衡宇 鹭羽 发自 凹非寺

Meta 刚掏出 20 亿美元把 Manus 收入囊中的同时，一份名单也随即在 VC 圈疯传——

"1 亿美元 ARR 俱乐部 "。

上榜公司不多，但个个鼎鼎大名：

随便单拎一个出来，都是如今炙手可热的存在。

1 亿美元 ARR，不过是它们交给硅谷的入场券。

但要知道这个数字，对绝大多数初创公司来说，都是从 0 到 1 的绝对天堑。

要厘清这一问题，不妨先回到 ARR 的定义上。它指的是产品一年之内稳定的收入，即可重复、可持续的真实收入。

它反映了一家 AI 公司最关键的问题：到底有没有人愿意为你的 AI 长期付费？

显然，上榜的这几家公司已经收获了自己的粘性用户群体。

而且无一例外，它们都不是 Big Labs。

事情变得有趣起来，正如网友所说：

从基础模型转向消费者产品是今年最显著的趋势，ToC 端是新的黄金。

"1 亿美元 ARR 俱乐部 " 成员可划分为 5 大类

事实上，上榜者并非离散的孤例。

全局盘点之下，可以清晰地发现它们已然衍生出主要 5 类商业路径：

第一类，是AI 搜索 / 信息服务。

以 Perplexity 为代表，通过 AI 搜索引擎，直接重构用户获取信息的方式。

Perplexity 成立于 2022 年 8 月。今年 3 月，其 CEO Aravind Srinivas 正式官宣，产品 ARR 突破 1 亿美元大关。

第二类，是音频 / 语音基础能力产品。

典型例子是 ElevenLabs，不直接面向普通消费者，而是成为众多应用背后的 AI 语音引擎，典型的 AI Infra 路线。

成立于 2022 年，虽然并未对外披露 1 亿美元 ARR 的具体时间点，但在今年 9 月宣布启动 1 亿美元的员工股权回购计划时，正式宣布 ARR 已超过 2 亿美元，并预计年底前达到 3 亿美元。

第三类，是Vibe Coding/ 开发工具。

Replit 和 Lovable 代表的则是新的 Vibe Coding 趋势，让更多非技术用户进入开发领域。

其中 Replit 成立于 2016 年，并在今年 6 月宣布 ARR 破 1 亿美元，较 2024 年底的 1000 万美元实现了 10 倍增长。

Lovable 则是在 2023 年正式成立，并在今年 7 月正式宣布 ARR 破 1 亿，随后又在 11 月更新了这一数据，来到了 2 亿美元 ARR，成为增长最快的 AI 编程工具之一。

第四类，是内容 / 办公效率工具。

Gamma 是这一类的代表，瞄准的是用户最刚需的办公场景——做 PPT、写文档等。

它成立于 2020 年，同样也是在今年 11 月宣布 ARR 突破 1 亿美元，同期还完成了由 A16Z 领投的 B 轮 6800 万美元融资。

第五类，是生成式娱乐内容。

Suno 和 HeyGen 则走向另一条路线，不直接提高效率，而是通过音乐、视频拓宽用户的娱乐边界。

其中 Suno 成立于 2022 年，援引知情人士透露，10 月份公司 ARR 已达成 1 亿美元。

HeyGen 成立于 2020 年，也是最早一批进入视频生成领域的初创公司，在今年 10 月，其创始人 Joshua Xu 在 "X" 官宣首次达到 1 亿美元 ARR。

补充一个小 tips：像 Replit 这种明确写年化收入的，严格讲不等于 ARR。

无一例外，全部 ToC

看到这儿，最值得划重点的一点出现了：

这批跨过门槛的 " 俱乐部成员 "，清一色都是 ToC 的。

这个结论本身就带着强烈的信号（在很多人的直觉里，企业服务更愿意付费、更讲效率、更有预算，似乎更容易做出大收入）。

背后原因和 AI 产品所处的阶段有关，也和 ToC 的运行机制有关。

AI 2.0 方兴未艾，用户对产品的容忍度还很高。

每一次迭代都可能给用户带来新的惊喜，用户愿意持续付费。

当然，另一个隐藏的致命打击伴随而来：用户粘性其实并不高，谁好用我就赶紧撇下原本的心头宝，高高兴兴拥抱新产品去了。

但整体而言，其实用户今天试用，明天续费，后天流失，也不是什么坏事。

在 AI 早期我们不妨把它看作一种优势，它让产品用最短的时间获得最真实的反馈。

所以走 ToC 这条路，能让团队迅速收到反馈，高速试错，快速调整。

当行业处在高速不确定期，快本身就是优势。

与此同时，ToC 的规模效应对 AI 应用的单位经济学有一种倒逼机制。

这就不得不回到 ARR 这个话题来。

AI 2.0 时代，1 亿美元 ARR 这条线天然自带一条更朴素的约束：

AI-Native 应用的生意逻辑，天然带着推理成本这根计价绳。

传统互联网产品一旦完成研发，边际成本往往趋近于零。

用户多一倍，成本未必跟着多一倍，很多产品因此可以用规模来摊薄成本，再用摊薄后的利润去换更大的规模。

AI-Native 应用走的是另一条路。

每一次响应、每一次生成、每一次多轮对话，都在消耗推理成本。

用户增长得越快，调用就越频繁，算力账单上的数字就开始光速膨胀。

这就迫使团队不得不更早地去思考，从长期视角来看，用户带来的价值增量能不能跑赢 token 和算力的消耗速度。

否则规模会把产品推向一种很尴尬的状态——

好消息，收入在涨！

坏消息，成本同样在涨，甚至涨得更快（摊手 .jpg）。

巨头们可以用别的现金奶牛来给 AI 产品不停输血，但创业公司就只有自己想方设法长期造血了。

要么客单价足够高，高到可以覆盖每一次推理的成本，并且为持续迭代留出空间；要么推理链路持续迭代到更短，把 " 多轮、重推理 " 压缩成 " 少轮、轻推理 "，让同样的付费收入对应更低的算力消耗。

总之就是必须找到成本与收入同向的营收方式。

从某种角度来说，于这些应用背后的 AI 创企而言，商业模式或许比技术、功能更像条护城河。

当然，其中不乏一层更外部的因素。

不管是资本市场，还是媒体侧、用户侧，都很喜闻乐见 ToC 产品和创业公司出爆款的故事。

这一点咱们今天在这儿就不做赘述了。

几个月复刻个 Manus 呗？AI 世界里，这笔账并不划算

之所以 Perplexity、Replit、Manus 都愿意站出来宣告自己达到 "1 亿美元 ARR"，一定程度上是这个数字的确拿得出手。

往深了说，它证明这些 AI 产品阶段性站稳了脚跟。

对 ToC 产品来说，这意味着它不再完全依赖短期热度驱动增长，而是开始拥有某种持续运转的内生动力。

这也是 Meta 愿意买 Manus 的原因之一。

很多人说，Manus 出来第二天开源社区就有了 OpenManus，Meta 有钱有人有资源，看上了 Manus，咋就不自己在内部迅速 copy 一个类似的应用呢？

归根结底，主要是这么做真的不划算。

产品层面，AI 迭代速度太快，技术、成本、需求、能力边界都在变化，今天看起来可以复刻的形态，几个月后可能已经被用户标准刷新。

你自己做的这段时间，Manus 都又跑出几里地去了。

而且 AI 产品的竞争，还要争夺快速固化用户心智的窗口期。

从 Meta 的视角出发，我自己在消费级 AI 产品上没有一个拿得出手的爆款，现在有一个经历过市场验证的 Manus 摆在我面前，价钱还不贵（与 Perplexity 等相比）。

那不如掏钱买了吧！

于是可以顺理成章把双方各自擅长的东西拼在一起——

Meta 有平台，有更强的触达能力还有更高效的流量组织；Manus 有清晰的付费逻辑，现成的粘性用户，已经做过几个月更贴近用户的体验打磨。

双方都能各自把长板用到极致。

一夜之间，Meta 就拥有了成熟的 AI 付费业务。

何况，买回来的不只是 Manus 这个产品 。

Meta 想收购不仅是 Manus 这个产品，还有这个能做好 AI 应用的人才团队。

你看，Manus 创始人兼 CEO 肖弘，不就被扎克伯格任命为副总裁，把 Manus 的通用 Agent 能力整合进 Meta AI、WhatsApp、Instagram 等产品，稍带手推动商业化去了嘛……