在AI技术飞速发展的当下，软件定价范式正经历着一场深刻变革，基于seat定价的传统模式逐渐被基于使用量或结果的定价所取代。a16z与Metronome（一家为OpenAI、Anthropic提供按量计费平台的初创公司）CEO Scott Woody的深度访谈，以及定价专家Madhavan Ramanujam的观点，为我们揭示了AI时代软件定价的奥秘以及不同类型AI公司的应对策略。

一、AI时代软件定价以价值为导向

计费行业变革历程

计费方式历经了本地部署时代（售卖软件许可证）、云时代（按seat订阅收费），如今进入了AI时代，也可称为价值时代。在本地部署时代，软件以一次性固定价格出售，用户自行负责安装、维护和更新，为软件本身及其功能付费。云时代，软件作为共享的数据平台运行在云端，价值衡量关键变为“有多少人在用”，如Salesforce，其价值随组织规模扩大，使用软件的人数增多而提升。而如今，AI正在重构软件价值，软件不再只是辅助工作，而是主动为用户工作，核心价值在于“软件能替我做什么”，如自动写代码、处理工单等。同时，AI提高了效率，使用软件的人数减少，软件价值转向“它完成了多少实际工作”，推动全新商业模式出现。

Metronome的创业背景与使命

Metronome的创立源于Scott Woody在Dropbox的经历。在Dropbox负责货币化增长团队时，他深刻认识到货币化、定价与产品包装对业务的价值，但也面临诸多挑战。每次定价调整需重写计费系统代码，耗时长达1 - 2个季度，而前端改造仅需1天；变更后客户常因低频的账单计算，在付费后才知道价格变动，体验不佳；计费系统的数据价值被埋没，业务团队只能在季度末得知滞后的整体收入表现。此外，基础计费系统对工程师来说是噩梦，不同企业定价策略存在微观差异，工程师需编写特定编码，而计费系统技术难题越堆越多，成了难以维护的代码泥潭。特别是采用Seat订阅时，计费逻辑相对简单，但像ChatGPT这种按token计费且不同用量有不同价格区间的情况，需要从50多个不同数据源拉数据，进行复杂计算和对账，解决这一问题商业价值巨大。因此，Scott Woody希望构建能够根治货币化痛点的系统，这也是Metronome过去五年的核心使命。

定价范式转变趋势

计费方式经历了三个阶段，目前许多AI公司都在探索按量定价。传统上应用一般基于seat定价，infra一般按量定价，但这个规则正在被颠覆，价值导向定价成为主流。当前SaaS企业普遍采用混合商业模式，同时使用Seat定价和按量定价。这种混合模式是过渡阶段的产物，基于Seat定价简单且具有可预测性、实操优势，企业倾向于以此作为计费基础，并通过按量计费捕捉增量收益，如Salesforce等大型成熟的SaaS厂商近期增加AI agent功能，并使用混合模式计费，只要agent能创造价值，即使客户不增加员工数量，厂商收入也能增长。

二、CEO应该如何推动按量定价

实施按量计费的难点

实施按量计费存在诸多难点。首先，按量计费存在“无上限的支出风险”，需要实时系统来侦测异常进程。例如Segment曾出现小客户因错误接入全量生产流量，在一个月内触发高达8万美元的账单。其次，定价模型看似静态，实则高度动态。每个销售合同都存在差异，构建能通用处理所有复杂情况的计费引擎难度极大。如一家上市公司每份合同折扣幅度不同，早期特殊合同少时自建系统可行，但后期特殊合同积累过多，系统无法应对，只能靠人工处理。最后，保留大规模准确而真实的数据非常重要。公司需存储大量数据以确保未来定价的灵活性，若没有以财务级别的精度存储历史数据，数据链条可能断裂，数据准确性难以保证。

按量计费对企业战略意义及影响

按量计费模式将收入与客户价值直接联系起来，企业销售的是基于价值的承诺。在这种模式下，销售佣金需等到客户实际使用产品后才会发放，销售激励机制也需随之调整。按量计费影响广泛，会改变很多销售环节，关键在于实现价值创造与捕获的闭环。理论上，按量计费能让客户、销售团队、产品团队和财务团队的目标一致，但现实中大多数公司难以做到，因为这意味着根本性的业务转型。CEO在推动按量定价转型时，首先要思考是否准备好全力以赴，因为单纯更改定价模型无法奏效，必须改变所有激励措施。

CEO推动转型需关注的要素

决定转型采用按量定价模式的CEO需要关注多个要素。销售人员的薪酬方案是首要关注点，其次是销售的职责范围划分。许多公司没有区分售前和售后，或由一人兼任，若达成百万美元交易却没有实际使用量，记录的则是虚假收入，且销售成本是真实支出，若客户后续使用量为零，会对业务造成巨大伤害。按量计费的真正价值在于产品契合市场后使用量会持续积累，创造增长飞轮，这就要求将销售的每个环节都整合进新模式，改革销售提成机制，重新定义GTM团队的职责分工。客户支持团队的作用也比想象中小，真正驱动客户支持的是技术型专家，他们能主动帮客户优化使用方案、节省开支。CEO应做三大核心变革，一是确保产品与工程团队围绕价值指标运作，将增长思维融入产品研发，产品团队成为收入驱动力；二是高管层高频度审视核心使用数据，主动分析波动根源；三是财务团队进行彻底转型，成为实时运转的数据中枢，为业务团队提供实时数据支持。

三、AI产品的四种定价模型

不同层级定价模式倾向

对于infra层，按量定价是天然契合的模式。AI agents能实时决策，不在乎定价模式的简单与否，所以infra层终将走向按量定价。而与人类交互的应用层，未来几年主导模式将是混合模式。单纯从价值角度看，依赖seat计费模式意味着软件价值上限低，公司必须采用混合策略。在B2C领域，倾向于采用按seat定价，避免消费者频繁做购买决策；中小企业定价会是混合模式；大型企业则越来越接近纯按量计费，因为按人头增长的阶梯式费用与大多数CFO的激励目标不符，且企业级部署能通过较长的概念验证（POC）过程精准量化价值。agent产品在面向大型企业定价时，在POC阶段，提供商常采用以结果为导向的定价模式，展示产品带来的效果，收费与节省金额挂钩。

基于归因能力和自主性的定价模型分析

AI产品的定价模型可围绕归因能力（Attribution）和自主性（Autonomy）进行分析。在横轴上，从左往右，产品的归因能力逐渐增强；在纵轴上，从下往上，产品的自主性逐渐增强。当产品的价值归因能力强且自主性程度高时，通常拥有更强的定价权。
 • 基于seat定价（左下角）：低归因能力 & 低自主性。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。这类AI公司应提升价值归因能力，向横轴右侧移动，以增强定价权。

 • 混合计费（右下角）：高归因能力 & 低自主性。产品能有效证明自身创造的价值，具有高归因能力，但copilot运行模式仍需人类参与。以Cursor为例，其带来的编码效率提升可明确归因，但操作过程需人类开发者主导，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。

 • 按量计费（左上角）：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，导致价值归因能力较弱。由于产品可自主运行，基于Seat定价不适用，按量定价是合理选择，使用量充当衡量产品所提供价值的指标。

 • 基于结果计费（右上角）：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。AI不仅能完成工作，更直接交付可量化的业务成果，无需人工干预。典型案例包括客服平台Intercom的Fin产品和Chargeflow，基于结果计费模式可捕捉到AI产品所创造价值的25% - 50%，传统SaaS模式通常只能获取10% - 20%的价值份额。目前，AI产品最常见的定价方式是混合模型，仅有约5%的公司采用纯粹的基于结果定价，但定价专家预测未来三年内采用结果定价模式的公司比例可能从5%提升至25%。对于希望在AI领域建立核心竞争力的公司来说，关键在于提升产品的自主性和价值可归因能力，进入高归因、高自主性的象限。

四、如何将按量计费转化为竞争优势

定价是动态进化过程

定价是一场达尔文式的进化过程，企业需要不断调整自身，保持敏捷才是唯一的制胜之道。目前没有唯一的正确定价模型，企业应进入探索模式，而非优化模式。例如Salesforce在过去12个月里就对基本定价结构进行了三次调整，以适应市场变化。

动态调整价格的策略可行性

当前多重变革同步发生，企业通过动态调整价格来平衡市占率和利润的做法可行。有些公司采用成本加成定价，设定固定利润率，以低价建立用户基础，之后再通过更精细的定价和产品打包策略逐步提高利润空间。这种策略的可行性基于市场巨大且增长迅猛、有足够资本投入研发以及给竞争对手施加压力等因素。初创公司可牺牲短期利润打压竞争对手、迅速抢占市场份额，行业顶端的公司可通过这种策略获得压倒性领先优势。

按量计费成为AI变现基础

互联网与AI浪潮相似，都能以零边际成本引发爆炸式增长，但AI已突破商业化瓶颈，按量计费模式是AI变现的基础。企业在管理变动成本方面积累了经验，能清晰向客户证明服务与客户价值诉求契合。例如Intercom推出的AI客服产品，按实际解决的问题数量收费，若未达到预期解决率将返还费用，这种复杂但透明、基于实际效果的计费方式是企业的首选。按量计费企业的商业模式与传统软件公司存在本质区别，AI公司认为按量计费是最合理、甚至唯一可行的定价方式，但大型企业转向按量定价涉及对整个数据体系、团队权限结构和决策流程的系统性重构。