隨著競爭、市場主導權爭奪和高昂的計算成本帶來相互沖突的壓力，一些AI提供商每個月都在調整其定價費率或模型。
圖片來源：Rob Schultz / Shutterstock
據行業(yè)觀察人士稱，AI供應商正在試驗定價費率和模型，這為部署該技術的企業(yè)CIO們帶來了成本上的不確定性。?計費軟件供應商Chargebee的市場推廣策略總裁Brian Clark表示，雖然許多AI供應商已轉向結合了訂閱與基于使用量或成果定價的混合定價模型，但這些策略并非一成不變。 Clark說，在某些情況下，AI供應商每隔幾周就會改變他們的定價費率或模型，他們將敏捷開發(fā)理念應用于定價，采用敏捷的產品貨幣化實踐，包括按角色和產品進行有針對性的定價。
例如，Clark指出，CRM巨頭Salesforce已為其Agentforce AI產品線提供了多種定價模型。
“表現最好的公司每30天不止一次地改變定價，這就是敏捷產品定價，”他說?！懊艚莸呢泿呕仨毷敲艚莺挽`活的，隨著不同變量的變化、企業(yè)采納情況的變化以及LLM成本的變化而變化?！?在最近的一項調查中，Chargebee發(fā)現了一種向混合定價發(fā)展的趨勢，43%的AI和其他軟件供應商將訂閱與基于使用量的定價相結合，另有8%將訂閱與基于成果的定價相結合。根據該調查，約16%的供應商仍提供純訂閱定價。
一、相互沖突的市場力量
Clark說，AI供應商正面臨著相互沖突的定價壓力，因為激烈的競爭和成為品類領導者的競賽，與創(chuàng)造利潤的努力背道而馳。 “每個人在想挑戰(zhàn)大玩家時都是這樣開始的，”他補充道。“他們從許可證開始，以低價搶占市場。然后他們意識到利潤空間被壓縮，需要轉向按使用量計費來保護利潤?！?Clark說，結果就是頻繁的價格波動。“如果你是傳統(tǒng)玩家，你需要降低價格來競爭，”他補充道?！叭绻闶切峦婕遥銜缘蛢r進入市場，但隨后因為虧損太多而提高價格?！?/span>
一些觀察人士說，如果所有這些聽起來都讓CIO頭疼，那是因為它確實如此。IT分析公司Valoir的首席執(zhí)行官Rebecca Wettemann表示，AI客戶想要確定性，但AI供應商仍在摸索他們交付成果的成本。 她說，許多AI供應商依賴于第三方LLM，這些LLM對每一次API調用都收費，這使得他們很難預測自己的內部成本。正如Clark所指出的，市場主導權的爭奪也是一個因素。 “我們看到定價模型波動不定，因為供應商試圖在新興的代理式AI市場中占據更多份額，因為供應商希望占據代理份額，并押注于在另一家供應商的平臺上重建代理所帶來的高昂轉換成本，將使他們具有粘性，”Wettemann說。
她補充說，在SaaS領域常見的傳統(tǒng)按席位定價模型，對AI來說意義不大。 “在理想世界中，AI意味著席位數下降，或者組織用相同數量的席位完成更多工作，”Wettemann說?！皩τ诂F在銷售更少席位卻為LLM調用支付更多費用的供應商來說，這個算術題不成立?！?/span>
二、給CIO的建議
對于AI供應商和用戶來說，最佳策略是專注于價值的可預測定價，而不是席位或LLM交易。但成果或價值可能難以定義和達成一致。因此，許多AI供應商正轉向更靈活的錢包模型，這種模型不強制客戶承諾一種使用模式，但仍允許供應商鎖定一些定價的可預測性。
Wettemann建議CIO們注意意外的價格上漲，并尋找可以現在鎖定的靈活消費抵用金，以利用供應商的代理式增長策略。“請記住，那些沒有自己LLM的軟件供應商，在某個時候必須將LLM提供商的任何價格上漲轉嫁給他們的客戶才能實現收支平衡，而這些上漲很可能即將到來，”她說。 IT領導者安置公司TechCXO的兼職CTO、CISO兼AI戰(zhàn)略負責人Kevin Carlson補充說，當前的定價波動令人困惑和失望，特別是當期待已久的AI模型僅以更高的價格層次推出時。 他建議，CIO應避免供應商鎖定，并應努力理解供應商提供的不同定價模型。一些AI用戶已轉向FinOps提供商。
此外，Carlson說，當員工使用基于使用量的AI工具時，CIO應設定預算上限，因為API使用可能導致巨大的、意外的成本。 “要求使用模型進行編碼的軟件開發(fā)人員成為過程中的積極參與者，并在過程中提供批準，”他補充道?！?/span>對一個模型給予一攬子批準讓其在無人監(jiān)督的情況下運行，可能導致模型連續(xù)數小時對單行代碼進行故障排除而未成功，同時對每一次相同的API調用都收費的情況。” 軟件供應商Appfire使用多種AI產品，并通常專注于通過合同來限制價格變動，并且當員工與基于使用量的AI工具互動時，會設置警報，該公司的CTO?Ed Frederici說。該公司觀察到其AI供應商最近的定價多變性和實驗性。
“我們對基于消耗的模型非常謹慎，”Frederici說。“如果我編寫一個低效的算法，或者在AI背后放置了大量的特性集，我可能會推高我的銷貨成本。我見過有人在某個云環(huán)境中犯錯，一夜之間就產生了數萬或數十萬美元的預期外成本。” Frederici建議AI客戶對基于使用量的AI工具采用與他們對云計算提供商相似的成本控制。他說，一個好的云消耗策略可以作為AI消耗的藍圖。 從長遠來看，Frederici對AI定價持樂觀態(tài)度，因為競爭將壓低價格。但在短期內，客戶成本可能會波動，一方面是健康的競爭，另一方面是與交付AI成果相關的高昂計算和能源成本相沖突。
“競爭越激烈，你就越需要在某些方面有所區(qū)別，但你們都面臨著同樣的由于所需計算能力而產生的價格壓力，”他說?！白罱K，AI的定價是一場逐底競爭，但問題是，‘在交付AI特性集對你來說不再可行之前，那個利潤空間能有多窄？’”
【核心挑戰(zhàn)：AI定價的“混沌期”與CIO的成本不確定性】AI（人工智能）供應商正面臨著“搶占市場份額以建立壁壘”與“高昂的LLM（大語言模型）及計算成本”之間的矛盾壓力，這導致他們正在頻繁地、甚至以月為單位地試驗和改變其定價模型（例如，從傳統(tǒng)的按席位訂閱，轉向基于使用量、成果或混合的“敏捷定價”）。這種持續(xù)的價格波動，為企業(yè)CIO（首席信息官）在進行AI項目時，帶來了巨大的成本不確定性和預算管理挑戰(zhàn)，使得傳統(tǒng)的IT采購和財務預測方法變得難以適用。
【應對策略：CIO的主動防御與成本治理“組合拳”】為駕馭這種定價波動，CIO必須采取一套主動的、以治理為核心的防御策略。這套“組合拳”包括：在合同層面，應極力避免供應商鎖定，并尋求在價格尚具競爭力時，鎖定靈活的消費抵用金或“錢包”額度，以對沖未來潛在的價格上漲；在運營層面，則必須借鑒云成本管理的經驗，為基于使用量的AI工具建立嚴格的FinOps（財務運營）控制機制。這包括設定明確的預算上限、部署實時的成本消耗警報，并要求開發(fā)人員在使用AI執(zhí)行任務（尤其是代碼生成）時進行分步主動審批，以防止因低效算法或死循環(huán)而導致的、災難性的API成本激增。
【結論與展望：以內部治理駕馭外部混沌】因此，盡管從長期來看，市場競爭可能最終會推動AI價格的下降，形成“逐底競爭”的格局，但在可預見的短期內，CIO的核心任務是成功駕馭這個定價的“混沌期”。通過建立一個強大的、借鑒了云FinOps實踐的內部成本治理框架，企業(yè)不僅能夠有效規(guī)避當前因供應商定價實驗而帶來的財務風險，還能為未來更可預測、更注重價值的AI采購模式做好準備，確保在AI投資的浪潮中，既能抓住機遇，又能守住底線。
AI（人工智能）供應商因市場競爭與高昂成本的雙重壓力，正頻繁改變其定價模型，給CIO（首席信息官）帶來巨大的成本不確定性。CIO需主動防御：在合同層面，應避免供應商鎖定并鎖定消費抵用金；在運營層面，則需建立嚴格的FinOps控制（如預算上限、成本警報），以防成本激增。CIO必須成功駕馭此定價混沌期，通過強大的內部治理來規(guī)避外部風險，為未來更成熟的AI采購模式做好準備。
當AI供應商自己都算不清成本時，你就更不能給AI一張“無限額的信用卡”。
