台大課程 vibe coding 作業來到第三次，這次主題是做出一個 real-business value 的網站服務。這意味著學生們不只要寫出跑得動的 AI feature，還要去想：怎麼賺錢？怎麼訂價？怎麼變現？怎麼Go to Market找用戶?
這些題目「很商業」，也很現實，因為定價錯誤，比產品不好更容易讓一家 AI 新創公司死掉。
AI 產品的兩難：又想讓人用，又怕人用太多
目前看得到的多數 AI 產品定價是 固定月費。
不過，用戶若覺得產品好用，就一直用，AI 模型後面在跑 GPU，成本就像水龍頭打開一樣，因為Token的價格目前可能還在下降曲線的中期，不夠便宜，如果有用戶abuse使用，費用是可以暴增的。
固定月費，但水龍頭關不起來，結果就會是產品再好，公司照樣虧錢。
《How to Price AI Products Without Going Bankrupt》
我剛好看到這支影片，整理了裡面的重點給大家參考：
關鍵：
- 最大風險是定價錯誤，不是產品差。
- AI 產品不像傳統 SaaS，因為 GPU 成本高，用量大幅增加時成本會爆炸。
- SaaS 那套「吃到飽」目前在 AI 上不適用。
三種 AI 訂價模型：
- 消耗型（Consumption-based）：按 Token / API 計費
- 工作流型：使用特定功能或完成一個任務就收費
- 成果型：成功達成某個結果才收費（例如醫療影像診斷）
案例：Serenity Notebook
這是一個 AI 工具的實際定價案例。
- 桌面版免費，雲端版月費 $8。
- 問題是：桌面版無限用，大家根本不會升級雲端版。
- 雲端版收 $8 太便宜，市場上類似產品多在 $22~$100。
- 建議：
- 桌面版限制使用量
- 雲端起碼收 $18/月
- 甚至團隊版可以收 $100/seat
AI 功能必須「點數制」
AI 模型成本高，如果還讓用戶無限制用，就等著被用戶燒爆。她建議：
- 每月免費給少量點數（像 Notion）
- 進階版用戶可以加購點數（像 ChatGPT）
這樣能限制重度用戶，同時鼓勵升級。
Replit 的新作法：依「計算量」計價
Replit 做了一個新嘗試，不再用功能區分版本，而是用「實際 GPU 運算量」來計費。這對 AI 產品來說更合理。
B2C 開局、B2B 長遠
一開始可以從個人用戶切入，建立品牌、搜集數據。但從長期看，還是要往 B2B 做，因為：
- B2B 願意付高價
- 團隊使用 → 可收高額 seat 費用
- 客單價與留存率都比較高
小結
AI 產品的最大成本不是開發，而是「長期運營」。光是模型推論，就可能讓一家公司每月燒掉大筆 GPU 成本。
正確的定價策略，是讓新創有時間撐到關鍵轉折點 —— 當 token 成本隨時間下降，收入開始反超，利潤才會出現。
也許現在是個機會，能做出讓人愛不釋手的產品，但「怎麼賺錢」，才是考驗創業者真正商業直覺的時候。