增強API安全性：降低訪問控制失效的風險
您可以看到不同 AI 層的簡化版本。本文的重點是——人工智能API產品。
選擇公司的主要標準是外部資金和來自公共來源的吸引力，例如《福布斯》AI 50 強榜單和紅杉的生成式 AI市場地圖。這 40 家公司包括營銷工具（例如：Jasper、Copy.ai）、生產力應用程序（例如：Tome、Glean）、垂直特定產品（例如：Harvey、Co:Helm）和其他公司（例如：Synthesia、HeyGen）。
具體來說，我們考察了圍繞“定價模型”、“價值指標”、“宣傳方式”、“免費版本”和“定價透明度”的公開數據。我們特意關注AI原生API應用，而不是現有產品，因為這些初創公司沒有先前安裝基礎或傳統定價模型的負擔。
我們發現以下五點值得關注：
完整的產品定價數據表格如下??
軟件公司歷來傾向于訂閱和按用戶收費模式（盡管有跡象表明正在轉向基于使用和混合模式）。在第一波突破性的人工智能API產品中，情況仍然如此。
我們看到第二波人工智能公司中出現了非常創新的定價結構的跡象；這些定價模式可以加快客戶采用速度，同時獲得更多總體收入。甚至微軟也在為其新的 AI Copilot for Security測試創新的隨用隨付定價。
Fin (Intercom)、EvenUp 、Chargeflow （OpenView 投資組合公司）和11x.ai （之前在Growth Unhinged中介紹過）是實施基于成功（或基于結果）定價模式的公司的例子，客戶只需為成功的結果付費。
對于 Chargeflow 來說，這是一次成功的和解，對于 Fin 來說，這是一次成功的解決方案，而對于 EvenUp 來說，這是為一家律師事務所成功制作的需求包（值得聽 Sarah Tavel 解釋其工作原理）。
作為客戶，這很有吸引力，因為您正在建立雙贏的合作伙伴關系。只有您成功，供應商才會成功。這種定價還有可能增加采用率，因為客戶只有在產品產生實際效果時才會付費。
這與許多現有的 SaaS 提供商形成了鮮明對比，在這些提供商中，客戶最終購買的席位往往遠遠超過其實際需要。月活躍用戶率在 20-40% 之間并不罕見，從定義上講，客戶為他們所獲得的東西支付的費用遠遠超過了實際費用。
我們預計，隨著 AI 產品交付工作而不是提高個人生產力，傳統的按席位訂閱模式將面臨越來越大的壓力。
在我們研究的人工智能API產品中，絕大多數（71%）采用了傳統的 SaaS 訂閱定價模式。10 家公司（26%）采用了訂閱費用和使用費相結合的混合定價模式。PolyAI是唯一一家（3%）采用純基于使用量模式的公司。
雖然支持這些API的基礎設施幾乎完全根據使用情況定價（LLM 和基礎設施），但這種定價并未轉化為最終用戶產品。
我們認為有以下幾個原因：
我們確實看到一些公司（尤其是營銷、視頻和語音生成領域的公司）采用基于使用量的定價組件，例如字數、視頻字符分鐘數或片尾。Copy.ai 就是一個很好的例子。
AI 產品的主要價值指標仍以用戶（或席位，如果你愿意的話）為中心。這是 SaaS 領域非常著名的價值指標，也是購買和銷售軟件的最直接方式之一，對買家來說具有高度的可預測性。
大約有十幾家公司正在使用基于每個用戶和使用情況的組件，或者純粹基于使用情況的模型，并使用以下價值指標：積分、角色、視頻分鐘數、字幕或運行時間。
由于人工智能最終會取代人類勞動力，按用戶定價模式可能會適得其反，因為用戶數量會隨著時間的推移而減少。這為第二波人工智能API帶來了顛覆性的機會。
我們研究的 AI API產品中約有 70% 都存在免費增值模式。我們看到的三種免費增值模式如下：
AI API產品往往能快速為新用戶帶來價值。隨著這些公司繼續對產品進行迭代，免費增值產品有助于促進早期采用和使用。
在面向企業的應用程序中，免費增值模式并不那么普遍。這些產品通常需要支付實施費用和平臺費用才能使用。據傳，企業版免費增值模式似乎是免費試用，客戶可以在一段時間內（通常為 3 個月）試用產品，然后做出購買決定。
當我們與早期創業公司交談時，我們通常建議從“好-更好-最好”包裝結構的變體開始。它允許公司根據客戶差異化產品，并創建清晰的追加銷售路徑。層級數量因公司而異，從兩層到五層不等（包括免費增值版和企業版）。在大多數情況下，層級之間的差異基于產品功能和用途。
包裝策略通常是隨著產品的成熟和功能的發展而逐漸形成的。早期，你通常沒有太多東西可以包裝，因為你不知道你的客戶到底是誰，也不知道應該如何細分你的產品。
目前，約有三分之二的公司在其網站上公布價格。透明定價往往是面向個人或專業消費者的API的常態，而非面向企業的API。
大多數企業的API并未透露任何定價細節。他們這樣做可能出于以下幾個原因：
隨著Vendr或Tropic等價格基準測試供應商的崛起，這些定價信息很可能會隨著時間的推移而公開。
我們正處于人工智能API的早期階段。許多公司仍在尋求產品與市場的契合度（即使他們已經籌集了大量資金），并希望證明市場需求。定價模式的創新很難，而且可以理解的是，最初并不是核心重點。
目前的游戲規則似乎是：(1) 讓定價可預測，(2) 不要讓定價成為使用產品的障礙。以下是確定從哪里開始的框架。
