不少风投资本发现，人工智能初创公司正在采用全新的商业模式——基于使用情况的定价（usage-based pricing），而非坚持传统的按用户来收费（或称基于席位的定价模型）。
有美国科技媒体总结称，生成式人工智能初创公司Cresta最初是按用户收费，现在已转向按照其人工智能工具帮助联络中心员工进行的每一次对话进行收费。
客户服务公司Intercom曾于3月发布了人工智能聊天机器人Fin，为其能够解决的每个客户请求定价为99美分，有别于该公司按用户收费的核心客户服务产品。
研究表达交流的实验室和人工智能初创公司Hume AI，旨在利用人工智能技术、根据语调和面部表情来分析人们的情绪变化，也开始按照每分钟、每个注释和单词量来收费。
公开资料显示，基于使用量的定价（UBP），也称为基于消费的定价，这种模型令客户能够根据产品的实际使用量来支付费用，而衡量使用情况的指标对应着客户如何从产品中获取价值。
目前，UBP定价方式在“软件即服务”（SaaS）领域越来越流行，正逐渐取代更传统的基于订阅和用户席位数的定价模式。由于UBP将客户支付的价格与其收到的产品价值直接联系起来，这种定价方式被评价为“将成为基于价值定价模型的代名词”（value-based pricing）。
风投IVP（Institutional Venture Partners）的合伙人Karthik Ramakrishnan便称，基于使用情况的定价模型，可以帮助AI初创公司将产品定价与其实际提供的价值更紧密地联系起来，后者的衡量标准可以是他们为客户节省的时间和工作量。
但相比于传统的按用户席位收费来说，基于使用量来定价（也可以称为按使用次数收费）可能无法将客户锁定在能够产生更可预测收入流的套餐中，专注于企业AI的上市公司、人工智能应用程序开发商C3.ai在转向UBP定价时，便遭遇了收入和毛利率一直在波动的困境。
目前，基于使用情况的定价模型大体分为三种：
现用现付（pay as you go），客户只需为实际使用或消费的内容付费，非常适合业务需求波动的公司；
按单位定价（per-unit pricing），客户根据以单位计数的资源使用情况付费，提供更精细服务的云供应商偏爱这种模式；
分级定价（tiered pricing），客户可以选择适合自己需求的级别，使用量超过限额将升级到下一档级别和更高的定价。通常会有一个免费套餐共启动使用。
基于使用情况定价也叫“计量服务”（metered services），在实际生活中与从公用事业公司购买电力或水的计量服务模式类似。这种定价模型最早被SaaS和“基础设施即服务”（IaaS）云供应商青睐，通过允许客户探索如何用自然的方式使用服务、无需预先花钱订阅，借此来留住客户。
UBP定价的优点在于，通过定价模型的透明度，更轻松地将客户的使用成本与供应商的资源消耗直接挂钩。对于用户来说，可以用相对较低的成本开始使用产品，最大限度地减少采用阻力。对于供应商来说，允许更多用户在同一个账户内访问产品，能催生更多新的用例，甚至鼓励一组用户与公司内部的其他潜在用户或外部组织分享经验，进而扩大总目标市场（TAM）。
在缺点方面，这种定价模式依赖的是客户多变的需求，可能令供应商预测财务数据和获得可持续的经常性收入更为困难，甚至会损害企业的长期增长。但是数据显示，过去五年中，B2B的SaaS领域对UBP定价采用率几乎翻了一倍，五分之三的公司正在使用某种形式的UBP策略。
另一家风投Menlo Ventures的合伙人Naomi Pilosof Ionita指出，除了因为产品较新，需要用更快的策略向潜在客户证明其价值之外，人工智能初创公司如果提高了客户的员工效率，可能导致客户最终雇佣更少的员工，这意味着在传统订阅模式下为AI公司带来收入的用户席位会减少。
上述种种原因都令AI初创公司更愿意尝试新的定价模式。同时，在当下的宏观经济挑战中，企业客户越来越多地裁员和削减支出，并需要更长时间才能做出软件购买决策，基于使用情况的定价可能更容易让企业接受，因为它允许客户随着时间的推移灵活调整支出。
还有分析指出，UBP定价的兴起和逐渐普及，与技术本身的发展特点息息相关：
• 自动化：软件越来越多地实现手动流程的自动化。产品越成功，客户所需的用户席位就越少，根据用户席位定价并不能随着自动化产生的价值而变化。
• 人工智能：人工智能使自动化更进一步，最终消除整个团队持续执行任务的需要，这令货币化不再仅仅与产品的人类用户挂钩。
• API：对于许多发展最快的软件公司来说，价值在于API（软件直接与其他软件对话的能力），而不是UI（用户界面），不需要有用户就能看到价值。
