AI 产品的毛利率落在哪，为什么这个数不能照抄

2026-08-25

站内 L9 阶梯有一篇讲投放测量的课，把 CAC、ROAS、LTV、回收期串成了一套可以照着填的算账模板。它的示例里，毛利率那一格填的是九成，旁边还注了一句「SaaS 类通常很高」（C0 发现二）。那套模板本身没问题，它讲的是传统 SaaS，在它自己的语境里成立；出问题的是默认值——如果你的产品每用一次就要调一次模型，这一格是个会变的数，不能照抄。

那换成多少？很多人的第一反应是搜一个「AI 产品行业毛利率」填进去。这篇只管这一件事：你搜到的那个数，够不够格填。

本专题另有三篇接手别的部分：一篇讲怎么用自己上个月的账单把这一格实测出来、改完之后下游哪几格跟着动；一篇讲回收期为什么被拉长、按什么比例动；一篇讲免费层在 AI 产品上为什么从漏斗变成负债。那三件事这篇都不重复。这篇站在它们的上游，只做一道闸：一个从公开资料里抄来的毛利率数字，什么情况下能进你的表，什么情况下只能待在表外。

一、公开能查到的那些数字，是什么状态

不同机构给的口径差异很大，大致落在 40%–60% 这个宽区间；传统 SaaS 那一侧则在 80% 以上（B2.1）。这些数分布在 2024 到 2026 年之间，逐年在动，不是一个稳定常数。

还有一个同类说法：传统 SaaS 给已有产品加 AI 功能之后，毛利典型下滑 12–17 个百分点。这条同样是转述，本站未见原报告，而且这类数字每年都会变。

比数字本身更要紧的是它们的成色。上面每一条，本站都没有拿到原始报告（B6），全部是转述层面的东西。其中有一家机构给出的最新一年的值，究竟是实测还是预测，本站也没有核到——所以那个具体数值在本站的文章里一律不单独引用。

三个理由说明这个数为什么进不了你的表。前两个来自素材本身，第三个是本站的判断。

理由一，口径不明。 你不知道那些报告在算毛利时把什么算进了成本。托管费算不算？免费用户的调用算不算？团队里做推理调优那个人的工资算不算？不同的答案能把同一家公司的毛利率拉开一大截。两个口径不同的数放在一起比，比不比更糟——你会以为自己找到了差距，其实只是换了一把尺子。

理由二，实测与预测混在一起。 一个标着未来年份的数，可能是已经发生的账，也可能是某份幻灯片里的规划值。这两者在转述之后长得一模一样，都是「某年多少多少」，看不出区别。分不清的时候，它不该出现在你的现金流表里。

理由三，行业中位数是几百个不同产品混出来的，它不告诉你你这一格该填多少。 按 B2.2#3 允许保留的那句话：成本是可以被压缩的，而压缩到什么程度因产品而异——这恰恰是行业均值替代不了自己算账的原因。有的产品每次交互只吞一小段文本，有的每次都要过一遍长文档，它们混在同一个中位数里。你和中位数之间的距离，可能比中位数和传统 SaaS 之间的距离还远。

二、判断一个查到的数能不能用：五个可以照抄的问句

下面五问是本站给的判据，不引自任何报告。拿到任何一个毛利率数字，先按顺序问一遍：

这个数是谁算的，你能打开原始出处吗？ 只在文章、图表、社交平台上见过，追不到原始报告的，就是转述层的东西。区间的两端在转抄里最容易被改写——原文的下限被略去，只留一个好看的上限，这种事很常见。
它算的是哪一段时间的账，有没有写明截止时点？ 没有时点的毛利率数字等于没有单位。这个行业隔一年就换一批模型和一批报价，一个不标时点的数，你连它有没有过期都判断不了。
它是实测还是预测？ 标着未来年份的值尤其要问这一句。追不到原文的时候，这个问题多半答不上来——答不上来就按预测处理，别按实测用。
它的成本口径包含哪几笔？ 至少要能具体回答三个问题：免费用户产生的调用算不算进成本、托管与存储算不算、做推理调优的人力算不算。这三个问题里有一个答不上来，这个数和你自己算出来的数就不可比，放在一起看没有意义。
它的样本里有没有一类产品和你形状相同？ 单次交互要吞多少上下文，是这一格最大的分水岭。一个只处理短指令的产品和一个每次都要读完整份文档的产品，落在同一个平均值里，对彼此都没有参考价值。

判据（本站的）：五问里有两个及以上答不上来，这个数只能写在表格旁边当参照，不能填进任何一格。 而就算五问全答得上来，它也仍然只能当校验用，不能当输入——理由在下一节。

三、这些数真正能派上用场的三种用法

用途一，定量级方向。 它能告诉你那个按传统 SaaS 填的九成默认值错在哪个量级、该往哪个方向调。但方向对了不等于数值能抄，何况 AI 这一侧的实际值每年都在变。

用途二，当异常检测器用。 这是本站认为它最有价值的用法：你用自己的账单实测出一个数之后，拿它跟公开区间比一下。如果你的数明显更漂亮，第一反应不该是「我比行业强」，而该是「我的成本口径漏了几笔」——最常漏掉的就是免费用户的调用，和后台自动跑的那部分。行业数在这里不是输入，是一个触发复查的信号。

用途三，对外沟通时的共同语言。 跟合作方、跟同行讨论时说「AI 产品的毛利率比传统 SaaS 低一大截」，是能达成共识的；再往下说「所以我按某个具体数算」，共识就没了，因为对方脑子里的口径和你的多半不是一个。

不能做的只有一件，但它恰好是大多数人想做的那件：填进算账模板那一格，让它去推回收期、推 LTV、推你敢出多少 CAC。 行业中位数算的是几百家公司的平均处境，你的表算的是你一家的现金——这两件事之间没有换算关系。中位数没有现金流，你有。

还有一条时点上的提醒：成本这一侧本身在往下走。有一个流传的说法把同等能力推理成本的快速下降叫作 LLMflation（B2.2#4），本站没有追到它的原文，也没有可引用的具体成本数字，所以这里只能谈量级方向。但方向本身就足以说明一件事：任何一个查到的毛利率数字都带着采集时点，放得越久越不可靠。成本下行会怎么影响你今天签出去的定价承诺，本专题另有一篇专讲，这里不展开。

四、和站内那张留存表的关系

同一批 AI 原生公司按档分层看，最低那一档的留存明显差于最高那一档（B1.2）。这里只谈方向不给数字：那份报告的分档究竟按标价还是按别的口径分，本站没有确认（B1.0）。另外两条限制也得一起说——数据截至 2025 年 9 月，样本只包含已达到 25 万美元年经常性收入的公司。站内已经有一篇专门讲这张表怎么读、这些限制分别怎么影响结论，这里不重复。

本篇只从它取一个判断，而且明标为本站的判断：低价档同时承受着最薄的毛利和最差的留存，这两件事叠在同一格里。 毛利薄意味着补回获客成本要更久，留存差意味着你能补的月份更少，两头一起收窄。

但这只是相关，不是因果。那份报告不支持「把价格标高，留存就会变好」这种读法，本篇也不做这种推论。它能支持的只有一件事：如果你现在定的是低价档，那么毛利率这一格填错的代价对你比对别人更大——你本来就没有多少缓冲，抄错一个数就可能把整个模型推到看起来还行的位置。

五、这周就能做完的一件事

把你手上正在用的那个毛利率数字找出来——不管它是从哪篇文章里抄的、从哪张图表上记的，还是当初凭印象填的。按第二节那五问过一遍，在旁边写下你答得上来的题数。

两题以上答不上来，就把那一格标成空。空着比填一个来路不明的数安全：空格会逼你去实测，而一个已经填好的数会让下游每一格都看起来有依据——回收期、LTV、LTV:CAC 会一起偏乐观，方向还是一致的，所以它们彼此之间根本看不出矛盾。这是错误默认值最难被发现的地方。

标成空之后，那一格该怎么补上，本专题讲实测的那一篇给了完整流程。这篇的任务到判断为止：先确认手上这个数不能用，你才有动力去算一个能用的。