行业知识 · v2.3.0 · 资料核对 2026-10-03

AI 商业化、定价与单位经济

在交互知识库中阅读下载 Markdown 原文

行业成本管理把模型账单与任务结果对账，分别显示直接成本、共享分摊、失败浪费和人工复核；按产品/租户/工作流/版本归属，并追踪实际收益兑现。完整计算演练与指标合同见 FinOps 与价值实现。

先区分价值、价格和成本

• 价值：客户获得的收入、效率、质量、风险或战略收益。
• 价格：客户向你支付的金额和计量方式。
• 成本：为了交付结果承担的模型、基础设施、人员、支持与风险支出。

好的商业模式让价格随客户价值合理增长，同时让成本可预测、毛利可改善。Token 是供应成本，不天然是客户价值。

价值量化

效率类

可兑现年度价值 = 年任务量
               × 每任务净节省时间
               × 完成任务人员的全成本/小时
               × 可兑现比例

可兑现比例考虑：节省时间是否转为更多产出、缩短 SLA、减少外包或避免招聘。每天省 10 分钟但组织流程不变，不等于现金收益。

增长类

增量毛利 = 增量转化/留存带来的收入 × 毛利率
         - 促销、销售、服务和风险增量成本

必须用随机实验或可信归因区分产品效果与用户自选择。

风险类

预期损失降低 = 事件发生概率下降 × 单次损失
             + 检测/恢复时间改善带来的损失降低

低频重大事件用情景和区间，不伪造精确 ROI；生命、权利和合规风险不能只换算为金钱后抵消。

质量类

把少返工、少投诉、一次解决率、审计通过、错误损失和品牌影响分别量化，避免只用满意度。

全链路成本模型

单任务变动成本

C_task = 输入模型成本 + 输出模型成本
       + Embedding/检索/重排
       + 工具/API/数据库
       + 缓存/网络/存储/日志
       + 安全过滤/验证器
       + 重试与失败浪费
       + 人工复核/支持/返工
       + 支付/渠道等交易成本

固定与半固定成本

• 产品、设计、数据、算法、工程和项目团队。
• GPU/保底容量、平台、监控、安全、合规和审计。
• 销售实施、客户成功、培训、知识运营和领域专家。
• 供应商最低承诺、许可证、保险和退出准备。

最重要口径

每成功任务成本 = 总相关成本 / 达到用户成功标准的任务数

如果模型便宜但失败和人工复核多，每成功任务成本可能更高。

流量与 Token 预测

按用户群而非平均值估算：

加入：增长、季节峰值、缓存命中、重试、异常滥用、模型路由和预留容量。至少做保底、目标、压力三种情景。

预算不是一次计算。线上看板应能按客户、功能、模型、Prompt 版本和成功任务拆成本。

定价单位选择

按席位

优点：客户预算简单、销售熟悉。风险：重度用户成本失控、轻度用户价值低。

适合：价值与活跃人员强相关、每席成本较稳定的 Copilot。

按用量

按调用、Token、文档、分钟、任务或算力。优点：收入随成本扩展；缺点：客户担心不可预测，可能抑制使用。

优先使用客户能理解的业务单位，如“处理分钟”“完成任务”，不要暴露复杂底层 Token，除非客户本身是开发者。

按结果

按成功解决、合格线索、节省金额或回收收入。价值一致但难点是结果定义、归因、作弊和时间延迟。

高风险结果不能鼓励系统牺牲质量追求计费事件。

平台费 + 用量

平台费覆盖身份、治理、集成、支持与固定能力；用量覆盖边际推理/任务。企业平台常用。

分成/风险共担

适合价值可量化、双方数据透明的场景；合同、审计、归因和现金流复杂。

找到 Value Metric

好的价值计量单位满足：

• 客户使用更多通常获得更多价值。
• 与本方边际成本有可管理关系。
• 容易解释、预测和审计。
• 不鼓励无意义生成或危险行为。
• 不会因模型优化而反向损害收入。

例如“生成次数”会鼓励冗余，“合格完成任务”更接近价值但要严格定义成功。

包装与套餐

按客户价值和治理需求分层：

不要把必要安全作为昂贵附加项；所有层级都要有基本安全和隐私。企业层的价值是更强控制、运营和保证。

免费与试用

免费层用于降低首次价值门槛和形成学习，不应用无限推理换虚荣增长。

设计：

• 给足完成一个真实任务的额度。
• 明确重置、超额、模型和数据处理。
• 防机器人、共享账号、批量生成和成本攻击。
• 用首次成功、次周复用和付费转化评估，不只看注册。
• 高成本 Agent/多模态任务使用沙箱或受限试用。

毛利与贡献利润

毛利 = 收入 - 直接交付成本
贡献利润 = 收入 - 模型/基础设施
          - 直接人工复核/支持
          - 渠道/支付等变动成本

对企业定制项目，实施团队若持续为单一客户手工运营，应计入交付成本，不能藏在研发费用里制造虚高毛利。

观察毛利随规模是否改善：若每个新客户都需要新 Prompt、新数据管道和长期专家值守，业务可能是服务而非可扩展产品。

降本顺序

1. 删除无价值请求和重复步骤。
2. 改善任务成功率，减少重试与人工返工。
3. 缩短和缓存上下文、预计算稳定内容。
4. 任务路由：规则/搜索/小模型优先，复杂任务再升级。
5. 并行化工具、限制输出、批处理非实时任务。
6. 量化、蒸馏、微调或自托管。

每次降本都跑完整质量、安全和关键切片回归；“便宜 30%”若成功率下降 10%，可能得不偿失。

Build vs Buy 的经济阈值

自托管/自建不仅比较模型调用单价：

TCO_build = GPU/云 + 平台工程 + 值班 + 安全合规
          + 模型更新/评测 + 峰值闲置 + 灾备 + 人才风险

TCO_buy = 调用费 + 最低承诺 + 网络/存储 + 集成
        + 供应商溢价 + 迁移/锁定 + 变更风险

只有在流量、利用率、团队能力、数据控制或战略差异足以覆盖固定成本时，自建才可能经济。

商业化实验

不要只问“你愿意付多少钱”。验证：

• 用户是否愿意连接真实数据、邀请团队、改变流程。
• 能否缩短试用到首次价值时间。
• 不同价值度量和套餐的选择行为。
• 报价后的采购、法务和安全阻力。
• 价格上涨/额度变化对使用和成功任务的影响。

定价测试要保护现有客户信任，清楚标明试验范围和合同条件。

财务情景模板

敏感性至少测试：模型价格 ±50%、输出长度、重试率、人工复核率、缓存命中、成功率、峰值和供应商最低承诺。

定价评审十问

1. 客户愿意为什么结果付费？
2. 计量单位与价值、成本是否同时相关？
3. 客户能否预测账单并控制额度？
4. 本方能否可靠度量、防作弊和处理争议？
5. 重试、失败、缓存、工具、人工由谁承担？
6. 毛利在规模上升时改善还是恶化？
7. 套餐是否制造不安全激励或把必要控制收费化？
8. 供应商涨价/停服时合同和产品如何调整？
9. 价格是否足以覆盖合规、支持和退出的真实成本？
10. 哪个商业证据会让我们停止或改模式？