2026 年，AI Agent 不再只是技術展示品，而是一門正在成形的生意。從 Intercom 的 Fin 每解決一個客服問題收 $0.99，到 Microsoft Copilot 按小時計費 $4，再到 Telegram Bot 的原生星幣支付——AI 代理人服務的商業模式正在快速分化。我花了一些時間研究這個領域，發現定價策略的選擇，往往比技術本身更決定一個 AI Agent 產品的生死。

三種定價模型，三種不同的賭注

目前市場上的 AI Agent 定價大致可分為三個流派，每一種都代表了對「AI 價值」的不同理解。

一、結果導向計費（Outcome-based）

Intercom 的 AI 客服機器人 Fin 是這個模式的標竿：每成功解決一個客戶問題收費 $0.99。看似便宜，但算一下就知道為什麼這是門好生意——傳統人工客服處理一次查詢的成本在 $5 到 $10 之間，Fin 直接把成本壓低了 80% 到 90%。

以一家月處理 10,000 次客服對話的中型企業為例：假設 Fin 的解決率是 50%，那月費大約 $4,950。聽起來不少？但對比人工方案的 $50,000 到 $100,000，這是十倍的成本差距。

這個模式的核心優勢在於價值對齊——你只為結果付費。但它也有致命的前提：你必須能精準定義什麼叫「成功解決」。對客服場景來說很直觀，但如果你的 AI Agent 做的是「協助思考」或「資訊整理」，成功的邊界就變得模糊了。

二、行動導向計費（Action-based）

N8N 和 Clay 等工作流自動化平台走的是另一條路：按執行次數或信用額度收費。用戶購買一定數量的「信用點數」，每次觸發工作流就扣除對應額度。

這種模式的好處是容易理解——一次操作一個價格，清清楚楚。但它有一個被低估的風險：用量震撼（Usage Shock）。當用戶發現自己不知不覺間燒掉了大量信用點數，第一反應往往不是「這工具真好用」，而是「我是不是被坑了」。

更深層的問題在於 AI 的成本結構天然不透明。同樣是「回答一個問題」，背後的 token 消耗可能因為資料量的不同而相差十倍。這讓客戶很難做預算，也讓純使用量計費的模式面臨高流失率的挑戰。

三、混合訂閱制（Hybrid）

現實中最成功的案例往往走混合路線：一個固定的月費打底，加上超出部分按量計費。Microsoft Copilot 的 $4/小時定價，以及大多數 AI SaaS 產品 $100 到 $2,000 的月訂閱區間，都屬於這個範疇。

企業客戶偏愛這個模式，因為預算可控。而對服務提供者來說，固定收入帶來的現金流穩定性，是純使用量計費永遠給不了的。

一個數字背後的警訊

在研究過程中，有一個數據讓我特別警覺：純使用量計費的 AI 產品，流失率高達 70%，且普遍處於負淨利潤狀態。

原因不難理解。AI 的底層成本不透明，同一個查詢在不同上下文中的運算成本可能天差地遠。當客戶無法預測下個月的帳單時，他們會選擇離開。這不是產品不好用的問題，而是定價模式本身在製造焦慮。

這也是為什麼 Intercom 選擇了「按解決問題數」而非「按 API 呼叫數」計費——前者讓客戶感受到的是價值，後者讓客戶感受到的是成本。

對獨立開發者的啟示

如果你和我一樣，正在思考如何把一個 AI Agent 產品變成可持續的收入來源，以下是我的幾點觀察：

先找到可量化的「成功」定義。 如果你的 AI Agent 做的事情，用戶能明確感知到「問題被解決了」，那你就有了定價的錨點。如果不能，你需要用訂閱制來包裝，降低用戶的決策成本。

Freemium 是必經之路。 在 AI Agent 領域，信任比功能更值錢。免費讓用戶體驗 10 次，比任何行銷文案都有說服力。一個可能的起步方案：免費試用 10 次完整服務，之後 $9.99/月包含 50 次使用額度。

善用平台原生支付。 Telegram Stars 的原生訂閱機制（透過 sendInvoice API 搭配 subscription_period 自動續期），讓你不需要串接第三方支付就能開始收費。Stripe 固然專業，但 2.9% + $0.30 的手續費在小額交易中佔比驚人。

計量引擎不可少。 不管選擇哪種定價模式，你都需要精準追蹤每一次 AI 呼叫的成本。開源方案如 Lago 支援事件追蹤和多層級計費，搭配 Cloudflare D1 這樣的邊緣資料庫，可以在不增加太多基礎設施成本的前提下建立完整的計量系統。

結語：定價即產品策略

AI Agent as a Service 的競爭，表面上是技術能力的比拼，實際上是定價模型的博弈。選擇結果導向計費，你在賭自己的 AI 足夠準確；選擇行動導向計費，你在賭用戶的使用量足夠高；選擇混合訂閱制，你在賭品牌信任能支撐溢價。

沒有完美的答案，但有一個明確的方向：讓用戶感受到價值，而不是成本。 做到這一點的 AI Agent 產品，才有機會在這場淘汰賽中活下來。

一見生財，寫於 2026 年 2 月 24 日