即刻App年轻人的同好社区
下载
搞AI不如搞业务
过去几年AI行业最响亮的叙事就是“模型越强越好”，仿佛谁参数多、谁跑分高、谁率先发布，谁就是赢家。
但2026年过半，另一种声音开始越来越清晰：模型很强，然后呢？
因为你不管用什么技术，最后要回答的还是那几个老问题：你的钱从哪里来？用户为什么愿意付钱？这个生意能持续多久？
AI并没有创造新的商业模式，它只是在用更快的速度、更低的成本去跑通那些已经存在了几十年的旧赛道。
这个世界上所有生意的赚钱方式，本质上就那么几种。比如卖订阅、软件即服务，用户按月或调用频次付费以换取持续的产品使用权限。Salesforce是这么做的，Adobe是这么做的，ChatGPT、Claude也是这么做的。再比如卖广告，用户免费使用产品，平台把用户的注意力打包卖给广告主。Google是这么做的，Meta是这么做的，抖音、微信也是这么做的。还有抽交易佣金，平台撮合买卖双方，从每一笔交易里抽成，淘宝、美团、滴滴等都是这个逻辑......
现在市面上最热门的AI商业模式叫MaaS，模型即服务，简单来说就是把大模型的能力通过API按Token卖给你。这个概念听起来像是一台印钞机，模型一旦训练好了，每多卖一个Token就有源源不断的增量进来。
但现实要复杂得多，算力成本是刚性的，用户每多问一个问题，模型就得实打实跑一次推理。这不像软件的复制粘贴，一个SaaS产品每多一个用户，服务器的边际成本几乎可以忽略不计。而一个MaaS产品每多一个用户，算力成本就实打实地增加一分。
这就是为什么OpenAI每产生1美元收入就要花掉1.35美元，亏损主要由推理成本驱动。一个200美元的ChatGPT Pro订阅，如果用户把额度用满，对应的API成本最高可达1.4万美元。订阅制天然存在一个“薅羊毛”的套利空间，订阅用户的利用率一旦超过11.4%，OpenAI就开始亏钱了。
这也是为什么大模型公司正在集体从订阅制往纯API计费迁移，Anthropic约75%到85%的ARR贡献已来自基于用量计费的API业务。但API模式也有自己的天花板，价格战已经把利润率压缩到了一个并不宽裕的水平。当前海外头部大模型API业务毛利率普遍在40%至50%，国内厂商预计今年能达到20%至40%，但大量公司还没有持续验证商业模式。
所以MaaS的账算不过来，本质上是商业模式和成本结构之间还存在一个巨大的缺口。这个缺口仍需要规模效应和技术优化来一点点填补，只是问题在于你能不能活到那一天。
很多人喜欢把MaaS比作当年的云计算，亚马逊在2006年推出云计算业务时，同样经历了漫长的降价与亏损期。但AWS的核心商业模型是把闲置的服务器租出去，边际成本本来就已经被电商业务覆盖了。而MaaS的算力中心是从零开始专门为AI搭建的，每一张GPU、每一度电、每一根光纤都是纯粹的新增成本，没有任何业务可以分摊。
如果你把时间线拉长一点，会发现一个更有意思的现象。过去十年，几乎所有大厂都组建过类似AI Lab的“前沿研究机构”，他们聘请学术大牛坐镇，发表顶会论文，探索前沿方向。但这些机构最终的下场要么是被边缘化，要么被合并到业务部门，要么渐渐销声匿迹。
其原因并不复杂，基础研究和大厂的核心业务之间始终隔着一层窗户纸。研究者想发论文、追前沿，业务部门要交付、要营收，当公司开始要算账的时候，那些不直接产生业务价值的部分往往是最先被重新评估的。
今天大厂搞大模型和当年搞AI Lab在结构上非常相似，都是在追逐一个看起来很大的技术浪潮，都在投入巨额资源，都在讲一个“不跟上就会被时代抛弃”的故事。只不过区别是当年AI Lab的投入是几亿到几十亿的量级，而大模型的投入是几百上千亿的量级。当年的AI Lab是一个研究部门，今天的大模型是一个独立的事业群。但底层逻辑没有改变，大厂都在用自己的现金流去赌一个不确定的未来。
Meta曾用上千亿美元验证过一个简单的道理，如果你连自己的业务问题都没想清楚，再先进的技术和概念也只是在加速错误的方向。
搞AI不如搞业务的意思不是说别搞AI，而是别用AI去逃避你本该想清楚的业务问题。你要先想清楚你的业务到底哪里需要AI，然后再去看用哪个模型、怎么接、怎么跑，这才是对的顺序。
但很多公司把顺序搞反了，他们先买一堆GPU、招AI工程师、训练大模型，然后才开始满世界找问题。成本已经砸下去了，却连最基础的业务场景都没摸透，到最后只有英伟达在偷笑。
AI并没有那么神奇，它只是一个新的工具。商业模式的底层逻辑并不会因为技术而改变，改变的是实现这些模式的效率、成本和速度。
方向对了，AI就是你站上领奖台的放大器。方向错了，AI也是你撞向南墙的加速器。
但方向，从来不是AI能替你想清楚的。
过去几年AI行业最响亮的叙事就是“模型越强越好”，仿佛谁参数多、谁跑分高、谁率先发布，谁就是赢家。
但2026年过半，另一种声音开始越来越清晰：模型很强，然后呢？
因为你不管用什么技术，最后要回答的还是那几个老问题：你的钱从哪里来？用户为什么愿意付钱？这个生意能持续多久？
AI并没有创造新的商业模式，它只是在用更快的速度、更低的成本去跑通那些已经存在了几十年的旧赛道。
这个世界上所有生意的赚钱方式，本质上就那么几种。比如卖订阅、软件即服务，用户按月或调用频次付费以换取持续的产品使用权限。Salesforce是这么做的，Adobe是这么做的，ChatGPT、Claude也是这么做的。再比如卖广告，用户免费使用产品，平台把用户的注意力打包卖给广告主。Google是这么做的，Meta是这么做的，抖音、微信也是这么做的。还有抽交易佣金，平台撮合买卖双方，从每一笔交易里抽成，淘宝、美团、滴滴等都是这个逻辑......
现在市面上最热门的AI商业模式叫MaaS，模型即服务，简单来说就是把大模型的能力通过API按Token卖给你。这个概念听起来像是一台印钞机，模型一旦训练好了，每多卖一个Token就有源源不断的增量进来。
但现实要复杂得多，算力成本是刚性的，用户每多问一个问题，模型就得实打实跑一次推理。这不像软件的复制粘贴，一个SaaS产品每多一个用户，服务器的边际成本几乎可以忽略不计。而一个MaaS产品每多一个用户，算力成本就实打实地增加一分。
这就是为什么OpenAI每产生1美元收入就要花掉1.35美元，亏损主要由推理成本驱动。一个200美元的ChatGPT Pro订阅，如果用户把额度用满，对应的API成本最高可达1.4万美元。订阅制天然存在一个“薅羊毛”的套利空间，订阅用户的利用率一旦超过11.4%，OpenAI就开始亏钱了。
这也是为什么大模型公司正在集体从订阅制往纯API计费迁移，Anthropic约75%到85%的ARR贡献已来自基于用量计费的API业务。但API模式也有自己的天花板，价格战已经把利润率压缩到了一个并不宽裕的水平。当前海外头部大模型API业务毛利率普遍在40%至50%，国内厂商预计今年能达到20%至40%，但大量公司还没有持续验证商业模式。
所以MaaS的账算不过来，本质上是商业模式和成本结构之间还存在一个巨大的缺口。这个缺口仍需要规模效应和技术优化来一点点填补，只是问题在于你能不能活到那一天。
很多人喜欢把MaaS比作当年的云计算，亚马逊在2006年推出云计算业务时，同样经历了漫长的降价与亏损期。但AWS的核心商业模型是把闲置的服务器租出去，边际成本本来就已经被电商业务覆盖了。而MaaS的算力中心是从零开始专门为AI搭建的，每一张GPU、每一度电、每一根光纤都是纯粹的新增成本，没有任何业务可以分摊。
如果你把时间线拉长一点，会发现一个更有意思的现象。过去十年，几乎所有大厂都组建过类似AI Lab的“前沿研究机构”，他们聘请学术大牛坐镇，发表顶会论文，探索前沿方向。但这些机构最终的下场要么是被边缘化，要么被合并到业务部门，要么渐渐销声匿迹。
其原因并不复杂，基础研究和大厂的核心业务之间始终隔着一层窗户纸。研究者想发论文、追前沿，业务部门要交付、要营收，当公司开始要算账的时候，那些不直接产生业务价值的部分往往是最先被重新评估的。
今天大厂搞大模型和当年搞AI Lab在结构上非常相似，都是在追逐一个看起来很大的技术浪潮，都在投入巨额资源，都在讲一个“不跟上就会被时代抛弃”的故事。只不过区别是当年AI Lab的投入是几亿到几十亿的量级，而大模型的投入是几百上千亿的量级。当年的AI Lab是一个研究部门，今天的大模型是一个独立的事业群。但底层逻辑没有改变，大厂都在用自己的现金流去赌一个不确定的未来。
Meta曾用上千亿美元验证过一个简单的道理，如果你连自己的业务问题都没想清楚，再先进的技术和概念也只是在加速错误的方向。
搞AI不如搞业务的意思不是说别搞AI，而是别用AI去逃避你本该想清楚的业务问题。你要先想清楚你的业务到底哪里需要AI，然后再去看用哪个模型、怎么接、怎么跑，这才是对的顺序。
但很多公司把顺序搞反了，他们先买一堆GPU、招AI工程师、训练大模型，然后才开始满世界找问题。成本已经砸下去了，却连最基础的业务场景都没摸透，到最后只有英伟达在偷笑。
AI并没有那么神奇，它只是一个新的工具。商业模式的底层逻辑并不会因为技术而改变，改变的是实现这些模式的效率、成本和速度。
方向对了，AI就是你站上领奖台的放大器。方向错了，AI也是你撞向南墙的加速器。
但方向，从来不是AI能替你想清楚的。
32 88
来自圈子
AI探索站
115717人已经加入