对话Stripe AI CRO Maia： Token越便宜，AI公司越难赚钱？

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。