从AI到收入的距离——为什么你公司的AI没有用？

关注

原创 2026-11-09 11:02:05 AI 写同款· GEO 优化 ›

Anthropic公司真实估值与AI创业公司融资常识 人工智能初创公司估值是反映技术实力、商业化进展与资本市场信心的综合指标。其原理基于可比公司法、未来现金流折现及里程碑达成率，而非情绪化传播。技术价值体现在模型性能、API稳定性、企业级合规能力等硬指标；典型应用场景包括智能客服、代码辅助、安全对齐系统等。当前行业普遍认知中，头部AI公司估值多在数十亿至数百亿美元量级，远未达万亿美元级别——该量级已属全球科技巨头市值范畴。理解真实估值逻辑，有助于规避标题党误导，理性评估Claude系列模型的技术定位与落地潜力。阅读详情

在每月的高管会议上，AI赋能办公室大约都会放出一页幻灯片："全公司AI采用率已超过80%，Token消耗量同比增长4倍。"掌声雷动，但在角落里，CFO却摇了摇头：那么，这些数字到底在哪里体现在损益表上？

这种不安有数据支撑。在德勤2026年的调查中，66%的公司报告从AI中获得了"生产力和效率提升"，40%报告"成本降低"——但只有20%报告实现了"收入增长"。与此同时，74%期望AI在未来带来收入增长。预期与现实之间存在巨大鸿沟。这并非因为缺乏使用：OpenAI的企业研究发现推理Token消耗增长约320倍，员工每人每天节省40-60分钟。AI正被疯狂使用——然而只有收入这条线拒绝移动。

为什么？……也许令人惊讶的是，很少有人立刻想到答案，但它大概归结为这样一件事：

不是AI没有效果。而是承载那个效果到收入的路径很长，效果在沿途衰减——而没有人在观察这条路径。

本文试图提出一把衡量这条路径的标尺：从AI到收入的距离。

本体驱动的AI大模型：方法与实践

1. Token用量的欺骗性

根本的不对称隐藏在"Token用量"这个说法本身之中。

对于AI供应商来说，从AI使用到收入的路径是"Token消耗→API费用→收入"。距离：零。对于使用AI的公司来说，路径是"Token消耗→AI输出→人工审查→纳入运营→纳入产品→改变客户行为→合同→收入"——一段相当漫长的过程。换句话说，同一张"Token用量"的图表，在一家公司展示的是收入本身，在另一家展示的却是原始投入。如果一家工厂宣布"我们这个月的用电量翻倍了！"没有人会称之为增长。

所以请允许我不太客气地说：

你公司的AI成熟度KPI，就是你供应商的收入KPI。

追踪Token用量和用户量在AI采用的早期也许是必要的。问题在于忘记了衡量到收入的距离，却用这些数字作为业务成果的证明。创造和推广"Token用量"这个词的人，最有可能就是Token消耗上升时的受益者。高管们绝不能看着一张Token用量的图表就跳入"这为业务做出了贡献"的幻觉。

2. 距离越远，你看到的越少

拿一个编程Agent而言，从AI到收入的因果链如下：

代码生成 → 审查 → 合并 → 发布 → 功能被使用 → 留存改善 → 合同续签 → 收入

每一个箭头都有一个转化率：生成的代码被合并的比例，发布功能实际被使用的比例等等，没有哪个能达到100%。总有泄漏，总有返工。这就是本文的核心：

距离的本质不是步骤的数量，而是每一步泄漏的累积价值——价值随距离呈指数衰减。

代入数字就更吓人了。在平均50%的转化率下，四步之后的到达率是0.5的四次方：约6%。如果一个AI应用通过四跳连接到一个1亿元的收入池，其可归因价值约为600万——而如果每年为它支付1000万，你就在亏钱。与此同时，一个用于报价提案的AI应用可能在全公司Token消耗排名垫底，但价值排名第一。Token用量排名和距离调整后的价值排名经常反转。

这个定义还有一个含义。完全自动化的步骤（100%转化率）无论串联多少个都不增加距离——但一个"交给老板决定"的20%转化率，单独就能创造巨大的距离。审批层级的每一层都是一个衰减器，逐级削减价值。这为一种大公司常见状况提供了结构性解释："大家都在用，但没人感觉到它在起作用。"

指数衰减还有一个更恶劣的后果。AI引起的收入变动随距离缩小，而收入侧的噪音如市场行情、季节性、竞争对手，无论距离如何都存在。超过一定距离后，收入变动被噪音淹没，在统计上变得不可检测。这个区域称为理性无知区。"大多数生成式AI试点没有显示出可衡量的损益影响"，可能不是证明没有效果，而是长距离下效果不可见的后果。零效果和不可观测的效果是不同的状态。针对内部效率的AI应用的ROI辩论之所以永无止境，不是因为员工疏忽，而是结构性的必然。面对一项无法观测的投资，管理层能做的只是在感觉上加码或削减预算。

3. 效率与收入之间的两个断裂

"降本也是利润——有什么不对？"但降本总有极限。无论你削减多少成本，如果收入不增长，利润就会封顶，业务也不会扩张。

在效率与收入之间存在两个断裂。

第一个断裂：时间

一个常见的收益计算是"每人天节省30分钟×人数×时薪"。它记账的不是已实现的利润，而是一份未行使的期权。释放员工30分钟不会让工资单减少一分钱。而正如帕金森定律所教导的，无人看管的时间的自然归宿是"蒸发"。一个合理的主张不是节省的工时本身，而是乘以实际重新部署或货币化的比例——产能转化率之后的数字。削减10万人时但只重新部署了1万人时，你的成果只值10%。

第二个断裂：组织

把公司想像成一条流水线：规划→开发→QA→销售→合同，决定收入的瓶颈是流水线中最窄的那一环节。

假设一家软件公司每月能开发100个功能，QA能处理20个，销售能卖出50个。到达收入的流量被最窄的阶段QA钉在每月20个。现在假设编码Agent把开发翻倍到每月200个。收入会怎样？答案是：一分不多。流量停留在20，增长的只是等待发布的功能堆积。

那如果AI辅助把瓶颈QA提升到每月100个功能呢？这次流量从20升到50。在约束处投资是有效的。但也到此为止，因为销售以50个功能成为新的瓶颈。而如果你加强销售，在它之后等待的是需求侧的约束：客户不会像你发布功能那样快地购买或采纳。瓶颈每次被解决后就向下游迁移。

正如约束理论所示，改善瓶颈以外的任何东西只会制造库存。AI可能正在批量生产的不是收入，而是库存——功能库存、内容库存、提案库存。以两倍速度沿着错误的路线图和错误的改进清单前进，不是增长。

由此，部署原则翻转：不要在工时最多的地方部署AI，而在收入流量受限的地方部署。一个只有三人使用的合同审查AI，可能比一百人每天使用的文档撰写AI更有价值。只要合同执行是瓶颈，这就会发生。

还有一点：对于按小时或人月计费的业务，结果可能更加昏暗。在不变更合同模式的情况下提高效率，你的发票可能会缩水。到收入的距离是负的。在这种情况下，首先要做的不是采用AI，而是改变定价模式——转向基于结果或固定定价。

4. 不要用D5的指标声称D0的成果

我们尝试构建一个AI用例的阶梯，按其触及收入的远近排列，那么：

D0：AI本身是产品——如AI API、付费AI功能套餐
D1：AI执行或支持交易——如定价、报价、续签、采购辅助
D2：AI改变客户行为——如推荐、支持、线索生成
D3：AI构建产品和服务——如编码、设计、研发
D4：AI改善内部运营——如文档、会议、分析
D5：AI正在被使用（连接未经验证）——如全公司聊天、培训、PoC
D∞：没有可解释的到收入路径——如过期的PoC、无目的的部署

D4和D5并不坏，D5是采用早期的必要学习，D4的利润改善有真实价值。问题在于如何向内部解释它们，即用D5的指标（使用率、满意度、Token用量）来说话，仿佛已经取得了D0-D2的成果。

内部AI用户数的上升只证明一件事：内部AI用户数上升了。

为D5增加一条运营规则。将每个D5用例注册为一个附加到期日的期权，标注截止日期和"下一个要连接的点"。如果到截止日期前证明了迈向收入的连接，它就获得晋升；如果没有，它就被静默退到D∞，称之为AI的表演。一个没有行权截止日的期权不是资产，而是一份祈祷。那个截止日几乎是区分健康探索与AI表演的唯一界线。

最重要的警示在于，距离不是工具的属性，而是用例×业务结构的属性。同一个编码Agent无论如何都处于D3的位置，但如果填补的是正在让你丢单的功能缺口，到收入距离会缩短到大约D1-D2；如果指向内部重构，就会拉长到大约D4。在SaaS中，效果在数月后的合同中体现；在基于合同的开发中，交付就是收入；在按时间计费的业务中，如上所述，它变得具有破坏性。距离治理的不是你对工具的选择，而是你对待办列表的选择。

测量不必完美。营销面对过同类难题——将收入归因于广告——花了20年用一种叫UTM参数的不完美工具将其变成"一场基于数据的辩论"。一个简单的电子表格或许就够了：为每个举措，用一行写出到收入的路径，对距离打分，标注"今天能测量的点"和"下一个要连接的点"。从那里开始，工具化跟进：在生成的制品上打ID标签，在CRM中加一个"AI参与交易"的标记。只需一条自我约束的纪律：一个没有接入关停或扩展阈值的仪表盘，本身就是D∞的AI用例。

5. 距离不是需要缩短的东西，而是需要设计的东西

为什么企业AI偏偏聚集在离收入最远的地方：聊天、会议纪要、内部文档、草拟幻灯片？活动聚集在结果容易看到的地方。但最深层的原因在别处。AI采用的最后一跳是一个责任问题，而非能力问题。报一个价格、承诺一个交付日期、设定合同条款，这些是约束公司的"承诺"，AI能生成措辞但无法做出承诺。站在距离远端的不是技术之墙，而是承诺之墙。

AI Agent正是缩短这段距离的技术，它们操作多个系统并按顺序执行多个步骤。Agent的经济本质不是巧妙的文本生成，而是距离的压缩。但这里存在张力，中间步骤也承载了功能：验证、检查、责任划分。压缩过度，你就会得到不当的销售、有问题的合同以及违规行为。

关键是将转化率低于100%的步骤分为两种：

类型	说明	处理方式
有意设计的衰减	审查、法务筛查——刻意放置以阻截风险	用编码化、高质量、尽可能便宜快速的检查点替代
无意设计的衰减	移交队列、停滞审批——无人有意，只会价值衰减	移除