這里還有8個“Manus”：1億美元ARR，都是ToC

• 衡宇 鷺羽 發(fā)自 凹非寺
  量子位 | 公眾號 QbitAI

Meta剛掏出20億美元把Manus收入囊中的同時，一份名單也隨即在VC圈瘋傳——

“1億美元ARR俱樂部”。

上榜公司不多，但個個鼎鼎大名：

• Perplexity：200億美元
• ElevenLabs：66億美元
• Lovable：66億美元
• Replit：30億美元+
• Suno：25億美元
• Gamma：21億美元
• Character：10億美元+
• Manus：5億美元
• HeyGen：5億美元+

（以上數(shù)據(jù)代表公司估值）

隨便單拎一個出來，都是如今炙手可熱的存在。

此圖由AI生成

1億美元ARR，不過是它們交給硅谷的入場券。

但要知道這個數(shù)字，對絕大多數(shù)初創(chuàng)公司來說，都是從0到1的絕對天塹。

要厘清這一問題，不妨先回到ARR的定義上。它指的是產(chǎn)品一年之內(nèi)穩(wěn)定的收入，即可重復(fù)、可持續(xù)的真實收入。

它反映了一家AI公司最關(guān)鍵的問題：到底有沒有人愿意為你的AI長期付費？

顯然，上榜的這幾家公司已經(jīng)收獲了自己的粘性用戶群體。

而且無一例外，它們都不是Big Labs。

事情變得有趣起來，正如網(wǎng)友所說：

• 從基礎(chǔ)模型轉(zhuǎn)向消費者產(chǎn)品是今年最顯著的趨勢，ToC端是新的黃金。

“1億美元ARR俱樂部”成員可劃分為5大類

事實上，上榜者并非離散的孤例。

全局盤點之下，可以清晰地發(fā)現(xiàn)它們已然衍生出主要5類商業(yè)路徑：

第一類，是AI搜索/信息服務(wù)

以Perplexity為代表，通過AI搜索引擎，直接重構(gòu)用戶獲取信息的方式。

Perplexity成立于2022年8月。今年3月，其CEO Aravind Srinivas正式官宣，產(chǎn)品ARR突破1億美元大關(guān)。

第二類，是音頻/語音基礎(chǔ)能力產(chǎn)品

典型例子是ElevenLabs，不直接面向普通消費者，而是成為眾多應(yīng)用背后的AI語音引擎，典型的AI Infra路線。

成立于2022年，雖然并未對外披露1億美元ARR的具體時間點，但在今年9月宣布啟動1億美元的員工股權(quán)回購計劃時，正式宣布ARR已超過2億美元，并預(yù)計年底前達到3億美元。

第三類，是Vibe Coding/開發(fā)工具

Replit和Lovable代表的則是新的Vibe Coding趨勢，讓更多非技術(shù)用戶進入開發(fā)領(lǐng)域。

其中Replit成立于2016年，并在今年6月宣布ARR破1億美元，較2024年底的1000萬美元實現(xiàn)了10倍增長。

Lovable則是在2023年正式成立，并在今年7月正式宣布ARR破1億，隨后又在11月更新了這一數(shù)據(jù)，來到了2億美元ARR，成為增長最快的AI編程工具之一。

第四類，是內(nèi)容/辦公效率工具

Gamma是這一類的代表，瞄準的是用戶最剛需的辦公場景——做PPT、寫文檔等。

它成立于2020年，同樣也是在今年11月宣布ARR突破1億美元，同期還完成了由A16Z領(lǐng)投的B輪6800萬美元融資。

第五類，是生成式娛樂內(nèi)容

Suno和HeyGen則走向另一條路線，不直接提高效率，而是通過音樂、視頻拓寬用戶的娛樂邊界。

其中Suno成立于2022年，援引知情人士透露，10月份公司ARR已達成1億美元。

HeyGen成立于2020年，也是最早一批進入視頻生成領(lǐng)域的初創(chuàng)公司，在今年10月，其創(chuàng)始人Joshua Xu在官宣首次達到1億美元ARR。

補充一個小tips：像Replit這種明確寫年化收入的，嚴格講不等于ARR。

無一例外，全部ToC

看到這兒，最值得劃重點的一點出現(xiàn)了：

• 這批跨過門檻的“俱樂部成員”，清一色都是ToC的

這個結(jié)論本身就帶著強烈的信號（在很多人的直覺里，企業(yè)服務(wù)更愿意付費、更講效率、更有預(yù)算，似乎更容易做出大收入）

背后原因和AI產(chǎn)品所處的階段有關(guān)，也和ToC的運行機制有關(guān)

AI 2.0方興未艾，用戶對產(chǎn)品的容忍度還很高。

每一次迭代都可能給用戶帶來新的驚喜，用戶愿意持續(xù)付費。

當然，另一個隱藏的致命打擊伴隨而來：用戶粘性其實并不高，誰好用我就趕緊撇下原本的心頭寶，高高興興擁抱新產(chǎn)品去了。

但整體而言，其實用戶今天試用，明天續(xù)費，后天流失，也不是什么壞事。

在AI早期我們不妨把它看作一種優(yōu)勢，它讓產(chǎn)品用最短的時間獲得最真實的反饋。

所以走ToC這條路，能讓團隊迅速收到反饋，高速試錯，快速調(diào)整。

當行業(yè)處在高速不確定期，快本身就是優(yōu)勢

與此同時，ToC的規(guī)模效應(yīng)對AI應(yīng)用的單位經(jīng)濟學有一種倒逼機制。

這就不得不回到ARR這個話題來。

AI 2.0時代，1億美元ARR這條線天然自帶一條更樸素的約束：

• AI-Native應(yīng)用的生意邏輯，天然帶著推理成本這根計價繩。

傳統(tǒng)互聯(lián)網(wǎng)產(chǎn)品一旦完成研發(fā)，邊際成本往往趨近于零。

用戶多一倍，成本未必跟著多一倍，很多產(chǎn)品因此可以用規(guī)模來攤薄成本，再用攤薄后的利潤去換更大的規(guī)模。

AI-Native應(yīng)用走的是另一條路。

每一次響應(yīng)、每一次生成、每一次多輪對話，都在消耗推理成本。

用戶增長得越快，調(diào)用就越頻繁，算力賬單上的數(shù)字就開始光速膨脹。

這就迫使團隊不得不更早地去思考，從長期視角來看，用戶帶來的價值增量能不能跑贏token和算力的消耗速度。

否則規(guī)模會把產(chǎn)品推向一種很尷尬的狀態(tài)——

好消息，收入在漲！

壞消息，成本同樣在漲，甚至漲得更快（攤手.jpg）

巨頭們可以用別的現(xiàn)金奶牛來給AI產(chǎn)品不停輸血，但創(chuàng)業(yè)公司就只有自己想方設(shè)法長期造血了。

要么客單價足夠高，高到可以覆蓋每一次推理的成本，并且為持續(xù)迭代留出空間；要么推理鏈路持續(xù)迭代到更短，把“多輪、重推理”壓縮成“少輪、輕推理”，讓同樣的付費收入對應(yīng)更低的算力消耗。

總之就是必須找到成本與收入同向的營收方式。

從某種角度來說，于這些應(yīng)用背后的AI創(chuàng)企而言，商業(yè)模式或許比技術(shù)、功能更像條護城河

當然，其中不乏一層更外部的因素。

不管是資本市場，還是媒體側(cè)、用戶側(cè)，都很喜聞樂見ToC產(chǎn)品和創(chuàng)業(yè)公司出爆款的故事。

這一點咱們今天在這兒就不做贅述了。

幾個月復(fù)刻個Manus唄？AI世界里，這筆賬并不劃算

之所以Perplexity、Replit、Manus都愿意站出來宣告自己達到“1億美元ARR”，一定程度上是這個數(shù)字的確拿得出手。

往深了說，它證明這些AI產(chǎn)品階段性站穩(wěn)了腳跟

對ToC產(chǎn)品來說，這意味著它不再完全依賴短期熱度驅(qū)動增長，而是開始擁有某種持續(xù)運轉(zhuǎn)的內(nèi)生動力。

這也是Meta愿意買Manus的原因之一。

很多人說，Manus出來第二天開源社區(qū)就有了OpenManus，Meta有錢有人有資源，看上了Manus，咋就不自己在內(nèi)部迅速copy一個類似的應(yīng)用呢？

歸根結(jié)底，主要是這么做真的不劃算

產(chǎn)品層面，AI迭代速度太快，技術(shù)、成本、需求、能力邊界都在變化，今天看起來可以復(fù)刻的形態(tài)，幾個月后可能已經(jīng)被用戶標準刷新。

你自己做的這段時間，Manus都又跑出幾里地去了。

而且AI產(chǎn)品的競爭，還要爭奪快速固化用戶心智的窗口期。

從Meta的視角出發(fā)，我自己在消費級AI產(chǎn)品上沒有一個拿得出手的爆款，現(xiàn)在有一個經(jīng)歷過市場驗證的Manus擺在我面前，價錢還不貴（與Perplexity等相比）

那不如掏錢買了吧！

于是可以順理成章把雙方各自擅長的東西拼在一起

Meta有平臺，有更強的觸達能力還有更高效的流量組織；Manus有清晰的付費邏輯，現(xiàn)成的粘性用戶，已經(jīng)做過幾個月更貼近用戶的體驗打磨。

雙方都能各自把長板用到極致。

一夜之間，Meta就擁有了成熟的AI付費業(yè)務(wù)。

何況，買回來的不只是Manus這個產(chǎn)品 。

Meta想收購不僅是Manus這個產(chǎn)品，還有這個能做好AI應(yīng)用的人才團隊。

你看，Manus創(chuàng)始人兼CEO肖弘，不就被扎克伯格任命為副總裁，把Manus的通用Agent能力整合進Meta AI、WhatsApp、Instagram等產(chǎn)品，稍帶手推動商業(yè)化去了嘛……

[1]https://x.com/deedydas/status/2005798365733478490
[2]https://www.bbc.com/news/articles/ce3k11q9qe1o