有用户、有收入，AI 应用却不是好生意？

过去做软件，服务器成本几乎可以忽略，多一个用户边际成本趋近于零，所以"拿到用户 = 拿到利润"。AI 应用不一样：它的原材料是模型推理，每多一个用户、每多一次调用，都要向上游（模型厂、云厂商）付钱。这意味着独立应用的毛利，取决于它自己控制不了的那部分成本。

所以三个问题其实是同一件事的三种说法——谁掌握"底座"（算力 + 基础模型），谁就抽走产业链里最大的一块剩余价值。应用公司既不是成本的拥有者，又往往是上游的竞争对手，自然两头受压。

知识空间产品 Kuse 曾 60 天做到 900 万美元 ARR，后称破 1000 万，创始人吴显昆今年却开始反思：AI 应用本质上都在"卖 token"，把几个大客户的年费 annualized 一下就成了千万 ARR，这和电商 GMV 没什么两样。更致命的是成本结构——每送给新用户几美元试用额度，用户越多，推理费越高。Kuse 年初一度爆亏，不得不主动压低增长。

Fireworks CEO 的话被反复引用："scaling to bankruptcy"——越扩张，越接近破产。Perplexity、Cursor 的毛利率在把免费用户的推理成本计入后实际为负。这不是某家公司经营差，而是这类生意的"均衡态"：当你每单的变动成本由竞争对手定价，增长就是把收入源源不断交给上游。

这就像一家零售商，每多卖一件货，就要按销量给制造商交一笔越来越高的分成——规模越大，自己越空。

Devv Search 曾靠"给代码搜索结果加引用和验证"半年赚到数十万美元，规划做三五年。但 2024 年 6 月 Claude 3.5 Sonnet 一出，模型自己就能写、改、跑代码，搜索阶段直接被跳过。更早的 AI 写作、论文工具，在 Kimi、DeepSeek 能免费写长文后收入归零。a16z 的数据更冷：2023–2025 消费 AI 前 50 名，只有 14 家每次都在榜。

关键不在于某次升级"吃掉"了谁，而在于升级的节奏在加速。Epoch AI 估算，2024 年 4 月后前沿模型能力提升速度从每年约 8 个指数点提到约 15 个点，接近翻倍。应用公司失去的往往不是眼前用户，而是"未来的可能性"——他们必须跑得比模型升级更快，才有下一次机会。

模型大厂有动力也有能力亲自下场：模型趋同后，单卖 API 撑不起训练投入，做应用成了回收利润的方式（布鲁金斯学会的分析）。Anthropic 在 Cursor 验证需求后推 Claude Code；OpenAI 的 Deep Research、Codex、ChatGPT Work、Sites 不断向下游扩张。国内同理——腾讯 Workbuddy、阿里千问办公、字节豆包办公集体杀入办公 Agent，易观统计 3–6 月该领域流量翻倍，但三分之二流向大厂三款产品。一位投资人年初看的项目，坚持到现在的只剩个位数。

这像极了当年的微软：把 IE 绑进 Windows、把 Teams 塞进 Office。平台一边提供基础设施，一边进入下游产品——在 AI 时代只是更赤裸。

创业者大致分三路，但看清本质后，它们其实是同一个逻辑——离开被抽租的中间层：

1往下逃（卖结果）：OiiOii 不做补贴战，进垂直行业做交付，两分钟视频从工具价 200 元卖到 1 万——靠的是"符合需求的真实交付"，离客户价值更近，抽租更难。论文工具团队回到 500 万学生做 AI 培训"重交付"。

2往上逃（做模型）：Cuflow 团队因"永远是租客"的不安全感，停更应用转训实时交互视频模型，两三月拿 21 家企业意向——自己掌握底座，就不再是被抽租的那一层。

3躲（找空白）：做模型"不会做"的画布交互，但容易越做越小众。Kuse 打磨半天文档画布阅读，最后承认"可能根本没多少人愿意在画布上读 PDF"——躲错了方向，只是躲进一个没用户的角落。