Yasser Elsaid 選在下午一點把 Chatbase 放上線,同時發了一條推文,擺了張定價頁。三十分鐘後,Stripe 彈出一條通知:第一位付費客戶來了。又過十分鐘,第二位;大約一小時後,第三位。[1]
他後來説,就在那一刻,他知道得把生活裡別的事全停下來。
那時候 Chatbase 做的事小得不像生意:上傳一份 PDF,換回一個用你自己資料訓練過的定製 ChatGPT。[2]
可它對準的麻煩不小。公司裡總堆著沒人讀完的文件、FAQ、政策頁,客服把同樣的話反覆講。把材料丟進去,讓機器先接第一輪,這是最容易想到、也最容易當天驗證的一步。
現在同一個網站掛出來的説法,已經換了一副面目。
從會説話到會動手
按 Chatbase 官網的説法,這是一個面向客戶體驗的對話式 AI 代理,可以在 chat、email、voice 三個渠道上建構、部署和優化;回答以「已批准的知識」為依據,同時能查訂單、更新記錄、建立工單、觸發工作流;真需要人接的時候,完整對話、上下文和客戶資訊一併交接過去。[3]
「已批准」和「觸發」這兩個詞不能略過去。前者説明回答被要求落在已批准的知識上,後者説明它不只是一個會説話的搜尋框。
從「回答問題」跨到「動手改東西」,風險不是一個量級。答錯一句話道歉就行,改錯一條訂單記錄不行。這也是為什麼「交接時把上下文一併帶走」值得單獨寫進產品説明——AI 交出去的,不能是一段斷掉的對話。
官網給的退貨流程就是這種轉變的例子:先問客戶要退什麼,索要訂單號或電子郵件,查訂單詳情,確認要退哪件,再檢查是否在退貨窗口內;需要人接時,完整對話、上下文和客戶資訊一起交過去。[3]
先看見缺口,再等模型追上來
Elsaid 不是從「我要做一個客服機器人」倒推出 Chatbase 的。
他在加拿大讀電腦科學,周圍人的預設路徑是拿到加州大廠的實習,他們管這叫 Cali or Bust。他拿到了,在 Tesla 和 Facebook 各做過一次,然後很快發現那不太是自己要的生活:太安全、太結構化,五年後和十年後的區別,可能只是從 E3 工程師變成 E6 工程師——薪水更高、在公司裡的地位更高。[1]
真正讓他動心的是 Twitter 上那批獨立開發者——有個想法,坐下把它做出來,丟給世界看,有人願意為它付錢。他自己動手做過幾個小項目,正是在那些項目裡看到一個缺口:模型在通用資料上訓練得再強,對一個具體的人、一家具體的公司也一無所知。他舉的第一個例子是一本書——上傳一本教科書,然後和它對話。[1]
2022 年,ChatGPT 還沒發布,他不再去上課,開始做這件事。那時模型並不強,很多用例跑不滿,只能湊到「夠用、能演示、能讓一部分客戶覺得值」。他賭的不是這模型現在有多好,而是模型一定會變好——只要他把套著模型的架子搭好,模型變強那天,他和客戶一起受益。[1]
自籌的人,和一個不舒服的順序
Chatbase 沒拿過外部融資。Elsaid 講的理由很直:自籌意味著只對客戶和團隊負責,控制權在自己手上;而融資會改寫「什麼叫成功」——簽下 term sheet 的那一刻,原本可能算贏的結局會突然顯得不夠大。[1]
代價是每一項支出都要先算 ROI、盯著帳上現金,盡量把效率壓到最高。他承認自己很長時間裡帶著自籌創始人最常見的那種心態:什麼都要 ROI 為正,什麼都要省錢,什麼都要風險最小。[1]
然後他反過來説,這恰恰是自籌創始人最常犯的錯——把這種心態保持得太久。Chatbase 真正加速,是在他開始承擔風險之後:成本還説不圓的時候,就先僱了他認為貴但好的人,先跑短期算不過來的業務實驗。這個順序不舒服,但他説收入就是從那時候開始往上走的。[1]
這跟「自籌就等於保守」的直覺正好相反:省錢是自籌的起點,不是自籌的結論。
收入、定價,和一條不能抹掉的線
數字爬得很陡。他説首月 $3,000 MRR,第二個月接近 $40,000,隨後 $60,000,第一條推文發出後 117 天,ARR 到 $1M。來源[1] 他本人還説,收入覆蓋模型成本之後開始盈利,並且一直盈利。[1]
這裡得劃一條線:ARR 不是利潤,MRR 也不是。上面是創始人自述;對應期間的推理成本、人力成本、毛利率或淨利潤沒有披露,所以「賺錢」到底賺到什麼程度,仍然不清楚。
規模化之後的數字來自另外兩處。Supabase 的客戶故事寫,截至 2026 年初,Chatbase 有 8,000 多名付費客戶,ARR 超過 $10,000,000,公司 18 人,其中 11 名工程師。來源[2] Stripe 的客戶故事正文寫,它在 2026 年 3 月達到 $10,000,000 ARR。[4]
公開價格頁(截至 2026 年 11 月 14 日)按團隊與用量分三檔:Basic $150/月,Business $500/月,Enterprise 定製報價;年付另打 20% 折扣,頁面沒有給出年度實際扣款總額。額度不夠時,自動補充是每 1,000 message credits $40,且不過期。[5]
圖:來源 Chatbase 官方價格頁[5],2026-11-10取得,保留原介面。
頁面上的定位也順著這條線:Basic 給剛上線第一個代理的小團隊,Business 給客戶群在成長的團隊,Enterprise 給規模化部署 AI 代理的公司。[5]
這套帳裡,三種人分得很開:真正跟代理對話的,是客戶自己的客戶;在後台改指令、寫流程、盯分析的是客戶的支援或營運團隊;掏錢買 Chatbase 的是那家公司。交付物不是替你做好一個客服,而是一套讓客戶自己搭代理的工具,加一份按 message credits 計費的帳單。
獲客上有個反常識的做法。Elsaid 説,團隊主動聯繫的人裡約 80% 是已經造訪過網站、註冊過或已流失的人,而不是從沒聽説過這家公司的冷線索,跟進方式是對這批已有認知的人做個人化觸達。來源[1] 這條説明他們聯繫誰,也説明創始人把個人化跟進的高轉化歸因於對方已有認知;但具體轉化率和渠道成本沒有披露。8,000 多名客戶也只是總數,看不出大客戶和小客戶各佔多少。
刪掉一份文件,向量也得跟著走
有一類麻煩不上宣傳語,但它決定客戶敢不敢把資料交出去:客戶刪掉一份文件,或者直接刪掉一個代理,後台那些由文件切出來的向量還在不在?
Chatbase 把向量嵌入從 Pinecone 遷到了 Supabase 的 Postgres + pgvector。Yasser 説,幾年前用 Pinecone 是 RAG 聊天的預設做法,但他們的路子相反——不是越做越拆,而是越做越合。遷過來的直接好處是:客戶刪文件或刪代理時,相關向量在同一個資料庫裡級聯刪除;如果向量存在另一個服務裡,應用就得先在 Supabase 刪一遍、再調向量服務、失敗要重試,還得推演「一邊成功一邊失敗」該怎麼辦。[2]
這不是能寫進廣告語的賣點,但它回答了「刪資料時誰收尾、出錯時誰善後」這類日常問題。[2]
一個替代方案
拿同一個任務比:把企業已有的內容餵進去,換一個先接待客戶的機器人。
SiteGPT 的 Starter 月付 $59,按年 $468(折合 $39/月),含 1 個 chatbot 和 1 名成員;每月額度按模型折算,最多 4,000 條 GPT-4.1-mini 或 400 條 GPT-4.1 訊息,換成更強的模型就只剩十分之一。來源[6] 它官網列的能力是:用網址、檔案或原文訓練,嵌到任意站點,轉人工、收集線索、查看分析,以及串接 Zendesk 之類的工具。[7]
兩家都按訊息額度分檔,席位隨檔位打包,都讓企業拿自己的內容換一個先接客的機器人。差別在額度怎麼折算、給幾個席位,以及 Chatbase 把訂單查詢、記錄更新這類動作寫進了產品本身——它的官網把「採取行動」單獨列成一項能力;SiteGPT 官網上講的,仍以答問、轉人工、收集線索為主。[3] 來源[7]
這門生意真正賣的東西
它賣的是「哪一步可以交出去、哪一步必須留給人」的判斷,以及一套替客戶收拾殘局的機制——刪得乾淨、交接得完整、出錯有人接。