11.5個月。
這是Stripe
平台上前100家AI企業做到100萬美元年化收入所需時間的中位數。作為對比，幾年前增長最快的一批SaaS公司做到同樣的收入，需要超過15個月時間。
收入漲得這麼快，是因為用戶在大量使用AI產品。然而，用戶用得越多，AI企業的成本也漲得越多。大模型每被調用一次，企業就要向模型廠商支付一次Token費用。調用次數越多，企業的Token總支出就越高。
按理說，這一年，Token單價在持續下降，能抵消一部分成本上漲。可是，單價下降只能讓每次調用更便宜，卻擋不住調用次數成倍增加。
於是，很多AI企業發現，收入漲得越快，利潤率反而越低。
問題的根源在收費方式上。很多AI企業沿用的是SaaS時代的定價方式：按月訂閱、按席位收費。
這套方式並沒有錯，但有個前提，那就是，服務用戶的成本基本固定，用戶多付一份訂閱費，企業就多賺一份利潤。
放到AI應用上，這個前提並不成立。因為，SaaS的成本是前置的，多服務一個用戶的邊際成本幾乎為零，而AI應用的成本卻是即時的，每一次對話都在產生Token開銷。一旦收費與成本錯配，重度用戶就成了企業的「虧本生意」。
一家AI企業負責人告訴筆者：「有人每月交的訂閱費，還覆蓋不了他自己燒掉的Token。」
為此，AI企業開始轉向混合定價與按量計費。但在這一過程中，幾類挑戰隨之而來：
其一，Token用量須實時記錄，任何遺漏都會導致賬單誤差；
其二，Token價格隨模型廠商調整而變動，賬單金額須同步更新；
其三，賬單發出後，企業還需完成面向全球客戶的收款。在訂閱制模式下，上述問題並不突出但轉化為按量計費後，各環節均需重建系統。
幫企業出賬和收款，是Stripe的主營業務之一。其訂閱計費產品 Stripe Billing，可支持額度消耗、按結果付費等模式。
不過，AI企業的難題並不僅限於收款。
一方面，用量數據量大、計費規則複雜時，實時計量本身就是工程難題。另一方面，企業想控制成本，還得決定每個請求交給哪個模型，因為同一個請求交給不同模型處理，費用可能相差很大。
巧的是，過去一年，Stripe的兩項收購分別對應了這兩道難題。Stripe AI業務首席營收官Maia Josebachvili在接受至頂網採訪時表示，Stripe收購的Metronome專做用量計費，OpenAI、Anthropic和NVIDIA都是其客戶。今年8月宣布收購的OpenRouter則是一個AI模型網關，開發者可通過一個接口，調用80多家提供商的400多個模型。
Stripe AI業務首席營收官 Maia Josebachvili 在 Stripe Tour Shanghai 進行主題分享
【簡介】Maia Josebachvili現任Stripe AI業務首席營收官，主要負責幫助全球AI公司實現快速的營收與業務增長。
01 低價Token能換來流量，換不來收入
計量和路由之外，Stripe今年3月還推出了Token Billing預覽版，把Token成本直接計入客戶的賬單。它會自動同步主流模型廠商的Token價格，記錄每個客戶的消耗，再按企業設定的加價比例出賬。OpenRouter負責的則是選模型，它根據任務複雜度、價格、速度和可靠性，為每一次請求分配合適的模型，平台每天處理的Token超過10萬億個。
有了這些工具，企業就能把Token成本算清楚，也能把它寫進客戶的賬單。
可是，成本算清楚之後，怎麼用好這些越來越便宜的Token，各家的做法並不一樣。有的企業把降價直接讓給用戶，先用低價API吸引大量用戶，再用這些用戶的使用數據反哺模型訓練，對外稱之為商業和技術的「雙向飛輪」。
然而，這套打法是否可靠，要看低價換來的流量能否變成收入，這也是筆者向Maia提出的第一個問題。
1、在您看來，用低價Token換流量的「雙向飛輪」是否可靠？
Maia：低價Token確實能帶來流量，但流量增長並不意味著價值同步提升，也不能證明整個「飛輪」是健康的。要實現健康的飛輪，前提是必須以可衡量、高質量的價值作為支撐，單純追求規模無法實現這一點。
Stripe的風控數據揭示了這種只追求規模帶來的單位經濟問題。我們的數據顯示，AI企業每6個新註冊帳戶中，就有超過1個與多帳戶濫用相關；六個月內，免費試用濫用行為增長了一倍以上。這些濫用帳戶的每一次調用，消耗的都是企業實際支付的Token成本。
換言之，如果缺乏有效的定價和風控，流量越大，企業承擔的無效成本也就越高。
因此，儘管Token價格持續下降，但對AI企業而言，更重要的課題在於根據產品為客戶創造的價值來定價，並將這套定價邏輯清晰、準確地傳遞給客戶，使其理解付費與所獲價值之間的關係。
也正因為如此，越來越多的企業開始轉向基於用量的計費模式，依據客戶的實際使用量和產品創造的價值收費，而不是銷售固定套餐。對Stripe來說，無論是AI原生企業還是AI驅動型企業，幫助它們建立更靈活、更能體現產品價值的計費模式，始終是我們持續投入的方向。
當然，在收入端建立合理定價的同時，企業在成本端也希望進一步降低每次調用的開銷。OpenRouter連接著模型調用與Token消耗，Stripe連接著支付與收入，兩端打通之後，企業就能把成本和收入放在同一條鏈路上。
2、Stripe收購OpenRouter之後，能否為出海的中國AI企業提供海外模型使用情況的洞察？
Maia：目前收購尚未完成，但從整體看，Stripe一直致力於建設能夠為用戶提供更多選擇的基礎設施，這既包括多樣化的支付方式，也包括企業在線開展業務、實現增長所需的各類工具。我們相信，充分的選擇對於構建健康且富有競爭力的科技生態至關重要。
對出海企業而言，當務之急仍是先釐清自身的收費模式。
02 告別「按帳號收費」，企業開啟定價模式「遷徙」
釐清收費方式的第一步，需要決定用什麼來替代固定訂閱。
目前很多企業採用按量付費的方式，這種方式與Token成本最為貼近，但賬單波動大，客戶做預算難，企業的收入也不好預測。相比之下，固定訂閱的收入較為穩定，但很難覆蓋高頻用戶的使用成本。
1、在訂閱模式和按量計費之間，AI企業目前更傾向於哪種收費方式？
Maia：企業的定價模式正在發生變化，越來越多的企業改為按用量收費，或者採用混合定價模式。
在Stripe平台的「AI 100強」企業中，採用固定訂閱、按帳號收費的企業，占比從去年的40%降到了今年的24%，但混合定價則成了採用率最高的模式之一，同一批企業的採用率從去年的27%升到了今年的41%。
混合定價之所以受歡迎，是因為它在固定收費和按量收費之間找到了平衡：用戶可以每月先付一筆固定費用，包含一定的使用額度，超出的部分，再按實際用量付費。如果完全按量收費，客戶每月花多少錢心裡沒底。對企業來說，客戶超額使用產生的Token成本，也能通過超額收費收回來。
還有一點值得注意，收費方式變了，計費系統也要跟著變。
對此，Stripe的做法是分層：Stripe Billing負責常規的訂閱和按量計費；Metronome已作為Stripe Billing的附加產品，服務用量大、計費規則複雜的企業。據統計，Metronome每秒可處理超過10萬次用量記錄。
2、從訂閱制遷移到混合計費、按量收費模式，企業需要具備哪些基礎？
Maia：在調整收費方式的過程中，企業需要一套適應「Token經濟」的新型基礎設施：不僅要能進行實時計量用量、生成賬單，還要把成本和費用清楚地告訴客戶，並完成收款和付款。
這是一整套能力，從零搭建非常複雜，所以很多AI企業選擇直接使用Metronome。如果企業想按結果收費，比如「解決一個工單」「完成一項任務」收一次錢，那麼Metronome可以提供相應的計量方案。
當然，這只是工具層面的助力，企業自身還需要找到適合自己的收費模式。我們發現，部分企業會先上線混合定價，同時嘗試其他收費方式，邊試邊調整，逐步摸索出最適合自己的收費模式。
03 三年120個市場，中國AI企業「生而全球化」
儘管收費模式可以邊試邊調整，但留給AI企業試錯的時間卻越來越短。
在SaaS時代，一家企業從起步到做大規模、從國內市場走向海外，通常有比較充裕的時間，定價可以慢慢摸索。現在，這段時間正在被明顯壓縮。
1、過去一年，AI企業在商業化過程中，有哪些變化超出了您的預期？
Maia：技術的發展一方面加快了企業出海的步伐，另一方面也在改變傳統SaaS公司的業務邏輯。Stripe平台上的頭部AI企業，達成收入里程碑的速度明顯快於幾年前的SaaS公司。使用Stripe的前100家AI企業，做到500萬美元年化收入的時間中位數是24個月，而以往增長最快的一批SaaS企業則需要37個月。
另一個明顯的變化是，很多AI企業從創立之初就面向全球市場，擴張速度遠快於傳統SaaS公司。過去，即便是表現最好的SaaS公司，三年內通常只能把產品賣到約50個國家；現在，優秀的AI公司三年內就能進入約120個國家和地區。
在這股全球化擴張的浪潮中，中國AI企業的增長尤其突出。
2、從Stripe的視角看，哪些方向的中國AI企業增長最快？
Maia：從基礎模型到應用層產品，各個領域的中國AI企業都在快速增長。
在Stripe平台上，中國AI企業的支付交易額增速高於全球AI企業的平均水平。Stripe平台的AI 100強企業中，每7家就有1家來自中國。比如，月之暗面、MiniMax、Manus 等一眾出色的 AI 公司都和Stripe保持著緊密合作，我們也很高興看到，包括Kimi在內的中國大模型藉助Stripe實現了快速的全球增長。
這其中，增長較快的AI企業大多集中在使用頻率高、用戶願意付費的幾類產品上：消費級AI和娛樂陪伴類產品，有MiniMax的Talkie和字節跳動的豆包；生產力與知識類產品，有Kimi和各類Vibe Coding產品；企業級AI和基礎模型平台，有智譜和WaveSpeed。
一個有意思的例子是，MiniMax只用了兩名工程師、兩周時間就完成了Stripe接入，現在已經能接收來自100多個國家和地區的付款。
AI影片生成賽道同樣增長迅猛，AI短劇行業是其中的突出代表。井英科技（Creative Fitting）旗下Reel.AI產出的短劇，內容完全由AI生成。這家企業僅用兩天便完成Stripe接入；出海之後，依託Stripe的訂閱管理、定價測試與支付數據分析能力，快速摸清海外用戶願意為什麼樣的內容付費。
AI硬體同樣勢頭強勁。國內的生產力類AI，正加速與能夠採集、解析環境資訊的AI硬體結合。
產品疊代快、出海落地快，但商業化收費模式往往跟不上節奏，這一矛盾在中國AI企業身上表現得尤為突出。
在收費模式轉型這件事上，國內企業仍處在早期階段。過去半年，美國市場已經發生明顯變化，福布斯AI 50強榜單里，已有三分之二企業落地按用量計費模式。而在中國，還有大量企業還停留在要不要收費轉型的權衡階段，按用量計費的方式仍有很大的拓展空間。
不過，近期我和不少來自中國的AI企業負責人交流，能看到行業已經在思考轉型路徑，我相信未來會有更多中國AI企業進行收費模式的遷移。
04 寫在最後：讓價格重新傳遞資訊
哈耶克在《知識在社會中的運用》中提出，價格最重要的作用是傳遞資訊。買賣雙方不需要彼此了解，只要看價格，就能各自做出合理的決策。
用這個視角看AI企業的定價困境，問題就清楚了。
在固定訂閱模式下，用戶付完月費，多用一次不用多花錢，自然不會節制；企業對所有人收同一個價格，也分不清哪些用戶在創造價值、哪些用戶在消耗成本。價格失去了傳遞資訊的作用，就給了濫用帳戶可乘之機。更麻煩的是，Token降價並不能緩解這個問題。
傑文斯早在19世紀就發現，資源用得越省、越便宜，總消耗往往越多，Token亦是如此。
那麼，價格該怎麼定？
經濟學家Walter Oi在1971年研究「迪士尼樂園該怎麼收費」時給出過答案，那就是兩部定價：先收一筆入場費，再對每個項目單獨收費。AI企業如今採用的混合定價，正是這個思路，月費相當於入場費，超出額度的部分按用量收費，價格因此重新和成本掛上了鉤。
不過，經濟學家羅納德·科斯也提醒過，價格機制本身是有使用成本的。
所以，如果計量太難、賬單太複雜、跨境收款太麻煩，企業寧可採用簡單方便的套餐模式。
而Stripe的價值，正在於降低這些複雜度，Billing、Metronome和Token Billing負責計量、出賬和收款，待收購完成後，OpenRouter則可以幫助企業在調用環節控制開銷。
對於正在出海和即將出海的中國AI企業來說，定價模式可以邊試邊調，但這套基礎設施，或許需要儘早搭好。
