在美國消費者裡，竟然只有 4.5% 為 ChatGPT、Gemini 或 Claude 付過個人訂閱費。這是近期 a16z 第七版消費級 AI 應用報告裡面給出的資料。消費級 AI 的使用已經非常廣泛，將近一半美國消費者說自己在用 AI，每天都使用的只有四分之一。付費的這 4.5% 的使用者裡，支出又高度集中在極少數使用者身上。前 1% 的付費者每月平均花 903 美元，比後 50% 所有使用者加起來還多。

a16z 近期還發佈了第二版《State of Markets》，把兩份報告放在一起，能夠看到一個有點矛盾的局面。算力側已經熱得發燙，GPU 的租賃價格不降反升，A100 甚至比 2026 年初還貴。但在需求側卻仍然很淺，企業裡只有 2% 左右報告了可跟蹤的 AI 指標，消費側付費滲透率也才剛超過 2%。

a16z 合夥人 Olivia Moore 在一檔播客裡表示：“大多數人並不是為了節省時間，而是想找到打發時間的方式。我們在消費級 AI 領域所見到的幾乎所有產品，都是以節省時間為賣點。而那些真正能‘花時間’的公司，往往最終會成為行業中的巨頭，甚至是最頂尖的企業。”

當前，美國消費級 AI 的頭部格局，比一年前清楚了很多。ChatGPT 依然在網頁和移動端領先，網頁訪問量是 Gemini 的兩倍左右，移動端月活是 Gemini 的 2.5 倍左右，是 Claude 的 14 倍左右。在付費訂閱上，ChatGPT 的美國付費使用者是 Claude 或 Gemini 的三倍左右。

Claude 在網頁流量和付費訂閱上成為第三名。Claude 在 a16z 2023 年 9 月發佈的第一版消費級 AI 應用報告裡還沒上榜，如今已經排進網頁流量榜的前列，並且已經超過 DeepSeek 和 Perplexity。

2026 年早些時候，Claude 在付費訂閱上追平了 Gemini。Claude 在最高價個人使用者套餐 Max 上的付費使用者佔比達到 7.3%，Gemini 為 1.3%，ChatGPT 為 1.1%。Claude 這一輪增長主要來自新產品、新模型和一波公眾關注。 2026 年 2 月底在 Anthropic 和美國五角大樓的爭議期間，Claude 第一次登上了美國免費移動應用榜第一。

上述三家的產品方向在分化。過去六個月裡，Anthropic、Google 和 OpenAI 累計發佈了 127 個新產品。Anthropic 方面幾乎全部聚焦專業消費者，發佈了 Claude Design、Code Review、Claude Science。

Google 主打創意模型，先後推出了 Lyria 3 Pro 和 Gemini Omni。OpenAI 則同時覆蓋了消費者和企業，先後推出了 ChatGPT Work、Sites、Dots，也推出了 Images 2.0、Health、Personal Finance 和求職功能。目前，只有 8% 的美國 ChatGPT 付費使用者同時訂閱了 Claude，三家產品的使用者畫像和產品定位的差異比較明顯。

除了模型公司之外，還有一個值得留意的 AI 新賽道，即個人智能體正在從概念走向可用。Instinct 在 2026 年 8 月底到 9 月初的三周裡，使用者數突破了 10 萬，而在當時還是邀請制。

Meta 在 2026 年 9 月 9 日推出了 Muse，該產品運行在瀏覽器、桌面和移動應用以及 WhatsApp 裡，據報導首周就達到 25 萬使用者日活，不到一個月使用者下載量突破 500 萬，比 ChatGPT 和 Claude 早期增長都快。但是和 Meta 當年 Threads 上線 22 天超過 1,500 萬下載相比，Muse 的早期熱度還是要小得多。

消費級 AI 的使用者付費結構，遵循一條非常陡峭的冪律。前 1% 的付費使用者貢獻了全部消費級 AI 總支出的 19.5%，比後 50% 加起來還要多。這些人更像專業使用者，所購買的工具集中在自動化、產品建構以及創意工具上，比如 n8n、fal、Manus、Higgsfield、Figma、HeyGen。還有 29 個進入支出榜前 50 的公司，則完全沒有出現在網頁或移動流量榜上。

AI 公司商業模式的困境也在這裡，基本所有消費級 AI 公司都把最有價值的功能鎖在付費牆後。網頁排名前 50 名的 44 個 AI 原生產品中，84% 提供使用者付費訂閱，64% 支援按量付費或額外積分，只有 14% 包含廣告，2% 依靠交易或平台費賺錢。這和 AI 浪潮之前的消費網際網路正好相反，那時候使用者自己的資訊就是被售賣給廣告商的產品，而現在使用者自己得為產品付錢。

這個反轉帶來一個直接後果在於使用者量大的公司不一定賺錢，賺錢的公司不一定能夠登上流量榜。目前，只有七家公司在網頁、移動和支出三張榜上都有出現，ChatGPT 在三張榜上都排在第一名。其餘六家公司包括兩家模型公司、兩家 AI 原生應用公司以及兩家把 AI 嵌入原有產品的老牌公司。由此可見流量的邏輯和收入的邏輯，在消費級 AI 這裡已經有所分野。

新的 AI 商業模式正在出現，OpenAI 稱 ChatGPT 廣告在 2026 年 8 月達到了 10 億美元年化收入，產品裡的廣告不再被當作和 AI 不相容的東西。個人智能體則有可能打開另一條路，那就是 AI 公司通過交易抽成收費。

Instinct 和 Muse 都陳述了未來從交易中收費的計畫，目前它們還沒開始做。Instinct 創始人表示，40% 的使用者在三周之內繫結了個人信用卡，這些使用者一旦真的開始購買，月均通過 Instinct 將會花掉 1,300 美元。假如交易抽成模式跑通，消費級 AI 的賺錢方式和目前會完全不同。

GPU 沒有貶值，算力依然供不應求

a16z 第二版《State of Markets》給出了一個和 AI 看空者預期有些相反的答案。那些看空 AI 基建的人曾經有一個理由，GPU 三四年可能就會過時。然而，現實是相反的，A100 的租賃價格不僅沒有跌，反而停在 2026 年初水平甚至更高。更加便宜的智能推高了總需求，老晶片和老模型在過了 AI 看空者給的保質期之後，依然保有實質價值。

這背後的邏輯是算力需求曲線在往上走，按照常理租金和殘值會隨時間開始下降。但是，實際情況是 AI 智能變便宜了，對於算力的需求反而上升，最新晶片的租金也在漲，老晶片的租金也得以穩住。也就是說，算力進步和模型進步並不是一個零和遊戲。

目前，科技已經成為美國股市盈利增長的核心主力。2026 年，美國科技類股貢獻了標普 500 總盈利增長的約 76%。市場主題從位元開始轉向原子，硬體和基礎設施重新地成為了焦點。半導體、電力、網路、機器人以及製造和國防都在吸引資本。

全球基礎設施的需求以兆美元計，美國國防開支也在上升，美國電網也在應對全面電氣化，美國製造業也正在回流，機器人和無人計程車更是正在進場。可以說，硬體和基礎設施重新成了市場的心頭好，這是市場在軟體領跑多年之後的一個明顯變化。

但是，AI 採用仍然處於一個淺層，標普 500 公司中只有 30% 左右報告了可量化的 AI 影響，只有 2% 左右報告了可跟蹤的指標。在智能體的用例裡，真正實現規模部署的使用者比例很小。也就是說，儘管算力已經跑得很熱，但是成熟採用還在很早期的階段。

軟體類股的證明期，以及兩份報告的共同判斷

2026 年初的時候，市場上流傳著“軟體要死”的說法，人們當時認為“SaaS 末日將至”。a16z 此次復盤這件事時給出了一個更溫和的判斷，那就是軟體類股確實有拋售，但是更像一次重新定價。

在零利率時代結束之後，科技公司開始從追求增長轉向追求盈利。在 2022 年的時候，市場上全是高增長、但是大多不盈利的軟體公司，到 2026 年 75% 左右已經盈利，只有 30% 左右保持 20% 以上的增長。那些增長放緩的公司撐不起高增長估值，整個類股也因此被重新定價。

而現在軟體並沒有迎來末日，但進入了一個證明期。那些快增長的公司仍然享受和歷史均值一致的估值，只是這樣的公司開始變少了，它們面臨的問題在於軟體公司到底能不能證明自己還有增長。

a16z 給出的一個判斷是，AI 能夠擴大需求的表面積。企業和消費側的採用將會走向成熟，同時面向機器人、生物科技以及健康和自主駕駛等新領域推進。技術呈現出指數級的進步，以至於這個發展周期不會相似於之前任何一個周期。

回到前面的消費級 AI 報告，消費者 AI 已經找到了第一個真實的市場，裡面的使用者是願意為幫助自己建構、創造和完成工作的工具付錢的人。要讓剩下的使用者也進來，也許需要不同的產品和新的商業模式，個人智能體、交易抽成以及廣告都可能是方向。訂閱仍然是很多 AI 產品的天然選擇，廣告和交易費則能給創業者帶來更多的服務消費者的方式，也能讓消費者真正有機會用上 AI 產品。

當把兩份報告放在一起，就能看出算力側已經在狂奔，但是需求側的滲透才剛剛開始，這個差距是當前 AI 市場最大的不確定性之一，也是它未來發展的最大空間。(DeepTech深科技)

月之暗面27日深夜正式發佈Kimi K3模型權重、技術報告，並同步開源三項關鍵基礎設施技術。這是Kimi迄今能力最強的模型，也是中國AI開源社區迄今為止規模最大的一次技術開放。

月之暗面在公告中表示，堅信開放權重模型的價值，它們能降低獲取智能的門檻，推動創新，並賦予使用者對資料更大的控制權、隱私保護和所有權。根據Kimi K3許可證，任何人都可以下載並部署該模型，無論是用於內部研發，還是嵌入到面向終端使用者的產品中，均可自由使用。模型權重已在Hugging Face上線，技術報告及全部原始碼已在GitHub公開。

Kimi K3模型一經開源，全球資本市場即做出劇烈反應，華爾街分析師估算，OpenAI與Anthropic的合計估值預期因此蒸發約3140億美元，輝達單日市值亦縮水1111億美元。彭博社評價稱，Kimi K3“正在攪動全球科技市場”。

Kimi K3是一個擁有2.8兆參數的混合專家（MoE）模型，參數規模約為此前Kimi K2.5的3倍。模型具備原生視覺理解能力，並支援100萬token的上下文窗口。在Artificial Analysis智能指數上，Kimi K3綜合得分位列全球第三，僅次於Claude Fable 5和GPT-5.6 Sol；在Frontend Code Arena程式設計榜單上更以1679分登頂，成為首個在該榜單超越所有閉源模型的開源模型。特斯拉CEO馬斯克在相關評測下留言“令人印象深刻”。

月之暗面強調，規模化並非簡單的參數堆疊。在算力條件並不寬裕的情況下，團隊憑藉一系列架構創新實現了規模化效率提升2.5倍，即單位算力產出的智能相當於原先的2.5倍。支撐這一效率突破的核心技術包括Kimi Delta Attention（KDA）、Attention Residuals以及MoonEP等。

同步發佈的技術報告詳盡披露了Kimi K3的訓練方法，主要包括四大技術類股：

KDA + AttnRes：以3:1比例混合KDA與Gated MLA，實現高效長上下文建模，並通過塊級注意力殘差增強跨層資訊流動。

Stable LatentMoE：每個token從896個路由專家中啟動16個，通過SiTU-GLU與Quantile Balancing在極高稀疏度下保持訓練穩定。

MoonViT-V2：視覺編碼器從零開始使用next-token prediction訓練，無需對比預訓練，在達到SigLIP初始化基線效果的同時獲得更穩定的最佳化過程。

後訓練與評估：在通用推理、通用Agent和程式設計Agent三大領域進行大規模任務合成，配備百萬token上下文的強化學習基建，並在近20個內部評測集上完成完整評估。

三項Infra技術開源，打通從訓練到部署的全鏈路

除模型本身外，月之暗面還開源了支撐Kimi K3訓練的三項基礎設施技術：

MoonEP：為超大細粒度MoE打造的高性能通訊庫，讓專家平行通訊在不均衡情況下仍能實現極致效率。

FlashKDA：KDA的高性能算子，在輝達H20上相比flash-linear-attention基線，prefill速度提升1.72至2.22倍，可直接作為替換後端。

AgentEnv：與KVCache.ai合作開發的沙箱系統，用於大規模運行Agent環境，支援快速快照、恢復和分叉，可應對大規模平行的Agent工作流。

三項技術覆蓋了高性能通訊、算子加速和分佈式強化學習環境的關鍵鏈路，全部在GitHub公開。

Kimi K3開源引發的最直接連鎖反應，是對閉源AI商業模式的衝擊。摩根士丹利評價稱，Kimi K3證明中國大模型在模型規模、性能、定價三個層面對美國頭部模型實現了“全方位追趕”。高盛則認為，中國AI開源模型的智能表現已達到全球大規模普及的關鍵節點。

尤為值得關注的是定價權的變化。Kimi K3的API定價為每百萬Token輸出100元（約15美元），與Claude Sonnet定價同檔，較上一代K2.6高出2.7倍。這是中國大模型第一次在規模、性能和定價上全面對標美國頭部產品。

摩根士丹利指出，這撕掉了“中國模型等於低價”的標籤。正如月之暗面企業業務負責人所言：“我們的目標從來不是做高性價比的雕琢。真正好的模型能力有溢價權。”

美國技術專家內森·蘭伯特指出，Kimi K3在Vals AI指數中排名全球第二，在“前端程式碼競技場”中排名第一。西班牙《國家報》更尖銳發問：“Anthropic公司現在該如何為其定價辯護？” IG市場分析師托尼·西卡莫爾表示，Kimi K3的推出挑戰了“美國對先進晶片出口限制會阻礙中國AI發展”的既有認知。

Kimi K3的開源，核心意義在於讓前沿AI能力不再被少數巨頭鎖在高牆之內。業內人士指出，開放權重將大幅降低全球開發者使用前沿AI的門檻，科研機構和企業可以本地部署、自主微調，不必將資料主權拱手讓給外部雲廠商。對於電力基礎設施薄弱、算力預算有限的全球南方國家而言，這尤其具有現實意義。

更重要的是，Kimi K3走出了一條通過架構創新而非算力堆疊實現智能躍升的路徑。閉源AI的發展邏輯是無限擴張，更大參數、更多晶片、更高能耗；而開源中國大模型證明了另一條路，更聰明地利用每一單位算力。這不僅是技術路線的分歧，更是發展智慧的差異。

Kimi K3的開源也是國產大模型搶佔全球生態話語權的重要佈局。美國25家科技公司已聯名簽署公開信，呼籲開放權重AI模型。開源與閉源共存的多元格局，正在成為AI產業的主流共識。正如彭博社所評價的，Kimi K3的真正震撼力不在於擊敗了誰，而在於它向世界展示了一種可能：全球AI產業從“美國絕對領先”進入“中美雙線競爭”的新階段，開源大模型也正式進入2.8兆參數的新紀元。 (TechWeb)

提高你的認知，因為財富轉移是從看不懂的人，流向看得懂的人。

如果Web2.0時代的商業模式都看不懂，那麼AI時代的紅利，你依然很難抓住。

你無法賺到認知以外的錢，談談AI的商業模式（序、第一章）上期，我們復盤了“納指7姐妹”的Google和Meta是如何從Web2.0時代的“不賺錢”到如今全球Top2的廣告收入霸主。

Chris Wood，Jefferies全球股票策略主管，在7月初的最新一期《Greed & Fear》報告中警告：四大超大規模雲廠商（微軟、Meta、亞馬遜、Alphabet）今年已經發行了1440億美元債券，而2024年全年這個數字是830億美元。

該報告的預測是——這些超大規模雲廠商將面臨大規模的資本毀滅，或者說奧地利經濟學派喜歡用的那個詞：錯誤投資（malinvestment）。

他的核心邏輯是：這個AI燒錢循環不會因為巨頭們自己突然收手而終結，而是會因為"市場開始反抗這種支出"而爆發。

當市場意識到這些投資永遠無法產生足夠的回報時，反噬就來了。

大空頭Michael Burry空得更狠。他在7月1日公開了自己對美光科技的做空頭寸，加上之前已經持有NVIDIA、特斯拉、卡特彼勒、Applied Materials和Palantir的看跌期權。

他在Substack上寫道："1999年走向了從未有人去過的市場，我可以說這一次也可以……在很多指標上，它已經在那裡了。"

國際清算銀行（BIS）在6月28日發佈的年度經濟報告中，把"AI資本開支崩潰"列為全球金融體系面臨的三大核心風險之首，排在它後面的是"循環融資崩潰"和"主權債務危機"。

Forbes在7月4日的報導中披露了更觸目驚心的資料：

OpenAI 2025年的經審計財務資料顯示，公司營運虧損接近210億美元，收入僅130.7億美元，總成本約340億美元。

Palantir CEO Alex Karp更是直接炮轟當前的token商業模式是"瘋狂的"——企業花了大量錢買token，卻幾乎沒得到什麼價值，還被迫交出了自己的資料。

7月第一周，"七巨頭"總計蒸發了超過2.2兆美元市值。費城半導體指數在7月1日和7月2日連續兩天分別暴跌6.3%和5.5%。

每次大跌時，如果你只看這些資料，AI泡沫論幾乎無懈可擊。

投入天量資金，產出微不足道。

這難道不是歷史上每次泡沫的標準劇本嗎？

那年有一個華爾街分析師寫了一篇報告，內容大概是：Google的商業模式不可持續——年收入僅61億美元，而伺服器和頻寬開支援續攀升，搜尋廣告市場天花板有限。

如果你當時信了這篇報告，賣掉了Google的股票，你錯過了什麼？

從400億美元市值漲到4兆美元的整個過程。

他錯在把一個平台型入口經濟當作一個成本中心型製造業來估值。

Google不是在"製造"搜尋結果然後賣給使用者。

Google是在用免費的搜尋服務聚合全人類的意圖資料——這個資料庫一旦建成，它將變成一個無法繞過的商業基礎設施。

任何一個想在網際網路上賣東西的人，都不得不向Google交"意圖稅"。

從DCF模型的框架來看，Google前五年的自由現金流確實極其平庸。

但從平台經濟學的框架來看，Google在那些年裡積累的壟斷性資產，是DCF完全無法定價的。

今天的AI泡沫論，犯的是完全一樣的錯誤。

持泡沫論的人看到的是：OpenAI收入130億、虧損210億；微軟Copilot只有不到4.5%的M365使用者付費；56%的CEO沒看到AI的ROI。他們簡單的ROI計算邏輯：投入7250億，AI收入完全支撐不了，結論：泡沫。

但請不要選擇性的忽視，巨頭們的"AI+"護城河：

NVIDIA正在建立一個算力層的壟斷。 它的資料中心GPU市場份額超過80%，毛利率約75%。黃仁勳在GTC 2026上給出的預測是：到2027年，累計AI硬體收入將達到1兆美元。這不是賣顯示卡，而是在賣AI時代的基礎設施。每一家想做AI的公司，每一家想用AI的公司，都要向NVIDIA交"算力稅"。

Google正在把AI嵌入搜尋——這是在保衛它價值數千億美元的使用者意圖壟斷。 ChatGPT已經達到9億周活躍使用者，人們開始跳過搜尋引擎直接用AI獲取答案。Google的應對不是削減AI投入，恰恰相反，它必須瘋狂投入，因為如果它不把AI融入搜尋，那個花了二十年建成的意圖資料庫就會被人繞過去。這筆錢，不是可選的。

Meta正在用AI重寫廣告引擎。 它的廣告收入之所以能在2026年歷史性地反超Google，靠的正是AI。祖克柏在Q1 2025電話會上說了五個AI相關的戰略方向：更好的推薦和內容排序、商業消息、Meta AI助手、AI裝置，"最重要"的是用AI提升廣告能力。每一條都在兌現。問題是：如果沒有過去三年每天燒幾億美元的AI基礎設施投入，Meta今天能拿到這個廣告定價權嗎？

微軟正在把AI嵌入全球最大的企業軟體生態。 4500萬Microsoft 365商業客戶，那怕只有5%開始為Copilot付費，那就是幾百萬個每個月30美元的企業訂閱。更關鍵的是Azure：AI工作負載正在成為雲端運算增長的最強驅動力。微軟2026年的AI年化收入運行率已經達到約370億美元。

這些都不是"未來的故事"，已經持續發生兩年了。 (FinHub)

7月1日，Meta股價單日暴漲近9%。

這家公司的CEO馬克·祖克柏剛剛暗示，Meta要把自己囤積的算力——那些被華爾街批評為"無底洞"的資本開支——拿出來賣給別人了。

市場獎勵了Meta，一天之內市值反彈約1500億美元。

而就在同一天，儲存巨頭美光科技暴跌超過10%，算力租賃公司CoreWeave和Nebius的股價直線下挫15%。

這個事的荒誕之處是，市場認為Meta不想搞算力軍備競賽了，不買GPU和儲存了，反倒是要和neo cloud打價格戰。

而接下來的幾個交易日，美股、韓股的“算、存、光”猛烈下跌，引發股價崩潰的核心，是一個被反覆吟唱的論調——"AI泡沫"。

從Jefferies的全球股票策略主管Chris Wood到"大空頭"Michael Burry，從國際清算銀行到國內無數自媒體的標題黨，所有人都在用同一個敘事框架：

你們這些科技巨頭每年砸七八千億美元建資料中心，利潤呢？ROI呢？這不就是2000年網際網路泡沫重演嗎？

好，我們今天就來理一理這件事。

不是證明AI沒有泡沫。而是要說清楚：

那些高喊"AI泡沫"的人，不僅沒有看清當今AI時代的機遇，他們做了20多年的Web2.0網民，到今天都沒搞清楚Google、Meta、騰訊、字節是怎麼賺錢的。

先復盤Web2.0的賺錢模式"羊毛出在豬身上"。

1998年，兩個史丹佛博士生在車庫裡搭了一個搜尋引擎：Google。

它的商業模式？抱歉，是免費搜尋。

那時壓根沒人覺得搜尋引擎能有什麼商業模式。

搜尋引擎到處都是——AltaVista、Excite、Lycos，每一個都比Google有錢，每一個都在燒錢。

Larry Page和Sergey Brin拿著從親戚朋友那裡湊來的10萬美元，在宿舍裡用廉價電腦和借來的伺服器機架拼出了第一個版本。

教授們覺得這兩個學生瘋了：世界上已經有這麼多搜尋引擎了，為什麼還需要一個？

Google給出的答案是：我們把搜尋結果做得比別人好一萬倍。

但問題在於——你做得再好，使用者也不付錢。

每一次科技革命的初期，都會重複上演同樣的商業謎題：

你怎樣才能從那些不付錢的使用者身上賺到錢？

Google花了整整兩年才找到答案。

2000年10月，AdWords上線，這個產品的天才之處不在於它"在搜尋結果旁邊放廣告"——那誰都會。

它的天才之處在於：Google不賣廣告位，而是賣"使用者的意圖"。

當你在搜尋框裡輸入"附近有什麼好吃的日料"，你不是在瀏覽網頁，你是在告訴Google你馬上就要花錢。Google把你這一刻的商業意圖捕捉下來，打包賣給那些想讓你走進他們餐廳的人。

這就是搜尋廣告的底層邏輯——它不是在攔截注意力，它是在捕捉需求。

但這一整套商業模式，有一個致命的前提：你必須先擁有幾乎所有人的搜索行為。

如果只有一千萬人在用Google，你的意圖資料不夠稠密，廣告主不會為這種稀疏的訊號出高價。

只有當幾億人、幾十億人每天在Google上暴露自己的慾望和需求時，意圖資料的價值才會呈現指數級增長。

所以Google前幾年的全部工作只有一件事：不計成本地獲取使用者，創造壟斷。

免費搜尋、免費信箱（Gmail剛推出時給了1GB空間，比當時Hotmail大500倍）、免費地圖、免費瀏覽器、免費手機作業系統。每一項都是成本中心，每一項都看不到直接收入。

1999年，Google先後從Kleiner Perkins和Sequoia Capital融了2500萬美元，全部砸進了伺服器和頻寬。

那時候你去問任何一個華爾街分析師："這家公司什麼時候能盈利？"他會告訴你："根本不會盈利"

二十年後，Alphabet的年收入突破了4000億美元，其中超過80%來自廣告。

2004年，馬克·祖克柏在哈佛宿舍裡寫了一個給大學生互相評分的網站。它也不要錢。

2006年，雅虎開出10億美元收購價。

整個矽谷都覺得這個人瘋了。10億美元，買一個沒有任何清晰商業模式的社交網路，你居然不要？

祖克柏看到的，是別人看不到的東西：社交圖譜。

當幾億人把他們真實的人際關係——父母、朋友、同事、戀人——全部搬到你的平台上，並且每天在上面產生幾十億次互動時，你擁有的不是一堆伺服器帳單，你擁有的是人類有史以來最精準的行為定向資料庫。

Google知道你"想買什麼"。Facebook知道你"是誰"。

Facebook的廣告系統不需要等使用者主動搜尋——它可以主動找到"過去30天裡訂婚"的25歲女性，然後把鑽戒廣告精準地推給她。這種定向精度是傳統媒體完全無法想像的。

但和Google一樣，這一切的前提是—— 你必須先擁有幾乎所有人的社交關係圖。

如果只有五千萬人在用，這張圖不夠密，廣告定向就是偽命題。

所以Facebook前六年燒的錢，幾乎全部花在了兩件事上：伺服器擴容和使用者增長。

2007年微軟以150億美元估值投了2.4億美元，全部變成了加州的資料中心。

2012年IPO時，Facebook的移動端收入幾乎為零，華爾街最大的質疑就是："它怎麼賺錢？"

結果是2026年，Meta的全球廣告收入預計達到2435億美元，歷史上第一次超過Google。

順便說一下：2014年祖克柏花了190億美元買下WhatsApp。

當時WhatsApp年收入約1000萬美元——對，單位是千萬，不是億。華爾街又炸了。

但現在你再回頭看：WhatsApp在全球有超過20億使用者，它還沒有開始大規模商業化。

Meta用一個當時看起來荒唐的價格，買下了一個人類歷史上規模最大的即時通訊壟斷地位。

第一步：用免費產品瘋狂獲客，建立細分領域的壟斷優勢（搜尋意圖、社交關係、通訊網路）。

第二步：在壟斷地位穩固之後，用廣告、增值服務和生態抽成進行天量變現。

這個商業模式有一個更通俗的名字——"羊毛出在豬身上"。

使用者是羊，享受免費的草；廣告主是豬，為獲取羊的注意力買單；平台是農場主。

第一，在第一步和第二步之間，有一段極其漫長的"看起來像在燒錢"的階段。

Google從1998年成立到2004年IPO，中間六年時間一直在"虧"——不是真的虧，而是把每一分收入都砸回了基礎設施和使用者增長。

Facebook從2004年成立到2012年上市，整整八年，大多數時間外界都看不懂它到底打算怎麼賺錢。

第二，如果有人在2002年指責Google"沒有ROI""收入模型不清晰""投入產出比嚴重失衡"，從資料上看他完全正確。

當時Google的廣告系統才剛起步，年收入不過幾億美元，而伺服器和頻寬成本持續飆升。

但二十年後再看，那個在2002年唱衰Google的人，錯過了人類歷史上最偉大的財富創造。 (FinHub)

彙整鉅亨號中所有使用「AI商業模式」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`

僅4.5%的美國消費者為AI付費，GPU的價格還在不斷上漲，a16z兩份報告揭開AI真實落差

2.8兆參數Kimi K3開源！矽谷巨頭看傻了

你無法賺到認知以外的錢，談談AI的商業模式（第二章）

你無法賺到認知以外的錢，談談AI的商業模式（序、第一章）