OpenAI一年收入都1400亿了，国内AI为啥还是不赚钱？

AI 赚钱的速度，远远超出了所有人的想象。

过去一年，最惊人的不是 AI 模型的更新速度，而是它带来的商业变现斜率。

先看头部选手：

去年底，OpenAI 年化收入（ARR）是 55 亿美元，今年 6 月突破 100 亿美元，最近《纽约时报》披露，其收入已经达到 120–130 亿美元年化收入，年底将达到 200 亿美元，增幅接近 300%。

Anthropic 的增长更加夸张。Anthropic 去年 ARR 仅 10 亿美元，今年上半年达到 40 亿，年底预计将突破 90 亿美元，同比暴增 800%。

也就是说，到今年年底，OpenAI+Anthropic 的合计 ARR 将达到 290 亿美元。投行预计，按这个速度增长，到 2026 年年底这一数字可能攀升至 600-1000 亿美元。

这是什么概念？亚马逊的云计算业务 AWS 去年全年收入是 1076 亿美元——两家头部大模型厂商花了 3 年就几乎重造了一个 AWS。

而这场爆发，并不只存在于基础模型层。在应用端，无论是面向消费者（C 端）还是企业（B 端），美国 AI 市场都跑出了令人瞠目结舌的收入曲线。

在 C 端市场，以 AI 编程为代表的初创公司开始爆发：

定价 20 美元/月的 AI 编程 Agent Cursor 的 ARR 已经到达 5 亿美元，吸引了全球超过 36 万用户；AI 编程产品 Lovable 在 2 个月内实现了 1000 万美元收入，并在第 8 个月做到了 1 亿美元的 ARR。

即使小众的 AI 应用，也有不俗的商业化表现。

Tolan 是由 Portola 开发的 AI 伴侣应用，上线仅几个月，年经常性收入(ARR)就达到了 1200 万美元。AI 视频编辑工具 OpusClip ARR 也达到了 2000 万美元。

而 B 端市场，更是成为了 AI 最重要的造富机器，跑出了一批高估值、收入增长迅速的 AI 公司，遍布法律、客服、医疗、招聘等各个领域。

Glean（搜索）：估值 72 亿美元，ARR 1 亿

Mercor（招聘）：估值 20 亿美元，ARR 1 亿

Crescendo（客服）：估值 5 亿美元，ARR 9100 万

Harvey（法律）：估值 50 亿美元，ARR 7500 万

Clay（销售）：估值 30 亿美元，ARR 3000 万

Abridge（医疗）：估值 27.5 亿美元，ARR 1 亿

这些公司的共同特征是：成立不久，收入斜率极陡，产品渗透迅速，估值水涨船高。这种速度，让许多大公司都开始感到焦虑。

大厂打不过小厂”，已成为硅谷近一年来的新共识。原因很简单，这些小厂更加灵活，能在极短时间内做出符合市场需求的产品，人才也更愿意去创新的环境，而更关键的是，小厂也能拿到融资。

而就在美国 AI 市场沿着商业化路径一路狂飙的同时，我们的 AI 市场则呈现出一幅截然不同的景象。

尽管技术层面不断突破，但我们 AI 产业的商业化现实却显得格外冷清。

根据华龙证券的数据，2024 年国内计算机行业 AI 应用板块总营收为 768 亿元，同比增长仅 6.4%；归母净利润为 35 亿元，增幅只有 2.7%。到了 2025 年第一季度，净利润甚至滑落至不足 0.3 亿元，几乎原地踏步。

对比之下，美国 AI 应用公司则跑出了明确的增长曲线：

以 Salesforce、Adobe、ServiceNow、Palantir 等 9 家公司为例，2025 年 Q1 合计营收达 236 亿美元，同比增长 12.1%，平均经营利润率高达 15.8%。

数据背后，是产业结构的根本不同：

美国 AI，是“小厂跑赢大厂”的创业黄金时代，跑出一大批技术型初创公司；

而国内 AI，则是“大厂主导，小厂陪跑”，主流产品几乎都掌握在平台型企业手中。

比如 AI 编程赛道，国内最头部的产品分别来自字节（Trae）、阿里（通义灵码）和百度（文心快码），鲜有独立创业公司崭露头角。

更严峻的问题，即使跑出来的 AI 产品也普遍陷入了“有流量、无收入”的困境。

根据 QuestMobile 数据，截至今年 3 月，国内 AI 原生 App 的月活用户数已达 2.7 亿，甚至超过 ChatGPT 的 1.8 亿。但真正实现规模化变现的产品，寥寥无几。

哪怕是年收入突破 1 亿美元的可灵 AI，70% 以上营收也来自海外市场。

付费困境不仅在 C 端重演，B 端同样难以突围。AI 产品在 To B 市场面临着与 SaaS 企业类似的问题：小企业没预算，大企业靠定制，利润被反复压缩。

一端是用户体量不够，另一端是交付成本过高，真正可规模化、可复制的商业模式始终没跑出来。

于是，一大批诞生于我们本土的 AI 创新产品正在外流。

今年 6 月，Manus 宣布，将总部从中国迁往新加坡，并在美国、日本设立分部。原在华团队 120 人中，40 名核心技术骨干随之迁出，其余大部分被裁撤。在此之前，AI 视频公司 Heygen 也将公司总部从深圳迁到了洛杉矶。Lovart 更是直接将公司总部放在了旧金山。

这一轮中美 AI 在商业化上的分野，并非偶然，而是延续了互联网时代早已埋下的路径差异。

2011 年 8 月，Marc Andreessen 在《华尔街日报》上写下那句著名预言：“软件正在吞噬世界”，宣告了移动互联网时代的开启。

从那之后，中美互联网走出了两条完全不同的道路。

在美国，“软件”接力消费级应用浪潮，推动 SaaS 创业全面爆发。2010 到 2015 年间，每年新增的 SaaS 创业公司超过 1000 家。在这期间，风险投资逐渐达到高峰，每年投入的金额都在百亿美元的级别，这些钱大部分都流入了 SaaS 行业。

而在中国，真正改变时代的却是消费互联网。

字节跳动以信息流重塑全球内容分发逻辑，拼多多则从下沉市场杀出重围，把电商做进了 Amazon 的后花园。每一个成功案例背后，都是超级 App 的崛起与流量入口的掌控。国内的互联网叙事，是流量驱动的一切。

借用公众号“Platform Thinking”的观点，中美的差异不仅仅服务对象的区别，而是两种底层范式的分歧：中国讲“入口”，美国讲“接口”。

其实，我们并非没有企业软件，它们大都存在大厂的「闭环」生态里，作为云计算销售的敲门砖。这些软件表面上做着企业服务的生意，仍未走出消费互联网的影子：靠烧钱换规模、用免费产品堆用户，再靠“流量变现”补血，延续的是典型的「入口」思维。

而正是这种路径依赖，构成了当下的分野：

问题在于，AI 不是一款能装进 App Store 的新应用，它是一种“打散路径、压缩流程”的基础能力。在 AI 的世界里，用户不再从一个 App 出发，而是从问题出发、从意图出发——直接奔向结果。

带来的结果是，入口的价值被不断压缩：从“路径经济”转向“结果经济”，控制用户路径的价值也随之贬值。

这就解释了为什么美国的 AI 商业化跑得更快：SaaS 公司原本就以“接口”思维运作，AI 只不过是新的能力插件；而在中国，过度依赖“流量闭环”的打法，使得 AI 很难快速嵌入已有的产品与组织流程，反而出现了有技术、无场景，有用户、无收入的尴尬局面。

问题的根源，不在技术落后，而在路径僵化。真正值得警惕的，不是我们暂时落后于美国，而是我们仍在用“入口思维”去拥抱一个“接口世界”。

虽然国内 AI 产业在商业化上仍然存在着一些问题，但前景也并未悲观。

技术浪潮的落地方式，从来不只有一种标准答案。零售、电商、短视频……过去十年中国的每一次产业跃迁，走的都不是美国的那条路。

AI 也一样。它未必颠覆我们“大厂主导”的产业结构，但一定会倒逼所有玩家，从“控制入口”转向“连接接口”：

去争夺流量的起点，不如成为生态的通路；

去封闭用户的路径，不如放大自身被调用的能力。

这，或许才是我们 AI 产业，真正走向商业化的分水岭。