本文共字，预计阅读时间。

以OpenAI为代表的AI企业自2023年风靡全球，其普及的按量计费模式已深入大众认知，但背后支撑该模式落地的底层计费基础设施服务商却鲜为人知。Metronome 作为深耕软件用量计费赛道的头部基础设施厂商，服务OpenAI、英伟达、Langchain等一众AI巨头，提供用量追踪与计费系统能力。其所在的全球账单软件市场增长迅猛，用量计费赛道增速领先，应用持续覆盖云、AI、大数据，行业发展空间充足，Metronome 拥有长期的成长潜力。

【中国金融案例中心 文：胡畔 编辑：谢彬彬 】

Part 1 公司简介

1.1 公司概述

Metronom成立2019年，是一家诞生于金融科技赛道、专注于用量计费（Usage-based Billing）领域的美国SaaS企业，总部坐落于加利福尼亚州旧金山。公司核心定位是为全球软件企业，尤其是人工智能、云计算基础设施、数据服务类企业提供一站式用量计费平台，核心能力是精准采集终端用户产品使用数据、搭建灵活定价引擎，支持企业在数分钟内完成定价规则调整，实现计费规则与用户实际产品使用量的精准匹配，彻底解决传统计费系统灵活性不足、迭代周期长、消耗大量工程资源等行业痛点。2026年1月，该公司正式被支付巨头Stripe收购，并仍保持独立运营。

在软件行业商业模式迭代的大背景下，传统固定订阅制SaaS模式逐渐难以适配AI、云基础设施企业高度波动的成本结构，用量计费模式凭借"收入与使用量同步增长、保障企业利润空间、降低用户试用门槛"等优势快速普及，Metronome正是抓住这一行业趋势，打造了高吞吐数据计量平台、模块化定价引擎、数据分析看板、全链路数据集成四大核心产品模块，构建起覆盖数据采集、定价配置、账单生成、数据分析、下游系统联动的全流程计费体系。截至2025年2月，Metronome的客户矩阵覆盖初创团队、中小型企业与跨国巨头，代表性客户包括OpenAI、NVIDIA、Databricks、Cockroach Labs、LangChain等全球知名AI与数据服务企业，业务深度渗透AI全产业链、云基础设施、大数据服务三大核心赛道，成为用量计费领域的标杆服务商之一。

1.2创始人故事

图一 Metronome联合创始人Scott Woody（左）与Kevin Liu（右）

（资料来源：公开网络）

Metronome由现任CEO Scott Woody与现任董事长、前任CEO Kevin Liu联合创立。两位创始人均为连续创业者，职业生涯高度重合于知名云存储企业Dropbox，相似的创业履历、共同的职场经历以及长期磨合形成的搭档默契，为Metronome后续快速发展筑牢根基。二人深耕企业服务赛道感知到的行业计费痛点，更是其联手创业打造专属计费平台的核心契机。

2011年，正在斯坦福大学攻读生物物理学博士的Scott Woody开启首次创业，联合他人创办了招聘自动化企业Foundry Hiring。公司自研求职者追踪系统，可自动抓取邮件简历、统筹面试日程、跟进面试流程并汇总面试反馈，是当时招聘自动化赛道的创新产品。2013年，Dropbox完成对Foundry Hiring的收购，Woody随之加入Dropbox，主导增长与商业化工程团队，主要负责产品上线发布、定价策略制定以及商业化产品套餐设计等核心工作，深耕企业产品定价与商业化落地相关业务。

Kevin Liu有着与Woody高度契合的创业与职场轨迹。2010年还在宾夕法尼亚大学就读本科的他，联合两名斯坦福在校生创办电商营销企业PredictiveEdge，专注电商数字化营销赛道，打造电商A/B测试、用户个性化推荐、精准营销定向全套工具，在相应赛道形成了稳定市场竞争力。2014年7月，Dropbox收购了PredictiveEdge，Liu随即入职负责企业级产品早期市场推广，就此与Scott Woody成为同事。共事期间，二人切身感受到传统计费系统的致命短板：Dropbox常年维持50人以上专职计费工程团队，可产品定价的小幅改动都需要工程师手动修改底层代码，落地周期极长，严重拖累企业战略执行；后续Dropbox开拓日本海外市场时，定价代码硬编码无法适配本地化定价规则，直接导致海外扩张计划搁置。这也让二人达成共识，僵化老旧的计费体系会直接限制企业产品迭代、全球化布局等核心业务发展。

为解决行业计费痛点，Woody与Liu决定联手创业。创业前期二人用六周时间密集走访调研了60余家SaaS企业，深挖行业计费难题，也精准捕捉到行业变革信号。尽管在2019年用量计费模式尚未普及，仅有10%~15%的受访企业落地了该模式，但剩余八成以上的企业都在研发新产品与增值功能，其越发复杂的定价模型催生了其对用量计费模式转型的需求。于是，二人于2019年联合创立了灵活计费平台Metronome。公司入市时恰逢行业风口，行业数据印证了二人预判，SaaS企业用量计费普及率从2018年27%飙升至2022年61%，其中近半数企业已将用量计费作为核心计费模式，行业计费变革全面到来。

1.3 发展历程

初创探索期（2019-2022年）

2019年11月，Metronome正式成立，项目迈入产品打磨与市场验证阶段。依托二人在Dropbox积累的一线业务经验，创始团队精准锚定SaaS行业计费三大核心痛点：压缩定价调整周期、减少企业研发资源无效损耗、打通业务数据与计费体系的精准联动。为此，公司一方面搭建高吞吐数据采集系统与定价引擎，将计费全流程拆解为数据采集、指标计算、定价配置、账单生成和数据集成五大模块，以模块化架构保障产品的灵活性；另一方面持续调研行业，细化产品功能以适配各类SaaS企业的计费需求。

在资本与市场层面，Metronome在成立初期便获得GeneralCatalyst领投的种子轮融资，并得到多位科技企业前高管的天使投资，为产品定位与客户拓展提供了资源赋能。与此同时，全球SaaS行业用量计费模式渗透率快速提升，为产品落地提供了良好的市场土壤。2022年2月，Metronome完成由a16z领投的3000万美元A轮融资，标志着资本市场对其模式的认可，公司也由此正式结束初创探索阶段，迈向全面推向市场的新征程。

产品落地与客户拓展期（2022-2024年）

A轮融资后，Metronome于2022年2月正式对外发布核心产品，全面开启商业化落地进程，主攻AI、云基础设施、大数据服务三类企业客户。这一阶段AI产业迎来爆发式增长，2022年11月OpenAI推出ChatGPT，上线5天用户量突破100万，2023年1月用户量达1亿，成为史上增长最快的消费级应用。AI产品用户量激增、模型迭代加速、成本结构波动大等特点，让头部AI企业对灵活计费系统的需求愈发迫切，Metronome顺势与OpenAI达成合作，成为其核心计费服务商。

依托OpenAI的标杆效应，Metronome快速拓展行业客户，陆续签约Databricks、NVIDIA、Salad等知名企业，客户群体从单一AI企业延伸至数据服务、算力共享平台等赛道。针对不同客户的差异化需求，Metronome持续优化产品功能：2022年8月上线了Salesforce集成功能，打通计费数据与客户管理系统；2023年6月完成Quickbooks对接，实现账单与财务系统自动同步；2023年11月推出数据导出功能，支持数据同步至Databricks、Snowflake、MySQL等数据仓库平台，完善全链路数据集成能力。

高速增长与规模化期（2024年至今）

2024年1月，Metronome完成4300万美元B轮融资，投后估值3.5亿美元，正式进入规模化发展阶段。本轮融资由NEA领投，原有投资方持续跟投，资本市场加码进一步推动公司在产品、团队、市场三大维度全面扩张。

2024年10月Metronome推出2.0版本，重点上线面向终端客户的嵌入式数据分析看板，允许合作企业将使用量、消费明细等数据面板嵌入自身产品，解决终端用户"消费不透明"的行业痛点。同时新增账单明细导出功能，为企业内部财务、运营团队提供每日营收、用户使用明细数据，强化数据分析能力。

2025年2月，Metronome完成5000万美元C轮融资，公司员工规模增至100余人，团队覆盖技术研发、客户服务、市场拓展、产品运营等多个板块；客户包括LangChain、Luminai一类早期AI初创企业，以及OpenAI、NVIDIA、Databricks等行业巨头，实现从两人初创团队到百亿市值上市公司的全层级客户覆盖。

2026年1月，支付巨头Stripe以10亿美元的价格收购了Metronome。Stripe 联合创始人兼CEO帕特里克·科里森表示，Metronome的高性能实时用量计量引擎补齐了 Stripe原有账单系统在高并发实时按量结算上的短板，预计业务规模将获得指数级增长。

表1 Metronome融资概况

数据来源：Crunchbase

Part 2 商业模式

2.1 行业背景

Metronome 深耕软件用量计费赛道，所属全球账单与发票软件行业，行业发展由定价模式变革、AI差异化成本结构两大核心因素驱动，市场规模持续扩张。

一是SaaS行业收费模式全面迭代。软件行业历经大型机、客户端-服务器、互联网、云计算/SaaS 四个阶段：早期大型机时期，软硬件捆绑售卖，软件无独立定价价值；客户端-服务器阶段，企业级应用开始脱离硬件捆绑，Oracle、SAP等厂商推出ERP、数据库软件，按CPU数量或并发用户数授权收费，但本地运维成本高昂；互联网时代下软件开始从本地向Web迁移，Google以免费服务换取流量和广告的交叉补贴模式打破传统定价体系，同时工具类SaaS雏形显现；云计算/SaaS 阶段的到来兴起了订阅租用模式，即"按需租用、按月/年订阅"，企业收入由一次性回款转为持续性现金流，客户使用门槛显著下降。但固定订阅模式也存在弊端，服务器、带宽等运营成本随用户实际使用量浮动，成本上升时会挤压企业利润。在此背景下，用量计费模式快速崛起，其核心逻辑是收费与实际使用量挂钩，既降低了客户采购门槛，也帮助厂商对冲浮动成本、降低经营风险，因此逐步成为行业主流变现方式，专业计费平台的市场需求随之提升。

二是AI与云基础设施成本波动显著，是用量计费核心需求来源。2024年6月相关数据显示，全全球云计算算力成本每年以2.6倍的速度增长，而AI模型训练、推理成本逐年快速下降（推理成本年均降幅达10倍）。传统固定订阅模式下，AI 企业算力成本持续攀升、收入却固定不变，盈利空间不断收窄；用量计费则能实现收入随使用量同步增长，可有效保障企业利润率，成为了AI企业刚需配套系统。

市场数据显示，2024 年全球账单与发票软件市场规模达43亿美元，预计2031年将增长至131亿美元，2024-2031年复合年均增长率约为15.2%。其中，用量计费细分赛道增速领先，应用场景从传统电信、公用事业快速延伸至云计算、AI、大数据领域，市场空间持续释放，为Metronome提供了广阔的生存与发展空间。

2.2 目标客群

Metronome 的目标客户定位清晰，聚焦AI、云基础设施、大数据数据服务类B2B软件企业，同时基于企业规模、细分行业，可将客户划分为三个层级和三个类别。

从企业规模来看，第一层客户是早期初创企业，以小型AI创业团队为主，特点是预算有限、团队人员精简，无专职计费工程师，需要开箱即用、自助式的计费解决方案，看重平台的低成本与便捷性。第二层是中型成长企业，具备稳定客户群体，处于从传统订阅制向用量计费转型阶段，需要平台支持定价规则迭代、基础数据分析。第三层是大型头部企业，如 OpenAI、NVIDIA、Databricks，该类企业业务体量庞大，每日产生数十亿条使用事件，要求平台具备超高数据吞吐能力、定制化合同管理、全生态系统集成能力，同时重视数据安全与运维稳定性。

进按行业类别划分，第一类为AI企业，包括通用大模型企业（OpenAI、Anthropic）、垂直AI应用企业（LangChain、Luminai）。这类企业用户量增长快、API 调用量庞大、成本波动剧烈，对计费系统的实时性、灵活性要求最高，是Metronome的标杆客户群体。第二类为云基础设施与算力平台企业，代表客户为NVIDIA、Salad。该类企业以售卖算力、存储资源为核心，天然适配按量付费模式，需要精准采集算力使用数据，实现毫秒级计量计费。第三类为大数据与数据服务企业，代表客户为 Databricks、Cockroach Labs。这类企业产品形态复杂，混合订阅制与用量计费模式，需要平台支持复合型定价规则与复杂企业合同管理

2.3 盈利模式

Metronome采用复合式阶梯收费模式，其收入与客户的产品使用量深度绑定。由于官方未公布统一定价，具体费用需根据客户规模、使用量等进行定制洽谈。该模式主要由三部分构成：首先是按月收取的基础平台费，根据客户企业规模、功能模块数量及定制化需求划分不同档位，主要用于覆盖基础运维、账号管理及标准功能的使用成本；其次是事件处理费，按平台接收的每1000条原始使用事件收取固定费用，客户使用量越大，产生的事件越多，该部分收入随之水涨船高，天然伴随客户业务增长而增收；最后是营收分成，按客户通过Metronome生成账单的总金额抽取一定比例，客户营收越高，Metronome的分成收入也越高。整体来看，该盈利模式与AI行业发展高度正相关，在AI企业业务扩张、使用量暴涨的阶段，Metronome可同步实现收入增长。

Part 3 竞争分析

全球用量计费赛道竞争日趋激烈，Metronome面临来自多个细分赛道选手的竞争。传统订阅龙头Zuora通过收购补强混合定价能力，同赛道新兴玩家Orb以更友好的分成模式抢占AI与开发者市场。此外，Amberflo依托亚马逊云的背景深耕细粒度计量，M3ter、Chargebee、Togai等中小厂商亦在特定区域或功能上形成补充。面对资金雄厚、生态多样的对手，Metronome需在数据处理与产品灵活性上持续构筑壁垒以应对挑战。

3.1 竞争优势

先发优势与头部标杆客户壁垒

Metronome2019年成立，2022年率先推出商用产品，是全球最早一批专注AI赛道用量计费的平台，早于Orb、Amberflo等多数同行。凭借先发优势，公司率先拿下OpenAI、NVIDIA、Databricks等全球顶级AI与数据服务企业，形成强大的标杆客户效应。头部AI企业对计费平台的稳定性、数据处理能力要求极高，合作验证了Metronome的技术实力，同时吸引大量中腰部AI企业主动合作，客户壁垒难以在短期被竞争对手突破，而这也是基于不同技术路线的支付巨头Stripe选择直接收购Metronome，而非复刻Metronome的重要原因。

产品综合完整性与全场景适配能力

对比竞争对手，Metronome是少数同时实现"高吞吐数据采集+灵活定价引擎+内外部数据分析看板+全生态集成"四大模块全面均衡的产品。Orb、Amberflo在大型复杂企业合同管理上经验不足，Zuora实时数据处理能力薄弱，而Metronome无明显功能短板，既能满足初创企业自助式简易计费需求，也能承接大型跨国企业定制化、高并发、复杂合同的计费场景，适配全层级客户。

非技术人员友好的操作体验

行业内多数计费工具偏向技术导向，需要研发人员操作，而Metronome从设计之初就兼顾运营、财务、产品等非技术岗位人员的使用需求，可视化界面、无代码调价、自助报表等功能降低使用门槛。这一特性直击行业痛点，企业无需安排专职工程师维护计费系统，大幅节约人力成本，也是OpenAI等企业选择其服务的重要原因。

强大的数据处理能力与稳定性

依托底层技术架构，Metronome每月可稳定处理数百亿条使用事件，峰值每分钟处理10万张以上发票，在AI企业高并发、毫秒级数据采集场景下表现稳定。相较于传统计费厂商，其实时计算能力领先；相较于同赛道初创公司，其经过头部客户海量数据的实战验证，运维稳定性更具优势，而数据稳定性是计费平台的核心生命线。

3.2 劣势与挑战

定价模式偏高，流失中小型价格敏感客户

Metronome采用"事件费+平台费+分成"三重收费模式，而主要竞争对手Orb仅收取营收分成，无额外事件处理费与平台费。对于预算有限的早期初创企业、小型开发者工具团队，Metronome综合使用成本更高，价格竞争力不足，容易流失价格敏感型中小客户，客户下沉受到限制。

赛道同质化加剧，竞争持续白热化

用量计费赛道前景被广泛认可，新玩家持续入场，原有传统厂商不断加码，产品同质化现象愈发明显。目前主流玩家均能实现实时数据采集、灵活调价、基础集成等核心功能，Metronome需要持续投入高额研发费用打造差异化功能，否则将陷入价格战泥潭。同时，Orb等同行加速拓展AI、开发者工具赛道，直接分流潜在客户。如若被同类厂商分流走核心大客户，Metronome的应收将遭到巨大冲击。

业务赛道相对单一，抗风险能力有限

Metronome收入高度依赖AI、云基础设施行业，客户行业集中度较高。若未来AI行业出现资本降温、企业裁员、预算收缩等情况，下游客户使用量下降、缩减采购预算，将直接传导至Metronome，造成营收下滑。目前公司虽尝试拓展开发者工具赛道，但尚未形成规模，新的收入增长点仍在培育中，整体抗行业波动能力较弱。

Part 4 总结

Metronome精准抓住了SaaS行业定价模式转型与AI产业爆发两大时代机遇，凭借创始人在传统计费领域的实战洞察、先发的产品布局、扎实的技术能力以及顶级头部客户资源，在全球用量计费赛道站稳脚跟，成为细分领域的标杆企业。公司产品定位精准，商业模式具备"客户增长带动收入增长"的良性属性，短期发展基本面稳固，在AI产业的红利加持下，营收、客户体量、行业影响力仍有较大提升空间。与此同时，企业也面临着巨头跨界竞争、产品同质化、定价偏高、赛道单一等多重现实挑战，或存在大客户流失的潜在风险。未来3-5年是Metronome发展的关键窗口期：一方面需要依托现有优势巩固AI赛道基本盘，持续打磨产品打造差异化；另一方面必须主动推进定价优化、赛道多元化与生态建设，突破现有发展瓶颈。

[Source]

本文系未央网专栏作者发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文为作者授权未央网发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文版权归原作者所有，如有侵权，请联系删除。