Base44 現在每天增 40 萬美金 ARR，華人團隊做了一個 AI 學習相機很有意思

前段時間被 Wix 收購的 AI Coding 產品 Base44，因其在沒有融資創立僅 6 個月而且只有一個創始人的情況下賣了 8000 萬美金，而迅速進入各大媒體頭條《。

被收購時其 ARR 為 350 萬美金，用戶數 25 萬，除了創始人還有 8 名員工，盈利 18.9 萬美金。雖然其它一些 AI Coding 產品已經增長非常快了，比方說Lovable 說它現在每月新增 800 萬美金的 ARR。

但今天 Base44 的創始人 Maor Shlomo 說，在被 Wix 收購后，Base44 現在每天新增差不多 40 萬美金的 ARR，也就是每 2.5 天新增 ARR 100 萬美金，而且每周的增長速度還在加速。

他說如果按照這個速度持續下去，Base44 可能會打破“史上最快”的紀錄，而且新增用戶基本上都不是 Wix 的原有用戶。

與此同時，Base44 在產品這塊推出了幾個新功能，首先是每條消息都添加了推理，這讓它在處理復雜編輯方面更加智能。其次，他們發布了一個用于構建自主應用的基礎設施（alpha），讓在 Base44 應用中構建和嵌入 AI Agent 變得更加容易。

最后就是加強了安全掃描，它可同時捕獲 XSS 攻擊漏洞及暴露的 API 密鑰。之前太多用戶會忽視安全警告并錯誤配置其應用，盡管在發布前對安全問題做了標記，但很多應用是帶著數據暴露的風險上線的。

為了解決這個問題，他們將安全掃描直接嵌入到每個應用的迭代版本中，這樣使得錯誤配置幾乎不可能發生。由于增長太快，他們的支持服務這塊沒有跟上，現在 Base44 已經將團隊規模擴大了 4 倍。

不過 Maor 沒有提供其成本、利潤以及廣告投放，有用戶說 Base44 應該投入了大量的廣告，因為幾乎每個 YouTube 視頻都能看到 Base44 的推廣。

目前行業對 AI Coding 類產品的利潤提出了很多質疑，認為幾乎不賺錢甚至都在花錢補貼，從而出現類似 Pace Capital 的 Chris Paik 所說的雖然實現了 PMF 但是還沒有做到 BMPF 的情況《》。

a16z 反駁 Chris Paik

不過針對這個問題，a16z 負責 AI 投資的兩位 GP Martin Casado 和 Sarah Wang 上周寫了一篇反駁 Chris Paik 的文章《Questioning Margins is a Boring Cliche…》，說質疑利潤是一種無聊的陳詞濫調。

文章說，單純質疑 AI 應用公司毛利率低是短視的，歷史和現實都證明了低毛利并不等于不可持續。歷史上，許多科技巨頭（如 Amazon、Netflix、Uber 等）都曾因毛利率低被質疑，但最終證明了其商業模式的可持續性和巨大價值。AI 應用公司與過去的 DTC 訂閱公司不同，擁有更強的用戶價值、更高的留存率和更快的企業擴展能力。

a16z 的幾個反駁點包括：

1.毛利率低并非永久現象：初期低毛利率常見于產品主導型公司，后續通過分層定價、限流和使用更便宜的模型可以提升毛利。用戶對模型的需求因任務而異，很多場景下更低成本的模型已足夠滿足需求。

2.高成本用戶可控，企業客戶更有價值：少數高用量用戶驅動了大部分成本，通過限流可顯著降低成本而不影響收入。企業和團隊級客戶愿意為高價值 AI 產品支付更高費用，這些高利潤客戶在外部數據中不易被觀察到（這點和 Replit 創始人所說的企業級客戶利潤高是一致的）。3.模型市場并非壟斷，成本持續下降：目前沒有模型壟斷，開源和多家大廠競爭導致價格壓力和持續優化。推理成本在過去 18 個月已下降 10-100 倍，未來仍有進一步優化空間。4. 補貼并不掩蓋真實產品價值：判斷 PMF 應看付費轉化、企業擴展和收入留存，而非短期毛利。AI 公司通過免費用戶積累銷售線索，最終推動高利潤的企業合同。5. AI 應用并非只是“薄包裝”：優秀 AI 應用通過擴展產品功能、組合多模型、利用獨特數據實現差異化和更高毛利。產品層的數據和定制模型能帶來獨特價值和長期定價權。

Cline 反駁 a16z

不過不少人認為 a16z 的這篇反駁文章就是垃圾，Cline 的 AI 負責人 Pash 說，他驚訝于居然需要 a16z 的兩位 GP 合伙人才能寫出這種爛東西：

Sarah 把利潤率批評稱為“無聊的陳詞濫調”……結果卻用 Uber/DTC 這些案例來反駁，這些我們都聽了十多年了。這場辯論十五年前就已經結束了。完全錯過了重點。

現在已經不是這樣的對話了。Nick(負責 Cline 的產品市場) 的文章才是真正的辯論。真正的對話是封閉的應用如何強制用戶通過它們的推理漏斗，并神奇地把商品流稱為“ARR”，而開放的平臺即使復合使用量相等或更高也得不到任何信用，因為它們允許開發者使用自己的密鑰。

顯然，VC 在評估 AI 應用層方面存在明顯脫節。

上面提到 Nick 的文章叫《We Have No Idea How to Value the AI App Layer》，Nick 認為 AI 應用層的價值不能用傳統 ARR 衡量，應注重透明度和用戶控制。其核心觀點包括：

1.Throughput 不是 ARR：AI 應用層（尤其是閉源 AI 工具）常用“ARR”來宣傳業績，但實際收入和成本都隨模型推理（token 使用量）線性增長，這更像是“商品流量”而非軟件收入。

2.開源生態的優勢：開源工具讓用戶自帶模型推理（bring-your-own），平臺不承擔推理成本，收入結構更清晰，激勵機制更合理。

3.透明度和用戶控制：理想的 AI 工具應讓用戶選擇推理策略（如性能優先、價格優先），并明確告知所用模型、價格和任何降級情況，避免“訂閱迷霧”。

4.會計和報告要清晰：不能把總 token 流量當作 ARR。應分別報告 GTV（Gross Token Volume）、凈收入、貢獻毛利等指標，區分平臺和軟件收入。5.激勵機制要對齊：平臺應通過提升軟件質量獲益，而不是通過限制用戶推理獲利。讓開發者能自由選擇最優模型，充分利用市場競爭。

Nick 說，對“邊際改善”樂觀但需精確：a16z 的文章認為毛利可以通過分層和路由優化，但樂觀不等于可以忽略會計和激勵的精確性。

閉源工具的隱性降級問題：有些工具為保護自身利潤，暗中將用戶任務從高性能模型切換到低成本模型，導致用戶體驗下降但不知情，這不是優化而是“假裝優化”。

傳統行業類比：支付公司不會把總支付量當 ARR，電力公司不會把總電量當 ARR，AI 應用也不應把 token 流量當ARR（Payments companies don't call total payment volume ARR. Marketplaces don't call GMV ARR. Electricity retailers don't call kilowatt?hours ARR）。

華人團隊做了一個很有意思的 AI 學習相機

這幾個討論我覺得很有價值，讓我們對 AI 應用的價值和評估有了更多視角，特別是 Cline 團隊提出的這些觀點我覺得挺值得思考。

而在 AI 硬件這塊，除了上周紅杉中國投的 AI 床墊 Eight Sleep 我比較喜歡外《》，最近看到最有意思和有創新點的產品是一個華人團隊做的 AI 學習相機。

它針對小孩的學習打造，但打破了大部分產品都需要時刻盯著屏幕學習的靜態模式，而是讓小孩可以真正在思考、創造、互動和實際環境中通過……

全 文 共3496 字

后續內容為付費會員專屬，會員掃碼登錄直接閱讀

Memo: Signal, not noise!

訂閱 Memo Pro

Memo（vcsmemo.com）是一個基于付費訂閱模式的創投內容平臺，已得到大量 VC、企業 CEO 以及高管的支持，我們希望幫助你捕捉最具價值的行業信號、過濾噪音（Signal,Not Noise）。

訂閱 Memo Pro
你將獲得：

1.解鎖未來一年以及之前的所有會員專屬內容

2.郵件訂閱功能：付費內容+最新行業快訊+...

3.優先體驗 Memo 新產品和新功能

限時 799 元/年（原價 999 元/年），掃碼立即訂閱

1.

2.

3.