有一家公司，產品上線兩年，年收入就衝到十億美元。不是 OpenAI，不是 Google，是一個叫 Cursor 的 AI 程式碼編輯器。月費 $20，36 萬付費用戶，估值 $293 億。

這個數字是什麼概念？Salesforce 花了 13 年才到 $1B ARR。Cursor 用了不到兩年。

我們正在目睹 SaaS 歷史上最快的一次 ARR 爆炸——而驅動它的，是 AI Coding Agent 這個品類。今天我想拆解這件事背後的財務邏輯，有幾個地方真的出乎我意料。

Cursor 憑什麼收你 $20？

Cursor 的定價很簡單：Pro 方案 $20/月、Teams $40/用戶/月。聽起來不算便宜，但對開發者來說，每天省 1 小時就值回票價了。

問題是，Cursor 跑的是 GPT-4.1、Claude、Gemini——頂級模型 token 費用可不便宜。那他們的毛利還能撐得住嗎？

我看到一份分析拆了這個數字：以 $20/月 Pro 方案為例，GPT-4.1 的 token 成本大約是 $2.40/用戶/月——也就是說，光 LLM API 成本只佔收入的 12%，理論毛利 88%。

聽起來很爽？等等，實際上 AI-first SaaS 的毛利只有 50-60%。

差距去哪了？向量資料庫、記憶體管理、orchestration 基礎設施、法規合規、客戶支援——這些「隱形成本」把 30% 的毛利悄悄吃掉了。早期的 GitHub Copilot 甚至每個用戶都在虧錢。

所以 AI SaaS 的定價，不是在賣 token，是在賣一整套讓 AI 能用的基礎設施。

Planet Fitness 定價法：賭你不會每天開著它跑

Cursor 的定價裡藏著一個有趣的假設：大多數用戶是輕度使用者。

這個邏輯跟健身房一模一樣。Planet Fitness $10/月，它的商業模型成立的前提是：大部分辦卡的人根本不去。如果每個會員都每天去，場地會爆。

Cursor 也是。如果每個 Pro 用戶都把 token 用到上限，$20 月費根本不夠支付 API 成本。它的利潤，來自那些買了但沒用、或用量低的用戶在補貼重度用戶。

這不是什麼陰謀，是所有訂閱制服務的共同玩法。重點是：AI 工具讓這個賭注更難算——因為用戶行為差異極大，一個重度開發者的 token 消耗可能是輕度用戶的 50 倍。

Devin 的定價裂變：從 $500 跌到 $20，ARR 卻從 $1M 漲到 $73M

這個故事更戲劇化。

Cognition 的 AI 工程師 Devin 2024 年初亮相時，定價 $500/月，走的是高端企業客路線。結果呢？ARR 停在 $1M，就是個試驗品。

然後他們做了一個在傳統商業邏輯裡看起來很蠢的決定：把價格砍到 $20/月——降了 96%。

9 個月後，ARR 從 $1M 暴增到 $73M。後來再收購 Windsurf，合計 $155M ARR。Citi 和 Goldman Sachs 各自部署了 40,000 名工程師來用，每個企業合約值 $10M 以上。

這說明什麼？AI Coding Agent 真正的市場不在「願意花 $500 嚐鮮的早期採用者」，而在「月費 $20 能說服每個開發者試用一個月」的大眾市場。降價是為了到達市場，不是在放棄利潤。

規模夠大之後，企業合約的大單才有機會進來。

ACU：AI 的計費語言正在被重新發明

Devin 帶來了一個我覺得很值得關注的概念：ACU（Agent Compute Unit）。

傳統 SaaS 按座位收費——你有幾個人用就付幾份錢。AI Agent 時代，這個邏輯開始崩塌，因為「使用量」的差異太大了。

ACU 的概念是把「一個 AI 工程師完成一個任務所需的算力」抽象成一個計費單位，類似 AWS 的 vCPU-hour。$20/月的 Devin 包含 9 個 ACU，用完了再按量計費。

這個模型的優點很清楚：

• 對用戶：可預算、可控制、不會突然收到天價帳單
• 對廠商：可以動態調整底層成本，不管是換模型還是換 infra，對用戶側透明

更重要的是，這個定價語言正在被其他 coding agent 複製。未來「你的 AI 助理這個月跑了幾個 ACU」可能會像「你的雲端主機跑了幾個 vCPU-hour」一樣普通。

這對我們意味著什麼？

我一直在觀察這個市場，因為我們自己也在構建 AI Agent 基礎設施。

有幾件事我注意到：

第一，訂閱制的護城河不在技術，在習慣。 Cursor 成功的核心不是它用了哪個模型，而是它嵌入了開發者的日常工作流。每天打開 VS Code 就順手用 Cursor，這個習慣一旦養成，$20/月 就是可有可無的小錢。

第二，定價是市場探索，不是數學計算。 Devin 砍 96% 的價格獲得 73x ARR 增長，這不是事先能算出來的，是做了才知道。很多創業者太早把定價當成「正確答案」，而不是「假設驗證」。

第三，隱形成本是 AI SaaS 最大的陷阱。 LLM API 費用只是冰山一角，向量 DB、orchestration、合規——這些才是真正讓毛利從 88% 掉到 55% 的元凶。下一個想進這個市場的人，要先把這些算清楚。

AI Coding Agent 這個品類才剛起步，但它的財務邏輯已經在被驗證、被複製、被加速——我覺得值得每個關注 AI 商業化的人仔細看一次。

---

你覺得 ACU 這個定價模型會成為 AI Agent 的標準嗎？還是最後還是回到按座位收費的老路？歡迎在底下聊。

— 一見生財，2026-03-10