独立应用正面临三大核心困境：产品被基础模型吞噬的风险、高增长难以转化为利润的悖论，以及用户入口掌控权的旁落。
文丨祝颖丽
编辑丨赵磊
2026 年 7 月，一位深耕 AI 创业圈的业内人士直言行业现状：“死透了。”传统软件创业“找需求、获用户、做收入”的路径在 AI 时代已然失效。
以 AI 知识空间产品 Kuse 为例，其创始人吴显昆在 2026 年初刻意压低增长。原因在于高昂的推理成本：每新增一个免费试用用户，都意味着付给模型厂商和云服务商的成本增加。即便转为付费，微薄的毛利也难以覆盖成本。对于未融资的 Kuse 而言，若增长仅是将更多收入输送给上游，规模便失去了意义。
这是当前 AI 应用公司的普遍困局：模型能力快速迭代吞并应用功能，卖模型的公司下场抢夺用户入口。创业者被迫思考：当能力、成本和入口均受制于上游，独立应用还能留下什么？部分玩家已转向卖交付、深入客户经营或自研模型。
卖 Token 的生意：增长越快，亏损越重
Kuse 曾创下 60 天 ARR（年度经常性收入）达 900 万美元的纪录，但创始人吴显昆如今反思，这本质是“卖货”而非 SaaS 订阅。AI 应用多为 Token 分销商，所谓的年化收入往往包含大量不可持续的一次性消费。
数据显示，AI 公司收入从 0 到 100 万美元的中位时间仅需 11.5 个月，远快于传统 SaaS。然而，这种高速增长伴随着极低的毛利。Bessemer Venture Partners 研究显示，高速增长的 AI 公司平均毛利仅约 25%，远低于传统云软件成熟期的 70%。
与传统 SaaS 边际成本递减不同，AI 应用的每次调用均产生推理成本，且成本不随规模扩大而显著下降。Perplexity 和 Cursor 的财务数据揭示了行业真相：若将免费用户的推理成本计入营业成本，其实际毛利率均为负数。Fireworks CEO Lin Qiao 将此现象概括为"Scaling to Bankruptcy"（规模化破产）：越增长，离死亡越近。
OiiOii 等公司已放弃追逐日活月活，转而关注付费转化与复购率。但在视频模型等领域，上游厂商掌握定价权，加上激烈的补贴战，导致多数应用公司难以实现正毛利。
模型迭代加速：应用生命周期被压缩
模型能力的快速进化正让一批应用迅速变得多余。代码搜索产品 Devv Search 上线半年即盈利，但随着 Anthropic 发布 Claude 3.5 Sonnet 及后续的 Claude Code，具备自动编写、修改和执行代码能力的模型直接跳过了搜索阶段，进入自动化开发时代，Devv 的原有路线图被迫作废。
类似情况发生在 AI 写作领域。2023 年高毛利的论文写作产品，因 Kimi、DeepSeek 等通用模型具备免费长文生成能力，至 2025 年收入归零。Jasper、Copy.ai 等企业纷纷转型，或连接 CRM 系统，或转向垂直服务。
工作流产品的窗口期同样短暂。一位创业者在获得种子轮后转向 AI 工作流，但短短一个月后，Skill 功能成为 Agent 标配，投资人随即认为独立工作流价值被替代，导致其融资受阻。据 a16z 统计，2023 年至 2025 年间，消费类 AI 应用榜单前 50 名中仅有 14 家公司始终在列。
Epoch AI 估算，2024 年 4 月后前沿模型能力提升速度翻倍。对独立应用而言，模型每释放一种新能力，都会催生一批新产品，同时也将在下一次升级中抹去一批旧产品的核心价值。
上下游通吃：模型厂商下场抢入口
“模型即应用”的趋势日益明显。为回收巨额训练投入，模型厂商有动力亲自下场做应用。Anthropic 在验证了 Cursor 的 AI 编程需求后推出 Claude Code；OpenAI 则通过 Deep Research、ChatGPT Work 等产品切入搜索、文档及内部工具市场。
在中国，腾讯、阿里、字节分别推出 Workbuddy、千问办公、豆包办公等原生 Agent。易观数据显示，2025 年二季度 PC 原生办公 Agent 流量新增的两倍中，三分之二流向大厂产品。大厂凭借免费额度、既有用户群和企业销售渠道，构建了创业公司无法逾越的壁垒。以 Workbuddy 为例，其针对免费用户和拉新的补贴投入高达数亿元，这是初创企业难以承担的。
面对降维打击，许多创业者被迫放弃通用场景，退守垂直细分领域，甘做大厂生态中的插件或补充角色。
避坑误区：为了差异而脱离用户
为规避与大模型正面竞争，部分团队刻意追求差异化交互，如“画布”模式，试图解决对话无法完成的任务。然而，这种出发点容易导致产品设计过于复杂，陷入小众需求的陷阱。
Kuse 曾花费大量精力优化画布上的 PDF 阅读体验，最终发现用户并无此习惯。创始人吴显昆反思，盯着“模型不会做什么”而非“用户需求是什么”，只会让路越走越窄。Devv 在转向自然语言生成时，也因过度追求与竞品区分而错失窗口期。
成功的案例往往直面竞争。有创业者在大厂发力的设计 Agent 赛道推出开源版本，凭借更灵活的定位一周内获得近 5 万 Star，收入反超此前项目。这证明在市场渗透早期，即便在大厂主战场，仍存在差异化身位的机会。
出路一：向下扎根，从卖工具到卖结果
一条可行的路径是深入客户业务，从提供工具转变为对结果负责。OiiOii 不再参与通用视频生成的补贴战，而是针对漫画转动画等垂直场景，通过后训练小模型交付符合特定风格的高质量视频。其交付价值从单纯的工具使用费提升至按效果付费，利润率显著提高。
原论文写作工具团队转型为"AI 培训与服务”，利用积累的数百万学生用户，提供从工具教学到内容变现的一站式解决方案，满足用户“赚钱”的刚需。
更有甚者如 Kuse，探索收购服务公司并利用 AI 改造流程，通过持股分享利润。这种“重交付”模式虽然拓展难度大，但能建立更深的护城河，摆脱单纯的流量焦虑。
出路二：向上突围，自研垂直模型
另一条路径是向产业链上游延伸，自研垂直模型。Cursor、Perplexity、HeyGen 等均已涉足模型层。Cuflow 团队在观察到用户上传数据的多样性后，果断停止应用更新，转而训练基于扩散语言的实时交互视频模型。
创始人杨博麟指出，依赖第三方模型让应用公司沦为“评测博主”，工程成果常因模型更新而付诸东流。自研模型虽需承担高昂的 GPU 算力成本和研发风险，但能将场景理解沉淀为核心壁垒，实现场景与模型的互相强化。
目前，该团队已与多家企业达成合作意向，试图通过定制化模型解决通用模型在特定场景下的不足。尽管前路艰难，但这被视为在“模型吞噬一切”叙事下，掌握命运主动权的更高胜率选择。
题图来源：《移动迷宫》
- FIN -
