本文系基于公開資料撰寫，僅作為信息交流之用，不構(gòu)成任何投資建議。

昨日（8月26日）盤后，中國AI產(chǎn)業(yè)頂層設(shè)計《關(guān)于深入實(shí)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(chǎn)業(yè)的整體目標(biāo)與路線。

作為一份面向應(yīng)用層的指導(dǎo)性綱領(lǐng)，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(zhuǎn)入千行百業(yè)人工智能應(yīng)用創(chuàng)新周期。

也就是說，接下來，人工智能商業(yè)模式創(chuàng)新的價值也將逐漸擢升，與算力基礎(chǔ)設(shè)施并行，共同構(gòu)成一個典型的“軟硬一體式”人工智能技術(shù)創(chuàng)新、創(chuàng)業(yè)原生周期。

它山之石可以攻玉。今年已經(jīng)是AI大模型改變科技行業(yè)的進(jìn)程進(jìn)入第三年，作為算力與商業(yè)模式均領(lǐng)先一個與半個身位的美國，其AI應(yīng)用產(chǎn)業(yè)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(guī)避。

01 AI應(yīng)用產(chǎn)業(yè)當(dāng)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(xiàn)象在于：一方面，在AI垂直應(yīng)用領(lǐng)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(xiàn)一款真正意義上定義時代的全球現(xiàn)象級產(chǎn)品。

回顧過去三年，AI應(yīng)用領(lǐng)域，每年“風(fēng)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(zhuǎn)向了編程……

市場觀察者們愈漸關(guān)注到了一個核心問題——那些在科技巨頭和大模型廠商統(tǒng)治的行業(yè)，陰影正在日益顯現(xiàn)。AI創(chuàng)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(yīng)用領(lǐng)域無疑正處在一個黃金時代。

無論在哪個細(xì)分賽道，我們都能看到一批企業(yè)正以驚人的速度，借助AI將代碼、創(chuàng)意和算力轉(zhuǎn)化為實(shí)實(shí)在在的收入。

圖：不同垂直應(yīng)用賽道的代表性AI原生公司

• 視頻生成領(lǐng)域：Heygen在2025年8月宣布完成6000萬美元A輪融資，其年經(jīng)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(lǐng)域：Sierra的ARR達(dá)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(yī)生的Freed，ARR也從500萬美元增長至1500萬美元 。

• 法律、翻譯、醫(yī)療等專業(yè)領(lǐng)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(xù)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(jīng)過最近一次融資，Replit的估值已經(jīng)來到30億美元。

來自瑞典的AI編程助手Lovable，根據(jù)Techcrunch報道（ARR）2025年7月已經(jīng)突破1億美元大關(guān)。Lovable自推出以來僅用了八個月就達(dá)到了這一里程碑，而2025年6 月Lovable宣布其年經(jīng)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(chǎn)品相比，Lovable的亮點(diǎn)是其AI驅(qū)動的網(wǎng)站和應(yīng)用構(gòu)建器。Lovable經(jīng)過最新一輪融資，其估值已經(jīng)達(dá)到18億美元。

另一款體量更大的AI編程產(chǎn)品Cursor，同樣取得了不遜于前文提到的兩款明星產(chǎn)品的營收成績。據(jù)彭博社報道，2025年6月 Cursor 背后的創(chuàng)業(yè)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(jīng)達(dá)到200億美元。

AI垂直應(yīng)用，本質(zhì)上是大模型廠商最忠實(shí)的“token消費(fèi)者”。它們有精準(zhǔn)的用戶群體，借助模型的超能力和精準(zhǔn)的產(chǎn)品設(shè)計，一步到位服務(wù)于終端用戶。正是這便捷的應(yīng)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(chǎn)品。

AI編程接班曾經(jīng)的明星賽道AI陪聊、AI視頻以及AI教育產(chǎn)品，成了投資者眼中的明星。然而在這風(fēng)光的背后，無法忽視的成本困境同樣顯眼。

根據(jù)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(qū)間，揭開了AI編程賽道繁榮背后的隱患。實(shí)際國內(nèi)外各種公開報道，我們發(fā)現(xiàn)AI編程助手企業(yè)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A(yù)I編程產(chǎn)品Windsurf為例，通常架構(gòu)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(chǎn)品的粘性，每當(dāng)大模型廠商發(fā)布新模型，AI編程產(chǎn)品只得 “跟進(jìn)”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(wù)完成度和效果的提升，以技術(shù)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(chǎn)品不使用新模型，很容易流失掉一部分用戶。現(xiàn)階段，幾款熱門的AI編程產(chǎn)品還未徹底走上“殊途”，形成獨(dú)立于其他產(chǎn)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(fā)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(shí)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(shù)倍甚至10倍，兩者之間的”橋梁“——AI垂直應(yīng)用企業(yè)的利潤空間隨之被壓縮。大模型API調(diào)用的Token成本——無法隨規(guī)模擴(kuò)大而被有效稀釋。

這與傳統(tǒng)SaaS企業(yè)（如Salesforce或Zoom）以及典型的訂閱模式Netflix的財務(wù)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(lián)合創(chuàng)始人Dario Amodei，在一期播客節(jié)目中描述的模型投入成本和產(chǎn)生的收入之間的滾動過程：

1.2023年，你訓(xùn)練了一個模型花費(fèi)1億美元；

2.2024年，模型創(chuàng)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(xù)訓(xùn)練模型

3.2025年，模型帶來20億美元的收入。同理，2025年訓(xùn)練模型的成本可能上升到了100億美元

如果從傳統(tǒng)的財務(wù)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(xùn)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(xùn)練模型花了100億美元，虧損80億美元。

這是一個可怕的循環(huán)。盡管Dario Amodei針對的是大模型廠商，但對于AI垂直應(yīng)用賽道，同樣存在這樣的“成本悖論”。

這個賽道本質(zhì)上是大模型廠商的“token消費(fèi)者”或者分發(fā)渠道。對于這個賽道的創(chuàng)業(yè)公司來說，Token成本本質(zhì)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(yīng)遞減，這意味著：

•每多一個用戶，就多一份Token消耗；•每多一次調(diào)用，就多一筆成本支出；•用戶的任務(wù)越復(fù)雜，消耗的token越多，成本越高。

我們可以構(gòu)建一個簡單的單位經(jīng)濟(jì)模型，來說明這個問題，如果一款A(yù)I產(chǎn)品定價為每月10美元，當(dāng)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(jié)構(gòu)揭示一個殘酷的現(xiàn)實(shí)：token成本是無法被壓縮的，且是實(shí)實(shí)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(yè)務(wù)或者saas模式核心差異點(diǎn)，其成本不會因用戶增長而有效分?jǐn)偅�而是隨著訂閱量增長而增長。

其次，企業(yè)要拓展市場，訂閱模式可能也不是一個理想的付費(fèi)方式。很多AI垂直項(xiàng)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(fèi)率低，商業(yè)模型不穩(wěn)固。由于經(jīng)濟(jì)水平的差異，全球范圍內(nèi)不少國家的用戶對訂閱抵觸，大多習(xí)慣一次性買斷或免費(fèi)+廣告。

03 AI應(yīng)用個體困境：護(hù)城河太低，競爭太卷

目前眾多的AI 編程工具，技術(shù)上并無本質(zhì)的差異。以Cursor為例，架構(gòu)上是由Electron 的 VS Code 封裝器，類似 Copilot 的代理構(gòu)成，代理部分負(fù)責(zé)token調(diào)用和任務(wù)處理過程，其他編程工具也類似。

本文重點(diǎn)關(guān)注的幾款A(yù)I編程產(chǎn)品已經(jīng)是行業(yè)翹楚，它們彼此之間的差異，僅能在非常狹窄的諸如UI風(fēng)格、開發(fā)環(huán)境便利性領(lǐng)域中體現(xiàn)，但這些差異顯然無法形成護(hù)城河。

•Lovable：面向非技術(shù)創(chuàng)始人、小團(tuán)隊(duì)和初學(xué)者，簡化應(yīng)用創(chuàng)建過程，降低入門門檻；

•Replit：適合個人和小型團(tuán)隊(duì)，提供“護(hù)欄”功能幫助新手快速上手；

•Cursor：面向經(jīng)驗(yàn)豐富的開發(fā)者，尤其是VS Code用戶，需更多技術(shù)交互；

•Windsurf：定位一站式智能開發(fā)環(huán)境，適合初中級開發(fā)者，UI類似現(xiàn)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(fā)布了一份簡單的數(shù)據(jù)，推測全球開發(fā)者的最新人數(shù)為4700萬，這一調(diào)查結(jié)果已經(jīng)比不少機(jī)構(gòu)做出的全球開發(fā)者2500萬高了將近一倍。

盡管有4700萬用戶基礎(chǔ)，但對于要誕生一款穩(wěn)定營收和利潤的AI編程產(chǎn)品來說，這些人還遠(yuǎn)遠(yuǎn)不夠�；蛟S，只有這些賽道明星們繼續(xù)相互滲透和廝殺，最后剩下一家來服務(wù)這4700萬用戶。

04 破局之路：從成本結(jié)構(gòu)到定價模式需要顛覆性突破1.定價模式優(yōu)化——從單一訂閱到混合訂閱和按算力計費(fèi)

從競爭角度來看，AI垂直應(yīng)用創(chuàng)業(yè)公司的競爭要遠(yuǎn)遠(yuǎn)高于大模型企業(yè)。在強(qiáng)力的資本驅(qū)動下，AI行業(yè)的公司估值模型將會更加殘酷和清晰。

訂閱模式是互聯(lián)網(wǎng)商業(yè)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(shù)的增長，從這個角度來看幾乎是復(fù)制了奈飛的模式。這就要求企業(yè)提供的服務(wù)可以匹配其提價和驅(qū)動訂閱人數(shù)增長。

AI應(yīng)用產(chǎn)品本質(zhì)上仍是屬于API business，自身無法筑起強(qiáng)大的護(hù)城河，因此議價權(quán)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(fù)雜的定價模型。

首先被調(diào)整的就是token的價格模式，按任務(wù)收費(fèi)無法反映不同任務(wù)的復(fù)雜度和模型消耗，而按算力計費(fèi)能更精準(zhǔn)地與后臺成本掛鉤，從而保證毛利率。

我們已經(jīng)可以看到迫于成本壓力已經(jīng)有企業(yè)在定價模式上進(jìn)行動作的企業(yè)了：

以Replit為例，其收費(fèi)模式是每個“checkpoint“（類似agent執(zhí)行一次編程任務(wù)）收取 25 美分的固定費(fèi)用，但自從公司底層模型更新后，任務(wù)運(yùn)行成本大增，使得毛利率直接跌為負(fù)值。

公司不得不為此調(diào)整收費(fèi)模式，7月份，Replit宣布其定價模式從單一任務(wù)收費(fèi)改為”基于算力“收費(fèi)，即根據(jù)任務(wù)執(zhí)行所需的算力進(jìn)行定價調(diào)整。在這項(xiàng)調(diào)整下，使得部分任務(wù)的價格從25美分上漲到2美元。

毫無疑問，這項(xiàng)調(diào)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(fù)面影響。但Replit無需過多擔(dān)心，其他AI agent同樣面臨成本壓力，或早或晚也會進(jìn)行價格調(diào)整，公司只不過早走了一步。等到大家都調(diào)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(jìn)行類似的定價模式調(diào)整。

2.商業(yè)模式創(chuàng)新——增值服務(wù)

仍以AI編程應(yīng)用為例，面向微小企業(yè)端的應(yīng)用是一個短暫的藍(lán)海，不少企業(yè)的IT部門已經(jīng)自己開發(fā)公司內(nèi)部AI平臺供員工使用。但技術(shù)水平參差不齊，數(shù)據(jù)安全和保護(hù)做的也不夠完善，這就給AI垂直應(yīng)用產(chǎn)品提供了增值服務(wù)空間。

可以通過私有化部署，將數(shù)據(jù)安全和隱私保護(hù)等服務(wù)作為增值模塊加入到AI垂直應(yīng)用服務(wù)中，在增加收入的同時又?jǐn)U大了企業(yè)服務(wù)范圍，增強(qiáng)服務(wù)的安全性和穩(wěn)定性。

AI垂直應(yīng)用在服務(wù)用戶的過程中，會積累大量的行為數(shù)據(jù)和行業(yè)數(shù)據(jù)。這些數(shù)據(jù)經(jīng)過清洗和分析，可以為企業(yè)客戶提供有價值的行業(yè)報告、趨勢預(yù)測或用戶行為洞察。例如，AI編程工具可以分析數(shù)百萬開發(fā)者的編程習(xí)慣，為企業(yè)提供關(guān)于技術(shù)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(yè)價格模式

回到2023年OpenAI的生成式AI橫空出世，三年后AI已經(jīng)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(jīng)頗具權(quán)威。在不遠(yuǎn)的將來，大模型會成為我們身邊新的“水、電、燃?xì)夂鸵苿恿髁?rdquo;。在這個設(shè)定下，AI垂直應(yīng)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?xì)獾母顿M(fèi)方式——按使用量計費(fèi)，以及階梯定價。用戶可以先低價“存儲”一定量的token，使用結(jié)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(yīng)用的定價完全可以參考移動流量包的定價，豐富的“基礎(chǔ)訂閱費(fèi) + 流量包/算力包”。用戶可以根據(jù)自己的實(shí)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(fèi)用或者購買新的“token包”，當(dāng)月token余量還可以轉(zhuǎn)移到次月。

05 結(jié)語：盡管很難，但我們再也回不到?jīng)]有AI的日子

AI大模型無疑是這個時代最激動人心的技術(shù)變革之一，而AI垂直應(yīng)用的火熱則更快速拉近了人們和AI的距離。

我們已經(jīng)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(dǎo)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?jīng)]有AI的日子。

既然AI已經(jīng)變成了和移動流量一樣普遍，那么是時候跳出科技技術(shù)的束縛，從更日常的角度去考慮定價，這未嘗不是一種創(chuàng)新。

今天AI垂直應(yīng)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(chuàng)新惠及中國芯片算力業(yè)生態(tài)化突破一樣。

       原文標(biāo)題 : 美國版“人工智能+”，當(dāng)前正面臨怎樣的主要矛盾？