AI并没杀死SaaS，Ramp首席经济学家的消费数据说出了真相。这期对话出自A16Z Podcast旗下的MTS栏目《Monetary Matters》，主持人Jack Farley和Max Wiethe请来了Ramp首席经济学家Ara Kharazian。这期之所以值得认真听，不在于他又给出了一个关于AI与SaaS的新预测，而在于他手里握着一把许多人没有的尺子—来自5万家企业、约1000亿美元年化支出的真实商业数据，能把市场情绪、投资人叙事和企业实际采购行为清晰区分开。整场对话的核心结论可以提炼为四点：第一，所谓“SaaSpocalypse”（SaaS末日论），至少在当前的企业支出数据里并不成立；第二，AI确实在改变软件市场，但变化主要集中在模型层竞争、多模型并用、成本控制和新应用层的增长，而不是传统SaaS的集体崩塌；第三，企业目前仍然主要按席位（seat）购买软件，token计费虽然出现增长，但占比还极小；第四，真正值得关注的不只是OpenAI与Anthropic谁输谁赢，而是AI正在如何重塑软件的基础设施、工作流、数据分发、内容生产与企业组织方式。

以下为编译。

1

真实企业支出数据里，看不到“SaaS 末日”

主持人：今天我们请到的是 Ramp Economics 的首席经济学家 Ara Kharazian。你写过不少文章，专门研究一个市场如今最关心的问题：企业到底有没有因为 AI 改变软件支出模式？大家都在讲 AI 会改写 SaaS、重塑软件采购方式，Ramp 在真实数据里到底看到了什么？

Ara Kharazian：我认为这类研究之所以重要，是因为我们今天生活在一个几乎人人都想对市场走向下判断的环境里，尤其是科技行业，观点很多，真正拿着数据说话的人却很少。而我在 Ramp 有一个非常特殊的工作：我们可以看到 5 万家企业、每年大约 1000 亿美元的支出数据，所以我们就想回答一个非常朴素的问题——市场到底发生了什么？新的 AI 公司不断推出与知名 SaaS 公司竞争的产品，那么传统 SaaS 的采用率有没有下降？企业购买 SaaS 的方式有没有改变？在我看来，所谓 “SaaSpocalypse” 其实可以拆成两层含义：第一，企业是否会从传统 SaaS 转向模型公司直接提供的竞争产品；第二，企业是否会放弃传统 seat-based 采购方式，改为按 agent 能力、按 token 使用量来买软件。就目前的数据看，这两件事都还没有以任何有意义的方式发生。Seat-based 合同仍占大约 65% 到 75% 的支出，固定平台费约占 20% 到 30%；即使是那些已经认真推出 token 计费的 SaaS 平台，相关支出占比也只有大约 0.5%，例如 HubSpot 和 Adobe 都有这类产品。至于大家常说企业正在抛弃老牌 SaaS 供应商，你看看 Figma 就知道了：在 Google 推出相关产品后，市场一度很多人在讨论 Figma 会不会受冲击，但我们早在一个月前的数据里就已经看到，Figma 仍是我们平台上增长最快的供应商之一，企业还在持续采购它。所以很多“AI 将立刻杀死 SaaS”的判断，更多是对产品未来的一种投射，并不是对现实商业支出的描述。

2

变化不是没有，但主要还停留在边际层面

主持人：听起来更像是“大家讨论得很热，但现实变化没那么大”。那真正发生的变化在哪里？哪些地方在边际上已经开始动了？

Ara Kharazian：确实有变化。越来越多的软件公司开始提供某种 token-based 产品。比如 Adobe 就是一个典型例子，因为它知道自己的产品越来越多地会被 AI 能力驱动，而这些能力是有边际成本的；再往后看，如果未来由 AI agent 来使用软件，你也很难再像以前那样简单地按 seat 收费。所以，更多公司开始提供这种新计费方式，这是事实。但如果你问这种变化是否已经在现实采购上产生实质影响，答案仍然是否定的：目前它在总支出中的占比还是只有 0.5% 左右。

主持人：那是不是意味着，只有当某家公司用 token 模式真正从别人碗里抢到市场份额，整个行业才会被迫切换？换句话说，全面改制的触发点会是什么？

Ara Kharazian：这是个很好的问题。所有这些变化，最终都会表现为一系列竞争性反应，而且这些参与者都不是傻子，都是资本充足、思路清晰、执行很强的公司。比如你可以看 Anthropic 和 Figma：现在 Anthropic 也在做设计相关产品，但这并不意味着 Anthropic 天然就比 Figma 更擅长服务设计师，或者更懂设计师需要什么。Anthropic 有模型，也有很高的产品迭代速度，但 Figma 本身就是一个极其成熟、极其受欢迎的产品，而且它同样能调用 Anthropic 所生产并销售的模型。我一直不太理解“AI 会让 SaaS 集体灭亡”这类观点背后的直觉是什么。竞争当然会发生，Anthropic 当然是很多市场里的强劲新进入者，但这和“企业会立刻大规模迁移到这些新玩家那里去”完全不是一回事，更何况企业支出本来就具有相当强的黏性。

当然，另一面也不能忽视：这依然是我们见过最动态的软件采购市场之一，尤其是在 AI 相关软件领域，月度层面就会出现新玩家替代老玩家的情况。Anthropic 就刚刚在 Ramp 的数据里超过 OpenAI，成为企业使用最广的模型；Cursor 也完成了对 GitHub Copilot 的替代。所以，这个市场当然值得持续追踪。只是我的核心判断仍然是：把“SaaS 末日”当作已经发生的现实，实在下结论太早，而且通常并不基于真实企业行为。

3

企业没有抛弃 SaaS

主持人：也就是说，你的结论可以概括为：SaaSpocalypse 并不在数据里？

Ara Kharazian：如果从量化角度说，是的。SaaSpocalypse 的两层含义——“软件购买方式会被彻底改写”以及“传统 SaaS 公司会被迅速杀死”——都没有被真实商业支出所支持。至少到目前为止，它没有以任何有意义的方式改变企业采购方式，也没有干掉那些市场上最常被拿出来举例的公司。你甚至可以看 Perplexity。很多人会把它描述成一个更脆弱、甚至更容易被模型公司直接碾压的纯 AI 玩家——相比 Figma 这样的应用层公司，它看起来似乎更危险。但在 Ramp 的数据里，Perplexity 同样是增长最快的供应商之一，因为它仍然在提供模型公司尚未直接深入竞争的产品形态。

主持人：那些 SaaS 公司推出的 token 收费，到底是在替代原有 seat-based 收费，还是只是往现有套件里继续叠加 AI 功能？某种意义上，这里面还有一部分支出可能反过来流向了这些所谓的“竞争对手”。

Ara Kharazian：目前看更像是加法，而不是替代。它确实是在现有产品套件中叠加新的 AI 能力，用户可能为此按 token 付费，但通常仍然叠加在 seat-based 合同之上。不过，这部分支出实在太小了。我们谈的是真正已经比较认真推出此类定价的公司，但在这些平台上，token 相关支出占比依然不到 1%。所以你很难判断它是否已经成为这些公司的利润增长引擎。

4

Anthropic 超过 OpenAI，但更重要的是企业正在走向“多模型”

主持人：Anthropic 超过 OpenAI，这件事现在大家基本都知道了。除了这个最显眼的变化，其他模型的支出趋势里，还有哪些是外界没有充分意识到的？

Ara Kharazian：我其实在写 Anthropic 那篇文章时，是带着一点保留态度的。我们去年开始发布一个指标，叫 Ramp AI Index，用来追踪企业对 Anthropic 与 OpenAI 的采用率。很长一段时间里，OpenAI 一直领先，现在 Anthropic 首次拿到第一。但过去这段时间我越来越感受到，人们经常会把我的研究结果理解成“OpenAI 完了”或者“Anthropic 已经赢了”，而这既不是我的本意，也不是我认为这个市场会实际演化成的样子。越来越多的企业正在以某种已部署的方式同时使用多个模型，不管是给员工订阅使用，还是嵌入到自己的 AI 原生产品里。那些更早采用 AI 的企业，最有可能同时使用多个模型，而且会随着时间推移继续增加 AI 供应商。如果你把这些早期采用者当作未来市场方向的某种信号，而我们的数据也确实经常是这样发展的，那么可以推断，未来的平均企业大概率也会同时接入不止一个模型。

另一方面，企业也在明显变得更加关注成本。对那些按 token 大量支出、尤其是在 agent 编码等高强度场景中使用模型的企业来说，它们的 token 成本在过去一年上涨了 13 倍。即便如此，这部分支出目前仍只占企业非薪资总支出的约 2%，所以绝对值还不算大；但如果你把 13 倍这种增速线性外推，那显然是一条不可持续的成本曲线，大多数企业承受不起，也不应该承受。正因为这样，最重度使用 AI 的企业，已经越来越多地把一部分 AI 支出迁移到 OpenRouter 这类平台，希望在多个模型之间切换，并尽量使用更便宜的开源模型。即使如此，这部分占比目前也仍然很小：在我们平台的 AI 支出里，直接通过 OpenRouter 发生的支出大概只有 3%，但它在那些最有动力寻找低成本方案的企业中增长得更快。它们会在合适任务上，把工作负载路由到更便宜的模型。所以，我认为模型公司的主要压力来自两方面：成本，以及竞争；而这种竞争甚至一部分来自它们自己——来自它们更便宜的模型版本，也来自开源替代方案。

5

大多数工作根本不需要前沿模型，市场还没跟上这个现实

主持人：这听起来其实是一个对 AI 总支出的偏空判断。会不会企业现在才逐渐意识到：很多任务根本不需要 frontier model？过去大家只是默认“往问题上砸更多算力”，而未来真正重要的是把任务拆对、把流程设计好，再决定该用哪一档模型。

Ara Kharazian：我完全同意。你并不是每时每刻都需要 frontier model，很多时候它对你想做的事甚至更糟，因为它又贵又慢。就连我自己在日常工作里，也经常默认把任务路由给最贵的模型，但实际上我常常只是希望它在必要时用 Haiku 或 Sonnet 这类更轻、更快的模型就够了。不过，你不能期待普通员工做这种判断。我之所以能相对熟悉这些选择，是因为我的工作要求我持续跟踪 AI 市场，知道新模型在怎么变化，也比较了解使用上的最佳实践。但大多数办公室员工不应该被要求掌握这些东西，市场也还没有真正把这种需求产品化。

问题还在于，OpenAI 和 Anthropic 本身没有太大动力去提供一个能够自动帮你降低 AI 支出的路由产品，因为它们靠 token 收入赚钱。更具体地说，Anthropic 和 OpenAI 的商业收入中，大约 80% 都来自 token 计费，它们天然会激励你多用；相比之下，像 Google 这样的大公司赚钱的地方很多，并不非得指望你在 token 上花更多钱。

主持人：那现在市场上有没有哪种插件或软件，已经能帮企业自动判断“这个任务该交给哪个模型”？

Ara Kharazian：有，Cursor 就在做这件事。实际上，我认为模型公司最终也会在竞争压力下被迫回应这种需求，尤其是 Anthropic——越来越多人已经碰到它的算力限制，所以从它自己的利益出发，也应该先把产品做得更高效，让更多用户能更合理地使用它。只是第一步，很可能会先由别的公司来做，然后倒逼 OpenAI 和 Anthropic 跟进。从这个角度看，这也是 Cursor 的一个典型看多逻辑：它能在开发者体验上竞争，能提供更便宜、性能更合适的模型选择和更好的路由，而这是 OpenAI 和 Anthropic 在没有竞争压力时并不愿意主动做的事。

6

DeepSeek的“热闹”与Gemini的“沉默”，采用数据背后的统计差异

主持人：你那张图里，Anthropic 和 OpenAI 上面打得很热，Google 在后面，而再往下 DeepSeek 几乎低到看不见。可几个月前，我们明明还在听到一种说法：很多风投支持的科技创业公司都在用 DeepSeek，因为它便宜。既然如此，为什么图上几乎没有它？

Ara Kharazian：我并不认为“80% 的风投支持创业公司都在用 DeepSeek”这种说法是真的。DeepSeek 刚出来的时候，我们确实看过这方面的数据，当时大约一年前、也许稍多一点，我们看到过一次采用率的上冲，但它从来没有超过平台企业数的 1%。我们之所以还把它保留在指标里，更多是为了给大家一个参考背景——虽然也有人说，到这个阶段也许已经可以把它移掉了。不过，DeepSeek 也不是市场上唯一的开源或低价模型。接下来我们会扩展 Ramp AI Index，去追踪更多便宜模型的采用情况。就算模型本身是开源的，你实际在云端部署它时通常也还是要付费，而这正是 OpenRouter 一类平台提供的东西。

DeepSeek 还有一个比较棘手的问题：它也许便宜，但即使你本地部署，很多企业从安全感知上也并不愿意用它。尤其是如果你做的是面向企业或消费者的产品，这种顾虑会更强，而市场上现在已经有很多别的选择了。所以，我不认为 DeepSeek 会很快迎来大规模采用。

主持人：那 Google 的 Gemini 呢？图上它的线也不算高。你觉得最近的新闻会改变它的走势吗？

Ara Kharazian：Google 其实被低估了，但这里有一个研究设计上的前提：我们只追踪“付费采用”。很多企业确实在用 Google 的 AI，只不过它是通过 Google Workspace 免费集成进去的——我们自己就是这么用的。所以问题变成：你如何划定“什么算 AI 采用”，以及这种采用需要达到多大强度，才算可能带来真正的生产率提升？从经济学研究的角度看，很多研究者其实都对“单纯买一个聊天订阅就能显著提升企业生产率”持保留态度。也许我们最终需要看到比 Google Workspace 内嵌功能更全面、更深度的使用，才能谈生产率跃迁。但无论如何，Google 的分发优势是客观存在的，因为几乎所有使用 Google Workspace 的企业，都天然暴露在 Gemini 面前。

主持人：说到 Ramp AI Index，就像公共市场会猜“下一家进标普 500 的是谁”一样，大家也会好奇：除了 Anthropic 和 OpenAI 之外，谁有资格成为你们接下来纳入重点追踪的“头部模型玩家”？

Ara Kharazian：老实说，从经济生产率测量的角度看，真正重要的并不是“谁是第一，谁是第二，谁是第三”。采用最终会走向多家并存。我们研究的下一阶段，重点不是只看企业有没有采用，而是看采用的“强度”——什么样的企业算是把 AI 用得特别好，它们是怎么走到那一步的。这并不容易，因为直觉上你会说“看谁花的钱最多”，但花钱并不自动等于生产率提升。更何况如果你问一年前的人，他们还会说“AI 的价格最终会趋近于零，所以支出本身不值得测量”。现在有很多很有意思的研究在尝试定义真正的结果变量：比如 headcount 的变化、哪些岗位增加、哪些岗位减少；在工程领域，还可以看 PR 数量和 PR 质量。所以我认为，那才是下一阶段真正关键的研究。

7

AI 替代工作结论还太早

主持人：你们在做这些研究时，是否已经看到一些早期信号？比如很多 CEO 现在把裁员归因于 AI，但外界也有种怀疑：这些其实只是普通的裁员，只是因为之前招人太多，现在刚好借 AI 找了一个更好听的说法。

Ara Kharazian：现在还太早。可以明确地说，目前还没有哪篇论文真正把这个问题回答到位。理想的数据集应该是：你能明确知道哪些公司采用了 AI，然后去跟踪它们之后 headcount 如何变化。就我自己的早期感觉看，有两件事同时在发生。第一，收入增长与 headcount 增长之间，尤其是在软件公司里，的确开始出现某种脱钩——在这类企业中，招聘更多人和做出更多收入之间本来就没有那么线性。第二，但同时又有一个反向力量：那些采用 AI 做得比较好的公司，通常本来就增长很快，前面还有很多机会，因此它们同样也有很多工作要做。这部分当然有 AI 的作用，也有公司自身特质的作用。我的直觉是：真正把 AI 用好的公司，往往同样也还有很多事情需要人去完成。这并不意味着裁员会消失，裁员永远可能在某些场景中发生；但我不是那种 AI 末日论者。我反而很想看到更多研究去解释：为什么模型公司总是在说 AI 会摧毁所有工作？因为我看不出来那对它们自己有什么帮助，而且说实话，这甚至都不是大多数经济学家的主流立场。

主持人：也许那是一种 “TAM posting”——他们在讲的不是现实，而是在向资本讲一个更大的总可服务市场。劳动市场足够大，如果你要论证一个 2 万亿美元甚至 10 万亿美元的估值，最方便的方法就是说：我的 TAM 是整个人类劳动。

Ara Kharazian：你们是在暗示，科技行业里可能存在一点群体性叙事吗？我同意。很多时候，这些话不是说给普通毕业生或者大众听的，而是说给风投、银行和资本配置者听的。我们会看看这套叙事最终是否真的奏效。

主持人：现在也开始出现一些自我约束迹象，比如今天就有人在讨论 AI watermarking，也就是给 AI 生成内容打标记。这说明行业里不是没人意识到风险。

8

AI的新增长不在模型层，大厂也并非都在冲刺

主持人：如果不把视角只盯在“模型公司大战”和“SaaS 会不会死”上，你觉得企业和投资人还应该关注哪些软件趋势？

Ara Kharazian：很多最有说服力的增长，并不发生在模型公司本身。所以我会提醒那些极度担忧“SaaS 末日”的人：市场当然会变化，但软件行业里有一些被低估的新增长带，恰恰是因为 AI 而出现的，而且它们反过来构成了对“SaaS 都要完蛋”的反例。比如 AEO，也就是 Answer Engine Optimization。你可以把它理解为：如果 SEO 是让你出现在 Google 搜索结果里，那么 AEO 就是企业用来追踪自己在 AI 模型中是否被推荐、表现如何的一整套软件。这个赛道增长极快，而且它过去根本不存在。那些做 AEO 的公司，也不是原来卖 SEO 软件的那一批老公司——当然，一些 SEO 公司也开始做，但增长最猛的 AEO 新玩家基本都是新公司，比如 Profound，就增长得非常快。注意，这并不是模型公司直接提供的产品，而且从逻辑上说，模型公司也很难真正提供跨模型的 AEO 产品：Anthropic 可以告诉你在 Anthropic 上的表现，但它不可能高效地帮你监测所有模型的推荐情况，这件事天然更适合独立软件供应商来做。所以，市场里其实存在很多被忽视的增长，它们不在“OpenAI 和 Anthropic 谁赢”这种热闹叙事里，但在我看来，它们恰恰说明 SaaS 不但没死，反而在长出新的层。

主持人：但这也很有意思。刚才你举的另一个例子，是帮企业判断任务该送去哪个模型；现在又说 AEO 本质上是在帮企业理解 AI。听上去最明显的增长，都是在“帮助大家理解 AI 生态本身”。那有没有一些增长，并不是直接围绕 AI，而是本身就发生在软件市场里？

Ara Kharazian：这取决于你怎么给“AI”划线。如果一个传统软件因为加入 AI 功能而变得更好，你当然也可以把它叫成 AI-native 或 AI-driven，但这和“SaaSpocalypse”其实是两套叙事。比如一家增长非常快的伦敦 CRM 公司，它的市场份额可能还只是个位数，但增长速度很高；与此同时，Salesforce 仍然占着 80% 的市场份额，不可能很快就被替代。所以，简单因为某家公司有 AI 功能，就把它的增长全都归结为模型公司胜负的外溢，这是不准确的。这些是很具体、很独特的产品，模型公司现在并不能真正与之竞争，至少还没有。所以，AI 确实会渗透很多发展中的软件公司，但它也会在模型公司之外，催生出一个更大的市场。

主持人：Anthropic 最近还宣布了不少集成合作，比如通过它去访问 Morningstar，或者把 Anthropic 接进 Morningstar；保险业里有 Verisk，金融数据里有伦敦证券交易所、Refinitiv。对这些软件或数据公司来说，这到底是好事还是坏事？

Ara Kharazian：现在你也可以通过 Claude Connector 和 OpenAI 访问 Ramp 的数据。这里要说明的是，我们提供的是官网已经公开的、经过聚合和匿名化处理的数据，但这样做的好处是，用户可以直接把这些数据拉进自己的分析流程里，或者获得针对自身业务的建议，比如“像你这样的公司都在买什么”。如果你问，对 Refinitiv 这类卖数据的公司来说，这是不是好事？我不确定。我可以明确说的是，Ramp 并不卖数据，我们的数据都是免费的，所以我们当然希望更多人用。从这个意义上说，如果更多数据聚合商因为 Ramp 提供的免费数据，以及 Anthropic 等平台让数据更容易被使用，而丢掉一些市场份额，我会乐见其成——并不是说所有数据聚合商都不好，而是这个市场里很多信息长期被关在封闭体系里，方法论也并不透明。总体上，我认为信息被更多企业和消费者使用，会提升决策质量。所以，这可能对卖数据的公司不算好事，但对整个市场更有利。

主持人：你前面提到不少增长很快的软件公司，听起来很多都还是私营公司，或者说是风险投资支持的新贵。那那些真正巨大的软件巨头呢？比如 ServiceNow、Microsoft，以及那些被私募股权持有、增长不快但现金流很强的软件公司，它们在 AI 时代会怎么样？

Ara Kharazian：这一定是个案分析的问题。很多老牌软件公司未来会被颠覆，但原因未必只是 AI，也可能只是因为自身软件需求在变化、枯竭、或没有跟上客户需要。接下来几年会很有意思，因为市场会本能地把很多失败都归因为“AI 冲击”，但实际上，一家公司也可能只是因为没有及时响应客户需求而失败。那当然也可能是因为它没有把 AI 用好，但也可能只是正常的市场更替——不够快地创新，就会被淘汰。所以我一直觉得，把整个软件市场一把抓、下统一判断，是很容易出错的。AI 当然会是一个颠覆力量，但它也是每家公司都知道自己必须回应的力量，大家在信息获取上并不存在明显的不对称。

主持人：颠覆可以表现为新公司取代老公司，也可以表现为防御性并购。这往往取决于老牌玩家识别变化速度的快慢。你们这类数据产品肯定会被很多人拿去判断“自己到底有多危险”。从你接触到的反馈看，这些老玩家有多焦虑？未来我们会看到更多防御性并购，还是看到一批传统公司被彻底甩开？

Ara Kharazian：我觉得很重要的一点是：并不是所有传统玩家都真的相信 AI 有那么强的变革性。或者说，它们承认自己会被影响，但未必认为这件事需要立刻、激烈地响应。我可以举一个很好的例子。大概一两个月前，《华尔街日报》有个由 Deloitte 赞助的栏目，类似 CFO Journal，我会看，因为它的总结通常还不错。那次的标题大意是“四大会计师事务所是如何使用 AI 的”。文章写到 KPMG 在某些任务上部署 agent，PWC 在做这个实验，EY 在做那个试验，给员工各种 AI 工具试用。但到了 Deloitte 那一段，文章却说 Deloitte 正在采取更谨慎的方式：它认为 AI 会提升和增强员工能力，但不会替代他们。最有意思的是，我一开始甚至没看明白为什么 Deloitte 会赞助一篇看起来在帮其他几家做宣传的文章，直到看到 Deloitte 那一段，才意识到：它是在很明确地把自己定位成“不反 AI，但更保守、更克制的那一家”。这和其他几家会计师事务所的市场定位很不一样。它们都在向客户传达：我们积极采用 AI，我们走在前面，我们能给你更好的服务。而 Deloitte 则是在强调审慎。从我的立场出发，我总体上还是支持更多企业采用 AI——当然要聪明地采用，不要推出会把客户审计搞砸的半成品，尤其是在金融和会计这类高风险场景。但 Deloitte 的姿态还是让我意外。如果你一年前问我，Deloitte 会不会比别人更大胆地用 AI，我可能还会猜相反。所以，这再次说明：无论是不是传统公司，不同企业对 AI 的反应并不一样，很多公司其实依然非常犹豫。

9

AI 改写写作，但新闻仍在人手中

主持人：如果说有些传统行业反而可能在 AI 时代里跑出来，你会想到谁？有没有什么“意外的领先者”？

Ara Kharazian：我第一时间想到的是一些传统媒体公司。它们很有意思，因为它们很可能会在这一轮变化中找到新位置。比如《纽约时报》以及一些大报，正在和模型公司直接谈授权合作。至于这是否意味着它们会因此在内部更有效地采用 AI、变成更先进的组织？已经有一些迹象出现了。我和一些记者聊过，他们会私下提到：虽然 AI 在新闻编辑部里仍然是一个很有争议的话题，但大家开始越来越多地讨论，某些写作工作其实更适合交给 AI，而记者则把精力放在真正的采访和报道上。

主持人：这很有意思。因为新闻行业长期存在“内容被免费搬运”的问题。以前大家会问“这篇稿子有没有免费链接”，或者绕过付费墙去看；如果现在这种消费有一部分通过大模型来完成，至少大模型公司还会给媒体付一些费用。当然，这和所有偷看的人都去订阅媒体不是一回事，但毕竟是一种变现。还有另外一个角度：人类的注意力越来越短，但 AI 并没有这个问题。它可以很快读完一篇长文。这样会不会反而提升新闻质量？因为内容不再只是为了争夺人类的短时注意力，而是可以先被 AI 完整吸收，再更统一地传达给大众。

Ara Kharazian：我先说一个很明确的判断：AI 在大多数写作上都很差，尤其差在博客、观点写作这类东西上。你读得出来，那种味道很明显，不仅是它写了什么，更是它没写出什么。但它在某些高度结构化的写作任务上其实挺好用的。如果你只是让它“直接给我项目符号”“把这件事总结一下”，它表现通常不错，这也是很多会议纪要和 note-taking 应用能成立的原因：它不太会加入那些奇怪的、过度人工修饰的腔调，反而能比较全面地把信息捞出来。很多报道工作也是这样：记者真正的工作，是去找人、去现场、去做研究、去见消息源。AI 机器人不会去参加线下活动，不会自己采访人，也不会跑去找县书记员、拿被封存的文件，它做不了那些事情。但如果一个记者已经完成了大量采访和资料处理，再让 AI 根据这些真实报道材料去写一版直白、结构化的摘要，我认为这并不离谱。它未必能写好人物特稿，也做不了调查报道，但它可以把你已经发现的事实写成一版清楚的总结。所以我确实认为，未来某些写作环节会由 AI 来完成。

主持人：我刚才其实说的更多是“AI 读新闻”而不是“AI 写新闻”。以前真正读完 10 页深度报道的人很少，信息在社交媒体上传着传着就失真了。如果未来更多人是通过 Claude 或 Gemini 来获取一篇报道的核心内容，而不是通过第三手、第四手的社交媒体转述，那会不会反而鼓励媒体去做更扎实的长报道？

Ara Kharazian：这一点我现在还不确定。我也不确定 AI 是否真的会显著拉低像《纽约时报》这种媒体典型文章的阅读量。我的直觉是，真正愿意为报纸付费的人，还是会继续读报；也许边际上会有一些下滑，但我现在还没有把握下判断。

主持人：最后一个问题，回到你那张 AI Index 图。xAI 的位置非常低。你觉得这会变吗？为什么它这么低？如果马斯克把 xAI 和其他资产捆在一起推进，显然说明他非常重视它。那现在到底是什么情况？

Ara Kharazian：xAI 在企业采用层面还没有看到太明显的上升。先说一个背景：xAI 本身就是比较晚才进入这个市场的，所以它能在发布后的几个月内做到大约 2% 到 3% 的采用率，其实已经是很不容易的成绩了。但它还没有像 Anthropic 那样，在 6 到 12 个月里完成那种非常陡峭的上升。我也不觉得这件事被低估或者没被报道到。如果它对 Cursor 的收购最终真的完成，那我们以后甚至得把 Cursor 的份额也并进 xAI 的市场份额里去看。我认为这笔收购本身是有道理的：xAI 拥有非常强的算力资源，但如果它想真正拉动模型采用，收购像 Cursor 这样直接连接开发者工作流的产品，会是一步很好的棋。