为什么估值15亿的AI写作工具,ARR撑不到5000万

2022 年，Jasper AI 以 15 亿美元估值完成融资，是当时最风光的 AI 写作工具。到 2024 年，增长放缓、流失率飙升，公司不得不启动大规模重组，裁掉一半团队转向企业定制和工作流集成。ARR 从高峰期的 7500 万美元跌到不足 5000 万。投资人把估值倍数从 50 倍 ARR 砍到 10 倍以下。这不是 Jasper 一家的问题，国内某头部 AI 对话助手也曾在去年底传出大幅裁员和业务收缩。这是 2024 到 2025 年整个 AI 应用层的集体出清。

决定AI应用生死的不是功能多强，是单位经济模型能不能跑通。

通用AI包装器的商业逻辑在纸面上很性感：拿OpenAI的API包一层UI，卖20刀月订阅，用户越多收入越高。但跑了一年发现毛利率从宣传的80%跌到35%，获客成本平均120美元，用户生命周期价值只有80美元，LTV/CAC不到0.7。这意味着每签一个新客户，公司就在亏钱。

毛利率被什么吃掉了？LLM API成本。一个高频对话类应用，API调用费用占营收比例经常超过50%。用户付20美元，其中10美元直接给了OpenAI，剩下的还要覆盖服务器、运营、研发和营销。当基础模型厂商自己开始内置这些功能（ChatGPT的文件处理、代码解释、记忆功能），包装层的价值进一步被压缩。

更致命的是留存率。通用AI工具的3个月留存率普遍低于20%，12个月留存率低于10%。切换成本几乎为零——用户发现另一个工具API降价了，或者竞品送了三个月免费试用，立刻就走。

通用AI包装器的护城河是幻觉。仅靠Prompt工程和UI封装无法支撑长期估值。

真正赚钱的人，不卖聊天机器人。他们卖的是一个行业的工作流解决方案。以法律科技为例，一家做合同审查的AI公司，定价不是按”每月多少次对话”，而是按”席位加用量”：基础订阅500美元/月/席位，包含每月1000份合同审查额度，超出部分按份计费。推理成本被用量定价精确转嫁，毛利率稳定在75%到85%。

垂直SaaS能活下来，靠的是三个护城河。第一个是数据独占。客户在使用过程中产生的行业专有数据（合同条款模式、判例引用习惯、合规要求差异）沉淀在系统里，反哺微调模型。模型越用越准，客户越用越离不开。这是通用工具永远拿不到的数据资产。

第二个是工作流嵌入。垂直AI不是独立产品，它嵌入到客户现有的SaaS流程里——合同管理系统、CRM、ERP。替换成本不是”换一个聊天界面”，而是”重构整个业务流程”。这就是为什么垂直AI的净收入留存率（NDR）能维持在115%到130%，而通用工具的NDR普遍低于90%。

第三个是模型路由的精细化管控。成熟的垂直AI公司不会所有请求都打给GPT-4。他们建了一套路由系统：常规的分类和摘要任务路由到本地部署的Llama或Mistral，单次成本不到1美分；只有复杂的推理和多步Agent任务才调用商用API，同时配合缓存、Prompt压缩和量化技术进一步降低成本。推理成本控制在ARR的12%到18%以内，这是通用工具做不到的架构深度。

通用AI应用不是完全没有机会，但窗口正在急剧收窄。基础模型厂商（OpenAI、Google、Anthropic）的产品路线图清晰地显示出一个趋势：每一个被验证有市场需求的包装功能，都会在6到12个月内被内置到基础产品中。ChatGPT内置了写作助手、代码解释、文件分析、网页浏览。Gemma和Llama的开源生态让”自己包一个”的门槛越来越低。

AI应用的竞争不在”多聪明”，在”多垂直”。

这个判断听起来反直觉。大多数人认为AI应用的核心竞争力是模型能力——谁用的模型更大、更聪明，谁就赢。但模型能力正在快速商品化。GPT-4、Claude、Gemini、Llama之间的差距在缩小，而垂直行业的数据积累和工作流理解是无法通过”换一个大模型”获得的。

对于正在做或打算做AI应用的创业者，第一步不是选模型，是算一笔账：你的CAC是多少？你的推理成本占ARPU的比例是多少？你的用户3个月后的留存率是多少？如果LTV/CAC低于3，你的商业模式不成立，不管你的产品有多酷。

通用AI应用的窗口已经关了。能活到下一轮的，是那些把行业Know-How变成数据飞轮、把推理成本压到ARR 15%以内的团队。其他人，会成为这个赛道的学费。

关注公众号，回复【进化】加入 AI 商业前沿交流群。关注变量引力，一起进化。