软件有一个很吸引人的想象：辛苦做出来以后，再卖一份，不用像餐馆那样重新买菜、做饭。用户越多，每份分摊的开发成本就越低。
这解释了一部分软件生意的特点，却容易让人漏看 AI 产品的另一半账单。
如果每完成一个任务，都要调用模型、购买数据，或者请人检查结果，那么用户多用一次，费用也可能跟着增加。经济学里讨论的“边际成本”，关注的就是这种增量：再多完成一单位工作，要多付出多少？
AWS 的一篇成本分析文章提到，数字服务可以把单笔业务拆成不同操作，分别观察它们产生的费用。资料来源：AWS
举个纯粹假设的例子。一个 AI 整理工具每月收费九十九元，每处理一份材料增加两角计算费用。用户处理一百份，计算费用是二十元；处理八百份，就是一百六十元，还没算客服。
产品并没有被恶意使用，重度用户只是认真地使用了“不限量”的承诺。但对经营者而言，新增使用已经在扩大亏损。
这也说明，软件能复制，不等于它提供的每一次服务都没有成本。页面上的一次点击，后面可能是一连串需要付费的处理过程。
成本也不总是平滑增加。有时原来的资源还有余量，多一些请求不必立即加钱；一旦达到容量上限，就需要扩容。客服也类似，偶尔几个问题自己能处理，问题集中出现时，就可能需要专人。多来的那一批客户，恰好把业务推上了一个新的支出台阶。
这里还要分清两个问题。新增一单能留下钱，说明它可能改善当前经营；但前期开发投入、持续维护和其他固定支出，仍然需要收入覆盖。边际成本低，不代表整门生意已经回本。
我觉得，这个概念给“用户越多越好”补上了条件。增长本身不会替产品算账。同样是增加一千位用户，有的产品获得更大余地，有的产品先迎来一张付不起的服务账单。