AI导致毛利率侵蚀：上线前必须建立财务模型
September 2, 2026
AI功能的推出将企业支出从研发预算（R&D）转移到了营业成本（Cost of Goods Sold）。模型离线训练与工程原型验证可以列入研发预算，但在线推理在客户每次操作时都会产生实际支出，属于标准的服务变动成本。如果在上线前未能建立严谨的测算模型，财务部门首次察觉它的信号往往就是董事会例会上无法合理解释的毛利率突降。
将推理支出列入营业成本
将重复发生的推理调用、失败重试、工具交互以及按使用量挂钩的第三方席位费统一归入营业成本，而不是研发费用。判断标准很简单：只要客户再次使用该功能时这笔成本就会再次发生，它就属于交付成本。一次性模型调优和基准测试属于研发，生产推理链路必须纳入营业成本。
核心测算公式
财务测算必须基于“月度单活跃账户成本”，而非技术人员常用的“单Token单价”。计算实测的单次成功任务成本，乘以单账户预期的月度任务总量，再加上必须全额付费的失败和重试损耗。将该数据与该账户现有的订阅收入对比，得出的就是该客群的全新毛利率，而非模糊的节省比例。
在三种使用量维度上进行模拟：中位数用量账户、第90百分位账户、以及商业上可接受的最极端用量账户。中位数通常看起来很健康，但毛利塌陷往往潜伏在右侧长尾，因为AI支出随使用无上限攀升，而固定套餐收入却有硬顶。
毛利率侵蚀的四大现实根源
大多数侵蚀由四大根源引发：无用量封顶的固定订阅重度用户、按全额计费的系统失败与重试、每轮对话重复发送的冗长上下文、以及将单个操作裂变成数十次调用的复杂智能体。只要在预发环境采用真实流量埋点，这些在上线前均完全可测可控。
尽早明确产品定价应对策略
可选策略包括：在套餐中设定用量阶梯上限、在报价中引入超额用量计费模块、将默认路由切换为高性价比模型并将昂贵模型保留给复杂用例、或在固定周期内将低毛利作为获客成本主动接受。这四种策略在商业上皆可论证，唯独在季度末看着方差报告措手不及是无法接受的。