AI 应用层应按可识别工作价值定价

a16z 合伙人 Sarah Wang 指出，AI 应用层产品不应模仿模型层按 Token 定价，而应基于可识别的工作单元进行定价。她认为，Token 定价将应用产品价值锚定在成本持续下降的单元上，导致客户难以预测上下文长度、检索量或推理时间，并且会将应用与原始算力进行不恰当比较。建议按价值层级分层定价：模型层按 Token 定价，应用层按客户可识别的工作单元定价，如账户调研简报、代码修改、已完成查询，并可通过 Credits 封装。可归因且价值清晰的场景应直接按结果定价，如已解决的客服对话、合格线索。Credits 设计应映射不同难度的工作，以保护毛利率并区分工作价值与交付成本。以 Clay 为例，其新定价将 Data Credits（第三方数据）与 Actions（编排工作）分离，对成本波动较大的推理模型仅做成本传导而不加价。Wang 认为，定价应锚定价值而非算力成本，既能让客户理解花费与价值，也有利于产品方守住利润空间。

本内容仅供参考，不构成任何金融、投资、法律或税务建议。文中提及的任何活动、奖励、线上活动或相关信息，不应被视为对购买、出售或交易任何加密资产的推荐、招揽或邀请。加密资产具有高波动性，存在价值损失风险。WEEX服务、产品及相关活动的可用性可能因地区而异。用户在参与前有责任确保符合当地适用法律法规。