月烧 1380 万只收回 280 万：AI 生意的账

这份账本里最刺眼的是那个比例

一家用户量相当可观的 AI 产品走到了破产重整，被公开的财务数字很扎眼：每月算力支出 1380 万美元，收入峰值只有 280 万，八月份仍然月亏 800 到 900 万。

数字当然值得讨论，但更有价值的是那个比例。支出大约是收入的五倍。这不是「差一点点就能盈利」，是结构层面的缺口。

大部分讨论停在「AI 太烧钱」这个结论上。烧钱我们都知道，真正要问的是钱烧在哪、能不能靠增长补上。把这两个问题拆清楚，这份账本才有参考价值。

收入上限是被什么压住的

先看收入端。280 万的月收入峰值，对应的用户规模并不小，说明单用户收入被压得很低。

一般有两个原因。

一个是定价被竞争钉死了。角色对话、陪伴类产品，用户手上的替代品太多，月费抬到某个数字，流失率立刻飙升。不是不想涨价，是涨不了。

另一个是付费转化结构。这类产品往往给大量免费用量，付费用户占比很低，而免费用户恰好是成本的主要来源。等于付费用户交的钱，在给免费用户买单。

还有一个隐蔽因素：这类产品的价值很难跟「省了多少钱」挂钩。工具可以说我用它省了两个人力，陪伴类很难量化。不能直接换算成收益的产品，定价天然吃力。

成本为什么不随用户一起摊薄

传统软件的理想状态是边际成本趋近于零，多一个用户几乎不花钱。AI 产品不是这样。

每多一次对话就是一次真实推理，每多一次推理就是真实的算力消耗。规模效应当然存在，但曲线很平。从十万用户到一百万用户，单位成本可能只降了两三成，收入却不会同步涨十倍。

更麻烦的是峰谷。用户活跃集中在晚上，算力要按峰值准备，低谷期资源就空转。多数 GPU 账单是按预留算的，不是按实际调用算的。

还有一层关于留存的反直觉关系，下一节单独讲。

一条能立刻套用的算式

财务术语拿掉之后，AI 产品的核心算式很简单，任何人都可以在自己的项目上算一遍。

单次毛利 = 这次调用带来的收入 − 这次调用的算力成本。

如果是订阅制，再换算一步：一个用户每月交的钱 − 他每月实际触发的调用成本。

算完你会发现，决定生死的不只是平均值，而是分布。平均值可能很好看，但排在重度用户那一档的人，单个可能就是负毛利。一百个轻度用户赚的钱，可能被五个重度用户吃光。

这个算式还有一个用法，给免费额度定价。免费额度不是越多越好，它的真实货币成本可以用同一个公式算出来。算完之后你会明白，某个看起来很阔气的免费额度，每个活跃用户每月要贴多少钱。

留存的反面：用得越勤，亏得越多

产品人都想要高留存。但对重算力的 AI 产品来说，留存有一条明确的反作用。

高留存意味着每个用户的生命周期总成本在持续累积，而同期收入是固定的月费。如果这个人单次是负毛利，那他留得越久，亏得越多，他的终身价值是负的。

这不等于别做留存，是说留存必须跟成本结构一起看。你真正想要的是「高留存 + 单位成本随使用下降」这个组合。所以团队会把重活降规格、做缓存、把重复处理批量化，都是为了让那第二条成立。

判断方法很朴素：把你留存最好的那批用户单独拉出来算一遍毛利。如果这批人是亏的，你的留存打磨得越好，账面越难看。

三条常见的自救动作，只有两条真的有效

提价。 有效但最难。可行的破解办法是换收费通道：把重度用量做成额外的按量计费，把免费额度收紧，而不是整体抬月费。这样轻度用户无感，重度用户按自己的用量付钱。

降单位成本。 这条最有效。常见手段包括模型路由，也就是简单请求走便宜模型；提高缓存命中；把重复请求批量处理；把系统提示词压到最短；给上下文窗口设上限。这些加在一起，往往能砍掉一大截。

靠扩规模补亏损。 这条基本无效。因为每个新用户自带一份成本，在单次负毛利的情况下，增长等于加速亏损。只有单位毛利转正之后，增长才会放大利润。顺序搞反了，规模就是放大器，只不过放大的是亏损。

对个人和小团队意味着什么

一家公司破产，听着离你很远。这份账本里至少有三条可以直接搬到个人身上。

第一，单位成本没算清楚就上量。做 AI 副业最常见的死法在这里：跑一次自动化任务花多少钱心里没数，等账单来了才发现每个用户每月要贴几十块。

第二，免费额度是真实成本。送出去的东西你自己要付钱。设计额度之前先算总额，别把它当成营销手段里不花钱的那一项。

第三，别指望规模自动解决。单位毛利没转正之前，用户变多只是让亏损变大。

换句话说，AI 产品的第一性问题永远是单位经济，不是用户数。

现在可以动的三个开关

不管你在做产品还是在做自己的 AI 工作流，下面三个开关可以立刻检查。

• 给每个 AI 动作标一个成本。 哪怕只是大概数。不知道单步成本，就谈不上优化。
• 按任务难度分配模型。 不要所有活都用旗舰版本。把机械性任务路由到便宜的那档，是收益最明显的一步。
• 把重度用户单独拎出来看。 有付费就拉出用量最高的那百分之五，单独算他们的毛利，你会看到平均值掩盖的东西。

从这份账单里能学到的定价方法

如果你现在要给自己做的产品定价，这份账本给出三条很实在的提示。

第一条，跟用量挂钩的那部分定价应该往上提权重。固定月费的好处是简单，坏处是它默认重度用户和轻度用户贡献一样多，而这个假设在重算力产品上一定不成立。把重度部分放量付费，是对单位毛利最直接的修复。

第二条，免费额度要有明确的成本上限，而不是单纯的数量上限。比如限制每月多少次而不是每天多少次，或者封顶后自动降级到便宜模型。这样你怎么都不会被少数人拖垮。

第三条，别照着平均用户画像定价。定价要照着让你亏钱的那一档用户来设计。平均用户通常不决定你的盈亏，边缘的那百分之五决定。

判断一个 AI 项目能不能活下来的三个信号

不管是看别人的项目，还是评估自己的，有三个信号比商业计划书准。

第一个信号，团队能不能在不查资料的情况下说出自己的单次毛利。答不上来的团队，基本都还没建立起成本意识，账单是滞后指标，等它难看的时候已经晚了半个月。

第二个信号，重度用户是赚钱的还是亏钱的。如果留存最好的那批人在亏钱，说明产品越好用，财务状况越差。这种情况的调整窗口通常只剩几个月。

第三个信号，增长的时候单位成本有没有下降。传统软件增长一定伴随单位成本下降，AI 产品不一定。如果量和成本是同步直线上涨的，这个模式还没成立。

最后提醒一句

这份账单值得警惕的地方不在「AI 不赚钱」。靠 AI 赚钱的团队很多。真正的问题出在节奏上：单位经济还没跑正的时候，融资把这个问题盖住了。资金一断，账本才被看见。

现金流量表不会因为你用户多就变好看。提前把自己的单位账算清楚，比等某个大公司破产给你上一课，要便宜得多。