2022年上线，当年收入5000万美元；2023年2亿美元；2024年3亿美元；2025年5亿美元。一条漂亮的上升曲线，没有一轮融资，没有一块营销牌，完全是产品自己长出来的。

创始人David Holz之前创办过Leap Motion（失败了），Midjourney是他的第二次创业。他的理念很简单：做出全世界最好的AI绘画工具，让用户愿意付钱。

这听起来像一句废话，但整个AI行业里，真正这样做的公司，两只手数得过来。

Midjourney的奇迹在于它证明了：AI应用可以是一门正常的生意——有收入、有利润、有增长，不需要用"改变世界"来融资，不需要用"用户规模"来估值。

序言讲完了。接下来进入正题：AI应用层的三类商业模式，分别谁在赚钱。

第一类：订阅制，最古老的SaaS逻辑

订阅制是AI应用最自然的商业化路径——用户每月付钱，产品持续提供服务。

但"自然"不等于"容易"。AI应用做订阅，面临一个传统SaaS没有的问题：用户的"好奇期"很长，但"付费期"很短。

一个用户可能因为好奇试用ChatGPT Plus，但三个月后如果没形成高频使用习惯，就会取消订阅。AI应用的留存率，普遍比传统SaaS低30-50%。

尽管如此，还是有几家跑通了。

OpenAI 2025年实际营收131亿美元，年化收入超过200亿美元；2026年预计突破300亿美元。但拆解收入结构，会发现一个有趣的事实：

订阅收入（ChatGPT Plus/Pro/Team/Enterprise）约占70%，API收入约占20%，剩下的来自企业授权和其他业务。

也就是说，ChatGPT最出名的"每月20美元订阅"，并不是它最大的收入来源。真正的大头，是卖API给企业客户——这批客户用GPT-4的能力，嵌进自己的产品里，按调用量付费。

这个收入结构说明了一件事：ToC订阅的天花板，比ToB API的天花板低得多。

但也正因如此，OpenAI在2026年1月推出了ChatGPT Go——每月8美元，比Plus便宜12美元，但包含一个新东西：情境广告。

这是OpenAI第一次在ChatGPT里加广告。Sam Altman之前说过"广告不是我们的方向"，但面对每年几十亿美元的亏损，他改了主意。

ChatGPT Go的推出，标志着AI应用商业化进入第二阶段：订阅制不够，要加广告。

Cursor是一家更有意思的公司。

它做的是"AI代码编辑器"——本质上是VS Code加了一个很强的AI层，帮开发者写代码、改bug、解释逻辑。

2023年上线，2025年估值冲到293亿美元，2026年传闻新一轮融资估值直奔600亿美元。

它的收入模式极其简单：每月20美元的Pro订阅，以及企业版。

关键数据：Cursor的付费转化率超过15%。作为对比，大多数AI应用的付费转化率在2-5%之间。

为什么Cursor能做到？答案很简单：它帮开发者省时间，省下来的时间值钱。一个中级开发者在美国的时薪是50-80美元，Cursor每月20美元，帮她省下哪怕两个小时，就已经值了。

这就是订阅制跑通的核心逻辑：你的产品帮用户省下的钱/时间，明显大于订阅费。

Midjourney帮设计师省下的是找素材、画草图的时间；Cursor帮开发者省下的是写重复代码的时间。它们都在用户"省下来的价值"里面分了一小杯羹。

还有一类订阅，是"寄生"在现有产品上的。

Notion AI、Slack AI、GitHub Copilot，这些产品都是在原有SaaS产品基础上，加了一个AI层，然后每月多收10-30美元。

这类产品的优势是：用户已经在用了，加AI是增量决策，不是全新决策。

劣势也很明显：用户对"寄生式AI"的付费意愿，明显低于独立AI产品。Notion AI的付费转化率，据第三方估算，不到3%。

为什么？因为用户心里有一本账：原来的Notion已经付过钱了，AI功能应该是"升级"而不是"加钱"。

这个心理账本，是寄生式AI订阅最大的天花板。

第二类：API调用，谁在卖铲子

如果说订阅制是"对着用户收钱"，API调用制就是"对着企业收钱"。

这个模式的逻辑是：企业不需要自己训练大模型，直接调我的API，按使用量付费。

理论上，这是一个比订阅制更大的市场——因为企业客户的价格敏感度低，使用量大，续约率高。

实际上，这个市场正在经历一场惨烈的价格战。

Anthropic是API模式最典型的代表。

2025年底，Anthropic的年化收入约90亿美元；2026年5月，这个数字冲到了470亿美元（年化收入）。半年翻了5倍多。

收入暴涨的核心驱动力：Claude API被大量AI应用和公司调用——从聊天机器人到客服系统到内容生成，Claude 3和Claude 4系列成了很多公司的首选。

但Anthropic的问题和OpenAI一样：收入涨得越快，亏损涨得也越快。

训练下一代模型需要几亿美元，推理成本（给用户跑模型的电费和算力费）随着用户量增长而增长。Anthropic每个月花在算力上的钱，据估算超过2亿美元。

所以虽然收入470亿美元听起来很厉害，但利润？对不起，还是负的。

OpenAI的API业务，是AI应用层最大的"卖铲子"生意。

2025年，OpenAI API业务收入约50-60亿美元，客户包括微软、Spotify、Expedia、无数创业公司。

但OpenAI API面临的压力也最大：降价压力。

2023年到2025年，GPT-4的API价格降了超过80%。为什么？因为Google、Anthropic、DeepSeek都在降价抢客户。

当一个市场的所有玩家都在降价，这个市场的长期利润率就会被压到一个很低的水平。

这就像云计算市场——AWS定义了市场，但利润率从最初的50%+，降到了现在的20%+。AI API市场，大概率会走一样的路。

国内的API市场，价格战比国外更惨烈。

通义千问、文心一言、讯飞星火的API价格，已经降到了OpenAI的1/10甚至1/20。

为什么能这么便宜？两个原因：

第一，国内大厂在补贴。阿里、百度、讯飞都把AI API当成战略投入，不在乎短期亏损，先占市场再说。

第二，国内客户的付费意愿低。一家美国公司每年愿意花100万美元买OpenAI API，但大概率不愿意花同样多的钱买国内大厂的API——不是因为质量差很多，而是因为"国产API"在采购决策里优先级低。

所以国内API市场的情况是：大厂在补贴，创业公司在挣扎，利润薄得像一张纸。

第三类：广告，ChatGPT的妥协

2026年1月，ChatGPT Go上线，内含"情境广告"。

这是AI应用商业化最重要的一个信号：就连OpenAI都开始做广告了。

为什么？因为订阅制覆盖不了成本，API价格战压低了利润率，广告成了不得不走的路。

但AI应用的广告，和传统互联网的广告，有一个本质区别：

传统广告是"打断式"的——你看视频，插一条广告；你刷信息流，插一条推广。

AI对话里的广告，是"情境式"的——你问ChatGPT"推荐几款跑鞋"，它给你推荐了耐克、阿迪达斯，然后在角落里标一个小字的"赞助"。

这两种广告的体验差别很大。前者用户已经习惯了，后者用户还没习惯——而且很可能不会习惯。

这也是为什么ChatGPT Go推出后，早期用户的反馈两极分化：有人觉得"8美元带广告，挺划算"；有人觉得"AI推荐里的广告，就是在卖我的信任"。

广告能不能成为AI应用的主流商业模式？说实话，短期可以，长期我存疑。

短期可以，因为AI公司需要钱，广告是最快的变现方式。长期存疑，因为AI对话的本质是"信任"——用户信任AI的推荐，才会采纳。一旦广告进来了，信任就被稀释了。稀释到一定程度，用户就会换一个没有广告的AI。

这就是为什么Google搜索的广告模式跑了20年，但ChatGPT如果做广告，用户容忍度会低得多——因为对话式AI的"信任浓度"，比搜索高得多。

国内AI应用：免费的才是主流

说完国外，说国内。

国内AI应用市场的奇怪之处在于：用户规模很大，但付费意愿很低。

豆包（字节）、通义（阿里）、文心一言（百度）、讯飞星火（讯飞）、Kimi（月之暗面），这几家的月活加起来超过6亿。

但它们的付费用户比例，据估算，都在3%以下。

为什么国内用户不愿意为AI付费？三个原因：

第一，习惯免费。国内互联网20年，培养出来的用户习惯是"先免费试用，好用再考虑付费"。但AI应用的"好用"阈值很高——需要持续使用一个月以上，才能感受到价值。很多用户在阈值到达之前，就已经流失了。

第二，替代品太多。ChatGPT Plus每月20美元，国内用户会想"我有豆包，干嘛买ChatGPT"。虽然豆包和ChatGPT的能力有差距，但对轻度用户来说，差距不足以驱动付费。

第三，企业采购流程长。国内企业买AI API，需要走招标、审批、试点流程，周期6-12个月。这意味着国内AI公司的现金流压力，比国外同类公司大得多。

所以国内AI应用的现状是：用免费换规模，用规模换融资，用融资换时间，希望时间能换来商业化。

这套逻辑能不能跑通？取决于两件事：

1. 规模能不能换成真实的壁垒（用户数据、用户习惯、生态绑定）？

2. 融资窗口能不能撑到商业化跑通的那天？

第一件事，豆包和通义在做，通过把AI嵌进字节和阿里的生态，增加用户迁移成本。第二件事，2025-2026年融资环境还不错，但2027年之后呢？没人知道。

一个核心问题：为什么大多数AI应用不赚钱？

把前面几节串起来，你会发现一个很奇怪的现象：

AI应用层的公司，估值很高，收入在涨，但利润普遍是负的。

为什么？

答案藏在成本结构里。

传统SaaS公司的成本结构是：研发成本（一次性）+ 服务器成本（边际递增，但很慢）+ 销售营销成本（可控）。

AI应用的成本结构是：研发成本（一次性，但比传统SaaS高3-5倍，因为要养AI研究团队）+ 推理成本（每来一个用户，就多一笔按使用量计算的成本）+ 销售营销成本（因为竞争激烈，获客成本比传统SaaS高2-3倍）。

这个成本结构的噩梦在于：传统SaaS的用户越多，边际成本增长很慢；AI应用的用户越多，推理成本线性增长。

Midjourney之所以能赚钱，是因为它的推理成本控制在收入的30%以内（通过优化模型、使用自己的算力集群）。大多数AI应用公司，推理成本占收入的比例在50-80%之间——也就是说，每收1美元，有50-80美分要交给算力供应商。

这就是为什么AI应用看起来很赚钱（收入增长快），但实际上不赚钱（利润是负的）。

这个成本结构的问题，只有两种解法：

1. 模型效率提升——用更小的模型、更优的推理架构，把推理成本降下来。DeepSeek做的事情，本质上就是解这个。

2. 提高客单价——让每个用户付更多的钱，覆盖推理成本。但这意味着AI应用要往高端走，放弃大众市场。

两条路都不好走。但必须走一条，否则AI应用的商业模式永远跑不通。

结语：三类模式中，谁最有希望？

回到开头的问题：AI应用层，谁在真正赚钱？

答案是：极少数，用订阅制，且推理成本可控的公司。

Midjourney是典型——订阅制+推理成本优化+零营销成本，三者缺一不可。

Cursor是另一个典型——订阅制+帮用户省时间的价值够明显+开发者付费意愿强。

其他的模式，都有各自的问题：

- API模式：市场大，但价格战压低长期利润率，且推理成本随收入同步增长