AI价格断崖式下跌，定价策略该如何重塑？

Andreessen 近期有个观点，堪称今年产品经理最该关注的一句话。当你调研美国人如何看AI，所有人都说“完蛋了要失业了”；但看实际行为——全都在用。夫妻吵架了把聊天记录甩给ChatGPT分析另一半心理，报告赶不完了让AI来救火。调研里的焦虑和行动上的拥抱，完全是两个世界。

说这番话的是a16z创始人，近期做了一次年中盘点。几个信号对国内做产品的PM非常实用：AI价格在以超预期的速度坠落，能力追赶的时间窗口在缩短，大多数人的定价思维还没跟上趟。

坦白讲这个速度比我预想的还猛。Andreessen 表示AI单位成本下降远超Moore's Law（芯片性能每两年翻倍的经验规律），所有输入端都在塌陷。国内开源模型Kimi已在基准上逼近GPT5推理能力，一两台MacBook就能跑——GPT5砸重金研发，半年就被开源追到家门口。

对国内做产品的PM而言，「AI太贵先不做」这个借口正在失效。

拿你产品里最简易的AI功能算一下token成本（模型处理文本的最小计费单位），除以日活用户数。大概率低到根本不值当不做功能的理由。

xAI从零开始不到12个月追平OpenAI和Anthropic。DeepSeek来自一家量化对冲基金，连中国政府都没料到。OpenAI和xAI的企业AI agent采用率都在40%以上——护城河不是没有，是越来越窄了。

一旦有人验证路走得通，追上来并不难，哪怕资源少得多。

模型能力本身不是持久壁垒。差异化在于你对业务场景的理解深度，以及把AI嵌入工作流的精细程度。审视一下产品里哪些功能套一层模型壳就能被替代——如果大部分都是，得往数据和行业know-how里走。

a16z有专门的定价专家陪投后公司磨定价。核心原则：按价值不按成本。如果AI能替代部分医生或律师的工作，收的是那份价值的比例，不是token成本加价。

Andreessen 提到了一个反直觉观点：高价对客户未必是坏事。高价意味着更多研发投入，产品迭代更快。消费者AI已出现200到300美元每月的档位，跑得不错。

一个实操：算你的AI功能帮用户省了多少时间，乘以你团队的平均人力时薪。拿这个数字跟团队过一遍，那就是你的定价锚点。

美国联邦层面AI监管风险已大幅下降——国内竞争让华盛顿不敢自缚手脚。但风险转移到州层面：全美约1200项AI法案在推进。欧盟的后果已经清楚：苹果和Meta不在欧洲上线最新AI功能。

做全球化的PM别假设一套合规方案能跑通。分区适配是基本功。

Andreessen 有句话适合做产品的PM记住：面对开放战略问题，公司必须给明确答案，答错就是灾难。你没有风投同时押注多条路的奢侈——必须在信息不完整时做选择。先跑通再说，别等完美方案。好消息是AI价格在塌、追平在加快。坏消息是你没有太多犹豫的时间。

[!TIP] 到2027年，不是某个模型赢了，是整个行业同时到达——大模型在爬楼梯，小模型在追，开源在教育更多人进场。