国内AI行业为何仍未实现盈利？探秘与OpenAI的差距！

美国的AI企业正在迅速赚钱，商业模式也很清晰。但在国内，尽管技术不断进步，商业化却遭遇了不少挑战，盈利变得很困难，甚至有些创新产品流失到国外。这背后其实反映了中美在AI发展思路和产业结构上的不同。

过去一年，Meta在AI方面的投入简直是疯狂：花费上百亿收购Scale AI的49%股份，投入上亿美元引进人才，还把年仅26岁的Alexandr Wang任命为Meta的首任“首席AI官”。

按照今年的预测，Meta的资本支出强度达到了惊人的35%。也就是说，赚100美元，就得花35美元在AI上，这几乎是把大部分家底都压上了。

像Meta这样“豪赌AI”的公司，美国还有三家：微软、谷歌和亚马逊。

根据这四家科技巨头的财报显示，今年它们在AI方面的资本支出预计将达到4000亿美元，主要用于AI基础设施建设。

这个数字比欧盟2023年全年的国防支出还要多，正在拉开与我们的差距。

即使考虑到像字节跳动这样的未上市公司，加上运营商的AI资本开支，中金预测到2025年国内AI整体资本开支也不会超过5000亿人民币。

很多人认为两者之间的差距是因为“算力瓶颈”。但根本问题在于：有没有一个足够清晰的商业逻辑来支撑万亿级的投资。

美国已经迅速找到了这个逻辑。

从数据来看，美国AI的盈利速度越来越快了。OpenAI和Anthropic的年化营收预计到今年底将超过290亿美元，投行预测到2026年底，这个数字可能会攀升至600到1000亿美元。初创公司主导的AI应用在C端和B端都在蓬勃发展。

而国内的AI商业化却始终没有找到合适的出路。即使是像可灵AI这样的公司，70%以上的收入也来源于海外市场。

更严峻的是，在地缘政治的不确定性下，原本在中国诞生的AI创新正在加速“外流”。Manus、Lovart和Heygen等公司，可能将总部迁往新加坡或美国，甚至在海外成立新公司。

这些外迁的举动不仅仅是为了“更接近海外市场”，更深层的原因在于——国内的商业路径难以畅通，正在压低资本开支的回报预期。

在全球科技竞争中，国内科技公司面临越来越大的结构性障碍。即便不谈芯片限制，如果AI的商业化路径长时间无法实现，资本开支的回报率就难以建立。一旦回报率持续走低，我们在AI领域与美国的差距只会越来越大。

只看表面繁荣却不赚钱，或许是我们AI产业最大的隐忧。

/ 01 /全球AI赚钱越来越快了

AI的盈利速度，远远超出了人们的想象。

过去一年，真正令人惊讶的不是AI模型的更新速度，而是它带来的商业变现速度。

先来看看头部企业：

去年底，OpenAI的年化收入（ARR）为55亿美元，今年6月突破100亿美元，最近《纽约时报》披露，其收入已经达到120到130亿美元，年底预计将达到200亿美元，增幅接近300%。

Anthropic的增长更加惊人。Anthropic去年ARR仅有10亿美元，今年上半年就达到了40亿，年底预计将突破90亿美元，同比暴增800%。

换句话说，到年底，OpenAI和Anthropic的合计ARR将达到290亿美元。投行预测，这一增长速度若持续到2026年年底，可能会升至600到1000亿美元。

这个数字有什么概念呢？亚马逊的云计算业务AWS去年全年收入为1076亿美元——而这两家头部大模型公司在短短三年内几乎重造了一个AWS。

而这场爆炸式增长，并不仅限于基础模型层。在应用端，无论是面向个人消费者还是企业客户，美国的AI市场都展现出了惊人的收入曲线。

在消费者市场，以AI编程为代表的初创公司正迎来爆发：

定价20美元/月的AI编程助手Cursor的ARR已达到5亿美元，吸引了超过36万用户；AI编程产品Lovable在短短两个月内实现了1000万美元收入，第八个月达到1亿美元的ARR。

即使是小众的AI应用，也展现了不俗的商业化潜力。

Tolan是由Portola开发的AI伴侣应用，上线几个月后，年经常性收入(ARR)就达到了1200万美元。AI视频编辑工具OpusClip的ARR也达到了2000万美元。

而在企业市场，更是成为了AI最重要的致富机器，跑出了许多高估值、收入增长迅速的AI公司，覆盖法律、客服、医疗、招聘等各个领域。

Glean（搜索）：估值72亿美元，ARR 1亿

Mercor（招聘）：估值20亿美元，ARR 1亿

Crescendo（客服）：估值5亿美元，ARR 9100万

Harvey（法律）：估值50亿美元，ARR 7500万

Clay（销售）：估值30亿美元，ARR 3000万

Abridge（医疗）：估值27.5亿美元，ARR 1亿

这些公司的共同特征是：成立不久，收入增长迅猛，产品渗透快速，估值水涨船高。这种速度让许多大企业都感到焦虑。

在硅谷，越来越多的人认同“大厂打不过小厂”的观点，原因很简单：这些小公司更加灵活，能在短时间内推出符合市场需求的产品，人才也更愿意去创新的环境，而最重要的是，小公司同样能获得融资。

与此同时，虽然美国的AI市场在商业化道路上一路狂飙，但我们的AI市场却呈现出截然不同的景象。

/ 02 /技术追平了，但还是很难赚钱

虽然技术层面不断取得突破，但我们AI产业的商业化现实却显得异常冷清。

根据华龙证券的数据，预计2024年国内计算机行业AI应用板块总营收为768亿元，同比增长只有6.4%；归母净利润为35亿元，增幅仅2.7%。到2025年第一季度，净利润甚至降至不足0.3亿元，几乎没有增长。

相比之下，美国的AI应用公司则呈现出明确的增长曲线：

以Salesforce、Adobe、ServiceNow和Palantir等9家公司为例，2025年第一季度合计营收达236亿美元，同比增长12.1%，平均经营利润率高达15.8%。

从数据中可以看到，产业结构的根本差异：

美国的AI市场是“小厂跑赢大厂”的创业黄金时代，涌现出大量技术型初创公司；而国内的AI市场则是“大厂主导，小厂陪跑”，主流产品几乎都掌握在大型平台企业手中。

比如在AI编程领域，国内最顶尖的产品大多来自字节（Trae）、阿里（通义灵码）和百度（文心快码），几乎没有独立创业公司崭露头角。

更棘手的问题是，即使跑出来的AI产品也普遍陷入了“有流量、无收入”的困境。

根据QuestMobile的数据，截至今年3月，国内AI原生App的月活跃用户数已达2.7亿，甚至超过ChatGPT的1.8亿。但真正能够实现规模化变现的产品却屈指可数。

就连年收入突破1亿美元的可灵AI，70%以上的收入也来自于海外市场。

付费困境不仅在C端显现，B端同样难以突破。AI产品在To B市场面临着与SaaS公司类似的问题：小企业预算紧张，大企业依赖定制化，利润被不断压缩。

一方面是用户基数不足，另一方面是交付成本过高，真正可规模化、可复制的商业模式始终未能形成。

因此，许多诞生于本土的AI创新产品正加速流失。

今年6月，Manus宣布将总部迁往新加坡，并在美国和日本设立分部。原本在华的120人团队中，40名核心技术骨干随之迁出，其余大部分被裁撤。在此之前，AI视频公司Heygen也将总部从深圳迁到了洛杉矶。Lovart则是直接把总部设在旧金山。

这次中美在AI商业化上的分歧，并非偶然，而是互联网时代早已埋下的路径差异的延续。

/ 03 / 入口的逻辑还能讲多久？

2011年8月，Marc Andreessen在《华尔街日报》里提出了一个引人注目的观点：“软件正在吞噬世界”，这标志着移动互联网新时代的开启。

自那以后，中美互联网的发展轨迹却分道扬镳，走上了截然不同的道路。

在美国，软件领域迅速接过了消费级应用的接力棒，推动了SaaS创业的井喷式增长。从2010年到2015年，每年都有超过1000家新的SaaS公司诞生。与此同时，风险投资的热潮也达到了巅峰，每年投入的资金动辄上百亿美元，这些资金大多流向了SaaS行业。

而在中国，真正引领时代变革的却是消费互联网。

比如，字节跳动通过信息流广告改变了全球内容分发的游戏规则，拼多多则在下沉市场中逆势而上，把电商做到了亚马逊的后院。每一个成功背后，都离不开超级应用的崛起以及对流量入口的掌控。在国内的互联网故事里，一切都是由流量驱动的。

有个公众号“Platform Thinking”提到，中美之间的差异不仅体现在服务对象上，更在于两种底层思维的对立：中国偏向于“入口”，美国则更看重“接口”。

其实，我们并非没有企业级软件，只是它们多存在于大厂的“闭环”生态中，主要作为云计算销售的切入点。这些软件表面上是为企业提供服务，实际上仍然在消费互联网的影子里徘徊：依靠资金烧钱来扩张规模，利用免费产品吸引用户，再通过“流量变现”来回血，延续着典型的“入口”思维。

正因如此，当前的分歧才愈发明显：

问题在于，AI并不是一款简单的应用，它是一种“打破路径、简化流程”的基础能力。在AI的世界里，用户不再是从某个App出发，而是直接从问题或需求出发，直奔结果。

这样一来，入口的价值也逐渐缩水：从“路径经济”转向“结果经济”，掌控用户路径的价值自然贬值。

这也就解释了为何美国的AI商业化进展得更快：SaaS公司本就以“接口”思维运作，AI不过是它们的一个新能力插件；而在中国，过于依赖“流量闭环”的策略使得AI难以迅速融入已有的产品和流程，反而导致了有技术却无场景，有用户却无收入的尴尬局面。

根本问题并不在于技术落后，而在于路径的固化。真正需要警惕的，恰恰是我们依旧在用“入口思维”去迎接一个“接口世界”的挑战。

尽管国内AI产业在商业化上仍然面临一些挑战，但前景并不悲观。

技术浪潮的落地方式，从来没有固定的答案。零售、电商、短视频……过去十年，中国每一次产业跃迁都走的不是美国所走的那条路。

AI的发展同样如此。它未必会颠覆我们“大厂主导”的产业结构，但一定会迫使所有参与者从“控制入口”转向“连接接口”：

与其争夺流量的起点，不如成为生态的通道；

与其封闭用户的路径，不如放大自身的调用能力。

或许，这才是我们AI产业真正走向商业化的关键转折点。

文/林白

本文由人人都是产品经理的作者【汪仔2763】发布，微信公众号：【乌鸦智能说】，原创/授权，禁止转载。

题图来源于Unsplash，基于CC0协议。