个人知识库

AI商业化趋势

56分钟阅读

AI商业化趋势

AI行业从”讲故事”到”看账本”的商业化转型：免费模式承压、付费与广告双轨并行、企业落地从试点走向体系化

核心观点

  1. AI行业处于”夏天”——叙事与交付并存：采用六维周期打分框架（叙事vs交付、系统连通性、交付能力、ROI合理化、行业普遍现象、资本环境），AI行业得分6分（满分12分），对应”夏天”阶段。特征是想象空间还在，但账本已经摊在桌面上；资本还能投，但开始问回报。（来源：2026-06-03-woshipm-ai-commercial-trends）

  2. 免费AI模式面临结构性成本困境：豆包3亿用户、日均120万亿Token调用，按API折扣价折算每天应有3-5亿元收入，但C端收入为零。字节2025年资本开支约1600亿元，其中900亿用于AI算力采购。单次推理硬件折旧占58%、电力成本29%，规模越大亏损越多。（来源：2026-06-03-woshipm-ai-commercial-trends）

  3. 头部AI公司估值格局重塑：Anthropic以470亿美元年化收入和9650亿美元估值超越OpenAI成为全球最高；DeepSeek获国家大基金领投100亿美元；Kimi半年融资超39亿美元。估值逻辑从”看想象空间”转向”看收入能力”。（来源：2026-06-03-woshipm-ai-commercial-trends）

  4. Token定价进入”高端涨价+低端杀价”分层时代：智谱、腾讯混元（涨400%+）等高端API涨价，阿里云取消基础套餐；同时DeepSeek V4-Pro打到0.25元/百万tokens、豆包2.0 Lite低至0.6元。厂家在成本压力下分化为”高端品质”和”低价量大”两个方向。（来源：2026-06-03-woshipm-ai-commercial-trends）

  5. 企业AI落地的核心路径是”先跑通闭环，再铺成体系”：80%企业AI落地失败源于贪大求全。最佳实践是三步走——找最小切口跑通价值闭环（小·准·快，3个月止损）、从试点复制到组织能力沉淀（AI中台+提示词库+三层人才梯队）、最终体系化重构（串行变并行、实时看板、自动化触发链）。（来源：2026-06-03-woshipm-ai-commercial-trends）

  6. To A是继To C、To B之后的第三种互联网商业模式：王兴在美团2026年Q1财报电话会上提出To A概念，把AI Agent从工具重新定义为客户——美团要考虑的是怎么让Agent更愿意推美团，而不是让用户更愿意打开美团。同一周内美团小美接入腾讯元宝、京东与腾讯合作对接华为/OPPO/荣耀、OpenAI把Booking/Spotify/Expedia接进ChatGPT，十年商战壁垒在Agent面前一周内瓦解。（来源：2026-06-09-woshipm-to-a-era）

  7. Agent时代流量分发逻辑正在被结构性替换：当前是”想订外卖→打开美团”的App各守入口模式，Agent时代是用户说”帮我定明晚的日料”→Agent意图理解→调用服务→完成下单，全程不打开任何App。如果用户只跟Agent说话，传统App可能被彻底绕过——这才是大厂们真正感到危险的地方。（来源：2026-06-09-woshipm-to-a-era）

  8. 三大To A战略路线正在形成：超级入口+服务方（腾讯元宝/ChatGPT争用户需求第一站）、App封装为可被Agent调用的服务（美团/京东/Uber宁可退到后台能力层也不能被绕过）、系统级Agent入口（华为/OPPO控制手机系统入口做分发）。阿里走第四条路：先向内打通生态闭环。所有路线争的都是To A新链条里一个不可替代的位置。（来源：2026-06-09-woshipm-to-a-era）

  9. 入口方和服务方的利益裂缝是To A模式的结构性风险：元宝今天调用美团，明天可能让餐厅直接在自己平台登记跳过美团；ChatGPT今天接入Booking，明天可能直连酒店库存绕过OTA。前车之鉴：微信小程序吸走轻量App、谷歌地图消灭地方导航。Agent推荐还可能演变成新的竞价排名，让服务方为自己的用户流量付”过路费”。（来源：2026-06-09-woshipm-to-a-era）

  10. Token中转站暴利模式揭示了AI定价体系的灰色地带：当官方Token定价进入”高端涨价+低端杀价”分层时代时，第三方Token中转站以低于官方50%以上的价格聚合GPT、Claude、Gemini等模型接口。孙宇晨B.AI一天补贴10万元、傅盛Easyrouter接入40余个模型，名人入局证实了需求的真实性。但中转站的进货渠道五花八门（免费额度号池、大厂员工私搭、会员账号共享），掺水概率高达60%（Claude被掺水最严重），“西瓜的皮”站长因帮助用户跨境访问被上海警方刑拘37天。真正赚钱的不是Token差价（正规渠道利润已压缩至30%），而是收学员和做AI陪跑服务的知识付费模式——有粉丝基础的博主发帖24小时内2000-3000人入群。这说明AI商业化中存在一个巨大的”价格套利”市场，但监管风险和信任危机正在挤压这个窗口。（来源：2026-06-09-woshipm-token-resale-intermediary）

  11. 模型分工是 AI Agent 商业落地的关键架构策略：Google 的策略是大型模型（Gemini Pro）负责规划与复杂推理，小型模型（Gemini Flash）负责高效率执行与即时互动。在实务中并非所有任务都需要最强推理能力，大量任务更依赖低延迟与高频互动。这种”大模型规划 + 小模型执行”的分工架构解决了成本与速度的瓶颈，让 Agent 可以真正大规模部署。AI 已不再靠单一”最強模型”单打独鬥，而是多模态、多模组共同作战。（来源：2026-06-19-cloudmile-ai-agent-gemini）

  12. AI商业化的三种终局模式：健身房、云服务、结果收费：C端”健身房模式”——订阅+额度+超额包，核心赌注是用户愿意付费但不要用得太狠，但AI最有价值的用户恰恰是最高频最高成本的用户；B端”云服务模式”——后台按token/资源结算，前台按价值收费，企业客户关心的是客服成本有没有下降、代码交付有没有变快；“结果收费模式”——卖可验证的业务结果而非模型或token，把token封装成工作流，把算力变成结果，把结果变成账单。（来源：2026-06-19-woshipm-ai-commercialization-endgame）

  13. AI的第一性原理不是”流量”而是”算力”：过去做App可以先免费先DAU再变现，内容分发的边际成本相对较低。但AI每一次交互都要消耗算力——用户越活跃成本越真实，上下文越长显存越紧张，输出越复杂GPU占用时间越长。这意味着”先用户后商业化”的移动互联网式AI叙事是幻觉，用户增长和成本增长高度绑定。（来源：2026-06-19-woshipm-ai-commercialization-endgame）

  14. Token是AI时代的电表，GPU的经济寿命是基建最大变量：token是模型处理信息的基本计量单位，每一次token都能换算成GPU时间、电费、显存、调度和折旧。GPU的寿命不只是物理寿命，更是经济寿命——新一代芯片性能更强能耗更低，旧卡的单位token成本过高就会被经济报废。短期看卖铲子的最确定，中期看市场关心ROI，长期看真正的赢家在掌握算力入口的基础设施公司、掌握企业工作流的软件公司、能把AI直接转化成业务结果的垂直应用公司三个地方。（来源：2026-06-19-woshipm-ai-commercialization-endgame）

  15. 连接密度是AI产品趋同后的真正护城河：模型能力趋同是大势所趋（GPT-4o半年Claude追上，一年后开源逼近），每半年洗一次牌，但场景连接不会洗牌。连接密度由四层构成——上下文层、规则层、执行层、兜底层。“做深”不是给用户指路，而是牵着他的手走到目的地。生态整合壁垒远大于单点功能竞争——大厂SDK不知道客户审批流程有几级、哪些人有权限、驳回之后走什么分支。连接做深一个，比连了一百个都算数。（来源：2026-06-22-woshipm-ai-product-connection-density）

  16. SaaS 平台在 Agent 时代主动”管道化”是一种战略阳谋——开源入口、锁死后端：飞书 CLI于 2026 年 3 月 28 日以 MIT 协议开源、npm 分发，首日 1000+ Star、首月破万，把飞书即时消息/文档/多维表格/日历/邮件等核心业务域封装为 200+ 命令和 20+ AI Agent Skills，让 Claude Code、Cursor、Trae 零障碍读取企业数据。核心商业逻辑是”开源的是操作入口，收费且锁死在云端的是后端能力”——所有 API 鉴权、数据存储、组织架构、行级权限校验都在飞书服务端。这逼迫飞书从传统「按人头订阅」（ARR）迁移到「免费额度 + 超额按量计费」的”水电煤”模式：一个 10 人团队可能部署 50 个 7×24 智能体，按人头收费无法捕获 AI 生产力增量。真正的护城河不是功能组件（AI 时代功能极易被大模型生成），而是盘根错节的”工作上下文”——组织关系、数据流转、权限安全三层上下文越被 Agent 频繁调用，就越死死绑在飞书云端。（来源：2026-07-01-woshipm-feishu-cli-open-source-strategy）

  17. 国内协同办公三巨头面对 Agent 浪潮走出”战略分岔路”：飞书选择极致开放（开源 CLI 抢入口红利，赌未来企业由无数个性化 Agent 组成、任何平台都无法独自开发完）；钉钉选择封闭防守（依赖自研”悟空”AI 矩阵、平台统一调度算力、按 Token 消耗闭环计费、严格限制第三方大模型抓取核心数据，守住”数据不出域”安全牌但可能错失野生 Agent 生态）；企业微信选择战略克制（靠 13 亿微信社交关系打底、服务 10 人以下小微团队，只提供标准化智能回复等轻量 AI 能力，不用激进接口开放挑战微信大生态稳定性）。据社区数据飞书在国内 IM 工具 Agent 接入率已达 65.2%，遥遥领先。（来源：2026-07-01-woshipm-feishu-cli-open-source-strategy）

  18. Agent SaaS 把“结果收费”落到劳动力替代场景：2026-07-07-woshipm-agent-new-saas 补充了结果收费模式的具体创业打法：卖的不是软件账号，而是“接电话、分诊工单、跟进线索、预约调度”这类原本由员工完成的工作。定价可以从 1500 美元搭建费 + 1000 美元月费、每个合格预约 30 美元、3000 美元月费覆盖 500 张工单等方式开始；关键是用真实工作流、评估测试集、日志审批和人工兜底证明 agent 能交付业务结果，而不是只展示模型能力。（来源：2026-07-07-woshipm-agent-new-saas）

  19. 成熟 SaaS 做 AI 商业化的关键是卖专业判断，而不是卖 AI 插件：2026-07-09-woshipm-beisen-ai-saas-judgment 用北森 2026 财年数据验证了垂直 SaaS 的 AI 商业化路径：AI 产品新签合同额 8700 万、同比增长 10 倍，AI 面试官续费率 120%，经调整净利率从四年前负 40% 走到 5%。北森早期“接大模型、改交互、挂智能助手”卖不动，转向能端到端完成面试评估、陪练和人才决策的 AI HR专家 后才形成付费闭环。这说明 AI SaaS 的前台价值应是“专业判断/作业能力”，后台才是模型、数据和系统。（来源：2026-07-09-woshipm-beisen-ai-saas-judgment）

  20. 大厂自研模型的战略价值不是拼榜单，而是充当”成本锚点 + 底盘”：腾讯 混元Hy3（MoE、2950 亿总参数 / 210 亿激活、256K 上下文）没有追求参数极致，而是走工程化 + 性价比路线。资深 Agent 从业者赵江杰把自研模型的战略价值概括为六点：成本锚点、供应安全、产品共训、私有化合规、持续学习能力，以及参与下一代技术竞争的资格。腾讯首席战略官詹姆斯·米切尔用”性价比曲线”描述未来格局——成功的 Agent 会按任务能力要求和成本约束自主选模型，不同模型分布在曲线不同位置，“我们希望成为其中一员，而不是唯一选择”。这与智谱”逆势涨价验证定价权、把 API 当最佳商业模式”是两条相反路径：智谱靠强模型收溢价，腾讯靠自研模型省成本、保供应、做产品共训。核心提醒：激活参数少不天然等于真实成本低，还取决于硬件、量化、推理框架、上下文/输出长度、并发规模和任务成功率。（来源：2026-07-15-woshipm-tencent-hunyuan-hy3）

  21. 具身智能时代”卖数据”比”造机器人”先赚到钱——数据成为可复售的核心资产：具身智能的”数据荒”（训练机器人”大脑”需 10 亿小时真实数据，全球有效供给仅 500 万小时，缺口 200 倍）催生了金字塔式的数据产业链。当造机器人的企业还在烧钱研发时，卖数据的”卖铲人”已经开始收钱：独立数据服务商光轮智能估值超 150 亿元、两周吸金 20 亿元、2026 年 Q1 新增订单 5.5 亿元超过 2025 年全年，靠的正是”数据复售”——同一份数据加工成标准品同时卖给智元、银河通用等多家，优质场景超 10 倍复售率，采集成本一次性、数据资产可无限次变现。这是AI产品价值分成之外又一种”资产型”AI 商业模式：把稀缺、可复用的训练数据本身做成 SaaS 级别的可复售产品。（来源：2026-07-15-woshipm-embodied-ai-data-industry）

  22. 模型同质化把商业差距推得比模型差距更快扩大——补贴战养 Agent 习惯，护城河变成”模型-产品-数据”闭环：前沿模型的领先窗口从几个月压缩到几周甚至几天（Grok 4.5 被说”比 Opus 4.8 好用”、腾讯 混元Hy3 只激活 21B 就打平旗舰），benchmark 趋同让”最强裸模型”不再决定体验。竞争因此转向四个新战场：完整系统（模型+提示词+工具+记忆+重试，稍弱模型配好框架能赢过更强裸模型）、任务总成本（干一件事花多少钱/成功率多少，取代参数榜单）、“模型-产品-数据”闭环（Grok 4.5 与 Cursor 共训、Hy3 从腾讯 50+ 产品迭代、Codex/Claude Code 从 Agent 轨迹学失败案例）、以及能力分层与多模型路由。商业侧：Anthropic 延长 Fable 5 促销、OpenAI 取消 Codex 五小时限制并重置额度（活跃用户已达 600 万），本质是”烧 GPU 和 Token 当获客费用”——因为 Agent 产品迁移成本远高于聊天机器人。真正的敌人不是更强的模型，而是对手复制能力后用价格和入口抢用户，让领先者的数据飞轮越转越快。这与观点 21（腾讯自研模型做”成本锚点+性价比曲线”）、观点 20（北森卖专业判断）共同指向”benchmark 越接近，商业差距扩大得越快”。（来源：2026-07-15-woshipm-ai-competition-6-trends）

  23. CLI/API 开放是软件公司的战略选择题，而非纯技术决策：当软件开放 CLI、API 或 MCP 后，可能失去对用户入口的独占，却有机会成为更多 Agent 默认调用的基础能力。是否开放取决于公司核心价值——履约型公司开放可能扩大需求，入口控制型公司开放可能削弱原有商业模式。同时必须设计细粒度权限、操作审计、撤销机制和敏感动作确认。（来源：2026-07-16-agent-500-days-9-ai-pm-reminders）

  24. Skill 商业化壁垒不在供给，而在信任、分发和结果验证：C 端用户已为 Token 付费，很难接受再为文本 Skill 付费。壁垒是品牌、评测、分发、兼容性和持续更新。商业模式先要建设统一效果评测、可复现示例任务、权限披露、版本依赖管理和信誉系统——用户真正购买的”这件事交给它大概率能得到想要的结果”。（来源：2026-07-16-agent-500-days-9-ai-pm-reminders）

  25. Token 不只是云服务账单——它越来越接近数字劳动力的原材料：生产函数变化标记了 AI 创业的底层经济学变化：过去资金主要用于招聘和设备，现在部分直接转化为 Token 消耗。判断机会的标准变为”AI 是否把单位成本打下来了？过去必须靠组织规模的能力能否被小团队调用？“（来源：2026-07-16-agent-500-days-9-ai-pm-reminders）

  26. C 端「低价 AI 课」把创作者信任瞬时变成流水，但也把交付与人设一致性推到台前：影视飓风 券后 49 元 AI 实战课首日破 10 万单、单日粗算超 490 万，累计保守超 700 万；同期知识付费市场 2026 预计 570 亿（+18.8%）、付费用户 4.32 亿，AI 工具应用课为最快细分。商业逻辑是硬核 IP × 直播脉冲 × 低价锚，把电商「卖产品」延伸到 知识付费。反面：合作平台说明书化、内容偏基础导致差评两极——信任可变现也可消耗；中消协 2026-05 已点名 AI 培训虚假宣传与诱导加购等系统性风险。对 AI 商业化的含义：C 端不只订阅/广告两条腿，创作者货架上的「课」是第三条脉冲收入，但护城河考核从 GMV 转向交付与 IP 折旧。（来源：2026-07-23-woshipm-yingshijufeng-ai-course）

  27. 「克制利润」可以是高明商业策略，不等于可审计的治理承诺——前台叙事与后台股权要拆开看：DeepSeek 交流会话术强调非利润最大化、API 约十个月收回设备成本、AI 占 GDP 约 10% 时「分一点就够」；对照账本则是 幻方量化 年入可粗算 80+ 亿的现金机，以及 2026-06 首轮约 500 亿融资、投后约 3500 亿人民币、梁文锋 个人约 200 亿出资与约 84% 控股/近 100% 表决权、外部资本多为财务权。文章用 OpenAI 非营利→有限盈利→基金会控制路径对照，指出 DeepSeek 为标准营利公司、无利润上限与公益母体。对商业化分析的含义：让利获生态可以与股权集中 + IPO 期权并存；读模型公司故事时，应同时检验定价叙事、双主业现金来源、表决权结构与是否存在法律化愿景锚，避免把策略神化为道德。（来源：2026-07-23-woshipm-liangwenfeng-deepseek-other-half）

  28. 「克制」也可读成算力硬约束下的效率范式——通往 AGI 不必挤在硅谷囤卡赛道：姊妹文把同一场四小时交流会高频词「克制」正面定义为 AGI 概率最大化战略：砍 3D/视频/世界模型/超级 App 等旁支，聚焦 CoT/Agent/持续学习，用工程补硬件代差、追单位算力产出。硅谷被概括为「资源溢出驱动涌现」；OpenAI 2030 算力投入规划约 7500 亿美元（上修自约 6000 亿）成为对照。月之暗面 Kimi K3（约 2.8 万亿 MoE + KDA/注意力残差/高稀疏 MoE）被当作验证样本——KV 缓存最高减约 75%、百万上下文解码约 6×、SemiAnalysis 称推理约 +300%。市场侧：多模型路由 让开发者按任务选成本/效率最优模型（含中国模型），华尔街再质疑美方领先与千亿投资回报；产业链侧倒逼芯片能效与中小企业推理入场。边界：克制不能教条化，基础科学与超大规模预训练仍需重金。与观点 28 并读：一边是效率战略肯定，一边是治理/现金机质疑。（来源：2026-07-23-woshipm-liangwenfeng-restraint-strategy）

  29. 模型公司可用「Stop Doing List」对外讲商业边界——8 不 1 要是可传播的克制框架：第三篇交流会解读把战略压成段永平式「不为清单」：不渲染天才、不利润最大化、不闭源、不做视频/3D/世界模型、不抢 C 端与超级 App，只要 AGI。定价侧金句是「想拿 5% 利润会被只想拿 1% 的人打败」——把合理利润写成竞争策略而非慈善。开源绑定「AI 远期约占全球 GDP 10%」的体量叙事；组织侧用少加班/无 KPI/团队稳定性当核心利益。对商业化分析的含义：公开 Stop Doing 清单可以降低外界对「什么都做」的预期，并解释为何不抢应用层红利；但融资与规模化后哪些「不」可逆、组织文化如何与 IPO 兼容，仍是留白——宜与观点 28（治理）与 29（效率）三角并读。（来源：2026-07-25-woshipm-liangwenfeng-8-no-1-yes）

  30. AI 办公是被 C 端商业化失败倒逼出的 B 端叙事，入口消解不等于公式跑通：2026-08-03-ai-office-no-super-entry 用字节拆解 飞书 并入 豆包、腾讯收拢 WorkBuddy、阿里整合千问办公，验证「独立办公软件 → 大模型场景层」的组织整合。财务侧延续终局论文：豆包日活 2 亿级 vs 日收入不足百万、日算力成本数千万，资本开支上调超 2000 亿；C 端三档订阅效果有限后转向「买豆包送飞书」ToB 打包。文中强调字节大模型业务 ARR（消耗口径，文中出现 40 亿/75 亿美元量级表述）更多是 token 账单而非「AI 办公产品收入」；WorkBuddy 访问量冠军同样≠收入。商业化双前置仍未满足：①生成质量稳定到免人工复核；②企业愿为结果而非工具付费。与观点 2/12/13 并读：算力第一性原理下，办公场景是离钱近的故事，还不是已结算的利润。（来源：2026-08-03-ai-office-no-super-entry）

  31. DeepSeek V4 Flash 以 3 美分任务成本重塑行业性价比基准线，成本断层后竞争转向”场景适配”：Artificial Analysis 实测 V4 Flash 平均任务成本约 3 美分，Claude Fable 5 约 3.15 美元——差 100 倍但智能指数仅低约 16%。华泰证券称全球 90% 的模型被 DeepSeek 性价比线”斩杀”。海外平台争相补贴：Nous Portal 限时一折，Cline 免费额度翻三倍，OpenCode 单日 8T tokens。对商业化的三重含义：①Token 定价的”高端涨价+低端杀价”分层被 V4 Flash 进一步拉大，从”token 单价”的竞争升级为”任务成本”的竞争——比的是干完一件事花多少钱；②平台补贴本质上是 AI 工具链的流量入口争夺战，类比网约车大战——不补贴就没用户；③成本断层后，真正战场从”谁的模型更便宜”转向”谁的场景适配做得更好”——数据治理、知识库维护、系统集成的质量成为新壁垒。对 B 端选型来说，混合策略（先用低成本模型试，失败再用旗舰兜底）成本增幅不超过 1%-5%，但能省 95%+ 开支，这是当前最务实的企业 AI 成本路线。（来源：2026-08-10-woshipm-deepseek-v4-flash-b-end-selection）

知识体系

子方向一：AI商业化模式演进

AI产品的商业化模式正从单一的”免费获客+风险投资补贴”向多元化方向演进。三大路径已经清晰：订阅付费（豆包三档68/200/500元、OpenAI ChatGPT Plus）、广告变现（OpenAI广告平台、2026年目标25亿美元）、企业级降本增效（森马2亿元新增收入、美的7亿元成本节省）。未来可能还会有基于使用量的计量付费和基于效果的结果付费。与此同时，灰色市场也在快速膨胀——Token中转站以低于官方50%的价格聚合主流模型接口，名人入局（孙宇晨B.AI、傅盛Easyrouter）催生补贴大战，但掺水率60%、法律刑拘案例（“西瓜的皮”站长被拘37天）说明这个灰色市场的监管风险正在升级。

子方向二：AI行业周期判断

行业周期判断从直觉走向量化。六维打分框架（叙事vs交付、系统连通性、交付能力、ROI合理化、行业普遍现象、资本环境）为分析提供了可复用的结构化工具。当前AI行业六维各1分、总分6分，处于”夏天”——再得2分（ROI变得清晰+资本全面要求交付）就进入”秋天”。局部入秋信号已经出现：豆包收费、OpenAI广告。

子方向三：AI企业落地方法论

企业AI落地的核心挑战不是技术而是组织。森马的实践经验表明”AI落地，七成是人的问题，三成才是技术问题”。三层人才梯队（高管牵头→“翻译官”→一线执行）、与量化结果挂钩的激励机制、一把手亲自牵头的组织架构是成功的关键配套。流程从”人推着走”变成”事发生了，AI自动跑，人只管拍板”是终态目标。

子方向四：AI公司资本格局

2026年AI公司资本格局呈现明显分化：头部公司融资规模不断刷新纪录（Anthropic H轮650亿美元、DeepSeek国家大基金100亿美元），估值逻辑从想象空间转向收入能力；中小创业公司面临更严格的ROI审视。OpenAI虽估值8520亿美元，但年亏80亿美元的压力迫使其必须找到可持续的商业模式。补充维度来自 梁文锋 / DeepSeek 案例：除「谁领投、估值多少」外，还要看创始人是否自投、最终受益与表决权是否高度集中、财务投资人有无董事会与锁定期、是否存在非营利/利润上限等制度锚——同一套「克制」话术可以兼容绝对控股与后续 IPO 预期（首轮投后约 3500 亿人民币、第二轮拟约 710 亿美元等二手口经）。再补一条范式竞争轴：效率叙事（单位算力/每瓦特智能、模型路由、芯片系统能效）正在与硅谷资源溢出叙事争夺定义权，估值与开支故事都要放入「同预算能跑几个任务」的坐标系。

素材汇总

素材核心贡献详见
6道题，看懂AI的商业趋势六维周期框架量化AI行业阶段、豆包/OpenAI商业化信号、企业AI落地三步法2026-06-03-woshipm-ai-commercial-trends
从零开始 AI 咨询业务：阶梯模型IBM CEO 研究 61 点差距、AI OS 产品框架、Rung 0 卖小时策略2026-06-04-youtube-ai-consulting-hours-ladder
王兴抛出”To A”论，下一个风口来了To A商业模式定义、三大战略路线、入口方vs服务方利益裂缝2026-06-09-woshipm-to-a-era
倒卖Token，隐秘的中转站生意有多暴利Token中转站进货渠道五花八门、掺水率60%、收学员才是真正暴利、法律风险（刑拘案例）、名人补贴大战2026-06-09-woshipm-token-resale-intermediary
CloudMile · AI Agent 如何替你全自動辦完事情Google 模型分工策略（大模型推理+小模型执行）、Cloud Agent 生态系、Agent 可观察性治理2026-06-19-cloudmile-ai-agent-gemini
AI商业化的终局：健身房、云服务还是结果收费？三种终局商业模式框架（健身房/云服务/结果收费）、AI第一性原理是算力不是流量、Token是电表GPU是发电厂2026-06-19-woshipm-ai-commercialization-endgame
别盯着模型榜单了，看看你的产品连接了多少真实场景连接密度作为AI产品护城河、模型方vs场景型产品两种困局、生态整合壁垒远大于单点功能竞争2026-06-22-woshipm-ai-product-connection-density
开源客户端，锁死云端价值：拆解飞书 CLI 的商业逻辑与推广野心飞书 CLI 开源+MIT+npm 抢入口、“开源入口锁死后端”商业逻辑、ARR→按量计费迁移、工作上下文护城河、22天三招推广组合拳、协办三巨头战略分岔2026-07-01-woshipm-feishu-cli-open-source-strategy
八年跨越AI两个时代：一个产品经理的五条核心判断从 AI PM 视角补充按价值分成、智能资源调度和 Token 成本不是前台价值口径的商业判断2026-07-07-woshipm-ai-pm-five-judgments
Agent 就是新一代 SaaS，这个判断可能会颠覆你对创业的认知Agent SaaS 把结果收费落到劳动力替代：从已有工资成本的 workflow 切入，用最小可用 Agent、测试集、控制室包装和试点定价证明业务结果2026-07-07-woshipm-agent-new-saas
AI时代SaaS怎么做，北森给出了最优解决方案，卖的是判断力北森用 AI 产品新签合同额 8700 万、同比增长 10 倍、AI 面试官续费率 120% 说明成熟 SaaS AI 化要卖专业判断和作业能力，而不是卖 AI 插件2026-07-09-woshipm-beisen-ai-saas-judgment
腾讯AI，翻身了吗？（混元 Hy3 与腾讯 AI 战略复盘）用腾讯混元 Hy3 案例补充自研模型的六大战略价值（成本锚点/供应安全/产品共训/私有化合规/持续学习/技术竞争资格）与”性价比曲线”多模型竞争格局判断2026-07-15-woshipm-tencent-hunyuan-hy3
我给机器人当”燃料”：叠衣服时薪30元，卖数据估值150亿具身智能”数据荒”催生金字塔式产业链，“卖数据”（数据复售、无本体采集）比”造机器人”先盈利，光轮智能估值150亿、两周吸金20亿2026-07-15-woshipm-embodied-ai-data-industry
6个新趋势，看懂AI竞争正在发生什么模型同质化把商业差距推得比模型差距更快扩大：领先窗口收窄到几周、补贴战养 Agent 习惯、护城河变成”模型-产品-数据”闭环，竞争转向完整系统/任务总成本/多模型路由2026-07-15-woshipm-ai-competition-6-trends
一天进账490万：影视飓风卖AI课，打的什么牌？头部科技 IP 低价 AI 课首日 ~490 万 / 累计 >700 万；电商占收一半后延伸知识付费；交付广告感与超级个体→企业跃迁2026-07-23-woshipm-yingshijufeng-ai-course
42页交流会实录背后：梁文锋没说的另一半故事克制叙事 vs 幻方现金机与 84% 控股；OpenAI 制度对照；策略勿神化为道德2026-07-23-woshipm-liangwenfeng-deepseek-other-half
四小时发言实录刷屏背后，梁文锋的克制克制=算力约束下 AGI 概率策略；V3 效率；K3/KDA 验证第二条路；模型路由与产业链外溢；边界不可教条2026-07-23-woshipm-liangwenfeng-restraint-strategy
梁文锋的8个“不”和1个“要”8 不 1 要 Stop Doing List；合理利润金句；万卡史证；组织稳定性与两大留白2026-07-25-woshipm-liangwenfeng-8-no-1-yes
AI办公没有超级入口飞书拆入豆包；桌面 Agent 整合；买豆包送飞书；效率幻觉；免复核/结果付费双前置未满足2026-08-03-ai-office-no-super-entry

关键概念

  • Anthropic — 2026年超越OpenAI成为全球估值最高的AI公司，年化收入470亿美元
  • OpenAI — 推出广告平台，探索订阅+广告双引擎商业化
  • 豆包 — 打响国内AI免费时代终结第一枪，三档付费订阅；后牵头收编飞书做 ToB 打包
  • 飞书 — 从独立协作入口被拆为豆包/火山能力组件；「买豆包送飞书」
  • WorkBuddy — 腾讯桌面 AI 办公 Agent，易观访问量登顶但商业化公式未明
  • DeepSeek — 国家大基金领投100亿美元，低价策略抢占市场；交流会「克制」双读（效率战略 / 治理质疑）
  • 梁文锋 — DeepSeek / 幻方双主业中心人物；克制话术与绝对控股并读样本
  • 月之暗面 — Kimi K3 效率栈作为「第二条路」验证旁证
  • 多模型路由 — 按任务选成本/效率最优模型的市场层「用脚投票」
  • 六维周期打分框架 — 行业周期判断量化工具，每项0-2分，映射春夏秋冬
  • Token定价分层 — “高端涨价、低端杀价”的行业分化趋势
  • Token中转站 — 第三方AI算力中间转接服务商，以低价聚合主流模型接口，灰色市场掺水率60%、法律风险极高
  • To A 服务AI Agent — 继To C、To B之后的第三种互联网商业模式，Agent成为服务的新客户
  • 飞书 CLI — 飞书开源的命令行工具，把 IM/文档/多维表格封装成 200+ 命令供 Agent 调用，“开源入口锁死云端”的典型案例
  • 服务封装 — App把自身能力封装为可被Agent调用的服务接口，To A时代的核心技术战略
  • Agent流量重构 — Agent时代用户路径从”打开App”变成”对Agent说话”，传统入口逻辑被结构性替换
  • 健身房模式 — C端AI订阅的核心逻辑：低频用户补贴高频用户，但最有价值的用户恰恰是最高成本的用户
  • 结果收费模式 — AI最终的商业模式方向：把token封装成工作流，把算力变成结果，把结果变成账单
  • AI产品价值分成 — AI 产品围绕实际创造的收入、节省的成本或降低的风险进行定价和分成
  • 智能资源调度 — 按任务复杂度、成本和风险自动选择模型、规则引擎、工具调用或人工复核
  • Agent SaaS — 把 AI Agent 包装成可交付工作，切劳动力预算而非软件预算
  • 北森 — HR SaaS 转 AI HR 应用公司的样本，用专业判断和作业能力跑通 AI 商业化
  • AI HR专家 — 面试、陪练、绩效、排班、人才决策等 HR 场景中的垂直 AI 专家能力
  • 人才科学 — 北森 People Science 底座，把岗位胜任力模型和测评样本转成 AI 判断依据
  • 最小可用 Agent — 从可预测 workflow 和有限自主权开始，逐步验证 agent 能否稳定交付
  • Agent 工作流测试集 — 以真实案例评估 agent 的分类、补问、行动与转人工边界
  • 具身智能数据 — 具身智能领域的”卖铲人”生意：数据比本体更早形成商业回报
  • 数据复售 — 一份数据卖给多家、超 10 倍复售率的高毛利商业模式
  • 光轮智能 — 估值超 150 亿的独立数据服务商，两周吸金 20 亿
  • 模型同质化 — 技术配方扩散导致领先窗口从几个月缩到几周，商业差距因此比模型差距扩大更快
  • 多模型路由 — 能力分层后用户/企业按任务选模型，不把鸡蛋放一个篮子
  • 世界模型 — 下一代可能重新拉开代差的前沿方向，数据无法从网上抓取、护城河更难复制
  • 知识付费 — C 端创作者把信任做成课 SKU 的商业形态；2026 AI 工具课为最快细分
  • 影视飓风 — 硬核影像 IP → 电商 + 低价 AI 课脉冲变现的头部样本
  • 超级个体 — 文章将「卖爆课」后的真命题定义为向现代企业跃迁
  • 梁文锋 — DeepSeek / 幻方双主业控制人；克制叙事与绝对控股的分析中心
  • 幻方量化 — 量化现金机，对照 DeepSeek「合理利润」话术的另一套账本

综合分析

不同素材的交叉视角

前两篇素材从”成本-收入-估值”和”咨询变现”的商业逻辑维度提供了AI商业化全景，第三篇素材（To A论）则从”流量分发权”的结构性转移角度揭示了AI商业化的另一个维度——当Agent成为客户的那一刻，整个互联网的分工体系就面临重写。第六篇素材（终局论）从”算力成本结构”的根本性差异出发，提出了三种终局商业模式框架——健身房（C端）、云服务（B端）、结果收费（高阶应用），把前几篇素材的碎片化信号统一为一个完整的商业化逻辑链。三个视角叠加后，AI商业化的全貌更清晰：底层是成本结构的变化（Token定价分层+算力第一性原理），中间是商业模式的创新（订阅+广告+咨询+额度），顶层是流量入口的重构（To A）。

梁文锋 / DeepSeek 评论（2026-07-23-woshipm-liangwenfeng-deepseek-other-half）再补一层叙事—治理视角：模型公司可以同时讲「合理利润 / 克制」与保持创始人绝对控股、保留 IPO 上行；对照 OpenAI 的制度锚，说明「造福人类」若无法律约束，更接近品牌与策略。这与终局论的「前台按价值、后台按资源」可并读——前台克制定价可以是获客，后台股权与现金机决定谁捕获长期上行。数字力场篇（2026-07-25-woshipm-liangwenfeng-8-no-1-yes）则把同一叙事产品化为 8 不 1 要 清单与「5% 会被 1% 打败」定价逻辑，并补组织文化（稳定性优先）与路线留白；读商业边界时，清单、效率与治理三篇宜对照，避免只吃金句。

趋势与判断

  1. 免费AI已到终局：豆包120万亿日Token调用换来C端零收入，这个数据标志着”烧钱换增长”模式的极限。未来C端AI产品必然走向分层付费。
  2. 广告将成为AI公司重要收入来源：OpenAI广告试点两个月ARR达1亿美元，Meta全年广告营收超2434亿美元，说明AI广告变现有巨大空间。
  3. AI落地正在从”技术驱动”转向”商业驱动”：企业不再问”AI能做什么”，而是问”AI能帮我赚多少钱、省多少钱”。ROI可量化成为项目立项的硬指标。
  4. 行业分化加速：高端（涨价+品质）与低价（杀价+规模）两条路线并行，中间地带的厂商将被挤压。
  5. To A将成为下一个十年的主战场：王兴提出To A不是概念炒作，而是对流量分发逻辑结构性变化的判断。当Agent成为用户与服务的中介时，所有互联网公司都面临同一个选择：被Agent调用，还是被Agent绕过。今天的结盟本质上是服务方在窗口关死之前的占坑。
  6. 入口方和服务方的利益裂缝将催生新的商业模式：Agent推荐位的竞价排名、跨服务Agent编排的信任评估、服务方的API可观测性——这些都可能成为新的商业化机会，但也会带来新的风险和监管挑战。
  7. 灰色Token市场的繁荣是AI定价体系失衡的信号：中转站以低于官方50%的价格能做起来，说明官方定价对中小用户存在结构性不合理。但名人补贴大战（孙宇晨日补10万、傅盛接入40+模型）正在加速价格内卷，加上掺水率60%和法律刑拘案例，这个窗口正在缩小。
  8. AI订阅的致命矛盾将推动C端走向”会员+额度+超额包”：程序员、设计师、短剧公司等高频重度用户恰恰是平台亏钱的来源。纯粹的无限量订阅很难长期成立，未来C端AI必然走向分层——普通聊天接近无限，高级模型有次数限制，图片和视频生成用点数，深度研究按次数，代码Agent按任务量。
  9. B端AI最佳商业模式是”前台按价值收费，后台按资源结算”：对客户说”我帮你处理了一千个客服会话”，公司内部算的是这些任务消耗了多少token、多少GPU秒。AI比传统云更复杂——云服务卖的是资源，AI最好卖的是结果。
  10. Agent SaaS 会成为结果收费模式的早期落地形态：通用 AI 很难让客户为 token 溢价，但“替你接住漏掉的电话”“替你把维修请求分诊并约上供应商”“替你把合格预约订上”更容易按劳动力或结果收费。Agent SaaS 的关键不是全自动，而是先从最小可用 Agent 和测试集建立信任，再把日志、审批、控制室和人工兜底包装成可购买服务。
  11. 成熟 SaaS 的 AI 商业化会从“卖功能入口”迁移到“卖专家判断”：北森案例说明，企业客户很难为一个外挂 AI 助手持续付费，但愿意为“面试评估”“人才决策”“AI 陪练”等完整结果续费。未来垂直 SaaS 的 AI 溢价不来自聊天框，而来自领域知识、客户数据、FDE 交付和可量化业务结果共同封装出的专业判断能力。

未解决的问题

  • AI广告是否会像传统互联网广告一样面临”广告疲劳”问题？
  • 当AI推理成本持续下降时，付费订阅模式是否还有生存空间？
  • 六维框架中”系统连通性”维度（MCP等协议）的成熟将如何影响行业格局？
  • Agent推荐服务最终会演变成竞价排名还是效果评估？这对服务方意味着什么？
  • 入口方（如腾讯元宝、ChatGPT）会不会最终绕过中间平台直连供应商？时间窗口有多长？
  • 灰色Token中转站市场是否会因监管收紧而萎缩，还是官方会主动降低个人用户价格来收编这个需求？
  • 模型公司若坚持「克制 / 开源 / 合理利润」叙事，是否会出现可验证的制度锚（利润上限、基金会、非营利母体），还是长期停留在创始人品德与策略层面？
  • 双主业（量化现金机 + 大模型）结构在 IPO 与监管披露下，会如何重写「非商业利益最大化」话术的可信区间？
  • 「买模型/Agent 送协作套件」的 ToB 打包，最终是提升了结果付费意愿，还是只把协作 ARR 补贴进算力亏损？
  • 桌面 Agent 访问量榜单多久能映射到可审计的替代人力成本或结果账单？

相关页面

关系图谱

快速导航

反向链接