2024 AI 定价基准

基于对 44 家头部科技公司（应用层）AI 定价的分析：

价格区间：AI 附加产品/加购项的定价从主产品价格的 25%（Adobe）到 4.75 倍（GitHub Copilot）不等。绝对金额上，这些 AI 产品的月度人均价格跨度是 $4 到 $30。整体而言，AI 产品的定价通常低于同一家公司的非 AI 加购项。

具体案例：

• Microsoft Copilot for Microsoft 365：每用户每月 $30，高于 Microsoft 365 本身的订阅费。对应的价值支撑：报告显示能提升生产力最高达 70%。
• GitHub Copilot：每用户每月 $19，是其标准 SaaS 订阅价格的 4.75 倍以上。对应的价值支撑：开发者报告完成任务的速度提升 55%。

核心规律：AI 功能的定价高低与其为用户创造的价值程度相关——定价要匹配价值，而不是凭感觉定。价格越贴近你为客户创造的可衡量投资回报（生产力提升、时间节省等），就越容易收取溢价。

定价结构：几乎所有 44 家被分析的公司都选择了按用户月度收费（per-user monthly fee）作为主要计费方式——尽管底层成本结构普遍是按用量的，但公司们还是选择了面向客户更简单的按人头计费，而不是把内部成本直接转译成对客户的定价。当前所有被分析的公司似乎都在优先让"采用"变得尽可能简单，同时保持有竞争力。

定价决策的三个关键因素：

1. 消费者洞察：价格与创造的客户价值绑定得越紧，就越容易收取溢价——需要分析 AI 功能影响的核心指标（如生产力提升、时间节省）来理解创造了多少 ROI
2. 竞对定价：审视最接近的 5 个竞品的定价相对其提供价值的水平，建议保持在同一价格区间内
3. 成本：了解每用户平均产生的成本（如果按人头收费）——早期用量小时不重要，但规模化后需要保证每个用户都能盈利定价（算力、带宽、数据存储和标注、安全合规、维护升级等）

定价创新现状：截至该文撰写时，大厂里几乎没有定价模式上的创新，Intercom 的 Fin 是少数例外——采用"按解决量付费"模式（pay-per-resolution），客户只在 Fin 真正解决了对话（客户最看重的结果）时才付费，把价格与终端用户价值直接对齐。