单位经济

单位经济（Unit Economics）描述每个”单位”（用户、任务、合同）的盈利结构。传统 SaaS 的单位经济建立在”边际成本接近零”的假设上——多服务一个用户的额外开销可忽略，毛利率常年 ≥ 80%，LTV 简化为”月费 × 留存月数”。

Agent 产品打破这个假设。每次推理都付费，毛利率不是常数——它随用户行为（任务复杂度、模型选择、cache 命中率）波动。继续套用 SaaS 公式会得出严重高估的 LTV。

关键公式调整

传统 SaaS 公式

LTV = ARPU × Gross Margin × 平均留存月数

Gross Margin 通常按公司整体值（80%+）取，假设跟用户无关。

Agent 产品公式

LTV(每用户) = Σ (单任务收入 − 单任务成本) × 平均月任务量 × 平均留存月数
            = 单任务毛利 × 月任务量 × 留存月数

关键差异：

• 单任务毛利取代固定 Gross Margin——每个任务的毛利不一样
• 月任务量取代固定 ARPU——重度用户与轻度用户的单位经济差异巨大
• 重度用户在传统 SaaS 是收入引擎（基本零成本），在 agent 产品可能是亏损源（任务多 → 成本高 → 毛利率被拉低）

单任务毛利的拆解

单任务毛利 = 单任务收入 − Σ 单任务成本
单任务成本 = token 成本 + sandbox / 存储成本 + HITL 人工成本 + 退款 / 重做成本 × 失败率

各项依赖：

• Token 成本——见 economics/cost-model，典型中等任务 $0.10-$0.30
• Sandbox / 存储——通常 < 单任务总成本 1%，单位经济层面可忽略
• HITL 人工成本——若任务需要人工审核，每分钟 $0.5-$1（按客服时薪折算）；HITL 介入率高的工作流，该项可能超过 token 成本
• 失败重做——失败率 × （已耗 token + 人工重做时间）

三类用户的单位经济差异

同一产品，三类用户的毛利率结构截然不同：

用户类型	月任务量	单任务成本（含 HITL）	月成本	毛利率（订阅 ¥299 / 月）
轻度（5%）	5	$0.15	$0.75 ≈ ¥5	98%
中度（70%）	50	$0.20	$10 ≈ ¥70	77%
重度（25%）	300	$0.25	$75 ≈ ¥525	−76%

（合成示例，用于说明结构差异。）

重度用户在订阅制下是亏损的——agent 产品独有的陷阱。传统 SaaS 重度用户是”价值最高的客户”，agent 产品反过来可能是”最该被引导降级或加价的客户”。

应对策略

四种常见处理：

1. 按量限额——订阅制下设硬性 token 上限，超出降级或暂停。具体见 economics/controls-and-roi 的 tier 设计
2. 混合定价——基础订阅 + 超量按 token 计费，重度用户自动承担超额成本
3. 价格歧视——按使用画像分 tier（Lite / Pro / Ultra），重度用户被引导至更高 tier
4. 接受亏损换增长——早期阶段允许重度用户亏损，赌后续 cross-sell 或网络效应回收

每种策略的取舍是 pricing 章节的核心议题。

与传统 SaaS 估值的差异

投资人评估 SaaS 时常用 ARR 倍数（10x-30x）。Agent 产品的 ARR 不能简单套用——同样 $10M ARR：

• 若毛利率 80%（轻度用户为主），估值接近传统 SaaS
• 若毛利率 40%（重度用户占比高），估值需向”咨询 / 服务公司”靠拢（2-5x ARR）

投资人会穿透至单位经济层看本质。报 ARR 时附上毛利率分布（按用户分层切分）远比报单一数字更具说服力。

与其他章节的衔接

• 单任务成本拆解：economics/cost-model
• 应对策略的具体定价机制：pricing
• 用户分层的运营落地：playbooks