Model Perniagaan Syarikat Permulaan AI Dijelaskan

Oleh Brian Tr · Dikemas kini 5 Oktober 2026

Model perniagaan syarikat permulaan AI ialah jawapan kepada tiga soalan mudah: siapa yang membayar, untuk apa mereka membayar, dan berapa kos yang anda tanggung untuk menyampaikannya setiap kali mereka menggunakannya. Soalan terakhir itulah yang paling membezakan syarikat AI daripada perisian klasik. Setiap jawapan yang diberikan produk anda boleh membawa bil pengkomputeran sebenar, jadi model yang anda pilih menentukan margin anda sama banyak dengan produk anda.

Kebanyakan syarikat permulaan AI tergolong dalam salah satu daripada tujuh arketaip. Ada yang menjual akses kepada model, ada yang menjual versi lebih pintar perisian yang biasa dikenali, dan ada yang menjual kerja yang siap. Dan garis pemisahnya kabur: banyak syarikat menjalankan dua sekali gus.

Panduan ini memetakan kesemua tujuh, menunjukkan perbandingannya, dan menunjukkan perangkap dalam setiap satu. Ia kekal pada peringkat model. Mekanisme harga dan kiraan margin dibincangkan secara berasingan di tempat lain.

Mengapa AI mengubah persoalan model perniagaan

Perisian tradisional mempunyai satu ciri terkenal: setelah siap dibina, melayan seorang lagi pelanggan hampir tidak memerlukan kos. Itulah sebabnya SaaS lama dianggap sebagai perniagaan bermargin tinggi. Jika anda mahu mengingat semula cara angka itu berfungsi, lihat penjelasan kami tentang margin kasar.

AI melemahkan ciri itu. Penyelidik di a16z menyedarinya lebih awal, dengan menulis pada 2020 bahawa syarikat AI sering menunjukkan margin kasar dalam julat 50 hingga 60 peratus, jauh di bawah penanda aras 60 hingga 80 peratus atau lebih bagi perniagaan SaaS yang setanding. Mereka menunjukkan dua punca: infrastruktur awan untuk latihan dan inferens, serta usaha manusia dalam gelung, seperti pelabelan data dan pengawasan masa nyata. Artikel itu sudah lama, dan alat telah banyak berubah sejak itu. Tetapi perkara strukturnya masih benar. Penyampaian mempunyai kos berubah, dan model perniagaan perlu mengambil kiranya.

Dua perkara lagi membentuk pilihan ini. Pertama, siapa yang memiliki belanjawan. Alat masuk ke dalam belanjawan perisian. Kerja yang siap masuk ke dalam belanjawan perkhidmatan, iaitu kumpulan wang yang sama sekali berbeza. Kedua, seberapa cepat model asas bertambah baik. Jika nilai anda ialah lapisan nipis di atas model yang boleh disewa semua orang, penambahbaikan membantu pesaing anda sama banyak dengan anda. Jika nilai anda ialah hasil yang anda jamin, penambahbaikan boleh melebarkan margin anda.

Tujuh arketaip secara sepintas lalu

Inilah perbandingan ringkas sebelum kita membincangkan setiap satu.

Baca jadual ini sebagai peta, bukan kedudukan. Tiada satu pun yang terbaik secara abstrak. Setiap satu sesuai dengan jenis syarikat yang berbeza.

1. API dan akses model berasaskan penggunaan

Model paling mudah ialah menjual akses. Syarikat permulaan melatih atau menala model untuk tugasan tertentu, seperti transkripsi, pengekstrakan dokumen atau penjanaan imej, dan mengenakan caj kepada pembangun bagi setiap panggilan. Hasil mengikut penggunaan, dan begitu juga kos.

Daya tarikannya ialah kelajuan. Pembangun boleh mencubanya dalam satu petang, dan API yang baik tersebar melalui penerimaan dari bawah ke atas. Risikonya ialah model sukar dipertahankan. Apabila keupayaan menjadi komoditi, pembeli memilih berdasarkan harga dan kebolehpercayaan, dan margin anda ditekan dari dua arah: pengkomputeran yang anda beli memerlukan wang, dan pelanggan yang anda jual boleh bertukar.

Arketaip ini paling berkesan apabila anda memiliki sesuatu yang sukar ditiru: data proprietari, model khusus, atau kependaman dan ketepatan yang tidak dapat ditandingi model umum. Untuk mekanisme mengenakan caj mengikut penggunaan secara umum, panduan kami tentang harga berasaskan penggunaan membincangkan konsepnya, dan pilihan yang lebih luas antara meter, kerusi dan peringkat terdapat dalam model harga SaaS.

2. SaaS berasaskan kerusi dipertingkat AI

Arketaip kedua ialah yang paling tidak dramatik: ambil kategori perisian yang mantap, tambah ciri AI, dan terus mengenakan caj setiap kerusi. Pembeli sudah memahami produk itu, laluan perolehannya biasa, dan hasilnya boleh dijangka.

Harga di sini berubah secara perlahan, bukan secara mendadak. Bain & Company mengkaji lebih 30 vendor SaaS dan melaporkan pada Oktober 2025 bahawa 35 peratus menaikkan harga setiap kerusi dengan menggabungkan AI ke dalam peringkat sedia ada, 65 peratus menambah meter penggunaan AI atau akses ciri di atas kerusi, dan tiada satu pun yang beralih sepenuhnya kepada harga berasaskan penggunaan atau hasil. Tafsiran Bain ialah "kerusi sudah mati" adalah satu kenyataan yang berlebihan. Sampelnya ialah vendor yang mantap, jadi ia memberitahu anda apa yang dilakukan penyandang, bukan apa yang dilakukan setiap syarikat permulaan AI-native. Namun, ia peringatan berguna bahawa model kerusi sukar ditinggalkan.

Bagi syarikat permulaan, persoalannya ialah sama ada AI itu produknya atau satu ciri. Jika anda menambah AI pada produk aliran kerja, model kerusi selamat. Jika AI melakukan sebahagian besar kerja, kerusi boleh menyebabkan anda mengenakan caj terlalu rendah, kerana seorang dengan alat AI boleh menghasilkan apa yang dahulunya memerlukan beberapa orang. Ketegangan itu mendorong syarikat ke arah arketaip seterusnya.

3. Copilot

Copilot membantu seorang profesional melakukan kerjanya dengan lebih pantas. Manusia kekal mengawal dan perisian membantu. Bayangkan pembantu penggubalan untuk peguam, alat pelengkap kod untuk jurutera, atau pembantu penyelidikan untuk penganalisis. Pembeli biasanya profesional itu sendiri atau jabatan yang menggajinya, dan harganya lazimnya setiap kerusi, kadangkala dengan had penggunaan.

Copilot mudah dijual kerana nilainya kelihatan dan risikonya rendah. Manusia menyemak output. Kelemahannya bersifat strategik. Julien Bek dari Sequoia menyatakan perbezaannya dengan tajam pada Mac 2026: "Copilot menjual alat. Autopilot menjual kerja." Alat bersaing untuk belanjawan perisian, dan apabila model bertambah baik, jurang antara alat yang baik dan alat yang cukup baik cenderung mengecil. Itulah risiko pengkomoditian yang ditanggung copilot.

Copilot masih boleh menjadi perniagaan yang kukuh, terutamanya apabila ia berada jauh di dalam aliran kerja, memegang data dan konteks pelanggan, dan menjadi sukar untuk dicabut. Tetapi pengasas yang memilih arketaip ini harus dapat menyatakan mengapa pelanggan tidak akan beralih sahaja kepada pembantu yang lebih murah tahun depan.

4. Ejen dan services-as-software

Arketaip keempat menjual kerja itu sendiri. Daripada memberi profesional alat yang lebih baik, syarikat permulaan melaksanakan tugasan dari awal hingga akhir: ia mendraf kontrak, memproses tuntutan, menyelaraskan invois atau menyaring calon. Manusia mungkin menyemak pengecualian, tetapi pelanggan membeli output yang siap.

Inilah idea di sebalik "services-as-software." Daya tarikannya ialah saiz belanjawan. Esei Sequoia berhujah bahawa "bagi setiap dolar yang dibelanjakan untuk perisian, enam dibelanjakan untuk perkhidmatan", dan bahawa syarikat yang menjual kerja boleh merebut belanjawan kerja sejak hari pertama dan bukannya bersaing untuk baris perisian yang lebih kecil. Anggaplah itu sebagai tesis satu firma pelaburan, bukan hukum yang diukur. Tetapi ia menerangkan mengapa begitu ramai pengasas tertarik kepada model ini.

Kosnya juga berbeza. Pada awalnya, margin boleh rendah, kerana sistem memerlukan pengkomputeran dan sering kali semakan manusia untuk menyampaikan dengan boleh dipercayai. Pertaruhannya ialah apabila model bertambah baik dan semakan berkurang, margin melebar. Itulah kebalikan masalah copilot, di mana kemajuan model membantu pesaing anda. Ia juga lebih berisiko: anda kini bertanggungjawab atas hasilnya, bukan sekadar alatnya. Jika ejen anda tersilap dalam sesuatu tugasan, pelanggan menyalahkan anda, bukan pekerja mereka.

Untuk melihat dengan lebih mendalam bagaimana ini berkait dengan susunan teknologi di bawah produk anda, lihat lapisan aplikasi berbanding lapisan model.

5. Model berasaskan hasil

Harga berasaskan hasil melangkah selangkah lebih jauh daripada menjual tugasan yang siap. Anda mengenakan caj hanya apabila hasil tertentu dicapai: mesyuarat ditempah, tiket diselesaikan, tuntutan dipulihkan. Risiko pelanggan turun hampir kepada sifar, yang memudahkan jualan, dan hasil anda menjejaki nilai yang anda sampaikan.

Ia idea yang menarik, dan lebih sukar daripada yang disangka. Anda memerlukan takrifan hasil yang jelas dan diterima kedua-dua pihak. Anda memerlukan data untuk membuktikan anda menyebabkannya. Dan anda menanggung kos setiap percubaan, termasuk yang gagal. Analisis Bain tentang mengapa vendor belum beralih sepenuhnya menunjukkan halangan dalaman seperti telemetri produk yang tiada, dan geseran luaran seperti tabiat perolehan pelanggan yang berubah, yang merupakan sebahagian daripada sebab tiada satu pun vendor yang dikajinya telah beralih sepenuhnya.

Model berasaskan hasil sesuai untuk tugasan yang sempit dan boleh diukur di mana hasilnya tidak samar-samar. Ia kurang sesuai di mana hasil bergantung pada faktor di luar kawalan anda, seperti proses jualan pelanggan atau sentimen pasaran. Banyak syarikat permulaan akhirnya menggunakan hibrid: yuran asas untuk akses ditambah jumlah berubah yang dikaitkan dengan hasil.

Fakta Utama: Model Perniagaan Syarikat Permulaan AI

• Syarikat AI sering menunjukkan margin kasar 50 hingga 60 peratus, berbanding 60 hingga 80 peratus atau lebih bagi SaaS yang setanding, menurut analisis a16z 2020 terhadap kewangan syarikat AI.
• Dalam kalangan lebih 30 vendor SaaS, 35 peratus menaikkan harga kerusi dengan menggabungkan AI, 65 peratus menambah meter AI di atas kerusi, dan tiada satu pun yang beralih sepenuhnya kepada harga berasaskan penggunaan atau hasil (Bain, Oktober 2025).
• Bagi setiap dolar yang dibelanjakan untuk perisian, enam dibelanjakan untuk perkhidmatan, menurut Sequoia (Mac 2026). Copilot menjual alat, autopilot menjual kerja.
• Kajian Bessemer terhadap 20 syarikat permulaan AI berpertumbuhan tinggi mendapati "Supernova" yang berkembang pesat mempunyai purata margin kasar kira-kira 25 peratus, manakala "Shooting Star" mempunyai purata kira-kira 60 peratus (Ogos 2025).
• Perbelanjaan AI generatif perusahaan mencecah $37 bilion pada 2025, dengan $19 bilion disalurkan ke lapisan aplikasi (Menlo Ventures, Disember 2025).
• 76 peratus kes penggunaan AI perusahaan dibeli dan bukannya dibina secara dalaman pada 2025, meningkat daripada 53 peratus pada 2024.

6. Pasaran dan perniagaan data

Dua model lama mendapat nafas baharu dengan AI: pasaran dan perniagaan data.

Pasaran menghubungkan dua pihak, seperti pembeli dan penjual kepakaran khusus, dan mengambil sebahagian daripada setiap transaksi. AI boleh menjadikan padanan lebih tajam atau mengisi jurang bekalan dengan membiarkan perisian melakukan sebahagian kerja. Namun, cabaran klasik pasaran belum hilang. Anda masih memerlukan bekalan dan permintaan yang mencukupi di kedua-dua pihak, dan anda masih memerlukan sebab untuk mereka bertransaksi di platform anda dan bukannya memintasnya.

Perniagaan data menjual akses kepada maklumat yang sukar diperoleh: set data yang dikurasi, contoh berlabel, korpus khusus domain, atau pandangan yang diperoleh daripada sumber proprietari. Di sini hasil datang daripada langganan atau lesen, dan kos terletak pada memperoleh, membersihkan dan menyelenggara data. Parit pertahanannya ialah keunikan data. Jika data itu boleh dikikis atau disintesis dengan murah, perniagaan itu tiada pertahanan.

Syarikat yang membina produk, mengumpul data penggunaan unik semasa pelanggan bekerja, dan kemudian menukar data itu kepada kelebihan yang boleh dipertahankan telah bergerak ke arah arketaip ini sama ada dirancang atau tidak. Untuk rangka kerja umum di sebalik pilihan seperti ini, gambaran keseluruhan kami tentang model perniagaan syarikat permulaan dan kanvas model perniagaan ialah titik permulaan yang baik.

7. Model open-weight ditambah perkhidmatan dihoskan

Arketaip terakhir meminjam daripada buku panduan sumber terbuka. Syarikat permulaan mengeluarkan model yang pemberatnya boleh dimuat turun sesiapa sahaja, membina komuniti dan reputasi, dan menjual perkara yang sanggup dibayar perusahaan: pengehosan terurus, sokongan, penalaan pada data peribadi, ciri keselamatan dan jaminan perkhidmatan.

Istilah penting di sini. Mengeluarkan pemberat tidak sama dengan menjadi sumber terbuka. Open Source AI Definition 1.0 daripada Open Source Initiative memerlukan kebebasan untuk menggunakan, mengkaji, mengubah suai dan berkongsi sesuatu sistem, dan menyatakan bahawa bentuk pilihan untuk pengubahsuaian merangkumi maklumat yang cukup terperinci tentang data latihan, kod lengkap dan parameter. Model yang hanya menghantar pemberat di bawah lesen yang ketat mungkin "open weight" tanpa memenuhi tahap itu. Pengasas harus menyatakan yang mana satu dimaksudkan, kerana pembeli perusahaan dan pasukan undang-undang akan bertanya.

Logik perniagaannya ialah logik klasik yang dibincangkan dalam panduan kami tentang model perniagaan sumber terbuka: versi percuma membina penerimaan, dan versi berbayar mengewangkan kemudahan, kebolehpercayaan dan pematuhan. Perangkapnya ialah sesiapa sahaja boleh mengehos sendiri versi percuma, jadi anda perlu menawarkan sesuatu yang berbaloi dibayar melebihi muat turun.

Cara memilih antaranya

Tiada arketaip yang betul secara terpencil. Empat soalan membantu menyempitkan pilihan.

Belanjawan siapa yang anda sasarkan? Jika anda menjual alat, anda bersaing untuk belanjawan perisian dan pembeli membandingkan anda dengan alat lain. Jika anda menjual kerja yang siap, anda bersaing dengan kos buruh dan penyedia penyumberan luar. Itu pasaran yang lebih besar dengan tahap kebolehpercayaan yang lebih tinggi.

Di mana kos anda meningkat? Kira kos berubah bagi satu interaksi pelanggan. Jika ia ketara, harga kerusi rata boleh menyebabkan anda terdedah kepada pengguna paling berat. Kajian Bessemer pada Ogos 2025 terhadap 20 syarikat permulaan AI berpertumbuhan tinggi menunjukkan betapa lebarnya jurang itu: "Supernova" yang paling pesat berkembang mempunyai purata margin kasar kira-kira 25 peratus, manakala "Shooting Star" yang lebih stabil mempunyai purata kira-kira 60 peratus. Bessemer menggambarkan kumpulan kedua sebagai arketaip yang patut disasarkan kebanyakan pengasas. Sampel 20 bukan banci pasaran, tetapi jurang antara dua kumpulan itulah intinya: cara anda memilih untuk berkembang ialah keputusan model perniagaan.

Sejauh mana hasilnya boleh diukur? Model berasaskan hasil dan ejen memerlukan hasil yang boleh disahkan kedua-dua pihak. Jika anda tidak dapat mengukurnya, anda tidak dapat mengenakan caj untuknya.

Sejauh mana ia boleh dipertahankan? Tanya apa yang menghalang pelanggan daripada pergi apabila alternatif yang lebih murah muncul. Kedalaman aliran kerja, data proprietari, kepercayaan yang dibina melalui penyampaian yang boleh dipercayai, dan jenama semuanya dikira. Lapisan nipis di atas model sewaan tidak dikira. Untuk maklumat lanjut tentang soalan ini, lihat AI wrapper berbanding AI native dan apakah syarikat permulaan AI-native.

Kesilapan biasa

Empat corak muncul berulang kali.

Yang pertama ialah meniru harga kerusi daripada perisian klasik ke atas produk dengan kos berubah yang tinggi. Pengguna paling berat akhirnya boleh menelan kos lebih daripada yang mereka bayar.

Yang kedua ialah menjanjikan hasil yang tidak dapat anda ukur. Tanpa takrifan kejayaan yang dipersetujui, setiap invois menjadi pertikaian.

Yang ketiga ialah mengelirukan permintaan dengan perniagaan. Pembeli sedang berbelanja: Menlo Ventures melaporkan bahawa perusahaan menyalurkan $19 bilion ke lapisan aplikasi AI pada 2025, dan bahawa 76 peratus kes penggunaan AI dibeli dan bukannya dibina secara dalaman, meningkat daripada 53 peratus tahun sebelumnya. Tetapi pasaran yang berkembang tidak menyelamatkan model tanpa margin. Tinjauan Menlo meliputi kira-kira 500 pembuat keputusan perusahaan di Amerika Syarikat, jadi anggaplah ia gambaran satu kumpulan pembeli, bukan seluruh dunia.

Yang keempat ialah mengunci model terlalu awal. Kebanyakan syarikat ini menukar arketaip semasa mereka belajar. Copilot menjadi ejen, API menambah peringkat dihoskan, dan produk kerusi menambah meter penggunaan. Pilih arketaip yang sesuai dengan bukti hari ini dan rancang untuk perubahan.

Langkah seterusnya

Model perniagaan ialah hipotesis tentang siapa yang menghargai produk anda dan berapa kos untuk menyampaikannya. Jika anda hanya mengingati satu perkara, ingatlah ini: dalam AI, model yang anda pilih juga merupakan struktur kos, jadi putuskan kedua-duanya bersama.

Bacaan Berkaitan

• Apakah Syarikat Permulaan AI-Native?
• AI Wrapper berbanding AI Native
• Lapisan Aplikasi berbanding Lapisan Model
• Model Perniagaan Syarikat Permulaan
• Model Perniagaan Sumber Terbuka
• Margin Kasar