（来源：藏金洞）
10月9日，A股传媒板块突然走强，AI应用概念集体狂欢。另一边，朋友圈里的AI培训、智能体招商也越来越热闹。可真正做企业的人最关心的，不是模型排第几、股价涨了多少，而是三个问题：客户为什么付钱？付完会不会续费？企业最后能留下多少利润？
01
01｜AI开始赚钱了，但不是谁都能赚
朋友们，AI这回真开始赚钱了！
但先别激动。我说的是有人赚钱，不是所有沾上AI的公司都能赚钱。更不是谁买套AI课程，装个智能体，明天就能财务自由。
10月9日，A股市场上演了一场AI应用狂欢。AI应用（游戏传媒）概念板块收盘上涨6.20%，中证传媒指数盘中涨幅一度达到5.15%。中文在线、芒果超媒等多只股票强势涨停。
资本市场又兴奋了：AI应用的商业化拐点是不是来了？
我倒想问一句：股价涨了5%，企业利润也涨了5%吗？
当然不是这么回事。
股价交易的是预期，企业经营兑现的是利润。预期可以一夜翻倍，利润却得一天一天干出来。市场越热闹，咱们越得把账算清楚。
过去两年，AI行业最流行的是什么？拼模型、拼参数、拼融资。今天这个模型屠榜，明天那个模型超越GPT。投资人追着技术排行榜跑，创业者忙着给PPT加上AI两个字。
现在，风向正在改变。
Menlo Ventures发布的《2025年企业生成式AI报告》估计，2025年美国企业生成式AI支出达到370亿美元，其中应用层支出约190亿美元，超过总支出的一半。调查还发现，企业AI解决方案中，购买现成产品的比例达到76%。
尤其值得注意的是，AI编程工具已经形成约40亿美元的企业支出规模。
这些数字至少说明一件事：AI不再只是实验室的技术演示，企业已经开始真金白银地采购。
但千万别把美国市场的采购规模直接当成中国市场的收入，更不能把企业采购额当成AI厂商的净利润。
这里面有三个完全不同的概念：有人愿意付钱，企业能够盈利，以及企业能够持续盈利。
第一件事已经得到证明，后面两件事才是真正的考验。
AI已经跨过“有没有人买单”的门槛，却远没有跨过“谁都能赚钱”的门槛。
这意味着，AI商业化的真正淘汰赛，可能才刚刚开始。
02
02｜企业真正愿意买的，不是AI，而是结果
我给你讲个场景。
假设你是企业老板，今天来了个AI创业者。电脑一打开，现场给你表演：一句话生成宣传片，十秒钟写完营销方案，三分钟搭好一个智能体。
你看完觉得真牛！结果一问价格，一年二十万。
你突然清醒了：等等，我员工也会用AI啊！网上还有一堆免费工具，凭什么要花二十万买你的？
这一下，所有技术幻觉都被打回原形。
因为企业采购不是看魔术，而是看账本。
过去的软件公司，卖的是功能。现在的AI公司，越来越需要证明自己能交付结果。以前卖你一把锤子，现在得帮你把钉子钉进去，而且钉完还不能松。
那么，企业究竟愿意在哪些地方付钱？
从目前已经形成规模的采购需求来看，我认为有四类场景值得重点关注。
第一类，是能直接提高生产效率的AI。
最典型的就是编程。
原来程序员需要几个小时完成的初步工作，现在AI可能帮助他更快完成。代码能不能运行，测试能不能通过，开发周期有没有缩短，这些效果相对容易衡量。
但AI会写代码，不等于复杂的软件工程不需要人。架构设计、安全审查和系统维护，仍然需要专业人员负责。
第二类，是能直接影响企业收入的AI。
比如智能客服、营销内容生产、广告投放优化。
一家电商企业每天面对大量重复咨询，AI如果能准确回答、处理工单，确实有机会降低服务成本。
但营销场景更有意思。
你用AI一天生成一千条广告，听起来很厉害。可如果广告转化率没提高，客户的销售额也没增加，这一千条广告的商业价值在哪里？
客户买的不是漂亮图片，而是更多订单。
第三类，是专业数据和风险管理。
金融、医疗、法律、制造业，都有大量复杂的专业知识和业务规则。
这些企业不可能因为一个模型回答得漂亮，就放心把关键决策交出去。它们需要可靠的数据、清晰的权限、完整的操作记录，以及出错之后能够追溯责任的机制。
这意味着，专业知识库、数据治理、合规和安全管理，可能成为长期采购的重要组成部分。
第四类，也是我最看重的，是AI真正进入业务流程。
举个例子。
一个客户下了订单，AI不仅能够回答问题，还能在授权范围内核对库存、查询客户信用额度、生成审批记录、安排后续处理，最后把结果写回企业系统。
这就不是简单的聊天机器人了。
但它也不是完全放任机器自行决策。涉及资金、合规和重大风险的环节，仍然需要人工审核与管理。
这种能力一旦与真实业务深度结合，才可能形成长期价值。
会回答问题的AI，是工具；能可靠完成任务的AI，才有机会成为生产力。
未来企业愿意持续买单的，不一定是最会说话的AI，而是那些真正替企业解决问题的系统。
03
03｜收入开始增长，利润却没那么容易留下
既然企业愿意花钱，AI公司是不是已经进入收获期了？
咱们不听故事，直接看财报。
2026年7月，企业软件巨头ServiceNow公布第二季度业绩，披露其AI业务年度合同价值已经突破10亿美元。
这家公司原来就深耕企业IT服务和业务流程管理。现在通过AI增强原有产品能力，让AI进入企业日常运营。
Salesforce也不甘落后。
2026年8月公布的财报显示，其Agentforce相关年度经常性收入已经超过15亿美元，同比增长超过240%。
不过要注意，公司同时调整了统计口径，将部分其他AI产品、Slackbot及Headless 360纳入其中。因此，不能简单把这15亿美元全部理解为独立AI智能体带来的新增收入。
这就是研究AI商业化特别容易踩的坑。
合同金额不等于当期收入，收入增长不等于利润增长，重新分类的AI收入更不能全部算成新增业务。
中国市场也出现了值得观察的案例。
比如蓝色光标。
根据2026年半年报，公司上半年实现营业收入345.62亿元，归母净利润2.11亿元。其中，AI驱动收入达到28.45亿元，同比增长81.4%。
这说明AI正在进入真实的商业服务场景，而不只是停留在概念阶段。
但另一面也值得关注。
蓝色光标的大部分收入仍来自广告业务，整体毛利率较低，上半年经营活动现金流净额仍为负值。AI驱动收入增长很快，并不意味着全部收入都具有高利润率，更不意味着这些收入都是AI独立创造的新增收入。
我不是说这些公司的AI业务没有价值。
恰恰相反，它们已经提供了真实的商业化样本。但投资者不能只看AI收入增长有多快，还需要弄清楚，这些收入最终能转化成多少利润和现金流。
这种分化有多严重？
麦肯锡2026年8月发布的全球AI调查发现，80%的受访者表示AI提高了个人工作效率，但只有37%表示AI对企业整体息税前利润产生了正面影响。真正符合该调查高绩效标准的受访者，占比约6%。
普华永道另一项覆盖1217家企业的研究也发现，表现最好的20%企业，获得了样本中约74%的AI驱动收益。
这两组数据放在一起，特别值得玩味。
员工觉得AI好用，不代表老板一定赚钱。
假设一家企业原来需要十个人完成某项工作，现在八个人就能完成。但人员成本没减少，业务量也没有增加，还要额外支付模型调用费、系统实施费和维护费用。
最后可能出现一种尴尬局面：工作效率提高了，企业利润却没有明显改善。
演示的时候像钢铁侠，算账的时候像吞金兽。
这也是为什么我认为，投资AI应用必须区分三个层次：技术效率、业务价值和财务回报。
前两个做到了，第三个也未必自动出现。
04
04｜满街都是AI培训班，谁在真正创造价值？
说到这里，我想聊一个更现实的现象。
现在打开手机，到处都是AI培训。
三天学会智能体，七天打造自动赚钱系统，零基础开一家AI公司。课程之外还有代理、加盟、招商，动不动就是一个人干掉一个团队。
听起来是不是很熟悉？
当年互联网刚起来的时候，有人卖建站培训；电商火了，有人卖开店课程；短视频火了，有人教你矩阵起号。
现在轮到AI了。
我不反对培训。真正能帮助企业解决问题、提升员工能力的课程，当然有价值。
但我特别反感一种生意：把掌握AI工具包装成稳赚不赔的创业机会。
你去仔细看看，有些项目讲得最多的是什么？学完能赚多少钱、加盟后有多少客户、一个人可以管理多少智能体。
可我更想知道的是：客户从哪里来？为什么愿意付钱？系统出了问题谁负责？客户第二年为什么还要续费？
还有一个更致命的问题。
如果你所谓的核心技术，不过是在通用大模型外面套了个界面，那么随着模型能力提升、使用成本下降，你今天收费几万元的功能，明年会不会变成人人可用的基础功能？
这不是危言耸听，而是AI创业必须面对的竞争风险。
当然，并不是所有包装层产品都没有价值。如果它拥有专业工作流、行业数据、可靠交付和持续服务能力，仍然可能建立竞争优势。
真正需要警惕的，是那些既没有独特能力，也没有真实客户，却把招商加盟当成核心收入来源的项目。
说白了，客户的钱和学员的钱，是两种完全不同的商业能力。
如果一家AI创业公司，最大的收入来自向创业者收取培训费、代理费，却拿不出终端企业持续采购的证据，那它究竟是在经营AI应用，还是在经营AI创业者的焦虑？
这个问题，值得每个准备入局的人想清楚。
真正的AI商业化，是客户为结果付费，而不是创业者为赚钱幻想付费。
05
05｜AI越便宜，真正值钱的东西反而越清楚
接下来，我想从产业投资的角度，再往深处说一层。
过去资本市场追着模型跑，现在企业开始按结果采购。那么，未来AI应用领域最大的投资机会，会不会发生转移？
我认为，很有可能。
真正值得重新研究的，不只是新成立的AI公司，还有一大批已经经营多年的传统软件企业和专业服务公司。
为什么？
咱们设想一家工业软件企业。
它已经做了十五年，服务几百家制造企业。软件界面可能不够时髦，估值也不高，但它了解客户的生产现场，熟悉排产、采购、库存、设备维护等业务流程。
它手里有客户关系，有行业经验，还有多年积累的数据和服务能力。
现在把AI技术引入进去。
过去需要工程师人工处理的重复工作，可以尝试交给AI辅助完成；原来分散在各个系统里的信息，可以通过AI统一检索和分析；一些复杂的业务流程，也可以逐步实现自动化。
如果这些改造最终能够增加收入、降低成本，并形成持续收费能力，那么这家传统企业的价值，就可能发生变化。
这里真正重要的，不是它突然拥有了多么先进的大模型，而是它原本积累的产业能力，获得了新的释放方式。
但请注意，这只是值得验证的投资假设，不是所有传统软件企业都能够成功转型。
客户数据能不能合规使用？系统是否允许深度集成？AI改造需要投入多少钱？客户是否愿意为新增价值付费？
这些问题不解决，所谓AI赋能就容易停留在PPT上。
这也让我想到，咱们前面讨论过的AI赋能产业并购，也就是AI Roll-up。
它的核心，不是买下一堆企业，再给它们贴上AI标签，就能获得高估值。
真正有意义的路径，是找到拥有真实客户、稳定现金流和行业壁垒的企业，通过AI和产业资源整合，创造可以验证的增量利润。
但这里还有一个经常被忽略的问题：增量利润尚未实现，买卖双方应该怎么分配未来价值？
假设一家企业现在每年赚1000万元，卖方认为未来接入AI以后，利润可以增长到5000万元，因此要求买方今天就按照5000万元的利润水平估值。
买方当然不乐意。
因为这个增长还没有发生。
可如果只按现在的利润给钱，卖方又觉得未来价值被低估了。
怎么办？
我一直主张一种更合理的交易结构：
存量价值现金买，增量价值业绩兑现买，未来价值平台股权共享。
先依据真实利润和现金流确定基础估值，再根据AI改造实际创造的新增业绩，通过Earn-out等安排支付额外对价。对于更长期的平台化价值，可以考虑让原股东保留部分权益，参与未来增长。
当然，具体交易还需要处理业绩归因、税务、治理和风险分担，不能把这句话直接当成标准合同。
它真正解决的是一个问题：不要让买方提前支付全部尚未创造的利润，也不要让卖方失去分享未来价值的机会。
这才是AI产业并购值得研究的地方。
未来的企业价值，未必只由技术先进程度决定。
谁拥有真实客户，谁掌握关键流程，谁能够低成本、可复制地交付结果，谁就更有机会把AI的能力转化成长期利润。
技术当然重要。但技术本身不会自动变成企业价值，只有真正进入商业系统，才能持续创造回报。
06
乐总说透了
朋友们，每一轮技术革命，都会出现两种人。
一种人忙着向世界证明，新技术有多伟大；另一种人默默研究，客户究竟有什么麻烦，自己能够解决什么问题。
前者容易上头条，后者才有机会做出生意。
当年的互联网泡沫，也是这样。很多公司以为建个网站、拿到流量就能赚钱，最后才发现，持续交易、支付、履约和服务能力，才是商业模式的重要支撑。
今天AI也一样。
模型会越来越强，简单功能会越来越容易复制。这对整个社会是好事，但对那些只靠技术包装收费的创业者，未必是好消息。
所以，判断一家AI公司值不值得投，我建议记住五个问题：
有没有真实付费客户？ 不是试用账号，也不是合作意向。
客户有没有续费？ 第一次采购可能是尝鲜，续费更能说明价值。
能不能留下利润？ 模型、获客、实施、维护和审核成本都要算进去。
有没有不可轻易替代的能力？ 是通用模型包装，还是真正掌握行业流程？
能不能复制和规模化？ 每增加一个客户，是利润增加，还是服务成本一起增加？
这五个问题，既适合投资者筛选AI企业，也适合创业者判断自己究竟在做什么生意。
我的判断很明确：
AI应用已经开始商业化，但整个产业远没有进入普遍盈利阶段。
那些真正掌握客户、业务流程和持续交付能力的企业，有机会率先创造价值；缺乏差异化、单纯依靠概念包装的项目，则会面临越来越激烈的竞争。
股价大涨，不叫商业化。客户付款，只是第一关。客户续费，才开始接近真相。企业持续盈利，才是真本事。
说到底，AI不是印钞机。
它能提高生产力，却不能凭空创造利润。
过去几年，有些人靠讲AI故事拿融资；接下来，越来越多企业需要拿出真实的经营业绩。
用广东话讲：
“识讲AI唔算叻，收到钱、留得住利润，先至叫真功夫！”
这里是《乐总说透了》。
不追着热闹跑，只盯着底层逻辑看。
如果你正在经营一家AI应用公司，或者拥有真实客户和稳定利润、希望通过AI实现业务升级，欢迎来交流。
咱们不比谁的PPT漂亮，就看看客户、订单、利润，还有没有真正可以执行的商业模式。
技术负责改变世界，商业负责证明它值得。
这才是AI时代，真正应该守住的判断力。
