随着竞争、市场主导权争夺和高昂的计算成本带来相互冲突的压力，一些AI提供商每个月都在调整其定价费率或模型。
图片来源：Rob Schultz / Shutterstock
据行业观察人士称，AI供应商正在试验定价费率和模型，这为部署该技术的企业CIO们带来了成本上的不确定性。 计费软件供应商Chargebee的市场推广策略总裁Brian Clark表示，虽然许多AI供应商已转向结合了订阅与基于使用量或成果定价的混合定价模型，但这些策略并非一成不变。 Clark说，在某些情况下，AI供应商每隔几周就会改变他们的定价费率或模型，他们将敏捷开发理念应用于定价，采用敏捷的产品货币化实践，包括按角色和产品进行有针对性的定价。
例如，Clark指出，CRM巨头Salesforce已为其Agentforce AI产品线提供了多种定价模型。
“表现最好的公司每30天不止一次地改变定价，这就是敏捷产品定价，”他说。“敏捷的货币化必须是敏捷和灵活的，随着不同变量的变化、企业采纳情况的变化以及LLM成本的变化而变化。” 在最近的一项调查中，Chargebee发现了一种向混合定价发展的趋势，43%的AI和其他软件供应商将订阅与基于使用量的定价相结合，另有8%将订阅与基于成果的定价相结合。根据该调查，约16%的供应商仍提供纯订阅定价。
一、相互冲突的市场力量
Clark说，AI供应商正面临着相互冲突的定价压力，因为激烈的竞争和成为品类领导者的竞赛，与创造利润的努力背道而驰。 “每个人在想挑战大玩家时都是这样开始的，”他补充道。“他们从许可证开始，以低价抢占市场。然后他们意识到利润空间被压缩，需要转向按使用量计费来保护利润。” Clark说，结果就是频繁的价格波动。“如果你是传统玩家，你需要降低价格来竞争，”他补充道。“如果你是新玩家，你会以低价进入市场，但随后因为亏损太多而提高价格。”
一些观察人士说，如果所有这些听起来都让CIO头疼，那是因为它确实如此。IT分析公司Valoir的首席执行官Rebecca Wettemann表示，AI客户想要确定性，但AI供应商仍在摸索他们交付成果的成本。 她说，许多AI供应商依赖于第三方LLM，这些LLM对每一次API调用都收费，这使得他们很难预测自己的内部成本。正如Clark所指出的，市场主导权的争夺也是一个因素。 “我们看到定价模型波动不定，因为供应商试图在新兴的代理式AI市场中占据更多份额，因为供应商希望占据代理份额，并押注于在另一家供应商的平台上重建代理所带来的高昂转换成本，将使他们具有粘性，”Wettemann说。
她补充说，在SaaS领域常见的传统按席位定价模型，对AI来说意义不大。 “在理想世界中，AI意味着席位数下降，或者组织用相同数量的席位完成更多工作，”Wettemann说。“对于现在销售更少席位却为LLM调用支付更多费用的供应商来说，这个算术题不成立。”
二、给CIO的建议
对于AI供应商和用户来说，最佳策略是专注于价值的可预测定价，而不是席位或LLM交易。但成果或价值可能难以定义和达成一致。因此，许多AI供应商正转向更灵活的钱包模型，这种模型不强制客户承诺一种使用模式，但仍允许供应商锁定一些定价的可预测性。
Wettemann建议CIO们注意意外的价格上涨，并寻找可以现在锁定的灵活消费抵用金，以利用供应商的代理式增长策略。“请记住，那些没有自己LLM的软件供应商，在某个时候必须将LLM提供商的任何价格上涨转嫁给他们的客户才能实现收支平衡，而这些上涨很可能即将到来，”她说。 IT领导者安置公司TechCXO的兼职CTO、CISO兼AI战略负责人Kevin Carlson补充说，当前的定价波动令人困惑和失望，特别是当期待已久的AI模型仅以更高的价格层次推出时。 他建议，CIO应避免供应商锁定，并应努力理解供应商提供的不同定价模型。一些AI用户已转向FinOps提供商。
此外，Carlson说，当员工使用基于使用量的AI工具时，CIO应设定预算上限，因为API使用可能导致巨大的、意外的成本。 “要求使用模型进行编码的软件开发人员成为过程中的积极参与者，并在过程中提供批准，”他补充道。“对一个模型给予一揽子批准让其在无人监督的情况下运行，可能导致模型连续数小时对单行代码进行故障排除而未成功，同时对每一次相同的API调用都收费的情况。” 软件供应商Appfire使用多种AI产品，并通常专注于通过合同来限制价格变动，并且当员工与基于使用量的AI工具互动时，会设置警报，该公司的CTO Ed Frederici说。该公司观察到其AI供应商最近的定价多变性和实验性。
“我们对基于消耗的模型非常谨慎，”Frederici说。“如果我编写一个低效的算法，或者在AI背后放置了大量的特性集，我可能会推高我的销货成本。我见过有人在某个云环境中犯错，一夜之间就产生了数万或数十万美元的预期外成本。” Frederici建议AI客户对基于使用量的AI工具采用与他们对云计算提供商相似的成本控制。他说，一个好的云消耗策略可以作为AI消耗的蓝图。 从长远来看，Frederici对AI定价持乐观态度，因为竞争将压低价格。但在短期内，客户成本可能会波动，一方面是健康的竞争，另一方面是与交付AI成果相关的高昂计算和能源成本相冲突。
“竞争越激烈，你就越需要在某些方面有所区别，但你们都面临着同样的由于所需计算能力而产生的价格压力，”他说。“最终，AI的定价是一场逐底竞争，但问题是，‘在交付AI特性集对你来说不再可行之前，那个利润空间能有多窄？’”
【核心挑战：AI定价的“混沌期”与CIO的成本不确定性】AI（人工智能）供应商正面临着“抢占市场份额以建立壁垒”与“高昂的LLM（大语言模型）及计算成本”之间的矛盾压力，这导致他们正在频繁地、甚至以月为单位地试验和改变其定价模型（例如，从传统的按席位订阅，转向基于使用量、成果或混合的“敏捷定价”）。这种持续的价格波动，为企业CIO（首席信息官）在进行AI项目时，带来了巨大的成本不确定性和预算管理挑战，使得传统的IT采购和财务预测方法变得难以适用。
【应对策略：CIO的主动防御与成本治理“组合拳”】为驾驭这种定价波动，CIO必须采取一套主动的、以治理为核心的防御策略。这套“组合拳”包括：在合同层面，应极力避免供应商锁定，并寻求在价格尚具竞争力时，锁定灵活的消费抵用金或“钱包”额度，以对冲未来潜在的价格上涨；在运营层面，则必须借鉴云成本管理的经验，为基于使用量的AI工具建立严格的FinOps（财务运营）控制机制。这包括设定明确的预算上限、部署实时的成本消耗警报，并要求开发人员在使用AI执行任务（尤其是代码生成）时进行分步主动审批，以防止因低效算法或死循环而导致的、灾难性的API成本激增。
【结论与展望：以内部治理驾驭外部混沌】因此，尽管从长期来看，市场竞争可能最终会推动AI价格的下降，形成“逐底竞争”的格局，但在可预见的短期内，CIO的核心任务是成功驾驭这个定价的“混沌期”。通过建立一个强大的、借鉴了云FinOps实践的内部成本治理框架，企业不仅能够有效规避当前因供应商定价实验而带来的财务风险，还能为未来更可预测、更注重价值的AI采购模式做好准备，确保在AI投资的浪潮中，既能抓住机遇，又能守住底线。
AI（人工智能）供应商因市场竞争与高昂成本的双重压力，正频繁改变其定价模型，给CIO（首席信息官）带来巨大的成本不确定性。CIO需主动防御：在合同层面，应避免供应商锁定并锁定消费抵用金；在运营层面，则需建立严格的FinOps控制（如预算上限、成本警报），以防成本激增。CIO必须成功驾驭此定价混沌期，通过强大的内部治理来规避外部风险，为未来更成熟的AI采购模式做好准备。
当AI供应商自己都算不清成本时，你就更不能给AI一张“无限额的信用卡”。
