2026人工智能报告：从买家视角看AI定价

与...合作人工智能报告：从买家视角看AI定价2026©2026 PRICING I/O, LLC。保留所有权利。财产及保密信息。1目录执行摘要01第03-05页塑造当今买家体验⼈⼯智能定价⽅式的头条模式。人口统计数据。02第06-07页受访者概况——覆盖不同⾏业、规模和职位的296位买家。合同前评估03第8-19页为什么签约前难以评估AI定价AI支出体验04第20-33页合同签订后预算变化——谁超⽀、为什么超⽀、谁承担⻛险AI定价情绪05第34-42页哪些型号是买家喜爱、喜欢、容忍还是回避的，以及其原因。人工智能与传统软件即服务06第43-49页在涉及⼈⼯智能时，买家会如何不同对待。©2026 PRICING I/O, LLC. 版权所有。财产与保密。2章节01/0601 执行摘要当前影响买家对AI定价体验的标题模式⻚码03-053SECTION 1. EXECUTIVE SUMMARY执行摘要⼈⼯智能软件市场正从按席位订阅模式转向基于消费的定价模式——包括积分、代币、使⽤层级和按成果收费——其理由是AI的可变成本结构需要不同于传统SaaS的商业⽅式。本研究探讨了这⼀转变如何被买⽅接受。Pricing I/O与Benchmarkit合作，于2026年2⽉⾄4⽉期间调查了296名软件买家。受访者来⾃收⼊低于2000万美元的公司到收⼊超过100亿美元的企业，其中90%拥有总监级或以上头衔。调查从四个⽅⾯展开：买家如何在签约前评估AI定价、AI⽀出与预算的对⽐情况、买家偏好的定价模式，以及AI定价相对于传统SaaS的感知。调查结果显⽰，买家的情绪与市场的发展⽅向并不⼀致。本报告围绕三个主题展开。1. 评估：买家在签约前难以预测AI成本。按席位制是唯⼀在签约前能获得信⼼的模式（43%认为最容易评估，14%认为最难），这⼀结论在所有收⼊区间均成⽴。当涉及AI时，其他所有模式的评估难度都会增加：30%认为混合模式⽐SaaS更难评估，依次为按席位（33%）、按成果（37%）、按使⽤量（44%）和按积分/代币（55%）。按积分/代币是受影响最⼤的模式——难度⼏乎是受影响最⼩的模式的两倍，且这种困难是结构性的，⽽⾮与买家成熟度相关，在所有收⼊区间中感受相似（54-59%）。可预测性（⽽⾮价格）是⾸要评估标准：68%将可预测的总成本列为前三优先项；最低⼊⻔价格排名垫底，仅为19%。2. 透明度：主要的担忧包括成本不可预测性、定价/使⽤量到成本的换算问题，以及缺乏使⽤透明度。与信任相关的问题，如隐性加价和意外费⽤，排名较低。在开放式回答中，38%要求更⾼的可预测性，35%要求更⾼的透明度；只有10%要求更强的价值或成果对⻬。加价和意外费⽤则排名较低。在开放式回答中，38%的受访者要求更⾼的可预测性，35%要求更⾼的透明度；仅有10%要求更强的价值或成果⼀致性。3. 保护：89%的买家超出了初始AI预算——其中45%⼤幅超出，44%中等程度超出，仅有9%在预算范围内。超⽀主要归因于预测失误，⽽⾮供应商⾏为：AI功能驱动额外使⽤量（67%）、使⽤量增⻓快于预期（63%）以及难以预测使⽤量（38%）。只有10%归因于售后供应商定价或条款变更。67%的买家认为IT是AI成本⻛险的主要责任⼈，⽽财务部⻔仅为17%，且随着公司规模增⼤，IT的责任占⽐增加。买家更偏好防护栏——带有审批的软上限、预测性警报、⽉度/季度⽀出上限——⽽⾮硬性截⽌或预购积分池，且最有效的防护栏因具体担忧⽽异。问题在于失败⽽⾮供应商⾏为：推动额外使⽤量的AI功能（67%）、使⽤量增⻓超出预期（63%）、以及使⽤量预测困难（38%）。仅有10%的受访者提及售后供应商定价或条款变更。67%的买家认为IT部⻔是AI成本⻛险的主要责任⼈，⽽财务部⻔仅为17%，且随着公司规模扩⼤，IT部⻔的责任占⽐进⼀步提升。买家更倾向于设置防护栏——即附带审批的软上限、预警通知、⽉度/季度⽀出限额——⽽⾮硬性截断或预购信⽤池，且最有效的防护栏因具体关注点⽽异。买家偏好度最⾼的定价模型是那些锚定固定指标的模型：基于座位的模型净偏好度最⾼，达到+17。偏好度最低的模型是两种纯变量模型：纯使⽤量模型为-7，纯成果模型为-19。这⼀模式表明，买家愿意为可预测性接受更⾼的价格，⽽对于缺乏固定锚点的模型（⽆论变量部分如何定义）则会要求折扣。来源：《AI定价模型情绪：买家视角》| Pricing I/O 分析4SECTION 1. EXECUTIVE SUMMARY研究的关键数据根据塑造买家对AI定价体验的三种模式，整理了调查中的主要数据。010203评估透明度保护买家在签约前难以评估⼈⼯智能定价买家希望获得清晰的定价机制，⽽⾮创意性⽅案买家希望有防⽌超⽀的护栏，⽽⾮硬性截⽌。38%的人将成本不可预测性列为首要89%的人已超出初始人工智能43%的人认为按座位定价是最简单的对⼈⼯智能定价的担忧预算模型⽤于评估合同前+1767%的人表示人工智能功能推动额外使用55%的人认为信用和代币定价更难基于座位的净偏好——在所有AI定价模型中最⾼是导致超⽀的⾸要因素评估AI⽐评估传统SaaS更具挑战性-1910%归咎于供应商定价或条款变更44%认为基于使用量的定价更难评估纯结果导向定价的净偏好——在所有模型中最低售后评估AI⽐评估SaaS更具挑战性38%的开放式回复要求67%的人认为IT是AI成本的主要负责人68%的人将可预测的总成本列为前三更⾼的可预测性和稳定成本的⻛险优先考虑因素（在评估AI供应商时）19%的人将最低入门价格列为前三优先项10%的人要求更强的价值或成果62%的人希望设置软上限并附带警报和审批——这是研究中排名最低的标准的⼀致性⼯作流程来源：AI定价模型情绪：买家视角 | 定价输入/输出分析5章节02/0602 ⼈⼝统计数据 谁参与了调查——共296位来⾃不同⾏业、不同规模和不同⻆⾊的买家。⻚码06-076SECTION 2. DEMOGRAPHICS调查参与者1.按ARR细分2. 按职位3. 按行业020378158129技术总监296686354⾦融服务101C级参与者4225⼯业/制造业23副总裁2724软件1913经理跨越不同⾏业、公司规模和资历层级——所有⼈都参与评估、批准或拥有软件采购决策权。16零售514⾼级副总裁/执⾏副总裁12专业服务< 2000万美元2000万–5000万美元5000万–1亿美元1亿–2.5亿美元2.5亿–10亿美元10亿–100亿美元> 100亿美元27IC其他5. 按采购角色6. 积极购买的软件类型7. 审批软件的功能4. 按部门多选81%的人是最终决策者（无论是否具备带AI附加功能的SaaS238227信息技术208IT预算控制权）21755⾦融⽹络安全138⾦融10市场营销212AI原⽣应⽤12068%18%13%安全/⻛险/合规9销售162传统SaaS113部⻔主管6研发最终决策者 - 预算拥有者202150基础设施4其他影响者5489采购90本地部署4客⼾成功最终决策者——非预算所有者3943法律81电⼦商务仅限技术评估员12采购一个偏向拥有预算的买家的评审团。从低于2000万美元的初创企业到超过100亿美元的企业。90%持有总监及以