如果只看各家產品的價格頁面，AI產品定價目前非常分散。
Amazon Nova、Gemini等模型按照詞元（Token）收費。Microsoft 365 Copilot按照使用者和月份收費。GitHub Copilot在訂閱之外增加AI積分。Salesforce Agentforce開始按照智能體（Agent）動作消耗Flex Credits。UiPath則使用Platform Units統一計量模型呼叫、智能體、流程和文件處理。
那麼當AI從一個模型逐漸進入終端產品、軟體和業務流程，客戶究竟在為什麼付錢？
我整理了25家公司的97項有效產品定價記錄，有40項採用純按量或按交易收費，17項採用訂閱或席位疊加用量、積分，有8項採用企業合同疊加用量或服務。25家公司中，21家至少擁有一項純按量產品，24家同時使用兩種以上計費方式。
而且不同產品層級之間的差異更明顯。
模型和API大量按照Token、請求和計算資源收費。消費者產品更多出售會員和使用額度。程式設計工具保留訂閱/席位收費，同時開始增加用量收費。到了Agent和工作流，Flex Credits、Action、Platform Unit、Computer Credits等新的單位開始出現。
這組資料說明，AI產品的收費單位與客戶實際購買的東西高度相關。越靠近底層模型，價格越容易對應技術資源。越接近具體工作，廠商越需要把複雜的模型消耗轉換成客戶能夠理解和管理的使用單位。
模型API的計費單位離算力最近
29項模型和API產品中，有24項採用純按量收費，佔83%左右。
Amazon Nova Lite的公開價格直接拆成輸入Token和輸出Token。Gemini API會根據模型、服務等級和輸入輸出分別定價。阿里通義千問、百度文心等模型也採用類似方式。模型之外，計費單位還可以進一步變成請求次數、GPU小時、實例、預留容量、圖像、視訊或者其他技術資源。
對於這一層產品來說，客戶購買的本身就是模型呼叫或者計算能力。
開發者知道呼叫了多少模型，企業也可以把Token、請求和計算資源接進自己的成本核算。供應商直接按照技術資源收費並不會增加太多客戶理解成本。
因此，模型價格競爭經常的焦點會直接落到每百萬Token多少錢、輸入多少錢、輸出多少錢、快取多少錢。但這種定價方式到了消費者、程式設計工具等這些終端產品就沒有那麼合適了。
普通使用者購買一個AI助手，不會因為今天少消耗了20萬個Token，就認為這個月應該少付兩美元。程式設計師購買程式設計助手，也不會按照每次程式碼補全實際呼叫了多少Token來判斷產品價值。
AI進入終端產品以後，客戶購買的東西開始發生變化，計費單位也隨之改變。
消費者和程式設計工具仍然大量使用訂閱
消費者類產品大部分採用訂閱模式，或者訂閱疊加額度。
百度文庫AI權益、Kimi會員、MiniMax相關消費者產品等，都更接近傳統會員體系。使用者按月或者按周期付費，再獲得模型、功能和一定使用額度。
消費者購買的是一段時間內持續使用AI產品的權利。至於一次對話究竟呼叫了多少模型、生成圖片消耗了多少計算資源，大部分情況下並不會直接出現在使用者帳單裡。
程式設計工具也沒有因為AI成本可計量，就全面放棄傳統軟體的訂閱模式。大部分還是採用訂閱、席位，或者訂閱再疊加使用量和積分。
GitHub Copilot就是一個典型案例。產品仍然以月度訂閱為基礎，個人和企業按照不同套餐購買使用權。隨著高階模型和智能體使用增加，又在固定訂閱之上加入AI Credits。Amazon Q Developer同樣按照使用者收費，同時對部分超額使用單獨計量。
這類產品需要同時處理兩個問題。
一方面，使用者購買的是一個完整軟體產品，包括程式碼補全、對話、程式碼審查、開發環境整合和智能體能力，按使用者收費依然很自然。
另一方面，不同使用者帶來的模型成本差異越來越大。一個開發者可能主要使用程式碼補全，另一個開發者則會長時間讓智能體讀取程式碼庫、呼叫模型、修改檔案和執行任務。如果所有人繼續支付完全相同的固定費用，重度使用帶來的推理成本會越來越難處理。
因此，固定訂閱和用量收費開始疊加。訂閱負責產品訪問，用量負責高強度AI消費。
Agent把Token換成客戶能理解的工作量
Agent和工作流是目前計費方式最分散的一層。
統計的13項產品中有7項採用純按量收費，但具體單位已經同時出現Token、資料庫計算單元、Flex Credits、動作、Platform Units和Computer Credits。
Salesforce Agentforce已經不要求客戶直接面對底層模型Token。Flex Credits公開價格為每10萬個500美元，一個標準動作消耗20個Credits，對應約0.10美元。語音動作消耗更多Credits。與此同時，Salesforce還保留按對話收費以及按使用者收費的Agentforce產品。
Workday進一步把企業裡的具體工作轉換成Flex Credits。例如Self-Service Agent可以按照Action計量，招聘場景中的簡歷評分按每份簡歷消耗Credits，人才重新發現等更複雜工作又對應另一套費率。不同任務背後可以呼叫完全不同數量的模型、資料和工具，但客戶面對的是工作本身對應的積分消耗。
UiPath採取了類似思路。它用Platform Units統一計量模型呼叫、智能體、Maestro流程和文件處理。一項完整自動化任務可能同時消耗模型、流程、頁面處理和其他資源，但企業最終可以在同一套Units裡管理。
Perplexity Computer則使用Computer Credits，根據電腦任務的複雜程度消耗不同額度。
這些產品共同反映出一個變化。AI進入業務流程以後，直接按照Token收費開始變得越來越難用。
一個招聘經理關心的是篩選了多少份簡歷，一個客服部門關心的是Agent處理了多少任務，一個財務團隊關心的是多少流程被自動執行。他們很難根據“完成這項工作呼叫了多少百萬Token”來判斷預算是否合理。因此，相關企業開始在技術資源和業務使用之間加一層新的計量單位。
Token計算仍然存在於後台，但客戶看到的帳單則逐漸變成動作、積分、流程和任務。Credits正是在這一步開始大量出現。
Credits正在成為 Token消耗與實際工作之間的換算層
Salesforce有Flex Credits，Workday使用Flex Credits，UiPath有Platform Units，Perplexity有Computer Credits，程式設計工具也越來越多加入AI Credits。
這些單位名稱相似，實際規則並不相同，也無法直接相互換算。
一個Agent完成一項任務，後台可能同時消耗模型呼叫、資料庫查詢、搜尋、文件處理和外部工具。直接把這些資源逐項展示給企業，既難採購，也難預算。
Credits的作用，就是把不同底層資源先折算成一種統一單位，再按照動作、任務或者業務場景扣減。
對企業來說，它比直接管理幾十種Token、查詢和工具價格簡單。對AI產品供應商來說，它也留下了調整底層模型的空間。只要對客戶承諾的Credit規則不變，後台可以更換模型、最佳化推理或者重新組合工具，而不用每次都重新設計產品價格。
Credits改變的並不是AI實際消耗了多少技術資源，而是客戶看到和管理這些消耗的方式。
但Credits目前仍然主要解決工作量如何計量這個問題。一個Agent完成20個動作，不代表一定解決了一個客戶問題。系統篩選100份簡歷，也不等於成功招聘一名員工。一個自動化流程被執行，也不直接等於公司獲得了多少收入或者節約了多少成本。它還沒有普遍走到按照最終業務結果收費，這個是我覺得未來比較合理的計費方式。
AI產品正在形成 “固定費用＋實際使用”的混合收費
單一收費方式越來越難覆蓋一家公司的全部AI產品。25家公司中，24家已經同時採用至少兩種計費模式。
Microsoft既有按席位收費的Microsoft 365 Copilot，也有按量收費的Foundry，還有訂閱疊加AI Credits的GitHub Copilot。Salesforce同時存在固定席位、Flex Credits、對話收費和企業合同。ServiceNow保留企業軟體訂閱，同時使用Assist等消費權益。UiPath既有平台和使用者許可，也有Platform Units。
同一家公司內部同時出現這些模式，反映的是AI產品本身存在兩類費用。
第一類相對固定。帳戶、軟體權限、安全、治理、企業整合和持續訪問，並不會因為使用者今天多問了十個問題就重新定價。這部分繼續適合按席位、套餐或者企業合同收費。
第二類隨實際工作量變化。模型呼叫、生成內容、智能體動作、流程執行和資料處理都會產生持續資源消耗，這部分更適合按照用量收費。
所以越來越多AI產品形成了類似的結構。先為產品和訪問權付一筆相對固定的費用，再為高強度使用支付可變費用。
這種方式同時解決了兩邊的實際需求。
企業客戶需要預算可預測。如果AI帳單完全跟隨Token波動，一個部門很難提前確定全年預算。AI產品供應商又需要控制重度使用帶來的成本。如果所有使用者都支付固定席位費，而Agent可以持續運行幾個小時，軟體收入和推理成本之間可能越來越脫節。
固定費用加實際用量，成為目前很多AI軟體在兩者之間的折中。 (清見涵AI產業觀察)