美國版“人工智能+”，當前正面臨怎樣的主要矛盾？

8月26日盤后，中國AI產業(yè)頂層設計《關于深入實施“人工智能+”行動的意見》正式公布，基本明確了未來5年中國人工智能產業(yè)的整體目標與路線。

作為一份面向應用層的指導性綱領，它的出臺，重要潛臺詞還在于：對于前期一直困擾的算力問題，輕舟將過萬重山；在此之后，即將全面轉入千行百業(yè)人工智能應用創(chuàng)新周期。

也就是說，接下來，人工智能商業(yè)模式創(chuàng)新的價值也將逐漸擢升，與算力基礎設施并行，共同構成一個典型的“軟硬一體式”人工智能技術創(chuàng)新、創(chuàng)業(yè)原生周期。

它山之石可以攻玉。今年已經是AI大模型改變科技行業(yè)的進程進入第三年，作為算力與商業(yè)模式均領先一個與半個身位的美國，其AI應用產業(yè)面臨的主要矛盾，以及迄今諸多人工智能原生公司所踩過的坑，均值得我們借鑒規(guī)避。

01

AI應用產業(yè)當前的主要矛盾：成本與增長難以兼顧

通過對三年來美國式“人工智能+”的觀察，一個顯著的現象在于：一方面，在AI垂直應用領域，此起彼伏的融資新聞、令人咋舌的收入增長神話；另一方面，卻是遲遲未能出現一款真正意義上定義時代的全球現象級產品。

回顧過去三年，AI應用領域，每年“風口” 不斷切換，從最初的AI陪聊、AI視頻生成、AI教育再到通用AI agent，而最近AI的明星賽道又轉向了編程……

市場觀察者們愈漸關注到了一個核心問題——那些在科技巨頭和大模型廠商統(tǒng)治的行業(yè)，陰影正在日益顯現。AI創(chuàng)新公司正集體面臨著一個根本的困境——成本與增長難以兼顧。

如果只看增長速度，AI垂直應用領域無疑正處在一個黃金時代。

無論在哪個細分賽道，我們都能看到一批企業(yè)正以驚人的速度，借助AI將代碼、創(chuàng)意和算力轉化為實實在在的收入。

圖：不同垂直應用賽道的代表性AI原生公司

?視頻生成領域：Heygen在2025年8月宣布完成6000萬美元A輪融資，其年經常性收入（ARR）在短短一年多時間里，便從100萬美元躍升至超過3500萬美元，估值超過5億美元 。

?AI筆記與效率工具領域：Sierra的ARR達到了2000萬美元；Abridge以25億美元的估值籌集了2.5億美元 ；而面向臨床醫(yī)生的Freed，ARR也從500萬美元增長至1500萬美元 。

?法律、翻譯、醫(yī)療等專業(yè)領域：Harvey AI 、DeepL 、EliseAI等也都在各自的山頭插上了旗幟。

這些驚人的估值背后，是否存在泡沫？其高估值能否持續(xù)支撐，尤其是在面臨成本難題時？

可以一葉知秋的是，AI編程賽道的繁榮，正是大模型淘金熱的一個縮影：

人工智能編程工具Replit，2024年8月年化收入僅為200萬美元，隨后2024 年為1000萬美元，到了2025年2月份飆升到3200多萬美元，2025 年 7 月更是火箭般躥到1.44 億美元。經過最近一次融資，Replit的估值已經來到30億美元。

來自瑞典的AI編程助手Lovable，根據Techcrunch報道（ARR）2025年7月已經突破1億美元大關。Lovable自推出以來僅用了八個月就達到了這一里程碑，而2025年6 月Lovable宣布其年經常性收入為7500 萬美元，簡單推斷Lovable一個月的收入為2500萬美元。

和其他AI編程產品相比，Lovable的亮點是其AI驅動的網站和應用構建器。Lovable經過最新一輪融資，其估值已經達到18億美元。

另一款體量更大的AI編程產品Cursor，同樣取得了不遜于前文提到的兩款明星產品的營收成績。據彭博社報道，2025年6月 Cursor 背后的創(chuàng)業(yè)公司Anysphere 年收入突破 5 億美元，三個月前公開報道的年化收入還是2億美元，這期間收入增長了3億美元。最新的公開報道顯示，Anysphere的估值已經達到200億美元。

AI垂直應用，本質上是大模型廠商最忠實的“token消費者”。它們有精準的用戶群體，借助模型的超能力和精準的產品設計，一步到位服務于終端用戶。正是這便捷的應用通道，攔截了一部分原本屬于大模型廠商的用戶，難怪連Sam Altman都要下場親自做AI編程產品。

AI編程接班曾經的明星賽道AI陪聊、AI視頻以及AI教育產品，成了投資者眼中的明星。然而在這風光的背后，無法忽視的成本困境同樣顯眼。

根據The Information的報道，隨著用戶需求激增，編程助手Replit的毛利潤率在36%到14%之間劇烈波動。

然而這夸張的波動區(qū)間，揭開了AI編程賽道繁榮背后的隱患。實際國內外各種公開報道，我們發(fā)現AI編程助手企業(yè)的普遍毛利率偏低，基本都在30-40%左右。

圖：AI編程賽道代表性公司的基本毛利率情況

低毛利的核心原因，就是難以壓縮且一定程度上不可控的大模型token成本，而這正是AI編程助手的“靈魂”所在。

再以另一款AI編程產品Windsurf為例，通常架構成本高昂，特別是大型語言模型 (LLM) 的使用成本，在激烈的競爭下為了保持用戶對產品的粘性，每當大模型廠商發(fā)布新模型，AI編程產品只得 “跟進”將自身的底層模型迭代到最新。

新的模型往往帶來的是對任務完成度和效果的提升，以技術見長的AI編程用戶對模型是否最新，往往很敏感也頗為挑剔）如果AI編程產品不使用新模型，很容易流失掉一部分用戶。現階段，幾款熱門的AI編程產品還未徹底走上“殊途”，形成獨立于其他產品的核心競爭力。

從價格方面來看，一方面隨著幾家模型廠商在模型發(fā)布頻率和性能上的競爭，單個token的價格下降；而另一方面，模型效果滿意度越來越高，帶動了用戶實際使用量以更快飆升。模

型的token價格下降1倍，很可能模型使用量會上漲數倍甚至10倍，兩者之間的”橋梁“——AI垂直應用企業(yè)的利潤空間隨之被壓縮。大模型API調用的Token成本——無法隨規(guī)模擴大而被有效稀釋。

這與傳統(tǒng)SaaS企業(yè)（如Salesforce或Zoom）以及典型的訂閱模式Netflix的財務模型截然不同。

02

矛盾的主要成因：tokenScaling帶來的成本

Anthropic 的聯合創(chuàng)始人Dario Amodei，在一期播客節(jié)目中描述的模型投入成本和產生的收入之間的滾動過程：

1.2023年，你訓練了一個模型花費1億美元；

2.2024年，模型創(chuàng)造了2億美元的收入。同時，由于scaling 定律，在2024年你必須花10億美元來繼續(xù)訓練模型

3.2025年，模型帶來20億美元的收入。同理，2025年訓練模型的成本可能上升到了100億美元

如果從傳統(tǒng)的財務角度來看：

第1年沒有收入，公司凈虧損1億美元，

第2年盡管有了2億美元的收入，但訓練模型花了10億美元，虧損8億美元；

第3年有了20億美元的收入，訓練模型花了100億美元，虧損80億美元。

這是一個可怕的循環(huán)。盡管Dario Amodei針對的是大模型廠商，但對于AI垂直應用賽道，同樣存在這樣的“成本悖論”。

這個賽道本質上是大模型廠商的“token消費者”或者分發(fā)渠道。對于這個賽道的創(chuàng)業(yè)公司來說，Token成本本質上是隨著使用量變化的變動成本（Variable Cost），而非固定成本（Fixed Cost），幾乎不存在邊際效應遞減，這意味著：

? 每多一個 用戶，就多一份 Token 消耗；

? 每多一次調用，就多一筆成本支出；

? 用戶的任務越復雜，消耗的 token 越多，成本越高。

我們可以構建一個簡單的單位經濟模型，來說明這個問題，如果一款AI產品定價為每月10美元，當用戶量級不同時，收入和成本變化如下：

?1個用戶：token成本6美元，收入10美元，毛利潤4美元，毛利率40%；

?1萬個用戶：token成本6萬美元，收入10萬美元，毛利潤4萬美元，毛利率40%；

?100萬個用戶：token成本600萬美元，收入1000萬美元，毛利潤400萬美元，毛利率仍為40%。

這種成本結構揭示一個殘酷的現實：token成本是無法被壓縮的，且是實實在在的COGS，是毛利潤率的致命所在。收入增長越快，成本膨脹越快，毛利率甚至可能不增反降。

這就是單一訂閱模式的弊端，也是有別于Netflix這類訂閱業(yè)務或者saas模式核心差異點，其成本不會因用戶增長而有效分攤，而是隨著訂閱量增長而增長。

其次，企業(yè)要拓展市場，訂閱模式可能也不是一個理想的付費方式。很多AI垂直項目在歐美市場可以跑通（高端用戶 + 高訂閱滲透），但在其他市場付費率低，商業(yè)模型不穩(wěn)固。由于經濟水平的差異，全球范圍內不少國家的用戶對訂閱抵觸，大多習慣一次性買斷或免費+廣告。

03

AI應用個體困境：護城河太低，競爭太卷

目前眾多的AI 編程工具，技術上并無本質的差異。以Cursor為例，架構上是由Electron 的 VS Code 封裝器，類似 Copilot 的代理構成，代理部分負責token調用和任務處理過程，其他編程工具也類似。

本文重點關注的幾款AI編程產品已經是行業(yè)翹楚，它們彼此之間的差異，僅能在非常狹窄的諸如UI風格、開發(fā)環(huán)境便利性領域中體現，但這些差異顯然無法形成護城河。

?Lovable：面向非技術創(chuàng)始人、小團隊和初學者，簡化應用創(chuàng)建過程，降低入門門檻；

?Replit：適合個人和小型團隊，提供“護欄”功能幫助新手快速上手；

?Cursor：面向經驗豐富的開發(fā)者，尤其是VS Code用戶，需更多技術交互；

?Windsurf：定位一站式智能開發(fā)環(huán)境，適合初中級開發(fā)者，UI類似現代IDE。

而它們共同爭奪的程序員群體有多大呢？Slash 今年5月份發(fā)布了一份簡單的數據，推測全球開發(fā)者的最新人數為4700萬，這一調查結果已經比不少機構做出的全球開發(fā)者2500萬高了將近一倍。

盡管有4700萬用戶基礎，但對于要誕生一款穩(wěn)定營收和利潤的AI編程產品來說，這些人還遠遠不夠。或許，只有這些賽道明星們繼續(xù)相互滲透和廝殺，最后剩下一家來服務這4700萬用戶。

04

破局之路：從成本結構到定價模式需要顛覆性突破
1.定價模式優(yōu)化從單一訂閱到混合訂閱和按算力計費

從競爭角度來看，AI垂直應用創(chuàng)業(yè)公司的競爭要遠遠高于大模型企業(yè)。在強力的資本驅動下，AI行業(yè)的公司估值模型將會更加殘酷和清晰。

訂閱模式是互聯網商業(yè)模式中比較hard的模式。收入的增長依賴訂閱價格的提升和訂閱人數的增長，從這個角度來看幾乎是復制了奈飛的模式。這就要求企業(yè)提供的服務可以匹配其提價和驅動訂閱人數增長。

AI應用產品本質上仍是屬于API business，自身無法筑起強大的護城河，因此議價權偏弱，換一種說法就是辛苦活。在激烈競爭下，辛苦活也會有人愿意干。單一訂閱價格行不通，就只能走更為復雜的定價模型。

首先被調整的就是token的價格模式，按任務收費無法反映不同任務的復雜度和模型消耗，而按算力計費能更精準地與后臺成本掛鉤，從而保證毛利率。

我們已經可以看到迫于成本壓力已經有企業(yè)在定價模式上進行動作的企業(yè)了：

以Replit為例，其收費模式是每個“checkpoint“（類似agent執(zhí)行一次編程任務）收取 25 美分的固定費用，但自從公司底層模型更新后，任務運行成本大增，使得毛利率直接跌為負值。

公司不得不為此調整收費模式，7月份，Replit宣布其定價模式從單一任務收費改為”基于算力“收費，即根據任務執(zhí)行所需的算力進行定價調整。在這項調整下，使得部分任務的價格從25美分上漲到2美元。

毫無疑問，這項調整可以緩解公司目前面臨的利潤困境，但另一方面對于訂閱量有潛在的負面影響。但Replit無需過多擔心，其他AI agent同樣面臨成本壓力，或早或晚也會進行價格調整，公司只不過早走了一步。等到大家都調價的時候也許客戶流失會減緩或者訂閱量會有所回升。

從公開報道來看Cursor也似乎同步在進行類似的定價模式調整。

2.商業(yè)模式創(chuàng)新——增值服務

仍以AI編程應用為例，面向微小企業(yè)端的應用是一個短暫的藍海，不少企業(yè)的IT部門已經自己開發(fā)公司內部AI平臺供員工使用。但技術水平參差不齊，數據安全和保護做的也不夠完善，這就給AI垂直應用產品提供了增值服務空間。

可以通過私有化部署，將數據安全和隱私保護等服務作為增值模塊加入到AI垂直應用服務中，在增加收入的同時又擴大了企業(yè)服務范圍，增強服務的安全性和穩(wěn)定性。

AI垂直應用在服務用戶的過程中，會積累大量的行為數據和行業(yè)數據。這些數據經過清洗和分析，可以為企業(yè)客戶提供有價值的行業(yè)報告、趨勢預測或用戶行為洞察。例如，AI編程工具可以分析數百萬開發(fā)者的編程習慣，為企業(yè)提供關于技術棧偏好、效率瓶頸等方面的洞察報告。

3.大膽暢想—重新定義行業(yè)價格模式

回到2023年OpenAI的生成式AI橫空出世，三年后AI已經悄悄滲透到日常生活的很多個方面，如今人們說的“Deepseek說”儼然已經頗具權威。在不遠的將來，大模型會成為我們身邊新的“水、電、燃氣和移動流量”。在這個設定下，AI垂直應用會衍生出更多樣的定價模式。

不妨放開思路，直接參考水電和燃氣的付費方式——按使用量計費，以及階梯定價。用戶可以先低價“存儲”一定量的token，使用結束后，需要以稍高的價格購買新的token。我們身邊更具參考價值的是“移動流量”這個平凡到被忽略的龐然大物。

AI垂直應用的定價完全可以參考移動流量包的定價，豐富的“基礎訂閱費 + 流量包/算力包”。用戶可以根據自己的實際使用量，購買不同價位的套餐，在超出使用token量的情況下，可以額外支付token費用或者購買新的“token包”，當月token余量還可以轉移到次月。

05

結語：盡管很難，但我們再也回不到沒有AI的日子

AI大模型無疑是這個時代最激動人心的技術變革之一，而AI垂直應用的火熱則更快速拉近了人們和AI的距離。

我們已經享受到了大模型帶來的福利，工作中的臟活累活苦力活以及自己不想做的工作都可以扔給AI，它既是我們的助手又是我們的導師。可以想象，隨著大模型的升級迭代，我們會更加的離不開AI，也回不到沒有AI的日子。

既然AI已經變成了和移動流量一樣普遍，那么是時候跳出科技技術的束縛，從更日常的角度去考慮定價，這未嘗不是一種創(chuàng)新。

今天AI垂直應用的成本困境，未來一定會被巧妙破解，在中國，尤其將如此。——一如DeepSeekV 3.1以算法創(chuàng)新惠及中國芯片算力業(yè)生態(tài)化突破一樣。

轉載開白 | 商務合作 | 加群交流
請?zhí)砑游⑿牛篶utstill
添加微信請備注姓名公司與來意