模型推理单价三年跌了近 285 倍，上层应用本该越来越不值钱，Cursor 年化收入却冲到 20 亿美元。a16z 点破：模型负责会做，应用负责把事做完。当智能变成廉价原料，真正值钱的是把能力送进真实流程的那一层。

2022 年 11 月，调用一个能力大致达到 GPT-3.5 水平的模型，每处理 100 万个词元要花 20 美元。

到 2024 年 10 月，同样的能力只要 0.07 美元。

斯坦福大学《2025 年人工智能指数报告》算了一下，从 20 美元降到 0.07 美元，意味着同等水平的模型便宜了约 285 倍。报告还给出一个更夸张的范围。根据任务不同，大模型推理价格每年下降 9 倍到 900 倍。

如果模型能力越来越便宜，建立在模型之上的应用，似乎也应该越来越不值钱。

现实走向了另一边。

2025 年 11 月，Cursor 宣布年化收入超过 10 亿美元，拥有数百万开发者。按公司口径，Cursor 自研模型生成的代码量已经超过市场上绝大多数单一大模型。三个月后，彭博报道称，Cursor 的经常性收入又翻了一倍，达到 20 亿美元。

另一家公司 HappyRobot 把 AI 放进物流、能源、保险和航空公司的真实流程。2026 年 8 月，它完成 1.5 亿美元 C 轮融资，投后估值 12 亿美元。公司称已经服务 150 多家企业，每月完成超过 1000 万次交互。

模型的单位价格在快速下跌，最好的应用公司却在更快地增长。

a16z 合伙人 Anish Acharya 最近用 23 张幻灯片解释了这个矛盾。他把模型提供的智能称为一种基础原料，把应用看成将这份能力送进公司和生活的那一层。

这个说法有点抽象。换成一句更直白的话就是，模型负责会做，应用负责把事情做完。

a16z 关于 AI 模型与应用层关系的研究封面

这篇文章里，我们想沿着这份研究继续追问。模型越来越强以后，应用公司还剩下什么。为什么大家都能接入 OpenAI、Anthropic 和开源模型，少数产品却能积累越来越深的优势。

我们认为，答案藏在模型输出以后那些不太耀眼的工作里。

01 会做，只是第一关

判断一套 AI 能不能创造价值，需要连续回答三个问题。

第一，模型能不能完成任务。

它能不能读懂合同，写出代码，分析客户，判断一笔贷款的风险。模型每次升级，首先改变的是这一层。过去做不了的事情，某个周四发布新版本以后突然可以做了。

第二，我们能不能确认它做对了。

一段代码能运行，不代表可以合并进公司的产品。法律意见读起来通顺，不代表引用真实、权限合规。一个销售线索看起来合适，不代表研究对象、联系方式和跟进时间都准确。进入真实工作以后，模型输出需要测试、证据、审批、权限和责任人。

第三，一家公司能不能实际用起来。

这一步最慢。企业要改流程，连接旧系统，重新分配权限，告诉员工什么时候交给 AI，什么时候必须由人接手，还要决定省下来的时间怎样变成收入或成本下降。

AI 创造经济结果之前需要经过能力、核验和落地三道关

模型能力按版本发布，经济结果靠一次次部署出现。

这也解释了为什么很多公司已经购买最好的模型，财务报表上却看不到多少变化。它们通常缺少回答之后的整套系统。

经济学家 Erik Brynjolfsson、Daniel Rock 和 Chad Syverson 很早就研究过这种时间差。他们发现，人工智能这类通用技术往往要求企业同时投入新流程、新产品、商业模式和人才。前期投入很重，回报要等组织完成改造以后才会出现。

应用公司做的，正是把这种漫长改造装进一个可以购买和使用的产品。

02 原料怎样变成结果

模型可以帮律师起草和推理。法律产品还要知道引用从哪里来，谁有查看权限，客户采用哪套流程，最后怎样形成一份可以提交、可以追责的文件。

模型可以帮销售研究公司、写邮件。销售产品还要读懂 CRM 里的历史，判断联系时机，持续跟进，把有效信息写回系统，最后形成一条可以成交的销售机会。

模型可以预测一名客户是否适合贷款。金融产品还要接上审批、服务、合规和风险控制，最后改善客户体验和资产质量。

应用把模型能力、工作背景和具体动作连成可以衡量的业务结果

每个例子中，模型只负责中间一小段。它越强，这一小段的上限越高。应用则决定模型看见什么资料，可以调用哪些工具，输出怎样被检查，错误发生时交给谁，以及客户究竟为什么付钱。

所以，模型升级不会自动把应用公司挤掉。一个新模型让合同分析准确率提高，法律产品需要把提升反映在更少的人工复核、更快的结案速度和更低的错误率上。一个新模型更会写代码，编程产品需要把它变成更高的合并率、更少的返工和更短的发布周期。

应用公司的价值，取决于它能不能把每一次模型进步，稳定地换成客户看得见的结果。

03 模型会降价，却不会变成同一种东西

说智能会成为基础原料，容易引出另一个误解。既然原料越来越便宜，模型最终是不是都一样。

现在还看不到这样的结果。

不同模型在编程、知识检索、网页操作、长时间执行和表达风格上仍有明显差别。最前沿的能力依然收取更高价格，开源模型和小模型则在可控成本、私有部署和重复任务上更合适。

同一家应用会同时用到多种模型。

HappyRobot 在 a16z 的案例里，把销售和回款交给更强的专有模型。对客户来说，多找到一笔订单或者收回一笔欠款，价值远高于多花的推理费。运营和支持中的重复工作更在意稳定、速度和成本，开源模型更合适。

Cursor 也在做同样的选择。它在 2026 年推出 Cursor Router，让系统根据任务特点挑选模型。快速补一行代码、理解整个代码库、操作网页和连续工作数小时，需要的能力并不相同。

应用会按照任务价值、速度和可靠性组合不同模型

应用公司因此不会把未来押在一家模型厂商身上。它更像一个了解业务的总工程师，知道哪一步值得使用最好的能力，哪一步应该用更便宜的模型，哪一步必须让人确认。

模型厂商继续争夺能力上限，应用公司负责组合这些能力。两层都会出现大公司，只是积累优势的方法不同。

04 Cursor 先得到用户，再得到自己的模型

Cursor 是理解应用优势怎样形成的最好例子之一。

它最早用一个让人愿意每天打开的编辑器吸引开发者，模型跑分没有成为产品起点。开发者在里面提问、改代码、接受或拒绝建议，再把结果交给真实用户。

这些动作不断留下反馈。什么建议会被接受，什么修改会导致测试失败，哪个任务需要更长的上下文，模型在哪一步经常卡住。单次反馈的价值不大，数百万开发者每天留下的使用记录，会逐渐变成训练和评估模型的材料。

于是，一个循环开始运转。

好用的产品带来更多开发者。更多开发者带来更丰富的任务和反馈。真实反馈帮助 Cursor 训练内部模型、改进工具和选择模型。产品变好以后，又吸引更多开发者。

2025 年 11 月，Cursor 在融资公告里给出了几组数字。公司有 300 多名员工，年化收入超过 10 亿美元，服务数百万开发者。公司还称，自研模型生成的代码量已经超过市场上绝大多数单一大模型。

2026 年 3 月，Cursor 官方博客收录的彭博报道显示，经常性收入在三个月内翻倍至 20 亿美元。

Cursor 从产品使用、真实反馈到内部模型形成持续增强的循环

这个过程揭示了一个重要顺序。Cursor 没有先训练一套通用模型，再寻找谁愿意使用。它先占住一个高频工作场景，再让每天发生的真实任务告诉公司，模型还缺什么。

模型厂商拥有互联网上的大规模训练数据。应用公司可能拥有另一种更窄、也更接近结果的数据。用户提出了什么任务，系统采取了什么动作，结果有没有被接受，最后是否进入生产环境。

这类数据不会因为换一个更强的基础模型而失效。基础模型越强，产品能够尝试的任务越多，反馈循环反而转得更快。

05 HappyRobot 卖的不是一通电话

HappyRobot 最早从物流电话切入。

货运过程中有大量重复沟通。司机在哪里，货物什么时候到，客户是否确认，承运商能不能接单。语音模型已经可以打电话，但真实物流不会按照演示脚本运行。对方会打断，会报错车牌，会临时改变时间，还会把电话转给另一个部门。

HappyRobot 把语音、工作流、企业系统和人工接手装进同一个平台。它从一通电话继续往下走，读取订单，更新运输系统，触发下一步动作，并把例外情况交给合适的人。

公司在 2026 年 8 月披露，已经服务 150 多家企业，每月完成超过 1000 万次交互，客服场景的平均自主解决率超过 70%。它展示的客户包括 DHL、Kuehne+Nagel、Naturgy、Repsol 和 Uber。

这家公司自己总结得很准确。企业 AI 经常卡在模型不了解公司怎样运转。这些细节只有参与工作才能得到。

订单怎样流转，哪类客户需要先确认，谁有权修改价格，什么异常必须升级。它们很少整齐地写在一份文档里，更多藏在员工的处理习惯、系统记录和一次次例外中。

HappyRobot 把代码、价格和业务判断做成三个相互增强的循环

当 AI 开始处理真实任务，公司会得到一套越来越完整的运行记录。产品知道哪些步骤最常出错，客户愿意为什么结果付更多钱，哪种流程适合自动完成，哪种情况需要人接手。

这时，应用已经越过了自动打电话。它卖的是一套逐渐学会客户怎样工作的系统。

06 护城河是在使用中长出来的

很多创始人会问，今天应该先选哪一种护城河。专有数据、模型、分发、品牌、工作流还是客户关系。

这个问题很难在产品发布前回答。

速度可以帮助公司先进入市场，却不会自动留下长期优势。长期优势通常在客户开始使用以后才会显现。

• 有些产品会长出网络效应。更多参与者让交易、内容或协作更有价值。
• 有些产品会长出分发优势。用户已经聚集在一个入口，新功能可以更低成本地到达他们。
• 有些产品会长出品牌和信任。法律、金融和医疗里的客户，不会只按模型跑分更换供应商。

还有一些产品会深入公司的权限、数据和工作流程。代码很容易复制，重新完成集成、培训员工、通过安全审查和积累例外处理经验，需要很长时间。

AI 应用的长期优势来自分发、信任、工作背景和真实结果的积累

如果产品只是把用户的问题转发给模型，再把答案显示出来，模型升级会快速抹平差异。如果产品掌握任务背景，能调用系统，能检查结果，还能从每次使用中学习，它与模型的关系就更像一家工厂与不断升级的机器。

机器更好，优秀工厂会生产得更快。机器人人可以买到，流程、客户和经验不会同时送到。

07 消费级 AI 还缺一个日常入口

企业应用已经在销售、编程、物流和客服中找到清晰的付费结果。消费级 AI 更难。

a16z 把它的困难概括成三件事。

第一，网页产品过去服务更多用户，新增成本接近于零。AI 每回答一次、执行一个任务都会产生推理费，用户越活跃，成本也会增长。

第二，AI 没有自己的原生分发。搜索有 Google，社交有 Instagram 和 TikTok，手机软件有应用商店。模型本身没有一个天然入口，可以持续把新产品送到所有用户面前。

第三，聊天框很通用，却不适合所有任务。一个空白输入框要求用户自己想清楚要做什么、怎样描述、如何检查。很多人尝试几次后，就回到原来的工具。

新的消费产品正在试两条路。

Town 想让助手拥有持续的工作背景。它连接邮箱、日历、Slack、WhatsApp 和手机，逐渐学习一个人的语气、关系、节奏和优先级。用户用得越久，重复解释越少，助手才可能进入每天的生活。

Wabi 走向另一个方向。它让普通人用 AI 创建很小的个人软件，再分享和改编。旅行清单、睡眠记录、室友游戏、演唱会收藏，这些需求过去太小，不值得专门雇人开发。生成成本下降以后，软件可以为一个人、一个家庭或者一次周末旅行存在。

消费级 AI 正从通用聊天框分化为个人助手和随用随做的软件

一条路让同一个助手越来越了解你。另一条路让软件在需要时临时出现。

两者都在寻找聊天框以后更自然的入口，也都面临同样的考验。用户会不会长期回来，使用越多以后，产品会不会真的更好。

08 人负责选对问题，AI 负责把它做完

当执行成本不断下降，最稀缺的能力会向前移动。

过去，一个想法即使很好，也可能因为缺工程师、缺时间、市场太小而被放弃。编码智能体和生成式软件把实现成本压低以后，更多小需求会变得值得满足。

但执行变便宜，不会自动告诉一家公司该做什么。

客户最痛的地方在哪里，哪个流程值得重做，什么结果足以让人付钱，哪些错误不能发生。这些问题需要对行业、组织和人的持续理解。

a16z 的幻灯片里有一句很好的话。人找到值得攀登的山，智能体负责往上爬。

我们更愿意把它理解为一种分工。人负责选对问题、设定标准和承担结果，AI 负责反复执行、测试和加速学习。

这也许是应用层的机会。

模型公司不断降低智能的价格，提高能力的上限。应用公司则选择把这些能力放到哪里，用什么方式检查，接入哪些动作，最后怎样形成收入、成本下降或者更好的生活。

至少在当前阶段，模型越强，单纯调用模型的价值越低。把模型变成结果的价值越高。

所以，AI 应用的护城河没有消失。它只是从功能列表里，转移到了产品每天怎样工作、怎样学习，以及客户为什么愿意一直把重要任务交给它。

资料来源

a16z 关于模型能力与应用层的研究，2026 年 8 月 25 日原文 https://www.a16z.news/p/intelligence-is-the-primitive-applications

斯坦福大学《2025 年人工智能指数报告》第一章，2025 年 4 月原文 https://hai.stanford.edu/assets/files/hai_ai-index-report-2025_chapter1_final.pdf

Cursor 2025 年 D 轮融资与年化收入公告，2025 年 11 月 13 日原文 https://cursor.com/blog/series-d

Cursor 官方博客收录的 20 亿美元经常性收入报道，2026 年 3 月 2 日原文 https://cursor.com/blog

Cursor Router 产品与研究资料，2026 年 7 月至 8 月原文 https://cursor.com/blog

HappyRobot 企业 AI 平台与运营数据，2026 年 8 月原文 https://www.happyrobot.ai

HappyRobot 1.5 亿美元 C 轮融资公告，2026 年 8 月 4 日原文 https://www.happyrobot.ai/press/press-releases

Town 5500 万美元 A 轮融资与产品说明，2026 年 6 月 3 日原文 https://www.town.com/press/series-a

Town 产品与定价资料，2026 年 8 月访问原文 https://www.town.com

Wabi 个人软件平台介绍，2026 年 8 月访问原文 https://wabi.ai

NBER 关于通用技术与生产率 J 曲线的研究，2020 年 1 月修订原文 https://www.nber.org/papers/w25148