文 | 锦缎
就在昨天（8月26日），中国发布了人工智能产业的顶层设计《深入实施“人工智能+”行动的意见》，这份文件为我们未来五年在AI领域的发展方向和目标提供了清晰的蓝图。
这份文件不仅仅是个指南，背后还传达了一个重要信息：之前我们一直在烦恼的算力问题，未来会逐步得到解决；而更重要的是，接下来将全面进入各行各业都在进行的人工智能应用创新阶段。
换句话说，随着人工智能商业模式的不断创新，其价值将逐渐提升，同时算力基础设施也会同步发展，这样就形成了一个“软硬一体”的人工智能技术创新与创业的原生态。
我们可以借鉴其他国家的经验。今年是AI大模型在科技行业影响力逐渐显现的第三年。作为在算力和商业模式上遥遥领先的美国，他们在AI应用产业所面临的问题，以及不少人工智能公司所经历的教训，对我们来说都很有参考价值。
01 当前AI应用产业的主要矛盾：成本和增长难以兼顾
从过去三年美国的“人工智能+”发展情况来看，有一个显著的现象：一方面，各类AI应用融资消息频频出现，收入增长也是让人目瞪口呆；但另一方面，真正能定义时代的全球性产品却依然没有出现。
回顾这三年，AI应用领域的“风口”不断变化，从最初的AI陪聊、AI视频生成、AI教育，最近又转向了通用AI agent和编程……
市场观察者们开始关注到一个核心问题——在科技巨头和大模型厂商主导的行业中，阴影逐渐显现。AI创新公司面临着一个基本困境，就是成本和增长难以兼顾。
如果单看增长速度，AI垂直应用领域无疑正处于一个黄金时期。
在每个细分领域，我们都能看到一些企业利用AI技术，以惊人的速度把代码、创意和算力转化为实际的收入。
图：不同垂直应用赛道的代表性AI原生公司
• 视频生成领域：Heygen在2025年8月宣布完成6000万美元的A轮融资，其年经常性收入（ARR）在短短一年多的时间内，从100万美元跃升至3500万美元，估值超过5亿美元。
• AI笔记与效率工具领域：Sierra的ARR已经达到了2000万美元；Abridge以25亿美元的估值筹集了2.5亿美元；而面向临床医生的Freed，其ARR也从500万美元增长至1500万美元。
• 法律、翻译、医疗等专业领域：Harvey AI、DeepL、EliseAI等公司在各自的领域也取得了显著的成就。
那么，这些令人瞩目的估值背后，是否隐藏着泡沫？它们的高估值能否在面临成本压力时继续支撑？
值得注意的是，AI编程赛道的繁荣，正是大模型热潮的一个缩影：
人工智能编程工具Replit，在2024年8月的年化收入仅为200万美元，随后到2024年增长至1000万美元，到了2025年2月飙升至3200多万美元，而在2025年7月更是达到了惊人的1.44亿美元。经过最近一次融资，Replit的估值已经达到了30亿美元。
来自瑞典的AI编程助手Lovable，根据Techcrunch的报道，2025年7月的ARR已经突破1亿美元。Lovable自推出以来，仅用八个月就达到了这一里程碑，而在2025年6月，Lovable的年经常性收入为7500万美元，简单推算，Lovable一个月的收入达到2500万美元。
与其他AI编程产品相比，Lovable的独特之处在于它的AI驱动网站和应用构建器。经过最新一轮融资，Lovable的估值也达到了18亿美元。
另一款体量更大的AI编程产品Cursor，同样取得了不逊于前面提到的两款明星产品的业绩。据彭博社报道，2025年6月，Cursor背后的创业公司Anysphere年收入突破5亿美元，而三个月前的年化收入还只有2亿美元，这期间收入增长了3亿美元。最新的公开报道显示，Anysphere的估值已经达到了200亿美元。
AI垂直应用，实际上是大模型厂商最忠实的“token消费者”。它们拥有精准的用户群体，借助模型的强大能力以及精准的产品设计，直接服务于终端用户。正是这种便捷的应用途径，拦截了一部分原本属于大模型厂商的用户，难怪连Sam Altman也亲自参与了AI编程产品的开发。
曾经的明星赛道AI陪聊、AI视频和AI教育产品，现在却转变为投资者眼中的明星。而在这背后的光鲜外表下，成本困境却依然显得格外突出。
根据The Information的报道，随着用户需求激增，编程助手Replit的毛利润率在36%到14%之间大幅波动。
这种波动揭示了AI编程赛道繁荣背后的潜在风险。实际上，国内外的多项公开报道显示，AI编程助手企业的毛利率普遍偏低，基本都在30-40%左右。
图：AI编程赛道代表性公司的基本毛利率情况
低毛利的主要原因在于难以控制的高昂大模型token成本，这也正是AI编程助手的“灵魂”。
再以AI编程产品Windsurf为例，通常架构成本相当高，尤其是使用大型语言模型(LLM)的成本。在激烈的竞争环境下，为了保持用户黏性，AI编程产品往往需要“跟进”大模型厂商发布的新模型。
新模型通常能带来任务完成度和效果的提升，技术性较强的AI编程用户对模型的更新也非常敏感。如果AI编程产品不及时更新模型，可能会流失部分用户。目前，几款热门的AI编程产品尚未完全形成独立的核心竞争力。
从价格方面看，随着几家模型厂商在模型发布频率和性能上的竞争，单个token的价格正在下降；而与此同时，模型效果的满意度提升推动了用户实际使用量的快速增长。模型的token价格下降一倍，使用量却可能激增数倍甚至十倍，这之间的“桥梁”——AI垂直应用企业的利润空间随之被压缩。大模型API调用的token成本无法随规模扩大而被有效稀释。
这与传统SaaS企业（如Salesforce或Zoom）以及典型的订阅模式Netflix的财务模型截然不同。
02 矛盾的主要成因：token与规模扩展带来的成本困境
Anthropic的联合创始人Dario Amodei在一档播客节目中提到的模型投资成本与收入之间的循环过程：
1. 2023年，你训练一个模型花费1亿美元；
2. 2024年，模型创造了2亿美元的收入，但由于规模效应，你必须投入10亿美元来继续训练模型；
3. 2025年，模型带来的收入是20亿美元，同理，训练模型的成本可能上升到100亿美元。
如果从传统财务的角度考虑：
第一年没有收入，公司净亏损1亿美元；
第二年虽然有了2亿美元的收入，但训练模型花费了10亿美元，亏损8亿美元；
第三年收入20亿美元，但训练模型花费100亿美元，亏损80亿美元。
这真是一个可怕的循环。虽然Dario Amodei所指的是大模型厂商，但在AI垂直应用赛道同样存在着这样的“成本悖论”。
AI行业的成本之痛：如何打破困局？
在这个领域，其实可以看作是大模型厂商的“token消费者”，或者说是分发的渠道。对那些在这个领域创业的公司而言，Token的成本其实是随着使用量波动而变化的，可算作变动成本，而不是固定成本，这也意味着我们几乎不会遇到边际效应递减的情况。这就表示：
• 每新增一个用户，token的消耗就会随之增加；
• 每多一次调用，企业又得多花一笔钱；
• 用户的需求越复杂，所消耗的token自然也就越多，成本就越高。
我们可以举个简单的例子来说明这个情况，假设一款AI产品的月费是10美元，当用户数量不同的时候，收入和成本的变化大致如下：
•1个用户：token成本6美元，收入10美元，毛利润4美元，毛利率40%；
•1万个用户：token成本6万美元，收入10万美元，毛利润4万美元，毛利率40%；
•100万个用户：token成本600万美元，收入1000万美元，毛利润400万美元，毛利率依然是40%。
这种成本结构其实暴露了一个残酷的现实：token成本是没法降低的，确实是一个很实际的COGS（销售成本），也是毛利率的致命因素。收入上升的速度越快，成本的膨胀也越快，毛利率有可能甚至会下降。
这正是单一订阅模式的弊端，它与Netflix这样的订阅服务有着根本的区别：成本并不会因为用户的增加而有效分摊，反而会随着订阅量的增加而增加。
而且，若企业想要开拓市场，单一的订阅模式可能并不是最理想的收费方式。很多AI特定项目在欧美市场运作良好（高端用户和高订阅渗透率），但在其他市场上，付费的意愿却相对较低，商业模式也显得不够稳固。因为经济差异，全球许多地区的用户其实对订阅的接受度不高，大多数人更习惯一次性购买或是免费加广告的模式。
AI应用的挑战：护城河太薄，竞争激烈
眼下市场上有很多AI编程工具，技术方面几乎没有本质的区别。以Cursor为例，它的架构是由Electron的VS Code封装而成，类似于Copilot的代理构成，负责token调用和任务处理的部分也大致如此。
我们关注的几款AI编程产品在行业中已经算是佼佼者了，但它们之间的区别其实只体现在一些非常细微的方面，比如UI样式和开发环境的便利性，但这些差异显然不足以形成真正的护城河。
•Lovable：面向非技术背景的创始人、小团队和初学者，简化应用创建的过程，降低入门门槛；
•Replit：适合个人和小团队，提供“护栏”功能帮助新手快速上手；
•Cursor：主要面向有经验的开发者，尤其是VS Code用户，需要更多的技术互动；
•Windsurf：提供一站式智能开发环境，适合初中级开发者，UI设计类似现代IDE。
那么，它们共同争夺的程序员市场有多大呢？根据Slash今年5月发布的数据，全球开发者人数估计为4700万，这个数字比一些机构预测的2500万几乎高出一倍。
尽管有4700万的用户基础，但要想推出一款稳定营收和利润的AI编程产品，这些人其实还远远不够。或许，只有这些赛道中的明星们继续相互竞争，最终只会剩下一个来服务这4700万用户。
打破局面：从成本结构到定价模式的颠覆性变革
1. 定价模式的优化——从单一订阅转向混合订阅与按算力计费
从竞争的角度看，AI垂直应用的创业公司面临的竞争要远远高于大模型企业。在资本的强力推动下，AI行业的公司估值模型也变得更加严苛和透明。
在互联网商业模式中，订阅模式其实是比较困难的模式。收入的增加依赖于订阅价格的提升和用户数量的增长，从这个角度来看几乎是复制了奈飞的模式。这就要求企业所提供的服务必须能匹配其提价和吸引更多用户。
AI应用产品本质上依然属于API业务，自身缺乏强大的护城河，因此议价能力较弱。换句话说，这些企业在竞争中其实是比较辛苦的。在激烈的市场环境中，辛苦的工作自然会有人愿意去做。单一的订阅价格行不通，那就必须寻求更复杂的定价模型。
首先需要调整的就是token的定价模式，按任务收费无法准确反映不同任务的复杂性和模型消耗，而按算力计费则能更精准地与后台成本挂钩，从而保证毛利率。
我们已经看到一些企业因成本压力而在定价模式上做出调整的案例：
以Replit为例，其收费模式是每个“checkpoint”（类似代理执行一次编程任务）收取25美分的固定费用，但由于底层模型更新后，任务运行成本飙升，导致毛利率直接跌为负值。
因此，公司不得不调整收费模式，7月份，Replit宣布其定价模式从单一任务收费改为“基于算力”的收费，即根据任务执行所需的算力进行定价。通过这一调整，部分任务的价格从25美分涨到了2美元。
毫无疑问，这项调整可以缓解公司当前的利润困境，但与此同时，可能会对用户的订阅量产生负面影响。不过Replit并不需要过于担心，因为其他AI代理同样面临着成本压力，迟早也会进行价格调整。等到大家都调价时，客户流失可能会减缓，甚至订阅量可能会有所回升。
从公开报道来看，Cursor似乎也在进行类似的定价模式调整。
2. 商业模式创新——增值服务
以AI编程应用为例，面向小微企业的应用其实是一个短暂的蓝海，许多企业的IT部门已经开始自行开发公司内部的AI平台供员工使用。但由于技术水平参差不齐，数据安全和保护措施也不够完善，这就给AI垂直应用产品带来了增值服务的机会。
通过私有化部署，将数据安全和隐私保护等服务作为增值模块加入到AI垂直应用中，不仅可以增加收入，还能扩展企业服务的范围，提升服务的安全性和稳定性。
在为用户提供服务的过程中，AI垂直应用会积累大量的行为数据和行业数据。这些数据经过清洗和分析，可以为企业客户提供有价值的行业报告、趋势预测或用户行为洞察。例如，AI编程工具能够分析数百万开发者的编程习惯，为企业提供关于技术栈偏好、效率瓶颈等方面的深度报告。
3. 大胆畅想——重新定义行业定价模式
回顾2023年，OpenAI的生成式AI如雨后春笋般涌现，三年后AI已经悄然渗透到我们生活的各个角落。如今人们提到的“Deepseek说”已经开始具备一定的权威性。不久的将来，大模型可能会成为我们生活中像“水、电、燃气和移动流量”一样必不可少的存在。在这样的设定下，AI垂直应用将衍生出更多样化的定价模式。
不妨放开思路，直接借鉴水电和燃气的收费方式——按使用量计费，以及阶梯定价。用户可以先以较低的价格“存储”一定量的token，使用结束后，再以稍高的价格购买新的token。更值得参考的是“移动流量”，这个我们日常生活中再普通不过的庞然大物。
AI垂直应用的定价完全可以借鉴移动流量包的定价，结合“基础订阅费 + 流量包/算力包”的模式。用户可以根据自己的实际使用情况，选择不同价位的套餐，而在超出使用量的情况下，可以额外支付token费用或购买新的“token包”，当月token的剩余量还可以转移到次月。
05 结语：虽然挑战重重，但我们无法回到没有AI的时代
毫无疑问，AI大模型是这个时代最引人注目的技术变革之一，而AI垂直应用的迅速发展则更进一步缩短了人们与AI之间的距离。
我们已经感受到了大模型带来的各种便利，工作中的繁琐任务和自己不想做的工作都可以交给AI来处理，AI不仅是我们的助手，也是我们的导师。可以想象，随着大模型的不断升级迭代，我们会越来越依赖AI，回不到没有AI的日子。
既然AI已经变得像移动流量一样普及，那么是时候跳出技术的框架，从更日常的角度考虑定价，这未必不是一种创新。
眼下AI垂直应用面临的成本困境，未来一定会被巧妙地解决，尤其是在中国——就像DeepSeekV 3.1通过算法创新推动中国芯片算力生态的突破一样。
【本文基于公开资料撰写，仅供信息交流之用，不构成任何投资建议。】
