作者毛烁11.5个月。这是Stripe平台上前100家AI企业做到100万美元年化收入所需时间的中位数。作为对比几年前增长最快的一批SaaS公司做到同样的收入需要超过15个月时间。收入涨得这么快是因为用户在大量使用AI产品。然而用户用得越多AI企业的成本也涨得越多。大模型每被调用一次企业就要向模型厂商支付一次Token费用。调用次数越多企业的Token总支出就越高。按理说这一年Token单价在持续下降能抵消一部分成本上涨。可是单价下降只能让每次调用更便宜却挡不住调用次数成倍增加。于是很多AI企业发现收入涨得越快利润率反而越低。问题的根源在收费方式上。很多AI企业沿用的是SaaS时代的定价方式按月订阅、按席位收费。这套方式并没有错但有个前提那就是服务用户的成本基本固定用户多付一份订阅费企业就多赚一份利润。放到AI应用上这个前提并不成立。因为SaaS的成本是前置的多服务一个用户的边际成本几乎为零而AI应用的成本却是即时的每一次对话都在产生Token开销。一旦收费与成本错配重度用户就成了企业的“亏本生意”。一家AI企业负责人告诉笔者“有人每月交的订阅费还覆盖不了他自己烧掉的Token。”为此AI企业开始转向混合定价与按量计费。但在这一过程中几类挑战随之而来其一Token用量须实时记录任何遗漏都会导致账单误差其二Token价格随模型厂商调整而变动账单金额须同步更新其三账单发出后企业还需完成面向全球客户的收款。在订阅制模式下上述问题并不突出但转化为按量计费后各环节均需重建系统。帮企业出账和收款是Stripe的主营业务之一。其订阅计费产品 Stripe Billing可支持额度消耗、按结果付费等模式。不过AI企业的难题并不仅限于收款。一方面用量数据量大、计费规则复杂时实时计量本身就是工程难题。另一方面企业想控制成本还得决定每个请求交给哪个模型因为同一个请求交给不同模型处理费用可能相差很大。巧的是过去一年Stripe的两项收购分别对应了这两道难题。Stripe AI业务首席营收官Maia Josebachvili在接受至顶网采访时表示Stripe收购的Metronome专做用量计费OpenAI、Anthropic和NVIDIA都是其客户。今年8月宣布收购的OpenRouter则是一个AI模型网关开发者可通过一个接口调用80多家提供商的400多个模型。Stripe AI业务首席营收官 Maia Josebachvili 在 Stripe Tour Shanghai 进行主题分享【简介】Maia Josebachvili现任Stripe AI业务首席营收官主要负责帮助全球AI公司实现快速的营收与业务增长。01 低价Token能换来流量换不来收入计量和路由之外Stripe今年3月还推出了Token Billing预览版把Token成本直接计入客户的账单。它会自动同步主流模型厂商的Token价格记录每个客户的消耗再按企业设定的加价比例出账。OpenRouter负责的则是选模型它根据任务复杂度、价格、速度和可靠性为每一次请求分配合适的模型平台每天处理的Token超过10万亿个。有了这些工具企业就能把Token成本算清楚也能把它写进客户的账单。可是成本算清楚之后怎么用好这些越来越便宜的Token各家的做法并不一样。有的企业把降价直接让给用户先用低价API吸引大量用户再用这些用户的使用数据反哺模型训练对外称之为商业和技术的“双向飞轮”。然而这套打法是否可靠要看低价换来的流量能否变成收入这也是笔者向Maia提出的第一个问题。1、在您看来用低价Token换流量的“双向飞轮”是否可靠Maia低价Token确实能带来流量但流量增长并不意味着价值同步提升也不能证明整个“飞轮”是健康的。要实现健康的飞轮前提是必须以可衡量、高质量的价值作为支撑单纯追求规模无法实现这一点。Stripe的风控数据揭示了这种只追求规模带来的单位经济问题。我们的数据显示AI企业每6个新注册账户中就有超过1个与多账户滥用相关六个月内免费试用滥用行为增长了一倍以上。这些滥用账户的每一次调用消耗的都是企业实际支付的Token成本。换言之如果缺乏有效的定价和风控流量越大企业承担的无效成本也就越高。因此尽管Token价格持续下降但对AI企业而言更重要的课题在于根据产品为客户创造的价值来定价并将这套定价逻辑清晰、准确地传递给客户使其理解付费与所获价值之间的关系。也正因为如此越来越多的企业开始转向基于用量的计费模式依据客户的实际使用量和产品创造的价值收费而不是销售固定套餐。对Stripe来说无论是AI原生企业还是AI驱动型企业帮助它们建立更灵活、更能体现产品价值的计费模式始终是我们持续投入的方向。当然在收入端建立合理定价的同时企业在成本端也希望进一步降低每次调用的开销。OpenRouter连接着模型调用与Token消耗Stripe连接着支付与收入两端打通之后企业就能把成本和收入放在同一条链路上。2、Stripe收购OpenRouter之后能否为出海的中国AI企业提供海外模型使用情况的洞察Maia目前收购尚未完成但从整体看Stripe一直致力于建设能够为用户提供更多选择的基础设施这既包括多样化的支付方式也包括企业在线开展业务、实现增长所需的各类工具。我们相信充分的选择对于构建健康且富有竞争力的科技生态至关重要。对出海企业而言当务之急仍是先厘清自身的收费模式。02 告别“按账号收费”企业开启定价模式“迁徙”厘清收费方式的第一步需要决定用什么来替代固定订阅。目前很多企业采用按量付费的方式这种方式与Token成本最为贴近但账单波动大客户做预算难企业的收入也不好预测。相比之下固定订阅的收入较为稳定但很难覆盖高频用户的使用成本。1、在订阅模式和按量计费之间AI企业目前更倾向于哪种收费方式Maia企业的定价模式正在发生变化越来越多的企业改为按用量收费或者采用混合定价模式。在Stripe平台的“AI 100强”企业中采用固定订阅、按账号收费的企业占比从去年的40%降到了今年的24%但混合定价则成了采用率最高的模式之一同一批企业的采用率从去年的27%升到了今年的41%。混合定价之所以受欢迎是因为它在固定收费和按量收费之间找到了平衡用户可以每月先付一笔固定费用包含一定的使用额度超出的部分再按实际用量付费。如果完全按量收费客户每月花多少钱心里没底。对企业来说客户超额使用产生的Token成本也能通过超额收费收回来。还有一点值得注意收费方式变了计费系统也要跟着变。对此Stripe的做法是分层Stripe Billing负责常规的订阅和按量计费Metronome已作为Stripe Billing的附加产品服务用量大、计费规则复杂的企业。据统计Metronome每秒可处理超过10万次用量记录。2、从订阅制迁移到混合计费、按量收费模式企业需要具备哪些基础Maia在调整收费方式的过程中企业需要一套适应“Token经济”的新型基础设施不仅要能进行实时计量用量、生成账单还要把成本和费用清楚地告诉客户并完成收款和付款。这是一整套能力从零搭建非常复杂所以很多AI企业选择直接使用Metronome。如果企业想按结果收费比如“解决一个工单”“完成一项任务”收一次钱那么Metronome可以提供相应的计量方案。当然这只是工具层面的助力企业自身还需要找到适合自己的收费模式。我们发现部分企业会先上线混合定价同时尝试其他收费方式边试边调整逐步摸索出最适合自己的收费模式。03 三年120个市场中国AI企业“生而全球化”尽管收费模式可以边试边调整但留给AI企业试错的时间却越来越短。在SaaS时代一家企业从起步到做大规模、从国内市场走向海外通常有比较充裕的时间定价可以慢慢摸索。现在这段时间正在被明显压缩。1、过去一年AI企业在商业化过程中有哪些变化超出了您的预期Maia技术的发展一方面加快了企业出海的步伐另一方面也在改变传统SaaS公司的业务逻辑。Stripe平台上的头部AI企业达成收入里程碑的速度明显快于几年前的SaaS公司。使用Stripe的前100家AI企业做到500万美元年化收入的时间中位数是24个月而以往增长最快的一批SaaS企业则需要37个月。另一个明显的变化是很多AI企业从创立之初就面向全球市场扩张速度远快于传统SaaS公司。过去即便是表现最好的SaaS公司三年内通常只能把产品卖到约50个国家现在优秀的AI公司三年内就能进入约120个国家和地区。在这股全球化扩张的浪潮中中国AI企业的增长尤其突出。2、从Stripe的视角看哪些方向的中国AI企业增长最快Maia从基础模型到应用层产品各个领域的中国AI企业都在快速增长。在Stripe平台上中国AI企业的支付交易额增速高于全球AI企业的平均水平。Stripe平台的AI 100强企业中每7家就有1家来自中国。比如月之暗面、MiniMax、Manus 等一众出色的 AI 公司都和Stripe保持着紧密合作我们也很高兴看到包括Kimi在内的中国大模型借助Stripe实现了快速的全球增长。这其中增长较快的AI企业大多集中在使用频率高、用户愿意付费的几类产品上消费级AI和娱乐陪伴类产品有MiniMax的Talkie和字节跳动的豆包生产力与知识类产品有Kimi和各类Vibe Coding产品企业级AI和基础模型平台有智谱和WaveSpeed。一个有意思的例子是MiniMax只用了两名工程师、两周时间就完成了Stripe接入现在已经能接收来自100多个国家和地区的付款。AI视频生成赛道同样增长迅猛AI短剧行业是其中的突出代表。井英科技Creative Fitting旗下Reel.AI产出的短剧内容完全由AI生成。这家企业仅用两天便完成Stripe接入出海之后依托Stripe的订阅管理、定价测试与支付数据分析能力快速摸清海外用户愿意为什么样的内容付费。AI硬件同样势头强劲。国内的生产力类AI正加速与能够采集、解析环境信息的AI硬件结合。产品迭代快、出海落地快但商业化收费模式往往跟不上节奏这一矛盾在中国AI企业身上表现得尤为突出。在收费模式转型这件事上国内企业仍处在早期阶段。过去半年美国市场已经发生明显变化福布斯AI 50强榜单里已有三分之二企业落地按用量计费模式。而在中国还有大量企业还停留在要不要收费转型的权衡阶段按用量计费的方式仍有很大的拓展空间。不过近期我和不少来自中国的AI企业负责人交流能看到行业已经在思考转型路径我相信未来会有更多中国AI企业进行收费模式的迁移。04 写在最后让价格重新传递信息哈耶克在《知识在社会中的运用》中提出价格最重要的作用是传递信息。买卖双方不需要彼此了解只要看价格就能各自做出合理的决策。用这个视角看AI企业的定价困境问题就清楚了。在固定订阅模式下用户付完月费多用一次不用多花钱自然不会节制企业对所有人收同一个价格也分不清哪些用户在创造价值、哪些用户在消耗成本。价格失去了传递信息的作用就给了滥用账户可乘之机。更麻烦的是Token降价并不能缓解这个问题。杰文斯早在19世纪就发现资源用得越省、越便宜总消耗往往越多Token亦是如此。那么价格该怎么定经济学家Walter Oi在1971年研究“迪士尼乐园该怎么收费”时给出过答案那就是两部定价先收一笔入场费再对每个项目单独收费。AI企业如今采用的混合定价正是这个思路月费相当于入场费超出额度的部分按用量收费价格因此重新和成本挂上了钩。不过经济学家罗纳德·科斯也提醒过价格机制本身是有使用成本的。所以如果计量太难、账单太复杂、跨境收款太麻烦企业宁可采用简单方便的套餐模式。而Stripe的价值正在于降低这些复杂度Billing、Metronome和Token Billing负责计量、出账和收款待收购完成后OpenRouter则可以帮助企业在调用环节控制开销。对于正在出海和即将出海的中国AI企业来说定价模式可以边试边调但这套基础设施或许需要尽早搭好。