随后，Manus 创始人肖弘在即刻上对这个数据进行了一些解释： Peak 参加了今年的 Stripe Tour 并且分享了我们最新的收入数据。我们开玩笑说，也许应该在写一篇文章科普下：How to calculate ARR, Correctly。 8 月 20 日，在新加坡的 Stripe Tour 上与 Stripe CEO 对谈的时候，Manus 首席科学家季逸超（Peak）表示， Manus 从三月份推出至今已实现 9000 万美元的年化营收规模（revenue run rate），1 亿美元大关近在咫尺 。 之所以用 Revenue Run Rate 这个数值，是因为它是一个严谨的财务口径数据，计算方法也相当简单：当月的 Revenue *12。 需要注意的是，Revenue 并不等于 Cash Income。很多 AI 产品都会有年付选项，这部分只能算作预存款，而不能记为 Revenue。如果我们按照这种【错误方式】披露， 可以算出一个一个比 1.2 亿美金更大的数。（再次说明，这是不正确的计算方法。） 另外一个重灾区是关于 ARR 的计算。一个典型的错误的做法是：在产品上线的初期，用 7 天的 ...

原文来自：范凌的泛谈《从大数据到好猜想：关于大模型时代消费者的理解》 大模型重塑了用户需求调研，但可能不是以我们所期待的方式——AI 去获取用户数据、AI 进行数据清洗等。 而是直接回到了用户需求的最根源，用第一性原理的方式，让模型直接去扮演真实的用户，去呈现真实的用户的思考。 因为，模型拥有的数据和知识足够构建好这样的一个 Personal Agent。 特赞创始人范凌的这篇文章，回归到商业调研的源起，去思考大数据呈现的真实，和猜想呈现的真相，到底哪个才是真正对商业决策有意义的结论。 以及，在大模型到来后，我们可以用何种方式来重塑用户需求调研的流程，真正的「重塑」。 很多时候，AI 带来的可能不只是取代重复劳动，而是用更本质的方式，取代了过往的商业模式。 超 12000 人的「AI 产品市集」社群！不错过每一款有价值的 AI 应用。 邀请从业者、开发人员和创业者，飞书扫码加群： 进群后，你有机会得到： 01 一个商业需求引出的思考 让我们来看一个常见的商业需求： 一位品牌说：「我们想通过分析社交媒体数据，进行新品研发、竞品对比、销售卖点提取。能不能爬取各个平台的全量数据来分析？小红书、抖音、微 博、B 站… ...

核心观点 - AI行业正在经历快速变革，从证明AI可解决问题转向构建能定义、衡量并解决问题的系统[9] - 记忆和上下文成为AI应用新的护城河，跨时间记忆、适应和个性化能力是关键[9][39] - 垂直领域AI采用速度加快，尤其在长期依赖人工操作、服务密集型行业[42] - 浏览器竞争加剧，下一代Agentic浏览器将嵌入AI实现多步自动化和实时决策[56] - 生成式视频技术将在2026年进入正式可用状态，重塑互联网内容创作[61] 优秀AI创企标准 - 超新星型公司：第一年ARR达4000万美元，第二年1.25亿美元，毛利率25%[16][19] - 流星型公司：第一年ARR 300万美元，第四年达1.03亿美元，毛利率60%[16][19] - 新增长标准Q2T3：连续两年四倍增长，后三年三倍增长[20] - 员工效率：超新星型ARR/FTE达113万美元，是传统SaaS的4-5倍[19] AI基础设施发展 - 模型层由OpenAI、Anthropic等少数企业主导，同时进行垂直整合[25] - 开源模型如Kimi、DeepSeek在特定任务上表现优异[27] - 基础设施进入第二篇章，焦点转向定义问题而非解决问题[30] - MCP协议成为Agent访问外部API的通用标准，简化集成流程[34] 开发者平台与工具 - AI工程成为软件开发不可或缺部分，自然语言成为新编程接口[33] - 最优秀工程团队构建能通过开发循环实现学习的自适应系统[33] - 记忆成为核心产品要素，持久化跨会话记忆仍是挑战[38] - 上下文管理工具如MemOS、LangMem正在解决记忆稳定性问题[38] 垂直领域AI进展 - 医疗健康：Abridge自动完成临床记录，SmarterDx自动化编码流程[43] - 法律：EvenUp生成法律索赔文件，Ivo自动审查合同[51] - 教育：Brisk Teaching帮助教师简化评分和内容创作[51] - 房地产：EliseAI自动化物业管理沟通和租赁审计[51] 消费级AI趋势 - ChatGPT和Gemini周活跃用户分别达6亿和4亿，成为生活习惯[47] - 语音成为重要交互方式，Vapi等平台支持跨语言情感互动[47] - Perplexity成为AI搜索首选工具，推出Agent浏览器Comet[48] - 创作门槛降低，Suno、Runway等工具让消费者成为创作者[48] 2025年五大预测 - 浏览器成为Agentic AI核心交互界面，新浏览器大战开始[56] - 2026年成为生成式视频元年，重塑娱乐、营销等领域[61] - 评估与数据溯源成为AI产品开发关键催化剂[67] - 将出现AI原生社交媒体巨头，可能由AI网红主导[73] - 行业并购激增，医疗、金融等领域迎来整合浪潮[77] 创业启示 - 速度重要但方向更关键，需产品直觉和用户同理心[81] - 聚焦高价值痛点，快速提供10倍价值后逐步扩展[84] - 构建技术和数据壁垒，为战略收购做好准备[83] - 创始人洞察力成为关键竞争优势[84]

全球化创业趋势与AI企业出海合规 - 全球化创业成为当下趋势，AI企业出海需关注合规要求及法律风险[2] - 企业出海合规分享会将于2025年8月21日20:00举行，由北京嘉润律师事务所高级合伙人李慧君主讲[6] - 分享内容涵盖创业公司出海的软硬件法律风险、北美/欧洲/东南亚地区合规差异案例拆解[6] - 重点关注股权架构、数据合规、实体运营等法律问题，面向关注出海合规的创业者/业务负责人[7] 近期重要行业活动 大湾区国际创客峰会 - 11月15-16日在深圳南山区举行，由柴火社区主办[9] - 跨国际跨产业AI硬件盛会，汇集全球maker展示最新AI硬件项目[9] - 邀请100位海内外influencers及社区领袖作为创新大使[9] MiniMax Agent全球挑战赛 - 8月11-25日线上举行，奖金15万美元[10] - 设立Original和Remix赛道，鼓励原生案例创作和二创[11] Cursor北京黑客松 - 8月30日13:00-19:00在北京举行[12] - 6小时内完成从0到1的产品开发，提供Cursor官方Credits奖励[12] - 开放观众席位供Cursor爱好者现场投票[12] 2025 NVIDIA创业企业展示（重庆站） - 8月28日在重庆举行，聚焦AI智能体和企业出海领域[13] - 活动内容包括AI智能体应用创新、私有化部署展示、投资机构洞察分享[13] - 提供训推算力试用、AI智能体培训课程等专属福利[13] - 详细议程包括NVIDIA初创加速计划介绍、AI智能工厂、Google Cloud工作模式等主题演讲[16]

模型成本与市场需求 - AI创业者普遍认为模型降价将改善收入状况，但实际情况是只有老旧模型成本下降，而市场始终需求最新模型[2][3][4] - a16z数据显示大语言模型成本每年下降10倍，但仅限于性能老旧的模型，最新模型成本保持稳定[5][6] - 当新模型发布时，99%市场需求会立即转移，用户总是追求最高质量模型[16][20] 模型定价与使用趋势 - GPT-4价格从2023年3月的60美元/百万tokens降至2024年3月的1.5美元/百万tokens，但最新Claude 3 Opus仍保持75美元/百万tokens[19] - 前沿模型单位token价格未上涨，但token消耗量爆炸式增长，任务长度每6个月翻一番[24][26] - 20分钟"深度研究"当前成本约1美元，预计2027年24小时AI Agent运行成本将达72美元/次[26] 商业模式挑战 - 固定费率订阅模式面临崩溃，Anthropic取消200美元/月无限套餐，因用户token消耗激增1000倍[28][33][34] - 行业陷入囚徒困境：按量定价理论上可持续但用户偏好包月制，固定费率导致比烂竞争[35][36][39] - 重度用户补贴不可持续，Windsurf已倒闭，多家公司面临资金链危机[13][27][43] 潜在解决方案 - 建立高切换成本的企业级服务，如Devin与花旗银行合作，获取稳定高利润率收入[39][40] - 垂直整合模式如Replit，将AI作为引流品，通过其他服务盈利[40][42] - 新云厂商(neocloud)可能成为可行方向，但需避免无规划的早期入场[44][45]

行业趋势 - AI 创业公司呈现"精益团队高爆发"特点，团队规模普遍小于50人但年收入超过500万美元[4][5] - 近一半上榜公司处于A轮前融资阶段，部分公司选择不融资或少量融资[4][40] - AI 工具使小团队实现全球化运营成为可能，创业第一天即可面向全球市场[5][29] 商业模式创新 - 成功公司更聚焦直接交付业务结果而非单纯工具，如GrowthX提供营销结果代运营服务而非写作工具[9] - 集体议价模式兴起，如Pump.co通过打包中小企业云需求获取大客户折扣，节省高达60%云成本[19] - 创作者经济平台涌现，如Creati构建病毒视频模板市场，创作者按使用次数分成[15] 代表性公司案例 Hanabi AI - 专注高表现力AI语音，4人团队实现500万美元年收入[11] - OpenAudio S1模型主打情绪控制而非通用性，月活用户5个月内从5万跃升至42万[11] Higgsfield - 从娱乐向AI视频转向专业短剧创作平台，21人团队ARR达1100万美元[12][14] - 开发支持复杂运镜的AI引擎，简化短剧制作流程[12] Genspark - 从AI搜索转型AI Agent平台，20人团队实现3600万美元ARR[21][22] - Super Agent产品上线9天即达1000万美元年化营收[22] Surge AI - 高端数据标注平台，110人团队年收入达10亿美元[26] - 客户包括OpenAI、Google等顶级实验室，估值目标150-250亿美元[26] 运营效率提升 - Arcads AI用5人团队达成500万美元ARR，计划10人内实现1亿美元ARR[32][35] - 自动化AI Agent广泛应用，如Arcads AI的Spy Agent自动监控竞品广告并生成类似内容[35] - 编程工具Cursor 3年收入超1亿美元，Lovable 3个月达成1700万美元ARR[30] 团队管理理念 - 精益团队优势包括减少管理成本、快速转向能力[37] - 新一代创始人更看重公司控制权和生活质量，而非盲目追求融资和规模[40][41] - 招聘标准严格，仅在功能开发、渠道扩展等必要场景扩编[38]

Deep Research功能概述 - Deep Research能显著提升AI产品GTM效率，将数小时工作压缩至几分钟[2] - 主流AI产品如ChatGPT、Gemini、Perplexity均已上线该功能[2] - 需通过高质量提示词和背景信息指导才能产出定制化研究成果[2] 使用技巧 技巧1：信息源质量控制 - AI可能误用社交媒体观点或过时数据，需人工指定优先来源类型（如政府数据）[7][12] - 可要求AI在报告中添加来源概述表，列明数据年份、用途及替代来源差异[8][9] 技巧2：背景信息输入 - 需主动提供公司运营模式、目标及限制条件等背景信息[13] - 可创建项目档案存储共享背景，避免重复输入[14] - 建议使用GPT-5/Claude Opus生成背景信息需求清单[18] 技巧3：研究计划审核 - Gemini会主动提供研究计划，其他工具需在提示词中明确要求[20][22] - 审核重点包括：内容覆盖度、方法合理性及AI假设验证[23] 技巧4：报告格式优化 - 默认生成报告可读性差，需指定摘要前置、关键见解优先等结构化格式[24] - 推荐使用金字塔原则：结论先行，论据支撑[31] 工具选择策略 - ChatGPT为最佳通用工具，尤其GPT-5版本具备深度分析和Agent Mode交互优势[38][39] - Gemini适合备用，Perplexity擅长特定网站/论坛研究，Claude/Grok输出简洁[40][42] - 工具对比维度包括定价限制、研究规划、上下文处理等7项指标[43] GTM实战用例 用例1：内部项目指南 - 可快速生成营销归因模型等复杂项目实施手册，含方法对比及分步SQL代码[46][47] - 需明确公司技术栈（如Salesforce+Snowflake）以获取定制方案[47] 用例2：竞品广告分析 - 通过Agent Mode抓取LinkedIn广告库50+案例，分析定位策略及CTA设计[51][54] - 输出含具体广告链接及截图，覆盖广告类型、受众画像等维度[56] 用例3：网页审计 - 结合竞品分析与行业最佳实践，提出改进优先级排序及文案示例[63] - Agent Mode可交互验证页面元素，避免静态分析误差[64] 用例4：产品功能对比 - 基于官方文档生成竞品功能差距分析，需验证信息时效性[67][68] - 可延伸生成竞争力文案，如客户比较页面设计建议[69] 用例5：国际市场评估 - 采用两阶段法：先由GPT-5建立评估框架，再通过Deep Research生成国家排名[72][75] - 关键数据源包括政府统计（如Eurostat）和企业规模数据（如UK Business Population）[9][76] 扩展应用场景 - 使用Perplexity监测社交媒体反馈，或通过Agent Mode记录竞品用户流程[80] - 生成行业增长技巧报告并与推理模型协作筛选适用方案[80]

文章核心观点 - AI陪伴难以成为独立赛道 但作为技术栈将赋能下一代产品成为关键基础设施 [4][6][10] - 陪伴需求不够刚性且易被代偿 导致独立产品留存率陡峭下滑和商业模式脆弱 [4][6] - 有效的主动性是AI时代划时代能力 可突破产品被动性并建立用户信任关系 [10][11] 陪伴赛道困境分析 - 用户因新奇感使用AI陪伴产品 但新奇感消退后迅速流失 [4] - 陪伴需求可被短视频、直播、游戏等时间熔炉代偿 这些替代品更廉价甚至返利 [6] - 需要持续投入情感和金钱的AI伙伴在时间杀手降维打击下竞争力脆弱 [6] 技术栈价值类比 - GPS民用初期作为独立模块仅短暂使用 纯位置功能独立应用如Foursquare均失败 [8] - 位置技术栈最终成为移动互联网底层基础设施 融入地图、外卖、电商等所有应用 [8][9] - 陪伴技术栈将类似LBS 成为赋能各类产品的底层能力而非独立产品 [10][12] 有效的主动性能力 - 使产品从工具使用者关系升级为互为主体关系 能记忆偏好、理解意图并预测需求 [11] - 示例：笔记软件可主动整理主题报告并链接相关用户 转型为知识伙伴 [11] - 通过超预期交付建立信任关系 形成AI产品独有延伸资产并突破LTV天花板 [11] 战略方向建议 - 警惕将底层能力包装成独立需求 避免重蹈GPS产品覆辙 [12] - 现有产品集成陪伴技术栈可突破价值边界并构建护城河 [12] - 能力决定产品在用户身边的持续时间和价值交付深度 [12]

核心观点 - AI创业公司应从第一天就考虑出海战略但不同地区的法律法规、监管政策和商业环境存在显著差异需要针对性应对[2] - 出海面临的核心挑战包括数据隐私保护（如欧盟GDPR）、知识产权体系（如北美）等区域性合规要求[2] - 行业专家将探讨股权架构设计、数据使用规范、ODI备案等关键法律问题以及不同地区的风险差异[3][6] 地区合规差异 - 欧盟地区以GDPR为核心对数据隐私保护设置严苛标准[2] - 北美市场建立成熟复杂的知识产权保护体系[2] - 东南亚等新兴市场的合规要求尚未明确需动态跟踪[6] 法律风险焦点 - 股权架构设计需匹配出海目标地的监管要求[3] - 数据跨境流动与本地化存储是合规重点[3] - 实体运营涉及税务、劳工等属地化法律约束[6] 活动信息 - 线上分享会定于8月21日20-22点由资深律师李慧君及WiseLaw杨帆解析典型案例[3][7] - 目标受众为创业者、出海业务负责人等决策层[7] 延伸阅读 - 行业关注AI产品商业化路径如Cursor的PMF验证及OpenAI的7亿用户变现模式[9] - AI产品从技术搭建到销售策略的全生命周期管理被持续讨论[9]

Cursor的商业模式困境 - 核心观点：Cursor面临产品与市场匹配（PMF）和商业模式与产品匹配（BMPF）的双重挑战，其「无限使用」订阅模式本质是风险承保而非软件销售，导致成本失控[6][7] - 商业模式缺陷：固定收入与波动成本的结构类似保险业，但缺乏精算管理能力，易陷入「死亡螺旋」——高耗低付用户留存，毛利率转负[7] - 用户结构反转：最赚钱的用户是使用最少的人，而重度用户消耗资源远超支付金额，形成经济不可持续性[7] 补贴与真实需求 - 补贴扭曲需求：Cursor需辨明用户是对产品真实需求还是对补贴依赖，类似15分钟配送行业价格回归后需求崩塌的现象[10][13] - 营销vs补贴：营销扩大触达但不改变产品价值，补贴人为抬高经济吸引力，掩盖真实支付意愿[11][17] - 关键问题：若按真实边际成本收费，用户是否会继续使用及使用量变化将验证真实PMF[16][21] 行业结构性挑战 - 资源控制权缺失：Cursor依赖第三方大模型API（如OpenAI），无法掌控模型性能前沿和定价权，导致成本与需求刚性冲突[14] - 包装权力差异：打包同质化资源（commodity）可成为房东掌握定价权，而打包垄断资源（monopoly）则沦为租客受制于人[19][20] - 运营路径要求：Uber案例显示只有存在通向正向毛利率的运营路径（如订单密度提升）和未来定价权，补贴才可持续[13] 公司战略选择 - 两难抉择：继续补贴可维持增长但无法证明PMF，合理收费将导致部分用户流失但筛选出真实市场[22] - 根本问题：创始人需反复验证需求本质——产品价值还是补贴吸引力，这是商业模式可持续性的核心[21] - 行业警示：可变成本业务中「无限使用」承诺需极度谨慎，必须建立成本结构与收费机制的强关联[16][18]