---
title: "AI 到底能不能真正撑起企业的利润率？"
id: "20260803A08QE200"
publicationAccount: "非凡产研"
originalPublishedAt: "2026-08-03T17:02:01+08:00"
canonical: "https://ffcap.cn/research/20260803a08qe200"
source: "https://view.inews.qq.com/a/20260803A08QE200"
sourceAccount: "https://news.qq.com/omn/author/21759984"
language: "zh-CN"
tags: ["商业化","AI Agent","融资与投资","AI 教育","收入与 ARR","全球化出海","Google","企业应用"]
---

# AI 到底能不能真正撑起企业的利润率？

文章中的“非凡产研”是原始发布账号署名，不代表已核实个人执笔作者。引用访谈或圆桌观点时，应按正文标明具体发言人及当时身份；无法确认时不要推断。日期为原始发表日期，历史信息以发布时点为准。

**AI行业观察**

## **“不卖 token、不做订阅，甚至去买公司”：一场 AI 圆桌，把行业的遮羞布撕开了**

  

"跑得越快，亏得越狠。AI 应用公司在国内的融资环境里，基本处在鄙视链底端。"

  

一个反常识的现象正在 AI 创业圈发生：跑得越快，亏得越狠。

这是 Kuse AI 创始人吴显昆的原话。在非凡大赏上的圆桌上，他和 Seekee、商汤、Google、WeMeet 荟神的几位从业者，把这个行业最不愿意说透的几件事，摊开讲了。

主要有三个问题：钱从哪来、成本怎么控、下半年会发生什么。以下是这场对话里真正值钱的部分。

  

## **订阅制正在被集体抛弃**

所有人做 agent，第一反应都是抄 SaaS 的作业 —— 订阅制。吴显昆说，这条路走不通，原因很简单：AI 是 open-ended 的解决方案，不像 SaaS 开箱即用，部署成本高，token 成本还是边际成本，不会像软件那样趋近于零，而是线性上涨的。结果就是，不管公司增速快还是慢，毛利都很低甚至是负的 —— 跑得越快，反而亏得越多。

![AI 到底能不能真正撑起企业的利润率？ · 原文图片 1](https://inews.gtimg.com/om_bt/ONq3mKJNDJIs0WOnzwI0pd0hjvudsDWfl3dgLmQnXnGP0AA/1000)

AI 应用公司在国内的融资环境里，基本处在 “鄙视链底端”，靠讲故事找投资人补贴亏损，不是一条可持续的路。

那怎么办？

吴显昆选择的是收入分成＋买公司。他们和海外的教育出版社合作，给教师群体做 AI 工作台 —— 对方出数据（相当于大陆的人教社体量）和渠道资质，Kuse 出产品，一起卖给学校。同样的逻辑也用在了一个上海保险 AI 项目上：他们只做设计方案，明确拒绝做实施和 coding，理由是 “这部分价值没那么大”。更激进的是，他们已经开始在泛金融行业做 “AI roll-up”—— 直接出钱买下公司，帮对方把 AI 能力嵌进核心业务，通过提升 EBITDA 提升企业价值获利，这在亚洲几乎没什么人在做。

顾学斌选择的是完全不同的定价逻辑。WeMeet 荟神做的商务会议 AI 同传智能体，定价 99 元人民币一小时，每种语言限 100 人，超出每人加收 1 元 —— 比市场现有 AI 同传报价低了 99%。他的判断是：这个品类本质是 “AI 原生服务”，不是卖 token 也不是卖订阅，是按场景、按小时收钱。

![AI 到底能不能真正撑起企业的利润率？ · 原文图片 2](https://inews.gtimg.com/om_bt/O47sZvlgaz8NE7ITMmrwjGXbDzhcAfEeKPmgGds4D_KVcAA/1000)

许乐洋走的是广告＋订阅混合路线，但坦言公司仍未盈利。Seekee 做的是面向拉美市场的 AI 浏览器，现金流靠搜索广告先撑住，订阅收入需要时间慢慢叠加 —— 因为普通用户根本没兴趣搞懂 agent 是什么，你只能先帮他往前走一步，好用了他才会为单点功能付费。

![AI 到底能不能真正撑起企业的利润率？ · 原文图片 3](https://inews.gtimg.com/om_bt/Oh-lDfMSHJURHEYw4xMUbV0Jt-CtTkRW8bdODxkpcgSvIAA/1000)

**"三条路径背后其实是同一个共识：订阅制假设的是边际成本为零，但 AI 这门生意从第一天起就不是。"**

  

## **真正杀死 AI 公司的，不是 token，是获客成本**

吴显昆把这件事总结成一个 “三角循环”：to C 获客成本高、token 成本随规模线性上涨、转向 to B 之后部署／实施成本又变得极高 —— 三头堵，margin 怎么都上不去。

但 Google 的李忆给出了一个更扎心的数据视角：token 不是决定生死的因素，获客成本才是。他举了个例子：在 Google 上搜 “AI tools for free” 这类词，月活能到几十万，但这批流量大概率是薅羊毛的 —— 即便运营再用心，他们也不会付费，反而白白消耗 token。而像 “AI agent for marketing” 这种 B2B 关键词，月搜索量只有 4000 多，单次点击成本能到几十美金，但转化出来的都是真实付费用户。流量大不代表值钱，搜索量小才可能是真需求。

![AI 到底能不能真正撑起企业的利润率？ · 原文图片 4](https://inews.gtimg.com/om_bt/O4G3y6IN-wd71qyyFwfOWx7zebENdvWEUi92HapfKjMX4AA/1000)

他还提到一个洞察，对出海团队非常实用：美国用户关心 AI coding 和自动化，法国在意合规性，德国关注 API 对接和准入标准，英国用户想解决的是中小企业提效和求职面试 —— 同一款产品，文案打错了国家，直接决定成败。

许乐洋分享了一个应对 token 成本的实操细节：他们把最好的模型和次一级模型分开用，纯对话场景用次一代模型体验差异不大，但涉及图片生成这类任务，模型差距肉眼可见，必须上最贵的模型 —— 而且等模型厂商推出下一代产品时，上一代成本会直接降 80%，这是他们控制 token 成本的关键杠杆。

李忆还提到一个反直觉的获客技巧：某些企业级客户会先收 50 美金的咨询费，把无效流量筛在门外 —— 这笔钱后续会退还给客户，但足以快速筛出真正有意向的付费用户。

  

## **Agent 在企业里卡住的，不是模型，是 “人”**

商汤的Cameron Wang说：企业落地 agent 最大的障碍，不在模型层面，而在工程和组织层面。

工程层面，agent 要调用企业原有业务系统，但很多企业根本没有标准化的 API，工程师现场配置往往要花 1 到 2 周 —— 这跟 agent “即插即用” 的预期完全相悖。组织层面更麻烦：agent 运行的前提是企业有清晰、文档化的业务流程，但很多企业的经验都是 “老员工口口相传”，根本没有文档，agent 无法介入。这已经不是 IT 部门能解决的问题，而是倒逼企业先把整个组织流程数字化、标准化，业务负责人必须亲自下场，否则 agent 项目最后就是一场惊艳的 demo，没人真正用。

![AI 到底能不能真正撑起企业的利润率？ · 原文图片 5](https://inews.gtimg.com/om_bt/OS9Sc0n2vxnJ1E7vk9d55aSos5rL5gL7_V0ry6XnlubZ0AA/1000)

这个判断和 token 本身的问题也是相通的。Cameron Wang提出，ToB 客户用 token 时有三个说不清的痛点：成本没法预估（同一个开放式任务，可能花几千 token 也可能突发到十几万）、效率没法衡量（花 10 块和花 1000 块到底差在哪，没人说得清）、价值没法确认（如果推理失败，所有花费都归零，客户只想为业务结果买单，不想为不确定性买单）。她认为 token 平台真正的价值，不是卖 token，而是帮客户 “管理” token—— 把不确定的成本变成确定的投资，终局是客户只为结果付费，过程中的波动由平台方消化。

  

## **今年和去年，是两个物种**

李忆给出了一个非常具体的时间切片：去年出海 AI 应用，还是 “乱拳打死老师傅” 的阶段 —— 把 Veo 3、Sora 这类大厂能力简单包装成单一工具，就能靠流量赚钱。但今年 6、7 月份，这类项目几乎已经绝迹，存活并且做得更好的，反而是把 AI 能力做成解决具体 workflow 的产品 —— 比如帮海外头部博主涨粉的完整工作流，而不是一个孤立的功能点。

垂直，是今年活下来的第二个关键词。他提到一个很有说服力的案例：某家做 AI 扫描 3D 建模的企业，之前把图片生成数字 3D 模型／画像作为产品，客单价只有几美金一个月；后来聚焦到宠物赛道，把 3D 建模落地成实体手办、宠物挂件，客单价直接从几美金跳到几百美金 —— 不是模型变强了，是产品化和场景聚焦解决了定价权的问题。

顾学斌的打法也印证了这个逻辑：WeMeet 不是靠更强的模型取胜，而是靠合规壁垒（拿到了大模型和算法的国内 “双备案”）和极致的场景定价（99 元／小时），把过去一年 token 成本的剧烈下降，转化成了 60% 以上的毛利空间 —— 这在同传这个垂直场景里，几乎是不可复制的护城河。

  

## **一个还没人能回答的问题**

聊到年底展望时，吴显昆说出了一句话大实话：“AI 到底对公司业务有没有巨大提升，到现在也还没回答这个问题。” 他提到一个具体的错位：做 AI 客服的朋友说，自己能证明的是 “多少人从真人客服变成了 agent”，但客户真正关心的是 “利润率有没有从 20% 涨到 30%”—— 这中间的鸿沟，过去半年所有的 token maximization、各种榜单，都没有真正填上。

其他几位的判断则更像是行业的 “下一步剧本”：

商汤预测，私有化部署会大幅增加（数据合规倒逼），通用 agent 会陷入价格战，下一个创业机会是把行业 best practice 封装成 “即开即用” 的行业 agent 模板；同时企业的 AI 投入会从一次性的 CAPEX 变成持续的 OPEX，如果业务负责人不亲自参与，agent 项目大概率会沦为 “僵尸项目”。

Google 的李忆则押注一个更大的判断：就像电商时代最终跑出了 Amazon 这样的平台，AI 下半年或明年，也可能出现整合多个 agent、多个工作流的 “综合型平台”—— 他们内部已经在尝试这个方向，预计 9 月能看到结果。

许乐洋的野心更朴素：先活下来，再慢慢把用户对 AI 的认知，从 “点击搜索” 迁移到 “完成任务”—— 如果 Seekee 能在拉美成为衡量 “任务是否被 AI 完成” 的标准，而不只是 Google 的补充，那才是真正的护城河。

**"把这些拼在一起，能看到一条清晰的主线：这一轮 AI 应用的商业化，正在集体绕开 SaaS 的老路。订阅制假设的零边际成本在这里不成立，套壳和流量红利也已经在今年上半年被证伪。真正留在牌桌上的玩家，要么在垂直场景里做深，把定价权做出来；要么放弃标准化产品思维，去做分成、按结果收费甚至直接买公司换股权。至于 AI 到底能不能真正撑起企业的利润率 —— 这个问题，连身处其中的创业者自己，现在也答不上来。"**

  

## **更多对话细节**

**Speakers｜嘉宾**

Kuse AI 联合创始人&CEO 吴显昆

Seekee AI 联合创始人 许乐洋

商汤集团 生态合作中心总经理 Cameron Wang

谷歌 大中华区新客户业务部商务经理 李忆Ian Li

WeMeet荟神 创始人&CEO 顾学斌

**Host ｜主持人**

趣丸科技 副总裁&首席战略官 庄明浩

### **![AI 到底能不能真正撑起企业的利润率？ · 原文图片 6](https://inews.gtimg.com/om_bt/OIMDvupkvJT7xFNbjs6gnwmBd4-Wpwf1KJ2JLTz2Cj4r8AA/1000)**

**庄明浩：**先请各位简单介绍一下自己。

**吴显昆：**大家好，我是Kuse的CEO，我们做数字员工。商业模式上确实会跟大家理解的subscription有点区别，等一下可以聊。

**许乐洋：**大家好，我叫许乐洋，原来做了十几年投融资。我们Seekee是做出海的AI to C产品，主要面向普通用户和还不太会用AI的人，上线一年多，累积了一亿多下载。目前在探索AI在普通人使用当中的商业化怎么更好适配各个群体。

**Cameron Wang：**大家好，我叫王晓璇，在商汤科技负责生态合作。商汤有自己的大模型和AI Infra，今天第一次来参加非凡的活动，很高兴跟大家聊聊agent的商业化。

**李忆：**大家好，我是谷歌大中华区新客户业务部李忆。我们从去年甚至更早从SaaS出海开始关注，到前年开始大量涌现AI企业。我们部门比较多的是如何去看挣钱的AI企业，待会可以分享从去年到今年的一些变化。

**顾学斌：**大家好，我是微米AI荟神创始人顾学斌，连续创业者。微米今年2月6号在上海发布了全球首个商务会议智能体，今天也在支持大会。我们聚焦跨语言、跨互联网平台，从同传到互动再到商机生成，服务中国出海企业。

### **收钱、成本、趋势**

**庄明浩：**今天我们主要讨论三个问题：收钱、成本、推演今年下半年的趋势。先从第一个问题开始，你们主要的收费方式是什么？面向谁？为什么选择这样的收费方式？

**吴显昆：**所有人做agent的时候都会先尝试subscription。但你会发现AI是一个open-ended的solution，不像SaaS可以开箱即用，部署成本特别高，同时有token成本，边际成本非常高。最后无论你是增速快还是慢，都是毛利很低或接近亏损。跑得快的可能毛利反而是负的。我们有段时间增速非常快，但亏损扩大速度也非常快。唯一的解决方法就是找投资人融钱，资本市场去找补价值，但这不是sustainable的路。第二，AI应用在中国融资环境当中基本在鄙视链底端，没什么太大意义。

如果价值链上面要去收钱，subscription更像是self-serve的，往上走，bundled部署那就到FDE了。但FDE再怎么fancy，都跑不出一个范畴，它还是外包，只是更模块化、更fancy，很难逃出商业模式的本质。

我们最后选的路是跟核心合作伙伴做revenue share，然后跟一些PE做roll-up。比如和海外的教育出版社合作，一起做一个给教师群体用的AI workspace，卖给学校。他们出数据——在当地相当于人教社，有数十年教科书和教辅资料，这个数据本身珍贵，其他大模型无法提供。我们出产品化方案，一起卖给老师，预算跟当地有关。他们出数据、渠道、资质，我们出产品，然后分成。如果这是外包或收一笔钱，那可能我就不做了。包括跟上海保险AI也做过一个案例，我们出设计方案，拒绝做实施，不做coding这部分。coding非常简单，价值没那么大。所以至少做收入分成模式。

往上走，主要在做的是AI roll-up，在亚洲可能做的人非常少，新加坡可能听到有人准备尝试，但我们已经开始做了一两个月。会买下公司，主要做泛金融行业。找各种方法去忘掉我自己的产品化部分，忘掉用什么样的模型，看是否能对他核心业务、获客或客服有提升，把EBITDA提高，提升企业价值获利。最后可能自己募钱买下临近行业的企业。收软件费用或外包费用没有意义，落地非常heavy，如果不是这个公司的人，利益很难align在一起。这是很早期的尝试，也是一条很难的路。

**许乐洋：**我再补充一下产品。我们做海外AI浏览器，非常面向C端，试图渗透日常使用的这么一个产品。包含从搜索入口到慢慢嗅探需求，转化成简单AI应用。我们基本不做长程任务和复杂任务，像Manus、Genspark已经在证明的市场，非常容易被大厂看到并攻击。

我们选的是拉美。三年前内部就探讨过，之前做过面向东南亚和中东的to C产品。东南亚反馈是本地用户支付能力确实比较差。所以第二个产品从人口支付能力上是往上走了，拉美支付能力大概是东南亚的1.5到2倍。从产品逻辑上，我们往下走。无论中国还是美国产品，本质都是试图改变用户使用习惯，比较大的行为改变，我们对此有顾虑。普通用户的行为迁移需要循序渐进。AI浏览器的好处是，大家听到不会觉得突兀，脑子里有框架，知道是在帮忙找东西。

收入上，第一，我们有搜索，几百万日活，嵌一些广告，这是现金流回收。第二，搜索过程里我们知道用户看了什么、点了什么、想搜什么、为什么没进行下一步，会引入不同AI工具。比如搜怎么改图，为什么引入AI工具给你做解决方案，而不是给一堆链接。我们对用户的理解、积累的数据壁垒，加上小语种独有优势，都是获得认可的重要原因。

第二个慢慢在增加的是订阅，但需要叠加时间。普通用户没时间没精力没兴趣理解agent或AI运行机制，今天我们帮他往前走了一步，给一堆解决方案，自己去找去试用，不好就反馈，基本上给到的都是短程一件或两件，做的事非常少。这非常契合海外普通用户，也是非常泛的需求。拉美受北美影响比较重，对vertical产品有支付意愿，支付能力也比较强。这两块收入支撑我们往下走，但公司还没盈利。显坤说融资一开始做了开头，但因为快速增长，海外这件事还是比较有潜力。

**顾学斌：**作为行业老炮，我说直接一点。AI时代做东西，得重度降本，极度增效。我们商务会议智能体定价99块人民币每小时，每种语言限100人以内，每多一个人收一块钱。对比AI同传，比市场现有价格低了99%。今天这个会议有英文、葡萄牙文、法文、马来西亚文、泰文，原来提供这些同传和互动成本不可想象，现在每小时几百块就能做到。

我们从第一天就是生而全球，定位国内国外同时落地。海外第一场实战就是非凡产研6月新加坡的会，我在上海用链接看到很顺利，意味着中国算力和云能力已经可以支撑。国内99元每小时，出国就是美金。

### **出海 AI 应用的变化**

**庄明浩：**今天AI应用公司出海，在流量运营推广包括云上，Google是最合适的选择。你们部门专门针对这个，过去两年看到AI方向上有什么变化？

**李忆：**我所在部门是0-1帮助所有AI企业出海盈利。从去年到今年，同一个时间节点，企业很不一样。

去年有点像乱拳打死老师傅。很简单场景，不是解决agent或workflow，是简单聚合平台，把大厂Veo 3、Sora等做包装，以单一工具就能获得海外流量且得到付费用户。但今年6、7月份，再也没遇到这种企业，反而是以workflow、以AI agent方式出海的居多。

To C来说，以前聚合平台的企业还存在，但存活下来做得越来越好的是视频工具类企业，做成解决海外头部博主涨粉需求的workflow，这非常关键。今年单一工具不太适合出海获得更好付费用户，能解决个人或企业级workflow的工具或平台，能获得更好利润空间和付费用户。

第二是sub-vertical，垂直行业。生物医药、学术领域、企业级专业领域，像WeMeet等，非常细分垂直，解决某一个场景概念，比通用模型或通用agent有更强壁垒，别人没学更多知识无法解决。前段时间帮一个医疗企业做海外基因测序和生物检测，很多工具做不到。今年越是垂直越能获得高额付费用户。

第三，每个场景有不同产品线。今年3月遇到很有意思的现象，海外和国内同样类型企业，以AI大模型和扫描见长。以前上传图形做成3D模型或画像，今年觉得不挣钱，聚焦到宠物线下赛道，上传图片生成3D，但加了具象化到手办模型、宠物挂件及实体内容，客单价从几美金包月到几百美金。所以收入可能有更多不一样选择。

### **商汤视角：ToB 客户落地 agent 的实际挑战**

**庄明浩：**商汤有模型、有Infra，跟各行业做很多生态合作。从模型厂商角度，今年商业化探索上看到什么变化？

**Cameron Wang：**商汤做了很多私有化agent项目。谈收入之前有个前置问题，ToB客户落地agent的实际挑战。之前理解agent落地难更多基于模型层面，但实际更多挑战来自工程层面和企业组织层面。

工程层面，agent运行任务需要调用企业原有业务软件，需要标准API，但很多企业原有系统没有，工程师现场配置通常花费1到2周，这和agent落地即用的特性不相符。

组织层面，agent跑任务的前置条件是企业有清晰文档化的业务流程，但很多企业靠员工口口相传，agent无法介入，倒逼企业形成标准完整业务流程。这不再是IT项目问题，变成管理迭代问题，需要把整个组织流程进行AI化、数字化，不仅是IT部门的事，而是业务负责人要亲身介入。这是agent在ToB企业落地面临的两个很现实的问题。

### **成本结构的变化与痛点**

**庄明浩：**进入第二趴，成本问题。问显坤、乐阳、顾总，今天这个时间点，成本结构大致什么样？最头疼的模块是什么？

**吴显昆：**规模上去之后，特别是我们有to C产品，六七十萬用户，毛利也是正的。但规模稍上去，token成本就成了很大问题，非常痛苦，为什么要给模型厂商交那么多钱，自己留下那么少。获客成本相对比较低，我擅长社媒营销，总体获客成本比较低，但最后margin还是相对比较低。

后来从C端转向ToB多一点。ToB实施成本本身就高，AI工程师或懂AI的工程师很贵，hour pay比较高。做to C获客成本高，大量融资企业、愿意烧钱的企业、可以赚钱的企业在竞争流量。第二个是它不能像SaaS，这是核心，边际成本不会为0，是线性上升的，这是一切核心，其他话题都围绕这个。有token成本，转向B端希望控制token成本提高margin，deployment成本又变高了。就是这样一个三角循环。

**许乐洋：**我们作为完整产品，该有的成本一样都有，AI时代还多了成本。显坤说随着用户量增加，token成本显著增加。除了用户使用，很多没接触过AI，需要教育或试用，试用就是推广成本。一头在外的是获客成本。好处是拉美平均获客成本相较于发达国家低很多，但另一头成本补上去了。拉美没放全职员工，但有兼职，兼职和本土跨时区配合，成本上去了。这和在全国设不同办公室概念完全不同，文化差异和协同产生的隐性成本，叠加在获客成本上。

token上怎么调整？团队培养起编排能力。用户在浏览器里，日常行为都在里面，改图、文档、对话、学习。什么时间该让他知道什么功能可能用上，是对他行为的推荐。随着使用数据累积，什么任务下接什么类型任务推荐给他，相关性怎么样，是对用户的理解和对拉美用户的试探。

第三个是把最好模型都接上，跟所有大模型厂商合作。但在不同用户群体、不同任务中，给最好模型还是次一级模型，跟用户理解分不开。图片最好模型区别太大，成本特别高，会引导第一限量，第二付费给最好的。某些任务比如纯对话，Gemini Pro和次一代差别很大，但如果只是对图形简单修改，没必要给最好模型。用上一代的好处是，模型厂商推出新一代时，上一代成本直接降80%。对每天试用用户几十万量级来讲，成本控制非常重要。叠加AI和出海有很大魅力，但成本控制和考量是不断学习的过程。

**顾学斌：**微米看事情有点不同。第一不卖token，不卖积分，一上来定价按小时，基于场景本质，是AI原生服务、企业AI Service这个类目。

成本上两大类。第一，服务厂商的合规成本。作为连续创业者，过去两年在国内作为AI垂类模型企业，先后拿了大模型及国内算法网信办备案，双备案已完成。这成本前期需要创始团队和前期投资人支持，但走完后在市场上就可以说。

第二是产品实际运营成本。感谢大模型厂商，国内国外的都用，过去一年token成本下降非常剧烈，使得国内99块每小时还能有60%以上毛利。关键除了同传文字上屏，在座各位说中文也可以到链接里用AI记笔记、问智能体前面几位说的什么，纪要这些功能，还有AI直播。现在有机会在AI基础设施成本大幅下降时，用高度合规方式给用户提供极低价格，这件事好像被我们验证出来了。

### **获客成本与 token 的平衡**

**庄明浩：**到燕总这。找到你们的应该都非常目的直接，你们又有广告投放、云、最好的模型厂商，对国际市场理解深。从成本角度，过去大半年AI跟agent成规模公司这一波浪，出现了什么变化？

**李忆：**token固然是每个AI企业潜在成本，但希望大家更关注获客成本，这是到底能不能盈利、长期发展的关键因素。

显坤在B端市场获客成本控制得很好。比如邮件咨询先花50美金，把很多无效流量砍在外面，至少人力成本……这50美金会退给咨询者，但可以快速选择到很有意向的付费用户。

从数据看B2B和to C情况。Google上to C浏览搜索量非常大，比如搜AI tools或AI tools for free，月活几万到几十万不等。但这些流量可能没办法带来很好注册或付费用户，可能是薅羊毛党，平白无故增加大量token消耗。即使给很多creative用户运营，最后还是不会花钱。这是to C AI企业面临的很大挑战。如果一开始所有钱不管营销还是用户运营都放在吸引这部分用户上，可能一开始就只能继续融资。

B2B的词，比如AI agent for marketing，搜索量非常低，一个月就4000多，但单次获客点击成本可达几十美金。很多付费用户集中在企业级AI agent workflow消耗上。如果真要去找精准付费用户，ToB企业级产品可能快速获得这方面增量。

第二个，获客成本上，如果以出海为前提，要看清每个国家不一样。美国市场大量人想了解企业级或消费级，聊的是AI coding、AI agent自动化。欧洲法国聚焦合规性，德国关心API对接和准入标准，英国搜索的是能不能帮中小企业快速提效加速、求职面试能不能快速解决。选择市场不同或前期文案准备不同，可能就不成功。比如乐阳的产品帮助个人做助理，如果一开始选欧洲英国市场，可能选"能不能快速帮写求职简历"来推广；如果选自动化办公提高效率，也许不是很多人在意。国家受众要深入看别到底在意什么、发展阶段是什么，成本控制和获客成本才会有更多不一样。

最后，隔行问题。同样叫做出海，我负责跨境电商板块和AI agent。非常鼓励AI出海企业招一个跨境电商独立站操盘手。很多AI企业看用户增长、运营成本提升，还是围绕技术范围做出海生意，但毕竟是个出海的生意。不如直接找跨境电商出海领域已经很成功的员工来管理和打造成长曲线，把别人经验用在AI出海上。

### **模型厂商如何看待 token 成本与商业化**

**庄明浩：**商汤作为模型厂商，模型竞争激烈，前面嘉宾都讲到token成本。你们自己扛很重模型研发成本，做很重实施，怎么考量变化跟趋势？

**Cameron Wang：**整个agent产业链是token逐步向下游凝结成业务果实的过程。商汤有自己的token平台和AI Infra，就token问题再多聊一下。

很多ToB用户使用token时面对痛点。第一成本无法估计，开放式agent任务token使用量非常概率性，可能从几千到十几万突发式增长，客户没办法提前做预算，也看不懂账单。

第二是token效率问题。agent做任务时不同提示词、调用模型不同、不同推理路径，都会造成token效率千差万别。花10块和花1000块真正差别在哪？没人说得清楚。

第三是效果问题。花了这么多钱用token，真正产生多少业务价值？如果推理失败，所有付出都归纳为成本，不产生业务价值。客户只想为业务价值买单，不想为不确定性买单。

作为token平台，价值不仅在生产和分发token，而在于帮客户管理token。好的token平台需要几个能力：第一是token用量全景观测能力，对不同agent、不同任务提供全景化精细化账单，让客户看得懂。第二是用各种方式帮助客户提高token使用效率，比如自动压缩提示词，把不重要子任务自动路由到性价比高的小模型上。第三是token治理问题，让平台能针对不同agent或部门有token使用上限或自动审批路径，让agent在财务监管下自由运行。最后比较有想象力的是让用户只为结果付费。现在按用量付费，用多少花多少。未来更有创新的是，agent过程中产生的token波动由平台方通过技术优化买单，用户只为最终业务结果买单，规避所有使用风险。token平台是agent业务的基础设施，只有把token从不确定成本变成确定性投资，agent业务才能可靠。

### **年底展望：里程碑与趋势**

**庄明浩：**最后一个问题，大家期待到今年年底，无论是自己公司业务、商业化进程，还是行业趋势，会出现什么里程碑变化或期待？

**吴显昆：**我想验证的东西很简单，AI到底对公司业务有没有巨大提升。到现在也还没回答这个问题。过去半年经历很多AI运动，token maximization、各种榜单，但始终没完全验证在全流程中对企业价值能否足够justify。刚才提到客户要为结果付费，但面向客户时这个结果是什么？能为利润负责吗？朋友做call center，说不能为利润负责，能为多少人从人变到agent负责，这是他定义的结果。但客户心中会说，用你这个利润要提高，利润率从20%变30%。之间有关键的misalignment，期待改进公司的方式结果和定义的东西sometimes不太一样。

我们比较特殊是从没接触过任何外部投资，可以跟做buyout和PE合作是因为处在中立位置，没有其他外部投资人能拿到information access，对PE或买方来说比较保险，不会跟投资人披露业务内容。这跟怎么编排harness、怎么编排agent没关系。但最终获客成本问题还是没解决，需要时间看到有没有公司彻底AI化之后，significantly对利润、margin、EBITDA有巨大提升的case实现。

**许乐洋：**这事可看两层。作为创业公司，活下来非常重要，姿势不重要。广告收入也好订阅费用也好，叠加时间是个比例问题。更长远因为做to C，很在意用户今天对AI的理解和认知是什么样子。

早期时代每个用户click是计费载体，后来谷歌变成Google IT，用户觉得动作有价值。今天AI好处是所有人教育说用AI有成本，计价单元叫token。但用户对任务的认可度在慢慢变化。我们在Seekee拉美做的时候，把用户从搜索行为到完成任务做迁移。搜索有效果走原来搜索，识读到明确意图时转化成任务。任务这个词比较牛马，很多用户天生反感，普通生活里不需要这么正式过程展现结果。但AI能告诉他是效率提升，结果优化，原来做不到的事做到了。完成后有没有价值？单元付费或打包订阅，跟用户认知有关系。Seekee希望跟用户一起成长，行为停留在Seekee浏览器里。也许有一天在拉美或新兴市场，Seekee会成为AI上完成任务的标准指标，而不是Google，虽然Google已经在那里。

**Cameron Wang：**未来agent尤其是ToB领域可能有三个方向。第一，私有化agent会大幅增加。数据合规要求越来越多，很多企业会大规模私有化部署，开源模型或可私有化模型用量会激增。

第二是行业agent。通用agent开始卷价格，下一个胜负点可能是行业agent模板，把行业best practice封装成通用agent配置，让客户即开即用，这可能是下一个ToB创业点。

第三在组织层面。企业使用agent要有观念，这不是IT项目，是整个组织管理变革。agent会随着模型迭代、数据积累、业务变化自己成长。企业使用agent需要团队一直运行维护，会造成新兴agent相关岗位，企业投资从CAPEX变OPEX。很多企业落地agent困难不在技术或预算，而是业务负责人没亲身参与项目，最后agent demo很惊艳，变成没人使用的僵尸项目。

**李忆：**期望今年下半年或明年，AI发展比较快。拿电商或互联网时代情况，现阶段跨境电商独立站跟平台都存在，但Amazon平台有大量流量。流量端口上，我们内部团队已经开始做workspace模式，把各个agent或工作流融合。反映出来互联网时代最后剩下几家大平台集合所有功能，AI是不是也可能在今年下半年或明年上半年出现类似综合型平台，解决一部分或大部分问题。我们自己已经开始尝试，期待有这么一个内容出现。

第二，延长自己营收的模型和方式。不管结合线下还是个人生活方式或企业，除了AI agent解决问题之外，下一步是融合别人线下生活工作，还是跟别人实际业务挂钩。估计今年9月能看到很好结果。

---

原始发布版本：https://view.inews.qq.com/a/20260803A08QE200

本站阅读页：https://ffcap.cn/research/20260803a08qe200