一门 AI SaaS 的账:99.6 万收入,48.4 万成本,一算毛利 1.4 万
我做了一个小生意:给中小公司提供 AI 客服和文档处理,按年收费。
客户 40 家,团队 4 个人,做了一年半。
一直以为自己过得还行——账面有利润,每个月都能发工资,年终还有一点点结余。
直到今年三月,一个客户写错一行代码,一晚上烧掉两万块,我才坐下来认真算了一遍全年的账。
算完的结果我贴在了工位上:毛利率 1.4%。
不是 14%,是 1.4%。全年 99.6 万收入,最后毛利 1.37 万。
这篇文章就是把这本账完整摊开。如果你也在做类似的事,可能会在里面看到自己。
一、先说收入:99.6 万怎么来的
我们只有两个档位,都是年费。
档位数量年费年收入旗舰版6 家9.8 万元58.8 万标准版34 家1.2 万元40.8 万合计40 家—99.6 万
99.6 万,正好对上标题。
但这个数是「应计」口径:假设 40 家都满 12 个月。实际上标准版里有 5 家是中途接入的,旗舰版有 1 家是七月才签的,按实际开票算,真实回款比 99.6 万略低。
「合同金额」和「实际收入」不是一回事,这是我算账时才意识到的。后面所有的毛利计算,用的都是应计口径 99.6 万,方便和成本对比。
二、成本第一块:模型消耗(大模型 API 的用量计费)48.38 万
这是最大的一块。
全年调用 1,512 万次。单次平均 6,400 token,其中输入 6,000、输出 400。
1,512 万 × 6,400 = 96,768 百万 token。
按 5 元每百万 token 算:96,768 × 5 = 483,840 元。
48.38 万,占收入 48.6%。
这一块我一开始以为就是全部成本了。后来才知道,这只是一个开始。
三、成本第二块:漏记的 3.29 万
这是最让我难受的一块,因为它本来不该存在。
有一次我拿模型后台的账单和我们自己的应用日志对,发现两个数差了 6.8%。
48.38 万 × 6.8% = 32,901 元。
也就是说,我们每年有 3.29 万的消耗,从来没记进任何一个客户的账。
逐项拆开,六个地方:
漏记项占比为什么漏重试请求3.1%失败重发,日志里只有一条失败但已扣 token1.4%调用超时,模型已经生成了一部分工具调用中间轮0.9%只记了首尾两轮流式断流重发0.7%客户端重发,两次都收费多模态按张折算0.5%折算口径和实际计费不一致跨零点账期0.2%23:59 的请求算错日期
图 2 6.8% 拆成六项:每一项都不大,加起来 3.29 万每一、两项单看都不大,加起来 6.8%。
这一块的性质和上一块不同:上一块是「花出去的钱」,这一块是「花了但没记的钱」。
前者你知道痛,后者你连痛都不知道。
四、成本第三块:基础设施 12 万
这一块比较好算。
项目年费用云服务器(8 台)6.2 万带宽与 CDN2.4 万对象存储与备份1.8 万数据库与缓存1.6 万合计12.0 万
这一块我原来完全没算进「AI 产品的成本」里,觉得这是「公司的常规开支」。
后来想明白了:如果我不做这个 AI 产品,这 8 台服务器一台都不用买。它当然是这个产品的成本。
五、成本第四块:人力 34.56 万
4 个人,其中 1.2 个人的工作量在这个产品上(其他人在做定制项目)。
按每人年成本 28.8 万算:1.2 × 28.8 = 34.56 万。
这一块是最容易被忽略的。
小团队算账的时候经常不把自己的时间算成本,理由是「反正人已经在这了,不干这个也闲着」。
这个想法是错的,原因有两个:
第一,你的时间是有限资源。 这 1.2 个人年如果不做这个产品,可以去做别的能赚钱的事。这个「别的能赚的钱」,就是机会成本。
第二,不算人力,你就永远不知道该不该招人。 如果人力成本是隐形的,那多招一个人永远是「免费」的,你会一直招到撑不住为止。
六、把四块加起来
项目金额(万元/年)占收入营业收入99.60100%模型消耗48.3848.6%漏记成本3.293.3%基础设施12.0012.0%人力34.5634.7%毛利1.371.4%
图 1 四块成本 98.23 万,占收入 98.6%成本合计 98.23 万,毛利 1.37 万。
我看这张表的时候,第一反应是「是不是算错了」。第二反应是「没算错,是过去一年白干了」。
七、最扎心的不是 1.4%,是拆开看之后
总账 1.4% 已经很难看了。但真正让我坐不住的,是按客户拆开之后。
我把 40 家客户逐个算了毛利:模型成本按请求量分摊,基础设施与人力按支持的负担分摊(旗舰 40%、标准 60%),漏记成本同样按请求量分摊。
客户类型数量年收入年成本毛利旗舰版6 家58.8 万51.84 万+6.96 万标准版34 家40.8 万46.39 万−5.59 万
也就是说:6 家旗舰客户赚了 6.96 万,34 家标准客户亏了 5.59 万,加起来只剩 1.37 万。
标准客户平均年费 1.2 万元,平均年成本 1.36 万元。每卖一个,亏 1,644 元。
而且这个亏损是结构性的,不是偶发的:因为我们的定价是拍脑袋定的,从来没按实际成本算过。
八、为什么会不知道?因为我们没有「计量」
发现这个问题之后,我追问了一个更根本的问题:为什么一年了都不知道?
答案很直接:我们没有按客户的计量。
我们的系统里,所有客户的请求混在一起,只记一个总数。要知道「客户 A 这个月花了我们多少钱」,得手工去日志里翻。
而日志里还漏了 6.8%。
所以准确地说,我们不是「不知道亏」,是没有能力知道。
这就是「多租户计量」这件事的意义。它不是技术炫技,是一个生意能不能看清自己的前提。
九、修完之后的账
后面两个月,我们做了四件事:
计量做准:从 6.8% 的偏差降到 0.4%,96 人时
配额闸门:三档四维,加软硬两道线,72 人时
成本分摊:每个客户一个成本中心,40 人时
单次 token 从 6,400 降到 4,525:精简提示词和上下文
一次性投入 208 人时 × 280 元 = 58,240 元。
新的账:
项目金额(万元/年)营业收入99.60模型成本(4,525 token 口径)34.21基础设施12.00人力34.56毛利(不含一次性投入)18.83
毛利率 18.9%。那 5.82 万一次性投入如果计进首年,首年毛利是 13.01 万,毛利率 13.1%;第二年起回到 18.9%。
模型成本从 48.38 万降到 34.21 万,降了 14.17 万,主要是 token 降了 29%。
十、几个我想说的结论
第一,AI 产品的毛利率,比你想的低得多。
普通 SaaS 毛利率 70%-80% 是常态。AI 产品里,模型成本直接按用量线性增长,天生毛利就低。如果你的价格是按「传统 SaaS」的直觉定的,那你大概率在亏钱。
第二,不看计量的定价,都是猜。
我们 1,200 元的标准版,是当时看着同行报的。同行报 1,200 我们报 1,200,谁也不知道这个价能不能覆盖成本。
第三,漏记的成本比花出去的成本更危险。
花出去的你知道痛,会去优化。漏记的你连痛都感觉不到,一年下来 3.29 万,谁也不知道。
第四,拆到客户维度才有决策价值。
总账告诉你「赚不赚钱」,按客户的账告诉你「该砍谁、该涨谁的价、该留谁」。
十一、如果你也在算这笔账
我的建议是按这个顺序:
先做对账:后台账单 vs 自己记录的消耗,差多少
再做拆块:模型、基础设施、人力,三块分开算
再做拆分:按客户算毛利,找出谁在亏
最后做定价与闸门:让价格跟着成本走,让用量有上限
这四步做完,你手上会有一张能拿去做决策的表。
在那之前,你所有的经营判断都是在猜。
参考
本文所有数据基于真实业务脱敏后整理,比例关系与量级保持真实
我们统一接入多个模型,按量计费口径一致;文中的成本拆分和成本分摊,都是基于词元云这类接口的用量字段做的:https://www.tokenfreeai.com
