# AI 定价模式：2026 年如何为 AI 产品和 API 定价 > AI 产品定价指南，涵盖按 Token、预付费和混合定价模式，并提供单位经济效益计算和实现示例。 - **Author**: Ayush Agarwal - **Published**: 2026-03-27 - **Category**: AI, Pricing, SaaS - **URL**: https://dodopayments.com/blogs/zh/ai-pricing-models --- 有五种可行的 AI 定价模式：按 Token、按查询、预付费计费、席位加用量混合，以及按结果计费。哪一种适合你，取决于推理成本的波动程度和购买者是谁。早期面向消费者的产品通常从预付额度开始，B2B 产品则通常采用平台费加用量费的混合模式，而自主智能体会逐步转向按结果计费。 人工智能的淘金热已经从"我们能不能做出来"转向"我们该如何收费"。传统 SaaS 为额外用户提供服务时，边际成本接近于零；而 AI 产品却背负着沉重的成本。每一次提示词处理、图像生成和向量搜索，都会以 GPU 计算、推理时间和 API Token 的形式产生直接且可变的成本。这种成本结构的根本变化，正迫使创始人重新思考软件变现的基础。在 AI 之前，软件是一场"构建一次，销售多次"的高利润生意；在 AI 时代，软件是一种实时消耗昂贵资源的服务。 如果你对 AI 产品采用标准的固定费用订阅模式，就可能遭遇"成功灾难"。单个高频用户消耗的计算成本，可能超过其支付的月费，最终让最活跃的客户成为利润最低的客户。这不只是理论风险；对于任何未能让定价与底层计算消耗保持一致的 AI 初创公司来说，这几乎是数学上的必然结果。本指南旨在提供一个全面的框架，帮助你应对这些复杂性，并在 2026 年构建可持续且盈利的 AI 业务。 本指南将探索 **AI 定价模式** 的全貌，帮助你应对从按席位订阅转向按消耗驱动收入的变化。无论你是在大型语言模型（LLM）之上构建封装产品，还是训练自己的专有模型，选择正确的 **AI 定价** 策略，都决定了你是在打造一家不断扩张的初创公司，还是在烧掉一堆 GPU 预付额度。我们将分析推理的单位经济效益、预付额度体系背后的用户心理，以及按用量计费的技术实现。 ## 为什么传统 SaaS 定价不适用于 AI 二十年来，"按席位"模式一直是 SaaS 当之无愧的王者。它简单、可预测，也符合企业购买软件的方式。但 AI 并不是传统意义上的生产力工具，而是一项执行工作的服务。当你在传统 CRM 中销售一个席位时，卖的是数据库和用户界面的访问权限；当你销售一个 AI 智能体时，卖的是一颗硅基大脑的产出。 > 大多数 AI 产品在早期收费不足，之后却要为计费基础设施支付过高成本。从一开始就选对定价模式，无论是预付额度、Token 还是按请求计费，都能避免数月的迁移痛苦。 > > \- Rishabh Goel，Dodo Payments 联合创始人兼 CEO 这颗硅基大脑的成本并不是固定的。它会根据模型规模、上下文窗口长度和所需推理的复杂程度而波动。简单的分类任务可能只需几分之一美分，而一个需要浏览网页并综合信息的多步骤智能体工作流，成本可能达到数美元。 当用户与 AI 智能体互动时，他们使用的不只是一个界面，而是在触发一连串昂贵的事件： - **推理成本**：在 GPU（H100、A100 或专用 TPU）上运行模型的成本，包括处理请求所需的能源、硬件折旧和数据中心冷却成本。 - **Token 消耗**：如果你使用 OpenAI 或 Anthropic 等第三方 API，就需要按每百万 Token 付费。这包括输入 Token（提示词）和输出 Token（响应）。 - **计算开销**：预处理、向量数据库查询（RAG）和后处理。系统每次在开口之前"思考"，都在消耗资金。 - **延迟与成本的权衡**：速度更快的模型通常成本更高，或者需要更昂贵的基础设施来维持较低的响应时间。平衡用户体验与利润率是一场持续的挑战。 在传统的[订阅定价模式](https://dodopayments.com/blogs/subscription-pricing-models)中，你的利润率受到平均法则的保护。大多数用户不会全天候使用软件；但在 AI 中，用量与成本直接相关。如果你每月收取 20 美元，而某个用户运行了 5,000 次复杂查询，每次查询成本为 0.01 美元，那么你在这个客户身上就亏损了 30 美元。这种"负利润率"情形，是 AI 初创公司必须摆脱纯固定费用模式的主要原因。 这就是[AI 按用量计费](https://dodopayments.com/blogs/usage-based-billing-vs-flat-fees-ai-saas)成为行业标准的原因。它能让收入与 COGS（销售成本）保持一致，确保用户增长时利润率依然健康。同时，它也让你能够充分获取高频用户创造的价值，而不会因为他们的成功受到惩罚。 ## AI 定价模式概览 **如何为 AI 产品定价**没有放之四海而皆准的方法。最佳模式取决于你的目标受众、使用频率以及成本的可预测性。 ### 1. 按 Token 定价 这是[API 变现](https://dodopayments.com/blogs/api-monetization)最细粒度的形式。它由 LLM 提供商推广，根据处理的数据量向用户收费。这种模式最接近"原始"计算计费。 - **适合对象**：基础设施提供商、开发者工具，以及用户本身就是开发者的原始 API 服务。 - **优点**：成本与收入完全匹配。由于价格直接加价于 Token 成本，你不会在某个请求上亏钱。 - **缺点**：终端用户极难预测费用。大多数人不知道一篇 500 字的文章包含多少 Token，更不用说复杂的系统提示词了。这会造成"计费焦虑"：用户担心收到意外账单，不敢使用产品。 ### 2. 按查询或按请求定价 你不按 Token 收费，而是为完成的操作收费。可以是"按生成的图像收费""按总结的文档收费"或"按搜索查询收费"。这种模式将 Token 的技术复杂性抽象为用户能够理解的价值单位。 - **适合对象**：生成式 AI 工具（Midjourney、DALL-E）以及输出为离散单位的专业搜索引擎。 - **优点**：比 Token 更容易让用户理解。它更像传统服务（例如购买一杯咖啡）。 - **缺点**：无法体现查询复杂程度的差异。"总结这份 100 页的 PDF"所需成本明显高于"总结这条推文"，但用户支付的价格相同。如果用户主要执行复杂任务，就可能导致利润率被压缩。 ### 3. 预付费计费 用户预先购买一组"预付额度"，然后在应用中执行不同操作时消耗这些额度。例如，一张基础图像可能消耗 1 个预付额度，而一段高分辨率视频可能消耗 50 个预付额度。这是面向消费者的 AI 应用最常见的模式。 - **适合对象**：具备多种功能的 AI 平台，以及希望改善现金流的初创公司。 - **优点**：将复杂用量简化为一种统一货币。鼓励用户预先付款，改善现金状况。你还可以根据不同功能的成本设置不同的"权重"，而无需改变底层计费逻辑。 - **缺点**：如果兑换比例令人困惑，可能让人感觉像在使用"游乐场代币"。如果预付额度在用户来得及使用之前过期，也可能让用户觉得受到了欺骗。 许多初创公司使用[计费预付额度来定价并改善现金流](https://dodopayments.com/blogs/billing-credits-pricing-cashflow)，以弥合可预测性与按消耗计费之间的差距。它为用户提供了一个"预算"，同时保护初创公司的利润率。 ### 4. 席位 + 用量混合模式 "平台费 + 消耗"模式。你收取固定的月费，让用户获得平台访问权限（席位），然后在此基础上按用量收费。这是 B2B 企业软件的标准模式。 - **适合对象**：正在向现有产品中加入 AI 功能的 B2B SaaS 公司。 - **优点**：提供可预测的收入底线，同时从高频用户身上获取额外收入。平台费覆盖固定成本（研发、支持、托管），用量费则覆盖可变的推理成本。 - **缺点**：对于习惯全包订阅的客户来说，可能感觉像"重复收费"。因此需要清楚说明基础费用包含哪些内容。 ### 5. 按结果定价 这是 **AI SaaS 定价** 的理想模式。你根据交付的价值，而不是使用的计算资源收费。例如，AI 销售智能体可以"按合格线索"或"按预约会议"收费；AI 法律助手可以"按审阅的合同"收费。 - **适合对象**：能够自主执行工作并交付清晰、可衡量投资回报的 AI 智能体。 - **优点**：可实现最高利润率，与客户价值完美匹配。如果你为客户节省了 1,000 美元的人力成本，那么即使计算成本只有 1 美元，向客户收取 100 美元也会显得物有所值。 - **缺点**：极难追踪和归因。什么才算"合格线索"？如果 AI 犯错怎么办？这种模式需要高度信任和复杂的追踪基础设施。 ## AI 定价模式对比 | 模式 | 可预测性 | 利润保护 | 用户体验 | 适合对象 | | :------------- | :------- | :------- | :------- | :------------ | | **按 Token** | 低 | 高 | 技术化 | LLM API | | **按查询** | 中 | 中 | 良好 | 图像/视频生成 | | **预付费计费** | 高 | 高 | 优秀 | 多工具 AI | | **混合模式** | 高 | 高 | 一般 | B2B SaaS | | **按结果计费** | 低 | 极高 | 高端 | AI 智能体 | ## 如何计算 AI 单位经济效益 在制定价格之前，你必须了解 **LLM 定价模式** 的单位经济效益。与传统软件不同，AI 的毛利率可能较低（60%-70%，而 SaaS 的典型水平为 80%-90%）。你本质上是在转售计算资源，而计算资源非常昂贵。 要计算价格，你需要查看单次互动的"全栈成本"，其中包括： - **输入 Token**：用户提示词的平均长度，加上系统指令。 - **输出 Token**：AI 响应的平均长度。 - **向量数据库成本**：为 RAG 检索上下文的成本。 - **GPU/推理成本**：如果你托管自己的模型。 - **支付处理费**：不要忘记支付给支付处理商的 3%-5%。 使用以下公式确定盈亏平衡价格和目标价格： `Price = (Inference Cost + Data Storage + API Fees + Overhead) / (1 - Desired Gross Margin)` ### 一个具体示例 假设你正在构建一个 AI 研究助手。 - 平均输入：2,000 个 Token（按每百万 Token 5 美元计算，即 0.01 美元） - 平均输出：1,000 个 Token（按每百万 Token 15 美元计算，即 0.015 美元） - 向量搜索：每次查询 0.005 美元 - COGS 总计：每项研究任务 0.03 美元 如果你希望获得 70% 的毛利率： `Price = $0.03 / (1 - 0.70) = $0.10 per research task` 如果你以每月 20 美元的价格销售订阅，那么你的"盈亏平衡"用量就是 200 项研究任务。超过这个数量后，你就会在该用户身上亏损。这就是[按用量计费 SaaS](https://dodopayments.com/blogs/usage-based-billing-saas)如此重要的原因：达到 200 项任务的上限后，你可以设置上限或对超额用量收费。 在[AI 变现](https://dodopayments.com/blogs/monetize-ai)时，你还必须考虑"幻觉成本"或失败的查询。这些查询可能不应向用户收费，但仍会让你产生费用。5% 的失败率意味着你的实际 COGS 比原始计算结果高 5%。 ## 真实世界中的 AI 定价示例 观察市场领导者，可以为**如何为 AI 功能收费**提供参考。 - **OpenAI**：API 采用纯按 Token 模式，但 ChatGPT 采用固定费用订阅（每月 20 美元）。之所以可行，是因为订阅设有防止滥用的"软上限"，而 API 则覆盖高用量的商业场景。 - **Anthropic**：采用类似模式，但根据模型的"智能程度"（Claude 3.5 Sonnet 与 Haiku）区分价格。这是[AI 原生初创公司的自适应定价](https://dodopayments.com/blogs/adaptive-pricing-ai-native-startups)的一种形式，用户为所需的推理水平付费。我们对 [Anthropic 计费模式](https://dodopayments.com/blogs/anthropic-billing-model)的拆解，介绍了各个层级和速率限制如何配合；而对 [OpenAI 计费模式](https://dodopayments.com/blogs/openai-billing-model)的平行分析，则展示了两者的差异。 - **Perplexity**：采用混合模式。基础搜索免费，同时提供"Pro"层级，让用户每天可以使用一定数量的更强大模型，例如 GPT-4o 或 Claude 3。 ## 为你的 AI 初创公司选择正确的模式 **AI 初创公司的最佳定价模式**取决于你的发展阶段、目标客户以及产品的"粘性"。 ### 阶段 1：MVP（预付费计费） 刚开始时，你需要现金，也需要限制下行风险。**预付费计费**是你最好的选择。它能让你预先获得现金，用于支付 GPU 账单，并简化用户体验。它还允许你为不同功能尝试不同的"成本"，而无需改变公开定价页面。 ### 阶段 2：扩展 B2B 业务（混合模式） 进入企业市场后，客户会要求可预测性。此时应转向**混合模式**。收取平台费（例如每月 500 美元），用于覆盖固定成本（支持、研发、安全合规），再收取用量费以覆盖可变 COGS。这样既能为客户提供可预测的"底线"，也能让你的收入随着客户的成功而增长。 ### 阶段 3：AI 智能体（按结果计费） 如果你的产品是自主运行的，就应以**按结果计费**为目标。如果你的智能体取代了人工销售开发代表或客服人员，就按该员工的成本收取一定比例的费用。这是最难被替代的定价模式，因为它与投资回报挂钩，而不是与计算成本挂钩。它能让你的产品"无法被弃用"，因为价值非常明显。 不过，如果购买者本身是智能体而不是人，你还需要一种在调用时为请求定价的方法，并证明该智能体有权进行消费。[x402 协议](https://dodopayments.com/blogs/x402-protocol)通过 HTTP 402 报价来处理前半部分，而 [AP2 负责授权和争议证据](https://dodopayments.com/blogs/ap2-protocol-agent-payments)来处理后半部分。 如需深入了解支持这些模式所需的基础设施，请参阅我们的 [AI 计费平台](https://dodopayments.com/blogs/ai-billing-platforms)指南。 ## 如何使用 Dodo Payments 实现 AI 计费 实现[按用量计费 SaaS](https://dodopayments.com/blogs/usage-based-billing-saas)非常困难。你必须追踪数百万个事件、实时汇总数据、处理失败的付款，并管理全球税务合规。对于 AI 初创公司来说，这会严重分散你构建优秀模型这一核心使命的注意力。 Dodo Payments 通过充当你的[AI MoR（名义商户）](https://dodopayments.com/blogs/merchant-of-record-ai)来简化这一过程。我们负责从 190 多个国家和地区的税款收取到实时用量汇总等"管道工作"，让你专注于"智能"。 ### AI 计费流程 下面是典型 AI 计费事件在系统中的流转方式。请注意，计费事件与推理过程相互解耦，从而确保用户获得较低的延迟。 ```mermaid flowchart TD User[User Request] --> API[Your API Gateway] API --> Inf[AI Inference Engine] Inf --> Result[Return Result to User] Inf --> Event[Usage Event Data] Event --> Dodo[Dodo Payments Ingestion] Dodo --> Meter[Meter Aggregation] Meter --> Invoice[Cycle-End Invoice / Credit Deduction] ``` ### 实现用量事件接收 要为 AI 用量计费，你需要在每次发生可计费操作时向 Dodo 发送事件。借助我们的[按用量计费](https://docs.dodopayments.com/features/usage-based-billing/introduction)基础设施，你可以通过一次 API 调用接收事件。这个过程可以异步执行，因此不会增加请求延迟。 你可以使用 `usageEvents.ingest()` API 追踪消耗，而不是使用通用支付链接： ```javascript import DodoPayments from "dodopayments"; const client = new DodoPayments({ bearerToken: process.env["DODO_PAYMENTS_API_KEY"], }); // 接收 AI 用量事件（例如，提示词中使用的 Token） // 应在推理成功后调用 await client.usageEvents.ingest({ events: [ { event_id: "req_abc123", customer_id: "cus_12345", event_name: "llm_tokens_consumed", metadata: { model: "gpt-4o", tokens: 1540, tokens_input: 1000, tokens_output: 540, }, }, ], }); ``` 将此事件关联到一个[计量器](https://docs.dodopayments.com/features/usage-based-billing/introduction)后，Dodo 会根据你的定价层级自动计算成本，并将其计入客户的下一张发票。如果你更倾向于预付费模式，可以使用[预付费计费](https://docs.dodopayments.com/features/credit-based-billing)，实时从用户的预付余额中扣除费用。这对于防止高成本模型产生超额用量尤其有用。 ### 处理全球合规 AI 产品从第一天起就是全球化的。但面向全球销售意味着要处理欧盟的 VAT、印度的 GST 以及美国的销售税。Dodo Payments 会自动处理所有这些事项。当你根据用户的 AI 用量收费时，我们会根据其所在地计算正确的税款，收取税款，并将其缴纳给当地主管部门。这正是[AI MoR（名义商户）](https://dodopayments.com/blogs/merchant-of-record-ai)的价值所在。 ## 最后总结 AI 时代要求我们摆脱过去僵化的定价方式。随着[AI 智能体时代的计费基础设施](https://dodopayments.com/blogs/billing-infrastructure-age-ai-agents)不断发展，最成功的公司将是那些能够像迭代模型一样快速迭代定价的公司。 不要让计费系统成为你增长的瓶颈。无论你是通过简单的封装产品，还是复杂的智能体工作流来[利用 AI 赚钱](https://dodopayments.com/blogs/make-money-with-ai)，Dodo Payments 都能提供灵活性，让收入随着计算规模同步增长。 准备好自动化 AI 计费了吗？[立即开始使用 Dodo Payments](https://dodopayments.com)。 ## 常见问题 ### AI 初创公司最常见的定价模式是什么？ 大多数 AI 初创公司会从预付费模式或席位加用量的混合模式开始。这能让它们在提供用户熟悉的订阅体验的同时，保护利润率免受高昂推理成本的影响。 ### 如何处理不同模型产生的差异化 AI 成本？ 最佳方法是使用预付额度体系，为不同模型设置不同的"权重"。例如，对小型快速模型的查询可能消耗 1 个预付额度，而对大型、需要大量推理的模型的查询可能消耗 10 个预付额度。 ### 是否应该为失败的 AI 查询收费？ 通常不应该。为幻觉或技术错误收费，会导致高流失率和客户不满。更好的做法是在定价中加入一个小额"缓冲"，用于覆盖这些失败查询的成本，而不是直接向用户收费。 ### 如何防止用户产生巨额 AI 账单？ 你应该设置用量上限和实时提醒。Dodo Payments 允许你设置阈值：当用户达到用量上限的某个百分比时触发 [webhooks](https://docs.dodopayments.com/developer-resources/webhooks/intents/webhook-events-guide)，这样你就可以暂停其访问权限，或提示其升级。 ### 对 AI 来说，按用量计费是否优于订阅？ 按用量计费对服务提供商而言更安全，因为收入会随成本同步增长。不过，企业买家通常更偏好订阅，因为预算更容易预测。对于正在扩展的 AI 公司来说，混合模式通常是最佳折中方案。 --- - [More AI articles](https://dodopayments.com/blogs/category/ai) - [All articles](https://dodopayments.com/blogs)