大模型能干的事很多，智能體賺錢的其實不多

大模型不賺錢，這事不多說，但簡單回顧：

OpenAI據說得2029年盈利，每年虧140億刀。

Anthropic據說2028年能盈利，也虧損。

剛上市的MiniMax每年虧5個億刀。

智譜和MiniMax差不多，也是每年虧這么多。

據說DeepSeek能賺錢，但這行當基礎模型基本虧損是確定的。

不能賺錢就主要靠VC，國內VC不給力所以就導致了基模發展的一系列問題。

但基模屬于非典型產品，不多說了，下面重點說智能體。（包括做基礎模型也做應用的）

智能體也先說結果：

就拿我比較熟悉的Glean舉例子，ARR最新報道過了2億美金，我們就假設每年都是這么多收入，那現在有1000個人，所以每個人對應收入是20萬美金。這在AI行當基本會虧損。對應的事件呢，我覺得接下來大概率會繼續融資。

類似的，其他明星智能體公司也基本這樣，大額融資的包括并購的...

如果就這么多，那就和上波AI有點像，還好不全是，比如：

Midjourney一年賺了5億美金的時候只有40個人，這就怎么都賺錢的。因為它流量基本還是自然流。

你比如Base44，一年350萬美金，還就1個人，這怎么也是賺錢的，不太可能都是投流投出來的。

這樣題目從結果看就比較清楚了：大模型能干的事很多，智能體賺錢的其實不多，下面說為什么？

這里我們用有點“土”的方法來解讀：

●精度：能不能在一個具體場景中，穩定完成一件事，而這個事有用。不管是面向用戶，還是面向企業你得有用才行。

●成本：算不算一筆劃算的生意，包括模型成本 + 流量成本

精度

這里說的精度，并不是數學意義上的小數點，也不是分數。

精度指的是：

在一個真實、具體、可復現的業務場景中，

你敢不敢把“是否完成”這件事，交給智能體，而不是交給人。關鍵不在“會不會錯”，而在“你怕不怕它錯”。（因為肯定會錯）

● 寫一段營銷文案，錯了可以改 —— 精度要求低

● 自動生成一張海報，丑一點無所謂 —— 精度要求低

● 自動下單、自動投放廣告、自動發合同 —— 精度要求極高

● 自動和客戶談價格、自動決定是否放款 —— 幾乎不允許誤差

這也是為什么：

● 模型展示能力很強

● 智能體落地能力很弱

這個上我個人判斷是：無狀態的模型智商還可以，同樣信息量下，模型分析判斷能力很多情景是超過人的，但倒霉就倒在大多時候變成智能體后，它獲取的信息量不如人。這在加上幻覺，就是災難性后果。經驗、感覺這些背后都是信息量，一個人活到當前節點的信息量。

這個精度就是一堵墻。

智能體意味著三件事同時成立：

1.它要理解目標

2.它要調用工具

3.它要產生真實世界的后果

精度墻導致在第三步事就砸了。

在真實業務中，絕大多數場景對“差不多”是零容忍的：

●下錯一次單 = 真金白銀損失

●發錯一封郵件 = 法律風險

●操作錯一個系統參數 = 生產事故

這不是模型“再訓練一下”能解決的問題，而是：

語言模型天生不是為“確定性行動”而設計的。

你可以通過：

●規則

●審批

●人類兜底（HITL）

來提高精度，但你會發現一個很扯的結果：

智能體越“安全”，它越不像智能體，而越像一個復雜的自動化腳本。

所以現在真正適合自主行動的智能體的場景不多。

這里面Claude Code（這是個智能體）看著就是堅定往這個方向推進，徹底接管程序員的活。

反過來這意味著什么？

如果編程接管的不理想（還好還算理想），那其他的更難，因為著世界絕對沒有一個領域比編程的規則更清楚。

成本墻

即使你暫時忽略精度問題，成本也會很快把你拉回現實。

這里的成本，至少有兩部分：

1?? 模型成本

這部分大家已經很熟了。

● GPT/Gemini/Claude 等海外模型：貴，但能力強些

● 國產模型：便宜，能力夠用，但精度弱些

● Token 單價在持續下降

單看模型成本，樂觀情緒是有道理的。但在今天這個時間點是什么樣呢？

我們都不說視頻，就說文本和圖形。

生成一個營銷的合格的文案（3000字左右適度配圖），成本是多少？

2元人民幣左右，那這2元假如你用來賺錢，能賺回來2元么？

大概率賺不回來。

關于成本補充些細節，免得誤解：

1. 不是純粹token成本，包含重試等等

2. 肯定需要綜合各種模型，否則更貴

所以視頻肯定更差，然后就導致如果用視頻做內容就必須期望爆火，可爆火就玄學了，你絕不可能每個都爆火，所以大量嘗試和投流然后大概率會賠錢。

2?? 流量成本人員成本

做內容的，基本每個人都會忍不住投流，賣產品的也會投流，但投流大部分肯定是賠的。

可是忙活半天誰都想救一救，就又忍不住，所以這個就不說了。

人員成本就更明顯，如果算小賬大概是一個2萬月薪的人，一年從企業成本角度算整個支出會逼近40萬(房租獎金社保等等）。

也就是說假如平均薪資2萬，每個人每年營收100萬，必須在去除Token、設備和投流之外，還得有40萬毛利才可能賺錢，否則就虧損。

為什么例外

這時候真能賺錢的就特別值得細看了。

其實答案已經在前面說過了。

比如生成一篇營銷文案，成本是2元，指望它對外賺錢，賺回來2元那大概率是虧的。

但反過來假如一個人一天成本是1000+元（2萬月薪含各種支出），那只要質量還行，用來代替其他人干活，那就怎么都是劃算的。

正常人一天很難做出來10篇高質量內容，而對于智能體它干的肯定更多。

如果大家仔細觀察Midjourney這些賺錢的工具，你會發現絕大部分基本是生產力工具。

事實還要再深一層，下面這種表單，你直接看一個直觀印象是什么？

人少。

也就是說這些公司不單是生產力工具的制造者，也還是使用者。

《無人公司》不是可選項

《無人公司》面世以來引發種種爭議，但如果真看懂了上面這個小賬，你就會發現：真做一個盈利，不靠VC養的公司。《無人公司》就不是可選項，而是必經之路。

無人公司不是說一個人沒有，而是說有一套智能體的系統可以完整的驅動業務，而人是輔助這套系統的。

就好比你做了個工具，但客服、營銷、甚至編碼等主要都是智能體系統干。

而做成這套系統顯然不容易，就像在書中說的：

要從角色開始重構生產關系，而新的生產關系是智能優先的。

這套復雜體系，在書中沒有詳細展開，所以就有了后面的配套課程：

這是真的有挑戰的，至少比操作豆包什么的要復雜的多，不過如果你看過下面這類文章，你就會發現真想用AI賺錢，本來就不簡單：

https://type.earth/all-in-one-generalist/ （這個列表里基本是典型OPC，并且有相當收入規模）

不過建個AI為主的公司肯定比建個以人為主的公司簡單，但挑戰方面來的不一樣。

對于司機來講，趕馬車基本比開汽車更難，但得先扔掉馬車那套事（馬可不好伺候，我小的時候被從車上掀下來過，摔的我眼冒金星）

這個這里不展開了，參照之前寫的吧：

小結

我覺得AI的節奏會比互聯網慢一些，一個原因是技術還沒有完全穩定下來；另一個則是一旦開啟上面的過程，那生產關系的梳理遠比用互聯網相關技術要花更大氣力。

故事剛剛開始，且是馬拉松，所以想清楚，比今天抓緊干這個明天抓緊趕那個關鍵。

當然如果你可以拿足夠多的VC的錢，那上面說的不需要考慮。