1. 一个反常识的收入模型18个月做到10亿美元年化却劝你别做20美元订阅第一次看到“18个月、10亿美元年化收入”这组数字的时候我的第一反应是——这又是一个靠融资烧出来的估值故事。但把Higgsfield这个案例翻来覆去看了几遍之后我发现真正值得聊的不是那个10亿美元的数字本身而是创始人公开表达的一个反直觉观点他不看好20美元/月的订阅制。这句话放在当下的AI产品圈里几乎等于逆着人流走。你去翻任何一个AI工具的增长复盘20美元月付几乎是被写进教科书的“标准答案”——OpenAI的ChatGPT Plus是20美元Claude Pro是20美元Midjourney基础档是10美元各种AI写作、AI绘画、AI编程助手定价页面上那个最显眼的数字十有八九就是19.9或者20。整个行业默认了一个逻辑用低价订阅降低决策门槛把用户圈进来再靠规模摊薄推理成本。Higgsfield的创始人偏偏说这条路他不太看好。这就很有意思了。一个在18个月里把年化收入做到10亿美元量级的团队按理说最有资格去复制“20美元订阅”这套打法但他没有或者说他刻意避开了。这背后到底是算不过账还是看到了别人没看到的东西这篇文章我想把这件事拆开讲透。不是复述新闻而是从商业模式、成本结构、用户心理、AI产品的边际成本特性这几个角度去还原一个从业者视角下的判断逻辑。如果你正在做AI产品、正在纠结定价、或者正在思考“订阅制到底还灵不灵”这篇内容应该能给你一些可以直接拿去用的思路。我会尽量说人话把那些藏在数字背后的账算给你看。先说结论方向Higgsfield这类产品的收入结构和传统SaaS的订阅逻辑根本不是一回事。用SaaS的订阅思维去套AI产品尤其是套那些单次调用成本高、使用频次不可预测、价值感知波动大的AI产品很容易把自己套死。20美元订阅不是不好而是它只适合某一类产品用错了地方就是慢性失血。2. 拆解Higgsfield的收入结构10亿美元年化到底从哪来2.1 年化收入ARR这个数字先别急着信在展开之前得先给“10亿美元年化收入”这个说法降降温。行业里说的ARRAnnual Recurring Revenue年度经常性收入很多时候是把某个月或者某个季度的收入乘以12或者乘以4推算出来的它反映的是“如果当前节奏不变一年能收多少”而不是“已经实实在在收了10亿”。这不是Higgsfield一家的问题是整个行业的通用口径。所以看到这类数字第一件事是问这个年化是基于哪个月的收入增长曲线是陡的还是平的收入里有多少是一次性充值、多少是可持续的订阅这三个问题决定了这个数字的含金量。我个人的经验是一个产品如果月收入在快速爬坡期用最近一个月乘以12算出来的ARR会严重高估。比如某个月因为一个爆款功能冲了一波月收入从500万跳到2000万那ARR瞬间就是2.4亿但下个月可能又回落到800万。所以看ARR一定要配合收入曲线和留存数据一起看单看一个数字没有意义。Higgsfield能在18个月做到这个量级说明它的收入曲线大概率是持续向上的而不是单月脉冲。这一点比数字本身更值得关注。2.2 收入来源的三种可能结构一个AI产品做到10亿美元年化收入结构无非几种组合。我把它拆成三类你可以对照自己手里的产品看看属于哪一种收入类型特征成本特征适合的定价方式订阅制收入按月/年固定收费可预测推理成本随使用量波动低价订阅用量限制按量付费收入按调用次数/生成次数计费成本与收入强相关积分/点数/Token计费企业级收入大客户年框、定制部署前期投入高边际成本低高客单价服务费Higgsfield创始人不看好20美元订阅最可能的原因是他的产品收入结构里按量付费或者高客单价的企业收入占比很高而低价订阅反而会拉低整体ARPU每用户平均收入还会带来成本失控的风险。这个逻辑其实不难理解。假设一个AI视频生成产品用户生成一条高质量视频的推理成本是2美元。如果定价20美元/月不限量那用户只要一个月生成超过10条你就开始亏钱。而AI产品的用户行为恰恰是最难预测的——有人一个月生成3条有人一天生成30条。低价订阅把这种不确定性全部转嫁给了平台自己。2.3 为什么“不限量”是AI订阅制的隐形炸弹传统SaaS敢做不限量订阅是因为它的边际成本几乎为零。一个笔记软件多一个用户服务器成本增加微乎其微。但AI产品不一样每一次生成、每一次推理都是真金白银的算力消耗。我见过太多团队在早期为了冲用户量推出“20美元不限量”的套餐结果被一小撮重度用户把成本打穿。行业里有个不成文的说法5%的重度用户可能消耗掉80%的算力预算。这在传统SaaS里不是问题在AI产品里是致命的。Higgsfield如果走的是高质量视频/图像生成路线单次生成成本只会更高。这种情况下20美元不限量订阅等于给自己埋雷。创始人公开说不看好本质上是在保护自己的成本结构。提示如果你正在设计AI产品的定价先算清楚“单次生成成本”和“用户月均使用次数”这两个数。前者决定你的成本底线后者决定你的定价上限。两个数一乘如果超过你的订阅价格这个套餐就是亏的。3. 20美元订阅制的三个致命假设在AI时代正在失效3.1 假设一用户会为“可能性”付费传统订阅制的心理基础是“我可能用得上”。你订一个视频网站哪怕这个月只看两部剧你也觉得值因为内容库在那里随时能看。这种“可能性付费”在内容行业成立因为内容库的边际成本是固定的。但AI产品的“可能性”是有成本的。用户订阅了你的AI工具哪怕他不用你也要为他的“随时可用”预留算力。更麻烦的是一旦用户真的开始高频使用成本立刻飙升。这就导致一个尴尬的局面用户不用你收20美元但浪费了获客成本用户猛用你收20美元但亏了算力成本。Higgsfield这类产品如果按20美元订阅等于在赌“用户的使用频率会稳定在一个可预测的区间”。但AI产品的使用频率恰恰是最不可预测的——它取决于模型效果、热点事件、用户灵感波动极大。3.2 假设二低价能带来规模规模能摊薄成本这是SaaS时代的黄金法则用户越多单位成本越低。但AI产品的成本曲线不是这样走的。AI推理成本确实会随着技术优化下降但用户增长带来的成本增长是线性的甚至是指数级的。你多一个用户就多一份算力消耗。除非你的模型效率提升速度超过用户增长带来的成本增长否则规模越大亏损越大。这就是为什么很多AI产品用户量涨得飞快但越涨越亏。Higgsfield创始人不看好20美元订阅很可能是因为他算过这笔账在当前的推理成本下20美元订阅带来的规模效应抵消不了重度用户带来的成本黑洞。3.3 假设三订阅制能锁定用户形成复购订阅制的另一个卖点是“锁定”。用户一旦订阅下个月自动续费形成稳定现金流。但这个逻辑在AI产品上也在松动。AI产品的替代速度太快了。今天你用这个工具生成视频明天可能就有一个效果更好、价格更低的竞品出现。用户的迁移成本极低因为AI工具之间没有太强的数据锁定。你在这个平台生成的图片换个平台也能生成类似的。所以AI产品的订阅留存本质上不是靠“锁定”而是靠“持续提供不可替代的价值”。一旦价值感知下降用户立刻取消。这种情况下低价订阅反而会让用户觉得“反正便宜先订着”但一旦觉得不值取消也毫不犹豫。注意订阅制的留存率在AI产品上普遍低于传统SaaS。行业里AI工具的月流失率做到5%以下就算优秀而传统SaaS可以做到2%以下。这个差距直接决定了LTV用户生命周期价值的算法完全不同。4. 那Higgsfield到底靠什么赚钱三种更抗打的收入模型4.1 按量计费让成本和收入同步呼吸按量计费是AI产品最自然的收入模型。用户生成一次付一次钱。成本发生的时候收入也发生。这种模型最大的好处是风险共担——平台不用赌用户的使用频率用户也不用为用不上的额度付费。具体形式可以是积分制、点数制、Token计费。比如用户充值100美元买1000个积分每次生成消耗10个积分。这样平台能精确控制每次生成的毛利用户也能清楚知道自己花了多少钱。这种模型的挑战在于用户心理门槛。订阅制是“先付费后使用”按量是“用一次付一次”后者会让用户在使用时产生“又花钱了”的痛感。所以按量计费的产品通常需要把单次价格做得足够低或者把价值感做得足够强让用户觉得“这钱花得值”。Higgsfield如果走的是高质量生成路线按量计费反而更合理。因为高质量生成的价值感知强用户愿意为单次好结果付费而不是为“可能生成好结果”的订阅付费。4.2 高客单价企业版用服务费覆盖算力成本另一个方向是企业级收入。企业客户对价格的敏感度低于个人用户但对效果和稳定性的要求更高。一个企业客户一年付10万美元可能比5000个20美元的个人订阅更划算——不仅收入更高而且使用行为更可预测。企业级收入的成本结构也不同。个人用户是“自助式”使用平台要承担所有算力成本。企业客户通常有明确的使用场景和预算平台可以在报价时把算力成本算进去甚至可以通过私有化部署、专属模型微调等方式把成本转嫁给客户。Higgsfield如果有一部分收入来自企业客户那20美元订阅对它的吸引力自然就低了。因为企业客户的ARPU可能是个人用户的几十倍甚至上百倍维护好一个企业客户比拉新几千个20美元订阅用户更有效率。4.3 混合模型订阅做入口按量做利润最现实的方案往往是混合的。用一个低门槛的订阅比如20美元做入口但订阅里只包含有限的额度超出部分按量计费。这样既降低了用户的尝试门槛又保证了重度用户的成本能被覆盖。这种模型的关键是额度设计。额度给多了重度用户薅羊毛额度给少了轻度用户觉得不划算。我见过做得比较好的产品会把订阅额度设计成“覆盖80%用户的月均使用量”剩下20%的重度用户走按量付费。这样80%的用户觉得订阅够用20%的用户为超额部分付费整体毛利可控。Higgsfield创始人不看好纯20美元订阅但未必反对“20美元订阅按量付费”的混合模型。他反对的应该是“20美元不限量”这种把成本风险全部自己扛的模式。5. 从Higgsfield看AI产品的定价底层逻辑5.1 先算成本再定价格而不是反过来很多团队做定价的顺序是错的先看竞品卖多少钱然后定一个差不多的价格再倒推成本控制。这个顺序在AI产品上是致命的。正确的顺序应该是先算清单次生成的成本再估算用户的使用频率分布然后设计一个能覆盖成本的定价结构。成本是地板价格是天花板中间的利润空间取决于你的模型效率和用户结构。单次生成成本怎么算把GPU时长、存储、带宽、模型推理开销全部加起来除以生成次数。这个数字可能比你想象的高。尤其是视频生成一条几秒的高质量视频算力成本可能是几美分到几美元不等取决于分辨率和时长。5.2 用户分层不是所有用户都值得用同一个价格20美元订阅最大的问题是一刀切。但用户的使用行为是高度分化的。有人一个月用3次有人一天用30次。用一个价格覆盖所有用户必然导致轻度用户补贴重度用户。更合理的做法是用户分层定价。轻度用户走低价订阅或者按量付费重度用户走高价套餐或者企业版。这样每个层级的用户都能找到适合自己的价格平台也能保证每个层级的毛利。分层的关键是找到分层的依据。可以是使用次数、生成质量、功能权限、商用授权等。比如个人非商用一个价商用授权另一个价。商用客户对价格的敏感度低但对授权合规的要求高愿意为商用授权付溢价。5.3 价值感知决定价格上限成本决定价格下限价值感知决定价格上限。AI产品的价值感知来自哪里来自生成结果的质量、速度、独特性。如果生成结果足够好用户愿意为单次付费的价格可能远高于订阅分摊下来的单次成本。比如一条能直接用于商业广告的视频价值可能是几百美元用户不会在意单次生成花了5美元还是10美元。Higgsfield如果做的是高质量生成它的价值感知就强定价空间就大。这种情况下20美元订阅反而是在压低自己的价值感知——用户会觉得“这么便宜效果应该一般”。提示定价不只是收钱的方式也是价值信号的传递。低价不一定带来更多用户有时候反而会让用户怀疑产品质量。尤其是AI生成类产品价格本身就是质量暗示。6. 实操如果你也在做AI产品定价该怎么设计6.1 第一步算清楚你的单位经济模型在定任何价格之前先把这几个数算出来单次生成成本GPU时长×单价存储带宽除以生成次数用户月均使用次数看现有数据或者用同类产品数据估算用户获取成本CAC花多少广告费/运营成本获取一个付费用户目标毛利率你希望每单赚多少把这四个数放在一起就能算出你的最低定价。比如单次成本0.5美元用户月均用20次那月成本就是10美元。如果你想要50%毛利定价至少20美元。但如果用户月均用50次成本就是25美元20美元订阅就是亏的。这个计算不复杂但很多团队就是没做或者做了但用的是乐观估计。我的建议是用保守估计单次成本往高了算使用次数往多了算。这样定出来的价格才安全。6.2 第二步设计价格阶梯而不是单一价格单一价格很难覆盖所有用户。更好的做法是设计3-4个价格阶梯每个阶梯对应不同的使用场景和用户画像。套餐层级目标用户月费包含额度超出计费体验版尝鲜用户0-5美元少量额度按量付费标准版轻度用户20美元中等额度按量付费专业版重度用户50-100美元高额度按量付费企业版商用客户定制不限量专属服务年框这个结构的好处是体验版降低尝试门槛标准版覆盖大部分用户专业版抓住重度用户企业版赚取高毛利。每个层级都有明确的升级路径用户可以根据自己的使用情况选择。6.3 第三步用数据验证而不是拍脑袋定价定完之后一定要用真实数据验证。看几个关键指标各套餐的转化率哪个套餐最多人买各套餐的毛利率哪个套餐最赚钱升级/降级率用户会不会从低价套餐升到高价流失率哪个套餐的用户最容易走如果发现某个套餐毛利率为负要么提价要么限制额度要么引导用户升级。如果发现某个套餐转化率极低要么调整价格要么调整额度。定价不是一次性的工作是持续优化的过程。我见过做得好的团队每季度都会根据成本变化和用户行为调整一次定价结构。7. 常见问题与避坑指南7.1 用户嫌贵怎么办先别急着降价。用户嫌贵通常有三种原因一是价值感知不够二是没有合适的低价入口三是竞品确实更便宜。如果是价值感知不够要做的是加强效果展示和案例证明而不是降价。如果是没有低价入口可以加一个体验版或者按量付费选项。如果是竞品更便宜要分析竞品的成本结构——它可能是在烧钱换市场这种价格不可持续你不用跟。7.2 重度用户薅羊毛怎么防这是AI产品最头疼的问题。防薅羊毛的核心是让重度用户为他的使用量付费。具体做法订阅套餐设置额度上限超出部分按量计费对异常高频使用做限流或人工审核设计商用授权商用场景走更高价格的套餐不要试图用“不限量但限速”来防薅羊毛用户体验会很差而且重度用户还是会找到绕过的方法。7.3 免费用户太多付费转化上不去免费用户的价值在于口碑传播和转化潜力但如果免费额度给太多付费转化率一定低。我的经验是免费额度要刚好让用户感受到价值但不够完成一个完整的工作流。比如AI视频生成免费用户能生成一条带水印的低清视频但要去水印、提高清、延长时长就得付费。免费额度的设计原则是“体验价值但不交付完整结果”。让用户看到可能性但要把完整结果留在付费墙后面。7.4 定价改了老用户反弹怎么办改定价一定会有人不满这是正常的。关键是保护老用户的既得利益。比如老用户继续享受原价格一段时间或者给老用户额外的额度补偿。新价格只对新用户生效。这样既能调整收入结构又不会引发大规模流失。我见过一些产品改定价时给老用户发一封诚恳的说明邮件附上一个折扣码或者额外额度反弹就小很多。8. 我个人的几点实操体会做AI产品定价这件事我踩过的坑比成功的经验多。最早的时候我也觉得20美元订阅是标准答案照着抄就行。结果发现抄来的价格结构跟自己的成本结构完全不匹配用户越多亏得越多。后来我慢慢想明白一个道理AI产品的定价本质上是在给“不确定性”定价。用户的使用频率是不确定的生成成本是不确定的价值感知也是不确定的。20美元订阅试图用一个确定的数字去覆盖所有这些不确定性这在传统SaaS里可行在AI产品里很难。Higgsfield创始人不看好20美元订阅我理解他不是否定订阅制本身而是否定“用固定低价去覆盖不确定成本”这种做法。他的选择可能是按量计费、企业版、或者混合模型核心逻辑都是让收入和成本保持同步。如果你也在做AI产品我的建议是先把成本算清楚再设计价格阶梯然后用数据持续验证。不要因为竞品卖20美元你就卖20美元也不要因为投资人喜欢订阅制你就硬做订阅制。定价是商业模式的表达不是抄作业。最后分享一个小技巧如果你不确定该定什么价可以先做一个小范围的A/B测试用不同的价格去测同一批用户看转化率和毛利率的变化。数据会告诉你答案比拍脑袋靠谱得多。