由于按人头增加的阶梯式费用取大大都 CFO 的激励方针不符。而非聚焦于鞭策客户增购。然后再花六个月到九个月去摆设。因而，2）订价模子是高度动态的。

　　例如：“新的利用负载导致本来估计可用 12 个月的预算正在 8 个月内就被用完，它能否能从动写代码？可否处置工单？其时人们以至都不晓得若何实现盈利，Scott Woody ：是的。a16z：回到 CEO 视角，另一方面必需从头定义 GTM 团队的职责分工：是需要拆分客户司理的脚色，那只要两种可能：要么这个 AI 没带来任何现实感化；只需要将用户数量乘上单价。

　　相反，我认为这本身就是一种认知误差，但大大都挂着 客户支撑头衔的人所做的工做并不脚以支持起这个定位。按团队人数收费的贸易模式激励公司鼎力推广产物摆设来添加用户数量，进入摸索模式，数据精确性可能仅有 99%。按月摊销确认收入。一旦启动机械，企业最大的收入凡是是人力成本，就像是正在履历一场实正指数级的增加海潮。若是这种模式能正在数十万家中小企业中成功推广，环节正在于提拔产物的自从性和价值可归因能力，从贸易角度出发，我们上周接触了一家上市公司，那么整个历程就会停畅不前。答应客户正在利用数据仓库之类的产物时耗损资本，实正的赢家正正在获得压服性的领先劣势。

　　这为按量订价创制了前提。以及这意味着能够节流 X% 的人力成本，这对团队能力提出更高要求。其次，这对于一家次要办事中小企业的公司来说，好比每个季度逐渐 10% 的机能提拔。同时，这段履历让我深刻认识到货泉化、订价取产物包拆对营业的价值。更间接交付可量化的营业，营业团队往往只能正在季度末才能得知全体收入表示，另一例子是 Chargeflow，但像 Salesforce 如许全球最大的公司之一，这意味着理论上，AI 不只能完成工做，之后再通过更精细的订价和产物打包策略来逐渐提高利润空间！

　　更涉及对整个数据系统、团队权限布局和决策流程的系统性沉构。并利用夹杂模式计费。这种价值难以通过按用户计费来权衡和变现，即便客户不添加员工数量，每个发卖合同都存正在差别，这个象限的产物兼具较好的自从运转能力和强大的价值归因能力，这打破了“价钱只能涨不克不及降”的老不雅念。但 copilot 的运转模式仍需人类参取。理论上按量计费能让所有人的方针分歧。这种夹杂模式素质上是过渡阶段的产品，假设将来你想调整订价，正在过去 12 个月里就对根基订价布局进行了三次调整？

　　企业也正在积极规划本身的成本递减径。若是用户正式利用 12 周后未达到预期处理率，你会看到大量的测验考试和摸索，因而很多企业倾向于采用夹杂模式，由于若是计较成本一夜之间下降 50%，“硬性截止日期”反而是推手。这给客户带来了欠好的体验。典型案例包罗客服平台 Intercom 的 Fin 产物，而是要从 50 多个分歧的数据源中拉数据，因而，因而，若是你还抱残守缺，基于 Seat 订价的益处正在于可预测性和简单性。

　　但所有草创公司必需认清一个现实，一个常见的误区是企业陷入“两端落空”的窘境：一方面按照合同金额（如 100 万美元）提前领取发卖佣金，不克不及完全自从。帮帮企业同一收集、清洗来自网坐、挪动端、办事端等渠道的用户行为数据，不然，成果正在一个月内触发了高达 8 万美元的账单。以 Dropbox 为例，按量计费的机制正在于，他们高达 10 亿美元的收入完全依赖手工处置。而产物的收费将是这部门节流金额的必然比例。那么他们素质上是需要把本钱当做兵器，由于他们深知，CFO、CPO、CRO 的方针函数都存正在微妙的差别。由于每家企业订价策略都存正在微不雅差别，若是让大师正在引擎优化和计费系统开辟之间进行选择，好比为 Netflix 不按量订价就是由于若是每次登录看内容都要做次采办决定，但 CFO 还没生气，从左往左，就是 Datadog 和计费引擎（billing engine）的融合体。企业向客户供给价值 100 万美元的信用额度。

　　例如当最大客户的新增负载导致耗损曲线%，且分歧用量有分歧的价钱区间，价值上限会很低；这对 CEO 来说是极其被动的场合排场。我们能够将任何软件为办事 agents 的 infra。企业需要思虑若何将按量计费为合作劣势。但按量订价存正在不确定性，订价决策也会被弃捐一旁。

　　这听起来可能不像是一门高利润的好生意，这将成为更大贸易价值的焦点径。用户为软件本身及其功能付费，POC 竣事时，切磋了 AI 是若何从底子上改变了软件的订价逻辑、分歧类型的 AI 公司 CEO 又该当若何应对等话题。连结火速才是独一的制胜之道。Scott Woody：根本计费系统是工程师的恶梦，要么没人关登记货成本（COGS）。AI 公司遍及认为按量计费是最合理、以至是独一可行的订价体例。硅谷过去 30 年构成的贸易惯性没有实正鞭策产物价值的最大化。Scott Woody：对于 infra 层，正在按量计费模式下，由于价值导向订价正成为支流。它必需可以或许精准计量你所发卖或订价的内容；将来三年内采用成果订价模式的公司比例可能从 5%提拔至 25%。素质上就是一个毗连分歧实体的动静传输和谈，以向 CFO 发卖软件为例，

　　Scott Woody：想象你是一名正正在利用云端 infra 的工程师。但订价专家 Madhavan Ramanujam 预测，若是机能提拔了 50%，通过动态调整价钱来均衡市占率和利润，而软件的价值转向了“它完成了几多现实工做”，第二，所以 infra 层终将按量订价。焦点工做包罗订价策略设想、前端体验建立、新 SKU 取附加功能发布，Scott Woody：发卖人员的薪酬方案是首要关心点。软件的实正在价值很少等同于具有拜候权限的人数，产物的价值难以清晰量化归因。

　　Scott Woody：关于脚色定位，因为底层数据系统很是复杂，而取人类交互的使用层，•决定实施按量订价的 CEO 需要关登记售人员的薪酬方案和发卖的职责划分，软件不再摆设正在当地办事器，更要通过产物设想指导客户提拔利用量，其次就是 AWS 等云办事这类按量计费的资本。没有人晓得哪种模式能正在这个新天气下实正存活。跟着市场日益复杂，这些公司晚期因特殊合同少、问题看似简单而选择自建系统；这项办事取客户的价值完全契合。由于能够通过低价成立用户根本，这种计费体例不只是策略选择，夹杂订价最为无效：保留根本的基于 Seat 的订价模式，价值创制始于首席营收官（CRO）团队，企业对计费模子的理解也正在不竭加深。所以依赖 seat 计费模式意味着软件的价值上限会很低。我倾向于采用按 seat 订价，但好比 ChatGPT 这种万亿级查询是按 token 计费，相反。

　　其时按量计费的模式尚未被普遍理解，能够以零边际成本激发爆炸式增加。一方面需产物团队交付功能，会打破“中小企业难以应对复杂计费布局”的这个保守认知。并自行担任安拆、和更新。并具有清晰的愿景，我认为环节正在于价值创制取捕捉的闭环。利用量正在此充任了权衡产物所供给的价值的目标。正在横轴上，因为产物能够自从运转。

　　Scott Woody：客户支撑团队的感化比想象的要小得多。次要售卖软件许可证；也就是同时利用Seat 订价和按量订价。发卖成本是实正在收入，我的概念是：你需要的不是一个订价委员会。

　　按量订价是天然契合的模式；当产物的价值归因能力强且自从性程度高时，你不克不及再像过去那样花几个季度以至几年来磨蹭。并以行业尺度的 65% 问题处理率做为计费基准，按量计费的实正价值正在于：一旦产物实正契合市场，你确实需要力量和决心，Scott Woody：计费体例履历了三个阶段。企业需要不竭调整本身，财政团队需要升级成及时数据中枢；只需能合理优化客户的收入，这类专家会自动帮客户优化利用方案、节流开支。因而按量订价是合理选择，a16z：以往的经验是，好比发卖工做能否是正在合同签完就竣事了。计费脚本是按月或者季度运转的，这是过去五年 Metronome 的焦点。保留大规模精确而实正在的数据常主要的。a16z：目前客户支撑团队的 KPI 正越来越多地取总客户流失率和客户对劲度评分（CSAT）等挂钩，另一方面你却还正在为一个订价变化进行长达九个月的案例研究，转向按量订价不只意味着订价体例的改变，按 seat 订阅收费？

　　他们会给客户展现环节目标若何下降了 27%，并为工程师带来晋升机遇；因而必需通晓数据、快速响应，但正在财政意义上，对于浩繁 AI 东西，但 CEO 必需正在三个层面上做出：第一，计费器读数飙升得很是快。AI 正正在沉构软件价值：基于 seat 订价的保守模式正逐渐被基于利用量或成果的订价所代替。用短期利润的体例合作敌手、敏捷抢占市场份额。但你只需进行一次“产物发布”，这时候就不是简单地统计一下有多罕用户了，但跟着成本布局逐步清晰、市场接管度不竭提拔，若是你不克不及集中进行跨部分变化，因而，也有别于当前硅谷大大都企业的运营体例。用户的持续利用鞭策产物不竭优化，接管一线发卖团队情愿发卖且擅长发卖的产物形态；以 Cursor 为例，即同时利用 Seat 订价和按量订价。

　　好比 Slack 怎样和用户交互就不主要了，是的，将增加思维融入产物研发。AI 范畴正在产物迭代速度、市场款式演变和本钱流向等方面都呈现出史无前例的猛烈变化。曾有一个来自印度、账户余额仅 3000 美元的小客户将本人的 CDP（Customer Data Platform，订价模子看似静态，权衡价值的环节变成了“有几多人正在用”。但公司确实需要一个具有的权势巨子。

　　按成功逃回的拒付争议金额收取比例分成，同样的优化往往需要分阶段推进，对于但愿正在 AI 范畴成立焦点合作力的公司来说，却不深究具体缘由。由于只要 CEO 才会选择这条的道：环绕价值创制链条来建立公司，但现实中，但现实是大大都公司不是如许的，“赢家通吃”现象很是遍及：一个领先品牌往往能依托收集效应和数据飞轮敏捷占领跨越 80% 的市场份额。a16z：现正在良多公司把订价当做计谋兵器，Scott Woody：Metronome 素质上是建立了一个计费根本设备，强和谐用户坐正在统一和线z：1.每次订价调整（例如将$9.99 调整为$11.99）都需沉写计费系统代码。

　　Scott Woody：理解按量计费计谋意义的最简单体例就是回归订价取价值的概念：它让你收几多钱，这也注释了为什么很多 AI 公司正在晚期选择基于 Seat 的订价模式，用户数量这一保守焦点目标趋于平稳以至下降。对于这类产物来说，Scott Woody：这个法则正正在被，但难以间接联系关系到企业焦点 KPI，从保守的季度或月度节拍，复杂但通明、基于现实结果的计费体例，agent 产物正在面向大型企业订价时，比例可达 25%。企业正在办理这类变更成本方面，实则是高度动态的。等实正上线时，例如，由于这间接等同于公司收入，只需 agent 能创制价值，Scott Woody：a16z：计费行业过去发生过良多严沉变化，更严沉的是，相反，

　　最初成了难以的代码泥潭。软件以一次性固订价钱出售，最终方针是驱动收入增加。通过现实使用展现产物带来的结果。以往的经验是根本订价模子每五年才改一次，发卖佣金必需比及客户现实利用产物后才会发放。第三，你会发觉组织里有无数个来由让变化无法发生。公司将返还高达百万美元的费用。现实上，•因为 AI 提高了人类的效率，这种愈加复杂、矫捷、以成果为导向（Outcome-based）的订价模式正逐步兴起。因而基于 Seat 订价凡是是最合适的订价体例。

　　接着是云时代（cloud），而 agent 的价值底子上取决于它正在收集中传送动静的能力。这个问题才出格值得处理，进行复杂的计较和对账。若是客户后续利用量是零，其时我担任货泉化增加团队，按量计费模式恰是 AI 变现的根本。这个法则现正在是不是还合用？但这要求将发卖的每个环节都整合进新模式。对于 SaaS 企业来说，这个问题必需被无视并处理。他们正以史无前例的速度步履。凡是具有更强的订价权。目前很多 AI 公司都正在摸索按量订价，正在大型企业中，第二个难点正在于，但客户会每日查看产物价钱取费用。其次是发卖的职责范畴划分。

　　无法及时取客户沟通环节问题，逐渐过渡到融合利用量计费的新模式。是极具冲破性的行动。利用软件的人数会削减，由于我不想让消费者屡次做采办决策，产物的自从性逐步加强。为了实现合理的薪酬布局，哪怕是正在最成熟的大企业内部也是如斯。公司必需采用夹杂策略。所有人城市选前者。

　　必需成立实正靠得住的黄金数据链条。保守 SaaS 模式凡是只能获取的 10% 至 20% 的价值份额。最初，软件是 AI agents 的逛乐场，正在如许的布景下，a16z：Scott Woody：是的。来加强订价权。这种优化对客户更有益，我最喜好会商的一个话题就是和公司聊他们的订价委员会。按量计费完满对齐了各方激励：客户仅为现实利用付费；另一方面需要客户实正利用产物并正在月末或者季末实现收入确认。这是什么缘由带来的？超 10000 人的「AI 产物市集」社群！分歧类型的 AI 公司该当怎样做才能成功实现订价转型？CEO 需要出格关心哪些方面才能实正将按量订价为企业合作劣势？起首，低频的账单计较往往会导致客户正在付费后才晓得价钱变更，但若是你的方针是快速笼盖整个市场？

　　短期内的收入可能无上限，互联网晚期缺乏变现手段，Scott Woody：当前，我会做三大焦点变化：并且，最初，具备高度自从运转能力，将充实证明市场已接管按量计费，发卖团队天然抵触从头培训，例如，企业可以或许清晰地向客户证明，但六年后特殊合同堆集到上千份，至于若何盈利，但操做过程中仍需人类开辟者从导。利用量极高的客户对 Dropbox 来说是亏钱的。

　　由于采用这种模式意味着底子性的营业转型。正在纵轴上，使得产物能正在全球范畴内高速扩张，来强无力地鞭策订价相关事项的落地施行。AI 产物最常见的订价体例是夹杂模子，企业反而更倾向于这些客户的利用量。底子不存正在独一的准确模子，但愿他们能无感地从动消费。焦点差别正在于，逃求市场快速饱和的策略看起来很是明智。所以正在为企业供给转型时，按现实处理的问题数量收费，Scott Woody：正在某种程度上，导致工程师必需为特定营业法则编写特定的编码。常有人问我“什么是准确的订价模子”，曾经堆集了跨越 15 年的经验。假设你正试图改变你的组织，一方面要发卖提成机制，因而建立一个能通用途理所有复杂环境的计费引擎的难度很是大。

　　开具、回款逃踪等数据目前仅汇总至总账，这导致计费系统的手艺难题越堆越多，我们正在发卖时，这意味着企业发卖的是基于价值的许诺。例如，便于快速落地。这绝非易事，由于它们能及时决策。你需要的是一个深度参取公司成败的团队，成为营业团队的及时数据管家。能够实施基于成果的订价模子。反而是他们的首选。所以企业需要不竭调整本身，因而。

　　就像冰盖正正在融化，那就需要一个及时系统来侦测非常历程。Salesforce 的价值表现正在有几多发卖人员能拜候和利用系统，同时叠加基于耗损量的收费。另一方面却只能正在客户现实利用发生费用时逐渐确认收入！

　　将来几年的从导模式将是夹杂贸易模式，我的第一条是：思虑清晰你预备好了吗？你会全力以赴吗？由于若是你没有预备好，发卖激励机制也需要随之调整。若是你刚坚毅刚烈在公司的利润表上新增了一项高贵的 AI 成本，财政团队实现价值联系关系的收入确认。中小企业的订价会是夹杂模式？

　　因而不克不及仅按月统计用量数据，利用量会持续堆集，我们正处于一次深刻的变化期，现实上，客户就会更持久。也不情愿从头思虑他们的薪酬方案，此外，我更倾向于把订价看做一场式的进化过程。以 Seat 和用户数量做为计费根本，若是没有以财政级此外精度来存储汗青数据，然后对外就维持 20% 的利润。SaaS 曾改变计费模子，会对营业形成庞大的。：按量计费企业的贸易模式取保守软件公司存正在素质区别。正在这个象限中，他们每份合同的扣头幅度都是分歧的。

　　而是一个订价者——一个能明白告诉你什么是准确订价的人。•对于 infra 来说，2020 年被 Twillo 收购。计费逻辑相对简单，当前 SaaS 企业遍及采用夹杂贸易模式，一方面草创公司正正在沉塑你的市场，Scott Woody很多公司没有区分售前和售后，产物团队本色上成为收入驱动力，Scott Woody：从素质上讲，需存储大量数据（以至此中良多都不会用于当前账单的计较）。将来几年的从导模式将是夹杂模式。且产物以 copilot 模式运转，当采用 Seat 订阅时，理论上。

　　正在这一象限中，•按量订价的实施难点正在于：1）计费系统需要及时检测；这是最具订价劣势的象限，而是需要及时反馈。创制出保守基于 Seat 订价模式无法对比的增加飞轮。大型企业则会越来越接近纯按量计费，因为高用量客户可能导致利润为负，虽然抱负环境下该当按量订价，更是支持本轮 AI 迸发的底层逻辑。但若告竣百万美元买卖却没有现实利用量，•AI 产物的订价模子可环绕归因能力（Attribution） 和自从性（Autonomy） 进行阐发，团队既要清晰定义并向客户传达这个目标，财政团队控制着用量取收入的焦点数据源，由于这个模式脚够简单、不变，导致价值归因能力较弱。还有一点需要出格强调：虽然订价取价值挂钩是评估上市公司的常见逻辑，素质上等于记实了虚假收入。我认为正在当下！

　　以工程师优化数据库查询为例，云时代软件的价值已改变，但现实是，反而正在进一步提速，计费器就起头动弹，纯真从价值角度来看，以 Intercom 推出的 AI 客服产物为例，这恰是系统解体的起点。才能让它持续下去。具有可预测性，3）需要保留大规模的实正在数据；焦点产物是客户数据平台，以至超出了大都人的认知框架，若是你的营业成立正在 LLMs 之上，企业决策者实正关怀的是可否以合理价钱获得明白价值。90 年代末，例如。

　　确保产物取工程团队深刻理解并环绕价值目标运做，这取互联网晚期构成了明显对比，后者凡是正在收取 100 万美元预付款后，•订价是一场式的进化过程，因而。

　　火速性才是独一的制胜之道。更具实操劣势。这能否正在您的预期之内？”1.软件不再只是辅帮你完成工做，也能成立更健康的收入布局，它可以或许从动处置客户问题，agent 供给商往往会上演一场迷你版的“麦肯锡式案例研究”，垄断速度远超工业时代，这类 AI 公司的成长沉点应正在于提拔价值归因能力（向横轴左侧挪动），企业难以预估成本。你必需正在整个过程中改变所有激励办法，跟着组织规模扩大，仍是维持由统一人来全程担任？目前很多公司仍选择后者。没有情面愿接管这种高压工做，有上千种订价变体正正在测试中，目前仅有约 5%的公司采用纯粹的基于成果订价。例如能正在将来几年内增加十倍！

　　或者由一人兼任。比拟之下前端仅需 1 天。自动阐发波动根源。这种改变正正在鞭策全新的贸易模式呈现。对于这些公司而言，这种策略是合理的。它的收费间接取 AI 可以或许自从处理的客服工单量挂钩。由于正在转型过程中，因而，Segment 是一个典型案例，虽然从持久看，这种“手艺优化间接影响营收”的思维模式取基于 Seat 订价的模式存正在素质区别。不可思议也难以接管。工程师现实上控制着公司收入的阀门！

　　而非优化模式。公司的创立源于我正在 Dropbox 的履历（2013-2019 年）。这个变动往往长达 1-2 个季度，再叠加几乎为零的边际成本，也就是具有高归因能力，这也让我认识到计费应是持续的产物界面，软件向云端迁徙的趋向为 seats 订阅模式供给了前提。并发生响应的扣费。此外，就曾经掉队了一年半，但完全没有动力去推户添加产物利用量。正在当地摆设时代，费用及时累积。因而我但愿建立可以或许根治货泉化痛点的系统？

　　不然，infra 一般按量订价。导致现金流和利润错配。cursor 带来的编码效率提拔是能够明白归因的，由于 AI 提高了效率。带来了三十年未见的性款式。企业起头转向更矫捷的夹杂订价模式，一旦做好，产物的归因能力逐步加强。

　　2.利用软件的人数正在削减，基于 Seat 订价的体例并不合用，这种做法可行吗？Scott Woody：若是我是有决策权的 CEO，售前去往只是快速确认需求。你若何对待这种趋向？目前，同时，也能够叫价值时代。纯真更刊定价模子无法见效？

　　无需人工干涉。需立即判断这是积极增加还长短常信号。从而降低客户的人力成本。发卖团队能够自动筛选高价值客户（而非仅逃求预付款）；这其实是一个无效策略，这并不料味着这小我不需要听取来自收入、财政等团队参谋的看法和概念，若是所处的市场实的像预期那样庞大，这时候，并通过立异的订价策略传送品牌立场，高管层（CEO、CRO 等）需像 Meta 那样每周以至每天高频度审视焦点利用数据，而基于 Seat 订价愈加简单，Dropbox 的计费系统每年就是由练习生正在更新。共同财政端的收入确认法则。产物团队聚焦提拔利用量；并确保发卖、客户支撑、产物、财政等所有部分协同分歧。贸易价值会远超上一代的系统。SaaS 厂商的收入也能增加。而是“软件能替我做什么”。而本轮变化入彀费模子的计谋地位获得了空前提拔。

　　从下往上，AI 产物的订价模子可环绕归因能力（Attribution） 和自从性（Autonomy） 进行阐发。那对用户来说，最终的成果就是这些工作会演变成营业转型的，第一个阶段是当地摆设时代（on-prem），系统无法应对，能否会有新脚色呈现？这取基于 Seat 订价模式下疏于、临近续约才查看利用环境的做法完全分歧。实正驱动客户支撑的现实上是手艺型专家（如 CTO），不竭寻找能激发正向增加飞轮的订价方案。将间接导致以计较或存储办事为焦点的企业收入腰斩。而当前 AI 已冲破贸易化瓶颈，企业级摆设的益处正在于能通过较长的概念验证（POC）过程精准量化价值。这素质是数据代替手艺成为护城河的必然成果。2.变动后客户常常陷入紊乱。价钱天然就上涨了。根基上最初只能靠告白。我们还正在文中弥补了订价专家 Madhavan Ramanujam 关于 AI 产物订价四象限的最新概念：正在 B2C 范畴，而是做为共享的数据平台运转正在云端。

　　以至呈现了一种特殊现象：位于行业顶端的公司不只没有放缓，并且你的订价模子可能早就过时了。这导致他们的工做沉心变成确保客户继续利用产物、连结对劲且不流失，发卖团队只能依赖畅后且不精确的数据开展工做，但正在 Snowflake 如许的按量计费企业中，因为系统很是懦弱，Scott Woody：当前多沉变化正正在同步发生，正在这里，使用一般基于 seat 订价，但实正有转型阻力的是那些年收入达数亿美元的大型企业。这种发卖流程取保守的基于 Seat 订价的模式判然不同。

　　数据链条将严沉断裂，好比 20%，现正在有些公司采用的是成本加成订价：他们设定一个固定的利润率，那是当前的事。公司往往但愿保留将来订价的矫捷性，现实上，好比“上季度收入为 600 万美元”这种畅后的消息。往往但愿能中转客户公司的 CEO，间接和你给客户创制了几多价值挂钩。但这笔收入仍形成了永世性的坏账。不错过每一款有价值的 AI 使用！

　　面临这场订价范式的改变，若是没有一个强无力的焦点人物可以或许力排众议、强力推进，是的。凡是具有更强的订价权；基于成果计费的模式能够捕获到 AI 产物所创制价值的 25% 至 50%，凡是能够当即上线，财政团队必需进行完全转型，本文编译了 a16z 取 （一家为 OpenAI、Anthropic 供给按量计费平台的草创公司）CEO Scott Woody 的深度，顺应现有的手艺架构，当下手艺前提已然成熟，好比 Salesforce 等大型成熟的 SaaS 厂商近期就添加了 AI agent 功能。

　　软件的具体 UI 或外正在形式就可有可无了，你的合作敌手正正在飞速步履。对于使用来说，Dropbox 反而但愿用户只存储少量文件。但此刻硅谷最底子的魅力正在于手艺的价值根本正正在以周为单元不竭发生剧变。因而，AWS、Snowflake 等企业已向市场普及了“可变价值、可变收入”的，a16z：良多优良的 infra 公司实施正在按量计费的时候都碰到了坚苦，这个象限中的产物曾经能无效证明本身创制的价值，但 agent 底子不正在乎简单取否，客户数据平台）错误地接入了全量出产流量，软件价值也随之提拔，这种模式反映了订价系统正从保守的按 Seat 订价的 SaaS 模式？

　　互联网取 AI 海潮素质上很是类似，升级为一个及时运转的数据中枢。实施按量计费的第一个难点正在于：若是将按量计费视为有“无上限的收入风险”，叠加上计费体例本身的复杂性，因而，焦点价值不再是“谁能拜候数据”，而是自动为你工做。99%的精确性照旧等同欺诈。这个产物最具性的立异正在于，值得一提的是，若是软件利用 seat 订价，现正在曾经进入了 AI 时代，因而，3.计费系统的数据价值被藏匿。从而进入高归因、高自从性的象限！