从旧节目到新问题：模型免费了，AI 应用还值钱吗

主播一线回顾自己前几期讲 AI 的节目，从个人生产力、Cursor、AI 原生游戏一路讲到真实的账单。他提出 AI 应用与互联网规模效应的差异：每次推理都有边际成本。由此立起本期核心设问，并给出增长毛利、核心功能留存、入口与定价权三道关。

四个阶段：从卖使用权、卖用量到卖结果

梳理 AI 应用商业模式的演进：Copilot 与 ChatGPT 的订阅制、API 时代的 token 计费与 OpenRouter、Sierra 的结果收费，以及 Cursor 自训模型与 Google 打包 Gemini 的上下兼容两条路。结论是商业模式从卖可用的 AI 走向卖一份可以完成的工作。

矛盾一：智能在降价，合格结果未必降价

推理价格年降幅从 9 倍到 900 倍不等，但编程 Agent 的 token 消耗可达普通推理的一千倍，同任务成本最多差 30 倍。用面粉与承包宴席作比，说明模型价格只是原材料单价。

矛盾二：更容易付费，却更难留下

RevenueCat 对 11.5 万个订阅应用的研究显示，AI 应用每付费用户收入高 40%，但流失快约 30%，一年后留存中位数约 6%。低留存、获客补贴与推理成本叠加吞噬现金。

矛盾三：最活跃的用户可能是毛利压力最大的人

Canva 披露 2.65 亿月活、40 亿美元年化收入，但 AI 2.0 的高交付成本使其下调增长预期。Figma 则显示收入与成本对齐时仍可高毛利。核心是收入单位与单位成本是否对齐。

矛盾四：同一模型公司，不同产品毛利天差地别

MiniMax 招股书显示 AI 原生产品毛利约 4%，开放平台与企业服务毛利达 69%。有模型能力不等于有同一种商业结构，用户、销售对象、推理承担方都会改变毛利。

算每个有效结果，而不是每百万 token

提出有效结果成本公式：模型调用加工具费用加失败重试与人工审核，除以客户验收结果数。给出任务价值公式，强调多模型路由是毛利工程而非商业模式，规模化前须证明正贡献毛利。

六种生意：客户到底在买什么

按客户购买对象把 AI 应用分为原料、工具、分包、抽成、模型一体、内嵌六类，逐一说明各自的价值来源与风险。指出六类可组合，关键是让客户价值、收入单位与成本单位错开。

结果城堡派：Sierra 如何把收入与成本错开

Sierra 约定结果才收费，ARR 据披露达 1.5 亿美元。客户付的钱来自人工与留存预算而非模型预算，上游降价反而改善毛利。但结果收费只在高自主、高可归因时成立，运营与合同更复杂，类似保险。

模型一体派：Cursor 与 Midjourney 的成本与体验控制

Cursor 在开放底座上训练 Composer，用真实工程任务构建闭环，目标是日常任务足够好足够便宜。Midjourney 把模型、审美反馈与容量定价一体化，用速度、优先级、并发重新包装昂贵算力。

回到第一性原理：谁更接近结果

结果收费改收入曲线，自有模型改成本曲线，顺序不能反。客户付费归根到底为增收、降本、省时、减风险四件事。AI 应用失去的是复制免费的舒适区，而非全部规模经济，胜负在于是否接近结果、掌握客户关系与定价权。

收尾与下期再见

主播自谦观点可能偏激，欢迎听众指出问题，感谢支持并道别。