💡 文章信息：作者：Rick Zullo (GP @ Equal) | 英文原文：点击阅读

💡 核心论点

• 许多市面上打着“AI 原生高毛利”旗号的 SaaS 初创公司，其实际利润率极其脆弱且易碎。
• 在底层由于极度依赖 OpenAI 等巨头昂贵且不透明的 API 接口费，这些应用实际上只相当于在做简单的“中介套壳差价”业务。
• 一旦底层大模型厂商降价、迭代推出相似原生功能，或者巨头直接开启价格战，这些公司的毛利率将瞬间雪崩并迅速归零。

---

📑 严格逐字逐段翻译

平等创业

人工智能原生服务的短暂利润

在此处关注有关 X 的讨论

当人们评估人工智能原生服务时，我看到了巨大的信念（信仰？），即最初的产品拉力和较低的成本将带来长期的结构价值。不幸的是，情况并非总是如此。

您可以浏览时间的行情记录，看到技术创新为客户带来更低成本的充分证据，从而使这些技术的早期采用者能够抢占市场份额。这是美国工业经济的基础。为了规模经济的利益，许多参与者竞相创新，生产更大、更便宜的产品。

在某些情况下，由于杰文斯悖论的概念，这可能会非常成功。我们之前已经探讨过这一现象，它解释了随着商品/服务的单位成本下降，它如何扩大了可服务客户的范围，从而推动更高的整体消费（扩大 TAM 和市场利润池）。几十年来，我们在个人计算市场上观察到了这一趋势。由于计算机的成本（相对于其性能）遵循摩尔定律，我们随后发现了消费的新用途。如下所示，虽然每单位计算的价格下降了超过 99.99%，但由于需求的增长足以抵消价格的下降，因此总体 TAM 大幅增长。这就是人工智能目前正在上演的故事——随着计算功能的单位价格下降，需求不断增长。

但如果需求是固定的怎么办？人工智能正在应用于无尽的劳动力市场，其中需求确实是固定的，并且相同的供给侧现象（即价格曲线下降）仍然有效。为了提供背景信息，请考虑特定年份的汽车保险索赔处理市场。发生车祸时，会产生两种费用：1) 实际索赔的费用（修理或更换汽车），2) 管理此索赔的费用。管理该声明的过程非常费力，并且代表了人工智能和自动化的一个很好的用例。因此，我们看到很多公司正在进军这一领域，其中许多公司以比传统公司便宜得多的价格提供人工智能服务，从而展现出巨大的吸引力。许多新兴参与者很乐意以低于成本的价格提供服务，他们相信：1）赢得市场才是最重要的，2）随着规模的扩大，他们的利润将会提高。在许多市场中，这很有意义，但在定价曲线下降和需求固定的大宗商品市场中则不然。

相反，这些人正在煽动一场逐底竞争……一场利润消失的竞争。当我与一位领先的保险业高管交谈时，他们说：“我们使用 34 种不同的 TPA……当我们相互竞价时，它们都变得更便宜……这很美妙。”这些参与者的市场价格（和利润）正在崩溃，但没有明确的路线来赢得市场（TPA 通常具有非常低的转换成本，上面的报价显示了多宿主的流行程度）。当价格下降且需求固定/无弹性时（即需求不会随着成本降低而增加），市场会显着下降（见下文），行业的利润结构也会如此。更糟糕的是，这些公司最终为客户陷入了无休止的仓鼠轮子。对于这样的行业结构，当价格在某一年下降 50% 时，公司需要将客户数量增加一倍才能维持自身。

正如我们所见，这些公司的利润是短暂的。最初，随着颠覆性参与者找到一种创新成本结构和抢占市场份额的方法，它们的规模会扩大，但随着其他新进入者的加入并压低价格，它们就会消失。在这些市场上赚钱就像陷入流沙……你越努力降低成本结构，你就越接近自己的灭亡。

Equal Ventures 坚信人工智能原生服务，但了解行业成本结构将如何演变可以决定您公司的成败。人工智能已经并将大幅扩展的市场几乎是无限的，如果您是我们核心领域的创始人，希望赢得这些市场，我们很乐意听取您的意见。

关于这篇文章的讨论

没有帖子

准备好了解更多了吗？

---

📌 核心金句与关键指标

[!NOTE]
““如果你产品的全部优势都完全建立在调用第三方 API 的套壳基础之上，你根本无法捕获真正的软件级高毛利率；你只不过是在用无法长期承受的高昂成本，暂时租赁用户的短期注意力罢了。””

---

🎯 行业启示与落地建议

• 必须穿透财务报表的表面繁荣，深入审计初创公司的“Token 计算损耗与净毛利率真实构成（Gross Margin Net of LLM Costs）”。
• 壁垒坚实的 AI 初创公司必须构建一套能够对特定数据自主训练小模型并不断降低高昂推理成本的技术自研回路。

---