AI 算力圈的“循环闭环”正在卡死。
过去两年 AI 狂飙靠的是一条极度紧绷的资金链:
下游 Anthropic 们在招股书里签下高达 9000 亿美金的未来算力承诺,去二级市场讲万亿估值故事。
中间商 CoreWeave 拿着这些远期合同,疯狂举借 662 亿高息债务买卡建机房。
上游英伟达一边收割千亿营收,一边给下游提供算力兜底。
但这周三头同时拉响了警报:Anthropic 创下最大 IPO 后次日险些破发。
二级市场不再无脑为远期算力支票买单。
英伟达在遭遇监管查账的同时,悄悄收紧了对云厂商的兜底承诺。
夹在中间的 CoreWeave 股价直接砸向 40 美金发行价边缘,光单季利息就烧掉 8.46 亿美金。
这就是一场下游画饼、中间借高利贷、上游数钞票的左脚踩右脚游戏。
一旦最末端融不到便宜的钱,整条链条的高杠杆立刻就要反噬。
7
9
205
趁你还是穷学生免费喂上瘾,等你毕业进公司再收一辈子税。
OpenAI 正式拿下加州大学(UC)全系统采购大单,几十万师生全员接入 ChatGPT 体系,直接引发全校教授集体抗议。
巨头抢占高校从来不是做慈善,而是算准了三笔账:
1. 廉价获客:用极低的教育打包价瞬间锁定几十万高智商年轻用户,把对手彻底挡在校园门外。
2. 习惯绑架:让学生在写论文、写代码的第一天就依赖自家工作流,毕业进公司自然变成高客单价企业客户。
3. 语料与反馈闭环:几十万高频科研与编程交互,本身就是免费且高质量的强化学习燃料。
AI 巨头的流量焦虑已经藏不住了:
表面上是科技普惠校园 = 亏本赚吆喝的教育补贴
本质上是提前圈地锁人 = 趁年轻把下一代打工人变成终身订阅户
7
8
244
本周美股科技圈直接血流成河:英伟达周五暴跌 14% 遭联邦会计调查,纳斯达克创下 2020 年疫情以来最惨单周跌幅。
最魔幻的一幕发生在刚刚刷新人类最大 IPO 纪录的 Anthropic 身上:
周四首日上市暴涨 17%、盘中冲破 2 万亿美金,华尔街还在吹捧“AI 叙事重燃”;结果不到 24 小时,周五股价直接重挫 8.5%,一脚砸回 $83 发行价门口。
资本市场终于开始对 AI 巨头算总账了:
过去三年讲技术神话 = 算力基建狂飙、估值只看想象空间
现在敲钟接受公开审查 = 债务压顶、监管调查、每一分毛利都要真金白银兑现
靠信仰撑起万亿估值的阶段结束了,接下来拼的是谁在退潮后还能交出正现金流。
4
6
301
很多接入推理模型(o1 / R1 / Claude 思考模式)的 AI 应用团队,至今没算明白账单是怎么炸的。
表面看,各家大厂的 API 输出单价一直在降,但隐藏思考链(Thinking Tokens)把真实成本结构彻底改写了。
1. 你在前端只看到 500 字的最终回答,后台模型为了自我验证、回溯和纠错,实际消耗了 8,000 到 15,000 个隐藏推理 Token。
2. 隐性消耗是显性输出的 15–30 倍,且这部分推理过程全部按最贵的 Output 单价计费。
3. 一旦业务里引入多 Agent 互相校验,单次复杂任务的真实 API 成本瞬间翻 50 倍。
这一轮模型降价降的是“表面标价”,推理深度拉高的是“真实结算量”。
不把“最大思考预算(Max Thinking Tokens)”写进代码硬限制的团队,月底看账单全是在给大厂交隐形税。
10
9
363
估值 600 亿美金的 SpaceX 旗下王牌 Cursor,可能要被迫放弃 Kimi K2.5 了。
离开中国开源模型,它还能不能把 AI 编程这门生意做好?
在 AI 编程场景下,用户每次让 Agent 阅读代码、修改文件、运行测试,都会触发多轮模型调用。
任务越复杂,Token 消耗越大。
如果全部依赖昂贵的闭源 API,即使用户增长再快,推理成本也会直接吞掉毛利。
这也是 Cursor 早期选择用开源权重做底层优化的根本原因。
Kimi K2.5 的真正价值,不只是编码能力,而是它给了 Cursor 自主部署、压缩推理成本的商业空间。
但现在,地缘政治合规可能迫使它自断臂膀。接下来最值得观察三个问题:
1. 模型替代:连美国国会报告自己都承认,本土目前拿不出同等性价比的开源平替——Cursor 是切向马斯克自家的 Grok 算力池,还是硬扛闭源成本?
2. 推理成本:换掉 Kimi K2.5 后,Cursor 的单次 Agent 任务内部成本会上升多少?
3. 产品体验:为了保住毛利率,后台会不会出现“隐性上下文截断”或限制调用轮数,导致 Agent 实际编程能力降智?
AI 行业已经进入残酷的商业化深水区,光靠产品体验不够,还得算得过单位经济效益的账。
Cursor 如果失去 Kimi,恰好是观察这场算力与商业博弈最好的一面镜子。
21
21
528
苹果也要做Agent了!!!
苹果这周的动作,指向同一个目标:不让第三方 Agent 接管 Mac。
一边招聘团队,自研通用电脑 Agent,计划最早 2027 年底落地。
一边调整 macOS 权限,限制第三方 Agent 读取文件、模拟点击和跨应用操作。
同时开放 Siri AI 接口,把开发者引入 App Intents 框架。
这三步连起来,就是苹果的算盘:
第三方可以做 AI,但不能绕过苹果制定的规则;可以接入 AI,但入口和权限必须掌握在苹果手里。
过去靠 App Store 收取「苹果税」,下一代它想掌握的,是 Agent 的分发权和服务收入。
苹果这是在保卫自己的平台控制权啊。
17
20
450
所有人都在吹 AI 独立开发暴富,但 13,700 个 AI 项目的真实 Stripe 账本曝光后,撕开了最残酷的真相:超过 8,000 个项目上个月收入为零。
剔除零收入项目后,AI 赛道 MRR 中位数只有 190 美元。月收入超过 1 万美元的项目,不到 6%。
一、Tally 和 Papermark 的赚钱逻辑
Tally 约 10 人团队实现 600 万美元年收入;Papermark 两位联合创始人实现 400 万美元 ARR。
它们的共同打法是:免费基础版获取用户,商业版赚企业的钱。
个人用户免费使用,企业需要专属域名、去水印、权限管理和安全合规时,再升级付费。
免费产品负责传播,企业需求负责变现。
二、普通人做 AI,别急着开发
我认为有三条路值得尝试:
1. 找企业痛点。律所、诊所、跨境电商、本地服务商都有大量重复工作。优先找能帮他们获客或节省人工的需求。
2. 先收钱再开发。用 Cursor 或 Lovable 搭展示页,测试 99—299 美元月费。先找 30 个潜在客户,争取拿到 3 个真实付费订单,再开发完整产品。
3. 做细分市场内容。围绕具体行业和竞品建立对比页面,让 ChatGPT、Perplexity 等搜索工具有机会发现你的产品。
不要一开始就想着做一个大而全的 AI 平台。
先解决一个有人愿意付钱的问题。
未来真正值钱的,不是你能做出什么 AI 工具,而是有多少客户愿意持续为它付费。
你最近在测哪个垂直场景的 AI 需求?评论区聊聊,看看能不能跑通 B 端付费。
9
10
435
个人开发者做 AI 应用,定价低于 50 美元/月,那一定是不会算帐。
还在用传统 SaaS 的思路做 AI:定价 9.9 美元或 19.9 美元,靠低价吸引用户,再通过规模赚钱。
每一次模型调用、多模态生成、长上下文推理,都在消耗 Token。C 端用户的新鲜感又消退得很快,订阅取消率高。用户越多,API 成本和维护压力也越大。
再算上获客成本,账就更难看了。
如果获取一个付费用户需要 40–60 美元,而月费只有 19.9 美元,用户平均只订阅几个月,扣除模型成本、支付手续费和退款损耗,很可能还没收回获客成本,用户就已经流失。
与其争夺 1 万个低价用户,不如换一种思路:找 30 个愿意每月支付 300 美元的企业客户,年化 10.8 万美元。
个人开发者真正值得做的,是解决企业某个具体环节的效率问题。
1. 不卖 AI 功能,要卖人力成本的节省
可以从这些场景切入:
• 外贸:询盘整理、客户背调、报价单生成
• 跨境电商:订单整理、售后分类、客户跟进
• 律所和诊所:线索筛选、资料整理、预约提醒
• 中小企业:发票识别、单据校验、财务录入
这些工作重复、耗时,而且每天都要做。如果你的工具每月能帮企业节省上千美元的人力成本,收 300 美元就有明确的付费理由。
2. 控制 Token 成本,才有利润
不要什么任务都交给大模型。
数据抓取、格式整理、规则校验,用传统代码处理;语义理解、信息提取和复杂判断,再调用模型。简单任务用低价模型,复杂任务用高性能模型。
AI 应用不能只看收入,还要看每个客户背后的实际推理成本。否则客单价再高,也可能被 API 账单吃掉。
3. 30 个精准客户,不需要先买流量
可以先筛选 500 家有明确需求的目标企业,拿真实业务样本跑出自动化结果,再把人工处理和 AI 处理的效率差异展示给老板。
先证明能解决问题,再谈收费。
相比 C 端用户,企业客户一旦把工具接入订单、客户或财务流程,通常会有更高的迁移成本。但前提是产品足够稳定,准确率、售后和数据安全都过关。
小而垂直,比大而全更适合个人开发者。
7
10
518
英伟达财报中最该关注的不是1300亿美元指引,而是这组数据:表外1180亿美元担保(含1050亿OpenAI俄亥俄州信用支持)、5180亿美元未来采购承诺、810亿美元应收账款、397亿美元存货。
这已非单纯卖芯片,而是高度咬合的“算力金融链条”。一旦下游AI商业闭环卡住,风险将沿五步打穿订单与估值:
1. 融资卡壳:新兴云与前沿实验室现金流薄弱。资本市场降温、融资成本上升,扩产即从“抢卡”转为按融资进度分批。英伟达信用支持附融资与供电验收条件,买方融不到钱或机房延期,新增算力停摆。
2. 回款与排期延后:买方缺钱便拉长账期、推迟提货。810亿应收账款周转放缓,上游代工仍在爬坡,397亿存货成去化压力。订单从催交货转为顺延。
3. 商业闭环断裂:集群上线后,若终端AI推理与企业付费覆盖不了GPU折旧、电费及融资利息,买方只能砍CapEx、压低算力租赁价。下游算不过账,即使融资窗口重开,也无人敢加杠杆买卡。
4. 刚性成本反噬毛利:英伟达背着5180亿美元未来供应链与内存采购承诺,属硬支出。需求放缓导致产能利用率与产品结构变化,利润空间受挤压(Q4毛利率指引已下探至71%-72%)。
5. 市场重新定价:华尔街抢跑基本面。闭环裂痕出现,市场即剥离“金融杠杆增速”:下修远期增速、压缩PE、对1180亿表外担保计提风险折价,并将新兴云订单从核心基本盘剔除单独计价。
买方融资卡壳→账期拉长、排期延后→变现覆盖不了折旧→刚性采购反噬毛利→市场杀估值。
卖方用自身资产负债表托举买方时,决定周期高度的不再是显卡性能,而是下游真实现金流。
3
5
270

