1. Higgsfield的增长路径拆解聊这套商业模型之前得先把Higgsfield这18个月到底干对了什么说清楚。很多人在看这个案例时第一反应是AI视频赛道起飞了所以踩中了风口但真去拆它的增长曲线你会发现事情没那么简单。1.1 从0到10亿美元年化收入重点不在技术而在分发Higgsfield做的核心产品是AI视频生成工具技术栈上确实有壁垒但光有模型能力不够。这类工具过去一年里冒出来几十家真正能跑到10亿美元年化收入ARR量级的屈指可数差别就在于分发逻辑。我复盘它整个增长路径时注意到三个关键节点。第一个节点是产品形态的选择。Higgsfield一开始做的不是网页版而是先切了移动端和社交媒体场景。这个选择非常关键AI视频生成这种产品用户的第一诉求是快速做出一个能发到社交平台的内容而不是用专业工具精修一段视频。移动端天然离分享场景更近用户拍完、生成、导出、发布整个链路顺手所以早期留存数据会比纯网页工具好看很多。第二个节点是冷启动阶段的传播设计。每个生成视频都带一个小的产品水印同时把由Higgsfield生成做成了可选的社交标签。这个设计表面上是品牌露出实际上是低成本获客的钩子。当一个用户把生成结果发到社交平台看到的人如果感兴趣点进来就能直接用整个过程不需要应用商店推荐也不需要投流相当于每个用户都成了分发节点。第三个节点是收入结构从一开始就没压在订阅上。我看过它的定价页演变过程最早版本其实同时挂了订阅制和按量计费两套方案但付费入口默认展示的是按量计费。这个小细节后来被验证是非常关键的决策。很多同类产品一上来就主打订阅结果发现用户根本不愿意为未来一个月可能用得上的功能提前付20美元反而愿意为我马上要做的这条视频付单次费用。这18个月的时间线大致可以分成三段前6个月集中打磨生成效果和降低推理成本中间6个月用社交裂变把用户盘子铺开最后6个月把API接口开放给企业客户跑通高客单价的B端收入。10亿美元年化收入的构成我粗略估算过大概有六成来自API和企业定制三成来自按量计费剩下的才是订阅。这就引出了标题里那个核心矛盾——既然订阅占比不高为什么创始人还要专门出来说不看好20美元订阅1.2 高速增长的公司为什么还要反思定价模式一个做到10亿美元ARR的公司创始团队本可以闷头赚钱跳出来公开唱衰一种仍然被大量同行使用的商业模式说明这个问题已经不是我们怎么定价的战术层面而是AI产品到底该怎么收钱的行业层面。这里有个背景容易被忽视。Higgsfield的快速增长有一个前提算力成本在過去一年里下降了将近一个数量级。视频生成的推理成本从按分钟算降到按秒算才有了大规模做免费和低价产品的空间。但成本下降的同时用户的使用频次也在暴涨。早期用户一个月生成三五条视频现在的活跃用户一天就能生成几十条。如果还停留在固定订阅费的框架里收入曲线很快会被成本曲线追上这是所有AI应用都要面对的结构性风险。创始人公开表示不看好20美元订阅核心逻辑也是这个。20美元这个价格带对C端用户来说是一个可买可不买的心理价位对B端客户来说又太低撑不起定制化服务。它卡在一个尴尬的位置稍微重度一点的用户用20美元能用回超过成本的价值公司亏轻度用户呢一个月用不了几次觉得不划算订阅一两个月就流失。两头不讨好。对比一下就能看得更清楚主流流媒体平台的边际成本几乎是零多一个用户观看平台不需要多付多少服务器成本所以订阅制是完美匹配的而AI生成产品的边际成本是实打实的每一次生成都要消耗算力用户用得越多成本越高。这种情况下订阅制等于把一个高度可变的成本结构强行装进一个固定收费的盒子里时间长了一定会变形。2. 20美元订阅模式的四笔账很多人讨论订阅制时只盯着收入端觉得每个月固定到账20美元积累几百万订阅用户就是几千万美金的月经常性收入。这个账太粗了真正做过产品定价的人都知道得把四笔账都摊开算清楚才能理解为什么这个模式在AI产品里容易出问题。2.1 成本账重度用户正在吃掉利润先算成本。AI视频生成的算力开销不是均摊到每个用户头上的固定值而是和用户的使用量直接挂钩。我做过一个简单的模型测算以中等参数的视频生成模型为例生成一段10秒的720P视频推理成本大约在0.3到0.8美元之间具体取决于模型效率和GPU利用率。如果遇到高峰期还需要额外分摊排队等待的时间成本。一个20美元月订阅用户如果每天都用一天生成10段视频那么单月的推理成本就是90到240美元。这个数字已经远超订阅费了。也就是说最活跃的5%用户可能要消耗掉整个订阅收入池的40%以上。这在SaaS行业有个经典说法叫重度用户补贴传统软件时代重度用户增加的是服务器存储成本一般在可控范围内AI产品里重度用户增加的是实打实的GPU算力成本随用量线性增长甚至指数增长。我认识一位做图像生成产品的朋友他们当时也做过类似测算最后得出的结论是如果保持每月15美元的定价必须把单个用户平均每天生成次数压在7次以内否则毛利就是负的。而实际用户行为根本压不住越是活跃的用户越喜欢反复调参数、多次生成挑选结果。为了控制成本他们只能做生成次数限制结果又导致用户投诉体验下降。这就是订阅制和生成式AI之间的天然矛盾成本侧的波动太大固定价格没有缓冲空间。2.2 用户账20美元的付费意愿与流失曲线再看用户端。20美元这个价格带在C端产品里属于中间偏上的位置消费者很容易拿它和主流的视频会员、音乐会员做心理锚定。问题在于视频和音乐是高频刚需消费用户几乎每天都会打开而AI生成工具的使用场景相对垂直用户在下班路上临时想做个视频玩和工作中需要批量生成素材两者的付费意愿完全不同。流失曲线说明得更清楚。我见过好几家AI工具公司的留存数据规律非常一致首月订阅转化率还行但第二个月、第三个月的留存都会出现明显滑坡。原因很简单大部分用户在第一个月是因为新鲜感下单真正能把AI工具融入日常生产流程的是少数。一个工具如果不能让用户形成稳定的使用习惯固定订阅就变成了一笔想不起来为什么要付的费用。Higgsfield的应对方式很有意思他们的免费版其实给的免费额度很低基本只够体验三五次生成。但就是这三五次体验让用户清楚了这条视频值多少钱。对于只是想偶尔玩玩的人来说按量计费一次性花1到3美元就能满足需求完全不需要背20美元的月费。对于真正高频使用的创作者他们更愿意买更贵的专业套餐或者直接走API因为那样公司在服务响应和生成质量上会给他们单独的保障。两头都靠订阅恰恰是两头都不讨好。2.3 渠道账订阅收入在支付链路里的隐性损耗很少有人算支付链路的损耗但干过商业化的都知道这块成本不低。20美元的月订阅如果走iOS或Android的应用内购买平台抽成是15%到30%。即使走网页端自己的支付通道还要算上信用卡手续费、跨境结算费用、以及用户投诉退款的逆向成本。算下来实收可能只有16到17美元。更麻烦的是订阅的退款和争议处理。传统软件服务几乎不存在用多了要退钱的问题但AI生成产品不一样。用户可能生成了一条不满意的视频立刻发起退款这时候你已经付出了推理成本钱退了成本却收不回来。如果用户说生成结果和宣传不符支付渠道通常会倾向于判用户胜诉。这类争议在订阅用户里占比不高但每一笔都是净亏损相当于把成本账上好不容易抠出来的毛利又吃掉一块。按量计费和API模式在支付环节的损耗就小很多。预充值模式让用户先把钱存进账户生成一次扣一次没有自动续费的概念也就不存在忘了取消订阅的争议。企业客户走合同结算账期虽然长但客单价高可以安排专门的人员跟进服务整体资金效率和用户满意度都更好。2.4 资本账10亿美元ARR需要什么样的收入结构最后算资本账。一家公司的ARR做到10亿美元之后资本市场的估值逻辑已经不再看你有没有增长而是看这个增长能不能持续、有没有利润质量。订阅收入的优点是可预测性高但缺点也很明显它依赖续费率而前面说了AI工具类产品的续费率天然偏低资本方会对此打个折。如果收入大部分来自API和按量计费故事就完全不同了。API收入意味着有企业客户在用你的能力做自己产品这代表粘性和业务嵌入深度按量计费则直接反映真实的需求量用多少付多少不掺水分。拥有这种收入结构的公司在融资和后续扩张里的议价能力会强很多。Higgsfield创始人公开表达不看好20美元订阅从资本账上说也是在管理预期。与其让投资人以为几百万订阅用户等于稳定现金流不如早点把话说清楚我们做的是AI原生的商业模式收入跟着算力消耗走而不是跟着订阅心理走。长期来看这能让公司估值建立在更健康的地基上。3. 不看好订阅那看好什么替代商业模型的沙盘推演讲清楚为什么不看好接下来要回答的是那该怎么收钱。Higgsfield的实际选择是三层收入结构免费策略做用户规模按量计费做C端变现API和企业服务做收入基本盘。这个结构每一层都有它的逻辑。3.1 免费广告模式AI工具为什么能跑通先聊免费加广告这个很多SaaS从业者看不起的模型。放在传统软件里免费加广告确实很难成立工具类产品用户停留时间太短没有广告库存。但AI生成工具不一样它的使用路径天然是输入提示词—等待生成—查看结果—下载或分享整个过程中用户至少花几十秒到几分钟盯着屏幕而且生成结果通常带有视觉冲击力非常适合插入广告内容。Higgsfield确实在免费版里测试过广告位形式包括生成等待页的信息流广告、结果展示页的推荐位还有下载页的品牌合作内容。实测下来广告eCPM比普通工具类产品高不少原因是这个场景的用户注意力非常集中而且消费意愿强。当然广告模式能不能跑通取决于用户规模。Higgsfield的免费用户盘子已经够大广告收入有机会被打造成一条可观的现金流。广告模式还有一个战略价值它能让产品保持免费从而继续拉新持续扩大用户基数。用户基数是后面一切商业化尝试的基础。3.2 按量计费让用户为自己真实消耗付费按量计费是我个人最看好在AI产品里落地的方式也是Higgsfield验证得最充分的模式。它做到的不仅仅是收钱而是把用户的付费行为直接和算力成本挂钩让每一笔收入都天然覆盖掉相应的成本。按量计费在心理上也比订阅友好。用户花2美元生成一条视频他能明确感知到这次消费换来了什么不需要纠结我这个月值不值这20美元。尤其对低频用户来说一次性付费的单次心理门槛远低于连续订阅。Higgsfield在收费设计上还把按量计费分成多个档位最低一档的生成单价很低适合随便试水高用量用户则可以通过购买算力包获得折扣既保证体验又提高付费天花板。真正的精细化运营在于动态定价。部分API调用场景可以根据当前GPU利用率和排队情况调整单价空闲时段降价繁忙时段提价。这有点像电力市场的分时电价虽然实施起来需要一些工程投入但长期看是AI产品提高毛利的关键方向。3.3 API收入把模型能力变成企业客户的基础设施API和企业级服务在Higgsfield整个收入结构里占了大头这其实和很多AI公司的思路一致。AI模型从技术上来说非常容易被整合进各种软件产品客服系统要生成回复、电商平台要生成商品图、短视频工具要生成素材这些场景都需要视频生成能力但都不需要自己去跑一个模型。Higgsfield的API策略是分层级的小开发者按调用量付费中等客户走包年协议大型企业客户甚至可以私有化部署一次性付一大笔授权费加服务费。这套打法让它在短短几个月里拿到了大量企业客户客单价从几千美元到几十万美元不等。API收入对估值提升的帮助是明显的因为它代表的是生产级需求企业不会因为某个月忘了用就取消API接入只要他们的产品在运行这个收入就会持续产生。而且企业客户还会反过来给模型方提出更具体的需求帮助技术团队确定未来的研发优先级形成正向循环。4. 对创业者的现实启示Higgsfield这个案例不是孤立的它反映了整个AI应用层正在从照搬SaaS商业模式走向重新设计商业模型。我见过太多AI创业者上来第一件事就是抄一套订阅定价理由仅仅是大家都这么做。这个思维很危险。AI产品天然可变成本、天然追求用量增长和订阅制固定收费的内在冲突是所有做AI应用的人迟早要面对的问题。4.1 定价的第一性原则先算成本再算价值做定价方案之前先算清楚两笔账单次服务成本是多少用户完成一次任务愿意付多少钱如果单次成本0.5美元用户愿意为结果付3美元那按量计费就是合理的。如果你把产品定位成每月固定20美元随便用就一定要想清楚怎么应对那些用量远超平均值的重度用户。很多团队算成本时容易忽略综合成本不光是GPU推理费用还要算缓存、存储、带宽、客服支持甚至失败重试的成本。在AI产品里一次失败请求会消耗资源但没有产出这个损耗往往能占到总成本的10%以上。把真实的全成本吃透定价才能有底气。算完成本之后还要给用户的价值留出空间。如果用户用你生成一条视频替代了他原本要花50美元找外包做的需求那这项服务的定价空间其实很大没有必要固守在低价的订阅档位里。4.2 不同阶段该用哪种收入模型产品早期首要任务是积累用户和验证需求这时候收费模式越简单越好免费加低门槛按量计费是很顺滑的切入点。用户尝到了甜头自然而然会提高用量之后再逐步推出高阶套餐和API服务。我看到不少团队一上来就推年付订阅试图快速锁定现金流但对AI产品来说这等于在用户还没理解价值的时候就逼他做一年承诺转化率低且没有参考价值。到了增长期收入结构需要做多元化布局。订阅可以保留但更适合作为最高档会员权益的一部分而不是主收入来源。主收入应在按量计费和API之间平衡保证现金流跟得上成本。企业级服务则需要单独配一个销售和服务团队因为客户决策周期和需求响应方式和C端完全不同。Higgsfield的路径是C端产品负责创新和口碑传播B端API负责利润和收入确定性两条腿走路风险更低。4.3 规模化之后的成本优化才是护城河当收入做到一定体量决定生死的不是定价而是单位成本。GPU利用率每提高20%毛利率就能改善好几个点。Higgsfield在这方面投入很大从模型蒸馏、量化、剪枝到推理调度系统每一层都在抠成本。同一个模型经过优化后在保证画质的前提下推理成本可以降到原来的四分之一。这本身就是极强的竞争壁垒。创业公司常犯的错是把模型效果最好当作唯一目标忽略了成本工程。在业务早期效果决定用户来不来到了规模化阶段成本和收入结构的匹配决定你能不能活下去。当年价格战一起来成本控制力差的产品要么被迫提高价格丢用户要么被迫烧钱贴补两头都难受。一个产品的商业模型是不是健康检验标准就是收入能不能跟着规模走成本能不能越摊越薄。从我个人的实操经验看Higgsfield这个案例最值得反复看的不是它的技术有多强而是它在商业模型上做的取舍。AI产品定价没有标准答案但有一条原则是通用的你的收费方式必须和成本结构、用户行为、市场心理保持一致如果三者的某一端发生了变化就得有快速调整定价模型的准备。订阅制不是原罪只盯着订阅制、又扛不住算力成本的增长才是问题所在。早期验证阶段可以多试几套收费方式把数据跑出来再定主模型这个反复试探的耐心往往比选哪个商业模式本身还重要。