美国 AI 企业营收高速增长，商业路径清晰，而国内 AI 虽技术不断突破，却面临商业化困境，盈利艰难，甚至部分创新产品外流，背后折射出中美在 AI 发展逻辑与产业结构上的差异。
过去一年，Meta在AI上的出手堪称疯狂：斥资百亿收购Scale AI 49%股份、砸下上亿美元挖人补强团队，还任命年仅26岁的Alexandr Wang为Meta首任“首席AI官”。
按今年的预测，Meta的资本支出强度达到了惊人的35%收入占比。也就是说，每100美元收入，就要拿出35美元砸进AI，几乎压上了自己的大部分家底。
像Meta这样“豪赌AI”的公司，在美国还有三家：微软、谷歌、亚马逊。
根据这四大科技巨头公布的财报预测，今年它们在AI相关的资本支出将高达4000亿美元，主要投向AI基础设施建设。
这个数字，比整个欧盟2023年一整年的国防开支还多，也正在彻底甩开我们。
即使考虑未上市公司如字节等等，加上承担基础任务的运营商AI资本开支，根据中金估计，2025年国内AI整体资本开支也不会超过5000亿人民币。
很多人把两者差距归因于“算力瓶颈”。但问题的根本，不只是有没有GPU，而是：有没有一个足够明确的商业逻辑，能撑起万亿级别的投入。
美国已经快速找到了这个逻辑。
从数据上看，美国AI赚钱速度越来越快了。OpenAI+Anthropic的年化营收将在今年底突破290亿美元，投行预计到2026年底，这一数字或将上升至600-1000亿美元。初创公司主导的AI应用也在C端、B端全面开花。
反观国内，AI商业化始终没有找到合适的答案。哪怕是可灵AI这样跑出来的产品，70%以上的营收也来自海外。
更严峻的是，在地缘政治的不确定性下，原本诞生于中国的AI创新正加速“外溢”。Manus、Lovart、Heygen等公司，或将总部迁往新加坡、美国，或干脆在海外成立公司。
这些外迁的动作，并不只是为了“更接近海外市场”，更深层的原因在于——国内难以跑通的商业路径，正在压低资本开支的回报预期。
在全球科技竞争中，国内的科技公司正面临日益增长的结构性壁垒。即便撇开芯片限制不谈，如果AI商业化路径迟迟跑不通，资本开支的回报率就难以建立。而一旦回报率持续走低，我们在AI赛道上与美国的差距只会越拉越大。
只赚吆喝不赚钱，或许才是我们AI产业表面“繁荣”背后最大的隐忧。
AI赚钱的速度，远远超出了所有人的想象。
过去一年，最惊人的不是AI模型的更新速度，而是它带来的商业变现斜率。
先看头部选手：
去年底，OpenAI年化收入（ARR）是55亿美元，今年6月突破100亿美元，最近《纽约时报》披露，其收入已经达到120–130亿美元年化收入，年底将达到200亿美元，增幅接近300%。
Anthropic的增长更加夸张。Anthropic去年ARR仅10亿美元，今年上半年达到40亿，年底预计将突破90亿美元，同比暴增800%。
也就是说，到今年年底，OpenAI+Anthropic的合计ARR将达到290亿美元。投行预计，按这个速度增长，到2026年年底这一数字可能攀升至600-1000亿美元。
这是什么概念？亚马逊的云计算业务AWS去年全年收入是1076亿美元——两家头部大模型厂商花了3年就几乎重造了一个AWS。
而这场爆发，并不只存在于基础模型层。在应用端，无论是面向消费者（C端）还是企业（B端），美国AI市场都跑出了令人瞠目结舌的收入曲线。
在C端市场，以AI编程为代表的初创公司开始爆发：
定价20美元/月的AI编程Agent Cursor的ARR已经到达5亿美元，吸引了全球超过36万用户；AI编程产品Lovable在2个月内实现了1000万美元收入，并在第8个月做到了1亿美元的ARR。
即使小众的AI应用，也有不俗的商业化表现。
Tolan是由Portola开发的AI伴侣应用，上线仅几个月，年经常性收入(ARR)就达到了1200万美元。AI视频编辑工具OpusClip ARR也达到了2000万美元。
而B端市场，更是成为了AI最重要的造富机器，跑出了一批高估值、收入增长迅速的AI公司，遍布法律、客服、医疗、招聘等各个领域。
Glean（搜索）：估值72亿美元，ARR 1亿
Mercor（招聘）：估值20亿美元，ARR 1亿
Crescendo（客服）：估值5亿美元，ARR 9100万
Harvey（法律）：估值50亿美元，ARR 7500万
Clay（销售）：估值30亿美元，ARR 3000万
Abridge（医疗）：估值27.5亿美元，ARR 1亿
这些公司的共同特征是：成立不久，收入斜率极陡，产品渗透迅速，估值水涨船高。这种速度，让许多大公司都开始感到焦虑。
大厂打不过小厂”，已成为硅谷近一年来的新共识。原因很简单，这些小厂更加灵活，能在极短时间内做出符合市场需求的产品，人才也更愿意去创新的环境，而更关键的是，小厂也能拿到融资。
而就在美国AI市场沿着商业化路径一路狂飙的同时，我们的AI市场则呈现出一幅截然不同的景象。
尽管技术层面不断突破，但我们AI产业的商业化现实却显得格外冷清。
根据华龙证券的数据，2024年国内计算机行业AI应用板块总营收为768亿元，同比增长仅6.4%；归母净利润为35亿元，增幅只有2.7%。到了2025年第一季度，净利润甚至滑落至不足0.3亿元，几乎原地踏步。
对比之下，美国AI应用公司则跑出了明确的增长曲线：
以Salesforce、Adobe、ServiceNow、Palantir等9家公司为例，2025年Q1合计营收达236亿美元，同比增长12.1%，平均经营利润率高达15.8%。
数据背后，是产业结构的根本不同：
美国AI，是“小厂跑赢大厂”的创业黄金时代，跑出一大批技术型初创公司；
而国内AI，则是“大厂主导，小厂陪跑”，主流产品几乎都掌握在平台型企业手中。
比如AI编程赛道，国内最头部的产品分别来自字节（Trae）、阿里（通义灵码）和百度（文心快码），鲜有独立创业公司崭露头角。
更严峻的问题，即使跑出来的AI产品也普遍陷入了“有流量、无收入”的困境。
根据QuestMobile数据，截至今年3月，国内AI原生App的月活用户数已达2.7亿，甚至超过ChatGPT的1.8亿。但真正实现规模化变现的产品，寥寥无几。
哪怕是年收入突破1亿美元的可灵AI，70%以上营收也来自海外市场。
付费困境不仅在C端重演，B端同样难以突围。AI产品在To B市场面临着与SaaS企业类似的问题：小企业没预算，大企业靠定制，利润被反复压缩。
一端是用户体量不够，另一端是交付成本过高，真正可规模化、可复制的商业模式始终没跑出来。
于是，一大批诞生于我们本土的AI创新产品正在外流。
今年6月，Manus宣布，将总部从中国迁往新加坡，并在美国、日本设立分部。原在华团队120人中，40名核心技术骨干随之迁出，其余大部分被裁撤。在此之前，AI视频公司Heygen也将公司总部从深圳迁到了洛杉矶。Lovart更是直接将公司总部放在了旧金山。
这一轮中美AI在商业化上的分野，并非偶然，而是延续了互联网时代早已埋下的路径差异。
2011年8月，Marc Andreessen在《华尔街日报》上写下那句著名预言：“软件正在吞噬世界”，宣告了移动互联网时代的开启。
从那之后，中美互联网走出了两条完全不同的道路。
在美国，“软件”接力消费级应用浪潮，推动SaaS创业全面爆发。2010到2015年间，每年新增的SaaS创业公司超过1000家。在这期间，风险投资逐渐达到高峰，每年投入的金额都在百亿美元的级别，这些钱大部分都流入了SaaS行业。
而在中国，真正改变时代的却是消费互联网。
字节跳动以信息流重塑全球内容分发逻辑，拼多多则从下沉市场杀出重围，把电商做进了Amazon的后花园。每一个成功案例背后，都是超级App的崛起与流量入口的掌控。国内的互联网叙事，是流量驱动的一切。
借用公众号“Platform Thinking”的观点，中美的差异不仅仅服务对象的区别，而是两种底层范式的分歧：中国讲“入口”，美国讲“接口”。
其实，我们并非没有企业软件，它们大都存在大厂的「闭环」生态里，作为云计算销售的敲门砖。这些软件表面上做着企业服务的生意，仍未走出消费互联网的影子：靠烧钱换规模、用免费产品堆用户，再靠“流量变现”补血，延续的是典型的「入口」思维。
而正是这种路径依赖，构成了当下的分野：
问题在于，AI不是一款能装进App Store的新应用，它是一种“打散路径、压缩流程”的基础能力。在AI的世界里，用户不再从一个App出发，而是从问题出发、从意图出发——直接奔向结果。
带来的结果是，入口的价值被不断压缩：从“路径经济”转向“结果经济”，控制用户路径的价值也随之贬值。
这就解释了为什么美国的AI商业化跑得更快：SaaS公司原本就以“接口”思维运作，AI只不过是新的能力插件；而在中国，过度依赖“流量闭环”的打法，使得AI很难快速嵌入已有的产品与组织流程，反而出现了有技术、无场景，有用户、无收入的尴尬局面。
问题的根源，不在技术落后，而在路径僵化。真正值得警惕的，不是我们暂时落后于美国，而是我们仍在用“入口思维”去拥抱一个“接口世界”。
虽然国内AI产业在商业化上仍然存在着一些问题，但前景也并未悲观。
技术浪潮的落地方式，从来不只有一种标准答案。零售、电商、短视频……过去十年中国的每一次产业跃迁，走的都不是美国的那条路。
AI也一样。它未必颠覆我们“大厂主导”的产业结构，但一定会倒逼所有玩家，从“控制入口”转向“连接接口”：
去争夺流量的起点，不如成为生态的通路；
去封闭用户的路径，不如放大自身被调用的能力。
这，或许才是我们AI产业，真正走向商业化的分水岭。
文/林白
本文由人人都是产品经理作者【汪仔2763】，微信公众号：【乌鸦智能说】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash，基于 CC0 协议。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。