单位经济模型

一句话定义

AI 产品的单位经济模型回答「每服务一个用户/一次调用，赚不赚钱」：单次成本 = 输入 token×输入单价 + 输出 token×输出单价 + 检索与工具成本 + 重试分摊，再叠加定价得出毛利结构——先算账，再定价，最后才谈规模。

为什么重要

AI 产品与传统 SaaS 成本结构根本不同：边际成本不再趋近于零，每一次生成都在烧钱。未做单位经济测算的产品常在增长时猝死——用户越多亏得越多，「增长掩盖亏损」的窗口被推理成本直接封死。单位经济测算是 kp-008 选型、kp-026 定价、kp-027 优化的共同分母。

前置知识

kp-008 技术路线（路线决定单价与固定/变动结构）。

核心概念

• 单次调用成本四项：输入成本（提示词+上下文+检索内容的 token×输入单价——注意 RAG 会显著放大输入 token）；输出成本（输出 token×输出单价，通常数倍于输入单价）；附加成本（检索服务、工具调用、内容安全审核）；重试与分摊（失败重试、缓存未命中的放大系数，常按 1.2–1.5 倍估算）。
• 三层放大：会话放大（一次任务多轮调用）、功能放大（一个用户用多个功能）、频次放大（日活×人均次数）。测算必须从「单次」乘到「月度」，漏掉任何一层都会低估一个数量级。
• 毛利结构：毛利率 = (收入 − 变动成本) / 收入。AI 应用层产品毛利率普遍显著低于传统 SaaS（传统可达 80%+，重度生成型产品可能低至 40–60%），这是商业模式设计的硬约束。
• 测算表（模板）：场景 → 人均月调用次数 → 单次输入/输出 token → 模型单价 → 单次成本 → 月人均成本 → 人均收入 → 毛利率。每行一个场景，月末对照账单校准假设。

原理与机制

为什么 AI 产品必须先算毛利再谈增长：传统软件「一次开发无限复制」，单位经济随规模单调改善；AI 产品的变动成本随用量线性增长，若单位毛利为负，增长加速亏损、融资加速死亡。机制上的对策分两侧——收入侧，定价必须覆盖 P99 用户（用量最高的重度用户决定成本上限，按均值定价会被重度用户击穿，连接 kp-026 的用量封顶设计）；成本侧，模型路由与缓存等优化手段（kp-027）直接改写公式参数。RAG 的成本悖论值得单独理解：检索提升准确率（kp-024）但输入 token 翻倍，这是「质量换毛利」的显式交易，必须进入测算而非事后惊讶。

公式或模型

单次成本 C = Tin×Pin + Tout×Pout + Caux；月人均成本 = C × 次数 × 放大系数；毛利率 = ARPU − 月人均变动成本ARPU。示例：摘要功能单次输入 4000 token（含 RAG 语料）× 0.008 元/千 token = 0.032 元，输出 600 token × 0.024 元/千 token = 0.014 元，附加 0.004 元，重试系数 1.3 → 单次约 0.065 元；人均月 60 次 → 月成本约 3.9 元；定价 15 元/月 → 毛利率约 74%；若重度用户月 600 次 → 成本 39 元 > 收入，必须靠用量封顶或路由降档兜底。

图示

实例或案例

某 AI 写作工具上线首月「增长悖论」：注册转化超预期三倍，团队庆祝；月末账单显示推理成本占收入 95%——重度用户（占比 8%）消耗了 70% 的 token，而订阅制不限量使用。复盘后三步止血：免费档限定每日生成次数（封顶）、付费档超出部分按量加购、高频场景（标题生成）路由到小模型（成本降 80%）。三个月后毛利率从 5% 修复到 60%+。教训：单位经济不是财务部门的事后核算，而是功能设计期（上下文长度、输出上限、路由策略）就确定的参数。

常见误区

• 按均值定价、按峰值付账：收入按平均用户算，成本被重度用户击穿；封顶、分档、超额计价是必备护栏。
• 漏算放大系数：重试、缓存未命中、多轮会话让实测成本常为「理想单次」的 1.2–1.5 倍，测算必须含放大项。
• 忽略 RAG 的输入膨胀：检索内容全量塞入上下文，token 成本翻数倍；检索结果裁剪与压缩是kp-027 的优化重点。

直观类比

传统软件像自助餐（一次性成本随便吃），AI 产品像电费计价（每度电都在走表）。开自助餐店的人不用懂电表，开「AI 自助餐」的人必须先装电表——单位经济模型就是那张电费单。

自测题

1. 单次调用成本的四个组成部分是什么？

要点：输入 token×输入单价、输出 token×输出单价、附加成本（检索/工具/审核）、重试与缓存未命中分摊。

1. 为什么重度用户是毛利模型的第一风险？

要点：成本分布右偏，少数重度用户贡献多数成本；按均值定价必然被击穿，需封顶与超额计价对冲。

1. RAG 为什么是「质量换毛利」的交易？

要点：检索内容放大输入 token、推高单次成本，同时提升事实性（kp-024）；取舍必须显式进入测算。

与其他知识点的关系

本节公式是 kp-026 定价模式的输入；kp-027 的每个优化手段对应公式的一个参数；kp-008 选型中的成本临界点计算直接引用本节模型；kp-022 监控的成本类指标是模型的实测校准源。

延伸阅读

• 《精益数据分析》，Alistair Croll、Benjamin Yoskovitz——单位经济与商业模式验证的经典框架。