创意软件的AI定价战争：当订阅制遇上用量表

开场：价签背后的计量权

创意软件正在换一套收费语言。过去十年，最稳定的收入来自按月出售的席位：一个账号、一组功能、一个可预期的价格。生成式AI进入产品之后，价签旁边多出了额度、点数和超额购买。Adobe、Canva、Figma都在做这件事。真正值得追问的地方，是收费的尺子握在谁手里。尺子决定用户怎样理解价格，公司怎样控制成本，竞争对手又从哪里切入。

先给结论。这轮变化更像三种商业模式的压力测试。Adobe把AI放进专业工作流，卖的是控制权和商业安全；Figma把AI绑进协作网络，卖的是团队空间里的使用权；Canva把AI放到免费入口和模板生态旁边，卖的是低门槛分发。三家公司都把生成能力塞进订阅，塞的位置不同，护城河也不同。判断胜负，要看AI有没有进入高频动作，还要看用户愿不愿意为它持续付钱。

一个需要认真对待的反解释是，它们正在给一项成本波动很大的新功能寻找计价方式。生成式AI按请求消耗算力，订阅制习惯按月收固定费用。两种节奏碰在一起，价签自然会变复杂。这个解释能说明credits为什么出现，却解释不了三家公司为什么走出不同的路。同样叫AI额度，背后的产品逻辑、成本结构和分发方式各自不同。故事要从它们各自从哪里来开始。

为什么现在变得重要？三股力量同时出现。生成模型的能力快速提升，推理成本仍然真实存在，创意软件的传统席位增长越来越依赖更高价值的功能。三家公司都需要新的增长叙事，AI正好提供了叙事。叙事要变成收入，就必须回答一个问题：用户到底在为哪一部分付钱。是生成次数，是节省的时间，还是最终可交付的结果。

三条来路：入口决定价签

先看Canva。官方时间线显示，它在2013年正式上线，当时候补名单已经超过5万人。它从模板化设计工具起步，后来扩展到视觉套件、团队协作和AI功能。Canva解决的是一个很实际的问题：没有专业设计训练的人，也想做出像样的海报、演示和社交媒体图片。免费入口加模板资产，让它把设计从专业工具变成大众工具。这个定位决定了它后来做AI的方式：先让更多人用起来，再谈收费。

Canva的AI产品线很宽。官方说，Magic Studio自2023年推出以来累计使用超过160亿次。2025年的Canva Create推出Canva AI和Canva Code，覆盖文本生成设计、数据转换、照片处理，以及用提示词生成互动体验。Canva把AI放在模板和工作流旁边，让生成结果直接进入可编辑的设计。用户不需要先学一套新软件，就能在熟悉的画布里试一次生成。这个体验很顺，也很容易让免费用户先养成习惯。

规模是Canva最显眼的资产。公司2025年回顾称，月活用户达到2.6亿，教育用户达到1亿，客户覆盖95%的Fortune 500。这些是公司自报指标，统计口径和Adobe、Figma不同。Canva的强项是分发：免费用户、教师、学生、小团队先进入模板生态，再逐步转向团队版和企业版。AI在这里更像扩张使用面的工具，和高价模块的逻辑不同。它的增长路径是先有规模，再有付费。

95%的Fortune 500容易被读成企业市场已经拿下。更准确的理解是，大公司里有人在用Canva。多少团队付费、合同多大、AI功能渗透多深，属于另一层问题。Canva的优势是从下往上渗透，先让个人和团队用起来，再卖给整个组织。这个路径成本低，周期长，也很依赖免费用户的主动传播。大企业的采购流程会把周期拉得更长，试用和正式合同之间隔着安全审查、预算和部门协调。

Canva真正要回答的问题在转化。免费用户大量使用AI，推理成本会随使用量上升；付费转化和团队升级能不能跑赢这笔成本，决定AI是资产还是负担。各套餐的AI额度、超额规则、地区价格和企业合同条款，需要看官方定价页和实际账户界面。公开页面能查到的细节有限，提价空间的判断要留出余地。免费模式有较大的试错空间，成本压力会在用量放大后显现。

Figma：把AI放进协作网络

Figma的路径不同。它在2016年公开推出浏览器原生的协作设计产品。创始人把浏览器、跨平台访问、实时协作和降低硬件门槛看成核心逻辑。设计师不用先装一套笨重的桌面软件，打开网页就能一起改稿。这个选择后来变成它的分发方式，也变成它的组织网络。Figma卖的是一个多人同时工作的空间，一张静态画布只是入口。空间越深入产品开发流程，迁移成本就越高。

Figma的AI功能最初在2024年前以免费测试形式提供。公司当时明确说，正式商用后可能根据使用量和底层成本引入限制与定价。先用免费测试培养习惯，再把习惯转成计价，这是软件行业熟悉的手法。生成式AI的底层成本比传统软件功能更活跃，用户每一次请求都在消耗真实算力。免费测试可以换来数据，也会积累一笔真实的账单。Figma在测试期就把这层风险讲了出来。

2025年，Figma把Figma Make、Edit Image和Boost Resolution等功能推进到general availability，也就是正式可用，并把AI credits纳入各类seat。当前定价页显示，Professional Full seat每月16美元，包含每月3000个AI credits；Enterprise Full seat每月90美元，包含每月4250个AI credits。具体消耗取决于请求类型。用户先买座位，再在座位里使用一定量的AI。AI由此变成席位价值的一部分，账单仍然围绕座位展开。

Figma的财报给出了另一面。2025年，公司收入同比增长41%，收入成本同比增长112%。其中4910万美元的技术基础设施和托管成本增加，被公司归因于AI以及付费用户对平台的使用增长。收入在涨，支持收入的基础设施成本涨得更快。这是固定席位订阅遇到可变推理成本时最直接的财务信号。AI已经进入损益表，产品故事开始接受毛利表的检验。

Figma的护城河是协作网络。一个团队把设计文件、评论、组件和交付流程放在同一个浏览器空间里，迁移成本就会上升。AI如果能减少重复劳动，它会强化这张网络；如果AI只增加账单，用户也可能分层：重度用户买额度，轻度用户回到免费或基础功能。Figma接下来要证明，AI带来的席位移扩和留存，能覆盖它增加的基础设施成本。

关键在AI能不能让更多人进入同一个工作空间。设计师用AI生成初稿，产品经理用AI改文案，工程师用AI理解组件，这些动作如果发生在Figma里，席位就有扩张的理由。反过来，如果AI把工作推到外部工具，Figma收到的只是一张更贵的算力账单。AI是扩张席位的杠杆，还是替别人导流，这是Figma要回答的问题。答案会写在净美元留存和席位结构里。

用户规模容易制造错觉。Canva说月活2.6亿，Figma在2025年的上市注册文件里说月活超过1300万。两个数字放在一起，很容易被拿来做市场份额排名。它们的统计对象、免费用户定义和计量方法不同。Canva覆盖大量非专业设计者，Figma更多是产品和设计团队。用户规模能说明入口宽度，单用户价值需要另算。

Adobe：把AI放进专业工作流

再看Adobe。Adobe把生成式AI的使用量记成generative credits，也就是生成额度。官方文档说，额度按月发放，数量因套餐而异；用户可以通过升级Firefly套餐，或者购买额外额度来扩容。这个设计像给专业软件加了一层用量表：座位还是那个座位，生成能力开始按额度计算。Firefly的额度可以跨Creative Cloud、Adobe Express和Substance 3D使用，AI因此贯穿创作、营销和三维内容。

Adobe的AI故事不只是额度。公司说Firefly模型使用获得授权的内容和公共领域资产训练，产品覆盖图像、视频、矢量和音频，并强调商业安全与Content Credentials。内容凭证用来记录内容的生成和编辑来源。对企业和专业创作者来说，这套叙事很重要：他们买生成速度，也买可交代的来源。生成能力会趋同，来源记录和商业安全需要长期投入。

从财务看，Adobe FY2025收入是237.7亿美元，Digital Media收入是176.5亿美元。公司还披露了Creative & Marketing Professionals订阅收入163亿美元。这些是分部和客户群口径，Firefly单独贡献多少，未在公司披露中单独列出。所以，看到AI收入四个字，先要问一句：这是产品收入、分部收入，还是整个客户群的订阅收入。口径不同，结论会差很远。

Adobe的优势在于位置。设计师已经在处理图层、素材、排版和交付，生成功能只要嵌进这些步骤，就容易变成订阅的一部分。企业客户采购的是一套能交付、能管理、能解释来源的生产流程，生成按钮只是其中一环。这个位置很难被一个单独的生成工具替代。对Adobe来说，AI更像给现有席位加价，从零卖一个新软件是另一条路。

难点也在位置。额度一旦变复杂，用户就会计算每一次点击值不值。Adobe社区里有用户对额度变化、哪些功能扣额度感到困惑。这只是体验摩擦的迹象，流失证据需要另找。它提醒我们，计价方式本身会影响使用意愿。专业用户愿意为可预测的账单付费，账单先要能看懂。一个功能再好，如果每次使用都要先猜成本，使用频率就会下降。

产品组合会放大这个难题。Firefly额度跨多个产品使用，组合越宽，用户越难用一个单点工具替代整套流程。组合也会带来解释成本：用户需要知道哪个产品扣多少额度，哪些功能包含在套餐里。计价越跨产品，说明成本管理越复杂。Adobe要在组合优势和账单清晰之间找到平衡，这比单纯增加一个生成按钮更难。

竞争关系有一个关键节点。2022年，Adobe宣布计划以约200亿美元收购Figma，交易经过英国、欧盟和美国监管审查，最终在2023年12月终止。双方给出的理由是，看不到取得必要监管批准的明确路径。收购没有完成，竞争回到产品和渠道。这个插曲说明，协作设计已经进入Adobe的战略视野。Figma不只是一个设计工具，它可能改写工作流入口。

生意的底层：固定席位遇上变动成本

三种入口带来三种定价权。Canva的定价权来自规模和模板生态，它可以把AI打包进低门槛订阅，用大量用户摊薄成本。Figma的定价权来自协作关系，它可以把AI绑定到团队席位，让使用量随组织扩张。Adobe的定价权来自专业工作流和商业信任，它可以在高价值客户身上叠加用量。三种定价权都有边界，边界在用户愿意为哪一部分价值付费。

把三家公司放在一起，会看到一个共同矛盾：订阅制卖的是可预期的席位，生成式AI消耗的是不可预期的算力。席位按月收费，推理按请求发生。用户用得越多，成本越像水电；收入还停留在按月订阅。credits就是放在两者之间的缓冲器。缓冲器能撑一段时间，也会把成本和使用行为暴露给用户。

缓冲器有三个作用。第一，它把成本变成可见的额度，方便公司控制毛利。第二，它让重度用户为更多使用付费，给轻量用户保留低门槛。第三，它把AI从赠品变成可计价的功能。副作用也很明显：用户会开始比较额度、比较任务消耗、比较竞争对手的打包方式。计价越细，使用时的心理摩擦越大。公司想控制成本，用户想控制账单，两边的目标经常错位。

这里要小心横向比较的陷阱。三家公司的credits各自计价。Adobe的额度跨Creative Cloud、Express和Substance 3D使用；Figma的额度按seat发放，消耗取决于请求；Canva的额度规则跟套餐体系绑定。不同模型、不同任务、不同分辨率，消耗都不同。把三个credits数字并排，像把三种不同国家的货币直接相加，看起来热闹，实际没有意义。

更合理的观察单位，是每一块钱订阅收入背后，推理和托管成本是多少。Figma已经用收入成本的变化给出线索。Adobe和Canva目前没有披露足以横向比较的AI单位成本。下一步，财务披露比产品发布会更能说明问题。发布会讲的是能力，财报讲的是代价。能力可以演示，代价必须结算。

这引出一个更基础的问题：AI定价在传递成本，还是在捕获价值。传递成本很简单，用多少算多少；捕获价值更难，要看AI帮客户省下了什么。一个设计师用AI把初稿时间压短，一个营销团队用AI批量生成素材、减少外包，这些都是价值。credits只能记录请求，记录不了这些节省。按credits收费因此只是中间态，终点还在更靠近结果的地方。

从毛利角度看，credits是一种把变动成本转给重度用户的工具。用户买套餐，公司先收到固定收入；用户超额使用，公司再收一笔额度费。只要额度定价高于推理成本，增长就能带来毛利；如果额度定价低于推理成本，增长越快，亏得越多。Figma的收入成本变化已经提醒市场，AI会带来真实成本。Adobe和Canva的单位成本结构，还需要更细的披露。

这也解释了完全不限量的AI套餐为什么难长期维持。生成请求有峰值，视频和音频是更重的任务，模型升级还会带来成本波动。固定价格加无限用量，会把成本风险全部留给公司。credits把风险和用量挂上了钩。问题在于，挂钩太紧会抑制尝试，挂钩太松又会伤毛利。定价设计真正难的地方，就在这个区间。

企业采购的逻辑又不同。大客户不喜欢账单随使用量大幅波动，他们更愿意预先购买额度、设置上限、按部门分摊成本。于是，AI定价往往不只面向个人的月费，还会长出一套企业治理功能：用量管理、权限、审计和合同承诺。这些东西不生成内容，却能决定AI能不能进入大公司。工作流溢价，很多时候就藏在这些看起来不酷的功能里。

三层价格因此成形：基础席位对应使用权，用量额度对应变动成本，治理和工作流溢价对应企业级价值。三层价格讲得清楚，AI就能从附加项变成主收入；讲不清楚，用户就会把它当成一项不可预测的附加费。定价页写的是数字，采购合同写的是风险分配。两层文件合起来，才是完整的AI价格。

护城河与反假设

按结果付费听起来很美，落地却很难。结果需要可定义、可验收、可归因。一张广告图带来多少销售，一段视频节省多少制作时间，一个界面减少多少返工，这些都需要数据连接和合同约定。只要结果难以归因，软件公司就更愿意按用量收费，客户就更愿意按席位付费。credits正好站在两种逻辑之间，像一个临时协议。

那护城河在哪里？先排除一个容易被高估的答案：模型本身。生成模型的能力正在快速扩散，开源模型、端侧推理和通用AI助手都在降低生成成本。如果模型能力趋于同质化，单纯卖生成次数很难形成长期定价权。credits可以收钱，它本身只是一张计价表。真正的护城河，是用户离开之后会失去什么。

可能形成护城河的有四层。第一层是分发：Canva的免费入口、教育渠道和模板生态，让AI触达大量本来不买专业软件的人。第二层是工作流：Figma把AI放进设计到开发的协作链路，让生成结果直接进入团队流程。第三层是专业工具链和信任：Adobe把生成放进原有创作工具，再用授权内容和内容凭证讲商业安全。第四层是组织数据：团队积累的组件、品牌资产和审批流程，会提高迁移成本。

组织数据这一层最容易被忽略。一个团队在工具里积累的组件库、品牌规范、审批记录和交付模板，平时看起来像琐碎资产，迁移时却会变成真正的阻力。AI如果能在这些资产上工作，生成结果就更贴近组织习惯。换一个工具，用户失去的不只是功能，还有这些沉淀。迁移成本因此从文件层上升到流程层。

这四层可以并存。Adobe也在做协作，Figma也在扩AI功能，Canva也在往企业走。差别在于，每家公司的主战场不同，AI收费的落点也不同。Adobe更容易从专业工作流里收钱，Figma更容易从团队协作里收钱，Canva更容易从大规模入口里收钱。理解这一点，就不会把三家的credits当成同一种产品来比较。

四层里，最容易被低估的是信任，最容易被高估的是生成速度。企业客户愿意为可交代的来源和可复用的流程付费，因为这两样东西能降低协作成本。个人用户更容易被免费额度和新鲜感吸引。两家公司如果只比谁生成得快，最后会陷入价格比较；如果把AI变成工作流的一部分，才有机会把一次使用变成长期订阅。速度是入口，信任才是留存。

反假设也要摆出来。如果推理成本继续快速下降，credits可能变成一种过渡性的计价方式。用户最终可能更愿意为结果付费，比如一张能直接投放的广告图、一段能通过审核的视频，或者一个能直接上线的界面。到那时，竞争重点会从生成多少次，转向生成的东西能不能用、能不能负责、能不能进入组织流程。这个反假设目前还没有被证伪，值得放在桌面上。

怎么判断反假设会不会成立？看三个信号。第一，模型调用价格有没有持续下降；第二，开源模型和端侧工具能不能达到专业工作流的要求；第三，客户采购时更在意生成次数，还是更在意结果和治理。三个信号只要有两个明显转向，credits的地位就会动摇。到那时，先调整计价方式的公司，可能拿到下一轮主动权。

下一步与结论

对Adobe，下一步要看三件事：Firefly相关收入会不会从客户群口径里进一步拆出来；额度会不会从统一的credits，走向按任务、按视频时长或按结果收费；专业订阅的增购和留存，能不能覆盖AI成本。Adobe的优势是工具链深，难点是用户对复杂计价越来越敏感。它要在提价和体验之间找到一个不容易被替代的平衡点。

对Figma，下一步要看AI credits的实际消耗表、额外购买价格、能否结转，以及不同地区和客户类型有没有差异。更重要的是毛利率和净美元留存。Figma已经用收入成本说明，AI会带来真实成本；它还需要用席位移扩和留存证明，这笔成本能换来更深的组织关系。如果收入增长靠更多席位，而不是更高单价，AI的商业故事会更稳。

对Canva，下一步要看官方定价页上的AI额度、超额规则和企业合同条款。Canva的用户规模很大，教育渠道很深，模板生态很广。它最有机会把AI做成大众入口，也最需要证明免费用户的AI使用能转成付费。如果转化跑不起来，AI会先变成成本，再变成价格压力。免费模式有较大的试错空间，成本压力会在用量放大后显现。

判断AI是否加深护城河，需要五个指标一起看：付费客户增长、净美元留存、AI功能使用率、推理与托管成本、毛利率。月活说明有多少人进来，生成次数说明功能有多热，它们都回答不了付费和利润。五个指标合起来，才能判断AI在加深护城河，还是在稀释利润。单看一个数字，很容易把增长当成健康。

接下来可能出现三种局面。第一种，AI能力继续扩散，三家公司被迫把更多生成功能打包进基础订阅，credits从主角退到后台。第二种，企业客户接受用量计费，credits变成像云资源一样的标准账单，竞争转向成本效率和治理能力。第三种，客户要求按结果付费，软件公司开始为可交付的成果负责。三种局面都指向同一件事：计价方式会跟着价值主张走。

对投资者来说，收入增速只说明需求，利润表才说明这门生意的质量。AI功能使用率上升，同时毛利率稳定，说明定价覆盖了成本；使用率上升，毛利率持续下滑，说明增长在用利润换规模。对用户来说，账单的可预测性决定长期选择。对企业采购来说，权限、审计和额度管理决定AI能不能真正进入组织。

一个能长期站住的AI定价，通常要同时满足三个条件：用户能看懂，公司能覆盖成本，销售能解释价值。三个条件缺一个，价格就会出问题。用户看不懂，使用会减少；公司覆盖不了成本，增长会伤利润；销售解释不了价值，续费会变难。定价表、合同和产品体验需要讲同一个故事。故事讲得清楚，AI就能从附加项变成主收入；讲不清楚，用户就会把它当成不可预测的附加费。

下一轮产品发布，别只听生成了什么。要看三件事：新功能进入哪个套餐，额度怎么扣，超额怎么算。发布会的演示决定用户想不想试，价签决定用户能不能持续用。对投资者来说，财报里的收入成本、毛利率和净美元留存，比演示视频更能说明AI的商业质量。对用户来说，账单的可预测性，比功能数量更能决定长期选择。

下一轮的竞争，会把AI从发布会上的亮点，变成财务报表里的日常科目。生成能力继续扩散，价格继续分化，真正拉开差距的，是谁能把AI嵌进用户每天都要做的动作，并且让账单保持可解释。做到这一点，AI才会从成本项变成护城河；做不到，再强的模型也只能换来一次试用。