AI应用产业繁荣背后的成本困局：美国经验与中国破局之道

8月26日收盘后，中国人工智能产业的重要纲领性文件《关于深入实施“人工智能+”行动的意见》正式亮相，为未来五年内AI产业的发展蓝图与实施路径奠定了坚实基础。

作为一份聚焦应用层的指导性文件，其出台的深层含义在于：此前备受关注的算力瓶颈问题，即将迎来破解曙光；此后，产业重心将全面转向各行各业的人工智能应用创新阶段。

换言之，人工智能领域的商业模式创新价值将日益凸显，与算力基础设施建设并驾齐驱，共同塑造一个“软硬件深度融合”的人工智能技术创新与创业新纪元。

他山之石，可以攻玉。AI大模型变革科技行业已进入第三个年头，在算力与商业模式探索上均先行一步的美国，其AI应用产业面临的核心挑战，以及众多原生AI公司曾遭遇的陷阱，都值得我们深入剖析并引以为鉴。

01 AI应用产业当前的主要矛盾：成本与增长难以兼顾

纵观美国近三年的“人工智能+”实践，一个突出的现象是：一方面，AI垂直应用领域融资事件层出不穷，收入增长故事令人惊叹；另一方面，却始终缺乏一款真正划时代、具有全球影响力的现象级产品诞生。

回顾过去几年，AI应用的风口轮番更迭，从早期的AI聊天伴侣、AI视频制作、AI教育，到通用的AI智能体，而近期热点又转向了AI编程领域……

市场观察家们逐渐意识到一个关键症结——在科技巨头与大模型厂商主导的生态下，阴影日益浓重。AI创新公司普遍陷入一个根本性难题：难以在成本控制与规模增长之间取得平衡。

如果仅观察增长态势，AI垂直应用无疑正处于一个高速发展的黄金时期。

在各个细分赛道，我们都能看到一批企业正借助人工智能技术，高效地将代码、创意与算力转化为惊人的营业收入。

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于2025年8月宣布获得6000万美元A轮融资，其年度经常性收入在短短一年多时间内，从100万美元猛增至超过3500万美元，公司估值突破5亿美元。

•AI笔记与效率工具领域：Sierra的ARR已达到2000万美元；Abridge以25亿美元估值融资2.5亿美元；而面向临床医生的Freed，其ARR也从500万美元快速增长至1500万美元。

•法律、翻译、医疗等专业领域：Harvey AI、DeepL、EliseAI等公司也在各自专业领域建立了领先地位。

这些令人瞩目的估值背后，是否存在泡沫？其高估值能否持续，尤其是在面临严峻成本挑战时？

管中窥豹，AI编程赛道的火热景象，正是整个大模型淘金热的一个典型缩影：

人工智能编程工具Replit，2024年8月年化收入仅为200万美元，随后在2024年达到1000万美元，至2025年2月跃升至3200多万美元，2025年7月更是飙升至1.44亿美元。经过最新融资，Replit估值已高达30亿美元。

来自瑞典的AI编程助手Lovable，据Techcrunch报道，其年度经常性收入在2025年7月已突破1亿美元大关。Lovable自推出以来仅用八个月就实现了这一里程碑，而2025年6月其公布的年经常性收入为7500万美元，据此推算其单月收入高达2500万美元。

与其他AI编程产品相比，Lovable的突出亮点是其AI驱动的网站与应用构建器。在最近一轮融资后，Lovable的估值已达到18亿美元。

另一款规模更大的AI编程产品Cursor，同样取得了不逊于上述明星产品的营收成绩。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，而三个月前公开报道的年化收入还为2亿美元，期间收入增长了3亿美元。最新公开报道显示，Anysphere的估值已达到200亿美元。

AI垂直应用，本质上是大模型厂商最核心的“token消耗者”。它们拥有精准的目标用户群，借助大模型的卓越能力与精巧的产品设计，直接服务最终用户。正是这种便捷的应用接口，分流了一部分原本可能直接流向大模型厂商的用户，这也解释了为何连Sam Altman都要亲自下场布局AI编程产品。

AI编程接棒此前的明星赛道如AI陪聊、AI视频及AI教育产品，成为投资者追捧的新热点。然而，在这片繁荣景象之下，难以忽视的成本困境同样清晰可见。

根据The Information的报道，随着用户需求暴涨，编程助手Replit的毛利润率在36%到14%之间大幅震荡。

这一剧烈的波动区间，揭示了AI编程赛道繁荣表象下的潜在风险。综合国内外各类公开信息，我们发现AI编程助手企业的普遍毛利率较低，大致维持在30-40%的水平。

图：AI编程赛道代表性公司的基本毛利率情况

低毛利率的核心根源，在于难以压缩且在一定程度上不可控的大模型token成本，而这正是AI编程助手产品的“灵魂”支柱。

再以另一款AI编程产品Windsurf为例，其架构成本通常高昂，特别是大型语言模型的使用成本。在激烈竞争下，为了维持用户产品黏性，每当大模型厂商发布新一代模型，AI编程产品往往被迫“跟进”，将底层模型升级至最新版本。

新模型通常带来任务完成度与效果的提升，而技术背景深厚的AI编程用户对于模型是否保持最新版本往往非常敏感且挑剔。如果AI编程产品不采用新模型，很容易导致部分用户流失。现阶段，几款热门的AI编程产品尚未形成截然不同的发展路径，未能构建起区别于竞品的核心竞争力。

从价格维度看，一方面，随着主要模型厂商在模型发布频率与性能上竞相角逐，单个token的价格呈下降趋势；另一方面，模型效果满意度持续提升，推动了用户实际使用量以更快的速度飙升。模型token价格下降一倍，很可能导致模型使用量增长数倍甚至十倍，连接两者的桥梁——AI垂直应用企业的利润空间因此被大幅挤压。大模型API调用的Token成本，无法随着业务规模扩大而被有效摊薄。

这与传统SaaS企业（如Salesforce或Zoom）以及典型的订阅模式代表Netflix的财务模型形成鲜明对比。

02 矛盾的主要成因：token与Scaling带来的成本困境

Anthropic的联合创始人Dario Amodei曾在一期播客节目中，描述了模型投入成本与所产生收入之间的循环过程：

1.2023年，你花费1亿美元训练一个模型；

2.2024年，该模型创造了2亿美元收入。同时，依据扩展定律，在2024年你必须投入10亿美元继续训练模型；

3.2025年，模型带来20亿美元收入。同理，2025年训练模型的成本可能攀升至100亿美元。

从传统财务视角审视：

第1年无收入，公司净亏损1亿美元，

第2年尽管获得2亿美元收入，但训练模型支出10亿美元，净亏损8亿美元；

第3年获得20亿美元收入，训练模型耗费100亿美元，净亏损80亿美元。

这是一个令人警醒的循环。尽管Dario Amodei的描述针对大模型厂商，但对于AI垂直应用赛道，同样存在类似的“成本悖论”。

该赛道本质上是大模型厂商的“token消费者”或分发渠道。对于这些创业公司而言，Token成本本质上是随使用量变化的变动成本，而非固定成本，几乎不存在边际效应递减，这意味着：

• 每增加一个用户，就对应增加一份Token消耗；

• 每多一次API调用，就产生一笔额外成本；

• 用户任务越复杂，消耗的token越多，相应成本越高。

我们可以构建一个简化的单位经济模型来说明此问题：假设一款AI产品定价为每月10美元，当用户量级变化时，收入与成本变动如下：

•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，毛利率仍为40%。

这种成本结构揭示了一个残酷现实：token成本具有刚性，难以压缩，且是确凿的销售成本，是毛利润率的致命制约因素。收入增长越快，成本膨胀越迅速，毛利率甚至可能不升反降。

这正是单一订阅模式的弊端，也是其与Netflix这类订阅服务或传统SaaS模式的核心差异点——其成本无法随用户增长而有效分摊，而是与订阅量同步增长。

此外，企业进行市场拓展时，订阅模式也可能并非理想的收费方式。许多AI垂直项目在欧美市场能够跑通（依托高端用户与高订阅渗透率），但在其他市场往往付费率较低，商业模式不稳定。由于经济发展水平差异，全球范围内许多国家的用户对订阅制较为抵触，更习惯一次性买断或“免费+广告”模式。

03 AI应用个体困境：护城河太低，竞争太卷

目前市场上众多的AI编程工具，在核心技术层面并无本质区别。以Cursor为例，其架构基于Electron封装的VS Code，配合类似Copilot的智能代理组成，代理部分负责token调用与任务处理流程，其他编程工具也大同小异。

本文重点探讨的几款AI编程产品虽已是行业佼佼者，但它们之间的差异，仅体现在非常有限的领域，如用户界面风格、开发环境便捷性等，而这些细微差别显然无法构筑坚实的竞争壁垒。

•Lovable：面向非技术背景的创业者、小团队及初学者，简化应用创建流程，降低技术门槛；

•Replit：适合个人开发者与小规模团队，提供“安全护栏”功能帮助新手快速入门；

•Cursor：面向经验丰富的开发者，尤其是VS Code忠实用户，需要更多的技术交互；

•Windsurf：定位为一站式智能开发环境，适合初、中级开发者，用户界面接近现代集成开发环境。

而它们共同争夺的程序员群体规模究竟有多大？Slash今年5月发布的一份简单数据推测，全球开发者数量约为4700万，这一结果已比许多机构此前估计的2500万高出近一倍。

尽管拥有4700万的用户基础，但对于孕育一款具备稳定营收与利润的AI编程产品而言，这个数量仍显不足。或许，只有经过当前这些赛道明星企业的持续渗透与激烈厮杀，最终剩下一两家巨头来服务这4700万用户，才能实现可持续的商业模式。

04 破局之路：从成本结构到定价模式需要颠覆性突破

1.定价模式优化——从单一订阅到混合订阅和按算力计费

从竞争格局看，AI垂直应用创业公司面临的竞争激烈程度远超大模型企业。在强劲的资本驱动下，AI行业的公司估值模型将变得更加残酷与清晰。

订阅模式在互联网商业模式中属于挑战性较高的路径。收入增长依赖于订阅价格的提升与订阅用户数量的增加，从这个角度看几乎是复刻了奈飞的模式。这就要求企业提供的服务价值必须与其提价能力和用户增长动力相匹配。

AI应用产品本质仍属于API业务，自身难以构筑强大的护城河，因此议价能力偏弱，换言之这是一门“辛苦生意”。在激烈竞争下，即使辛苦也总有参与者愿意投身其中。当单一订阅定价模式难以为继时，转向更为复杂的定价模型成为必然选择。

首先被调整的便是token的计价方式。按任务收费无法准确反映不同任务的复杂程度与模型资源消耗，而按算力计费则能更精准地与后台实际成本挂钩，从而保障毛利率。

我们已经可以看到，迫于成本压力，已有企业开始在定价模式上做出调整：

以Replit为例，其原本收费模式是每个“检查点”（类似智能体执行一次编程任务）收取25美分的固定费用。但自公司底层模型升级后，任务运行成本大幅增加，导致毛利率直接转为负值。

公司不得不调整收费策略。7月份，Replit宣布将其定价模式从单一任务收费改为“基于算力”收费，即根据任务执行所需的计算资源进行动态定价。此项调整使得部分任务的价格从25美分上涨至2美元。

毫无疑问，这项调整有助于缓解公司当前面临的利润压力。但另一方面，也可能对订阅量产生潜在负面影响。不过Replit无需过度担忧，其他AI智能体同样面临成本压力，或早或晚也会进行价格调整，公司只是先行一步。待到行业普遍调价时，客户流失可能会放缓，订阅量或许将有所回升。

从公开报道看，Cursor似乎也在同步进行类似的定价模式优化。

2.商业模式创新——增值服务拓展

仍以AI编程应用为例，面向小微企业的市场是一个短暂的蓝海。不少企业的IT部门已开始自行开发内部AI平台供员工使用。但其技术水平参差不齐，数据安全与隐私保护措施也不够完善，这为AI垂直应用产品提供了增值服务的空间。

通过提供私有化部署方案，将数据安全、隐私保护等高级服务作为增值模块集成到AI垂直应用服务中，既能增加收入来源，又能扩大企业服务范围，同时增强整体服务的安全性与稳定性。

AI垂直应用在服务用户过程中，会积累海量的用户行为数据与行业数据。这些数据经过清洗与分析，可以为企业客户提供高价值的行业洞察报告、趋势预测或用户行为分析。例如，AI编程工具可以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洞察报告。

3.大胆畅想——重新定义行业定价范式

回顾2023年OpenAI的生成式AI横空出世，三年后的今天，AI已悄然渗透到日常生活的诸多方面。如今，人们口中的“Deepseek说”已颇具权威性。在不久的将来，大模型或许将成为我们身边新型的“水、电、燃气和移动数据流量”。在这一设定下，AI垂直应用将衍生出更加多样化的定价模式。

不妨打开思路，直接参考公用事业（如水、电、燃气）的收费方式——按使用量计费，并结合阶梯定价。用户可预先以较低价格“储存”一定量的token，使用完毕后，再以稍高的价格购买新的token。我们身边更直接的参考对象是“移动数据流量”这个庞大却常被忽视的体系。

AI垂直应用的定价完全可以借鉴移动数据流量包的多样套餐模式，设计“基础订阅费 + 弹性流量包/算力包”的组合。用户可根据自身实际使用量，选择不同档位的套餐。当使用量超出套餐包含的token时，可额外支付token费用或购买新的“token加油包”，甚至允许当月未使用的token余额结转至次月。

05 结语：尽管很难，但我们再也回不到没有AI的日子

AI大模型无疑是这个时代最激动人心的技术变革之一，而AI垂直应用的蓬勃发展则更快地拉近了普通人与AI的距离。

我们已经切身享受到大模型带来的红利：工作中的重复性、繁琐性任务，以及那些我们不愿亲力亲为的工作，都可以交由AI处理。它既是我们的得力助手，也是循循善诱的导师。可以预见，随着大模型的持续迭代升级，我们将更加离不开AI，也无法再回到没有AI辅助的过去。

既然AI正变得像移动数据流量一样普及，那么是时候跳出纯粹技术的思维框架，从更贴近日常消费的角度去思考定价策略，这本身未尝不是一种有价值的创新。

当前AI垂直应用面临的成本困境，未来必将被巧妙的商业模式所破解。在中国市场，这一进程尤其值得期待——正如DeepSeek V3.1通过算法创新助力中国芯片算力产业实现生态化突破一样，中国AI应用产业也将在探索中走出一条特色发展之路。

本文基于公开资料撰写，仅作为信息交流之用，不构成任何投资建议。