在 AI 价格战中生存，而不毁掉自己的业务

应用公司容易做错的五件事，以及应该怎么做。

客座文章，作者：Tugce Erten。

大家都在讨论 AI 应用的按结果定价（outcome-based pricing）。但几乎没有人谈论闭门商谈中实际正在发生的事情：价格战。

价格战令各种规模的公司都感到恐惧，对初创公司尤其如此。一支出色的团队，在正确的时机做出了正确的产品，仍然可能因为定价错误而死掉。而且大家都知道，给产品定价最难的地方，是为了赢得有竞争对手参与的订单时，抵住把价格定得过低的压力。

原图文字译表：

企业销售的阻力	常见认知	作者所描述的现状
预算	经济前景不好，没有预算。	有预算，而且经常为同一用例购买多款工具。
价格	我的价格必须始终低于竞争对手。	可以收取 10%—20% 的溢价。
计费单位	客户想按席位付费，所以我必须这么做。	客户希望价格与价值匹配，兼顾灵活性和实用性。提供两种选择。
概念验证（PoC）	如果最后不选我怎么办？我会亏钱。	给概念验证打折，必要时提供补贴。
自建还是采购（长期来看）	客户永远会购买 AI 应用。	一些客户最终会自建，因为自建成本正在迅速下降。

每家 AI 公司都知道这种困境。由于 token 成本不断下降，而且还有补贴，新进入者每周都涌入市场，烧投资人的钱，以低成本购买分发渠道。现有厂商感到不得不回应。“跟上所有竞争对手的价格”，已经悄悄成了许多 AI 销售手册中的标准条目。一旦开始反击，降价便会接连发生。对于知情并加以利用的买家，这是好事；对于争夺他们的企业，却很残酷。今天，作为一家 AI 应用初创公司，面对功能相似、资金充裕的竞争对手，怎样才能不死于价格战？

在与这些 AI 服务的许多大型买家交谈后（我不能透露他们是谁，但都是你熟悉的大品牌），其实很明显，价格竞争并没有那么必要：

• 这些品牌有巨额预算可以花，以至于它们经常为同一项工作购买多款 AI 产品。
• 即使你和竞争对手很相似，你提供的解决方案也与客户当前的做法有很大区别。按你提供的价值定价，然后确保自己是他们真正想要的产品。
• 大家都感觉得到，“品类领跑者”一直在变化，因此都担心按高端选项定价。但这些品牌并不介意支付溢价，只要除了高端解决方案，你还能让付费方式具有灵活性和可预测性。大多数初创公司低估了这一点。

价格战从来没有灵丹妙药。但至少对于 AI 应用公司来说（本文不面向模型提供商，那完全是另一个话题），如果这些企业买家的情况能说明什么，那就是你不必把一切都拱手送出。下面是我们了解到的情况：

1. 预算是有的。别再表现得好像没有。

在价格战中，最危险的假设是：客户之所以在价格上与你拉扯，是因为他们没钱。就当前的企业 AI 而言，情况往往根本不是这样。企业领导者明白这次机遇的规模。AI 有可能比以往任何技术都更大幅度地降低成本，而行动过慢的风险关乎企业存亡。因此，许多大型企业已经有相当可观、事先分配好的 AI 预算，而且正在积极投入。钱是有的，问题只是如何赢得它。

最近在与一家顶级金融机构的 AI 负责人交谈时，有一点让我印象深刻：他们有意为同一用例部署两三款 AI 工具。不是因为犹豫不决，而是有意如此。冗余是他们的既定政策。他们不想在任何关键工作流上依赖单一供应商。AI 应用仍在成熟过程中，表现可能波动，可能出现幻觉，也可能发生服务中断。因此，他们会分散风险。

他们也认识到，每家供应商都有各自的优势。他们不会强迫整个组织使用同一种解决方案，而是让工具与不同用户类型和用例相匹配，例如为不同团队部署各自适合的编程工具。

我们与中型市场企业及较小企业的交谈，揭示了另一种情况：它们行动更快。团队会同时开展多个演示，一旦某款产品显示出潜力，就会迅速进入概念验证（proof of concept，POC）。一家面向消费者（B2C）的硬件公司的负责人描述，他们放弃了与一家老牌技术巨头的低价合同，转而选择一家规模较小的 AI 原生提供商，仅仅因为后者提供了最先进的智能体。在这两个企业群体中，模式一致：胜出的工具很少是最便宜的，而是证明自己不可或缺的那个。也就是说，真正的问题不是“我们负担得起吗”，而是“正在试用的这些工具中，我们要把哪款确定为统一标准？”

这意味着：如果你为了防守价格更低的竞争对手而打折，就可能白白让出了根本不必让出的利润。你担心会流失的买家，也许早已因为你更出色而更喜欢你，或者已经为你们两家都准备了预算。

在这种环境中，取胜靠的不是最低价格，而是成为他们无法想象要移除的工具。可靠性、安全状况、入门接入的质量，以及最重要的一点——是否让客户看得见你在倾听、在开发：这些因素决定了市场整合阶段哪些工具能够留下来。

2. 高端认知确实存在，但很脆弱。

不是每家 AI 应用公司都需要与竞争对手保持同样的价格。如果你的产品确实高端，或者被认为高端，你可能拥有比自己想象中更大的定价空间。一条实用的经验法则是：强烈的高端认知可以支撑比直接竞争对手高 10%—20% 的价格，而不会明显增加客户流失，也不会给采购过程带来阻力。

企业容忍价差的方式，甚至还有一种更令人意外的情况。我们访谈的一家按需物流平台的副总裁发现，一款智能体式 AI 应用明显优于另一款（让我意外的是，那款表现较差、价格较低的产品被视为市场领跑者），而且更好的这款贵得多。尽管如此，他仍然选择同时部署两款产品。他的理由很简单：合理分配。把高端工具用于最需要性能的地方，把价格较低的工具用于较简单的任务。结果未必是花更多钱，而是花得更有效率：在没有明显增加预算的情况下，得到更好的结果。

但这种溢价不是一项固定资产。在发展如此迅速的市场中，认知可能很快受到侵蚀。一个新进入者，凭借更清爽的界面、更好的基准成绩，或在内容传播中更大的声量，就能在一个季度内改变买家的预期。能够守住高端定位的公司，靠的是主动行动，而非被动等待。它们监测各种信号：销售周期长度、有竞争对手参与的交易中的赢单和丢单比例，以及潜在客户反对价格时使用的措辞。一旦这些信号改变，你能作出回应的时间就很短。

话虽如此，AI 公司的“市场领导地位”如此短暂，这件事大家早已知道，而且很可能还高估了它。价格战本身就是证据！要完全避开价格战、保护自己的业务，关键在于找到另一种方式，让客户认可价值并为之付费。在这里，创造力的重要性远远超过大多数初创公司的认识。

3. 计费单位和结构，比你想象中更重要。

AI 应用定价中最没有得到充分利用的手段，不是数字，而是单位。怎么收费，与收多少一样，都是竞争手段。AI 应用公司正在尝试按席位、按结果、按工作流，以及按使用量计费的模式。每种单位都以不同方式呈现价值。例如，按结果计费的模式会让价格比较困难得多。别人比较的不再是每个席位的成本，而是每个结果的成本。这种转变会改变讨论的内容。

在我们的所有交谈中，有一个主题反复出现：定价必须与价值匹配。即使是非常大的企业，也在推动按结果付费的模式，例如收益分享（gainshare）、按成功付费（success-based pricing），或其他将支出直接与结果挂钩的结构。买家显然希望摆脱传统的按使用量或按席位计费模式，许多人认为，这些模式与 AI 实际产生影响的方式并不匹配。

与此同时，这里存在一种明显的张力。买家既希望供应商实质性地承担风险、与自己利益相连，也需要可预测性。预算仍然重要，规划周期也依然存在。完全可变的定价，在实践中可能难以执行。

一家大型房地产公司负责 AI 采用的副总裁说得最直接：供应商应该提供双模式，让客户可以在可预测性与按效果付费所带来的收益潜力之间作出选择。换句话说，让买家能根据自己的内部约束，在灵活性与确定性之间权衡。在人人都争价格的市场中，让买家自己选择计费模式，可能成为一种与价格本身毫无关系的优势。

原图文字译表：

计费模式	比较难度	买方评估重点
按席位	容易	成本比较
按结果	困难	价值比较
按使用量	中等	使用量优化

4. 别给产品打折。给概念验证打折。

AI 竞争性销售中使用最多的做法之一，也最简单：降低进入的成本和阻力，而不是降低产品本身的价格。

企业 AI 买家经常处于漫长而谨慎的评估周期中。采购流程推进缓慢，安全审查要花数月。一家大银行的企业买家说，他们对一款 AI 应用的 POC 花了将近一年。决定把某款工具确定为统一标准，既是重大决定，也有风险。阻止交易继续推进的，往往不是对完整合同价格的异议，而是启动所需的成本与承诺。

做法是让概念验证更容易开展：更快启动，运行成本更低，前期范围界定工作更少。然后，在赢得评估之后，再以公平的价格转为付费客户。一家在 POC 后购买 AI 应用的 B2C 公司说，在 POC 期间，他们以固定价格获得不限使用量的服务，不过工作流的范围有限。完成采购后，他们开始按实际使用量付费。一家大银行的副总裁说，他们的 AI 应用提供商在 POC 期间以折扣价格提供额度；但当性能开始出现问题时，由于双方都希望智能体能正常工作，额度池的使用限制也放宽了。

这种做法已经相当常见。公司提供大幅扩大的免费档，或者在 POC 期间超额交付，有时达到一个数量级，以便让客户完成接入并深入使用。在某些情况下，这看起来可以是最终付费套餐所包含价值的 10—25 倍。

目标是赢得采用，而不是赢得价格竞争：在市场整合之前，尽早让客户离不开你。Lovable 的增长负责人 Elena Verna 说得很直白：“[免费增值套餐]让我们花了很多钱，但我们把它看作营销费用，而不是成本中心。”

5. 真正的长期价格战，面对的是客户的工程团队，而非你的竞争对手。

AI 应用公司面临一种威胁，它得到的关注远远不够：随着基础模型成本持续下降，自建还是采购（build vs. buy）的权衡会改变。企业在这件事上，比预期成熟得多。

当模型昂贵、部署复杂时，购买专门设计的 AI 应用，理由很直接。但随着推理成本下降，模型 API 更容易集成，内部开发定制解决方案的成本便会接近第三方订阅成本，有时甚至更低。

到了这个时候，讨论就变了。工程团队会开始问：能不能干脆自己做？而在很多情况下，他们确实能。

与我们交谈的公司，对自建还是采购持有不同看法。当然，这里存在一定的选择偏差：所有接受我们访谈的企业，都已经以某种形式采用了 AI 应用。但即使在这个群体内部，长期策略也有显著差异。

一家 B2C 物流公司预计，随着时间推移，他们会逐步脱离第三方工具。它们认为，当前的成本不太可能随着规模扩大而有效下降，最终内部开发会更经济。

相比之下，一家规模较小的 B2C 硬件公司得出了相反的结论。对它们来说，自建根本不可行。它们没有足够的工程能力来支持这件事，而且即使只组建一支小团队，成本也会高于目前的供应商合同。

还有一些企业采取了更细分的做法。一家金融机构的副总裁描述了一条清楚的边界：所有非核心的东西都会采购，而所有与核心产品直接相关的东西——抵押贷款和其他金融服务——无论短期还是长期，都将内部开发。其他行业的副总裁和总监也赞同这种做法。

综合来看，这些观点说明，决策并非简单的二选一。它取决于经济性、内部能力，以及最重要的一点：用例与公司核心价值主张有多接近。

这才是长期来看最重要的价格战，也是无法靠打折取胜的价格战。防御手段，是建立客户若想内部复制就必须付出高昂成本的差异：深度工作流集成、持续的模型改进、领域专用训练数据、专门的客户成功服务，以及嵌入客户运营中的前线部署工程师（forward-deployed engineers）。规模能争取时间，而这种深度才能赢得忠诚。

贯穿这五点的线索

我们与金融机构、物流平台、硬件公司、房地产公司、旅游平台等各方进行的每次交谈中，都出现了相同的模式。没人说自己因为某款工具最便宜才选择它。他们选择的是那个证明自己不可或缺、会倾听、让评估容易开展、让合同公平合理的工具。

价格战确实存在，但大多数战斗都打错了地方。你无法选择它何时开始，但你可以选择，它是否成为定义你的那场战斗。

后记：有关价格战的文献不多，不过还是有一些，而且它们没有提供灵丹妙药。如果你愿意，ChatGPT 可以把已经提出过的建议都告诉你。提示词如下：

请作为我在战略思考上的伙伴和顾问。我希望全面了解专家对价格战的建议：最优秀的商业思想家、经济学家和实践者，提出了哪些策略、框架和应对举措？请覆盖当前思考的完整范围。

出版方披露

本通讯仅供参考，不应被当作法律、商业、投资或税务建议。此外，本内容不是投资建议，也不面向任何 a16z 基金的投资人或潜在投资人使用。本通讯可能链接到其他网站，或包含来自第三方的信息；a16z 未独立核实这些信息，也不对其当前或持续的准确性作出任何陈述。如果本内容包含第三方广告，a16z 未审阅这些广告，也不认可其中的广告内容或相关公司。文中提及、引用或描述的投资或被投公司，不代表 a16z 所管理投资载体的全部投资；完整投资清单见 a16z 投资清单。其他重要信息见 a16z 披露说明。

译者说明

本文译自2026年4月13日的原作，包含五项策略、匿名客户案例、后记与出版方披露。六张正文图均注明“仅作示意”；中文表格和图注译自原图文字，曲线不代表实测数据。

10%—20% 的溢价、POC 期间 10—25 倍的价值等，是作者的经验法则或访谈观察。原文未给出完整样本设计；译文保留相关限定及自建／采购部分明示的选择偏差，不将这些数字视为适用于所有公司的统计规律。

---

此文章由 AI 翻译