AI产品怎么定价？席位、用量、Credit、结果收费，2026年该怎么选

30秒看懂：AI产品定价没有一种模式天然更高级。席位、用量、Credit、结果和混合各自解决不同问题，选错的代价通常不是“收少了”，而是毛利被重度用户吃掉，或者企业客户因为算不清账单而拒绝续约。2026年的判断顺序有四步：先找最接近客户感知价值的单位，再看成本分布的尾部，然后确认结果能否被双方独立计数和验证，最后看买方是否需要年度预算确定性。

没有一种AI定价模式天然更高级。席位（Seat）、用量（Usage）、Credit、结果（Outcome）和混合（Hybrid）各自解决不同的问题。选错的代价通常不是”收少了”，而是毛利被重度用户吃掉，或者企业客户因为算不清账单而拒绝续约。

判断顺序有四步。第一，找到最接近客户感知价值的单位：一个人、一次任务、一张被解决的工单，还是一次API调用。第二，看成本结构：同一个价格档位里，最重的用户比中位用户贵多少倍。第三，看结果能不能被双方独立计数和验证。第四，看买方是否需要年度预算确定性。

按这个顺序走，大多数B2B AI产品会得到同一个答案：用订阅或平台费做预算底座，用任务、动作或Credit做计量，用承诺消费和超额费率管住两端的风险。 只有当结果可定义、可计数、可归因，且买方愿意为此让出一部分预算确定性时，Outcome才值得成为主计价单位。

这里有一个容易被忽略的变化：席位没有死，它的角色变了。越来越多产品保留席位价，但席位只决定”谁能用”，真正随成本和价值浮动的部分交给计量。把席位当准入单位而不是计价单位，是2026年AI定价最实用的转向。

数据支持这个判断。按消耗计费的AI公司占比半年内从35%升到42%，按结果计费从18%升到23%，平均每家公司混用1.7种定价模式（来源：ICONIQ，2026；样本为约300家软件公司，87%位于北美）。市场没有从席位跳到结果，而是在叠加。

一、AI改变了SaaS定价的哪几个经济前提

传统SaaS按席位定价，靠两个前提：多服务一个用户的边际成本接近零，用户数大致代表客户获得的价值。AI产品同时动摇了这两个前提。

边际成本回来了。 每一次推理都要付算力或API费用。增长最快的AI”Supernova”公司平均毛利率约25%，增长更稳的”Shooting Star”公司约60%（来源：Bessemer Venture Partners，2025），都明显低于传统SaaS。毛利在改善，AI产品平均毛利率预计从2025年的45%升至2026年的53%（来源：ICONIQ，2026），但定价仍要为可变成本留足空间。

同一价格下的成本方差很大。 Cursor在2025年7月解释Pro计划调整时承认，多数用户成本稳定，但最难的请求比简单请求贵一个数量级（来源：Cursor，2025）。模型选择再放大差距：Claude Haiku 4.5每百万token输入/输出为1美元/5美元，Claude Fable 5.1为10美元/50美元（来源：Anthropic，2026）。同一个席位价卖给只用自动补全的人和整天跑Agent的人，毛利由后者决定。

Agent会压缩席位。 一个Agent做完几个人的工作，按人头收费会随产品成功而缩水。40%的IT买方把减少席位列为压缩软件支出的首要手段（来源：BCG，2025）。

Token成本不等于服务成本。 Token只是账单上最显眼的一行。Anthropic的价目本身就有多个独立计量项：网络搜索每千次10美元，托管Agent会话每运行小时0.08美元，Claude 4.7之后的新分词器处理同样文本约多产生30%的token（来源：Anthropic，2026）。

推理单价还在下降，过去两年LLM交付成本每年下降超过80%，而多步Agent工作流又在推高单次任务的消耗（来源：McKinsey，2025）。再加上检索、存储、外部API、人工复核和上线服务，单客服务成本（Cost-to-Serve）必须按工作流测算，不能用Token账单代替。ICONIQ调查中近一半公司表示，内部部署的Agent至少在30%的任务上仍需人工介入（来源：ICONIQ，2026）。这组数据针对内部Agent，但说明人工兜底尚未退出AI工作流，面向客户的产品同样要把复核人力算进服务成本。

这四点并非对所有AI产品都成立。AI只是成熟SaaS里的轻功能、推理成本占收入比例很低时，席位逻辑照样成立。需要重做定价的，是AI成本占比高、用户差异大、或Agent直接替代人工的产品。

二、先定价值单位，再定收费方式

收费方式（Pricing Model）回答”怎么收”：按人、按量、按预付点数、按结果。价值单位（Value Metric）回答”按什么收”：客户觉得自己买到了什么。同样叫按用量收费，按Token收和按”已处理合同份数”收，是两门不同的生意。

下表把常见计量单位从”接近成本”排到”接近价值”：越往下越贴近客户价值，计数和归因也越难。

计量单位	更接近	适合的产品	主要风险
Token / 算力	成本	模型API、开发者平台	业务买方看不懂；换模型或分词器，单价体系就变
API调用 / 请求	成本	集成类、平台类	一次调用的工作量差异极大
动作 / 工作流运行	中间	Agent平台、自动化	必须清楚定义”一次动作”
文档 / 生成资产 / 分钟	偏价值	文档处理、内容、语音	质量不同，价格相同
已解决工单 / 合格线索	价值	客服Agent、销售Agent	归因争议，客户刷量或压量
节省成本 / 新增收入	价值	少数可审计场景	多方影响，结算周期长

Token通常是成本单位，不是价值单位。开发者接受Token；业务负责人买的是”每月多处理了多少张工单”，按Token报价等于逼他自己换算。选价值单位有三条实用标准：客户能否在采购前估算用量，双方能否各自数清楚，单位增长是否与客户获益同向。

三、五种模式的适用边界：六个真实案例

Seat：价值绑定在”人”身上时成立

席位制在三种情况下依然合理：价值与具体角色强绑定（开发者、坐席、分析师）；协作、权限、审计按用户管理；企业本来就按人头做预算。GitHub Copilot是典型：Business版每用户每月19美元，Enterprise版39美元（来源：GitHub Docs，2026）。

Copilot也说明了席位的边界。2026年6月1日起，GitHub把Copilot全部计划从”高级请求次数”改为按token计量的GitHub AI Credits；每个席位向企业共享池贡献额度，Business每人1,900点、Enterprise每人3,900点，超出部分每点0.01美元，代码补全不计量（来源：GitHub，2026）。席位还在，角色变成了”准入与预算底座”，重度的Agent工作改由计量承担。

Usage：价值和成本都随用量增长时成立

按量计费最适合模型API和开发者平台：用量可计量，成本随用量增长，买方懂技术。Anthropic API按每百万输入、输出token分别报价，批处理五折，提示缓存命中按基础输入价的一成计费（来源：Anthropic，2026）。这种精细计价对开发者是透明，对业务买方是换算负担。

纯用量的另一个风险是账单冲击（Bill Shock）。Cursor在2025年6月把Pro计划从每月500次请求改为包含20美元前沿模型额度，沟通不清导致部分用户收到意外账单，公司随后公开道歉，退还6月16日至7月4日之间的意外费用（来源：Cursor，2025）。计量本身没错，错在客户事先无法预判。

Credit：中间计量层，不是独立的价值模型

Credit的本质，是把模型、语音、检索、动作等多种成本单位换算成一种可预付的内部货币。Salesforce Agentforce的Flex Credits是清晰样本：每10万点500美元，标准动作消耗20点（约0.10美元），语音动作30点；未用完的点数不滚存到下一个合同期（来源：Salesforce，2026）。微软Copilot Studio同样按容量包出售，每包25,000点、每月200美元（来源：Microsoft，2026）。

Credit的优点是产品内统一计量，方便预付和跨团队分配；缺点是透明度下降。客户很难把”20点”翻译成业务价值；厂商调整某个动作的点数消耗，等于悄悄改价，这就是Credit贬值风险。Credit适合功能多、成本单位多的平台型产品，前提是公开费率卡、提供实时用量看板和预警。买方签约时应要求在合同期内锁定费率卡。

Outcome：结果可数、可验、可归因时才成立

Fin（原Intercom）是结果计费最常被引用的案例。官方定价为每个”结果”0.99美元、每月最低50个；可计费结果包括解决、按流程转人工、判定线索不合格，判定线索合格为9.99美元，一次对话最多计一次（来源：Fin，2026）。注意”解决”的口径：Fin最后一次回答之后，客户没有再请求帮助。这个定义务实，也有争议：客户中途放弃和问题真正解决，在账单上看起来一样。

客服能做结果计费，是因为工单天然可计数，有人工处理成本作对照基线，厂商能控制大部分过程。Salesforce已于2026年9月10日完成对Fin的收购（来源：Salesforce，2026）；截至本文更新日，Fin官网的结果计费仍按上述口径列示。

Hybrid：多数公司的现实答案

混合模式解决一对矛盾：厂商要收入跟着成本走，买方要预算确定。Fin本身就是混合的：Agent按结果收费，搭配Intercom服务台时另收每席位每月29美元起，运营分析功能按Credit计量（来源：Fin，2026）。Salesforce同一个Agentforce，面向员工的场景提供每用户每月125美元、不计量的附加包，面向客户的Agent走Flex Credits或每次对话2美元（来源：Salesforce，2026）。按谁在用、成本是否稳定来分段，比寻找万能单位可行。

混合的代价是复杂度，计费系统、合同条款和销售解释成本都会上升。”底座+一个计量”两层通常足够。

四、AI定价决策框架：十个变量怎么比

没有一种模式在十个变量上全胜；Hybrid的价值在于把各模式的短板分配到不同的层去承担。

决策变量	Seat	Usage	Credit	Outcome	Hybrid
价值匹配度	价值绑人时高；Agent替代人工时低	看单位：Token弱，任务强	中，取决于费率卡	最高，但依赖口径	按层分配，中高
成本匹配度	低，重度用户吃毛利	高，成本随量走	高，点数按成本折算	中，单次结果成本波动	高，计量层覆盖可变成本
厂商收入可预测	高，按合同席位数锁定	低，随客户用量波动	中高，预付锁定现金	低，受解决率和流量影响	中高，底座保底
买方预算可预测	高，年费即全年费用	低，有账单冲击风险	中，可预付但难换算	中低，量和率都在变	中高，承诺额加上限
易理解程度	最高，与现有软件采购习惯一致	技术买方高，业务买方低	低，需要翻译	概念高，口径细节难	中，要讲清两层各收什么
毛利风险	高且隐性，平均价掩盖重度用户	低，收入随成本走	低，除非费率设低	中，失败对话成本由厂商承担	低至中
扩张潜力	受团队规模限制	随使用自然扩张	随使用扩张，需续购	随成功扩张	席位与计量双通道
归因难度	无，只数账号	低，系统日志可计	低，按费率卡扣减	高，需界定谁促成了结果	取决于是否含结果层
采购适配	最适配现有流程	需承诺或上限才过得了财务	适配预付采购	需结果计量协议，周期长	适配年度合同加超额
实施复杂度	低，现有账单系统即可	中，需计量与账单	中高，需费率卡与看板	高，需审计与争议机制	高，两套计量与合同条款并行

读表方法：先找一票否决项。财务要求全年预算锁定，纯Usage出局；结果无法独立计数，Outcome出局。剩下的再比毛利风险和实施复杂度。

五、企业买方为什么怕不可预测的AI账单

从卖方看，按量是公平；从买方看，按量意味着年度预算里有一行数字填不上。预算、采购审批、法务和续约评审，每一关都偏好确定性。

a16z的企业买方调查显示：47%难以定义可衡量的结果，36%担心成本可预测性，25%难以和厂商就价值归因达成一致，24%承认结果常取决于厂商控制之外的因素（来源：BCG引用a16z，2025）。这就是Outcome和纯Usage在采购桌上的阻力。

成本失控不是假想。ICONIQ记录的一条Agent流程，按每次运行0.10美元做预算，因Agent反复重试和自我修正，实际成本漂到1.50美元以上（来源：ICONIQ，2026）。买方怕的就是这种放大。

厂商的应对正在趋同：把”可变”包进”可控”。Salesforce为Flex Credits设计了预付、承诺消费（期末补差）和随用随付三种购买方式，超出额度按合同价按月结算、不另收罚金；其中承诺消费模式官网标注为年内扩大供应（来源：Salesforce，2026）。GitHub允许在用户、成本中心和企业三层设预算上限（来源：GitHub Docs，2026）。给买方一个最坏情况的数字，比给最低单价更容易成交。

如果你正在纠结”该不该为AI单独设计一套定价”，可以先看看 做了300个AI场景，CFO为什么还不买单？ 里的算账逻辑，很多定价问题其实是价值单位没对齐。

六、五步决策树：你的产品该落在哪

按下面五个问题依次作答，每一步都会排除部分选项。

价值是否绑定人或团队?是, 且AI成本低, 差异小否是否Seat + 高阶档位用量是否同时跟随价值和成本?是否是否按业务单位计量: 任务/文档/分钟结果能否计数, 验证, 归因?三条都满足任一不满足三条都满足任一不满足Outcome作为一个计量层试点Credit或动作单位买方需要年度预算确定性?需要加底座: 平台费/席位/最低承诺需要

五个判断的要点：第一步看价值是否绑定人，且AI成本占收入比例低、用户差异小，满足就保留Seat，把AI放进高阶档位。第二步看用量是否同时跟随价值和成本；只跟成本走、不跟价值走时，按量收费会让客户觉得越用越亏。第三步要求结果同时满足可独立计数、双方可验证、归因合理，缺一条就不以结果做主计价单位。第四步，绝大多数企业客户都需要预算确定性，所以计量之外几乎总要加一层底座。第五步用下一节的P90/P50方法检查成本尾部。

走完五步的典型落点：内部员工型Copilot落在”Seat+额度池”；开发者API落在”纯Usage+批量折扣”；多功能Agent平台落在”平台费+Credit”；结果明确的客服或销售Agent落在”平台费+Outcome”。

七、看分布，不看平均：P90/P50检查

定价会议上最危险的数字是”平均每用户成本”。如果一成用户贡献了一半以上的推理成本，按平均成本定的席位价，对多数人偏贵，对重度用户严重亏损。

一个简单的决策启发：拉出最近90天每个付费账户的服务成本，计算第90百分位（P90）与中位数（P50）的比值。比值在2倍以内，席位或固定档位的风险可控；达到5倍以上，纯席位在隐性补贴重度用户，需要额度池或超额计费；介于两者之间，用按额度分档处理。这组倍数是本文提出的决策启发，不是行业统一阈值，要按你的毛利目标校准。

关于成本尾部怎么吃掉毛利，AI试点项目核算：一个部门的试点算出−7.4%，为什么铺到20个部门变成−16%？ 里有一个更完整的推演。

八、什么时候不要做Outcome定价

Outcome最贴近价值，也最容易出事。出现下表任一情形，就不要把结果作为主计价单位。

情形	为什么失败
结果无法由系统日志或第三方验证	每张账单都变成一次谈判
结果由多方共同影响（如营收增长）	厂商为控制不了的变量担责，或客户为别人的贡献付费
结果兑现周期长（如留存、续约）	现金流滞后，期间的变化难以剥离
数据不可审计，或只在客户系统里	计数权在客户，厂商无法核对
客户有动机刷量或压量	把简单问题导给Agent抬高解决量，或拒绝确认结果
厂商控制不了关键环节	结果依赖客户的知识库质量或人工配合

即使条件具备，Outcome也要配三样东西：书面的结果计量协议、每月最低量或平台费、争议与追溯扣减规则。

九、八个常见定价错误

下表中的错误，大多不是模式选错，而是单位、分段和保护机制没设计好。

错误	后果	证据或检查信号
因为SaaS都按Seat，继续按Seat	重度用户吃毛利，Agent替代后席位缩水	40%买方以减席位压缩支出（BCG）
有Token成本，就按Token收费	业务买方无法估算，换模型后价格体系失效	新分词器同文本约多30% token（Anthropic）
Credit换算规则过于复杂	点数翻译不成价值，续购阻力大	有无公开费率卡与用量看板
结果无法归因却硬绑结果	结算争议，销售周期拉长	25%买方难以就归因达成一致（a16z）
免费层不设成本上限	获客越成功，亏损越大	抽样免费用户的P90成本
计价单位与客户价值脱节	客户觉得越用越贵	续约时客户要求换单位
企业买方无法预测账单	采购卡在财务审批	36%买方担心成本可预测性（a16z）
一个模式覆盖所有客群	小客户嫌贵，大客户嫌乱	Salesforce按员工与客户场景分设模式

十、已经按Seat收费：何时迁移，怎么迁

三个信号出现任意两个，就该启动迁移评估：重度用户的服务成本持续高于其席位收入；Agent上线后新增席位放缓而用量上升；用量与续约、扩张的相关性强于席位数。

迁移不能一步从Seat跳到纯Usage。GitHub的做法可参考：4月27日公布变更，5月上线账单预览，让用户和管理员在6月1日切换前看到预计费用；席位价格不变，只把高级功能改为额度池计量；年付的个人用户在合同到期前保留原计费方式（来源：GitHub，2026），存量企业客户在6月至8月获得更高的赠送额度（来源：GitHub Docs，2026）。即便如此，开发者社区仍对”价格不变、所得变少”提出了反对（来源：Visual Studio Magazine，2026）。沟通成本不能低估。

迁移原则四条：保留原底座价格，新计量只覆盖增量功能；给存量合同过渡期或原价保护（Grandfathering）；提供账单预览和预算上限；用承诺消费加超额费率替代纯随用随付。

如果你正在从传统SaaS向AI产品迁移，AI推倒了门面，但没有搬走地基：企业软件正在经历的不是死亡，是价值迁移 值得对照阅读。

十一、90天定价测试：先影子计费，再改价格表

不要一次性重做全部价格体系。90天的轻量测试足以回答要不要改、改成什么。

第1至3周，摸清分布。 拉出每个账户的用量和服务成本，算P50、P90和最重的1%账户，把成本拆到模型、检索、工具调用和人工复核。

第4至6周，选单位、做影子账单。 列出2到3个候选价值单位，用过去90天数据为每个客户算出Seat、Usage、Hybrid三种方案的影子账单（Shadow Billing），不发给客户，只比较收入、毛利和账单波动。

第7至10周，选一个细分客群试点。 挑成本方差最大或Agent用得最多的细分市场，访谈8到10家（经验值，按客群规模调整）企业买方的业务负责人和财务，测试计量单位、承诺额度和上限的接受度与支付意愿（WTP）。

影子账单工作表至少要有这几列：账户、细分客群、当前合同收入、实际服务成本、候选单位用量、三种方案下的影子收入与毛利、月度账单波动幅度。

第11至13周，读数与决策。

• 继续：影子账单下毛利达到目标；买方能在访谈中自己估算年度费用；试点客群的转化和扩张不下降。
• 调整：毛利改善但买方算不清费用，说明单位对、包装错，要加底座或上限；买方接受但毛利没改善，说明费率或额度设低了。
• 停止：新单位下账单波动大于原方案；多数买方要求换回按人计费；试点中结果计数频繁引发争议。

管理者结论

AI产品定价的核心是按顺序做对三件事：找到客户认的价值单位，看清成本分布的尾部，给买方一个能写进预算的上限。2026年的证据指向叠加而不是颠覆：席位退为准入底座，计量承接可变成本，结果计费在可验证的场景里扩大。先用90天影子计费拿到自己的数据，比照搬任何一家明星公司的定价页可靠。

这个判断在两种信号下需要修正：一是ICONIQ这类半年度调查中，按结果计费的占比超过订阅或平台费，成为最常见模式；二是GitHub、Salesforce这类大厂取消席位层，改为纯计量或纯结果计费。建议在2027年第一季度对照新一期调查复核本文结论。

如果你的团队已经有AI产品，但定价还没跑通，Runwise的产品战略与商业化顾问可以陪你把这90天测试走完：从使用分布、单客成本到价值单位和合同结构，一次把账算清。