2025-12-17 15:09
扫码打开虎嗅APP
本文来自微信公众号： ToBeSaaS ，作者：戴珂
毫无疑问，AI不再是“加分项”，而是SaaS的“入场券”。
那么问题来了：加了AI的SaaS，究竟该如何定价？
就这个问题，我调研了很多创业公司，他们给出的答案基本是三个：
免费，暂不考虑成本，而作为吸引客户的手段
提高订阅费，以保证毛利
AI功能单独包装、单独收费，不影响毛利
但现实情况是，似乎每一种都不理想，这就需要对AI SaaS的定价规律进行探索。
体现在公司战略上，就是不再只问：“SaaS要不要加入AI”，而是聚焦于：“加了AI的SaaS，如何赚钱？”
2025年，AI已从实验室走向主流商业场景。但对SaaS产品而言，一个更现实的问题摆在创始人面前：AI功能成本高昂，客户却未必愿意买单——我该怎么定价？
更棘手的是，市场正在快速变化：曾经作为“高级附加功能”的AI，如今正迅速变成客户眼中的“基本配置”。如果你还在犹豫是否要对AI收费，可能已经落后了一步。
看看Notion、Salesforce、HubSpot等头部SaaS企业的动向，答案不言自明：
它们不再将AI作为独立模块额外收费；而是将其深度集成到核心产品中，甚至作为免费层的一部分开放。
为什么？因为客户预期变了。过去，用户会因为“有AI”而选择你；现在，他们会因为“没AI”而离开你。
这标志着一个关键转折点：AI不再是差异化优势，而是竞争门槛。就像二十年前的移动适配一样，AI正成为SaaS产品的“智能基础设施”。
即便Microsoft（Copilot）和Adobe（Firefly）仍在对其AI功能单独变现，但更广泛的行业趋势已十分清晰：AI已完成从吸引早期尝鲜者，到服务主流客户的跨越。
面对这一转变，企业需重新思考AI功能的“封装”方式，进而给出新的定价策略。
目前主流的有三种模式：
1.核心功能（Core）
如果AI对所有用户都有核心价值，就可以将其单独封装。这对于增强整体产品吸引力和快速扩大渗透市场有重要作用，还能提升了采用率和转化率。但这样做的风险也显而易见：那些高用量用户会拉低毛利率，所以你必须留出未来对此提价的空间。
2.作为升级项（Upgrade）
如果AI对所有用户都属于“锦上添花”，那就只能作为Upgrade。除了提升用户对产品的体验，也能推动用户的向上购买。既提升你的LTV，又覆盖了部分成本。
不过，在这一点上，创始人必须有“自知之明”，不能将“锦上添花”硬当做是核心价值。那会误导你的定价策略。
3.附加模块（Add-on）
如果你的AI仅针对少数“重度用户”使用，且他们愿意支付溢价，AI就该被封装为Add-on，直接变现。对于Add-on封装常犯的错误是：与SaaS产品强行捆绑或打包销售，肯定会影响那些非重度用户的体验。
实践中，越来越多公司采用“分层封装”原则：基础AI能力免费开放，高阶模型或高用量权限则设为付费墙。
搞清了AI的封装，定价模型也就有了基础。
传统SaaS按“席位”收费的模式，在AI时代正面临挑战：
一个重度用户可能消耗百倍于普通用户的推理资源；但两者支付相同的订阅费，造成边际成本的倒挂。
于是，混合定价模式（Subscription+Usage）也就应运而生，比如AdobeCreativeCloud，其定价模式为：基础席位费+超额AI用量计费。
不过，对一些小型公司来说，它们需要考虑消费的可预测性：既能解决问题，又不能严重超支。
采用混合模式时，可以设置月度AI使用的上限，超限则需升级套餐。混合模式的关键在于透明化用量，以及提供预警机制。
从这张表中，我们大致可以看清AI封装和定价模式的演进趋势：
“Hybrid”模式占比最高：超过60%的公司采用混合定价（订阅+使用量），尤其适用于高成本AI场景。
“Core”成为新趋势：越来越多平台将AI纳入核心功能（如Notion、Slack、Asana），反映客户对AI的基本期待。
“Add-on→Core”转型明显：如Notion、Freshworks，最初以附加形式推出，后逐步升级为核心体验。
业内热议的“按成果定价”（Outcome-BasedPricing，OBP）——比如按AI帮客户节省的工时、生成的线索数计费——听起来很美，但落地困难。比如：如何定义“客户结果”？如何确保AI表现稳定可靠输出？客户是否愿意共享业务数据以验证效果？
目前，虽然真正采用OBP模式的SaaS公司很少，但这并不代表这种模式没有价值。
实际上，我们可以采用“变通”的方式，将OBP模式与其它定价模式相结合。比如，提高订阅费或用量单价，将难以量化的价值，变成客户可以接受的价格。
别再免费送AI先通过Beta数据验证：谁在用？用得多吗？愿意付钱吗？避免被“AI游客”误导。
根据战略定位选择封装如果AI是未来核心，就大胆纳入基础产品；如果仍是实验性功能，先以Add-on试水。
保持定价敏捷性推理成本正在快速下降（开源模型、API价格战），今天的高成本未必是明天的常态。总之，短期保本，长期看利润扩张。
AI的商业化没有标准答案。但有一点越来越确定：客户不再为“有没有AI”买单，而是为“AI好不好用”付费。
在这个技术日新月异、成本剧烈波动的时代，最成功的公司不是最早推出AI的，而是最懂得如何平衡价值、成本与客户预期，并能快速迭代定价策略的团队。
正如一句老话所说：
“在淘金热中，卖铲子的人往往比挖金子的人赚得更多。”
而今天，那把“铲子”的名字，就叫——可持续的AI商业模式。而所谓“会卖”，其实核心就是定价。
欢迎在评论区分享：你的产品是如何为AI功能定价的？遇到了哪些挑战？
