1% 用户吃掉 75% AI 账单：这笔账 SaaS 公司该怎么算

SaaStr 上周三那篇《双重曲棍球棒效应》把一个数字摆在了所有做 AI 产品的团队面前：差不多一半用户对 AI 功能的消耗接近零，但 1% 的用户吃掉了 50% 到 75% 的总成本，极端情况下 0.1% 的用户就能贡献 75% 以上的账单。Figma、Clay、Higgsfield 这几家公司已经开始动手处理这件事，但在那之前，更值得琢磨的是这个分布形态本身说明了什么。它不是可以忽略的噪声，而是产品定价、成本结构和增长模型的起点。这个数字之所以值得单独拿出来说，是因为它把「用户觉得贵不贵」这件事彻底换了个问法。

如果把时间拉长看，这其实不是 AI 独有的问题。云计算的早期也出现过类似形状，早期用户填满了免费额度，企业客户却承担了绝大部分的基础设施成本。区别在于，AI 时代的单位成本高出一个量级，而且用户对消耗速度的感知几乎为零——没有人会因为多问了几轮问题而注意到账单在涨。相比云主机，用户甚至看不到自己调用的模型名称和单次价格，这种信息差让成本问题变得更隐蔽。

对 SaaS 公司来说，这种集中度会直接改写毛利结构。如果按平均用户成本去定价，1% 的重度用户就足以吃掉大部分利润；如果简单粗暴地给所有用户加上限，重度用户又会立刻流失转向竞品。Figma 的做法是把 AI 功能单独拆成按量计费的模块，让用得多的用户自己承担多出来的部分；Clay 则在后台直接把高频用户的实际调用量显性化，做成一张看得懂的账单。这一块的操作细节，决定了定价方案能不能真的跑通。

Higgsfield 的路径又不一样。这家 AI 视频生成公司的年均客户支出大约 1000 美元，是 Canva 200 美元左右的五倍多，而且客户数量少得多。它没有靠削功能来控制成本，而是把产品形态做成「一次生成就能出可用结果」，减少用户反复调整的次数——消耗量降下来了，单客户收入反而上去了。这条路的门槛更高，但对以生成质量为卖点的产品来说也更匹配。把这三种做法摆在一起，能看出完全不同的产品哲学。

这三种做法的共同点，是都承认了「重度用户是真实需求」这件事。把这批人当成成本负担去堵，会同时失去收入和口碑；把他们当成最有价值的客户去服务，反而能拿到溢价。问题的核心从来不是成本高，而是产品没做分层。定价档位、限流策略、功能设计，三件事都该按这批人的真实用法重新算一遍。换句话说，成本问题一旦被重新定义，就不再是纯财务问题。这也是为什么它值得被认真对待。

这条经验对创业公司的启发其实很直接：AI 产品的成本优化不只有「砍模型」这一条路。把重度用户和高频场景识别出来，做成不同的产品形态和定价档位，往往比一刀切地限制调用次数更有效。前提是，你得先知道那 1% 到底在做什么，他们用的是哪个功能，在什么时段调用，用量集中在哪类任务上。这个思路在别的行业也被反复验证过，逻辑是通的。把这个名单拉出来，很多决策会立刻变简单。

问题的核心从来不是成本高，而是产品没做分层。定价档位、限流策略、功能设计，三件事都该按这批人的真实用法重新算一遍。这份分析的价值在于，它把「成本失控」这个模糊的抱怨，翻译成了三个可以立刻动手的具体动作。这一层，值得每个做内容的团队重新想一遍。这一层，值得每个做内容的团队重新想一遍。这一层，值得每个做内容的团队重新想一遍。这一层，值得每个做内容的团队重新想一遍。

创业找资源，上乌鸦部落。