美國版“人工智能+”，當前正面臨怎樣的主要矛盾？

昨日（8月26日）盤后，中國AI產業頂層設計《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人工智能應用創新周期。

也就是說，接下來，人工智能商業模式創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”人工智能技術創新、創業原生周期。

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

01 AI應用產業當前的主要矛盾：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治的行業，陰影正在日益顯現。AI創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正以驚人的速度，借助AI將代碼、創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 ；而面向臨床醫生的Freed，ARR也從500萬美元增長至1500萬美元 。

?法律、翻譯、醫療等專業領域：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背后的創業公司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，我們發現AI編程助手企業的普遍毛利率偏低，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垂直應用企業的利潤空間隨之被壓縮。大模型API調用的Token成本——無法隨規模擴大而被有效稀釋。

這與傳統SaaS企業（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：token與Scaling帶來的成本困境

Anthropic的聯合創始人Dario Amodei，在一期播客節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。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”或者分發渠道。對于這個賽道的創業公司來說，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，商業模型不穩固。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、開發環境便利性領域中體現，但這些差異顯然無法形成護城河。

?Lovable：面向非技術創始人、小團隊和初學者，簡化應用創建過程，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環境，適合初中級開發者，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月份發布了一份簡單的數據，推測全球開發者的最新人數為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垂直應用創業公司的競爭要遠遠高于大模型企業。在強力的資本驅動下，AI行業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在定價模式上進行動作的企業了：

以Replit為例，其收費模式是每個“checkpoint“（類似agent執行一次編程任務）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.商業模式創新——增值服務

仍以AI編程應用為例，面向微小企業端的應用是一個短暫的藍海，不少企業的IT部門已經自己開發公司內部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服務范圍，增強服務的安全性和穩定性。

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數據。這些數據經過清洗和分析，可以為企業客戶提供有價值的行業報告、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者的編程習慣，為企業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以算法創新惠及中國芯片算力業生態化突破一樣。

本文系基于公開資料撰寫，僅作為信息交流之用，不構成任何投資建議。