在2010年代，SaaS的故事简单而优雅：标准化产品、清晰的销售流程和可预测的订阅收入构成了一套几乎可以“复刻”的增长机器。创业者们在商业模式、定价和渠道上不断微调，软件行业也逐渐走向成熟，趋于稳定。

但人工智能的出现，正在把这一切重新洗牌。

Anthropic、Cursor、fal等公司带来的，不仅是技术、交付与产品形态的变化，而是一条完全不同的商业路径。计算成本取代代码成本成为新的生产要素；毛利率普遍走低，而增长速度却远超传统 SaaS 的范式；旧有的指标体系开始失效，新的评价方式尚未建立。

在今年的SaaStr年度大会上，Anthropic的Kelly Loftus、Cursor的Jacob Jackson与fal的Gorkem Yurtseven一同探讨了这个正在成形的“AI商业世界”。

在他们看来，AI创业已进入一个类似蛮荒但充满机会的时代：规则未定，模型昂贵，速度惊人，传统SaaS的模式正在快速过期。

以下是这些处于AI一线创业者形成的8个共识。

01

旧的SaaS指标并不适用于AI

在传统的SaaS模式下，每个新用户几乎都能带来纯利润。但对于人工智能原生公司而言，每个新增客户都会消耗GPU算力、电力和模型推理时间。

即使营收增长迅猛，这些非零边际成本也会压缩毛利率。一些人工智能公司在创纪录的时间内实现了从零到5000万美元年度经常性收入(ARR)的飞跃，但毛利率却接近40%-50%，而非80%-90%。

“软件技术的进步速度比硬件技术的进步速度更快，”戈尔克姆说。“即使我们扩大规模，运行最好的模型也变得越来越昂贵。”

对创始人而言，这意味着要重新定义“健康增长”的含义。减少对传统指标（例如“40法则”或毛利率扩张）的关注，更多地关注能够平衡增长与计算效率的单位经济效益。

02

COGS是新的CAC

Talia精辟地总结道：“销售成本（COGS）就是新的客户获取成本（CAC）。在SaaS领域，制约因素是客户获取成本。”

在人工智能领域，制约因素是计算成本。创始人无法同时承担高昂的销售成本和高昂的客户获取成本，因此，最好的产品都旨在通过产品质量、病毒式传播和社区建设来推动用户采纳。

这种“服务成本高，获客成本低”的新动态，奖励那些打造具有粘性、能养成习惯的产品并利用自然分销而不是主动推广的团队。

03

根据结果设计定价

人工智能不仅改变了我们构建的产品，也改变了我们实现盈利的方式。像Cursor和fal这样的公司正在摒弃传统的按席位付费的SaaS模式。固定的月度订阅模式正在被基于使用量和结果的模式所取代，在这种模式下，收入与交付的成果直接挂钩。

“运行相同的模型可能会更便宜，”Fal的Gorkem说，“但每个人都想要最好的模型——而最好的模型运行起来更贵。”

与软件即服务（SaaS）模式不同，SaaS模式下服务每个新用户几乎不需要任何成本，而人工智能应用每次推理都会产生实际的边际成本。每个令牌、帧或调用都会消耗GPU、电力和计算资源。

正如Cursor公司的Jacob所说：“当你从客户那里收到10美元时，你不能只花10美分在AWS上。GPU很贵，而且它们会消耗大量的电力和热量。”

创始人现在必须设计能够平衡客户价值和基础设施经济效益的定价系统——将收入与可衡量的生产力或成果挂钩。

主要型号包括：

按使用量付费：客户为消耗量付费——API调用、令牌或完成的任务。

基于结果的定价：当AI带来可量化的业务成果时，例如已解决的工单或已生成的内容，客户才需要付费。

混合模式：基础订阅提供可预测性，而可变层级则随着使用量的增加而获得收益。

“我最初以49美元的价格出售开发者工具时，”雅各布回忆道，“我意识到，即使生产力只提高0.01%，也值得投入。现在，人工智能使开发者的工作效率翻了一番，定价也应该与这种影响相匹配。”

人工智能的商业化模式正在从获取资源转向创造价值。那些将收入与可衡量的价值（例如使用量、生产力或成果）直接挂钩的创始人，将能够打造更持久、更具竞争力的企业。

但现在，每一次模型调用都有成本。那些顺应这一现实而非与之对抗的公司，将决定人工智能时代的经济格局。

人工智能的定价模式正在从按使用权付费转变为按结果付费。最终的赢家将使其商业模式与其创造的实际价值相匹配。

04

影子目标，是AI GTM团队的新配额

在Anthropic，销售没有传统的销售配额。“我刚加入公司时，我们无法预测市场接受度，”负责初创企业销售的Kelly Loftus说。“所以我们没有设定销售配额，而是根据反馈和公司使命来制定目标。我们称之为‘影子目标’。”

模型采用的不可预测性使得长期预测几乎不可能。因此，人工智能公司正在组建规模更小、技术更精湛的市场推广团队，这些团队深入了解产品，并专注于学习循环而非流程管理。

例如，Cursor的销售人员也会编写代码，并使用Cursor本身来实现部分工作流程的自动化。“我们使用人工智能来筛选潜在客户，”Jacob说。“我们销售团队的许多成员也在开发内部工具来帮助公司。”

关键在于：市场推广策略必须具有适应性，而非僵化。要聘请建设者和反馈收集者，而不仅仅是销售人员。

05

AI已经融入日常工作

人工智能公司从成立之初就将人工智能融入到组织的各个方面。每位小组成员都分享了他们如何在内部使用人工智能来扩展团队规模的案例：

Anthropic构建了一个由Claude提供支持的Slack助手，该助手可以搜索内部知识库来回答员工的问题，从而改善新员工入职流程并缩短获得洞察的时间。

Cursor使用异步“后台代理”来完成开发人员可以审核、纠正和迭代的任务，从而提高精确度和控制力。

fal通过开放计算资助计划聘请顶尖研究人员，候选人可以在加入全职团队之前提出并运行平台上的实验。

这些策略表明人工智能如何改变工作流程和文化，并帮助团队更精简、更智能、更快速地运作。

06

致力于在新兴的AI赛道中建立领先位置

fal的突破源于团队缩小了关注范围。fal专注于“生成式媒体推理”领域，并避免了为所有模型和模态（包括LLM）提供推理服务的诱惑。这一决策使其市场定位更加精准，并加速了产品应用。

“大家都以为所有人工智能模型都属于同一个市场，”戈尔克姆说。“但我们很早就发现，媒体模型的买家群体各不相同。这种转变改变了一切。”

在充斥着通用型人工智能工具的市场中，专注才是最终的制胜之道。赢家会先明确划分产品类别并占据主导地位，然后再横向扩张。

07

增长将源于合作，而非竞争

Anthropic和Cursor代表了人工智能领域的一种新型合作关系：竞合（“合作”和“竞争”的组合）。虽然Anthropic构建了Claude Code，而Cursor则作为人工智能编码助手，但两家公司密切合作，分享反馈并共同改进。

“我们与Cursor等合作伙伴携手，共同推进模型功能的发展，”凯利说道。

“每当模型变得更好，Cursor的性能也会随之提升，”Jacob补充道。

这种动态表明，人工智能生态系统如何通过相互促进而蓬勃发展。模型提供商和应用程序开发人员并非零和博弈，而是相辅相成的盟友。

08

新的北极星关注使用情况、客户喜爱度和杠杆作用

在SaaS时代，投资者演示文稿通常以年度经常性收入（ARR）、毛利率和净留存率来衡量成功。但在人工智能时代，这些指标只能反映部分情况。

最具前瞻性的创始人正在追踪一系列新的信号。这些信号衡量的是使用情况、客户喜爱度和利用率，而不仅仅是收入。

使用情况和参与度随时间的变化：是用户留存和用户增长的最直接领先指标。

内部NPS：指您的团队是否真心喜欢使用该产品。

Logo多样性和新logo获取：收入分布在至少30多个客户中，而不是集中在少数几个大客户身上，并且正在增长。

钱包份额：客户在人工智能或媒体方面的支出中，通过您的平台进行的百分比。

正如Cursor的Jacob所说：“收入滞后于用户增长，用户增长又滞后于产品质量。我们最重要的衡量标准是我们自己是否愿意每天都使用它。”

这才是人工智能产品真正契合市场的标志，不仅仅是用户采纳，更是用户对人工智能解决方案的忠诚，因为人工智能解决方案不再仅仅是工具，而是常常成为用户的同事。用户的喜爱和产品的实用性是驱动用户参与度、价值和最终收入增长的新准则。