订阅疲劳：AI 工具从「无限用」走向「算力计价」

过去两年，AI 产品的定价逻辑是”用固定月费换订阅增长”：20 美元一个月，随便用。这个模式在 2026 年正在被重新书写。越来越多的产品开始限制次数、引入积分、按算力计费，或者干脆按结果收费。

这不是厂商想多赚钱那么简单，而是成本结构逼出来的必然。

为什么”无限用”撑不住了

AI 产品的边际成本与 SaaS 有本质区别。传统 SaaS 服务一个额外用户的成本接近于零，所以”无限用”只是在让利。AI 产品每多一次调用，都要付真实的推理成本，而且重度用户和轻度用户的成本可能相差百倍。

更麻烦的是 Agent 场景。一个单轮对话可能消耗几千 token，而一个深度任务（检索、多步推理、调用工具、生成报告）能吃掉几十万甚至上百万 token。固定月费遇到 Agent，等于把成本风险完全留给了厂商。

还有一个容易被忽略的因素：推理阶段的算力消耗在上升。模型越来越倾向于”先想再答”，思考过程本身也计费。同一个产品在 2024 年和 2026 年，跑完同样任务的实际成本可能差别很大。

三种定价模式，各有各的代价

积分制。 最流行，也最容易被用户困惑。“每次操作消耗 X 积分”——用户无法预估成本，于是倾向于保守使用，反而降低了产品价值感。好的积分制需要做到”完成常见任务大概消耗多少”的明确指引。

按 token 计费。 对开发者和专业用户最友好，可预测、可优化。但对普通用户几乎不可理解，把成本转译工作完全丢给了用户。

按结果计费。 最符合商业直觉，也最能体现 AI 的价值——解决了多少工单、处理了多少张单据。难点在归因：一个客服问题解决了没有、一次营销邮件转化了多少，往往短期内无法确认。结果计价对能闭环、可度量的场景最适用，对探索性场景基本无效。

混合模式正在成为主流：基础订阅包含一定额度，超出按量。这个模式的成败几乎完全取决于”额度定得对不对”——额度太高厂商亏，太低用户体验被切断。

对个人用户意味着什么

1. 多工具替代单一全能工具。 与其买一个”什么都能干”的昂贵产品，不如组合两三个专注工具，总成本更低。
2. 任务分层。 耗时长的思考型任务和一次性的小任务，用不同工具，甚至用不同模型。很多日常问答完全不需要用最强的模型。
3. 关注计费单位，而不是价格标签。 20 美元/月可能是 500 次高质量对话，也可能是 100 次——要看”完成一件我做的工作需要多少次数”。

对企业采购意味着什么

最实际的一条：要求提供用量分析。签约前问清楚三件事——按什么单位计费、额度用尽的体验是什么（降级还是中断）、能否导出用量明细。做不到这三点的产品，规模化后会变成一笔糊涂账。

第二，把 AI 成本纳入项目预算，而不是当作”软件费”。AI 费用具有明显的变动成本特征，随使用量线性增长（甚至超出线性）。如果按固定 IT 支出做预算，年中一定会爆表。

第三，关注退出成本。计费模式频繁变动的市场里，把业务逻辑深绑在一个特定 API 上是高风险的。保持可替换性本身就是省钱。

一个可能的走向

定价混乱的阶段，往往预示着一个东西正在变成基础设施。电力、带宽、云存储都走过这条路：先是按量计价让人抓狂，然后出现包月套餐，最后趋于透明稳定。

AI 推理大概率也会落到类似位置——基础能力变成近乎免费的水电，价值集中在”解决具体问题”的上层。对产品团队而言，这意味着护城河不在模型能力里，而在你懂不懂那个具体场景。对用户而言，这意味着现在多花的钱，很多花在了”被测试的商业模式”上，选工具时多问一句单位成本，比追逐最新发布更划算。