夜雨聆风模型越来越强、价格越来越低，为AI应用扩张创造了条件。但对企业而言，真正重要的问题不是“每百万Token多少钱”，而是完成一项工作、服务一名用户或交付一个项目以后，还能留下多少贡献毛利。
这就是AI软件研究中最容易被忽略的单位经济模型。
一、先明确收入单位
不同业务的收入单位完全不同。
个人订阅的单位可能是一名月度或年度付费用户；企业SaaS的单位可能是一个席位或一家客户；私有化项目的单位可能是一份合同；云与边缘计算的单位可能是流量、算力时长或Token使用量。
如果收入单位没有确定，就无法判断成本是否真正下降。
二、模型调用只是成本的一部分
一项AI任务通常还需要数据清洗、向量数据库、RAG检索、存储、带宽、权限、安全、日志和评测。复杂智能体还会多轮调用模型和工具，低价模型可能因为更高使用强度产生更多Token。
因此，研究时应使用“单任务总成本”，而不是只比较模型标价。
三、企业交付成本决定SaaS能否规模化
标准化个人产品可以通过应用商店或在线订阅快速扩张；政企项目则需要现场调研、接口适配、数据迁移、私有化部署、培训和长期运维。
当每新增一个客户都需要大量定制人员，收入增长未必带来相同比例的利润增长。反过来，如果产品模块可以复用、实施周期缩短，项目型软件也能逐渐形成经营杠杆。
泛微网络、用友网络和政务AI项目都需要重点观察软件复用率、交付周期和人均产出。
四、销售和客户成功不能被忽略
企业软件的销售周期通常较长。市场推广、渠道分成、售前测试、客户成功和续费服务都需要成本。
一个看似高毛利的软件产品，如果获客回收期过长、应收账款持续增加，现金回报仍可能较弱。
因此，除了毛利率，还要看销售费用率、应收账款周转、合同负债和经营现金流。
五、三种商业模式的核心公式
1. 个人与企业订阅
单用户贡献毛利 = ARPU - 模型调用 - 云存储与带宽 - 支付及渠道分成 - 客户服务。
重点指标：付费率、续费率、ARPU、AI使用强度和获客成本。
2. 私有化项目与智能体服务
单项目贡献毛利 = 合同收入 - 软件及模型成本 - 实施人工 - 外采软硬件 - 售后与维保。
重点指标：合同额、实施周期、验收率、人员复用、应收和现金回收。
3. 云、流量和边缘用量服务
单位用量贡献毛利 = 单位收入 - 带宽/算力/机房/能源成本 - 运维及折旧。
重点指标：使用量、单位价格、利用率、产品结构和毛利率。
六、利润表出现拐点时，通常会看到四个共同信号
第一，付费用户、ARPU或项目客单价上升；
第二，续费率、合同负债或积压订单改善；
第三，单位模型和交付成本下降，或者成本增速低于收入；
第四，经调整利润与经营现金流同步改善。
如果只有净利润增长，而收入、合同负债和现金流没有改善，需要排查投资收益、政府补助、费用收缩或会计确认节奏。
七、把框架应用到本周三家公司
金山办公看WPS 365、AI付费率、经调整利润和云资源成本；
泛微网络看AI流程产品是否推动收入、新签合同和回款，而不仅是费用下降；
网宿科技看安全、边缘AI与算力云使用量能否提高产品结构和毛利率。
八、结论
Token价格下降是AI应用扩张的重要变量，但最终决定企业价值的仍是：客户愿意付多少钱、是否持续付费、交付能否规模化，以及现金能否真正收回来。
研究AI软件，应该从“功能清单”升级到“单位经济模型”。这也是区分产业趋势与公司业绩的关键一步。
本文为产业研究，不提供任何证券买卖或个性化投资建议。
知识星球已同步一份可重复使用的AI应用经营评分表，后续可用于半年报和三季报跟踪。