AI 推理成本上行，C 端 SaaS 被推上「健身房式」混合定价

Canva 与 Figma 这两家全球用户量最大的设计 SaaS 公司，在最新一个季度里，遇到了同一个新难题：用户越活跃，公司反而越不赚钱。

今年 4 月，Canva 发布 AI 2.0，将 AI 生成能力推到产品核心位置；四个月后，公司主动放慢推广节奏，并把 2026 年收入增长预期从年初约 30% 下调至约 20%。几乎同一时段，Figma 公布财报，营收同比增长 48%，营业成本却同比增加 117%，盘后股价一度下跌 15%。两家公司的财报共同指向一个事实：AI 正在改写 C 端软件的成本曲线，而旧的定价模型已经兜不住新的成本结构。

AI 把软件成本曲线从「边际递减」拉成「边际递增」

传统 SaaS 是一份近乎完美的轻生意：用户量越大、调用越频繁，服务器、带宽、内容生产的单位成本越低。Canva 正是这一模式的代表——截至 2025 年末，月活 2.6 亿、付费客户超 2800 万、年化收入约 35 亿美元、覆盖 95% 的《财富》500 强企业。

AI 改变了这一公式。Canva 至今仍给免费用户保留每月约 200 次标准 AI 调用、20 次高级 AI 调用的额度，目的是保住流量基本盘。但每一次图像生成、模型调用，背后都对应真实的 GPU 与推理开销，这意味着过去支撑 SaaS 扩张的「免费流量」第一次变成了利润表上的成本项。

与此同时，用户并不愿意为新增的算力付出明显更高的费用。2024 年 Canva 把一部分早期 Teams 用户从「5 人 120 美元/年」迁到「每人每月 10 美元、至少 3 个席位」的新价格，相当于年费涨至约 600 美元，涨价幅度接近 4 倍，结果引发大量老用户反弹，最终被迫允许部分早期客户保留历史价格。Figma 则在 3 月上线 AI Credits，将不同 AI 能力换算为额度上限，但仍未阻止二季度营收成本从 2789 万美元飙升至 6047 万美元，GAAP 运营亏损达 1.173 亿美元，而去年同期还有约 200 万美元盈利。

定价三路线：订阅、按量、按结果均遇瓶颈

面对 AI 推高的边际成本，行业尝试了三种主要定价方式，效果都不及预期。

第一种是继续走订阅路线。Adobe 在 2023 年随 Firefly 将主力套餐从 52.99 美元/月涨至 59.99 美元，2025 年又推出 69.99 美元的 Creative Cloud Pro，但最新一季订阅收入同比增长 13.7%，订阅成本却增长 16%。订阅收入相对固定、算力消耗却随时浮动，结构性错配日益突出。

第二种是按量计费。Replit 在 2025 年推出「Effort-Based Pricing」，按 Agent 完成任务的复杂程度向用户收费，简单任务约 0.25 美元，复杂任务可超 1 美元。问题是 Agent 在后台会经历规划、搜索、调用工具、返工等多轮执行，用户对实际消耗多少 token、跑多少步并不透明。2025 年 7 月，Replit 因计费 Bug 多收了约 6% 付费用户的费用，被迫退款并额外补偿 10 美元积分。开发者社区中也有用户反馈，过去 2–3 美元即可完成的项目在新定价下被收到 30 美元，甚至有用户因一次失败任务被扣 32 美元后宣布退出。

第三种是按结果收费。Zendesk 从 2024 年起按 AI「自动解决」的客服工单收费，单次最低约 1.50 美元，听起来最贴近用户价值，但执行难度反而最高：什么算「解决」？Zendesk 早期规则将「AI 回复后 72 小时无后续互动、也未转人工」视为自动解决，结果有客户在社区里逐条复核了 192 条记录，认为其中至少 40% 仍需人工介入。Salesforce 也面临类似质疑——在 Agentforce 年度经常性收入突破 12 亿美元、同比增长 205% 的背景下，市场仍关心客户付费到底买的是 CRM 的数据与流程能力，还是仅仅买了一层大模型调用的包装。

走向「健身房模式」的混合定价

绕了一圈后，越来越多 AI 应用最终都落在同一个答案上：混合定价。

收入底盘用订阅保住，AI 重度使用额外按量或按结果收费。
Intercom 的客服 AI 即采用「39 美元/月基础席位 + 0.99 美元/次解决结果」的两段式结构。
Canva 与 Figma 也分别于今年 3 月、4 月把固定订阅拆成「基础订阅 + 超量加购」。

三类定价本质是在不同主体之间分配算力风险：纯订阅让公司承压，纯按量让用户承担不可预测的价格，纯按结果则把争议集中到「什么叫完成」的定义上。混合定价是当下三者之间最现实的折中——既让 SaaS 公司用订阅保住收入底线，又能把重度用户带来的边际成本转嫁出去。

更深层的信号是，软件这门被视为过去 20 年最好的生意之一，正在变成「健身房模式」：平台既希望用户离不开自己，又不敢让用户毫无节制地使用自己。AI 应用层的下一阶段竞争，很可能不再是功能或模型的比拼，而是谁能更聪明地平衡「让用户多用」与「不让成本失控」之间的矛盾。