先算清单次服务成本，这是一切的地基
推理成本的算法不复杂：每次请求的输入 token 乘输入单价，加输出 token 乘输出单价，再乘上失败重试、多轮上下文膨胀带来的放大系数。难的是很多人忘了放大系数。一次看似简单的「用户问一句」，背后可能是塞了几万字 RAG 上下文的请求，实际成本是表面 token 量的三五倍。Agent 类产品更夸张，一个任务跑二十轮工具调用，成本是普通对话的几十倍。
算出来之后，把它换算成「每个日活用户每天烧多少钱」，再乘 30，你就得到了单用户月成本——这个数字跟你的订阅价一比，毛利立刻现形。我见过一个 AI 陪伴产品，重度用户单用户月推理成本 80 多块，会员费收 30，卖得越多亏得越多，这不是生意，是慈善。
用户成本是幂律分布的，别按平均值定价
AI 产品的使用强度极其不均：经验上头部 5% 的重度用户能烧掉 40% 甚至更多的算力。如果你按平均成本定价，等于轻度用户补贴重度用户，而重度用户往往是工作室、爬虫、套利者，你补贴的不是忠诚客户，是薅羊毛的。
这就是订阅制的「自助餐问题」，解法有三个，现实中通常组合用：一是额度制，订阅含固定额度，超额降速或转按量付费，Cursor 现在就是这个结构；二是公平使用条款，明面上不限量，但保留对异常使用的限速权——这条路 Cursor 2025 年走过，沟通不好就是公关灾难，我的建议是宁可明码标价也别玩暗限；三是分层定价，把重度用户识别出来引导到更贵的档位，200 美元的 ChatGPT Pro 干的就是这件事。
压成本的五个手段，按性价比排序
第一是模型路由。不是所有请求都需要旗舰模型，简单分类、改写、摘要走小模型，成本能砍一个数量级。一套好的路由系统能把平均推理成本压掉一半以上，这是毛利保卫战的头号武器。
第二是缓存。相同或相似请求的结果缓存住直接返回，高频场景（比如客服、FAQ 类）缓存命中率做到 30% 不难，等于白捡三成毛利。
第三是上下文瘦身。系统提示词、RAG 召回内容、历史对话，每一块都要审计。把 8000 token 的召回内容精排到 3000 token，成本立降六成，很多产品的成本问题其实是不肯做减法的懒惰问题。
第四是批处理和异步。非实时需求（报告生成、批量处理）走离线队列，用低谷算力或批量折扣，成本又能砍一半。
第五才是蒸馏和自研小模型，投入大、周期长，适合量已经足够大、前四招榨干之后的阶段。
毛利红线定多少
SaaS 行业惯例是毛利 75% 以上才算健康，AI 产品短期内到不了，我的判断是分阶段设线：早期验证期毛利可以是负的，烧钱换数据换心智，这没问题；进入收费验证后，毛利至少要转正并看到通往 50% 的路径；规模化阶段冲 60-70%。如果一门生意在可预见的成本曲线上永远到不了 50% 毛利，要么是定价错了，要么是这个产品形态本身不成立。
别忘了一个利好：推理成本一直在降
同等能力的模型推理价格，2023 到 2025 年降了接近两个数量级，DeepSeek 这类高效率模型又把行业底价往下拽了一截。这意味着今天算不过来的账，十八个月后可能自动算过来了。聪明的做法是把成本下降预期设计进商业模式里：早期用限额扛住成本，把「更便宜更强」的红利留给毛利扩张，而不是第一时间全部让给用户去打价格战。