抓住风口，看懂趋势

本期要点：AI 红利，为什么分为两个阶段？

你好，我是王煜全，这里是王煜全要闻评论。

如果你已经有客户、有订单，那恭喜你，对你而言，AI 的红利可能会分两次兑现。

第一次，是让你从同样的生意中省出利润。第二次，是让那些过去做不了、或不值得做的订单，也可以开始做了，并开拓出新的增长曲线。

其中的原因，看完今天这两家公司，你就明白了。

一家是美国的独角兽公司 SendCutSend，今年 5 月刚完成 1.1 亿美元融资，估值超过 10 亿美元。它主要做按需金属零件加工，客户上传设计文件，就可以完成报价、生产和交付。据称，哪怕只要一个零件，也能生产。

另一家是中国的嘉立创，则是从 PCB 打样起家，8 月 4 日刚刚在深交所主板上市，首日市值就突破千亿元，2025 年收入已经超过 100 亿元。

它们一个切金属，一个做电路板，看起来都不像 AI 公司。

但今天，我们恰恰能以它们为例，看看 AI 红利该怎么落地。当然，下面的分析只是商业逻辑的讨论，不构成任何投资建议。

第一波红利

先来看看，如何实现第一层，即用更低的成本，完成以前同样的生意。

很多人一谈 AI 降成本，最容易想到的就是替代人，把员工裁掉，自然就省钱了。

但其实，我们更要看清成本的真正来源，人工成本高往往只是个结果。

今天的两个主角，SendCutSend 和嘉立创，有个共同特征，就是订单量巨大，客户高度分散，甚至大部分订单都各不相同。

这种业务天然塞满了各类必须人工参与的工作，如审图、报价、工艺判断、排产、客服、异常处理等等。

过去即使已经有软件辅助，仍然需要大量人力和时间来做具体执行的事情，成本就这么产生了。

但这反而是今天 Agent 擅长的地方，也就是把企业过去积累的经验、参数和流程接过来，让 AI 先处理那些流程相对确定、但输入并不标准的工作，只有少数真正复杂的异常问题才要留给人。

这样就会大大减少人力成本，也能大幅提升效率。

单点看可能不惊艳，可一旦业务量很大，经济账就非常可观。

就像嘉立创，2025 年处理了 2000 多万笔订单，哪怕每笔订单，AI 能省一块钱，一年就能带来两千万的利润。

其实，Palantir 身上已经展现了 AI 的这个能力。

今年二季度，Palantir 的收入同比增长了 93%，特别是，其调整后经营利润率达到了 62%，是两年前的 1.6 倍。收入和利润率都在涨，这才是 AI 降本的真正意义。

当然，要指出的是，AI 转型是个系统工程，需要企业原有系统、数据甚至业务系统都能 Agent 读取和调用。而且，省下来的成本，可能被算力、云服务器以及软件方面的投入抵消。这些都是企业需要注意的问题。

第二波红利

但只是到这一层，AI 不过是帮企业多赚了些利润，真正有意思的其实是第二层。

企业省下来的钱，不会永远留在自己的利润表里。

企业出于市场竞争的本能，会把效率的提升以及成本的降低，转化为更低的价格、更低的起订量、更快的交付和更简单的操作。

而这就有可能无心插柳柳成荫，进一步打开新的需求。

SendCutSend 就是这个过程的代表。

其创始人 Jim Belosic，曾在造一辆蒸汽动力汽车时，需要一些市面上根本不存在的异形零件。但他发现，传统加工厂做一千个零件不难，难的是只做一个。

因为询价、审图、编程、备料等这些固定成本，如果全摊到一个零件头上，一个本来只需几十美元的零件，可能要收几百美元。

可见，很多看似没需求的业务，其实不是真的没人需要，只是满足这个需求的成本太高，顾客不想花这么多钱，商家也不好提供。于是，需求一直在，却没有变成订单。

SendCutSend 的办法，是写了一套软件，把几百个客户形状各异的零件，像玩俄罗斯方块一样拼进同一张金属板里一起切。材料损耗和开机成本，从由一个客户承担，变成几百个客户分摊。

服务一笔小订单的成本，就被打下来了。

到 2025 年底，SendCutSend 累计生产了超过 3000 万个定制零件，服务了 30 多万客户。去年 10 月，就跨过了 1 亿美元收入的里程碑。

而它最大的单一客户，只占公司收入的 0.6%，说明撑起这家公司的，是无数原本做不了的小需求。

嘉立创走的，也是同一条路。

二十年前，如果一个工程师只想做几块 PCB 样板，工厂同样懒得接。

嘉立创用自研的智能拼板算法，把成千上万张尺寸不同、要求各异的订单组合在一起生产，每天可以处理两万多份订单，单次打样成本从过去的数百元压到了现在的几十元，最快 12 小时就能交付。

新的规模经济

我们认为，这背后，是规模经济逻辑的变化。

传统工业擅长把同一种东西生产一百万遍，需求越一致，越容易标准化，越能把单位成本降下来。

SendCutSend 和嘉立创则由系统找出小订单可以共享的部分。同时处理的订单越多，出现相似需求以及出现可共享部分的概率就越高，拼单效率随之提高，小批量生产反而能获得规模优势。

而且，门槛下降了，还会带来各种附加效应。

比如，不仅新客户更多了，老客户也会提高订单频次。

过去，打一次样要等几周，客户自然一年只敢改几轮方案，现在却一年可以迭代十轮。

所以，AI 的红利，第一阶段看利润表，第二阶段看需求曲线，而且两个阶段，可以在同一家公司身上接续发生。

类似的逻辑，其实还可以发生在各行各业。

比如，现在打车的价格还不低，一旦 Robotaxi 普及，价格降下来了，以前坐公交和地铁的人，也会愿意打车了，整个市场就扩大了。

再比如，过去体检一次要几千块，大部分人一年也就查一两次。

如果可穿戴设备和自动化检测能把体检成本降下来，而且也更方便了，就有可能变成每个月甚至每周都能查一次，包括那些以前不爱体检的人，也会加入进来。

同时，插一句，这种连续的健康数据，才能让每个人掌控自己的个性化健康状况，而不是一套标准去卡所有人。

可以说，工业时代靠 " 消灭 " 差异来降低成本，AI 则让我们有机会 " 消化 " 差异，也就是大幅降低处理差异化需求的成本，来获得新的规模化能力。其中，最值得关注的一个领域，就是我们常说的 " 服务规模化 "。

那么，你身边有没有什么行业，不是没需求，是过去太贵、太慢或太麻烦了，导致需求一直被压制？AI 有没有可能可以释放这些需求呢？欢迎在评论区聊聊。

以上就是今天的内容，更多科技产业的一线洞察和底层规律，欢迎加入科技特训营，和我一起，先人一步，领先一路！

王煜全要闻评论，我们明天见。

↓长按图片扫码报名，先人一步，领先一路

↓点击报名前哨 AI 小课，赶上 Agent 浪潮！

最后， 鉴于公众 号推送机制的改变，你未来刷 到要闻评论的机会可能没那么多了，建议你加入粉丝群，第一时间 得到我的独家前沿分析 ，快快扫码加入吧！