消费级AI的尴尬经济学

本周之后，你或许可以说消费级AI正在卷土重来。

Meta 的个人AI助手 Muse 以及它毛绒玩具般的吉祥物 Jolly 意外走红。OpenAI 刚刚发布的 Dots 似乎也在追逐同样的卡通化个人助手思路。而新兴的 Instinct 助手则凭借“代理式”代办能力获得了 100 亿美元估值，主打订旅行、订餐厅或取消订阅等任务。

看多的理由很容易讲：代理式AI终于可靠到足以处理日常事务。公司也越来越多地把这类服务推向普通用户，而用户确实从中获得了真实价值。如果你是投资者，这看起来很像 2022 年 ChatGPT 上线时的情景——AI 的原始能力打开了一个此前根本不可能存在的产品类别。谁不想分一杯羹呢？

但前沿实验室之所以对消费级AI变得谨慎，是有原因的，而且并不是因为技术还不够好。即便是极其受欢迎的科技产品，也开始触及消费者愿意支付金额的上限，而更好的模型是否真的能带来更赚钱的消费业务，也并不清楚。结果就是，整个行业都在转向 Anthropic 的模式：聚焦企业合同，并按垂直领域逐步扩张。

如果 Muse 和 Instinct 逆势而行，那是因为它们对变现没那么在意。但消费级AI的底层经济学并没有变好，任何进入这一业务的人最终都必须面对这些问题。

我们在 Andreessen Horowitz 的半年度《State of Markets》报告中再次看到了这些经济学问题。该报告引用了 PNC 今夏的一份研究。报告用两张图追踪了付费使用AI服务的消费者占比，以及他们的平均支出，二者都在缓慢上升。截至 5 月，2.2% 的消费者为AI付费，月均支出为 31 美元。

Andreessen 对此持积极解读，称“在AI成熟采用和使用方面，现在仍然非常早期”。增长空间还很大！但从两张图来看，增长速度似乎都相当线性。即便模型性能大幅提升，愿意为AI付费的客户数量或他们愿意支付的金额，并没有出现太大变化。比如从 GPT-5.2 到 Astra 的巨大性能跃升，在图表上几乎看不出来。

按每位消费者计算的收入数字虽然不算惊人，但仍远低于常见的盈亏平衡点。如果把 Netflix 视为市场饱和型在线服务的标准（3.25 亿订阅用户），那么每位客户 34 美元的收入也只能带来 110 亿美元年收入，还不到 OpenAI 运营成本的三分之一。

如果你认为 PNC 对采用率的估计偏低，也可以从美国银行得到类似结论。该行在 3 月发现，大约 3% 的美国消费者为AI付费，较前一年增长 40%。Menlo 在 9 月的一项调查则给出了稍乐观的看法，称四分之一的成年人每天使用AI，其中一半用户为此付费。

消费级路线的问题，与其说在收入，不如说在成本。AI 是一种运营成本异常高昂的技术，尤其是与社交网络或云计算这类轻量级前辈相比。即使有数亿付费用户，也不能保证你能实现盈亏平衡。

值得肯定的是，OpenAI 似乎已经很好地适应了这些现实。外界广泛报道的公司向企业业务转向基本取得成功，据称企业预订额自 7 月以来已翻倍。就连 Dots 的发布也带有明显的企业色彩，展示了这种新的个人代理如何对软件工程师和创意机构有用。长期以来，把受欢迎但低价的消费服务卖给企业并加价，是一种赚钱方式，而 OpenAI 似乎正在沿用这套做法。

Muse 和 Instinct 的意义则更难判断。Muse 背后有 Meta 强大的个性化广告定向能力，这给了它更多变现选择，也让“何时必须认真面对盈利问题”这件事可以往后拖一拖。值得注意的是，Meta 也已经在探索企业方向。

Instinct 则有另一套方案：从通过该代理完成的购买中抽成，这或许能抬高收入上限。按理说，它也能避免训练前沿模型的成本，这会有很大帮助。

但消费级AI尴尬的经济学，为公司在不借助企业收入的情况下能成长到多大，划下了一道硬上限。大型实验室其实已经学到了这一课，而这也是这个行业少数似乎没有改变的事情之一。