誰在為 AI 付費?a16z 美國支出資料裡的差距
a16z 的美國交易樣本顯示,AI 個人支出集中在重度付費者。但付費少,不等於沒有需求;每月花得多,也不等於已經回本。從個人帳單、企業採購到訂閱留存,看 AI 商業化的三道關卡。
a16z 引用的美國個人卡片樣本裡,AI 付費者每月支出的中位數是 25 美元。支出最高 1% 那群人,月平均則是 903 美元。這是 2026 年 8 月的數字。
這個落差,讓 AI 生意有了比使用人數更具體的問題:誰願意持續付錢,這些工具又替他們完成了什麼?
創投機構 Andreessen Horowitz(a16z)在 2026 年 10 月 5 日發布第 7 版生成式 AI 消費者應用報告,首次在流量榜之外,加入美國消費者支出榜。它讓一件事變得具體:AI 的個人付費,集中在少數重度付費者。
帳單記下了購買,工具是否省下時間、幫人交出作品,才是下一次付款的理由。AI 的商業化,要從使用、付費一路看到續費。
流量榜沒上榜,帳單上可能很有分量
報告的網頁榜沿用 Similarweb 的每月造訪量;手機榜,用 Sensor Tower 的月活躍使用者(Monthly Active Users,MAU)。兩份榜單各取前 50。這次加入的 YipitData 資料,觀察的是美國消費者卡片上的支出。
AI 工具可能直接在桌面運作,或藏在使用者原本就開著的通訊軟體裡,網頁造訪量未必接得住整段使用過程。
結果是,支出榜前 50 家業者,有 29 家沒進這一期的網頁或手機榜。
客戶較少、每位客戶卻願意付較多錢的生意,可能在兩種排名裡呈現不同面貌。
903 美元的帳單,回本還得另算
YipitData 的美國個人卡片樣本顯示,最高支出 1% 的 AI 付費者,貢獻可觀察 AI 支出的 19.5%,比後 50% 合計的 16.6% 還多。至 2026 年 8 月,這群人的月平均 AI 工具支出為 903 美元。
報告列出的購買偏好,提供了理解方向:重度付費者較常購買自動化、產品開發與創作工具,例如 n8n、fal、Figma、HeyGen。這些用途可以進入工作流程;同一個人也可能同時需要不同環節的工具。
不妨想一筆假設的影片工作:腳本、旁白、畫面、剪輯都要做。如果幾項訂閱能讓創作者完成原本得外包的工作,評估價格時,可能會拿它們和外包費、工時相比,而不只和另一個聊天工具的月費比。
這筆假設的工作要算回本,還得看實際交付成果:接了多少工作、節省多少工時,以及訂閱費以外,修錯、查核、重做又花了多少時間。
例如,生成一段影片很快,但如果每次都要重新校正人物、商標和字幕,省下的生成時間可能被修正吃掉。反過來,一項很便宜的工具若能穩定省去每週固定的整理工作,也可能比昂貴但少用的訂閱更值得留下。
個人沒刷卡,公司可能在付錢
2026 年 8 月,YipitData 美國電子收據樣本中,符合資格的消費者有 4.5% 持有 ChatGPT、Gemini 或 Claude 至少一項有效個人付費訂閱。
這個比例只涵蓋美國樣本中的三項服務;其餘 95.5% 也包含沒有使用 AI 的人,不能直接當成免費 AI 使用者的占比。
一名員工可能每天使用公司買的工具,個人信用卡沒有相關扣款;另一個人可能只用免費功能,卻在找資料、理解文件時得到幫助。前者的費用由企業支付,後者得到的價值未必會形成個人訂閱。
對產品業者來說,這個區分很實際。要讓個人自掏腰包,就得讓價值能被個人感受到;要由公司採購,還得處理權限、資料、導入與預算。使用者說「很好用」,和負責預算的人說「可以買」,中間可能隔著整套採購程序。
第一次願意買,和一年後還在付,是兩件事
RevenueCat 的《2026 年訂閱應用現況報告》提供另一組觀察。它研究使用其服務、符合條件的訂閱 App,資料以 2025 年為主,並使用更早資料計算續約;和前面的美國交易面板是兩批樣本。
一年後仍活躍的訂閱留存率,中位數在年度方案是 AI App 21.1%、非 AI App 30.7%;月費方案則是 6.1% 和 9.5%。兩種方案的 12 個月訂閱留存率中位數,AI App 都低於非 AI App。
訂閱留存(Subscription Retention)追蹤的是付費訂閱。取消的人可能轉到別家、改用免費版,或等下次有任務再買;資料沒有追蹤他們是否繼續使用 AI。
假設一個人為了單次提案訂了工具,提案完成後停訂,工具可能確實解決了問題,只是這個問題不會每月出現。這種需求適不適合月費,和工具做得好不好,是兩道判斷。
廣告和交易抽成,可以換一個人買單
如果有人有需求,卻不想再增加一筆月費,商業模式就有調整空間。
訂閱制的優勢,是付費者、受益者和收入來源比較容易對上;限制則是,每一項工具都得單獨跨過「值得每月付錢嗎」的門檻。偶爾才用的服務,容易卡在這裡。
廣告可以讓廣告主出錢,使用者少付或不付月費。它的難題是,服務每次回答的成本要有人負擔,而推薦裡如果有商業利益,也需要讓人辨認。
如果 AI 代理(AI Agent)能替人選商品、下單,平台便可能在成交後收取費用。這種做法仍在發展:a16z 報告提到的個人代理 Instinct、Muse,在報告當時都還沒收取交易抽成。
交易抽成把收入接在購買之後。優勢是收入有機會跟實際成交連動;問題是,替使用者選最合適的商品,和替平台賺最高的佣金,未必指向同一個選項。能否說清楚推薦依據與收費關係,會影響使用者是否願意把購買交出去。
代理幫忙訂了一張機票,整張票價不會自動變成代理公司的營收。
試用人數之後,還要看誰付錢、同一批客戶續了多久,以及收入扣掉服務成本後剩下多少。這些數字,才會讓工具的用途與生意能否持續接在一起。
常見問題
a16z 的 4.5% 是所有 AI 使用者的付費率嗎?
不是。它指 2026 年 8 月 YipitData 美國電子收據樣本中,符合資格的消費者持有 ChatGPT、Gemini 或 Claude 至少一項有效個人付費訂閱的比例。它不是所有 AI 使用者的付費轉換率。
每月花 903 美元,代表使用者已經靠 AI 回本嗎?
903 美元是 2026 年 8 月 YipitData 美國個人卡片樣本中,最高支出 1% 的 AI 付費者月平均支出,不是收入或投資報酬率。回本還要計入工作成果,以及查核、修正與整合成本。
AI 訂閱留存較低,代表使用者不再使用 AI 嗎?
不能這樣判斷。RevenueCat 衡量的是指定時間仍活躍的付費訂閱,沒有追蹤使用者是否改用免費版或其他服務。
來源與範圍
本文依 2026 年 10 月 19 日檢索的公開資料撰寫。a16z 是投資機構;其網站的通用揭露指出,部分資訊取自第三方來源,包括其管理基金投資的公司。消費者報告的美國交易面板不是公司全球營收普查;支出榜因無法可靠拆分 Google 收入,排除 Gemini。RevenueCat 的產品分類、地區與期間不同,不宜把兩份報告合併成同一批 AI 使用者的轉換漏斗。文中影片工作與單次提案是說明用的假設情境,不是真實個案。