单位经济

单位经济回答一个朴素问题：每增加一个用户、一次任务或一份合同，产品到底赚不赚钱。

传统 SaaS 常把毛利率当作相对稳定的公司级数字。Agent 产品不能这么看，因为边际成本不是零：推理、工具、沙箱、外部 API、失败重试和人工审核都会随任务发生。

三个分析单位

Agent 产品至少要按三个单位看经济性：

单位	适合回答的问题
任务	每个成功结果是否赚钱？
用户	哪些用户贡献毛利，哪些用户消耗毛利？
合同 / 组织	客户整体是否值得服务，是否需要定价或限额调整？

只看平均值会掩盖问题。一个客户整体付费很多，但如果大部分任务来自高成本、低成功率工作流，毛利可能并不好。

任务级毛利

任务级毛利是最底层：

gross_margin_per_successful_task =
  revenue_per_successful_task
- cost_per_started_task / success_rate
- review_cost_per_task
- expected_fallback_cost

这里故意使用“每个成功任务”，而不是“每个发起任务”。因为失败任务也会消耗成本，却不一定能收费或交付价值。

成本字段来自 成本模型，但在指标层更关心这些派生指标：

• cost_per_started_task
• cost_per_successful_task
• gross_margin_per_successful_task
• review_minutes_per_successful_task
• retry_cost_per_successful_task

用户级毛利

同一个订阅价格下，不同使用强度的用户可能有完全不同的毛利结构。下面是合成示例，用来说明分布形态，而不是建议价格：

用户类型	月任务量	任务特征	毛利直觉
轻度用户	少量任务	低成本、低审核	毛利高，但价值证明可能弱
中度用户	稳定任务	成本和价值相对均衡	最适合作为定价和留存基线
重度用户	大量任务	容易触发高 token、长运行、人工审核	可能贡献最大价值，也可能吃掉毛利

重度用户不一定是坏用户。关键要看他们的任务是否高价值、是否愿意为超额使用付费、是否能通过模型路由和流程优化降低成本。问题不是“重度用户多”，而是“重度用户的价格和成本结构不匹配”。

合同级毛利

B2B Agent 产品常出现合同级交叉补贴：一个组织内少数团队高强度使用，其他团队低频使用。只看组织总收入，可能误判健康度。

合同级看板至少要拆：

• 按团队 / 工作流分布的任务量。
• 每个工作流的成功率和审核时间。
• 每个工作流的每成功任务成本。
• 超额使用是否被计费。
• 是否存在少数用户消耗大部分预算。

合同续约时，毛利分布比总 ARR 更有解释力。

定价响应

单位经济恶化时，不一定立刻涨价。常见响应有：

策略	适用情况
模型路由优化	高能力模型被低风险任务滥用
工具结果压缩	tool results 过长，推高 history 成本
任务限额	订阅用户存在无边界重度使用
超额计费	重度使用有明确价值，客户愿意为增量付费
HITL 重设计	人工审核成本超过 token 成本
工作流排除	某类任务验证困难、失败率高、价值低

定价只是最后一步。很多毛利问题先来自产品和工程：任务定义太宽、工具返回太大、成功标准不清楚、模型路由太粗。

不要只报平均毛利

平均毛利率会隐藏长尾。更有用的是分布：

• 按用户分位数：P50 / P75 / P90 / P99 成本和毛利。
• 按任务类型：哪些工作流赚钱，哪些工作流亏损。
• 按模型路由：高能力模型是否真的用于高价值任务。
• 按客户组织：是否存在合同级毛利风险。

对 Agent 产品而言，“平均毛利 70%”不如“P90 重度用户仍然为正毛利”有说服力。

与其他章节的衔接

• 成本字段定义：economics/cost-model
• 预算和 ROI 修正：economics/controls-and-roi
• 定价机制：pricing
• 用户分层运营：playbooks