| 销售辅助工具 | 按席位订阅 | 按生成的合格商机数 |
| 内容生成工具 | 月度包量 | 超出部分按生成量 |
混合模式的好处是：既保证供应商有稳定收入，又让客户把成本和业务结果挂钩。
五、GTM / PMM 需要重新设计价值叙事
定价模式变化直接影响销售话术和客户成功指标。过去卖 SaaS 强调“功能、席位、续约”；现在卖 AI 产品要强调“单位业务成本、ROI、可验证结果”。
- 把技术 KPI 翻译成业务 KPI：准确率 95% → 每天减少 20 个人工审核工时。
- 设计 ROI 计算器：让客户输入自己的业务量，算出节省的人天或增加的产出。
- 提供对照组机制：试点时保留人工流程作为对照，让效果可量化、可复盘。
- 灵活定价组合：同一产品针对不同客户规模提供订阅、用量、效果三种计费选项。
六、我的判断
AI 产品的定价重构才刚刚开始。推理成本的下降会加速“按效果付费”的普及，但前提是供应商能把价值说清楚、把数据接进来、把风险分清楚。作为 GTM / PMM，我们不应该只关心报什么价，而应该回答一个更本质的问题：客户到底为什么愿意持续付费？答案通常是“可验证的业务结果”。因此，尽快建立“结果量化-定价设计-规模化复制”闭环，是 AI 商业化的关键。
