《AI 产品的商业化·渠道、企业与规模化》7.2 数据驻留与模型选择

数据驻留不是把服务器换个地方,而是价格、成本与模型路由同时变化。以 LumenDesk 49 美元席位价为例,拆开区域购买力系数、欧盟 20% VAT 与日本 10% 消费税、巴西 12% 跨境数据成本,以及主备模型 8%/6% 溢价,重算三家公司的毛利率与合规路由。

以下三家公司与全部数字均为教学假设,用于演示商业化计算,不代表任何真实企业。

驻留需求分三层

客户说「数据必须留在欧盟」,这句话至少有三种含义。第一种是存储驻留:数据落在欧盟境内的存储服务上。第二种是处理驻留:计算、检索、日志处理都在欧盟境内完成。第三种是模型驻留:推理请求不离开欧盟,模型权重与推理集群也在境内。

三层可以分开满足,成本也完全不同。存储驻留最容易,换一个区域的对象存储、加上密钥管理就能做到。处理驻留难一些,要把检索、队列、日志、监控一起搬过去。模型驻留最难,因为可选的模型供应商一下子少了很多,价格与能力都会受影响。

很多供应商在合同里写「数据存储在欧盟」,客户的安全团队会追问「推理在哪里发生」。这两个问题不是一回事。存储驻留不等于处理驻留,处理驻留也不等于模型驻留。回答含糊,审查就会卡住。

对商业化来说,三层驻留对应三种定价策略:存储驻留可以免费提供,处理驻留可以打包进企业版,模型驻留必须单独定价,因为它直接改变了变动成本。

把三层驻留做成产品档位,还有一个好处:客户能看懂自己在为什么付钱。标准版写「数据存储在所在区域」,企业版写「处理与检索不离开所在区域」,专属版写「推理在专属区域完成,模型版本锁定」。三句话对应三档价格,销售不需要每次解释技术细节。

反过来,如果所有档位都笼统写「支持数据驻留」,客户会默认你承诺了最高等级,销售在合同阶段就会被逼到墙角。驻留承诺的模糊不是弹性,而是负债。

区域价格:系数、税与支付成本

区域定价的起点是购买力系数。事实表给出的系数是:美国 1.00、欧盟 1.00、日本 0.95、巴西 0.55、印度 0.35、东南亚 0.45。

区域价格的计算很直接:

区域价格 = 基准价 × 购买力系数

以 LumenDesk 的 49 美元席位价为例:日本是 49 × 0.95 = 46.55 美元,巴西是 49 × 0.55 = 26.95 美元,印度是 49 × 0.35 = 17.15 美元,东南亚是 49 × 0.45 = 22.05 美元。欧盟的系数是 1.00,价格仍是 49 美元,但要另计 20% 的 VAT。

税是价外税,不是折扣。欧盟客户看到的价格是 49 × 1.20 = 58.80 美元;日本客户看到的是 46.55 × 1.10 = 51.21 美元。供应商收到的是税前价,税要交给当地税务机关。把税算进收入会高估 ARPA,把税算进毛利会低估毛利率,两种错都很常见。

支付成本是另一层。事实表里美国是 2.9% + 0.30 美元,欧盟是 1.5% + 0.25 欧元,日本是 3.6%,巴西是 4.5%,印度是 2.0%,东南亚是 3.2%。支付成本按交易额计,直接进入变动成本。

支付成本每高 1 个百分点,按 LumenDesk 当前月收入计,就是 103,296 × 1% = 1,032.96 美元/月。巴西的 4.5% 比美国的 2.9% 高 1.6 个百分点,对应约 1,652.74 美元/月的额外成本。这个数不大,但它是在需求价格已经被购买力系数压到 26.95 美元的情况下发生的,对毛利的相对影响比绝对值更值得注意。

区域购买力系数支付成本税LumenDesk 席位价
美国1.002.9% + $0.30无49.00
欧盟1.001.5% + €0.25VAT 20%49.00(税前)
日本0.953.6%消费税 10%46.55(税前)
巴西0.554.5%无26.95
印度0.352.0%无17.15
东南亚0.453.2%无22.05

这张表说明一个常被忽略的事实:低价区域的支付成本往往更高。购买力系数打了 3.5 折,支付费率却从 2.9% 涨到 4.5%,再叠加跨境数据成本,低价区域的毛利并不比高价区域好。

跨境数据成本加在变动成本上

跨境数据成本不是一个单独的费用科目,它通常表现为变动成本的加成。事实表给巴西的备注是「跨境数据成本 +12%」,意思是同样的推理与存储工作,在巴西落地的变动成本要比基准高 12%。

三家公司的月度变动成本分别是 LumenDesk 17,856 美元、Verba API 176,400 美元、ClausePilot 209,950 美元。按 12% 加成:

LumenDesk:17,856 × 12% = 2,142.72 美元/月
Verba API:176,400 × 12% = 21,168 美元/月
ClausePilot:209,950 × 12% = 25,194 美元/月

加成的来源通常有三块:数据跨境传输与合规审查、在本地复制一份存储与检索、以及本地运维与支持。三块里只有第一块是真正的「跨境」成本,后两块是因为驻留要求而新增的本地成本。把它们合在一起按变动成本的百分比计,是一种简化,但足以做区域决策。

12% 是教学假设,真实业务里它会随行业监管、数据敏感度、本地基础设施成熟度变化。金融与医疗客户的加成通常更高,因为审查更严、本地化要求更多。

模型选择:主备价差与合规路由

模型驻留会压缩可选供应商的范围。客户要求推理不离开欧盟,而你平时用的主模型只有美国节点,这时只有三条路:换一个在欧盟有节点的供应商、自建开源模型、或者放弃这个客户。

前两条路都有成本。事实表里 LumenDesk 的备供应商报价比主供应商高 8%,Verba API 的备供应商高 6%。这两个数原本用于议价与切换演练,但在驻留场景里,它们可以当作「合规路由溢价」的上界代理:为了满足区域要求而必须走备路线时,成本至少上升这个幅度。

按月度变动成本为基数做上界估算:

LumenDesk:17,856 × 8% = 1,428.48 美元/月
Verba API:176,400 × 6% = 10,584 美元/月

年化分别是 17,141.76 美元与 127,008 美元。这个估算偏高,因为备供应商溢价通常只作用于模型调用部分,不是全部变动成本;但它给出了「合规路由最坏要花多少钱」的上界,做预算时比拍一个乐观数字更安全。

ClausePilot 的情况不同。它只有单一模型供应商,按 token 计价,没有年框承诺。推理成本只占变动成本的 33.8%,也就是 209,950 × 33.8% = 71,046 美元/月。对它的商业化来说,模型选择的优先级低于人工复核产能;但驻留要求仍然重要,因为合同文档的 OCR 与存储也必须落在允许区域内。

模型路由还要处理「没有合规路线」的情况。代码里的 selectRoute 在允许区域内找不到模型时返回失败,而不是悄悄回退到区域外。这个设计是刻意的:合规路由不能有隐式回退,否则一次配置错误就会把数据送出境。

驻留约束下的毛利重算

把跨境数据成本与模型溢价叠加,毛利率会明显变化。先看只有巴西 12% 加成的情况:

LumenDesk:(103,296 − 19,998.72) ÷ 103,296 = 80.6%
Verba API:(336,000 − 197,568) ÷ 336,000 = 41.2%
ClausePilot:(785,400 − 235,144) ÷ 785,400 = 70.1%

LumenDesk 从 82.7% 降到 80.6%,损失 2.1 个百分点;Verba API 从 47.5% 降到 41.2%,损失 6.3 个百分点;ClausePilot 从 73.3% 降到 70.1%,损失 3.2 个百分点。毛利率越低,同样的百分比加成伤害越大。

如果再加上 8% 的合规路由溢价,LumenDesk 的变动成本变成 17,856 × 1.12 × 1.08 = 21,598.62 美元,毛利率是:

(103,296 − 21,598.62) ÷ 103,296 = 79.1%

从 82.7% 到 79.1%,累计损失 3.6 个百分点。这个幅度还可以接受,因为 LumenDesk 的毛利率足够高。Verba API 就没有这么从容:176,400 × 1.12 × 1.06 = 209,422.08 美元变动成本,毛利率是 (336,000 − 209,422.08) ÷ 336,000 = 37.7%,从 47.5% 累计损失 9.8 个百分点,区域扩张的经济性需要重新评估。

案例基准毛利率巴西跨境后再叠加路由溢价
LumenDesk82.7%80.6%79.1%
Verba API47.5%41.2%37.7%
ClausePilot73.3%70.1%未叠加(单一供应商)

这张表是区域定价的底线。如果某个区域在叠加驻留成本后毛利低于公司的底线,正确的做法不是硬上,而是提价、限制服务范围,或者明确不做。驻留要求是客户的合规需求,不是供应商的免费赠品。

驻留承诺怎么写进合同

驻留能力要通过审查,驻留承诺要写进合同。两者不是一回事:能力是「你能做到」,承诺是「你保证做到,做不到要赔」。

合同里至少要写清五件事。第一,驻留的层级与范围:存储、处理、模型推理分别落在哪里,哪些子处理商参与。第二,数据的类别:客户原文、prompt、输出、日志、备份,是不是都受同样的约束。第三,模型变更的通知:换模型、换区域、换子处理商,提前多久通知,客户有没有否决权。第四,审计权:客户能不能现场审计,频次与范围怎么定。第五,违约救济:数据出境了怎么赔,服务中断了怎么赔。

承诺越具体,审查越顺,但违约成本越高。一个常见的折中是「分层承诺」:标准版承诺存储驻留,企业版承诺处理驻留,专属版才承诺模型驻留。这样客户按需选择,供应商也不用为所有客户承担最高等级的合规成本。

还要注意承诺与架构的一致性。合同写了「推理不出境」,架构里却有一个跨境的日志管道,这种不一致在事故发生时会被放大。法务写条款前,应该让安全与架构团队确认一遍数据流图。

区域扩张的排序

区域扩张不是把价格表翻译成六种货币,而是按「毛利贡献 ÷ 合规复杂度」排序。

第一优先级是系数高、合规路径成熟的市场。欧盟系数 1.00,税制清晰,云厂商区域齐全,虽然 VAT 与数据保护要求多,但可预期。日本系数 0.95,支付成本 3.6% 偏高,消费税 10%,但基础设施成熟,适合作为第二站。

第二优先级是系数中等、支付成本可控的市场。东南亚系数 0.45,支付 3.2%,多币种结算,合规要求相对分散,适合用合作伙伴或本地支付网关降低进入成本。

第三优先级是系数低、跨境成本高的市场。巴西系数 0.55,但支付 4.5%、跨境数据成本 +12%,实际毛利可能低于东南亚;印度系数 0.35,支付 2.0%,但本地支付与退款习惯不同,客单价低,支持成本占比高。这两个市场不是不能做,而是要用更高的价格或更窄的服务范围来做。

排序的依据不是市场规模,而是「每投入一元合规成本,能换回多少毛利」。用第 7.1 节的企业 CAC 与合规成本一起看,区域扩张的优先级会更清楚:先做能复用现有合规材料的市场,再做需要新建本地能力的市场。

代码:区域价格与路由

下面的代码把区域系数、税率、跨境加成、模型溢价与路由选择固化成函数。区域政策用一张表表达,价格、含税价、跨境成本、模型溢价各自独立计算,避免把税、折扣、成本混在一个公式里。

// file: src/scale/07-2-data-residency.ts
// tier: L1
// verify: node --test test/scale/07-2-data-residency.test.ts

// 数据驻留:区域系数决定价格,跨境成本与模型溢价决定毛利。

import { applyRate, type Bps } from "../core/rate.ts";
import { type Cents } from "../core/money.ts";
import { fail, ok, type Result } from "../core/result.ts";

export type Region = "us" | "eu" | "jp" | "br" | "in" | "sea";

export type RegionPolicy = {
  coefficientBps: Bps;
  taxBps: Bps;
  crossBorderUpliftBps: Bps;
};

export const REGIONS: Record<Region, RegionPolicy> = {
  us: { coefficientBps: 10_000, taxBps: 0, crossBorderUpliftBps: 0 },
  eu: { coefficientBps: 10_000, taxBps: 2_000, crossBorderUpliftBps: 0 },
  jp: { coefficientBps: 9_500, taxBps: 1_000, crossBorderUpliftBps: 0 },
  br: { coefficientBps: 5_500, taxBps: 0, crossBorderUpliftBps: 1_200 },
  in: { coefficientBps: 3_500, taxBps: 0, crossBorderUpliftBps: 0 },
  sea: { coefficientBps: 4_500, taxBps: 0, crossBorderUpliftBps: 0 },
};

/** 区域价格 = 基准价 × 购买力系数。 */
export function localizedPriceCents(baseCents: Cents, region: Region): Cents {
  return applyRate(baseCents, REGIONS[region].coefficientBps);
}

/** 含税价 = 区域价格 + 区域价格 × 税率。 */
export function taxInclusivePriceCents(priceCents: Cents, region: Region): Cents {
  return priceCents + applyRate(priceCents, REGIONS[region].taxBps);
}

/** 跨境数据成本 = 月度变动成本 × 区域加成。 */
export function crossBorderCostCents(monthlyVariableCents: Cents, region: Region): Cents {
  return applyRate(monthlyVariableCents, REGIONS[region].crossBorderUpliftBps);
}

/** 备用模型溢价 = 月度成本基数 × 溢价率。 */
export function modelPremiumCents(monthlyCostCents: Cents, premiumBps: Bps): Cents {
  return applyRate(monthlyCostCents, premiumBps);
}

export type ModelRoute = {
  id: string;
  region: Region;
  premiumBps: Bps;
};

/** 只能在允许区域内选模型;没有合规路由时显式失败。 */
export function selectRoute(
  allowed: readonly Region[],
  routes: readonly ModelRoute[],
): Result<ModelRoute> {
  const hit = routes.find((r) => allowed.includes(r.region));
  return hit ? ok(hit) : fail(`no model route in ${allowed.join(",")}`);
}

export const LUMENDESK_BASE_SEAT_CENTS = 4_900;
export const LUMENDESK_MONTHLY_VARIABLE_CENTS = 1_785_600;
export const VERBA_MONTHLY_VARIABLE_CENTS = 17_640_000;
export const CLAUSEPILOT_MONTHLY_VARIABLE_CENTS = 20_995_000;

代码跑出来的关键数与手算一致:4,900 美分的席位价在日本是 4,655 美分,在印度是 1,715 美分;欧盟含税价是 5,880 美分,日本含税价是 5,121 美分;巴西跨境成本在 LumenDesk 是 214,272 美分,在 Verba API 是 2,116,800 美分。测试还验证了允许区域为巴西、而路由表只有美国和欧盟时,selectRoute 返回失败。

taxInclusivePriceCents 只做价外税加法,不做四舍五入到「当地常用价格点」。这是有意的:定价展示可以四舍五入,账务计算不能。把展示价与结算价混在一个函数里,最后一定会在对账时出问题。

还有一个实现细节:区域系数与税率都以基点存储,避免浮点直接比较。49 美元的 0.95 倍在浮点里是 46.549999,四舍五入到美分是 4,655;如果直接比较两个浮点数,测试会因为末位误差而随机失败。基点加整数美分是这类定价计算最稳妥的表示。

小结

  • 数据驻留分三层:存储驻留、处理驻留、模型驻留,三层成本依次上升。
  • 区域价格 = 基准价 × 购买力系数;LumenDesk 的 49 美元在日本是 46.55 美元,在印度是 17.15 美元。
  • 税是价外税,欧盟 20% VAT 与日本 10% 消费税不能算进收入或毛利。
  • 巴西跨境数据成本按变动成本加 12%,三家公司分别是 2,142.72、21,168、25,194 美元/月。
  • 主备模型价差 8% 与 6% 可以作为合规路由溢价的上界,LumenDesk 年化约 17,141.76 美元。
  • 驻留成本叠加后,LumenDesk 毛利率从 82.7% 降到 79.1%,Verba API 从 47.5% 降到 37.7%。
  • 合规路由不允许隐式回退,找不到区域内模型时必须显式失败。

阅读导航:上一节:7.1 安全问卷与合规材料 · 下一节:7.3 采购谈判的让步清单 。

常见错误与边界

  • 把「数据存储在欧盟」当成「推理也在欧盟」,三层驻留混为一谈。
  • 把 VAT 或消费税算进收入,导致 ARPA 与毛利率同时虚高。
  • 只按购买力系数定价,忽略低价区域更高的支付成本与跨境数据成本。
  • 用主供应商价格做区域预算,没有为合规路由预留溢价。
  • 在找不到区域内模型时悄悄回退到区域外,把合规风险留给客户。
  • 把 12% 跨境加成当成固定值,不随行业监管与数据敏感度调整。

继续阅读

探索更多技术文章

浏览归档,发现更多关于系统设计、工具链和工程实践的内容。

全部文章 返回首页

「books」更多文章

  1. 《大规模分布式计算深入解析》15.3 落地:从 Neo4j 到自研图引擎
  2. 《大规模分布式计算深入解析·图计算与图数据库内核》 · 目录与学习路径(45 篇)
  3. 《大规模分布式计算深入解析》15.2 十一卷主线:从切分到图