随着生成式AI技术不断成熟、被应用，投资人开始关注其对商业世界带来的方方面面的影响，尤其是生成式AI对SaaS、软件行业的影响。比如，今年年中，Pace Capital 的创始合伙人Chris Paik 写的《The end of Software》的文章就非常火，在海外也引起了非常大的争议与讨论。

近期，硅谷OnlyCFO的文章《 Is ARR Dead》里也提到了一些新的软件世界的计费方式的思考。虽然，今天判定“ARR终结”还为之尚早，但AI时代的价值创造方式正在发生根本转变，传统的ARR概念难以准确反映企业的真实价值。生成式AI技术正推动着企业探索新的商业模式和收费方式。

一、ARR的终结？

过去十年，在软件行业，SaaS成为重要的软件形态，年度经常性收入(ARR)作为公司的核心指标，一直代表着可预测的收入流、高客户留存率和稳定的利润表现。这些公司主要通过订阅制或按席位收费的方式运营，其核心价值主张是"提供工具，放大人力效能"。

这种模式之所以能够长期存在，是因为它准确反映了传统SaaS产品的价值创造方式——工具本身并不独立产生价值，而是通过赋能使用工具的人来创造价值。因此，按照使用工具的人数来收费，既符合直觉，也反映了实际的价值分配。

生成式AI的出现正在从根本上改变这一逻辑。首先，AI展现出的通用能力使其可以独立完成许多原本需要人工参与的工作。这意味着价值创造的方式发生了根本性转变——从"工具辅助人创造价值"变成了"AI直接创造价值"。在这种情况下，继续按照使用者数量收费就显得不合理了，因为价值产出与使用人数的关联度大大降低。举个例子，一个AI翻译系统可以24小时不间断工作，它的价值产出取决于处理了多少文本，而不是有多少人在使用它。与此同时，生成式AI基于token的统一处理方式为新的计费模式提供了一种技术可能性。在传统SaaS中，很难找到一个统一的标准来衡量不同类型的工作量——如何比较一次文档编辑和一次数据分析的价值？但token作为AI处理所有任务的基本单位，提供了一个相对统一的计量标准。无论是文本生成、代码编写还是图像处理，都可以用token消耗来进行量化。这种精确的计量能力使得按工作量收费成为可能。

二、当前新的收费范式可能性当前，在软件领域，一些新的指标正在被尝试使用。1.UBP（按照实际使用量）兴起当AI可以直接创造价值，而且这种价值创造可以被精确计量时，按照实际使用量（UBP）或工作成果收费就成为了更合理的选择。UBP能否纳入ARR的核心争议在于其可预测性。UBP本质上是计费方式的演进，而非产品价值主张的根本转变。虽然客户可以灵活调整使用量，但这种调整自由度与传统SaaS模式并无本质区别。产品的市场契合度（Product-Market Fit）才是决定客户留存的关键因素。虽然UBP收入的预测确实具有挑战性，但在实际操作中可以将具有稳定性特征的UBP收入纳入ARR计算范围。从这个角度上看，某些场景里，“ARR”的含义已经发生了改变。2. AI实验性收入(ERR)的界定在当前AI技术快速迭代的背景下，大量企业对AI服务的采购带有明显的实验性质——他们希望通过小规模试点来评估AI能否为业务带来实质性改变。这类收入虽然在形式上可能采用订阅制，但其本质更接近于研发投入或战略试验，客户通常不会做出长期使用的承诺，而是倾向于在短期内评估效果并决定去留。

因此将此种收入纳入到ARR是不合适的，业界也开始提出"实验性运营收入"(ERR)的概念，将其与传统的ARR区分开来。

三、传统SaaS的客户留存假设正在被动摇生成式AI的出现正动摇传统SaaS的客户留存假设。长期以来，我们对ARR的重视并非源于年度合同本身的约束力，而是建立在一个关键前提之上：客户一旦采用某个SaaS解决方案，就会因为使用惯性、流程整合和转换成本等因素而倾向于长期使用。正是这种稳定的客户关系让ARR成为衡量企业价值的核心指标。然而，这个假设正在被AI时代的竞争现实所挑战。当我们考虑客户获取成本（CAC）时，这个问题就显得尤为突出——企业通常需要2-3年的客户生命周期才能收回获客成本并覆盖研发、运营等持续性支出。当前环境下，AI优先的新兴公司正在以更高效、更智能的解决方案冲击传统SaaS市场。这些新方案往往能提供更显著的价值提升，导致传统SaaS客户的转换意愿大幅提高。如果客户在CAC回收期之前就流失，那么这些收入实际上会给公司带来损失，而不是创造价值。这种局面正在挑战ARR的基础定义——当我们无法再假设客户会长期保持活跃时，简单地将合同金额计入ARR可能会掩盖企业面临的实际经营风险。

四、从"工具赋能"到"工具直接价值创造"的范式转移AI时代的价值创造方式已经发生根本转变，传统的ARR概念难以准确反映企业的真实价值。业界开始涌现出一批创新的收费尝试。以客户服务领域为例，Intercom和Zendesk都推出了基于问题解决的收费模式。Intercom的Fin AI客服代理对每次成功解决的客户问题收取0.99美元，而Zendesk则提供更灵活的选择，允许客户在按需付费和预付费折扣方案之间选择。这种模式直接将收费与价值创造挂钩，使得客户付费更有针对性，也更容易衡量投资回报。OpenAI董事长布Bret Taylor和前谷歌高管Clary Bavor创办的AI客服公司Sierra更进一步，采用纯粹的成果导向型定价，只在AI成功解决客户问题时才收费，这种做法将公司利益与客户价值紧密绑定，极大地提升了服务效果和客户满意度。在内容创作和法律服务等领域，这种基于成果的收费模式也在快速普及。法律AI产品根据生成的文件或摘要收费，内容创作类AI产品按照生成的视频数量或制作量收费，GTM产品则根据AI完成的具体销售任务或营销工作流程收费。这些收费方式都体现了一个共同特点：客户支付的是实际获得的价值，而不是软件使用权。一些企业还创新性地引入了"AI积分"概念，为不同复杂度的工作流程设定不同的积分消耗量，并帮助客户预测积分使用情况，这种做法既保持了收费的灵活性，又提高了成本的可预测性。

随着生成式AI技术不断成熟、被应用，投资人开始关注其对商业世界带来的方方面面的影响，尤其是生成式AI对SaaS、软件行业的影响。比如，今年年中，Pace Capital 的创始合伙人Chris Paik 写的《The end of Software》的文章就非常火，在海外也引起了非常大的争议与讨论。

近期，硅谷OnlyCFO的文章《 Is ARR Dead》里也提到了一些新的软件世界的计费方式的思考。虽然，今天判定“ARR终结”还为之尚早，但AI时代的价值创造方式正在发生根本转变，传统的ARR概念难以准确反映企业的真实价值。生成式AI技术正推动着企业探索新的商业模式和收费方式。

一、ARR的终结？

过去十年，在软件行业，SaaS成为重要的软件形态，年度经常性收入(ARR)作为公司的核心指标，一直代表着可预测的收入流、高客户留存率和稳定的利润表现。这些公司主要通过订阅制或按席位收费的方式运营，其核心价值主张是"提供工具，放大人力效能"。

这种模式之所以能够长期存在，是因为它准确反映了传统SaaS产品的价值创造方式——工具本身并不独立产生价值，而是通过赋能使用工具的人来创造价值。因此，按照使用工具的人数来收费，既符合直觉，也反映了实际的价值分配。

生成式AI的出现正在从根本上改变这一逻辑。首先，AI展现出的通用能力使其可以独立完成许多原本需要人工参与的工作。这意味着价值创造的方式发生了根本性转变——从"工具辅助人创造价值"变成了"AI直接创造价值"。在这种情况下，继续按照使用者数量收费就显得不合理了，因为价值产出与使用人数的关联度大大降低。举个例子，一个AI翻译系统可以24小时不间断工作，它的价值产出取决于处理了多少文本，而不是有多少人在使用它。与此同时，生成式AI基于token的统一处理方式为新的计费模式提供了一种技术可能性。在传统SaaS中，很难找到一个统一的标准来衡量不同类型的工作量——如何比较一次文档编辑和一次数据分析的价值？但token作为AI处理所有任务的基本单位，提供了一个相对统一的计量标准。无论是文本生成、代码编写还是图像处理，都可以用token消耗来进行量化。这种精确的计量能力使得按工作量收费成为可能。

二、当前新的收费范式可能性当前，在软件领域，一些新的指标正在被尝试使用。1.UBP（按照实际使用量）兴起当AI可以直接创造价值，而且这种价值创造可以被精确计量时，按照实际使用量（UBP）或工作成果收费就成为了更合理的选择。UBP能否纳入ARR的核心争议在于其可预测性。UBP本质上是计费方式的演进，而非产品价值主张的根本转变。虽然客户可以灵活调整使用量，但这种调整自由度与传统SaaS模式并无本质区别。产品的市场契合度（Product-Market Fit）才是决定客户留存的关键因素。虽然UBP收入的预测确实具有挑战性，但在实际操作中可以将具有稳定性特征的UBP收入纳入ARR计算范围。从这个角度上看，某些场景里，“ARR”的含义已经发生了改变。2. AI实验性收入(ERR)的界定在当前AI技术快速迭代的背景下，大量企业对AI服务的采购带有明显的实验性质——他们希望通过小规模试点来评估AI能否为业务带来实质性改变。这类收入虽然在形式上可能采用订阅制，但其本质更接近于研发投入或战略试验，客户通常不会做出长期使用的承诺，而是倾向于在短期内评估效果并决定去留。

因此将此种收入纳入到ARR是不合适的，业界也开始提出"实验性运营收入"(ERR)的概念，将其与传统的ARR区分开来。

三、传统SaaS的客户留存假设正在被动摇生成式AI的出现正动摇传统SaaS的客户留存假设。长期以来，我们对ARR的重视并非源于年度合同本身的约束力，而是建立在一个关键前提之上：客户一旦采用某个SaaS解决方案，就会因为使用惯性、流程整合和转换成本等因素而倾向于长期使用。正是这种稳定的客户关系让ARR成为衡量企业价值的核心指标。然而，这个假设正在被AI时代的竞争现实所挑战。当我们考虑客户获取成本（CAC）时，这个问题就显得尤为突出——企业通常需要2-3年的客户生命周期才能收回获客成本并覆盖研发、运营等持续性支出。当前环境下，AI优先的新兴公司正在以更高效、更智能的解决方案冲击传统SaaS市场。这些新方案往往能提供更显著的价值提升，导致传统SaaS客户的转换意愿大幅提高。如果客户在CAC回收期之前就流失，那么这些收入实际上会给公司带来损失，而不是创造价值。这种局面正在挑战ARR的基础定义——当我们无法再假设客户会长期保持活跃时，简单地将合同金额计入ARR可能会掩盖企业面临的实际经营风险。

四、从"工具赋能"到"工具直接价值创造"的范式转移AI时代的价值创造方式已经发生根本转变，传统的ARR概念难以准确反映企业的真实价值。业界开始涌现出一批创新的收费尝试。以客户服务领域为例，Intercom和Zendesk都推出了基于问题解决的收费模式。Intercom的Fin AI客服代理对每次成功解决的客户问题收取0.99美元，而Zendesk则提供更灵活的选择，允许客户在按需付费和预付费折扣方案之间选择。这种模式直接将收费与价值创造挂钩，使得客户付费更有针对性，也更容易衡量投资回报。OpenAI董事长布Bret Taylor和前谷歌高管Clary Bavor创办的AI客服公司Sierra更进一步，采用纯粹的成果导向型定价，只在AI成功解决客户问题时才收费，这种做法将公司利益与客户价值紧密绑定，极大地提升了服务效果和客户满意度。在内容创作和法律服务等领域，这种基于成果的收费模式也在快速普及。法律AI产品根据生成的文件或摘要收费，内容创作类AI产品按照生成的视频数量或制作量收费，GTM产品则根据AI完成的具体销售任务或营销工作流程收费。这些收费方式都体现了一个共同特点：客户支付的是实际获得的价值，而不是软件使用权。一些企业还创新性地引入了"AI积分"概念，为不同复杂度的工作流程设定不同的积分消耗量，并帮助客户预测积分使用情况，这种做法既保持了收费的灵活性，又提高了成本的可预测性。

五、Sell Work，not Software这场由生成式AI引发的商业模式变革，远远超出了简单的收费方式调整。它实际上反映了一个更根本的转变：从"工具赋能"到"工具直接价值创造"的范式转移。这方面，最具代表性的观点即是Benchmark合伙人 Sarah Tavel在2023年提到的“Sell Work，not Software”。她认为，在过去的 25 年里，应用软件初创公司一直专注于一个目标：提效。软件需要具备提高生产力、促进团队协作的能力，或者帮助管理者更好地监督和管理员工。通常，这类软件采用按坐席收费的定价模式，其费用相当于公司通过节省人力成本所节约的工资。现在，借助大语言模型，一些业务的实现成本将大幅降低，企业可以直接将工作结果本身作为产品来销售，而不是销售提升效率的工具。例如，AI法律应用EvenUp直接根据索赔金额收取费用。

五、Sell Work，not Software这场由生成式AI引发的商业模式变革，远远超出了简单的收费方式调整。它实际上反映了一个更根本的转变：从"工具赋能"到"工具直接价值创造"的范式转移。这方面，最具代表性的观点即是Benchmark合伙人 Sarah Tavel在2023年提到的“Sell Work，not Software”。她认为，在过去的 25 年里，应用软件初创公司一直专注于一个目标：提效。软件需要具备提高生产力、促进团队协作的能力，或者帮助管理者更好地监督和管理员工。通常，这类软件采用按坐席收费的定价模式，其费用相当于公司通过节省人力成本所节约的工资。现在，借助大语言模型，一些业务的实现成本将大幅降低，企业可以直接将工作结果本身作为产品来销售，而不是销售提升效率的工具。例如，AI法律应用EvenUp直接根据索赔金额收取费用。

更多精彩内容关注公众号《CodeFlying》，干货文章与你分享！