盯着用户数了！这家公司靠1个用户月入几千美元，秘密是啥？

在互联网行业，大家习惯了看日活、看用户增长。但有一家公司，思路完全不同。他们不只追求用户数量，而是追求从每个用户身上创造的价值深度。

用他们的话说，一个高价值用户对产品的使用量，可能是普通用户的一千倍。这不是空想，而是确实可能发生的情况。为什么？

因为这类用户有源源不断的高价值任务需要处理。对他们而言，产品是生产力工具，是能直接创造收入的帮手。个别重度用户每月产生的消费额甚至可以达到数千美元，但这指的是收入贡献，并不等于公司从该用户身上获得数千美元利润。

所以，公司的核心指标不只是日活，还包括营收。这背后，是对用户价值的重新定义。

AI不是平台革命，是技术增量

很多人把AI比作新的移动互联网，期待它带来全新的平台和格局洗牌。但这家公司的看法更冷静：AI在很多场景中更像一种技术增量，未必会立刻形成类似移动互联网的平台级范式转移。

这意味着，许多场景下，传统的强者凭借其现有的产品、数据和用户基础，加上AI能力，可能会变得更强。这是一种“强者恒强”的逻辑。

虽然听起来不那么“颠覆”，但也符合部分现实——先发者拥有一定优势，并能更快利用已有资源。不过，AI是否会在未来形成新的平台级入口，目前还不能下定论。

AI更像制造业，而非传统互联网

另一个关键认知是：当前的AI产品，其成本结构在某些方面更接近制造业，而不是传统的轻资产互联网。互联网产品在基础设施搭建完成后，可以用相对较低的边际成本服务海量用户。

但AI产品，尤其是涉及大模型推理和智能体执行的产品，每一次调用都会产生真实成本。文本模型通常涉及token计算，此外还可能包括图片和视频生成、浏览器操作、第三方API、存储及云计算成本。这从根本上改变了商业逻辑。

你不能再简单照搬“烧钱换用户，未来再变现”的经典互联网打法。成本结构要求企业更早、更精准地找到愿意为价值付费的用户，并确保服务这些用户的收入能够覆盖推理、工具调用和运营成本。

不做“唯一入口”，做“最好的通用智能体”

当被问及是否想成为最重要的AI入口时，他们的回答很明确：首先，未来可能不存在单一的AI入口。就像今天，微信是社交入口，淘宝是购物入口，没有哪个App能通吃一切。

其次，他们的目标也很明确：要做全球最好的通用智能体，也就是agent。所谓“最好”，是指在给定的技术和成本条件下，尽量提供高质量的智能服务。

这意味着他们不单纯追求用低价抢占市场。事实上，这类产品的高阶版本定价不低，但核心用户关心的往往不只是价格，而是效果。

有用户甚至主动询问：如果月费从40美元涨到200美元，效果能提高多少？这种用户心态，与追求“性价比”的大众市场截然不同。不过，这属于团队转述的个别用户反馈，不能代表所有用户。

AI产品的垄断：心智垄断，而非绝对市场垄断

AI产品会产生垄断吗？他们认为，可能会出现“心智垄断”或“品类心智占领”，即某个品牌在用户心中成为某一类任务的首选。

比如，一想到“聊天”，可能就想到某个产品；一想到“编程辅助”，就想到另一个。但要像谷歌搜索曾经那样获得极高的市场份额，会更加困难。

搜索引擎的优势有其特殊性：它深度绑定内容索引、广告系统、浏览器和分发渠道，形成了较高的迁移成本。而当前的AI市场仍处于快速变化阶段，技术迭代快，格局远未定型。

更重要的是，现阶段许多AI产品尚未展现出类似社交网络那样的强直接网络效应。网络效应通常指用户越多，产品对其他用户的价值越大，比如社交平台。

但在AI领域，一个用户使用产品，并不一定会直接让另一个用户的使用体验变得更好。AI的价值更多体现在单个用户任务完成的效率和效果上，是“生产力附加值”，而非单纯的“连接器”。

当然，AI产品仍可能通过用户反馈、数据积累、开发者生态、插件和工具接入形成间接网络效应，因此不能断言它完全没有网络效应。

他们看到的“网络效应”：原子能力的组合放大

虽然缺乏传统意义上的用户网络效应，但他们观察到了一种独特的“能力组合效应”。他们为智能体添加每一个新的基础能力，比如“看图”，都异常谨慎。

因为增加新功能的目标，不仅是让它能独立完成一个新任务，更是希望这个新能力能与已有能力产生“化学反应”，形成组合拳。

例如，给智能体加了“看图”能力后，它不仅能用来看图，还能用这个能力检查自己生成的网页截图是否显示正常，从而尝试自我修正。每增加一个原子能力，都可能扩大智能体能够完成的任务组合，但是否能够实现指数级提升，还取决于模型规划能力、工具可靠性和工程适配，不能简单视为必然结果。

这是他们在工程和产品设计上追求的核心。

关于竞争：连接更多工具，而非对抗所有工具

他们反复强调一个观点：我们和所有人都不是竞争关系。这更像一种产品定位，而不是严格的商业事实。

他们的角色更像一个“调度中心”或“中枢大脑”。用户的核心需求是完成任务，而任务往往需要调用多个专业工具或服务。

比如，一个用户可能同时用到笔记软件Notion、日历工具和设计工具。他们的策略是：不试图在所有细分工具上都做到最好，而是专注于成为更好的连接器和调度者。

他们通过API、MCP协议或浏览器自动化等方式接入第三方服务，让智能体可以串联起整个工作流。与其在每一个细分功能上与深耕多年的专业公司硬碰硬，不如与外部工具合作，共同创造“1+1大于2”的价值。

不过，一旦通用智能体开始替代部分专业软件的操作入口，双方仍可能在用户入口、数据权限和商业分成上产生竞争，因此“与所有人都不是竞争关系”不能按字面理解。

这种生态思路，让他们避免团队无限膨胀，去维护大量缺乏竞争力的功能，也更符合用户对“一站式智能助理”的期待。

“纯血派”智能体：让智能主导，而非规则主导

行业内对智能体的做法大致可以分为两种思路：一种偏向工作流，通过预设规则和步骤保证任务稳定执行；另一种偏向“纯血派”，主张尽可能减少固定规则，让AI模型基于对目标的理解，自主决定完成任务的方式和步骤。

他们更偏向“纯血派”。他们认为，前者本质上更接近智能化自动化工作流，能力上限受到预设流程限制；而后者潜在上限更高，也更接近自主智能体的目标。

不过，两种路线并不是完全对立的。现实中的智能体产品通常会把模型自主决策与规则、权限控制、工作流和人工确认结合起来，以平衡灵活性与可靠性。

当然，这种路线挑战更大，因为要保证智能驱动的过程足够可靠。他们的做法不是为AI可能犯下的每一个错误都编写单独规则，而是增强AI的“元能力”和“泛化能力”。

比如，与其为数据可视化功能专门编写防止字体乱码的规则，不如赋予智能体“查看图片并分析”的能力，让它自己发现渲染错误并尝试纠正。这样，解决的不是一个具体问题，而是一类问题。

组织与文化：为AI设计产品，而不仅是为人

打造这样的产品，也催生了独特的团队结构。除了常规的研发团队，他们还有两个特色团队：