之前有小伙伴留言，建议我分享一些“失败”的案例。今天分享的这个产品不算“失败”，但我很想和大家分享：Tome，https://tomeapp.ai/
2023年初，如果要选一家最能代表第一波生成式 AI 创业热潮的公司，Tome 大概率会在名单里。
它做的事情非常简单：输入一句话，AI 帮你生成一整套演示文稿/PPT。
当时 ChatGPT 刚刚爆火，大部分人第一次意识到，写文案、找图片、排版这些工作居然可以同时交给 AI。
Tome 因此迅速成为全球最火的 AI 生产力工具之一。
2022年9月上线后，它只用了 134天就突破 100万用户，公司称这是当时所有生产力软件中最快的百万用户纪录，比Slack、Dropbox 和 Zoom 都快。
到 2023年7月，用户已经超过 1000万；2024年春天超过 2000万，最终累计达到 2500万用户。
资本也一路追着它跑。
Tome 一共融资约 8100万美元，投资人包括 LinkedIn 创始人 Reid Hoffman、Google 前 CEO Eric Schmidt 也投了钱。
2023年2月那轮融资时，公司估值已经达到 3亿美元，更夸张的是，当时 Tome 还几乎没有收入。
如果故事停在这里，这几乎是一家标准的 AI 明星创业公司。
但两年之后，创始人 Keith Peiris 做了一件很少有创业者敢做的事：
把这个 2500万用户的产品彻底关掉。
不是卖掉，不是保留一个小团队维护，也不是慢慢停止更新。
2025年4月30日之后，Tome Slides 正式停止服务，用户连过去制作的内容也无法继续访问。公司提前要求所有用户把资料导出，并给付费会员退款。
原因很简单：2500万用户看起来很多，但到了 2024年底，Tome 一年的收入只有大约300万美元。
2500万人用了，为什么就是不愿意付钱？
2023年，Tome 用户总共提交了超过 2亿次 AI 提示词，生成了 300亿个单词、1.1 亿张图片和 6000万份 Tome。
问题就在于，这种需求虽然广，却不够深。
Tome 后来发现，它的大量用户是学生、自由职业者和小企业主。
这些人当然喜欢“一句话生成PPT”，但很多人一个月可能只需要做一两次，而且即使觉得产品很好用，也不意味着愿意长期支付订阅费。
大量用户一直停留在免费版，即使付费，价格也只有大约每月10美元。
这造成了一个非常尴尬的结果：用户数字继续涨，收入却越来越不动。
2023年8月，Tome 的年化收入刚超过 200万美元；
到 2024年初，月收入大约 30万美元，相当于一年300多万美元。
后来用户又增加了几百万，但到了 2024年底，收入还是停留在大约 300万美元。
2500万用户，对应 300万美元年收入，粗略平均下来，每一个注册用户一年只贡献十几美分。
Tome 证明了一件在 AI 时代很容易被忽略的事情：
一个问题“很多人都有”，和一个问题“有人愿意花很多钱解决”，完全是两件事。
Tome 挣扎过一年，并不是突然决定关门
创始人 Peiris 很早就意识到了问题。
2024年4月，Tome 已经有大约 2000万用户，但其中绝大多数并不付钱。
公司开始第一次大转向。
他们研究用户后发现，有一小群人的使用方式完全不一样：销售人员。
普通用户偶尔做一次 PPT，但有些销售人员一天能在 Tome 里制作 8份演示材料。
他们要不断给不同客户准备公司介绍、解决方案、销售提案和客户汇报。
这显然比学生做一次课堂作业值钱得多。
于是 Tome 裁掉了约 20% 的 59人团队，包括大量负责免费消费者增长的员工，把资源转向企业销售。
产品也开始改变。
它不再只是帮销售生成漂亮的 PPT，而是先读取目标公司的新闻、SEC文件和公开信息，研究客户，再生成针对这个客户的销售材料。
Peiris 当时的想法已经非常明确：
与其服务 2000万个不怎么付费的人，不如找到其中几千个真正有高价值需求的销售团队。
但很快，他们发现问题比想象得更深。
不是把消费级 PPT 工具改成企业版，收入就会自然出现。
能帮你做第一版，却很难帮你做最后一版
你肯定用过 AI 写 PPT，最大的问题不是“一句话生成”或者好不好看，没有没有设计感。
最大的问题很简单，就是写完的 PPT 能不能用。
假设你是一家软件公司的销售，要给耐克做一份价值100万美元的销售方案。
你可以告诉 AI：帮我做一份面向耐克的数字化转型方案。
现在的大模型当然可以轻松就生成十几页内容，甚至可能看起来相当专业。
但真正决定这份方案有没有用的信息是什么？
是你们过去和耐克开过哪些会，对方哪位负责人最关心库存，上一轮报价为什么没通过？
竞争对手正在卖什么方案，客户内部谁支持你、谁反对你，上一次会议承诺了什么，以及公司以前类似客户是怎么成交的。
这些东西，通用大模型不知道，Tome 也不知道。
Peiris 后来用了一个非常形象的比喻：
即使给你一个智商 160的人帮你做 PPT，但如果这个人对你的公司和客户一无所知，他一样不可能做出真正高质量的方案。
这恰好暴露出了第一代 AI 生产力工具一个很大的局限：大模型非常擅长帮人跨过“空白页”。
不知道怎么开始写文章，它先写一版；不知道 PPT 怎么排，它先生成十页；不知道邮件怎么回，它先起草一封。
这些功能的 Demo 都非常震撼，因为 AI 可以在几十秒里把“0”变成“60分”。
但大量真正值钱的专业工作，困难的部分恰恰不是做到 60分，而是怎么从 60分做到 95分。
做到95分，需要大量上下文。
需要知道这个客户是谁、之前发生了什么、公司内部有什么数据、谁做过什么决定，以及这一次到底想达到什么结果。
所以 Peiris 后来对 Tome 的评价其实相当严厉：
产品有增长，但不是 mission-critical，也就是企业非用不可的核心工具。
这也是为什么 2500万人可以觉得 Tome 挺好用，却只有极少数人愿意付钱。
账上还有一半的钱，他把 70人的公司缩到 6个人重新开始
这也是我另一个想和大家分享 Tome 这个故事的地方：它并不是因为钱烧完了才转型。
2024年底决定彻底重来时，Tome 此前融资的 8000多万美元大约还有一半留在账上，公司也已经储备了不少 GPU 资源。
Peiris 认为，他们既然还有团队、资本和时间，就没有必要继续为一个已经看见天花板的产品寻找理由。
他专门去找 Slac k联合创始人 Stewart Butterfield 请教。
Butterfield 曾经两次做游戏失败，却分别从游戏公司的内部工具里做出了 Flickr 和 Slack。
Butterfield 给 Peiris 的建议很简单：
重新开始，而且团队一定要足够小，两张大披萨就能喂饱。
2025年春天，Tome 开始彻底关停。公司原来一度有约70名员工，最后只留下 6个人重新寻找方向。
4月30日，那个累计拥有 2500万用户的 Tome Slides 正式消失。
八个月后，他们推出了新公司：Lightfield。
这一次不再做PPT，而是直接做 AI CRM。
Lightfield 的产品逻辑，几乎就是 Tome 失败经验的反面。
Tome是：你给 AI 一个 Prompt，它帮你生成内容。
Lightfield 则先连接公司的邮箱、会议、客户记录等信息，把一次次客户沟通持续记录下来。
谁在什么时候说了什么，这笔交易为什么推进了，上一次会议承诺了什么，客户提出过哪些异议，最后哪一步导致成交，这些信息都会被保留下来。
然后 AI 再在这些真实上下文上工作：准备下一次会议、写跟进邮件、更新客户状态、发现销售机会。
也就是说，Lightfield 想解决的是：
我每天都在做销售，但公司已经没人能记住过去一年和几百个客户究竟发生过什么。
第一次看到 Lightfield，肯定不会像 2023年的时候看到“一句话生成PPT” 那样让人惊呼。
但它离收入更近，客户成交、续约、流失，最终都直接对应企业的钱。
这也是 Peiris 这次选择 CRM 的核心原因：它不是一个偶尔使用的创作工具，而是企业收入流程的一部分。
2025年11月 Lightfield 正式公开上线时，已经有几百家创业公司参与测试，等候名单超过 2万家 B2B 企业。
当然，这并不意味着 Lightfield 一定会成功。CRM 本身就是 Salesforce、HubSpot 等巨头盘踞多年的市场，新一代 AI 销售工具也极其拥挤。
但 Tome 的这次转向依然很值得和大家分享。
因为它提供了一份非常少见的、来自 2500万真实用户的 AI 产品实验结果。
AI 创业最危险的指标，可能就是用户很多
过去互联网创业有一套非常熟悉的逻辑：先做用户，再考虑赚钱。
Facebook、Instagram、TikTok 都证明过，只要占据足够多的用户时间，商业模式往往可以慢慢补上。
生成式 AI 却未必完全适用这套逻辑。
因为大量AI产品从用户第一次使用开始，就在产生真实成本：模型调用、搜索、图片生成、算力，每一次“免费体验”背后都有人付钱。
更重要的是，AI 天然擅长制造一些第一次体验非常惊艳，但长期价值并没有那么高的产品。
一句话生成 PPT、一句话生成 Logo、一句话生成网站、一句话生成一段广告。
它们特别适合传播，也特别容易获得用户，因为用户第一次看到结果时，会非常明确地感受到：原来AI已经能做到这个了。
但新鲜感不是商业价值。
真正需要回答的是另一组问题：
用户一个月会回来多少次？如果没有这个产品，他会有多痛苦？产品最终替代的是一个价值多少钱的工作？
以及最关键的：他到底愿意付多少钱？
Tome 拥有 2500万用户，却最终主动关掉产品，并不是因为 AI 生成 PPT 没有需求”。
恰恰相反，它证明这个需求大得惊人，问题在于：
这是一个很大的需求，却未必是一个足够值钱的需求。
这可能也是现在很多 AI 创业公司接下来会遇到的一道分水岭。
第一阶段的 AI 创业，比的是谁能做出一个让用户“哇”出来的 Demo。
到了第二阶段，问题已经变成：这个“哇”，到底值多少钱？