AI大家说 | 下一代AI创业的机会在哪里？定价趋势是什么？

Kevin Weil一开场就点出一个误区：人们总以为AI聪明，是因为它知道得多。但真正的变化，是它开始会想了。

它不再是给你一个现成的答案，而是能自己串起多个步骤，走完一个完整的推理过程。例如：以前，你问它“多少人能爬上这座山？”，它会从某个来源扒一个数字给你；现在，它会反问自己三件事：这山有多高？有路吗？天气呢？然后才给你一个推断。

这听起来像一个小细节，但其实是GPT-5最大的变化之一：从调取答案，转向构建思路。这种能力，不是靠堆砌更多数据实现的，而是模型本身进化出了“思维链”（Chain-of-Thought）的能力。

Kevin Weil强调，这种推理，不仅让模型更像人在思考，也让它能应对更复杂的任务——这就是为什么它能处理财务分析、科学论文、代码逻辑这样的复杂工作。

在大多数人印象中，ChatGPT是个等你提问、然后给出回答的工具。而Kevin Weil表示，OpenAI的目标，是让ChatGPT变成你身边真正的的智能伙伴，而不是等你召唤的工具。

要让AI主动服务，它必须先了解你的习惯和偏好。Kevi Weil提到几个关键能力，正在成为下一代AI产品的标配：

• Memory（记忆）：模型能记住你的名字、偏好、上次没做完的事情；

• Vision（视觉）：能够生成图片、视频，实时创建场景和设计内容；

• Voice（语音）：能像朋友一样与你连续交谈，而不是尴尬的一问一答。

这背后不是纯技术实力，而是体验设计：能听懂你说话的方式，能感知你做事的习惯，能补上你没开口说出来的部分。

在Kevin Weil的产品规划里，语音是一个关键的拐点。他透露，团队在语音对话上测试了大量细节：语调、节奏、情绪，甚至包括恰到好处的停顿和打断。

这是一种“共处感”设计。它让你不需要刻意组织语言，能在你迟疑时主动补充，还能根据你说话的语气，判断出下一步要不要继续说、要不要切话题。

这种体验，正在改变产品形态。以前的AI应用像一个个独立工具，要点进去、选选项、输文字。而现在，当你打开应用或操作界面时，AI默认在场：打开邮箱，AI已经整理好你今天要重点回复的邮件；切换到会议软件，AI已经拉好了你昨天讨论过但没跟进的议题；打开PPT，AI正在帮你重写一页逻辑不清的幻灯片。

这种状态，不是AI更强了，而是它更懂人性了。只有当AI不再需要点击进入，而是无处不在，人类才会真正用起来。

在采访中，Kevin Weil还透露了一个重要信号：“多数用户已经开始不关心AI多聪明，只关心事情是不是真的能做成。”

这反映了市场的成熟：AI正在从“技术展示品”变成“生产力工具”。衡量标准不再是能力边界，而是交付质量。

什么叫“把事做成”？比如，你想发一封数据分析邮件。AI不只是帮你写好文案，它得能自己调动CRM系统里的数据，套用你习惯的邮件模板，发送出去，并做好记录，方便你下次追踪。

这背后，不是一个模型在单干，它需要调用很多外部工具：文档、数据库、API接口、邮箱……真正的智能体，不是自己做所有事，而是会调动环境里的能力，把它们组合在一起解决问题。

AI开始创造真正的业务价值，而不只是提供智力支持。而能不能做到“干完这件事”，取决于三件事：

• 工具调用是否稳定（不会中断）；

• 流程是否可以追溯（出错能查）；

• 结果是否能写回系统（数据能被其他应用读）。

Kevin Weil指出了一个行业误区：“很多人以为把模型接到网页上，就算一个AI产品了。这远远不够。”

Kevin Weil在访谈里反复强调：“我们最在意的，是模型能不能尽快被人用起来。”——这也是OpenAI的全球部署思路：不等技术更完美，而是把当前能力尽快普及给更多人。

他给出一个很有意思的数字对比：今天，全世界约有3000万程序员；但未来，AI可能让30亿人 都具备一定的编程能力。因为“编程”的定义被改写了，它不再是写一行行复杂的代码，而是用自然语言告诉AI你要什么。

未来几年，顶尖大模型的能力可能越来越接近。但真正的差距，将体现在别处：

• 谁更早实现全球部署？

• 谁的定价策略更灵活？

• 谁能为不同国家、不同群体，提供真正落地的产品？

这背后，是基础设施、客户支持、版本适配、语言本地化的一整套打法。因为全球竞争的标准变了：不是技术演示，而是实用性和稳定性。

AI在深刻变革软件行业的同时，也带来了一个问题：AI功能固然强大，但由于价值错位和成本压力，传统的定价方式正在失效，尤其是对于人工智能原生产品而言。

最近，国外科技作者Kyle Poyar收集了超过240家软件公司的数据，透过这些数据，他得出了关于AI定价的5个趋势：

以前，软件定价主要是席位收费和固定费率订阅两种模式。这些模式提供了价格的可预测性，并有望带来持久的经常性收入（ARR）。

然而，由于价值错位和成本压力，这些模式正在被混合定价所取代，即订阅和使用的组合。

混合定价如此受欢迎的主要原因如下：

• 没有对原有定价体系造成太大冲击，它可以融入现有的基于座位和订阅的模式；

• 它创建了一条自然的追加销售路径，让客户“免费”试用新产品，然后随着使用量的增长而盈利；

• 可观的利润率。通过限制使用量，公司可以控制成本，并最大限度地降低无利可图客户的风险；

• 相对可预测。通过遵循传统的定价模式，买家可以估算成本并控制支出。

随着越来越多AI产品转向混合定价模式，一个新的挑战出现了：构建混合定价的方式似乎有无数种，但并非每一种都合适。

在这里，作者分享了一些常见的定价方法，以及其优缺点：

第一，现收现付。现收现付意味着无需承诺，完全灵活。当客户可以报销费用或将其计入运营预算时，这种模式最有效。否则，企业采购要小心了！

第二，有上限的现收现付。这种模式通过限制潜在使用量/支出，让买家安心无忧，在基于结果的模式中越来越常见，因为结果事先是未知的。

第三，基于使用量的套餐。客户承诺一定的使用量或套餐，且通常是“用完即止”。套餐包含多种子模式，包括超额计费或递减模式。

第四，平台费加使用量。收取平台费有助于锁定客户，同时让他们享受高级功能、优质支持等。当定价指标商品化（例如：短信、计算、存储）或无法反映产品的全部价值时，这种方法非常有效。

第五，平台费（含使用量）加额外使用费。这种模式也称为三部分资费模式，其订阅费较高，但包含一定程度的“免费”使用费。提供最低使用量有助于吸引客户，并通常会刺激他们增加整体消费。

第六，自适应固定费率。在这种模式下，客户承诺选择一个基于使用量的层级，但在合同期内可以随意使用产品，不会产生超额费用或需要升级。在合同续期时，其层级会根据实际使用情况进行上调或下调。缺点是如果使用量下降，你仍需承担相应的成本。

第七，平台费加成功奖金。在这种模式下，定价以更传统的订阅费形式呈现。如果客户获得的回报率（ROI）高于预期，他们需额外支付一笔奖金或佣金。

公开定价可以让你抓住部分买家的需求（以及相关的搜索流量），同时掌握叙述权（即主动定义客户对产品价值的理解）。此外，它还能筛选掉那些不符合条件的买家，避免他们浪费你团队的时间。

然而现实是，尽管透明定价有其优势，但很多企业并未全面采纳这一做法。

这背后可能涉及复杂的定价结构、差异化报价策略，或是担心价格成为竞争焦点而削弱价值主张。此外，许多软件公司，尤其是初创阶段的公司和AI相关企业，其实还没有完全理清自己的定价策略。一旦将价格公之于众，后续再进行调整就会变得困难得多。

因此，虽然透明化趋势看似“不可避免”，但在实际执行中仍面临诸多挑战和顾虑。

随着定价决策日益成为一项战略性且复杂的任务，企业需要为定价工作投入相应的资源。这背后有大量的实际工作要做，包括深入理解成本结构、竞争对手动态以及客户感知价值。

然而，大多数企业在两个方面仍显不足：

• 人员能力缺口：缺乏具备专业定价分析、价值建模和市场洞察力的人才；

• 工具落后：仍在依赖传统的Excel表格或过时的系统，无法支持实时数据驱动的定价决策。

换句话说，虽然定价的重要性日益提升，但很多公司并没有建立与之匹配的能力体系来支撑这种战略转型。

要特别警惕陷入所谓的定价“无人区”——初创时期的“拍脑袋”决策方式已经不再适用，但正式的定价机制和责任人又尚未建立起来，导致定价策略缺乏清晰的所有权和战略方向。

#参考资料：

1、《OpenAI董事局主席布雷特·泰勒：AI创业的3个机会市场｜中企荐读》，@中国企业家杂志；

2、《2025｜OpenAI 首席产品官：下一代 AI 产品的四个信号》，@AI深度研究员；

3、《从240家AI软件公司的定价数据，我看到了5个关键趋势》，@乌鸦智能说