AI Agent不缺掌声，缺的是可持续盈利的订单

文 | 徽声在线改写团队

一款专攻代码编写的AI工具，竟被马斯克旗下的SpaceX以600亿美元的天价收购。

时间回溯到三周前的6月16日，SpaceX向美国证券交易委员会（SEC）提交的文件显示：已与Cursor的母公司Anysphere达成合并协议，交易完全通过股票支付，预计第三季度完成交割。600亿美元，相当于人民币4000多亿元。而这家被收购的公司，成立仅四年。

Cursor收获的不是掌声，而是一张价值600亿美元的订单。然而，在同一时间线上，更多的AI Agent创业者正经历着截然不同的困境。在发布会上，他们的产品几乎无所不能：编写代码、搜集资料、处理客服、筛选简历，宛如不知疲倦的数字员工。然而，一旦进入采购流程，热闹的场面迅速冷却——业务部门称赞其“富有想象力”，IT部门询问“能否接入权限”，法务部门质疑“出错谁负责”，财务部门则关注“如何计费”。最终，那个让全场惊叹的AI Agent，往往止步于一句礼貌的“我们再看看”。合同未签，预算未批，账户里的资金却一天天减少。

Gartner为AI Agent热潮泼的两盆冷水

研究机构Gartner对这一现象给出了冷峻的判断：到2027年底，超过40%的AI Agent项目将被取消。更不留情面的是另一项估计——在自称从事AI Agent开发的数千家公司中，真正具备相关能力的仅有约130家，其余大多只是将旧产品换个新名称而已。

一边是600亿美元的天价交易，一边是大量项目停滞在试点阶段。“能否盈利”的答案已然明了，真正的问题在于：为何大多数公司的掌声无法转化为订单？

一、先看看谁在盈利

SpaceX为何愿意支付600亿美元？据徽声在线科技频道报道，截至今年2月，Cursor的年化收入（ARR）已达20亿美元，公司预计年底将突破60亿美元——一年内增长至三倍。其估值因此在半年多时间里连跳三级：2025年下半年为293亿美元，今年4月洽谈融资时升至500亿美元，6月被SpaceX以600亿美元直接买断。

Cursor估值：半年多时间连跳三级

编写代码是AI Agent首个实现盈利的方向；第二个方向则是客服领域。前Salesforce联席CEO Bret Taylor创立的Sierra，在不到两年时间内实现1亿美元的年化收入，今年2月已增至1.5亿美元；5月，该公司又完成9.5亿美元融资，估值超过150亿美元。据徽声在线科技频道报道，财富50强企业中，已有超过四成成为其客户，为其付费的均为全球顶尖企业。

此外，专注于AI招聘的Mercor、企业搜索领域的Glean，以及通用AI Agent公司Manus——上线仅8个月，年化收入便达到1.25亿美元。尽管Manus去年底被Meta以约20亿美元收购的交易因审查问题受阻，但无人质疑其收入的真实性。

这份名单还可以继续延伸。2025年下半年，投资圈流传过一份由第三方整理的“全球最赚钱的20家AI Agent公司”榜单（数据未经上榜公司逐一确认），其中隐藏着一个比“谁赚钱”更引人深思的数字：榜首公司平均每位员工年收入达320万美元，而榜尾公司人均仅为4.5万美元——差距高达70倍。这还仅是上榜公司之间的差距，榜单之外，是沉默的大多数。

头部AI Agent公司年化收入（ARR）对比

这些盈利的公司，业务领域截然不同：编写代码、处理客服、筛选简历、搜索文件。然而，若抛开具体业务，仅关注其盈利模式，会发现三个惊人一致的共同点。

二、盈利的公司，都解决了三件“看似琐碎”的关键问题

第一件：交付成果可验证。

想象一下，你要聘请一支装修队。如果对方声称“能让你的家更具品位”——你敢签合同吗？恐怕不敢。但如果对方承诺“铺设80平方米瓷砖，横平竖直，验收不合格不收费”——你就会放心签约。

Cursor销售的是代码，能否运行一目了然；Sierra销售的是“解决的客服问题”，解决率明确写入合同；Mercor销售的是候选人，入职即视为交付。客户无需“相信AI”，只需验证成果。

昆仑万维CEO方汉在2025年底曾指出，未来唯一的技术竞争点，在于AI Agent能否大规模自动化“可验证过程”。换句话说：只有可验证的工作，才适合由AI完成；只有可验证，才能实现盈利。

验证成功的案例已出现。巴西数字银行Nubank拥有1.3亿用户，其在一篇论文中公布了自家客服AI Agent的成绩：在寄送银行卡的场景中，AI服务的用户满意度指标（NPS）比对照组高出37个百分点，无需转接人工即可解决问题的比例高出29个百分点。指标提升后，预算自然有了合理依据——就这么直接。

而那些失败的项目，演示时往往宣称“辅助管理层决策”“提升组织效率”。这些目标听起来美好，但“决策参考”如何验证？“组织效率”如何衡量？演示无需验证标准，合同却需要。

第二件：收费模式与成本结构匹配。

AI Agent运行需消耗算力，而算力消耗的是真金白银。业内按token计费——可将其理解为AI世界的电表，AI每“思考”一次，电表便走一格。

Sierra的收费模式因此显得明智：不收取固定年费，而是按“解决的问题数量”逐单收费。订单越多，算力消耗越大，但收入也同步增长——收入与成本绑定在同一张表格上，避免了“业务越好、亏损越多”的怪圈。

对比许多陷入困境的公司：它们沿用传统软件的销售模式，按“用户数”收取年费。然而，AI Agent的核心卖点正是帮助企业减少人力投入。按用户数销售一款“减少用户”的产品，客户难以计算采购成本，供应商也难以预估算力消耗，双方均感到困惑，合同自然难以签署。

第三件：明确资金来源，且资金已存在。

Cursor的费用来自企业原有的研发预算，Sierra替代了企业原本需支付的客服外包费用，Mercor则抢占了企业原本支付给猎头的佣金。这些资金每年都会支出，AI Agent公司所做的，是从既有预算中分流。

而许多通用AI Agent产品，要求客户为“AI转型”专门新增预算。在2026年企业普遍强调降本增效的背景下，等待一笔新预算完成审批流程，创业公司可能已无力支撑运营。

这三件事，归根结底是一句话：AI Agent的价值不在于越像人类，而在于越像一件可列入采购清单的商品。这与行业热衷宣扬的“通用数字员工”故事恰恰相反。

三、从“惊叹”到付费，隔着三道障碍

了解赢家后，再看大多数公司为何受阻。

先看一个被行业广泛引用的数据：麻省理工学院（MIT）在2025年8月发布的报告称，95%的企业AI试点未产生可衡量的回报。尽管该数据的统计方法存在争议，未必精确，但“多数试点在付费前夭折”的现象在行业内无人否认。为何如此？

第一道障碍：演示展示最佳表现，生产环境暴露最差表现。

在发布会上，准确率达90%的AI Agent足以赢得掌声。然而，将其部署至财务部门后：每十个数字中可能出错一个，且无人知晓错误所在——因此不得不安排人员重新检查所有结果。节省的人工成本，全部用于核查AI输出，最终计算下来，使用AI反而得不偿失。

更残酷的是，将准确率从90%提升至99%，所需投入的成本并非增加一成，而是数倍用于防错与纠偏。目前，尚无客户愿意全额承担这笔费用。多数试点因此无疾而终。

第二道障碍：出错责任归属不明。

AI误退一笔不应退的款项，或遗漏合同中的一项风险条款——损失由谁承担？传统软件故障的责任条款清晰明确；而多数AI Agent合同中，根本未包含“未能达标如何赔偿”的条款。缺乏这一条款，企业的采购与法务部门便不会批准交易。演示可获掌声，付费需签字确认。

第三道障碍：成本难以核算。

按用户数计价无法适应AI Agent的特性，前文已述。需补充的是，这道障碍连科技巨头也在面对——Salesforce、微软等公司同样在推翻原有模式，探索新的收费方式。区别在于，巨头有能力承担试错成本，而创业公司则无力承受。

这些问题共同作用，将AI Agent从演示现场拉回合同谈判桌。过去一年多，AI的能力未出现退步，退步的是能力周边的配套体系——如何验收、责任归属、收费模式。许多AI Agent无法变现，并非因演示不够精彩，而是因合同无法签署。

四、即使收到款项，也未必盈利

然而，收入增长后，问题仍未结束。一些公司突破三道障碍后，一算账发现仍不盈利。

传统软件是门优质生意，因多销售一份几乎不增加成本，毛利率可达八成。AI Agent则不同：每次服务客户，电表均在运转。多家分析机构今年反复提醒：AI公司的毛利率普遍远低于传统软件公司。

最能说明问题的案例，恰恰来自行业领军者。据徽声在线科技频道报道，Cursor面向大企业的业务已实现盈利，但面向个人用户的业务至今仍在亏损。原因在于：个人版收取固定月费，而算力消耗随使用量波动——重度用户编写代码越多，Cursor亏损越大。第二节提及的收费与成本错配问题，在此显现无遗：收费模式与成本结构不匹配，规模越大，亏损越严重。连行业龙头都需依赖融资补贴个人用户，腰部以下公司的财务状况可想而知。

因此，“按结果收费”模式在今年从少数公司的实验，转变为全行业的生存策略：将收费单位从“用户数”改为“完成的任务数”，成本与收入方可绑定。推理成本这一紧箍咒，反而迫使新一代AI公司比上一代软件公司更早学会精细核算——而核算能力，正在成为比技术更关键的竞争壁垒。

还有一层成本隐藏在产业链上游：应用公司赚取的每一元收入，均需先被抽取“税费”。算力与模型供应商首先抽成；企业落地环节的“最后一公里”，咨询公司与集成商再抽成——客户被AI Agent打动后，首笔大额资金往往支付给帮助其改造系统、打通权限的埃森哲等公司。埃森哲2025财年，仅生成式AI与AI Agent相关收入便达27亿美元，约为上一财年的三倍。创业公司向资本市场讲述的“落地”故事中，相当一部分资金流入了其他公司的财报。

再回顾Manus：据其官方披露，产品累计处理超过147万亿个token，创建过8000万台虚拟电脑。无论应用层竞争如何激烈，电表始终在运转。应用层公司若想生存，唯有一条路径——确保每一度电的消耗，均对应一笔可收回的成本。

尾声

AI Agent的游戏规则已发生改变。2024年，演示视频可带来流量；2025年，融资故事可提升估值；但进入2026年，市场真正关注的是：谁能签署合同，谁能收回款项，谁能将收入转化为利润。

因此，订单为何仅流向少数公司？因获取订单的关键从不在于演示最惊艳，而在于率先解决验收、核算、预算这三件“看似琐碎”的关键问题。

若你是创业者，可用三个问题自测：你交付的成果，客户能否验证？你的收费模式，与成本结构是否匹配？客户支付的资金，是原有预算还是需新增审批？三个问题均答“是”，则无论障碍多高，总有解决之道；若有一个答“否”，则再精彩的演示，也仅是演示而已。

最后需提醒：突破这三道障碍并非一劳永逸。上游供应商调整一次模型价格，障碍高度便随之变化——突破障碍仅是获得入场券，守住障碍才是生意的本质。

演示再精彩，也仅是“看似可用”。客户真正付费前，仍需明确：如何验收，如何核算，出错谁负责。