AI编程：光鲜背后的商业困境

AI编程，并非总是那么光鲜亮丽。

知名财经媒体Business Insider最近报道，AI编码工具公司普遍亏损严重，原因在于其成本高昂，利润率极为微薄。

在订阅模式下，AI编程公司只能收取固定费用，但成本却随着用户调用量的增加而无限放大。例如，Anthropic的一个用户跑了100亿个tokens，价值上万美元，但他每月只需支付200美元。

这种成本与收入的错位，是“套壳产品”普遍面临的困境：成本定价权掌握在头部模型厂商手中，创业公司毫无议价空间；而在收入端，由于竞争激烈和留存率低下，公司不敢轻易提价以转移成本。

因此，企业只能依靠补贴来维持表面上的繁荣，看似实现了规模化增长，实际上却在“用10美元卖20美元”，最终亏损由投资人承担。

AI编程：只赚吆喝不赚钱

今年最热门的AI应用莫过于AI编程。来看一组数据：

Cursor仅用21个月就从0做到1亿美元年收入，最新ARR已冲到5亿，人均创收320万；

Replit更厉害，从1000万到1亿ARR仅用6个月；

Lovable在8个月内突破1亿ARR，人均创收222万，估值达18亿美元。公司首席执行官Anton Osika表示，预计到今年年底ARR将达到2.5亿美元，并希望在未来12个月内达到10亿美元。

这种速度前所未有。极致的单位经济模型加上超短的放量周期，看似是AI生产力兑现商业价值的终极范本。

然而，这个“泡沫”最近被意外戳破了。

Business Insider（商业内幕）报道，AI编码工具公司可能亏损严重，原因在于其成本高昂，利润率极为微薄。

原因很直接：Cursor等AI编程的变现一直依赖订阅模式，过去甚至允许“无限”使用。例如，Cursor Pro定价为20美元/月且不限调用量；Anthropic每月收费200美元也不限次数。

这意味着用户可以用很少的钱获取大量服务。一些人支付会员费后就用大型项目疯狂轰炸一两周就能跑出几千美元的AI推理成本。

甚至有人建立了排行榜来比拼“薅羊毛”能力。在Claude Code排行榜上最多的一位开发者累计调用了近110亿个代币。

这是什么概念？100亿个代币换算成文本相当于5万套《哈利波特》全集的字数。即使按GPT-4o的价格算他需支付6.6万美元。而现在他每月只需支付200美元一年下来Anthropic最多只能收到2400美元。

可怕的事这并不是个例。根据排行榜显示排名靠前的开发者的代币使用成本接近35000美元远高于他们支付的费用。

“所有‘代码生成’产品的利润率要么是中性要么是负值。它们简直糟透了。”Mocha创始人Nicholas Charriere说。

只赚吆喝不赚钱并非个别公司而是整个AI编程行业的共性。投资机构Bessemer的研究也印证了这一点。

过去三年里Bessemer在AI领域投资超过10亿美元。最近他们研究了AI领域增长最快的20家公司发现了一个有趣的现象：

有一类初创公司正以软件行业前所未有的速度增长。它们在商业化的第一年就能做到4000万美元ARR第二年甚至直接超过1亿美元同时展现出惊人的人效比人均ARR达到惊人的113万美元是传统SaaS基准的4到5倍。

但这并不意味着业务很健康因为这类公司的毛利率仅为25%甚至很多还是负数

也就是说它们的增长很大一部分是以牺牲利润换来的。看上去AI编程的火爆不仅是高光的故事也是深埋的隐忧。

成本控不住 涨价也费劲

亏损换规模这在互联网的故事里早已见怪不怪。

真正关键的并非亏损本身而是是否有清晰的路径能走向正毛利。只要能提高利用率、控制密度、逐步拿到定价权那么补贴就能被视为过渡。

问题是AI编程公司为什么会亏？

从成本端看虽然推理单位成本一直在下降但对AI编程的盈利来说几乎没改善。因为一个项目规模动辄上亿tokens即使单价降了总账依旧庞大。

更致命的是用户都只认“最强模型”而“最强模型”只掌握在OpenAI、Anthropic等少数头部手里。这让Cursor们的成本被死死钉在别人定价上毫无议价权。

而且模型调用是可变成本调用越多费用越高。这和传统SaaS完全相反。软件用户越多边际成本越低；而AI编程用户越多成本压力越大。于是越火爆越烧钱。

理论上提价是缓解方式但现实中竞争让公司不敢轻举妄动。

今年6月Cursor尝试了一次：把Pro套餐从不限量改成“计算额度”每月只包含20美元的模型资源用完要自掏腰包同时新增200美元的Ultra套餐主打重度用户。结果用户在Reddit上集体吐槽“被突然多扣了账单”CEO只好发推公开道歉。

这凸显了一个死结：贸然提价风险极大因为客户留存本就脆弱

“AI编程的客户流失率高达20%-40%。”StackBlitz CEO Eric Simons直言相比传统网站建设工具Wix的流失率低得多因为它的收入更多来自托管和其他高粘性服务而不是一次性的项目创建。

被忽视的BMPF

“在AI时代找到PMF（产品市场契合度）的门槛大大降低但真正决定公司能否走得长远的往往是更容易被忽视的那件事：BMPF（商业模式与产品的契合度）。”

“这不仅仅是AI编程的问题而是所有‘套壳产品’都需要面对的事情。”

“AI的出现让找到PMF的门槛大幅降低出现了很多‘套壳产品’。这些产品距离底层模型太近功能差异化有限为了抢用户会用低价甚至补贴换增长利润率接近零甚至为负。”Pace Capital的Chris Paik在文章《Cursor's Problem》中写道。

“在这种情况下AI公司的业务结构很容易就变成了‘固定收入、可变成本’。这类模式并不新鲜保险公司也一样。但不同的是保险公司有精算师可以通过风险定价、用户分层、设置上限和排除条款来守住利润。显然AI编程公司没有这种能力。”

“当成本会随着使用量上涨而收入却不变时你卖的不再是软件而是在替用户承保风险。”缺乏精算纪律比如合理定价、用户分层、调用上限、排除条款这种模式迟早会滑向MoviePass、Oyster的老路。”