表在转：AI如何打破SaaS定价的旧规则

为什么人工智能打破了SaaS定价的常规

几个月前，我参加了一家B轮SaaS公司的产品评测。团队感到自豪。他们推出了AI助手功能，客户非常喜欢，使用率每周都在上升。产品副总裁展示了一张向上和右侧的参与度图表。

然后CFO问了一个简单的问题：“这个功能每个活跃用户每月花费多少？”

房间里没人知道。不是首相。不是工程负责人。不是那个曾推动该功能的设计主管。他们发货的产品是客户喜欢的，却不知道这是赚钱还是亏损公司。

这种情况现在在各类产品组织中都在发生，而且这不是财务问题。这是产品本身的问题。二十年来，SaaS产品团队一直被训练将成本视为他人的工作。

人工智能正在终结这种状况，或者至少威胁要结束。而那些不理解这种变化，包括其真实不确定性的团队，通常会在董事会会议上以惨痛的方式体会到。

旧模型：成本是四舍五入的误差

想想我们大多数人是如何学会构建SaaS产品的。你做过一次软件。服务下一个客户的边际成本几乎为零。只需几美元的AWS支出，可能还能承担一些支持开销，就这样了。

这家公司的经济性几乎完全是关于获取和留住，而不是满足任何个人请求的成本。

这影响了产品团队的运作方式。我们按座位定价，因为座位是价值的一个不错指标，而且计费非常简单。我们没有在产品分析中集成成本仪表盘，因为成本在产品决策中并不是一个有意义的变量。

一个项目经理可能发布一个由五个客户或五千个客户使用的功能，而增量的基础设施成本几乎没有带来太大影响。产品经理优化了参与度、留存率和扩展。

Cost静静地躺在财务部门拥有的电子表格里。

这种模式对于运行在普通基础设施上的编译软件来说是合理的。对于一个每次互动都呼唤模型的产品来说，这显然没有意义。我故意说“不明显”，因为大多数产品团队讲述的故事往往超过事实。

为什么人工智能改变数学

借助AI驱动的功能，服务客户的成本不再是四舍五入的误差。这是一个直接随使用量增长的项目，而使用量正是你想要增长的。

每个提示都需要消耗代币。每个代币都需要钱。一个喜欢你的AI助手并每天使用50次的客户，并不是对已开发产品的免费边际使用。这个客户每天有50次API调用，每个调用都有实际成本，而这笔成本无论你是否想出如何收费，都会会计入你的损益表。

这颠覆了二十年来根深蒂固的产品思维习惯。我们过去庆祝使用，认为它纯粹是价值的信号，没有负面影响。现在使用率是价值和成本纠缠在一起，而只跟踪上半年的产品团队则盲目行动。

推理成本正在迅速下降

运行特定模型智能单元的成本以惊人的速度下降，按每个代币的成本计算，在固定能力水平下，每年降幅约一个数量级。两年前一美元的成本，如今仅为一小部分，且趋势线尚未显示出真正停止的迹象。

这非常重要，因为这意味着许多产品团队现在感到的焦虑，“我们的AI功能成本会随着规模增长吞噬我们”，这并不是一个稳定、永久的状态。

这可能是与我们在模型成本曲线中所处位置相关的临时状态。一个在今天的推断价格下看起来财务上不明智的功能，在十八个月后可能显得完全平凡。

到底是哪种？人工智能的边际成本是否是软件经济学运作方式的永久性结构性转变？还是说这是一个过渡性成本问题，只要你耐心，架构不把你锁定在昂贵的死胡同里，基本会自行解决？

说实话，我觉得现在还没人知道。还有第二个难题，使得这个问题更难回答，而且是最少被讨论的：你今天为推断支付的价格，并不一定基于实际的生产成本。

主要模型提供商正处于积极投资阶段，旨在提升采纳率，锁定开发者心智份额，并在市场稳定前赢得平台战。部分情况体现在价格远低于计算、能源和资本成本在满载水平下所能带来的水平。

这些公司之外没人确切知道这个差距有多大，他们也没有动力让差距显现出来。如果认为你今天看到的API价格是一个干净、可持续的数字，而非部分补贴价格，旨在让你在他们平台上开发，避免有人提高价格，那将是天真之举。

因此，效率推动每个代币成本下降与平台补贴悄然掩盖真实总成本的净效应，实在不清楚。这种不确定性，既不可靠，也不是任何一方的可靠预测，正是产品领导者需要围绕的实际条件进行规划。

为什么不确定性不会让你脱身

这些都不是我们像纯SaaS时代那样忽视成本的理由。这也是我们同时持有两件事的理由：今天真正的成本纪律，以及对成本曲线走向的谦逊。

无论它们真正的经济原理如何，每个提示现在仍然以今天的价格购买代币。喜欢你的AI助手的客户每天驱动大量API调用，这些成本有真实的、当前的、可计费的，无论这些成本是否被补贴，明年是否会下降。

这笔成本会反映在本季度的损益表上。明年可能减少的数字，如果这影响了你的单位经济性，这对你没有帮助。

我开始向产品团队提出两个问题，而不是一个。首先，你目前每次互动的成本是多少？其次，你的商业模式对成本向任一方向波动2倍到5倍有多敏感？

一个只能回答第一个问题的团队，仍然领先于大多数市场。一个能够同时回答这两个问题的团队，实际上是在管理风险。

两支球队

我看到两种截然不同的球队会处理这个时刻，区别不在于谁更看好成本下跌。关键在于谁能承受不确定性，而不是靠一次猜测来赌生意。

第一队选定一条球道并坚定保持。要么他们假设成本会持续下降，因为“反正很快就会便宜”，从而暴露了大量AI使用率，要么过度修正，把每一次模型调用都当成宝贵，激进地压缩功能，结果发布的产品比愿意更慷慨的竞争对手差。

两者都是对一个没人真正能预见的未来下注，当赌注失败时，损害会显现到客户关系中。使用时间会被悄悄限制，且没有人解释，或者某个功能被埋在付费墙后，毫无预警。

第二队则是建立选择性而非信念。他们设计架构时可以切换模型，降级到更便宜的模型以处理低风险任务，并且积极缓存，这样成本结构就不会被任何单一供应商的定价决定所左右。

他们为自己的产品定价，留有足够的利润缓冲，以应对任一方向的波动。他们将当前的推断价格视为快照，而非预测，构建一个即使预测错误仍能存活的产品和定价模型。

这才是现在真正的技能。不是预测成本曲线，而是建立一个不需要预测的产品组织。

价格变化，因同样的不确定性而复杂化

所有这些都直接涉及面向客户的定价问题，值得诚实的是，市场尚未确定基于使用量的定价......