AI 应用的毛利率陷阱与定价锚点

01从零边际成本回到按次计费成本

传统 SaaS 的成本大头在前期研发，代码写完上线后，一个用户每天点 1 次还是点 100 次，云服务器的账单几乎没有差别。因此高粘性的重度用户在 SaaS 时代是纯粹的优质资产。

AI 应用的成本结构截然不同。用户每审一份合同、改一段代码、跑一个多步 Agent 工作流，后台都要向模型厂商支付真金白银的 token 账单。调用越频繁，可变成本越高。毛利率重新变成了一个需要精细核算和运营的硬指标。

02席位制（Per-Seat）下的重度用户亏损陷阱

假设一款按席位包月收费 30 美元的 AI 产品：90% 的轻度用户每人每月消耗 5 美元推理成本，10% 的高频重度用户每人每月消耗 90 美元推理成本：

按 30 美元月费折算，账面平均毛利率还有 55%，但占总人数仅 10% 的重度用户直接吃掉了全盘三分之二的推理成本：

在固定包月席位制下，最离不开你产品的铁杆重度用户，反而成了让你亏钱最狠的群体——他们交着和普通用户一样的 30 美元月费，每月却烧掉 90 美元的 token。产品做得越成功、把越多轻度用户培养成高频用户，公司的整体毛利率反而越往下掉。

03三种定价模型的风险分配

要跳出重度用户亏损陷阱，核心在于调整计费锚点。目前主流的三种收费方式对应着完全不同的成本风险分配：

按席位包月最容易过企业采购流程，但厂商必须自己扛下算力超支风险；按量计费能旱涝保收，但客户怕月底账单失控，往往会限制员工使用。

按交付结果计费（例如 AI 客服按每成功解决一张工单收费）是目前最具盈利弹性的模式：定价直接锚定「雇一个真人干这件事要花多少钱」。客户拿它跟人工工资比，ROI 一目了然；而在后台，只要应用团队通过缓存、小模型路由和工作流优化把单单算力成本压下来，省出来的每一分钱都会直接变成净毛利。

04底层模型降价救不了粗放调用的应用

同等能力大模型的单 token 价格确实在持续下跌，但单次任务消耗的 token 总量涨得更快。

从单轮问答演进到深度思考（Reasoning）模型，再到多步循环调用的 Agent，完成一个任务往往需要几十轮后台自动交互与长上下文检索。单价砍半的同时，单次任务的调用量翻了十倍，总算力账单反而比以前更贵。

模型降价的红利只会留给那些按业务结果收费、且在工程层精细控制调用成本的团队。

05尽调 AI 应用毛利率的四个维度

• 拆解用户分位成本分布。 拉出前 10% 重度用户的单客推理成本与客单价对比，检查是否存在高频用户大规模倒贴。
• 核查定价锚点。 看产品定价是挂钩客户替代掉的人工成本，还是单纯在底层 API 账单上加收一层通道费。
• 追踪工程降本路径。 考察团队是否已落地大小模型分级路由、高频前缀缓存与特定任务微调小模型。
• 核算重度用户的真实单位经济模型（Unit Economics）。 确认高活跃用户的留存率提升能否通过阶梯提价或增值包覆盖其算力消耗。