衡宇 鹭羽 发自 凹非寺
量子位 | 公众号 QbitAI
Meta刚掏出20亿美元把Manus收入囊中的同时，一份名单也随即在VC圈疯传——
“1亿美元ARR俱乐部”。
上榜公司不多，但个个鼎鼎大名：
（以上数据代表公司估值）
随便单拎一个出来，都是如今炙手可热的存在。
此图由AI生成
1亿美元ARR，不过是它们交给硅谷的入场券。
但要知道这个数字，对绝大多数初创公司来说，都是从0到1的绝对天堑。
要厘清这一问题，不妨先回到ARR的定义上。它指的是产品一年之内稳定的收入，即可重复、可持续的真实收入。
它反映了一家AI公司最关键的问题：到底有没有人愿意为你的AI长期付费？
显然，上榜的这几家公司已经收获了自己的粘性用户群体。
而且无一例外，它们都不是Big Labs。
事情变得有趣起来，正如网友所说：
从基础模型转向消费者产品是今年最显著的趋势，ToC端是新的黄金。
事实上，上榜者并非离散的孤例。
全局盘点之下，可以清晰地发现它们已然衍生出主要5类商业路径：
第一类，是AI搜索/信息服务
以Perplexity为代表，通过AI搜索引擎，直接重构用户获取信息的方式。
Perplexity成立于2022年8月。今年3月，其CEO Aravind Srinivas正式官宣，产品ARR突破1亿美元大关。
第二类，是音频/语音基础能力产品
典型例子是ElevenLabs，不直接面向普通消费者，而是成为众多应用背后的AI语音引擎，典型的AI Infra路线。
成立于2022年，虽然并未对外披露1亿美元ARR的具体时间点，但在今年9月宣布启动1亿美元的员工股权回购计划时，正式宣布ARR已超过2亿美元，并预计年底前达到3亿美元。
第三类，是Vibe Coding/开发工具
Replit和Lovable代表的则是新的Vibe Coding趋势，让更多非技术用户进入开发领域。
其中Replit成立于2016年，并在今年6月宣布ARR破1亿美元，较2024年底的1000万美元实现了10倍增长。
Lovable则是在2023年正式成立，并在今年7月正式宣布ARR破1亿，随后又在11月更新了这一数据，来到了2亿美元ARR，成为增长最快的AI编程工具之一。
第四类，是内容/办公效率工具
Gamma是这一类的代表，瞄准的是用户最刚需的办公场景——做PPT、写文档等。
它成立于2020年，同样也是在今年11月宣布ARR突破1亿美元，同期还完成了由A16Z领投的B轮6800万美元融资。
第五类，是生成式娱乐内容
Suno和HeyGen则走向另一条路线，不直接提高效率，而是通过音乐、视频拓宽用户的娱乐边界。
其中Suno成立于2022年，援引知情人士透露，10月份公司ARR已达成1亿美元。
HeyGen成立于2020年，也是最早一批进入视频生成领域的初创公司，在今年10月，其创始人Joshua Xu在官宣首次达到1亿美元ARR。
补充一个小tips：像Replit这种明确写年化收入的，严格讲不等于ARR。
看到这儿，最值得划重点的一点出现了：
这批跨过门槛的“俱乐部成员”，清一色都是ToC的
这个结论本身就带着强烈的信号（在很多人的直觉里，企业服务更愿意付费、更讲效率、更有预算，似乎更容易做出大收入）
背后原因和AI产品所处的阶段有关，也和ToC的运行机制有关
AI 2.0方兴未艾，用户对产品的容忍度还很高。
每一次迭代都可能给用户带来新的惊喜，用户愿意持续付费。
当然，另一个隐藏的致命打击伴随而来：用户粘性其实并不高，谁好用我就赶紧撇下原本的心头宝，高高兴兴拥抱新产品去了。
但整体而言，其实用户今天试用，明天续费，后天流失，也不是什么坏事。
在AI早期我们不妨把它看作一种优势，它让产品用最短的时间获得最真实的反馈。
所以走ToC这条路，能让团队迅速收到反馈，高速试错，快速调整。
当行业处在高速不确定期，快本身就是优势
与此同时，ToC的规模效应对AI应用的单位经济学有一种倒逼机制。
这就不得不回到ARR这个话题来。
AI 2.0时代，1亿美元ARR这条线天然自带一条更朴素的约束：
AI-Native应用的生意逻辑，天然带着推理成本这根计价绳。
传统互联网产品一旦完成研发，边际成本往往趋近于零。
用户多一倍，成本未必跟着多一倍，很多产品因此可以用规模来摊薄成本，再用摊薄后的利润去换更大的规模。
AI-Native应用走的是另一条路。
每一次响应、每一次生成、每一次多轮对话，都在消耗推理成本。
用户增长得越快，调用就越频繁，算力账单上的数字就开始光速膨胀。
这就迫使团队不得不更早地去思考，从长期视角来看，用户带来的价值增量能不能跑赢token和算力的消耗速度。
否则规模会把产品推向一种很尴尬的状态——
好消息，收入在涨！
坏消息，成本同样在涨，甚至涨得更快（摊手.jpg）
巨头们可以用别的现金奶牛来给AI产品不停输血，但创业公司就只有自己想方设法长期造血了。
要么客单价足够高，高到可以覆盖每一次推理的成本，并且为持续迭代留出空间；要么推理链路持续迭代到更短，把“多轮、重推理”压缩成“少轮、轻推理”，让同样的付费收入对应更低的算力消耗。
总之就是必须找到成本与收入同向的营收方式。
从某种角度来说，于这些应用背后的AI创企而言，商业模式或许比技术、功能更像条护城河
当然，其中不乏一层更外部的因素。
不管是资本市场，还是媒体侧、用户侧，都很喜闻乐见ToC产品和创业公司出爆款的故事。
这一点咱们今天在这儿就不做赘述了。
之所以Perplexity、Replit、Manus都愿意站出来宣告自己达到“1亿美元ARR”，一定程度上是这个数字的确拿得出手。
往深了说，它证明这些AI产品阶段性站稳了脚跟
对ToC产品来说，这意味着它不再完全依赖短期热度驱动增长，而是开始拥有某种持续运转的内生动力。
这也是Meta愿意买Manus的原因之一。
很多人说，Manus出来第二天开源社区就有了OpenManus，Meta有钱有人有资源，看上了Manus，咋就不自己在内部迅速copy一个类似的应用呢？
归根结底，主要是这么做真的不划算
产品层面，AI迭代速度太快，技术、成本、需求、能力边界都在变化，今天看起来可以复刻的形态，几个月后可能已经被用户标准刷新。
你自己做的这段时间，Manus都又跑出几里地去了。
而且AI产品的竞争，还要争夺快速固化用户心智的窗口期。
从Meta的视角出发，我自己在消费级AI产品上没有一个拿得出手的爆款，现在有一个经历过市场验证的Manus摆在我面前，价钱还不贵（与Perplexity等相比）
那不如掏钱买了吧！
于是可以顺理成章把双方各自擅长的东西拼在一起
Meta有平台，有更强的触达能力还有更高效的流量组织；Manus有清晰的付费逻辑，现成的粘性用户，已经做过几个月更贴近用户的体验打磨。
双方都能各自把长板用到极致。
一夜之间，Meta就拥有了成熟的AI付费业务。
何况，买回来的不只是Manus这个产品 。
Meta想收购不仅是Manus这个产品，还有这个能做好AI应用的人才团队。
你看，Manus创始人兼CEO肖弘，不就被扎克伯格任命为副总裁，把Manus的通用Agent能力整合进Meta AI、WhatsApp、Instagram等产品，稍带手推动商业化去了嘛……
[1]https://x.com/deedydas/status/2005798365733478490
[2]https://www.bbc.com/news/articles/ce3k11q9qe1o