你每個月花多少錢買AI工具？

你們公司有統一購買AI服務嗎？

你是每月花20美元買ChatGPT Plus，還是「白嫖」免費的豆包和DeepSeek？

當隔壁工位的同事已經能用AI在半小時內生成一份你得寫好幾天的專業報告。

那種「再不跟上就要被淘汰」的焦慮感，會讓你感到恐慌嗎？

當軟件巨頭IgniteTech的CEO，因為團隊擁抱AI的速度「不夠快」而換掉80%的員工時，一個殘酷的現實擺在了每個職場人面前：要么用AI武裝自己，要么被會用AI的人淘汰。

這種打工人的恐慌就像是AI版本的「黑暗森林」和「工具爆炸」：

怕被AI替代、怕被用AI的同事替代、怕被用AI用得特別好的同事替代。

一場職場人的「賽博續命」

就在最近，全網爆火的那份MIT報告便描述了這一AI時代獨有的現象：

90%員工開始「偷用」ChatGPT續命，他們都在頻繁地使用個人AI工具！

數據上更加夸張，雖然只有40%公司宣稱幫助員工訂閱了統一的官方服務，但受訪的90%公司員工都表示，他們都在頻繁地使用個人AI工具。

員工使用AI頻率，是企業采納率的2倍多，MIT將這種現象被稱為「影子AI經濟」。

前AI時代，持續繁榮了30年的互聯網時代最喜歡的To B和To C的敘事體系似乎已經無法描述這種新型商業現象。

這種影子AI經濟，正對應著如今AI創業中一條獨有的賽道。

當下的AI創業熱點藏在一條更隱秘、更迅猛的賽道：

To P（To Professional），一場由無數職場人發起的「自我拯救」運動。

俗稱「自費上班」

只要分析一下當前比較火爆的創業公司，比如AI編程，AI營銷等，你就會發現——他們既不是To B，也不是To C。

而是To P。

全球AI獨角獸前30和全球AI產品能力前20

以Cursor和ChatGPT為例。

說他們是To B吧，也對，因為主要是企業內的一些員工為工作目的使用。

說是To C吧，好像也對，因為大部分使用和購買行為都是個人決定的。

考慮到這種情況，我們提出To P的這個賽道：

• 和To B相比，相同點是用戶使用AI服務，用于商業目的；不同點是，使用者是為了提升自己的工作效率，因此自己便可以做出購買決定。
• 和To C相比，相同點是付費行為都是個人決策；但使用服務的目的不同：To C的最終目的是為了自己（比如淘寶買東西，抖音看視頻），而To P的最終目的是為了工作/商業，為了別人，但自己從中能有收獲（大部分時候是金錢，也可能是名譽）。

這錢交的，ROI太高了

為什么是To P模式走得最快？

讓我們看看Cursor的增長歷史。

Cursor在2024年創造了1 億美元的收入，相比2023年的100萬美元增長極為顯著。

到2025年6月，Cursor的ARR已經超過5億美元！

Cursor的估值也達到99億美元，進入百億俱樂部只有一步之遙。

這讓Cursor成為歷史上增長最快的SaaS公司。

為何打工人「愿意」為Cursor付費？

讓我們做一個簡單的算術題。

以編程為例，程序員買AI編程會員每月花20美元，可以使工作效率提高一倍。

如果他的工資每月是5000美元，如果他用同樣的工作時間，那么他就可以掙到10000美元。

也就是投入20美元，收益10000美元，投入產出比500倍！

當然，這種計算過于「粗暴」的，但這正是用戶很容易做出購買AI產品決策的原因。

這也是當前編程軟件增長速度極快的原因。

這就是To P賽道的特點：用戶可以明確地計算投入產出。

打工人的「反向滲透」

為何AI產品在To B和To C賽道上沒有快速發展？

To B太慢，慢到等不起

To B而言，需要企業一組人都用，需要企業管理者做決策。

自上而下的決策牽涉到很多問題，比如意見不一致，預算審批周期等，為了這些事情，很多企業都需要到年的單位了。

因此，即便理論上是好東西，也需要很長時間才能說服B端去采用。

而對于To P而言，就快多了，用戶自己覺得好就可以支付，這個行為和To C是一致的。

既然個人決策很容易，那么為什么To C這條賽道暫時也沒有動靜呢？

To C太難算賬，太燒錢

To C而言，因為消費者就是自己，所以不容易算賬。

比如看抖音，如果AI使得你更開心（也不容易衡量），你會愿意付款嗎？ 愿意付多少？

從互聯網時代而言，我們發現To C的服務，大部分都走了免費路線，其中一小部分走免費+增值收費（視頻網站），因為免費無法覆蓋成本，但大部分用戶還是不愿意付款的。

全球付費用戶高達3億的流媒體龍頭Netflix，營收一度陷入停滯

要改變To C產品的用戶心智是比較難的，用戶不愿意付錢。那我們干脆不收費不就行了嗎？

這個真不行，AI產品背后的token成本，是無法忽略的（不像現在云服務和帶寬費用，平均到每用戶非常低），如果沒有一定的收費機制，用戶越多，虧損越大，進而沒有持續性。

舉個例子，OpenAI用3年時間就達到了120億美元的ARR，這在軟件歷史上前無古人，后也很難說有沒有來者。

根據最近的報告，ChatGPT全球每周活躍用戶已達7億 。

很多人會說ChatGPT增長這么快，這應該都是To C了吧。

其實不然，雖然都是用戶，但我們要分析用戶使用ChatGPT的目的是什么。

仔細分析下來，其中一部分為了工作（To P），一部分為了自己的日常需求（To C）。

但再深入一步。

當我們認真思考，其實用戶購買ChatGPT，主要還是為了To P部分的需求的，比如寫工作報告，調研報告，整理素材等等。

對于自己的To C部分，其實用戶是不愿意付錢的。

尤其是現在免費版的GPT-5等工具，已經足夠To C用戶完成自己的日常任務了。

那么未來呢？

當然了，To B和To C這兩條賽道也都會陸續發展起來。

對于To B而言，當越來越多的「P」（專業人士）在企業內部用個人工具證明了AI的巨大價值后，企業層面的采購需求就會被真正激活。AI需要進一步在解決跨部門、團隊協作等復雜問題上證明其能力，屆時To B市場就會全面爆發。

其實，To B這塊已經有非常成功的例子，那就是Meta的廣告業務。

在2023 年，Meta廣告收入達到了1319.5億美元，同比增長16.1% 。

廣告業務幾乎占據了Meta整個營收的絕大部分。

2024年，Meta的廣告收入增長至1606.3億美元，同比增長22%，這主要得益于廣告展示次數（增長11%）和平均廣告價格（增長10%）的雙重提升。

然而，其成功的真正驅動力在于AI。

到2025年，Advantage+Campaigns和Andromeda等AI驅動的工具，已將每條合格銷售線索的成本降低了10%，并將Instagram的廣告轉化率提升了5%。

這些效率的提升，使得采用Meta AI工具的美國廣告商，其廣告支出回報率（ROAS）提高了22%；相比之下，未使用AI工具的用戶的ROAS僅為3.71美元。

對于To C而言，其爆發的關鍵在于token成本的下降。

在過去的兩年里，每token的成本已經降低了幾百倍。

在下面的對數圖中，可以看到每百萬token每年成本都下降10倍。

在2025年2月，OpenAI的奧特曼接受采訪時曾說，AI的成本每年將下降10倍。

同樣佐證了這個觀點。

如果未來1-3年，成本能繼續以每年幾十倍的速度下降，直到與云計算、網絡帶寬成本相媲美，那么互聯網的廣告、游戲等免費模式就能支撐起AI應用。

問題是，LLM的價格會繼續以這樣的速度下降嗎？

這很難預測。

在個人電腦革命中，成本的大幅下降主要歸功于摩爾定律。

只要這些定律仍然有效，晶體管數量和頻率持續增加，價格下降就很容易預測。

具體來說，LLM推理成本的下降是由多個獨立因素造成的：

• 相同運算下更優的GPU成本/性能。這是摩爾定律（即芯片上晶體管數量的增加）以及結構改進的結果。
• 模型量化。最初，推理是在16位下進行的，但對于Blackwell GPU，預計4位將成為常態。這將帶來至少4倍的性能提升，但由于所需的數據傳輸減少且算術單元復雜度降低，實際提升可能更大。
• 軟件優化可減少所需的計算量，同樣重要的是，還可降低所需的內存帶寬。內存帶寬以前是一個瓶頸。
• 更小的模型。如今，一個參數量僅為10億的模型，其性能就超過了僅僅三年前參數量為1750億的模型。
• 更優的指令調優。在預訓練階段之后，還有更多改進模型的方法，其中包括人類反饋強化學習（RLHF）和直接偏好優化（DPO）等技術。
• 開源。DeepSeek、通義千問和其他公司推出了開源模型，這些模型可以由競爭的低成本模型即服務平臺托管。這減少了整個價值鏈上的利潤空間，從而降低了價格。

毫無疑問，其中某些領域已經看到快速的進展，但在其他領域，情況尚不明確。

到那時，才是AI To C創業的黃金時代。

但至少在目前，AI的革命是在以To P這種更務實的方式，在每一次的ChatGPT對話中，在每一個職場人的鍵盤上，悄然取得成功。

作者介紹

雷鳴

百度七劍客、酷我創始人、Al Basis Fund創始合伙人、北京大學Al創新中心名譽主任、斯坦福大學商學院顧問委員會理事。