珑珠引擎（SkyCetus）服务与收费体系重新设计 —— 从CaaS视角，而非SaaS

下面我按“CaaS（Cognition as a Service）而非 SaaS”的框架，给出一版可直接拿去做内部讨论/飞轮迭代的系统分析。
我会尽量把“服务定义—能力边界—单位经济—定价—并发—获客—竞争—SLA/CQI”串成一条链，而不是只谈价格表。

先说结论：

1. 你们不是在卖软件许可证，也不是在卖模型调用次数，而是在卖“高质量认知交付”。
所以产品设计的起点不是 tier/credits/free trial，而是“客户愿意为哪些决策问题付费”。

2. 在当前配置下，最现实的商业形态不是大规模自助SaaS，而是：
- 少量高客单价 CaaS 订阅/retainer
- 少量项目制 deep-dive
- 一个极轻量的“公开洞察浏览器”做获客
- 后端再逐步演进为可并发的任务队列与工作流平台

3. 现阶段的核心瓶颈不是模型能力，而是：
- Robin 的有效交付时间
- 复杂任务的稳定性/返工率
- 单机串行/弱并发导致的队列延迟
- 交付标准化程度不足
- 以及“客户是否愿意为结果付费”的销售验证

4. 从商业上看，最优路径不是先做平台，而是先做 2–3 个可复制的高价值服务包，跑通“问题定义—分析交付—复购/续费”。

---

# 一、先把概念摆正：CaaS 的本质是什么

1）SaaS vs CaaS

SaaS 的核心是：
- 卖工具访问权
- 用户自己操作
- 价值主要来自功能、流程效率、粘性
- 定价常与 seat / usage / tier 绑定

CaaS 的核心是：
- 卖认知结果
- 用户不关心模型、token、功能按钮，而关心“帮我想清楚、给我结论、给我方案”
- 价值主要来自判断质量、洞察深度、时效、可靠性、行业理解
- 定价更接近咨询、研究、智库、情报服务、决策支持

2）你们更像哪些行业的混合体

更准确地说，你们的商业形态介于以下几类之间：

- 管理咨询：卖判断、卖结构化分析、卖建议
- 研究机构/行业智库：卖洞察和持续跟踪
- 投研服务：卖可执行的判断框架与观点
- 战略情报/决策支持：卖“高频、定向、可追问”的分析服务
- 轻量化“AI-first boutique advisory”：用 AI 降成本、提频次，但保留人工总控

而不是：
- 传统 SaaS
- 纯 API 平台
- 纯内容媒体

---

# 二、服务先行：你们到底能卖什么服务

这是最关键部分。
建议把服务分成 5 层，从“公共内容”到“高定制认知交付”逐层递进。

---

层 0：公开洞察资产（Public Intelligence Assets）

定义

面向所有人，公开或半公开发布的结构化认知内容。

交付物

- 行业扫描
- 热点事件解析
- 方法论文章
- 主题研究摘要
- 公开版飞轮报告节选
- 主题图谱/概念地图

作用

- 品牌
- SEO/内容获客
- 证明认知能力
- 为后续 CaaS 转化提供信任

收费方式

- 免费
- 低价订阅
- 部分内容付费墙

适用场景

- 冷启动
- 获客
- 建立“你们真的会想问题”的心智

---

层 1：轻量情报订阅（Intelligence Briefing）

这是最适合早期做规模化的服务层。

定义

围绕某一主题或行业，提供周期性结构化简报。

交付物

每周/每月固定输出：
- 1 页 executive summary
- 3–5 个关键变化
- 风险/机会清单
- 未来 2–4 周观察点
- 需要客户决策的问题列表

服务特征

- 半标准化
- 有固定模板
- 可复用分析框架
- 适合多客户并发
- 便于做 retainer

典型客户

- 创业公司创始人
- 中型企业战略/BD 团队
- 投资机构小组
- 园区/政策研究部门

价值

不是“深度研究”，而是“持续减少信息噪音，保持判断更新”。

---

层 2：定向分析服务（Targeted Analysis / Decision Memo）

这是最核心、最适合当前团队的产品。

定义

围绕一个明确问题，在 48 小时到 10 天内交付一份高质量决策备忘录。

典型问题

- 我们该不该进入某个市场？
- 某条技术路线值不值得下注？
- 某个政策变化对我们意味着什么？
- 某个竞争对手/标的到底强在哪？
- 某项组织/业务调整应该怎么设计？

交付物

建议标准化成 5–8 页或 15–25 页两档：
- 问题定义
- 结论先行
- 关键判断依据
- 备选方案对比
- 风险与反例
- 推荐动作
- 附录：证据、数据源、逻辑链

特点

- 这是“CaaS 的最小可售单位”
- 高度依赖质量与响应速度
- 最能体现你们的飞轮能力
- 最适合做项目制收费

---

层 3：持续决策支持（Retainer / Embedded Intelligence）

定义

不是单次报告，而是按月提供持续认知支持。

交付物

按月交付组合包，例如：
- 2 次专题 briefing
- 1 份深度分析
- 若干次异步 Q&A
- 一次月度策略复盘会
- 关键事件触发时的快速响应

适用客户

- 有持续决策压力的企业
- 有投研/策略节奏的机构
- 需要外部“第二大脑”的创始人或高管

价值

这类客户不买“文章”，买的是：
- 认知外包
- 决策辅助
- 外部校验
- 节省高层时间

商业意义

- LTV 高
- 续费可能性高
- 更容易建立稳定现金流
- 也是最符合 CaaS 的商业模式

---

层 4：高价值专项研究 / 战略咨询式交付

定义

针对重大、复杂、跨领域问题，进行多周甚至多月项目制研究。

交付物

- 全景分析
- 多方案推演
- 关键假设压力测试
- 风险树/情景树
- 决策建议
- 里程碑跟踪

适用客户

- 重要投资决策
- 重大战略转型
- 政策研判
- 平台型业务/新业务评估

定价特征

- 客单价最高
- 也最不适合早期频繁承接
- 需要严格 scope 控制

---

# 三、基于当前现实能力，重新评估服务边界

你给出的现实约束非常重要：

- Robin + 3 个 agent
- 飞轮引擎 v4.1 在跑
- 1 台服务器
- 没有人类员工
- 复杂 topic 会 crash
- 实际上还不具备真正多客户高并发服务能力

所以必须把“能交付什么”拆成“能稳定交付什么”与“能勉强交付什么”。

---

当前最稳的交付能力

A. 结构化单题分析

一个明确问题，一个结果导向报告。
例如：
- 某行业趋势判断
- 某事件影响分析
- 某政策解读
- 某公司/技术路线比较

这是最适合作为当前主力产品的。

B. 周期性简报

固定模板，降低返工率。
例如每周更新某主题的“信号扫描”。

C. 小范围定制研究

只在问题边界清晰、资料足够、结构成熟时接单。

---

当前不宜立即承接的能力

A. 高 SLA 的实时问答服务

原因：
- 并发弱
- 质量波动
- 需要持续在线
- 容易把 Robin 拖死

B. 大规模自助分析平台

原因：
- 交互复杂
- 用户输入质量参差
- 需要产品化、检索、权限、计费、稳定性
- 现阶段投入产出不划算

C. 大客户级“全天候 on-call 咨询”

原因：
- 没有人力冗余
- 复杂问题容易触发长链路分析
- 返工和质检会吞噬时间

---

# 四、服务能力瓶颈：到底卡在哪里

下面按“硬瓶颈”和“软瓶颈”拆。

---

1）硬瓶颈

a. Robin 的时间

这是第一瓶颈。

如果没有人类分析师/项目经理，那么：
- 需求澄清
- 任务拆解
- 结果质检
- 客户沟通
- 修订
- 交付打磨

都压在 Robin 身上。
所以不是模型不够，而是“人类总控带宽”不足。

b. 单机串行/弱并发

你已经指出 max_workers=10 但复杂 topic 会 crash，说明理论并发和可用并发之间差距很大。

c. 长链路任务失败率

复杂 topic 的多轮分析，很容易在：
- 路由切换
- 上下文过长
- 工具调用错误
- 数据抓取失败
- 中间结论漂移

中断，导致返工。

d. API 成本不稳定

目前清心 API 聚合有几十到几百模型可选，成本弹性大，但若不严格控制路由策略和重试，单位成本会飘。

---

2）软瓶颈

a. 问题定义质量

CaaS 最难的不是分析，而是把客户问题定义成可分析问题。
如果 scope 不清，成本会指数级上升。

b. 交付格式不统一

如果每单都重新发明报告结构，会很累，也难以规模化。

c. 质量标准不稳定

没有 CQI/SLA，就会出现“看起来很强，但每单质量波动较大”的问题。

---

# 五、单位经济：粗略但可操作的成本模型

你要求“具体数字”，但目前缺少真实 token、时长、失败率，所以我只能给出估算框架，并明确这是估算值。

---

1）假设的交付类型

我建议先定义 3 个标准产品：

产品 A：Executive Brief

- 5–8 页
- 48–72 小时
- 偏快、偏判断
- 适合高频问题

产品 B：Deep Analysis

- 25–40 页
- 7–10 天
- 多轮推演
- 适合高客单价项目

产品 C：Monthly Intelligence Briefing

- 每月 4 份短简报 + 1 份深度分析
- 持续订阅

---

2）粗估成本结构

直接变量成本

主要来自：
- 模型 API 调用
- 检索/抓取成本
- 服务器
- 存储
- 文档生成

对当前体系而言，API 成本大概率不是最大头，但会随着深度和重试增加。

间接成本

- Robin 交付时间
- 需求澄清时间
- 修订时间
- 销售沟通时间
- 质量审阅时间

在没有人类团队的情况下，间接成本才是最稀缺资源。

---

3）粗略的单单成本区间（估算）

以下只是基于你描述的系统形态做的经验区间，不是实测值：

Executive Brief

- API + 运行成本：约 ¥30–¥200/单
- Robin 时间：约 1.5–4 小时/单
- 总体隐性成本：主要是人时，不是算力

Deep Analysis

- API + 运行成本：约 ¥100–¥600/单，复杂题目可能更高
- Robin 时间：约 6–20 小时/单
- 若返工多，实际成本会明显上升

Monthly Briefing

- 单月综合成本：约 ¥200–¥1500/客户/月
- 取决于客户主题是否稳定、是否频繁插入临时问题

---

4）单位经济的关键判断

如果你们定价太低，会发生什么：
- Robin 被交付吞没
- 无法做质量控制
- 客户越多越乱
- 没有余力做产品化

所以早期必须高毛利、高客单、少客户。

---

# 六、如何定价：CaaS 不该按 token，而该按“认知结果”

1）定价原则

原则一：按结果而非按输入

客户不买 token，买的是：
- 结论
- 决策建议
- 方案比较
- 风险识别
- 时间节省

原则二：按复杂度与紧迫度定价

同样一份报告：
- 问题越模糊，越贵
- 时间越急，越贵
- 领域越陌生，越贵
- 需要多轮修改，越贵

原则三：按客户价值而非你方成本定价

如果一份分析能