把 AI 应用的定价算错，通常不是模型太贵，而是成本口径太窄。只统计接口调用费，很容易得出"毛利率不错"的结论，但真正吃掉利润的部分往往藏在交付环节：客户提交的材料需要清洗，结果需要复核，模型输出不稳定时要重试，出错还要有人出面解释。对一人公司来说，这些环节消耗的正是最不可再生的资源——创始人时间。

单次交付成本至少包含五项

按经营口径而非技术口径归集，一次交付的真实成本包括：模型调用和第三方服务费用；存储、部署、数据库等基础设施费用；人工审核、修改和客户沟通时间；获客、支付、开票和售后成本；失败重试、退款和异常处理成本。

前三项一般会被算进去，后两项最容易被忽略。获客与开票成本属于每单都会发生的可变支出，而重试与退款则是概率性成本——它不会出现在顺利的订单里，却会平摊到所有订单上。判断方法是：把一段时间内的退款、返工和超时处理总成本，除以同期成功交付的订单数，得到的才是它在单次成本中的真实权重。

人工时间必须按实际占用计入

一人公司常犯的错误是把自己的时间记为零成本。合理的做法是给时间估一个内部单价，或者换一个更直观的指标：一次交付实际消耗多少小时。只要这个数字降不下来，售价再高也只是高价接单。

由此可以得到一个便于复算的估算式：单次毛利 = 客户支付金额 − 模型及工具成本 − 交付人工成本 − 其他可变成本。这里的"其他可变成本"涵盖前面提到的获客、支付、售后与退款。

用交付数据反推定价是否成立

单次成本不是一个静态数字，它会随着场景收窄和流程固化而下降，也会随着客户需求发散而上升。因此需要持续记录几项基础指标：首次交付时间、一次通过率、人工介入时间、重做与退款率、单客贡献、复购或续费情况。

其中最关键的是最后两项与前一项的组合关系。如果每增加一个客户，人工介入时间就同步增加同等比例，说明当前仍是服务项目而非产品——此时靠涨价或扩大获客都难以改善结构，更有效的动作是缩小场景、把重复步骤固化为模板和工作流，或者把人工限制在真正需要判断的例外情况上。

反过来，如果一次通过率稳定、人工介入时间随规模被摊薄、单客贡献能够覆盖完整服务成本，单次交付成本才真正具备了可预测性。收费模式也应与此匹配：任务边界清晰、结果独立的场景适合按次收费；客户持续使用、结果可标准化的场景适合订阅；模型成本随调用量明显变化的场景适合基础费用加用量费。定价的依据不是竞争对手的价格，而是这一单实际占用了多少资源。