AI应用定价新趋势:按次收费!
小伙伴们对科技周边编程感兴趣吗?是否正在学习相关知识点?如果是,那么本文《AI应用定价新趋势:按次收费!》,就很适合你,本篇文章讲解的知识点主要包括。在之后的文章中也会多多分享相关知识点,希望对大家的知识积累有所帮助!
不少风投资本发现,人工智能初创公司正在采用全新的商业模式——基于使用情况的定价(usage-based pricing),而非坚持传统的按用户来收费(或称基于席位的定价模型)。
根据美国科技媒体的总结,初创公司Cresta最初采用用户付费模式,但现在已转向按照其人工智能工具帮助联络中心员工进行的每一次对话收费
客户服务公司Intercom曾于3月发布了人工智能聊天机器人Fin,为其能够解决的每个客户请求定价为99美分,有别于该公司按用户收费的核心客户服务产品。
研究表达交流的实验室和人工智能初创公司Hume AI,旨在利用人工智能技术、根据语调和面部表情来分析人们的情绪变化,也开始按照每分钟、每个注释和单词量来收费。 重新写为:Hume AI是一家专注于研究表达交流的实验室和人工智能初创公司。他们利用人工智能技术,通过分析语调和面部表情来了解人们的情绪变化。此外,他们还开始根据每分钟、每个注释和单词量来收费
根据公开资料显示,基于使用量的定价(UBP),也被称为基于消费的定价,是一种模型,它允许客户根据实际使用量来支付费用。衡量使用情况的指标对应着客户从产品中获得价值的方式
目前,UBP定价方式在“软件即服务”(SaaS)领域越来越流行,正逐渐取代更传统的基于订阅和用户席位数的定价模式。由于UBP将客户支付的价格与其收到的产品价值直接联系起来,这种定价方式被评价为“将成为基于价值定价模型的代名词”(value-based pricing)。
风投IVP(Institutional Venture Partners)的合伙人Karthik Ramakrishnan便称,基于使用情况的定价模型,可以帮助AI初创公司将产品定价与其实际提供的价值更紧密地联系起来,后者的衡量标准可以是他们为客户节省的时间和工作量。
但相比于传统的按用户席位收费来说,基于使用量来定价(也可以称为按使用次数收费)可能无法将客户锁定在能够产生更可预测收入流的套餐中,专注于企业AI的上市公司、人工智能应用程序开发商C3.ai在转向UBP定价时,便遭遇了收入和毛利率一直在波动的困境。
目前,根据使用情况的定价模型大致可以分为三种:
现用现付是一种付款方式,客户只需要根据实际使用或消费的内容进行支付。这种方式非常适合那些业务需求波动较大的公司
按单位定价(per-unit pricing),客户根据以单位计数的资源使用情况付费,提供更精细服务的云供应商偏爱这种模式;
分级定价(tiered pricing),客户可以选择适合自己需求的级别,使用量超过限额将升级到下一档级别和更高的定价。通常会有一个免费套餐共启动使用。
重新写成:基于使用情况定价,也称为“计量服务”(metered services),在实际生活中类似于从公用事业公司购买电力或水的计量服务模式。这种定价模型最初受到SaaS和“基础设施即服务”(IaaS)云供应商的青睐,通过允许客户以自然的方式使用服务,并且无需预先支付费用来订阅,从而留住客户
UBP定价的优点在于,通过定价模型的透明度,更轻松地将客户的使用成本与供应商的资源消耗直接挂钩。对于用户来说,可以用相对较低的成本开始使用产品,最大限度地减少采用阻力。对于供应商来说,允许更多用户在同一个账户内访问产品,能催生更多新的用例,甚至鼓励一组用户与公司内部的其他潜在用户或外部组织分享经验,进而扩大总目标市场(TAM)。
在缺点方面,这种定价模式依赖的是客户多变的需求,可能令供应商预测财务数据和获得可持续的经常性收入更为困难,甚至会损害企业的长期增长。但是数据显示,过去五年中,B2B的SaaS领域对UBP定价采用率几乎翻了一倍,五分之三的公司正在使用某种形式的UBP策略。

另一位风险投资公司Menlo Ventures的合伙人Naomi Pilosof Ionita指出,人工智能初创公司除了需要以更快的策略向潜在客户证明其价值,还可能因为提高客户员工的效率而导致客户最终雇佣更少的员工。这意味着在传统的订阅模式下,为人工智能公司带来收入的用户数量会减少
上述种种原因都令AI初创公司更愿意尝试新的定价模式。同时,在当下的宏观经济挑战中,企业客户越来越多地裁员和削减支出,并需要更长时间才能做出软件购买决策,基于使用情况的定价可能更容易让企业接受,因为它允许客户随着时间的推移灵活调整支出。
还有分析指出,UBP定价的兴起和逐渐普及,与技术本身的发展特点息息相关:
自动化:随着软件的不断发展,越来越多的手动流程得以自动化实现。尽管产品的成功程度越高,客户所需的用户席位就越少,但根据用户席位来定价并不能随着自动化所带来的价值而变化
人工智能的发展使得自动化程度更进一步,最终消除了整个团队持续执行任务的需求,从而使货币化不再仅仅与产品的人类用户相关联
对于许多发展最快的软件公司来说,API(应用程序接口)的价值远远超过UI(用户界面)。API使软件能够与其他软件进行直接对话,而无需依赖用户界面来展示其价值
以上就是本文的全部内容了,是否有顺利帮助你解决问题?若是能给你带来学习上的帮助,请大家多多支持golang学习网!更多关于科技周边的相关知识,也可关注golang学习网公众号。
利用高斯混合模型对多模态分布进行分解
- 上一篇
- 利用高斯混合模型对多模态分布进行分解
- 下一篇
- 微软荣登《时代》杂志2023年度最佳公司榜首
-
- 科技周边 · 人工智能 | 10小时前 |
- Tokenizer padding_side 影响批量生成的对齐
- 206浏览 收藏
-
- 科技周边 · 人工智能 | 12小时前 | python · 人工智能 · 数据迭代 Hugging Face Datasets streaming IterableDataset 大语料
- Datasets streaming 读取大语料的迭代方式
- 337浏览 收藏
-
- 科技周边 · 人工智能 | 15小时前 | python · Transformers generate 停止条件 批量输出
- Transformers generate 的停止条件与批量输出
- 133浏览 收藏
-
- 科技周边 · 人工智能 | 17小时前 | 人工智能 · LoRa 显存优化 bitsandbytes QLoRA 4-bit量化
- bitsandbytes 量化模型配合 LoRA 训练的显存边界
- 249浏览 收藏
-
- 科技周边 · 人工智能 | 19小时前 | 人工智能 · LoRa PEFT load_adapter set_adapter 适配器切换
- PEFT LoRA 适配器按任务切换的加载方案
- 268浏览 收藏
-
- 科技周边 · 人工智能 | 21小时前 | 人工智能 · LoRa PEFT merge_and_unload 适配器合并
- PEFT 适配器合并后为什么输出会变化
- 221浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- Tokenizer 左填充和右填充应该怎么选
- 399浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- Safetensors 为什么支持按需读取权重切片
- 258浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- MLflow Model Alias 怎么替代固定版本号部署
- 360浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | 索引优化 · 向量数据库 · 向量检索 FAISS Index Factory IVF PQ
- FAISS Index Factory 字符串怎么组合索引结构
- 100浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- 知识库切片重叠率怎么影响检索结果
- 268浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 263次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 311次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 291次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 267次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 80次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览
