小题大做的利润率：被过度炒作的 AI 毛利率争议

上周，我和同事们发布了 《Bessemer 2025 年 AI 现状报告》。报告中一个发现引发了激烈讨论：当今许多增长最快的 AI 初创企业初始毛利率很低，有时甚至为负值（下图所示）。《The Information》同样聚焦这场”利润率计算”争议 ，并邀请我分享对 AI 初创企业毛利率演变趋势的看法。需要说明的是，本文所指毛利率采用完全成本法的严格定义 。

关于利润率的争论在风险投资领域并非新鲜事，尤其对那些专注于数据基础设施等领域的投资者而言——这类企业往往依托公有云服务商构建业务。企业在生命周期早期阶段的低毛利率或许不够美观，但这未必意味着厄运。以 Snowflake 为例，该公司在高速增长阶段仍报告负毛利率 ，但到 IPO 时已实现稳健的毛利率水平 。正如 Index Ventures 的 Martin Mignot 在近期 20VC 播客节目中指出 ，金融科技和消费领域的巨头们在初创期同样呈现过类似轨迹。此外，a16z 的 Sarah Wang 与 Martin Casado 曾撰文精辟论述了过度关注利润率可能导致的短视行为 ——这种思维很可能让人错失科技史上许多最成功的投资案例。

从早期建设阶段缺乏规模效应到基础设施尚未优化，对于初创企业初期毛利率表现不佳存在合理解释，这未必预示着长期单位经济效益。每种情况都具有独特性，在某些特定案例中，若产品基础扎实，初创企业甚至可能主动选择牺牲利润来换取市场覆盖 。

并非所有风投都认同这一观点，但我发现多数早期投资者（尤其是专注高技术领域的）对低毛利率企业投资存在一定包容度。虽然初期低毛利率不应直接成为否决理由，但也不能盲目相信利润率会随时间自然提升而忽视这个问题。关键在于审慎评估那些决定企业能否逐步实现可持续单位经济效益的关键因素：

在评估人工智能企业时，我重点关注以下几个问题：

• 若托管与算力成本 ( 如模型训练和推理相关支出)在主营业务成本中占比较高，底层成本能通过哪些途径(供需市场因素、规模效应等)实现多大程度、多快速度的下降？
• 纵向整合作为提升利润率的策略是否切实可行？实施该策略需要哪些配套投资？
• 是否存在技术手段——如更精简高效的模型、基础设施优化或专用硬件等——能够有效改变成本曲线？
• 在竞争格局下，提高价格或严格执行折扣政策的可行性如何？
• 对于依赖基础模型供应商的 AI 应用公司而言，token 成本将如何随时间演变？
• 若人工参与或服务在销货成本中占比较高，技术进步能以多快速度降低这种依赖？

相比快速增长型 AI 公司毛利率曲线如何演变，它们最终会稳定在什么水平才是更值得探讨的问题。鉴于算力在成本结构中的基础性作用，我认为 AI 企业的利润率更可能趋近核心基础设施软件企业，而非传统 SaaS 企业。

这自然引出一个后续问题：既然人工智能公司的绝对利润率预计将低于传统 SaaS 企业，为何它们仍能吸引投资者空前的关注，并获得远超 SaaS 的估值溢价（见上图）？关于人工智能市场总规模与增长路径的解析，我将在另一篇文章中探讨这个问题，敬请期待。