Yasser Elsaid 选在下午一点把 Chatbase 放上线,同时发了一条推文,摆了张定价页。三十分钟后,Stripe 弹出一条通知:第一位付费客户来了。又过十分钟,第二位;大约一小时后,第三位。[1]
他后来说,就在那一刻,他知道得把生活里别的事全停下来。
那时候 Chatbase 做的事小得不像生意:上传一份 PDF,换回一个用你自己资料训练过的定制 ChatGPT。[2]
可它对准的麻烦不小。公司里总堆着没人读完的文档、FAQ、政策页,客服把同样的话反复讲。把材料丢进去,让机器先接第一轮,这是最容易想到、也最容易当天验证的一步。
现在同一个网站挂出来的说法,已经换了一副面目。
从会说话到会动手
按 Chatbase 官网的说法,这是一个面向客户体验的对话式 AI 代理,可以在 chat、email、voice 三个渠道上构建、部署和优化;回答以"已批准的知识"为依据,同时能查订单、更新记录、创建工单、触发工作流;真需要人接的时候,完整对话、上下文和客户信息一并交接过去。[3]
"已批准"和"触发"这两个词不能略过去。前者说明回答被要求落在已批准的知识上,后者说明它不只是一个会说话的搜索框。
从"回答问题"跨到"动手改东西",风险不是一个量级。答错一句话道歉就行,改错一条订单记录不行。这也是为什么"交接时把上下文一并带走"值得单独写进产品说明——AI 交出去的,不能是一段断掉的对话。
官网给的退货流程就是这种转变的例子:先问客户要退什么,索要订单号或邮箱,查订单详情,确认要退哪件,再检查是否在退货窗口内;需要人接时,完整对话、上下文和客户信息一起交过去。[3]
先看见缺口,再等模型追上来
Elsaid 不是从"我要做一个客服机器人"倒推出 Chatbase 的。
他在加拿大读计算机,周围人的默认路径是拿到加州大厂的实习,他们管这叫 Cali or Bust。他拿到了,在 Tesla 和 Facebook 各做过一次,然后很快发现那不太是自己要的生活:太安全、太结构化,五年后和十年后的区别,可能只是从 E3 工程师变成 E6 工程师——薪水更高、在公司里的地位更高。[1]
真正让他动心的是 Twitter 上那批独立开发者——有个想法,坐下把它做出来,扔给世界看,有人愿意为它付钱。他自己动手做过几个小项目,正是在那些项目里看到一个缺口:模型在通用数据上训练得再强,对一个具体的人、一家具体的公司也一无所知。他举的第一个例子是一本书——上传一本教科书,然后和它对话。[1]
2022 年,ChatGPT 还没发布,他不再去上课,开始做这件事。那时模型并不强,很多用例跑不满,只能凑到"够用、能演示、能让一部分客户觉得值"。他赌的不是这模型现在有多好,而是模型一定会变好——只要他把套着模型的架子搭好,模型变强那天,他和客户一起受益。[1]
自筹的人,和一个不舒服的顺序
Chatbase 没拿过外部融资。Elsaid 讲的理由很直:自筹意味着只对客户和团队负责,控制权在自己手上;而融资会改写"什么叫成功"——签下 term sheet 的那一刻,原本可能算赢的结局会突然显得不够大。[1]
代价是每一项支出都要先算 ROI、盯着账上现金,尽量把效率压到最高。他承认自己很长时间里带着自筹创始人最常见的那种心态:什么都要 ROI 为正,什么都要省钱,什么都要风险最小。[1]
然后他反过来说,这恰恰是自筹创始人最常犯的错——把这种心态保持得太久。Chatbase 真正加速,是在他开始承担风险之后:成本还说不圆的时候,就先雇了他认为贵但好的人,先跑短期算不过来的业务实验。这个顺序不舒服,但他说收入就是从那时候开始往上走的。[1]
这跟“自筹就等于保守”的直觉正好相反:省钱是自筹的起点,不是自筹的结论。
收入、定价,和一条不能抹掉的线
数字爬得很陡。他说首月 约 CN¥20,010.97($3,000) MRR,第二个月接近 约 CN¥266,812.91($40,000),随后 约 CN¥400,219.37($60,000),第一条推文发出后 117 天,ARR 到 约 CN¥6,670,322.81($1M)。来源[1] 他本人还说,收入覆盖模型成本之后开始盈利,并且一直盈利。[1]
这里得划一条线:ARR 不是利润,MRR 也不是。上面是创始人自述;对应期间的推理成本、人力成本、毛利率或净利润没有披露,所以"赚钱"到底赚到什么程度,仍然不清楚。
规模化之后的数字来自另外两处。Supabase 的客户故事写,截至 2026 年初,Chatbase 有 8,000 多名付费客户,ARR 超过 约 CN¥66,703,228.11($10,000,000),公司 18 人,其中 11 名工程师。来源[2] Stripe 的客户故事正文写,它在 2026 年 3 月达到 约 CN¥66,703,228.11($10,000,000) ARR。[4]
公开价格页(截至 2026 年 11 月 14 日)按团队与用量分三档:Basic 约 CN¥1,000.55($150)/月,Business 约 CN¥3,335.16($500)/月,Enterprise 定制报价;年付另打 20% 折扣,页面没有给出年度实际扣款总额。额度不够时,自动补充是每 1,000 message credits 约 CN¥266.81($40),且不过期。[5]
图:来源 Chatbase 官方价格页[5],2026-11-10取得,保留原界面。
页面上的定位也顺着这条线:Basic 给刚上线第一个代理的小团队,Business 给客户群在增长的团队,Enterprise 给规模化部署 AI 代理的公司。[5]
这套账里,三种人分得很开:真正跟代理对话的,是客户自己的客户;在后台改指令、写流程、盯分析的是客户的支持或运营团队;掏钱买 Chatbase 的是那家公司。交付物不是替你做好一个客服,而是一套让客户自己搭代理的工具,加一份按 message credits 计费的账单。
获客上有个反常识的做法。Elsaid 说,团队主动联系的人里约 80% 是已经访问过网站、注册过或已流失的人,而不是从没听说过这家公司的冷线索,跟进方式是对这批已有认知的人做个性化触达。来源[1] 这条说明他们联系谁,也说明创始人把个性化跟进的高转化归因于对方已有认知;但具体转化率和渠道成本没有披露。8,000 多名客户也只是总数,看不出大客户和小客户各占多少。
删掉一份文档,向量也得跟着走
有一类麻烦不上宣传语,但它决定客户敢不敢把数据交出去:客户删掉一份文档,或者直接删掉一个代理,后台那些由文档切出来的向量还在不在?
Chatbase 把向量嵌入从 Pinecone 迁到了 Supabase 的 Postgres + pgvector。Yasser 说,几年前用 Pinecone 是 RAG 聊天的默认做法,但他们的路子相反——不是越做越拆,而是越做越合。迁过来的直接好处是:客户删文档或删代理时,相关向量在同一个数据库里级联删除;如果向量存在另一个服务里,应用就得先在 Supabase 删一遍、再调向量服务、失败要重试,还得推演"一边成功一边失败"该怎么办。[2]
这不是能写进广告语的卖点,但它回答了“删数据时谁收尾、出错时谁善后”这类日常问题。[2]
一个替代方案
拿同一个任务比:把企业已有的内容喂进去,换一个先接待客户的机器人。
SiteGPT 的 Starter 月付 约 CN¥393.55($59),按年 约 CN¥3,121.71($468)(折合 约 CN¥260.14($39)/月),含 1 个 chatbot 和 1 名成员;每月额度按模型折算,最多 4,000 条 GPT-4.1-mini 或 400 条 GPT-4.1 消息,换成更强的模型就只剩十分之一。来源[6] 它官网列的能力是:用网址、文件或原文训练,嵌到任意站点,转人工、收集线索、看分析,以及接 Zendesk 之类的工具。[7]
两家都按消息额度分档,席位随档位打包,都让企业拿自己的内容换一个先接客的机器人。差别在额度怎么折算、给几个席位,以及 Chatbase 把订单查询、记录更新这类动作写进了产品本身——它的官网把“采取行动”单独列成一项能力;SiteGPT 官网上讲的,仍以答问、转人工、收集线索为主。[3] 来源[7]
这门生意真正卖的东西
它卖的是"哪一步可以交出去、哪一步必须留给人"的判断,以及一套替客户收拾残局的机制——删得干净、交接得完整、出错有人接。