token 付费墙不是 SaaS

一个创业者发布了一款 AI 产品，然后用他给一切东西定价的方式来定价： 固定月费、每席位每月 $20、无限使用，就跟 SaaS 一样。一开始效果很好—— 直到客户真的开始用它。那些重度用户，那些最爱它的人， 悄无声息地变成了让你亏钱的人。本能反应是去调价格。 真正的问题在更深一层：你把一款 AI 产品当成 SaaS 来定价， 但它不是。

是什么让 SaaS 变得神奇——以及为什么 AI 没有这个

软件之所以是一门如此美妙的生意，原因就在一个数字：趋近于零的 边际成本。 你只需构建一次，第一万个客户给你带来的额外成本， 几乎和第一个客户没差别。这就是 80–90% 毛利率，以及"先增长， 单位经济学自己会搞定"背后的全部引擎。

AI 没有这个引擎。每一次交互都在烧 token，所以你的服务成本 随使用量上升、永不持平—— 有时它甚至是超线性增长的。 如今这些数字既触目惊心又高度一致。ICONIQ 的《2026 AI 现状》报告发现， AI 原生产品平均 毛利率约 52%，而成熟 SaaS 为 75–90%， 其中仅推理一项在扩张期公司就吞掉了 23% 的营收。 正如某篇分析所言，这个差距"不是暂时的低效——它是推理成本带来的 架构性后果。"你不可能靠优化把自己优化回 SaaS 的毛利率， 因为成本在物理规律里，不在浪费里。

固定月费的陷阱，附证据

对一项计量成本收取固定月费，是在赌你的客户保持轻度使用。 而你最好的客户，存在的意义就是打破这个赌注。在早期， 据报道 GitHub Copilot 在重度用户身上每月最多亏 $80， 而当时只收统一的 $10。 Replit 眼睁睁看着自己的 毛利率在使用量激增时变成负数， 之后才改了定价。对一款典型的每月 $100 的 AI 产品来说，如今 其中 $30–40 直接消失在 token 和算力里 已是常态——一个三年前根本不存在的 30 个百分点的窟窿。固定定价 不会让这个成本消失。它只是把成本藏起来，直到你最热情的用户 让你再也无法忽视它。

按席位的陷阱更深

按席位（per-seat）定价在 AI 上有第二个、更隐蔽的问题，而且几乎有点好笑。 如果你的 agent 够好，它会减少客户需要的席位数。 一个 AI 客服智能体的整套说辞就是"你不需要 50 个客服，你只需要 5 个"。所以 如果你按席位收费，你的产品越好用，你赚得越少。 你把自己的营收，绑在了你正吹嘘要消灭的那个人头数上。 彻底成功，你就把自己定价到了零。再多的折扣，也修不好一个 因为你把活干好了就惩罚你的模型。

AI 产品更接近公用事业，而不是软件

这里有一个重新框定，能让定价变得显而易见。传统 SaaS 产品 几乎没有销货成本。AI 产品却有一个实打实的——token——压在 每一笔交易底下，就像电力公用事业（utility）在每一度电底下都有燃料、 制造商在每一个单位底下都有原材料。这不是一门更糟的生意； 它是一门不同的生意，而且必须按它本来的样子定价：把可变成本 传递出去。这就是为什么 92% 的 AI 软件公司如今采用混合定价 ——基础费用加用量——也是为什么 GitHub 在 2026年6月1日把 Copilot 本身也转为按用量计费。 按结果计费（为成果付费，而非为席位付费）正出于同样的原因兴起： 让你收的钱，与每个客户实际付出的成本和带来的价值对齐。

而这正是生意与工程相遇的地方，也是我最在意的部分。当 token 是你的 销货成本时，效率就是毛利。 每一个你没烧掉的 token 都是你留下的钱—— 所以把无聊的活儿路由给便宜的模型、 做好接地，让 agent 别瞎扑腾、 以及让智能体保持狭窄，都不再只是工程上的讲究了。 它们是 52% 和 32% 毛利率之间的差别。那套管住你 token 账单的纪律， 就是那套让你公司活下去的纪律。

唯一致命的错误

没有哪一个定价模型是唯一正确的——混合模型之所以胜出，恰恰 是因为正确答案取决于你的产品。但确实有一个致命的错误， 就是那个 SaaS 条件反射：仿佛服务下一个用户是免费的那样去定价。 它不是，它永远不会是，而软件那套神奇的经济学，对你产品里 会思考的那部分根本不适用。AI 不是 SaaS。在你的模型里放进一个 真实的销货成本，否则你最热情的客户，就会是把你拖沉的那些人。