Uber 在四个月内耗尽全年人工智能预算的事件,被视为软件采购与货币化模式发生根本性转变的标志性信号。对于关注软件基础经济学的观察者而言,这并非单纯的失控案例,而是 SaaS 行业定价机制重构的首个高调症状。

长期以来,商业软件行业依赖“按席位订阅”这一可预测机制运行。然而,该模式正迅速瓦解。SaaS 供应商正加速转向基于使用量、混合及代币制的定价策略。数据显示,仅在过去两年间,23% 的软件供应商已变更其核心定价模式。
这种“以消费为基础”的定价机制,实际上已成为 SaaS 行业最有效的收入提取手段之一,但其带来的财务控制缺失引发了显著的市场混乱。
公平性的假象与经济现实
表面上,基于使用的定价似乎更具公平性,它将软件成本与实际商业价值挂钩,并反映供应商的成本结构。但在实际运作中,经济学天平完全倾向于供应商。
当 SaaS 平台为 AI 功能引入消费定价时,合同价值随之攀升。主要定价结构向消费或混合费率转型后,顶级工具的平均合同价值(ACV)增加了 50% 以上,每位用户的平均成本也提高了 37%。这与传统“按需取用”的席位定价不同,消费定价将每一项单独行为货币化:CRM 邮件草案、转录摘要及自动数据提取均需支付费用。这种行为直接导致鼓励团队尝试 AI 工具的创新举措,反而推高了每月的 SaaS 账单。
此外,传统的采购谈判杠杆正在失效。按消费支付的平均合同折扣比按席位支付低 30%。面对这一局面,供应商只需以“减少消费即可降低成本”作为反驳,便构成了一个两难陷阱:具有前瞻性思维的公司不愿为了达成财务目标而抑制内部采用率或限制生产力。
隐性支出与预算波动
财务领导者在建模消费成本时,往往聚焦于员工主动查询 LLM 或运行自动化工作流等显性交互。然而,现实情况更为严峻:总消费量的 35% 源自无人直接参与的后台自主 AI 代理执行任务,这部分被视为无形的浪费。
随着企业从人工驱动转向全自主 AI 代理,预算波动性显著加剧。在传统基于席位的定价体系下,同比每月预算差异控制在 4% 左右;而在消费定价制度下,这一差异飙升至 38%。签署基于使用的合同后六个月内,实际支出与最初预测的差异超过 15%。传统的财务预测模型难以应对此类如同波动性商品般的软件合约。
采购框架的重构
现有的采购框架是为固定价格订阅时代设计的,若将其应用于基于使用的软件管理,则显得格格不入。财务和采购团队必须首先解构可计费单元,超越模糊的信用额度概念,明确定义任务成本、单个 API 调用、任务摘要或自动化工作流的准确价格,以预测合同总成本。这需要完整的数据可见性和价格比较能力,以评估工具执行任务的频率及单位计费的合理性。
实施用量防护变得不可谈判。尽管获取传统的前置折扣难度增加,但团队仍需通过限制过度使用率、根据自动化代币值协商动态定价层,以及承诺提前使用量来争取更优价格。
开支控制还要求建立“预警系统”。预审批流程应识别提供基于消费定价模式的工具,并在审批前启动新流程。检查内容需涵盖工具的任务类型、使用者、使用频率、触发过度使用的条件以及签署后的使用治理责任人。同时,强制执行持续的使用监控,将供应商管理转变为实时、积极的过程,而非定期审查。跨平台执行和支出的实时可见性是捕捉异常的唯一途径。
夺回控制权
随着 AI 能力深入各类软件领域,SaaS 转向消费和混合定价已成基准标准。供应商将继续推行这些模式,因其既匹配 IT 基础设施成本,又大幅提升了收入上限。
对于买家而言,关键在于认识到静态的管理工具无法驾驭动态的金融模式。缺乏统一的日常支出模式、使用环境及动态承诺跟踪可见性,软件支出将持续超出财务预测。未来能够蓬勃发展的公司,将是那些能够将供应商定价创新与现代、数据驱动的成本治理相匹配的企业。





