AI垂直应用：成本与增长的悖论与破局之路

在8月26日的盘后，中国AI产业的顶层设计《关于深入实施“人工智能+”行动的意见》正式发布，明确了未来5年中国人工智能产业的整体目标与路线。

作为面向应用层的指导性纲领，这份文件的出台，其实质是表明：困扰已久的算力问题即将得到突破，我们即将全面进入千行百业的人工智能应用创新周期。

这意味着，人工智能商业模式创新的价值也将逐渐凸显，与算力基础设施并行，共同形成一个“软硬一体式”的人工智能技术创新、创业周期。

从全球视角来看，今年已经是AI大模型改变科技行业的第三年。作为在算力与商业模式上均领先一头的美国，其AI应用产业面临的主要矛盾，以及众多人工智能原生公司所遇到的挑战，都值得我们借鉴和规避。

01 AI应用产业当前的主要矛盾：成本与增长难以兼顾

三年来，美国式“人工智能+”展现出：一方面，AI垂直应用领域融资新闻不断、收入增长神话频出；另一方面，却迟迟未出现全球现象级的产品。

从AI陪聊、AI视频生成、AI教育到通用AI agent，最近AI的热点又转向了编程……市场观察者们逐渐关注到科技巨头和大模型厂商统治下的阴影正在显现。

AI创新公司正面临一个根本困境——成本与增长难以兼顾。尽管AI垂直应用领域正处在一个黄金时代，增长速度惊人，但成本问题却日益凸显。

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A轮融资，其年经常性收入（ARR）从100万美元跃升至超过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达到2000万美元；Abridge以25亿美元的估值筹集了2.5亿美元；Freed的ARR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等也都在各自领域取得了显著成果。

这些惊人的估值背后，是否存在泡沫？其高估值能否持续支撑？

可以预见的是，AI编程赛道的繁荣正是大模型淘金热的一个缩影。

人工智能编程工具Replit的年收入从200万美元迅速增长到1.44亿美元，估值已达30亿美元。Lovable的年收入突破1亿美元，估值达到18亿美元。Cursor的年收入超过5亿美元，估值已达200亿美元。

然而，在这风光的背后，无法忽视的成本困境同样明显。例如，Replit的毛利润率在36%到14%之间剧烈波动。

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在播客节目中描述了模型投入成本和收入之间的滚动过程：

1. 2023年，你训练一个模型花费1亿美元；

2. 2024年，模型创造2亿美元收入，但你必须花10亿美元继续训练；

3. 2025年，模型带来20亿美元收入，但训练成本可能上升到100亿美元。

这是一个可怕的循环。尽管Dario Amodei针对的是大模型厂商，但对于AI垂直应用赛道同样存在这样的“成本悖论”。

这个赛道本质上是大模型厂商的“token消费者”或分发渠道。对于创业公司来说，Token成本是随着使用量变化的变动成本，这意味着：

- 每多一个用户，就多一份Token消耗；

- 每多一次调用，就多一笔成本支出；

- 用户任务越复杂，消耗的token越多，成本越高。

03 AI应用个体困境：护城河太低，竞争太卷

目前众多的AI编程工具在技术上并无本质差异。以Cursor为例，其架构与VS Code类似。尽管这些产品已经是行业翘楚，但彼此之间的差异仅能在非常狭窄的领域体现，显然无法形成护城河。

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

订阅模式是互联网商业模式中比较hard的模式。收入增长依赖订阅价格的提升和订阅人数的增长。AI应用产品本质上属于API business，自身无法筑起强大的护城河，因此议价权偏弱。单一订阅价格行不通，只能走更为复杂的定价模型。

2. 商业模式创新——增值服务

3. 大胆畅想—重新定义行业价格模式

05 结语：尽管很难，但我们再也回不到没有AI的日子

本文系基于公开资料撰写，仅作为信息交流之用，不构成任何投资建议。