AI 应用的财务模型

今天看到篇《晚点》的报道讨论 AI 应用的收入问题。里面说到 AI 应用的财务模型：

毛利差距也大。美国老牌风险投资机构 Bessemer 曾研究过 20 家高速增长的 AI 公司，发现很多在商业化第一年就接近或达到 1 亿美元 ARR，但平均毛利只有约 25%；传统云软件成熟期的毛利通常在 70% 左右。

…

这样的先例很多。据 The Information 报道，Perplexity 2024 年对外公布的毛利率约 60%，但那是因为公司把约 3300 万美元、主要花在免费和试用用户身上的计算与网络成本计入了研发费用；若计入营业成本，毛利率是负数。

Cursor 也类似：其内部财务资料显示，截至 2026 年 1 月的季度毛利率为 -23%；把免费用户的推理成本也算进去，约为 -31%。

吴显昆怀疑，这样的环境下，资源有限的创业公司还有没有必要继续玩这个游戏。他看到办公类 Agent 产品，增长期毛利极端的低到 -200%，有的 -40%，好一点的 0% 到 10%。Kuse 因为一直盯着商业模型，才勉强做到毛利为正。

他认同 Fireworks CEO Lin Qiao 对初创公司处境的概括——“scaling to bankruptcy”：越增长，离死亡越近。

这让我想起来年初在跟的一个项目 CEO 抱怨自己的 AI 应用在用户量上去之后，token 成本也上去了，有时候感觉宁愿少来一点用户我们的一些讨论：

图 1. 今年春天的一次讨论

不管是创业还是投资，都要记得 token 成本是随用户数线性的（和之前几乎没有边际成本的软件完全不同）。如果应用的价值还不愿意让用户付超出 token 成本的费用，那最好别做/别投。

《数学六大核心概念》

活着的数学家里最强（这是 Big Think 频道的标题）也是用 AI 用得很深的陶哲轩今年会出一本科普读物《数学六大核心概念》，涵盖数（Numbers）、代数（Algebra）、几何（Geometry）、概率（Probability）、分析（Analysis）、动力学（Dynamics）。

我今天看了他在 Big Think 上的宣传视频（国内已经有人转了），关于数学的部分真的是娓娓道来，特别是做研究的一些实践与感想，对认真干任何事情的人都普遍适用。

我觉得最有意思的是关于他自己使用 AI 的一些感受和想法。

他说：

It’s like having someone who knows a lot and is slightly drunk and is throwing out ideas, but with enough guidance, you can actually extract useful output.

同时他觉得关于 AI 的讨论常常陷入简单任务和困难任务的一维划分。但实际情况是，AI 和人类的能力是互补的，人类擅长深度，AI 擅长广度，大家的差异不是能力而是维度。

这和之前 Davide Piffer 的思路非常吻合：

AI Isn’t Outthinking Mathematicians. It’s Out-Remembering Them.

同时他指出了 AI 的几大不足，我想大部分深入使用 AI 干一些复杂工程的人都会有一些共鸣。

比如实际 ROI。陶哲轩说跑 First Proof （由 11 位数学家设计的还未公开的题目集，专门用来做 AI 数学能力的基准测试）模型厂商只聊解出来了多少题，没公示 token 成本。

这跟我们有一些管理人员很久不写代码用 AI 整了一个看得过去的落地页就兴奋得睡不着觉一样，不算账的时候总是容易开心一点。

再比如，解决复杂问题的过程，什么地方难什么地方精彩，上手干的人有很深的感受，所以从做事到最后产出论文都有自己的节奏。

但用 AI 就像坐直升飞机往终点直飞，忽略地面实际地形，也没有哪里难哪里容易的概念，所以某些简单的部分可以搞得很复杂，某些该深入解释的地方却一笔带过。