喝点VC｜a16z CFO圆桌会议摘要：没有人完全破解AI收入的预测问题，可靠预测更像是一种合理性检查而非精确的预测

作者

图片来源：a16z

Z Highlights：

  • 我们AI产品的定价是通过增加绝对利润来构建，但单位价格随着客户投入的增加而降低。

  • 我们密切跟踪合同金额，并使用AI帮助我们理解和预测真实基于消耗量的ARR。

  • 我们密切监控基础设施开支，如果成本增长速度超过使用量，我们会迅速派工程师去优化——这是一种管理成本有效率的持续循环。

  • 研发项目可能不会直接转化为即时收入，但它们能够创造显著的长期差异化、产品开发和用户粘性，成为竞争激烈的市场中不可或缺的一部分。

  • AI领域持续创新，新的应用场景迅速涌现。你必须保持灵活性，并将变化作为风险管理战略的一部分。

本篇文章记录了2025年6月期间a16z与五家AI原生公司的CFO在圆桌会议中共同探讨AI对企业财务职能的诸多影响。

AI正从根本上改变企业，而财务职能在这个过程中受到的冲击尤为明显。CFO们正在通过AI copilots来增强组织中的劳动效率，同时他们还面临着日益增长的需求：管理企业的快速增长，应对企业新的成本结构和财务报告要求以及在新定价模式下做出复杂的决策。

我们基于合作伙伴的研究成果，包括《 What “Working” Means in the Era of AI Apps 》和《How 100 Enterprise CIOs Are Building and Buying Gen AI in 2025》的研究，采访了五位来自AI原生企业的财务领导人，深入探讨了这一变化，包括：

  • Dave Conte，Databricks的CFO：提供一个统一的开放分析平台，用于构建、部署、共享和维护企业级的数据、分析和AI解决方案。

  • Maciej Mylik，ElevenLabs的财务负责人：一家AI音频研究和部署公司，致力于让内容在任何语言和语音中都能实现全球普及。

  • Hanson Hermsmeier，Together AI的企业财务副总裁：一家AI云平台，帮助开发者和研究人员训练、微调和部署生成式AI模型。

  • Matthieu Hafemeister，Concourse的联合创始人：一家为企业财务团队构建AI代理的公司。

  • Noah Barr，Ambient.ai的CFO：一家计算机视觉智能公司，提供简化、自动化的安全解决方案。

AI不仅仅是在重塑产品和服务，它正在重新定义企业如何衡量、预测和优化财务表现。

1.重新思考定价：从订阅制向消耗量和结果导向的转变

正如a16z在12月的文章《 AI is driving a shift toward outcome-based pricing》所提到的，CFO们现在正在实践AI带来的转变。

  • 定价越来越与最终结果挂钩：

  •  “Databricks的显著不同在于，我们的定价和收入确认完全基于输出，而不是输入式的消耗模型。如果客户没有获得价值，他们就不会消费，收入也不会出现在我们的利润表上。”

  ——Dave Conte, CFO – Databricks

  • AI提供了与客户对齐激励措施的机会：

  • “我们的定价是通过增加绝对利润来构建，但单位价格随着客户投入的增加而降低。我们通过定价计算器自动折扣，以鼓励客户进行更大的投入，将客户锁定在更高的支出上来帮助我们降低收入风险。”

——Maciej Mylik, Finance – ElevenLabs

  • 对于初创公司，这种转变需要快速实验：

  • “我在产品发布后40天内更改了7次定价。这非常有助于我理解市场和客户的付费意愿。目前，定价只是我PPT演示文稿中的一张幻灯片——我将继续反复迭代和改进。” 

——Matthieu Hafemeister, Cofounder – Concourse

2.年度经常性收入（ARR）需要重新定义

传统的年度经常性收入（ARR）指标难以准确衡量基于使用量的定价模型。CFO们正在采用混合指标（例如，ARR加年化使用量）来反映客户的实际消耗量。

  • ElevenLabs采用传统的ARR指标加上年化使用量，以避免低估企业客户的收入

  • “我们开始将基于使用的收入进行年化，并将其加入新的指标——ARR加年化使用量，因为企业客户经常超过他们的配额。如果没有这个指标，我们就会低估或忽略实际收入。”

  ——Maciej Mylik, Finance – ElevenLabs

  • CFO和财务团队需要以不同的方式重新考虑收入确认的方式：

  • “在基于消耗的收入模型下，你如何看待ARR？虽然你可能有稳定的合作关系，但实际使用量每月都在变化，因此传统的ARR定义变得具有挑战性。”

  ——Noah Barr – CFO – Ambient.ai

  • Databricks采用复杂的方式进行消耗预测：

  • “与收入趋于线形的SaaS模型不同，消耗模型通常是非线性的——客户先猛增，后进行优化。我们通过高度分散化来管理这种波动，避免客户集中度过高……我们密切跟踪合同金额，并使用AI帮助我们理解和预测真实基于消耗量的ARR。”

  ——Dave Conte, CFO – Databricks

3.毛利压力和成本管理

几乎每个AI初创公司都构建在基础模型之上（如来自OpenAI、Anthropic或Mistral的模型），这些模型带来了与AI模型使用量成正比的显著可变成本。每一次API调用、每处理一个token，都增加了公司的成本结构。这是定价AI服务的底层单位经济的根本性改变。额外用户或用量的边际成本不再是零，事实上，随着使用的不同而变化。尽管推理成本总体上正在显著下降，但依赖于具有高级推理能力的最新模型的任务仍然会产生相对较高的成本。

  • 变动的成本结构意味着需要优化及调整价格，否则面临利润率下降：

  • “我们密切监控基础设施开支，如果成本增长速度超过使用量，我们会迅速派工程师去优化——这是一种管理成本有效率的持续循环。”

  ——Maciej Mylik, Finance – ElevenLabs

  • “我们通过客户价值主张、竞争对标以及成本回报分析进行三角定位的定价决策。由于AI基础设施和软件发展迅速，我们会不断重新评估……根据客户需求、合同期限和交易规模，定期进行创新定价和包装，前提是需要基于仔细考虑过单位成本。”

  ——Hanson Hermsmeier, VP of Corporate Finance – Together AI

  • 独立训练模型的初创公司也必须应对固定的GPU成本：

  • “你必须密切关注成本——这些GPU成本非常高。我们将GPU的空闲时间视为利用率损失，这直接影响我们的利润率和效率。GPU每一个未被客户使用的小时都会影响我们的利润。”

 ——Hanson Hermsmeier, VP of Corporate Finance – Together AI

  • 微调是新型的成本：

  • “我们有一个HILT（human-in-the-loop）团队，这个团队是销售成本的一部分。随着算法改进，每个员工的有效判定次数增加，单位成本下降，但我们仍然必须偏向于假阳性，以管理风险。”

  ——Noah Barr, CFO – Ambient.ai

4.在AI世界中评估投资回报（ROI）

随着AI的普及，一些功能逐渐被商品化，因此，投资未来显得至关重要。

  • 投资未来是避免被颠覆的关键：

  • “并不是每个研发项目都能直接与即时收入挂钩，但通过预测分析，我们衡量某些功能（如Unity Catalog）如何推动客户采用率和增长。”

  ——Dave Conte, CFO – Databricks

  • Together AI的Hanson强调了研发的战略价值：

  • “研发项目可能不会直接转化为即时收入，但它们能够创造显著的长期差异化、产品开发和用户粘性，成为竞争激烈的市场中不可或缺的一部分。例如，我们在内核研究上的投资，使我们能够为用户提供独特的差异化优势，从而减少基础设施成本并提升性能。”

  ——Hanson Hermsmeier, VP of Corporate Finance – Together AI

  • 长期思维对于保持竞争优势至关重要：

  • “纯文本转语音技术不可避免地会商品化。为了维持长期的可防御性，我们需要更复杂的产品层级——工作流、数据丰富的功能和API——使客户深度嵌入并难以转换。”

  ——Maciej Mylik, Finance – ElevenLabs

5.利用AI进行高级财务预测

唯一不变的就是变化，但AI也可以帮助应对变化。

  • 当一切都在变化，规划变得困难：

  • “在当下的AI领域，即使是规划12个月的情况也很具挑战性。AI领域持续创新，新的应用场景迅速涌现。你必须保持灵活性，并将变化作为风险管理战略的一部分……AI领域的唯一常态就是变化。模型快速演变，甚至今天未曾考虑过的推理用例在一年之后可能会变得至关重要。”

  ——Hanson Hermsmeier, VP of Corporate Finance – Together AI

  • Databricks在内部积极使用自己的产品：

  • “我们在内部使用Databricks——AI、机器学习和先进分析——来预测客户、工作负载和产品层级的消耗模式。这不仅对于财务预测至关重要，而且也帮助我们庞大的销售团队设定配额……使用Microsoft Excel无法实现消耗量预测的精确度——你必须使用高级分析、机器学习和AI来构建这些预测。”

  ——Dave Conte, CFO – Databricks

  • “我们有一个产品叫Genie，其本质上是基于自然语言查询。因此，你可以输入自然语言到你的数据湖中。Genie会提取答案并越来越理解你的数据，你使用的次数也会增多。”

  ——Dave Conte, CFO – Databricks

  • 尽管取得了这些进步，预测仍然充满挑战：

  • “我认为没有人完全破解AI收入的预测问题。市场发展迅速，变化太快，可靠的预测更像是一种合理性检查，而非精确的预测。”

  ——Maciej Mylik, Finance – ElevenLabs

原文：How CFOs are navigating growth, pricing, and forecasting in an AI world

https://a16z.com/newsletter/june-2025-fintech-newsletter/

编译：Wendy Qiu

请注意，本文编译自文未载明的原始链接，不代表ZPotentials立场。如果您对本文有任何想法或见解，欢迎在评论区留言互动探讨。

Z Potentials将继续提供更多关于人工智能、机器人、全球化等领域的优质内容。我们诚邀对未来充满憧憬的您加入我们的社群，与我们共同分享、学习、成长。

——-

（文：Z Potentials）

发表评论