本文信息来源：nfx
注：我们将在旧金山办公室为有意探索 AI 定价未来、最具雄心的创始人和投资者举办活动。若您符合条件，请点击此处报名参与。
全球企业正在大规模引入人工智能劳动力。这是一场深刻的变革—— 软件市场与劳动力市场的深度融合 。这迫使创业者必须回答一个关键问题： 这项工作价值几何？我们该如何定价？
我们正与数十家处于这场变革前沿的企业合作。定价策略是他们面临的最大战略挑战之一。究其原因？旧的商业法则已然失效。主要存在四大关键因素：
- 成本压力。这是软件史上首次出现用户边际成本不再趋近于零的情况，因此精准定价对单位经济效益至关重要。
- 人工智能使初创企业能够”销售工作成果”——无论是营收增长、时间节省还是成本削减。由于人力预算远高于软件预算，这蕴含着巨大机遇。但准确量化这些成果并将其直接归因于产品效果的能力，才是成败关键。
- 试点预算不等于工作流预算。将实验性收入与可持续收入混为一谈，是 AI 初创公司最容易犯的代价高昂的错误之一。
AI 定价无法照搬以往技术浪潮的模式。它需要从第一性原理出发理解定价。以下是我们的观察与应用建议。
为何 AI 催生新定价浪潮
定价的本质是讲述价值故事。客户必须看到产品价值，认可你的交付成果，并愿意为这个故事付费。
但许多人忘记的是，如今我们为产品付费的”常规”方式并非从来就有。
每隔十年左右，行业就会形成可识别的定价模式：现在为流媒体服务按月付费，或为 SaaS 产品按席位付费似乎理所当然。但这些并非天然存在——它们是战略性的创新。Salesforce 重构了企业软件定价模式，从六位数预装费转向按用户按月订阅。2000 年代末期，人们习惯为每首音乐付费——直到 Spotify 等公司推出固定费用”拥有”无限曲库的流媒体概念。
技术催生新可能，创业公司则编织故事向客户诠释这种变革的价值。这个故事被称为”价值叙事”——它成为我们伴随新技术浪潮创造新定价模式的基础。
曾几何时，租赁、订阅、流媒体、代币等新颖模式，逐渐固化为客户习以为常的支付方式。一旦这种语言确立，所有人都会开始使用它。
过去二十年间，我们实际见证了五轮基于定价的浪潮（本节末尾图表已作概述）。每一次浪潮中，我们都看到新技术通过价值叙事被定位为相比前代更有利于客户的突破。
人工智能定价领域充满不确定性，因为实际上存在多种讲述价值故事的最优方式——具体选择很大程度上取决于产品特性和客户群体。部分 AI 企业仍采用基于席位数的定价，有些则更适合混合模式，少数先锋正尝试基于结果的定价模型。这与过去几年定价创新基本停滞的局面形成鲜明对比。
当下，企业必须理解这项新技术、它影响客户的新方式，以及客户真正关心的核心价值。在此基础上，才能构建强有力的定价策略和符合这些原则的价值叙事。
最终，新型定价模式将逐渐固化。随着有效经验的积累，过程会变得更简单（提示：我们终将走向基于结果的定价）。但现阶段若想成功，必须深入理解定价的运作机制。
*需要注意的是，这些定价模式中有许多至今仍在使用。应当将它们视为相互重叠的理念，而非时间轴上泾渭分明的节点。
第一部分：如何解决 AI 定价难题
我们最近与《 创新变现 》和 《规模化创新》 的作者马德哈万·拉马努贾姆进行了交流，探讨在人工智能新浪潮中，初创企业创始人应如何思考定价策略。马德哈万曾为数百家企业优化定价策略（包括 Trulia），如今他已成为人工智能定价领域的重要意见领袖。
他建议企业通过将产品沿自主性和归因性两个维度进行定位，从而找到适合自身的定价模式。
- 自主性：指你的 AI 产品是否仍需要人类参与（如副驾驶模式）或能独立运行（如自主代理）
- 归因性：指 AI 创造的价值能否被清晰衡量并归功于其工作成果
一旦你在这个矩阵中定位了公司的位置，选择定价模型和打造符合技术与客户的价值故事就会容易得多。Madhavan 在与数百家顶级 AI 公司合作制定定价策略后，创建了这个矩阵。
以下是矩阵象限的具体划分：
左下：低自主性，低归属性。
生产力可能提高，但影响难以衡量且与产品关联性弱。价值仍取决于操作产品的人类，因此按席位定价仍然合理。这是 Slack、Figma 和 Grammarly 等公司的领域。
右下：低自主性，高归属性
这是副驾驶领域。人类是主要使用者，但创造可衡量价值的是 AI——比如生成的代码行数，或创造的潜在客户。许多新兴 AI 公司如 Cursor 和 Clay 都处于这一领域。
左上：高自主性，低归属性
这类产品高度自主运作，但价值获取并不直接。它们属于对业务运营至关重要却不会直接创造核心价值的基础设施服务领域，例如 Twilio 或 AWS 等产品。对此类服务，基于使用量的定价模式更为合理。
右上象限：高自主性，高归因性
这正是该领域的发展方向。能够创造可量化价值的自主 AI。目前，真正能达到这一标准的企业寥寥无几。Madhavan 估计现阶段仅有约 5%的企业位于该象限，但预测未来几年这一比例将增长至 25-30%。
对于早期 AI 初创企业而言，现实情况是大多位于矩阵右侧：归因性可衡量，但自主性仍在发展中。此阶段解锁合理定价的关键在于设计能清晰证明价值归因与交付的试点方案。
若能证明实际成效，客户自会买单。具体方法如下。
第二部分：通过试点项目将试验性收入转化为真实收入
对许多 AI 公司（至少在 B2B 领域）而言，主流市场进入方式仍是概念验证或试点项目。
当前存在推动 AI 试点落地的强劲顺风。没人愿意错过 AI 浪潮，因此无论大型企业还是中小型企业都乐于探讨 AI 集成方案。但获得试点热情与真正有效执行试点，实则是两回事。
事实上，许多创始人在此环节都会犯错。近期麻省理工学院的研究表明，仅有 5%的人工智能试点项目能真正创造价值 。这并非因为 AI 本身缺乏效益，而是多数企业未能掌握如何设计与执行能衡量实际价值的有效试点方案。
在我们近期与 Madhavan 的对话中，他指出了创始人在设计试点方案时常陷入的三个误区：
- 试点项目并非纯粹的技术验证。它们是你用客户能理解的术语（而不仅限于内部工程团队） 展现价值的重要契机。
- 试点项目不应免费——这会培养客户期待以更少付出获得更多回报的心理，且往往吸引非诚意买家。
- 他们未能以客户的语言设定可衡量的成功参数，即与买家共同创建投资回报率模型。
陷阱 1 和 2 很容易避免，但陷阱 3 才是致命杀手。设计 AI 试点项目最困难（也最重要）的部分在于证明你能交付可衡量的价值。
成功的试点项目围绕一个价值故事展开，这个故事需要与客户组织中特定的内部支持者产生共鸣。目标是将产品功能转化为投资回报率，以及决策者已经关注的指标。Madhavan 还概述了几个案例，这些案例往往能帮助创始人开始设计这些概念验证。
增量营收故事： 展示你的 AI 能推动收入增长、降低客户流失率或提高转化率。这对以收入为核心的高管尤其具有吸引力。
成本节约故事： 展示你的 AI 能降低许可成本、减少人员编制、提升运营效率。这对财务总监特别有效。
机会成本故事： 展示你的 AI 能释放时间用于更高价值的工作。首席执行官和管理团队往往会关注这一点。
如今，定价成功的关键不在于套用现成模型，而在于用内部支持者关心（且能自行解释）的术语来传递价值。这至关重要，因为它能帮助你在组织内实现从”实验性 AI 试点”到实际工作流程合作伙伴的转型。
这正是试点项目转化为持续稳定收入的关键转折点。
第三部分：勿将定价策略误认为防御能力
此前我们提到，初创企业通常率先将新技术转化为新的价值主张。这揭示了一个关键点：定价策略是突破口，尤其当您与行业巨头竞争时。
现有企业很少有意愿改变其定价模式（除非发生重大变故）。它们通常反应迟缓。以谷歌为例，在意识到人工智能开始侵蚀搜索领域时已为时已晚。为何如此？谷歌创造了搜索引擎优化业务。他们怎会投资可能削弱流量购买、搜索排名和点击付费收益的技术？这正是典型的创新者窘境。
如今，他们已加入战局（AI 概览是早期尝试）。但这为 Perplexity 等 AI 原生搜索引擎留出了抢占重要市场份额的空间。
初创企业常能通过定价创新冲击现有巨头。但这只是进攻策略——仅此而已。多数情况下，定价优势难以形成持久的竞争壁垒。
若你的核心差异点在于更优的定价模式，竞争对手往往能迅速复制。这就形成了战略悖论：让产品对客户更具吸引力的定价简洁性，同时也降低了竞争对手模仿的门槛。随着更多企业采用类似定价策略，价格优势终将逐渐消弭。
基于效果的定价模式（马德哈万称之为 AI 定价的”圣杯”）同样如此。其精妙之处在于实现了终极的”按效付费”（有效果才付款，无效果不付费）。采用这种模式的产品通常能更快打开市场，这也是众多公司趋之若鹜的原因。但这永远无法成为长期护城河，企业必须利用初期优势构建独立壁垒。
许多企业误将定价创新视为护城河。这种误解不难理解——具备强大网络效应或其他防御优势的公司，往往能逐步获得显著的定价权。但这种定价权是其防御优势的结果 ，而非根源。
可持续的竞争优势来自更深层次的护城河，仅靠定价无法实现。这意味着网络效应、规模优势、嵌入性和品牌价值。我们已在此全面探讨这些要素。
对 AI 创业者而言，这个教训颇为微妙：你可以将定价作为颠覆市场的工具，但切勿将其误认为持久优势。
核心要点
当下许多 AI 企业面临定价困境，因为传统策略已然失效。这实则暗藏机遇。每轮新技术浪潮都会重塑客户的价值认知，真正的挑战在于如何将这种转变转化为客户能理解的具体方案。
如今这变得更加困难，因为人工智能开辟了如此多的价值打包方式，却缺乏具体语言来传达这种价值。这意味着每家公司都需要自行寻找正确路径，向客户证明其价值归属。
根据我们与 Madhavan 的对话以及对早期初创企业的观察，可以归纳为五个关键步骤：
- 了解定价模式的未来趋势（向基于结果的模式发展）
- 明确自身在自主性/归属度矩阵中的实际定位（很可能介于混合模式与基于结果模式之间）
- 设计概念验证或试点项目时，需设立客户关心的明确价值基准
- 交付执行
- 切勿将定价创新误认为长期竞争优势
道理简单，执行却难。但那些破解 AI 定价难题的企业，实际上正在为 AI 时代撰写全新的商业法则。它们将创造我们在这个 AI 技术窗口期用来传递价值的新术语。
比遵循商业法则更胜一筹的，是率先制定法则。这个领域仍在发展，下一个规则制定者可能就是你。