一个 AI 视频工具,为什么能做到 $92K MRR?

最近我在看一些公开收入的 AI 应用时，发现一个很有意思的产品。

它不是最炫的大模型，也不是那种一眼看上去特别高科技的产品。

但公开数据显示，它已经跑到了接近 10 万美元月收入。

所以我更好奇的是：这样一个 AI 视频工具，到底解决了谁的问题？为什么用户愿意持续付费？它的收入模型是怎么跑起来的？

这次选的产品是 Vid.AI。

它的定位很直接：把一个想法或脚本，变成可发布的 AI 视频。平台会自动生成配音、视觉素材和剪辑，主要面向 YouTube Shorts、Instagram Reels、TikTok 这类短视频场景。

先看公开数据。

图 1：Vid.AI 公开数据速览。数据来自 TrustMRR 与 Vid.AI 官网公开页面，口径以 2026-06-14 截图和公开页面为准。

这些数字不代表我实时验证过它的后台，只能说是公开页面展示的口径。

但它足够说明一个问题：

一、Vid.AI 到底是什么

如果用一句话解释，Vid.AI 是一个面向创作者的 AI 视频生产工具。

它不只是生成一个视频片段，而是把短视频生产里的几个步骤打包到一起：

- 从想法或脚本开始。

- 自动生成配音。

- 自动匹配视觉素材。

- 自动做剪辑和字幕。

- 输出适合 Shorts、Reels、TikTok 的视频。

图 2：Vid.AI 官网首屏，主打 AI videos on autopilot，支持 YouTube、Instagram、TikTok 场景。

所以它卖的不是“我能生成一个很炫的视频”。

它卖的是一件更实际的事：

让创作者更快、更稳定地批量产出短视频。

二、为什么这个需求真实存在

短视频创作者有一个非常现实的问题：内容不是做一条就结束。

你要持续发。

每天发、每周发、不同平台发、不同格式发。

对一个普通人来说，一条短视频看起来只有几十秒，但背后至少有几个环节：

- 选题。

- 写脚本。

- 找素材。

- 配音。

- 剪辑。

- 字幕。

- 调整比例。

- 导出发布。

每个环节单独看都不难，但组合起来就很耗时间。

这也是为什么这类工具愿意直接打“monetizable AI videos”“on autopilot”这种卖点。

它对准的不是偶尔玩 AI 的用户，而是持续产内容、希望把内容变成流量或收入的用户。

三、产品逻辑不是模型，而是流水线

很多人看 AI 应用，会第一反应问：它用的是什么模型？视频质量是不是最强？

这当然重要。

但从产品角度看，Vid.AI 更值得拆的是：它把工作流产品化了。

图 3：Vid.AI 的产品逻辑：想法 / 脚本 -> AI 生成 -> 模板化 -> 平台发布。

一个纯模型产品，用户可能生成几次觉得新鲜，然后就走了。

但一个工作流产品，会把用户绑定在持续任务里。

比如用户每个月要做 30 条短视频，就会关心：

- 每条视频多久能出？

- 能不能有固定风格？

- 字幕、比例、配音能不能稳定？

- 能不能适配 Shorts、Reels、TikTok？

- 成本是否比人工剪辑低？

这时，产品的价值就不只是“生成一次”，而是“持续生产”。

四、为什么它能做订阅

Vid.AI 的定价也很典型。

它不是按一次生成收费，而是按月订阅，绑定每月可生成的视频数量。

图 4：Vid.AI 定价页截图。不同套餐对应不同月度视频产能和 credits。

公开页面里，Basic 是每月 19 美元，对应 30 条短视频；Plus 是每月 67 美元，对应 100 条短视频；Pro 是每月 137 美元，对应 280 条短视频或长视频额度。

这个结构说明它很清楚自己的收费单位：

不是一次 AI 体验，而是每月内容产能。

如果一个创作者每个月稳定发 30 条内容，19 美元就是一个很容易理解的账。

如果一个团队每个月要发 100 条内容，67 美元也不是在买“工具”，而是在买节省下来的剪辑时间。

这类产品能做到 MRR 的关键，也在这里。

它把用户的持续需求，转成了持续账单。

五、它的争议也很明显

当然，AI 视频工具不是没有问题。

我也看到 Reddit 上有用户对 Vid.AI 的质量提出过批评，比如认为生成视频质量低、素材重复、体验不值这个价格。

这类反馈其实很正常。

AI 视频工具天然会面对一个矛盾：

- 想要快，就很难做到每条都精致。

- 想要便宜，就很难做到人工级剪辑。

- 想要批量，就容易出现同质化。

- 想要自动化，就会牺牲一部分可控性。

但从商业角度看，争议并不必然说明产品不成立。

关键是它是否服务了一群愿意为“速度、产能、自动化”付费的人。

六、普通人能从中学什么

普通人不一定要做一个 Vid.AI。

AI 视频生成本身已经很卷，模型、素材、算力、版权、用户留存、退款、质量控制都不是小问题。

但这个案例背后的思路，很值得学。

第一，找持续任务，而不是一次性任务。

一次性生成工具很难留住用户。持续发视频、持续做图、持续写文案、持续复盘数据，这类任务更容易做订阅。

第二，卖结果，不要只卖功能。

用户不是真的想“体验 AI 配音”，而是想更快发出一条能用的视频。

第三，把复杂流程打包。

AI 应用的机会，不一定在单点能力，而在把选题、生成、编辑、导出、复盘串成闭环。

第四，垂直场景比大而全更适合普通人。

你不一定要做通用视频工具，但可以做“餐饮探店短视频生成器”“房产中介短视频脚本 + 成片工具”“App 上架素材生成工具”。

第五，定价要绑定用户产能。

不要只按“用了几次 AI”收费，而是思考：用户每月要完成多少任务？这个任务原本要花多少钱？

写在最后

Vid.AI 这个案例给我的启发是：

AI 应用真正值钱的地方，往往不是生成能力本身，而是把生成能力放进一个高频工作流里。

短视频创作者每个月都要产内容。

只要这个需求还在，能够降低时间成本、降低操作门槛、提升产能的工具，就有收费空间。

对普通人来说，与其一上来追最热的大模型，不如先问一个更具体的问题：

这可能才是 AI 应用拆解里最值得关注的机会。