如果说过去三年 AI 商业化的主线是「能卖出去」，那么接下来两年的主线很可能是「怎么收得回来、且收得让客户服气」。Pricing I/O 与 Benchmarkit 在 2026 年 2 月至 4 月调研了 296 位软件买家，样本从收入低于 2000 万美元的小公司一直覆盖到收入超过 100 亿美元的大型企业，其中 90% 持有总监级及以上头衔，81% 是最终决策者。这份报告没有站在供应商角度谈「哪种定价能多赚钱」，而是反过来问了一个更扎手的问题：当 AI 把商业模型从按席位订阅推向按消费、按积分、按成果计费之后，掏钱的人到底还能不能算清楚自己要付多少。答案是不能——89% 的买家超出了初始 AI 预算，而绝大多数人把原因归给自己的预测失误，而不是供应商的售后改价。
🔮 AI 分析洞察
值得先厘清的是这份报告的证据性质：它是一份买方情绪调研，而非交易数据统计。因此「89% 超支」反映的是买家对预算失控的主观感受与归因，其中可能混入预算编制过于保守的成分。真正有信息量的是归因结构——只有 10% 的买家把超支归咎于供应商售后变价，而在真实的 B2B 软件交易中，供应商单方面调价并不罕见。这个反差说明：在 AI 品类上，买方对自身理解不足的容忍度，明显高于对供应商失信行为的容忍度，这也给了供应商一个通过教育客户来建立信任的窗口期。
二、关键数据与核心发现
第一个发现是，评估难度在签约前就已经发生，与用不用得上产品无关。按席位制是唯一在合同签署前能建立信心的模式，43% 的买家认为它最容易评估，只有 14% 认为最难，净评估分数 +29。相比之下，55% 的买家认为积分/代币模式更难评估，44% 认为按使用量更难，37% 认为按成果更难，30% 认为混合模式更难。更关键的是，信用/代币的困难是结构性的：在各个收入区间中的感受高度一致，落在 54%–59% 的窄幅区间内，与买家成熟度基本无关。
第二个发现是，买家把「可预测」排在「便宜」前面。在评估 AI 供应商时，68% 的买家把「可预测的总成本」列入前三优先项，而「最低入门价格」只有 19%，在七个选项中垫底。「清晰的价值指标」（63%）、「明确的 ROI/性价比」（49%）、「易于向财务/CFO 说明」（47%）紧随其后——前四位指向的是同一个诉求：买家要的是能预测、能内部解释、能向财务证明的定价结构，而不是一个足够低的起价。
第三个发现是，超支的第一驱动力来自需求侧而不是供给侧。在解释超支原因的多选中，67% 归因于 AI 功能/自动化驱动了额外使用，63% 是使用量增长超出预期，38% 是难以提前预测使用量，另有 37% 是内部采用范围超出初始用户；而「供应商在售后变更定价或条款」仅占 10%。这组数字对供应商的含义相当微妙：超支不是信任危机，而是规划能力危机。
第四个发现是，风险责任与预算权限存在错配。67% 的买家认为 IT 是 AI 成本风险的主要责任人，财务部门仅 17%，且随着公司规模扩大，IT 承担的比例进一步上升（收入超 10 亿美元的企业中达 71%）。看预算的是财务，背风险的是 IT，这个错配本身就是意外超支的温床。
第五个发现是，净偏好最高与最低的模式之间隔着一条「固定锚点」。基于座位的净偏好为 +17，订阅+固定单位为 +10；而纯按使用量为 -7，纯按成果为 -19。对关键性 AI 产品而言，51% 的买家宁愿选择高固定成本、完全可预测的结构，25% 接受含明确防护栏的混合模式，只有 10% 会选择透明度有限的纯结果付费。
🔮 AI 分析洞察
这份报告最容易被误读的地方，是把「买家厌恶可变定价」当成结论。真正的结论是：买家厌恶的是无法被内部流程消化的定价。按席位制之所以胜出，不是因为便宜或公平，而是因为它给采购方提供了一个可以直接写进预算表、无需向 CFO 再解释一遍的确定性数字。换句话说，卖软件的企业竞争壁垒正在从「功能差异」部分迁移到「财务兼容性」——一个不能生成可审计预算科目的定价结构，在采购流程里天然处于劣势。
三、重点案例：信用额度为什么成了不可评估的代名词
报告里最有说服力的证据，是一个具体到近乎残酷的对比：Salesforce 平台的信用额度成本约为 0.005 美元，Lovable 平台为 0.25 美元，两者相差 50 倍，而买家无法在它们之间做任何换算。这不是价格问题，而是计量单位失去了可比性。报告据此给出优质信用模型与劣质信用模型的五组分野——定义是否跨团队一致、买家能否预测需求、政策是否稳定、积分能否映射为离散动作、配额是按用户还是按团队界定。劣质模型的画像很清晰：问三个人某项信用的价值会得到三个答案，客户只能靠囤积或超量来对冲不确定性。
这个案例的战略含义在于，它把「定价透明度」从营销话术变成了工程问题。积分模型出问题，往往不是定价部门算错了账，而是产品、销售、财务对同一个「消耗」概念的定义从未对齐过。报告里那句「买家无法评估卖家无法统一界定的内容」，针对的其实是企业内部的概念治理。
作为对照，报告也给出了按成果付费生效的三个前提：成果必须高度归属于 AI 本身（而非工作流或人工）、成果可审计、指标在上线前就已定义一致。三者缺一，就会出现责任归属之争、收入波动、财务无法建模，甚至团队为优化可计费成果而扭曲真实客户价值的行为。按成果计费不是更先进的定价，而是更难实施的定价。
🔮 AI 分析洞察
报告刻意淡化的一个推论是：当 AI 自动化程度越高，按成果计费会陷入自我蚕食。报告在失败模式里点到了「可计费事件崩塌」——随着自动化水平提升，成果在增加，但可计费的事件在减少。这意味着按成果定价的商业模式内含一个与自身价值创造相冲突的激励结构：供应商越成功，计费触点越少。因此我倾向于认为，按成果付费在长期更可能作为混合结构中的一部分存在，而非成为主流模式，它适合那些成果边界清晰、责任归属单一的场景。
四、趋势与预判
趋势一：混合定价将成为主流，但单纯的「固定+浮动」不够。 报告中净偏好最高的结构都包含固定锚点，而混合模式的评估难度却排在中位（净评估 +4 的按使用量之后）。独立分析： 混合定价的成败不在比例设计，而在于浮动部分能否提供「事前可估算」的入口。报告数据显示，供应商若提供使用量计算器或基准参照，可显著降低评估摩擦。可以预期，未来 AI 产品的定价页面上，计算器、用量基准和模拟账单会从增值服务变成标配——这是把定价从营销物料改造成销售工具的必然结果。
趋势二：防护栏将取代价格折扣，成为谈判中的核心筹码。 买家欢迎的是带警报和审批的软上限（62%）、预算超支前的预测性警报（55%）、超过阈值后限流/降级（47%）和预设月度/季度限额（45%）；而会直接中断工作流的硬性上限（40%）和预购积分池（28%）排在末位。独立分析： 这组排序揭示的是一种「可选择性」偏好——买家愿意接受成本约束，但拒绝接受服务中断。供给侧的应对不应是打折，而是把治理能力产品化。更进一步讲，报告显示不同担忧对应的最佳防护栏完全不同（担心成本不可预测性的人要月度限额，担心结果关联性弱的人要限流降级），这意味着「一套通用的信任中心」注定无效，供应商需要按客户的主导焦虑定制控制面板。
趋势三：采购偏好正在从「公司规模」转向「谁掌握预算」。 数据显示，财务部门主导的采购中 45% 选择高固定成本结构，IT 部门主导时这一比例升至 54%，且 IT 是 AI 预算中最厌恶风险的持有者；而财务对基于结果、可变使用量的接受度明显更高。独立分析： 这是本次调研中最具操作价值的一条。它意味着供应商的定价策略不应再做「行业细分」，而应做「预算所有者细分」。同一个客户，如果接触的是 CFO 线，单调的固定结构更容易推进；如果接触的是 IT 线，需要强调可控性与不影响工作流的防护栏。把定价设计锚定在承担预算风险的职能上，是比泛化的买家画像更有效的切分维度。
五、总结 — 核心判断
判断一： AI 定价的核心矛盾已经从「价值证明」转向「成本预测」，38% 的买家把更可预测的成本列为第一改进诉求，而只有 10% 要求更强的价值或成果对齐——买方不是不相信 AI 有用，而是无法把这种有用性翻译成一张能报批的预算表。
判断二： 按席位制在 AI 时代并不会消失，它会被重新定价而非被替代。它是唯一在各个收入规模、各个资历层级都能建立签约前信心的模式，供应商更可能将其作为锚点嵌入混合结构，并据此对可变部分收取溢价。
判断三： 89% 的超支率与 10% 的供应商归因之间的巨大落差，说明当前 AI 采购的失败主要集中在客户治理能力上，而非商业条款上。对供应商而言，提供用量可视化、预测性警报和审批流程，比起降价更能提升续费与客户满意度。
判断四： 积分/代币模式的困难是结构性的而非认知性的，它在所有收入区间、所有买家画像中都呈现负面评价。试图通过客户教育来解决这一问题的供应商，大概率会长期承担高评估摩擦带来的丢单成本。
六、投资与产品策略方向
从这份买方调研中，可以提炼出三条对中国 AI 应用与 SaaS 厂商具有参考价值的策略方向。
其一，产品侧优先补齐计量治理能力。用量仪表盘、成本归因、预测性警报与审批流，这些看似「非核心功能」的模块，实际上是可变定价能否被客户接受的前置条件。其二，定价侧建立固定锚点。收入结构上，纯可变定价在大型交易中尤其不利——收入超过 10 亿美元的买家里有 60% 将纯可变定价列为最不偏好选项。其三，销售侧按预算所有者分层，向财务线强调确定性与投资回报口径，向 IT 线强调可控性与不中断工作流的防护栏。
需要提示的风险在于：报告样本为软件买家整体（科技行业样本 167 人占比最高），对非软件行业、非英语市场的适用性有限；此外，调研时间为 2026 年 2 月至 4 月，AI 定价模式的迭代速度较快，部分结论存在时效衰减。
免责声明： 本文基于公开研究报告进行分析解读，不构成任何投资建议。市场有风险，投资需谨慎。文中观点仅代表个人分析，不代表任何机构立场。数据引用力求准确，但不保证完整性，请以原始报告为准。
📄 研报来源
- 研报名称： 《2026人工智能行业报告：从买家视角看AI定价》
- 作者： 原文未注明
- 发布单位： PRICING I/O
- 发布日期： 2026-09-10
☕️ 如果这篇文章对你有帮助
原创研究不易，你的支持是我持续输出的动力
微信打赏
请我喝杯咖啡 ☕
支付宝打赏
帮助我买些 token 🪙
💬 觉得有用？加入研报交流群
每日推送精选研报解读，与群友一起讨论行业趋势
