Cursor 一年做到 10 亿美元营收，是人类历史上最快达成这个数字的公司。听起来很厉害，但它不赚钱。

这是 2025 年 AI 行业最反直觉的一件事。营收数字一个比一个漂亮，账上却在烧钱。OpenAI 年化营收 100 亿美元，年亏数十亿；Anthropic 年化 40 亿美元，同样巨亏；Perplexity 营收 3400 万美元，光付给基础模型公司的 API 账单就超过 5000 万。

营收和利润是两码事。市面上"已经盈利"的 AI 项目，比你想的少得多，但确实存在，而且赚得稳。这篇文章把这两类分开讲，看看到底谁在赚钱、谁在赔本赚吆喝，再拆解真赚钱的那批做对了什么。

一、先把话说清楚：多数明星 AI 公司在赔本赚吆喝

直接看一张对照表，把"营收"和"利润"摆在一起：

公司	年化营收	是否盈利
OpenAI	~$100 亿	巨亏
Anthropic	~$40 亿	巨亏
Cursor	$5 亿→$10 亿 ARR	亏损
Perplexity	$3400 万	亏损
Midjourney	>$2 亿	盈利
NVIDIA	数据中心数百亿	大赚

Cursor 的案例最有代表性，也最值得拆。它营收涨到 10 亿美元，但 token 是按亏本卖的，用户付的订阅费，覆盖不了 Cursor 转手付给 OpenAI、Anthropic 的模型调用成本。有 HN 评论直接点破："这个营收数字基本没意义，因为他们是亏本卖 token 的。尤其是 Composer 2.5，token 是按大幅亏损卖的。"

更扎心的是资金流向。Cursor 融了 9 亿美元，这笔钱转手就付给了 OpenAI 和 Anthropic 换模型调用权。Cursor 自己留不下利润，钱从投资人手里流到基础模型公司手里，它更像个"过路通道"。

这些公司不是"做错了"。它们面对的是一个结构性问题：成本端被别人卡着。算力是 NVIDIA 的，模型是 OpenAI 和 Anthropic 的，应用层公司两头受挤，定价权不在自己手里。营收涨得越快，token 成本涨得越快，永远留不下钱。

"烧钱换规模"和"赚钱"是两回事。前者先把用户圈进来再说，后者每一笔交易都要覆盖成本并留利润。AI 行业现在最响的名字，大多在前一个阵营。

二、Midjourney：不融资、不烧钱，闷声赚两亿

把镜头转向真正赚钱的那批，Midjourney 是最干净的样本。

它是个图像生成工具，2022 年上线，靠 Discord 运营，团队不到 40 人。用户在 Discord 里发一条文字指令，机器人返回四张图，按月订阅收费，分 10 美元、30 美元、60 美元三档。很长一段时间没有 App，没有网页版客户端，核心交互全在 Discord 聊天框里完成。

它解决的痛点很具体：设计师、自媒体、营销人员需要快速产出高质量视觉素材。传统路子要么找图库（撞图、版权麻烦），要么外包或自己手绘（慢、贵、门槛高）。Midjourney 把"出一张能用的图"从小时级压到分钟级，质量高到能直接用。

护城河在哪？很多人第一反应是模型质量。这只是基础门槛，不是决定性的。开源图像模型追得很快，Stable Diffusion 系列一直在进步。Midjourney 真正赢在几件"非模型"的事上。

最重要的是它不融资。这一点最容易被忽略，也最关键。没有 VC 逼着烧钱换增长，Midjourney 可以定一个"覆盖成本加留利润"的价格，不用亏本卖订阅。Cursor 之所以亏本卖 token，部分原因就是被增长 KPI 推着走。Midjourney 没这个压力，定价从容。

其次是 Discord 分发，等于零获客成本。用户在公共频道出图，别人能看到，被吸引进来加入，再出图，再吸引更多人。这是一个自带传播机制的分发渠道，Midjourney 几乎不用花钱获客。

再加上极小团队带来的极低固定成本。不到 40 人做出 2 亿美元营收，人均产出惊人。固定成本低，营收就能直接转化成利润，不用先养一支庞大的团队。

Midjourney 证明了一件事：AI 应用层是可以盈利的，前提是你别把自己逼成烧钱机器。它赢在克制，不在技术多强。这个结论对个人开发者和小团队尤其重要。

三、NVIDIA：淘金热里卖铲子的那个

Midjourney 是应用层盈利的样本，NVIDIA 则是基础设施层盈利的极致。

NVIDIA 是 GPU 芯片厂商，AI 算力的底层供应商。它卖 H100、H200 这类训练卡，加上 CUDA 软件生态，所有训练大模型的公司都得买它的卡。所有 AI 公司的瓶颈都是算力，谁有算力谁就能训更大的模型、服务更多用户。NVIDIA 把这个全行业的瓶颈，变成了自己的印钞机。

护城河方面，很多人盯着 NVIDIA 的硬件性能领先，但真正难绕开的是 CUDA。这是 NVIDIA 的并行计算软件平台，积累了近 20 年。所有主流 AI 框架，PyTorch、TensorFlow，默认都跑在 CUDA 上。一个公司想换 GPU 供应商，不只是换硬件，是要把整个软件栈迁移走，迁移成本高到几乎不可能。

这就形成了一个飞轮：开发者学 CUDA，框架就优先支持 CUDA，NVIDIA 的新卡更好卖，又吸引更多开发者学 CUDA。硬件领先是表层护城河，CUDA 生态是深层护城河，网络效应是让它自我强化的引擎。

加上产能有限，NVIDIA 的定价权极强，毛利率远超普通芯片公司。AI 公司赔不赔钱跟它无关，只要大家还在烧钱训练模型，它就赚钱。这是整个 AI 产业链里最稳的盈利位置。

NVIDIA 给我们一个判断框架：在一场淘金热里，最稳的赚钱位置不是去淘金，是卖铲子。而且铲子最好带一个别人搬不走的生态。

四、明星公司之外，还有谁在悄悄赚钱

巨头的故事离普通人太远。真正对开发者有参考价值的，是那些中小玩家的盈利模式。

一类是垂直 AI 和场景化工具。不做通用大模型，做某个具体场景的 AI 工作流。Glean 做企业内部搜索，做到 1 亿美元 ARR，靠的是"搜索加权限控制加接入企业所有数据源"这种脏活累活。通用模型不愿意做这种要对接一堆企业系统、还要管权限的活，Glean 把它做透了，客单价高、替换成本高、客户黏性强。客服 agent 领域的 Decagon、Sierra 也是类似逻辑，把"AI 客服"这个具体场景做深，而不是做个通用聊天机器人。

另一类是做透的小工具。很多独立开发者做的 AI 写作、简历优化、营销文案类小产品，单看不起眼，但固定成本极低、定价能覆盖 API 成本，月入几千到几万美元的不少。它们能活下来，不是因为模型多强，而是找到了一个具体痛点，把体验做到比直接用 ChatGPT 好那么一点点，可能是更懂某个行业的话术，也可能是更顺滑的工作流。

还有 AI 基础设施和工具链，给 AI 开发者卖工具的：数据标注、模型评测、向量数据库、推理优化。这是"卖铲子"的中小版。AI 应用越爆发，这些需求越涨，而且不卷模型本身。

最后是 AI 落地服务，帮传统企业把 AI 接进业务，按项目或订阅收费。利润率不错，因为卖的是"懂业务加懂 AI"的稀缺组合，不是卖 token。纯懂 AI 的人越来越多，但既懂某个行业、又懂 AI 怎么落地的人很少。

这些赚钱的中小项目有个共同点：都不在"通用大模型"赛道跟巨头硬刚，而是在巨头不愿意做、做不好、做不过来的缝隙里扎根。巨头要的是通用性、是规模，缝隙里要的是具体、是深度。这两个维度的竞争逻辑完全不同。

五、赚钱的 AI 项目做对了什么：四条共性

把前面所有案例摊开，能提炼出四条规律。这四条比任何具体案例都重要，因为它们能迁移到你自己的项目上。

第一条是成本结构可控。Midjourney 团队小，NVIDIA 卖高毛利硬件，共同点是成本不随营收线性膨胀。反例是 Cursor，营收涨，token 成本也涨，永远留不下钱。判断一个 AI 项目能不能赚钱，先看它的成本曲线。如果用户用得越多你亏得越多，这个模式结构性地跑不通，增长再快也没用。

第二条是有定价权。NVIDIA 产能稀缺所以能定高价，Midjourney 没有融资压力所以能定覆盖成本的价格。定价权是能赚钱的前提。没有定价权的公司，价格被成本端和竞争端两头压，永远在薄利或亏损里打转。AI 应用层最容易丢定价权，因为模型成本透明、替代品多。

第三条是护城河建在"非模型"层。模型本身不是护城河，开源模型在快速追赶。真正持久的护城河在别处：NVIDIA 的 CUDA 生态、Midjourney 的 Discord 分发、Glean 的企业数据与权限、垂直 SaaS 的客户关系。把宝押在"我的模型比别人强"上，是最危险的赌法，因为模型会 commoditize，而生态、数据、关系不会。

第四条是克制增长。不融资、不烧钱换规模、不补贴用户。Midjourney 是典型，增长慢一点没关系，每一分营收都是真利润。这跟硅谷主流的"先增长后盈利"叙事相反，但在 AI 这个成本结构特殊的行业，克制反而是更稳的活法。

这四条可以浓缩成一句话：能不能赚钱，取决于你的成本结构、定价权和护城河建在哪，不取决于技术多炫。

六、给 AI 创业者和开发者的建议

落到"你该怎么做"，分创业和开发两条线。

想做 AI 项目的人，别一上来就想做"通用 AI 助手"。那是巨头烧钱的游戏，你进不去，进去了也是给基础模型公司打工。找一个具体到能一句话说清的痛点，把 AI 当解决这个痛点的工具，而不是把 AI 本身当产品。

先想清楚成本结构。你的 API 或算力成本，能不能被定价覆盖？如果用户用得越多你亏得越多，这个模式跑不通。很多 AI 应用死在这上面，产品很受欢迎，但越受欢迎亏得越多。

护城河建在模型之外。数据壁垒、工作流嵌入、客户关系、品牌社区，挑一个深挖。模型会越来越便宜、越来越同质化，这些不会。Midjourney 的护城河是 Discord 社区，不是它的模型。

能不融资就别急着融。融资会逼你烧钱换增长，而 AI 应用的烧钱模式很多是结构性的，烧不完。Midjourney 不融资反而成了它盈利的关键。

在用 AI 做开发的工程师，可以多关注"卖铲子"的机会。AI 基础设施、工具链、评测、数据，这些需求随 AI 应用爆发而增长，而且不卷模型本身。在这个方向上，你不用跟 OpenAI 竞争，你是给 OpenAI 的客户卖工具。

把"懂业务加懂 AI"练成你的稀缺组合。纯懂 AI 的人越来越多，门槛在降低。但懂某个行业、又懂 AI 怎么落地的人很少，后者更值钱。AI 落地服务的利润率，就来自这个稀缺组合。

还要警惕"营收幻觉"。看到某个 AI 产品用户多、营收高，别急着抄。先看它赚不赚钱、为什么赚或不赚。这决定它能不能活到你抄完，也决定你抄了之后能不能活。

小而美的 AI 工具是个人开发者的机会。固定成本低、能覆盖 API 成本、有具体受众，月入几千美元的案例很多，门槛比想象低。关键在于找到一个具体痛点，把体验做到比直接用 ChatGPT 好一点点，不需要好很多，好一点点就够形成产品差异。

写在最后

回过头看，Midjourney 和 Cursor 站在同一个赛道里，却走向两种结局。一个闷声赚两亿，一个营收十亿却在亏损。差别不在技术，在商业模式的选择。

对想入场的人，记住一句话：在淘金热里，最稳的赚钱位置是卖铲子，而且铲子最好带一个别人搬不走的生态。对已经在场内的人，先问自己一个问题：你的营收，有多少能转化成利润？如果答案是"很少"，那增长越快，离悬崖越近。

最后问你一句：你身边有没有那种"不起眼但一直在赚钱"的 AI 项目？或者你自己做 AI 产品时，最卡的是成本、获客还是护城河？想清楚这个，比追任何风口都重要。

有用的话点个在看，让更多在 AI 里找方向的开发者看到。

---

标签： AI创业 盈利模式 Midjourney NVIDIA Cursor 商业模式 护城河