AI 技术的飞速发展正深刻重构软件的价值逻辑，传统基于用户数量（seat）的定价模式逐渐被基于使用量或结果的定价所取代。这场定价范式的转变，不仅关乎企业的收入结构，更影响着其在 AI 时代的市场竞争力。本文基于对行业专家的深度访谈及定价理论的研究，为不同类型的 AI 公司提供定价转型的路径与策略，助力企业将定价模式转化为竞争优势。
一、AI 时代定价范式的演变：从 seat 到价值
软件定价经历了三个关键阶段的演变，每个阶段都与技术发展和用户需求的变化紧密相连。
在本地部署时代（on-prem），软件以一次性固定价格出售许可证，用户为软件本身及其功能付费，并自行负责安装、维护和更新。这一时期，定价的核心是软件的功能完整性，与用户数量和使用频率关联度较低。
进入云时代（cloud），软件作为共享的数据平台运行在云端，价值衡量的关键转变为 “有多少人在用”。例如，Salesforce 的价值体现在销售人员对系统的访问和使用上，随着组织规模扩大，软件价值也随之提升，按 seat 订阅收费成为主流模式。这种模式逻辑简单，只需将用户数量乘以单价，便于企业预估成本和收入。
如今，我们已进入 AI 时代，也可称为价值时代。AI 重构软件价值的核心体现在两个方面：一是软件不再只是辅助工作，而是主动完成工作，价值衡量的关键从 “谁能访问数据” 变为 “软件能替我做什么”；二是由于 AI 提高了效率，使用软件的人数趋于平稳甚至减少，软件的价值转向 “它完成了多少实际工作”，这种价值难以通过按用户计费来衡量和变现。
以 ChatGPT 为例，其万亿级查询按 token 计费，且不同用量有不同的价格区间，需要从 50 多个不同的数据源中拉取数据进行复杂计算和对账，这与简单统计用户数量的 seat 模式截然不同。因此，基于使用量或结果的定价模式成为 AI 时代的必然选择。
二、不同类型 AI 产品的定价模型：四象限划分
定价专家 Madhavan Ramanujam 提出，AI 产品的定价模型可围绕归因能力（Attribution）和自主性（Autonomy）进行四象限划分，不同象限的产品适用不同的定价策略。
（一）基于 seat 定价（低归因能力 & 低自主性）
处于这一象限的产品，价值难以清晰量化归因，且以 copilot 模式运行，不能完全自主。例如，一些辅助文档编辑的 AI 工具，虽能提高编辑效率，但难以精确衡量其对业务成果的具体贡献，且仍需人工主导操作。基于 seat 定价通常是这类产品最合适的选择，企业的发展重点应在于提升价值归因能力，向高归因能力象限移动，以增强定价权。
（二）混合计费（高归因能力 & 低自主性）
此象限的产品能有效证明自身创造的价值（高归因能力），但 copilot 的运行模式仍需人类参与（低自主性）。以 Cursor 为例，其带来的编码效率提升可以明确归因，但操作过程中仍需人类开发者主导。对于这类产品，混合定价最为有效：保留基础的基于 seat 的定价模式，同时叠加基于消耗量的收费，既满足企业对可预测性的需求，又能捕捉增量价值。
（三）按量计费（低归因能力 & 高自主性）
这类产品通常为后台或 infra 型产品，具备高度自主运行能力，但难以直接关联到企业核心 KPI（低归因能力）。例如，一些 AI 驱动的数据分析基础设施，能自主处理大量数据，但处理结果对企业营收的具体影响难以直接衡量。由于产品可自主运行，基于 seat 定价不适用，按量定价成为合理选择，使用量在此充当了衡量产品价值的指标。
（四）基于结果计费（高归因能力 & 高自主性）
这是最具定价优势的象限，产品兼具较好的自主运行能力和强大的价值归因能力，可实施基于结果的定价模型。例如，客服平台 Intercom 的 Fin 产品，收费直接与 AI 能够自主解决的客服工单量挂钩；Chargeflow 按成功追回的拒付争议金额收取比例分成，比例可达 25%。基于结果计费的模式可以捕捉到 AI 产品所创造价值的 25% 至 50%，远高于传统 SaaS 模式的 10% 至 20%。
目前，AI 产品最常见的定价方式是混合模型，反映了定价体系正从传统的按 seat 定价的 SaaS 模式逐步过渡到融合使用量计费的新模式。仅有约 5% 的公司采用纯粹的基于结果定价，但预计未来三年内这一比例可能提升至 25%。
三、按量定价的实施难点与应对策略
尽管按量定价是 AI 时代的趋势，但实施过程中面临诸多挑战，需要企业系统性应对。
（一）实时检测与风险控制
按量计费存在 “无上限的支出风险”，例如通过 OpenAI 的 API 可能在三小时内花费一百万美元。因此，需要一个实时系统来侦测异常进程，避免客户因意外支出而流失。企业可构建实时监控仪表盘，及时向客户推送用量预警和费用预估，帮助客户合理控制成本。
（二）动态定价模型的构建
定价模型看似静态，实则高度动态。不同客户的用量、使用场景存在差异，可能需要设置不同的价格区间和折扣规则。这要求企业的计费系统具备强大的灵活性，能够从多个数据源拉取数据并进行复杂计算。例如，Metronome 的计费系统可处理万亿级查询，从 50 多个数据源中整合信息，实现精准计费。
（三）数据的准确存储与利用
保留大规模准确而真实的数据至关重要。企业需要以财务级别的精度存储历史数据，以便在调整定价时追溯和验证。如果数据准确性不足，可能导致计费错误，影响客户信任和企业收入。此外，计费系统的数据价值不应仅局限于发票开具和回款追踪，还应作为业务决策的依据，帮助企业及时了解收入表现和客户使用情况。
（四）组织内部的协同与转型
按量定价不仅是定价方式的改变，更涉及组织内部的协同与转型。销售团队的薪酬方案需要调整，避免出现 “按合同金额提前支付佣金但收入逐步确认” 的现金流错配问题；财务团队需升级为实时数据中枢，快速响应业务需求；产品团队则要围绕价值指标运作，引导客户提升使用量，因为使用量直接等同于公司收入。
四、CEO 推动定价转型的关键关注点
CEO 在推动定价转型过程中，需要关注以下关键要素，确保转型顺利实施并转化为竞争优势。
（一）销售团队的薪酬与职责划分
销售人员的薪酬方案是首要关注点。应将销售佣金与客户实际使用量挂钩，而非仅基于合同金额，避免销售团队为追求短期业绩而签下没有实际使用量的合同。同时，需明确销售的职责范围，区分售前和售后工作，确保客户在签约后能有效使用产品，提升使用量和续约率。
（二）产品与工程团队的价值导向
产品与工程团队需深刻理解并围绕价值指标运作，将增长思维融入产品研发。团队既要清晰定义并向客户传达价值指标，更要通过产品设计引导客户提升使用量。例如，优化产品界面和功能，降低客户使用门槛，提高产品的易用性和粘性。
（三）财务团队的实时化转型
财务团队必须从传统的季度或月度节奏升级为实时运转的数据中枢。掌握用量与支出的核心数据源，精通数据处理和分析，为业务团队提供实时数据支持。例如，当客户的用量异常增长时，财务团队能及时与销售团队沟通，分析原因并制定应对策略。
（四）定价决策的集权与敏捷
企业需要一个 “定价独裁者”，即拥有集权的权威来推动定价相关事项的落地执行。这个人应听取来自收入、财务等团队的意见，但能做出果断决策，避免因内部博弈而延误转型。同时，企业的定价策略应保持敏捷，根据市场变化和客户需求及时调整。例如，Salesforce 在过去 12 个月里对基本定价结构进行了三次调整，以适应 AI 时代的市场变化。
五、将按量定价转化为竞争优势的路径
按量定价不仅是一种计费方式，更能成为企业的竞争优势，关键在于以下路径的实施。
（一）以固定利润率快速抢占市场
对于处于市场拓展期的 AI 公司，可采用成本加成定价策略，设定一个固定的利润率（如 20%）。这种策略虽短期内利润不高，但能通过低价建立用户基础，给竞争对手施加压力。当市场份额达到一定规模后，再通过更精细的定价和产品打包策略提高利润空间。
（二）基于结果定价增强客户信任
对于高归因能力和高自主性的产品，采用基于结果的定价模式，将收费与客户的业务成果直接挂钩。例如，AI 客服产品按实际解决的工单量收费，并承诺未达到预期效果则返还费用。这种模式能增强客户信任，提高客户粘性，形成差异化竞争优势。
（三）分阶段释放技术优化成果
在按量计费模式下，技术优化直接影响企业收入。例如，数据库查询性能的提升可能导致计算成本下降，进而影响收入。企业可分阶段释放技术优化成果，避免收入大幅波动，同时逐步让利于客户，增强客户忠诚度。
（四）构建灵活的计费系统
计费系统是按量定价的基础，企业应投入资源构建灵活、高效的计费系统，能够处理复杂的定价逻辑和大规模数据。例如，Metronome 的计费系统融合了 Datadog 和计费引擎的功能，能从多个数据源拉取数据并进行复杂计算，为企业提供精准的计费支持。
结语：定价是一场达尔文式的进化
AI 时代的定价模式正处于快速演变之中，不存在唯一的正确模型，敏捷性是唯一的制胜之道。企业需要根据自身产品的归因能力和自主性，选择合适的定价模型，并在实施过程中不断调整和优化。CEO 应发挥领导作用，推动组织内部的协同与转型，将定价模式转化为竞争优势。只有这样，企业才能在 AI 时代的激烈竞争中脱颖而出，实现可持续增长。