新浪财经 股票

企业掏的钱,才是AI最诚实的成绩单

市场资讯 11.19 18:38

(来源:虎嗅APP)

豆包工作交出了上线后的第一份成绩单。

11月18日,豆包官方宣布,上线不到三个月的豆包工作日活跃用户数(DAU)突破800万,企业客户年度经常性收入(ARR)突破20亿元。这款面向生产力场景的AI产品8月25日正式发布,11月16日上线覆盖金融、医疗等21个专业场景的"工作台",近期又接入了Kimi、GLM、DeepSeek等第三方模型。

过去两周,硅谷两家头部大模型公司也先后亮出了账本。OpenAI向投资者披露,三季度营收首次突破100亿美元,企业业务收入环比翻倍;Anthropic刚在美国完成IPO定价,支撑其估值的主要也是企业客户的付费。

AI产品的收入,越来越多地来自企业,AI Agent的商业化也进入了算账阶段。放在这样的背景下,豆包工作的ARR表现的确亮眼。一款上线不到三个月的产品,为什么这么多的企业愿意为它付费?

ARR是生产力AI估值的硬通货

移动互联网的估值体系,习惯了围绕DAU建立。

日活意味着用户规模,而规模能换成广告收入和电商交易额。一个用户就算从不掏钱,平台也能靠他的时间和注意力赚钱。

生产力产品没有这条变现路径。用户用Agent写方案、做表格,平台既卖不了广告,也抽不到佣金。这类产品值多少钱,最终要看企业愿不愿意按年付费,ARR统计的就是这部分收入。

两种生意的成本结构也不一样。移动互联网多服务一个用户,边际成本几乎可以忽略,大模型每跑一次任务,都要实打实地消耗算力,没有付费支撑的日活,更像一笔持续增长的成本。

企业为AI办公付的钱,性质也和过往的软件采购不同。传统软件按"席位"卖,进的是IT预算;AI接手的是原本由人完成的工作,付费的天花板由此从IT预算抬到了人力预算。

持续付费的订阅收入,撑起的是另一套估值体系。订阅收入可以预期,资本市场也愿意为这种确定性给出更高的定价。Anthropic刚完成IPO定价,完全稀释后估值超过1.4万亿美元,远高于OpenAI今年3月融资时的8520亿美元。

Anthropic的用户其实并不多。据Similarweb统计,今年3月初,Claude移动端日活约1130万,同期ChatGPT约2.5亿,相差二十多倍。但它的IPO文件显示,截至10月31日,公司年化收入约810亿美元,今年上半年约74%的收入来自年付费10万美元以上的客户。资本市场显然更认后者。

视野放回国内,SaaS时代,国内企业软件长期靠一次性的项目制交付,订阅制始终没能扎下根。AI Agent交出来的是干完的活,效果可以直接拿业务结果对账。而豆包工作正式发布不到三个月就做到20亿元ARR,在国内AI Agent产品里并不多见,这才显得尤为难得。

当企业愿意买单的时候,就说明价值已经产生了。这也代表着,AI应用之间的较量,也开始落到收入质量上。

企业在为什么买单?

惠普前CEO路·普拉特在1990年代说过一句名言:"要是惠普知道惠普知道什么,我们的生产率能达到现在的三倍。"

一家公司攒下的经验和信息,大多散在不同的人和系统里,要用的人找不到,也不知道该去问谁。

协同办公软件试过用流程解决这个问题,但流程只管得住写下来的东西,更多经验还留在老员工脑子里,或者埋在一份份文档中。有了AI Agent,这些知识才有了被主动调取的可能。

豆包工作在企业里接到的第一批活,很多就出在这里。

在同仁堂工作了15年的刘聪,如今负责大栅栏药店的运营管理,他曾被一位顾客问住:同仁堂的中成药里,哪些含酸枣仁?

刘聪有执业药师资质。但他也做不到从一味药材反查几百种产品,只能翻资料一份份核对。后来,他让豆包工作抓取产品数据,按规则清洗、初审,把每款药用了哪些药材、对应什么病症一项项理清,织成了一张中成药知识图谱。再碰到这类问题,不用再翻箱倒柜。

同仁堂廊坊公司负责运营的杨文秀,则被补货的事困扰了很久。各家门店报货没有统一的办法,有人看库存,有人再翻一遍进销存,最后多半凭经验拍板。有一回翻会议智能纪要,她又看到这个老问题,顺手问了豆包工作,结果越聊越细,补货模型怎么搭、要哪些数据都理清了,她顺势"手搓"了一个在线补货工具。

这两件事的痛点,内核都是资料的组织方式。企业的资料大多按归档的需要存放,但"问题"却是从业务里冒出来的,可不会自动分门别类,问法和存法对不上。豆包工作做的,就是按问题把资料重新组织一遍。

同样的难题换到职业教育机构,就成了学员管理。华图教育襄阳分校的辅导员周斌带着四五十人的笔试班,出勤、刷题和模考成绩分在好几张表里,想弄清一个学员的状态得来回对照,每天收数据、做分析就要一个多小时。

周斌学教育出身,没写过代码。后来他开始用豆包工作搭一个线上工作台,最早只用来自动算考勤积分,后来陆续接进刷题数据、考试成绩和学员档案,到10月底已经改到第320版。现在一个学员一条轨迹,每人都有一份学情报告,短板能细到具体题型,系统还能对照国考职位库筛出可报的岗位。周斌说,这套系统一天能帮他省下两三个小时。

刘聪、杨文秀和周斌都不是技术人员,却借助豆包工作打造了自己最顺手的工具。毕竟,最懂一个问题,往往是天天被它"折磨"的人,可这类需求又碎又具体,很难写成一份让IT部门排期的文档。AI把搭工具的门槛降到几轮对话,工具也就长在了问题发生的地方。周斌的工作台平均每天改三个多版本,外包团队很难跟上这种节奏。

放到一家跨国公司里,同样的思路依旧在起效。中信戴卡的业务遍及中国、摩洛哥和墨西哥等地,旧物料库缺少清晰的品类规则,录入新物料时,采购员要在网上查好几个小时才能把信息补齐,海外工厂还隔着时差。中信戴卡用豆包工作搭了三个物料智能体,放进跨国物料咨询群,7×24小时用多种语言答疑,单次响应缩短到150秒,新人两周就能上手。

资料理顺,解决的是"查"的问题。但在工作中,有许多信息是"流动"的。

一个问题在群里讨论了很久,会上定下的结论又散在各人的笔记里,很少有人从头到尾整理。9月15日,飞书和豆包工作推出了豆包工作伙伴,这是一个面向团队的智能体,有独立的身份、权限和记忆,可以像同事一样被拉进群里。

猛士汽车把豆包工作伙伴用在供应商质量管理上。公司40名供应商质量工程师要审核3个项目约2000个零件的PPAP(生产件批准程序)文件,靠人逐项比对,费时费力还容易看漏。现在先由AI把文件逐项核对一遍、标出风险,工程师再做判断,单份文件的审核时间从20到40分钟压到了5分钟以内。

智己汽车则让豆包工作伙伴跨过了公司的边界。CCB(变更控制)评审要主机厂和供应商一起参加,需要反复核对材料信息,有出入就得返工。豆包工作伙伴以团队成员的身份进了评审群,会前核对材料,会上答疑和记录,会后归档,再把待办分到具体的人。评审返工因此少了约三成,单个议题的材料整理从半小时压到5分钟。

博世中国的研发群里也有一位豆包工作伙伴,名叫"小蜜"。工程师在群里讨论客户反馈的问题,它在一旁默默收集,按模板写出问题报告,登记进多维表格,再归档到知识库。工程师估计,初稿能覆盖七八成,剩下的由人把关。下一位工程师碰上类似的毛病,直接就能检索到前人的处理记录。

豆包工作伙伴一直在场,一件事的来龙去脉就留了下来,人走了,经验还在团队里。AI服务的对象也从一个员工变成了一支团队,企业衡量它,看的自然是整个团队的产出。

在大北农,豆包工作被带到了销售一线。陈岩是大北农在黑龙江的一名饲料销售,客户的情况原本散在Excel表、聊天记录和他自己的脑子里,每天先去拜访谁,多半凭经验。

陈岩不会写代码,他用飞书多维表格沉淀客户数据,让豆包工作做分析,再把结果做成一线能直接用的工具,按客户价值和距离排出拜访顺序。到了猪场,客户问换饲料能多赚多少钱,他当场就能把账算出来。系统上线两周,从沉睡的客户数据里筛出72家高价值客户,12家有流失风险的客户全部得到了跟进,现场工具还直接促成2笔成交,金额超过40万元。

每次拜访完,新的信息又回到多维表格,参与下一轮判断。销售调岗或离职,客户的情况也会保留。陈岩因此拿到了大北农集团AI先锋的最高奖项"董事长特别奖",公司计划年底前把这套系统推广到全国30个区域。

这些案例来自不同的行业,豆包工作能够嵌入到企业经营的不同环节,前提是它先读懂了这家公司正在发生什么。

这恰恰是AI Agent进企业时最容易被低估的一关。要推进一项工作,Agent得知道项目谁负责、该找谁拍板,而多数企业的这些信息分在不同系统里,Agent要逐个打通接口、重建权限,才能开始干活。飞书这几年做的,正是把沟通、文档、会议和审批放进同一套组织身份和权限体系。豆包工作接进来以后,用户报一个项目名,它就能在权限范围内找到相关的群聊、文档和会议记录,员工看不到的,它也看不到。

模型决定了Agent有多聪明,上下文决定了它在一家公司里能做多少事。豆包工作在企业里的角色越靠近经营,用到的上下文就越多,企业也越难找到替代品。

持续付费的理由在复利

普拉特感叹的其实是个老问题。1945年,哈耶克在《知识在社会中的运用》里写过,经济运行依赖的知识分散在无数个人手中,其中关于"特定时间和地点"的知识,只有身在现场的人才掌握。

市场用价格把这些知识串联起来。而企业内部没有价格,只能靠层级和沟通。

知识管理喊了几十年,无法规避的难题,是需要员工额外花时间去记录。而豆包工作接在飞书上,员工照常干活,上下文就沉淀下来了。企业为此付的ARR,某种程度上是给组织内部的知识流动标了价。

这笔钱,企业大概率会一直付下去,因为上下文只会越积越多。Agent 也会因此越来越多地从个人提效走向组织提效,从帮助一个个员工做好PPT,走向利用企业信息、企业知识与企业数据最终帮助企业实现更好的经营效率与商业收益。

大厂之间的AI竞争,也会因此换个打法。海外的微软和Salesforce等企业已经在争夺企业上下文。模型能力正在快速拉平,豆包工作敢把第三方模型放进来,说明它没打算靠模型筑墙。智能体在企业里走得越深,飞书多年攒下的企业信任和流程习惯就越值钱。

模型会越来越像水电,拼的是便宜和稳定;Agent更像修进企业内部的路网,铺得越深,越难被替换。

计费方式也在随之松动。豆包工作按AI点数计费,企业买到的越来越像一份工作量,软件行业按人头卖席位的老规矩正在失效。

再看整个行业,用户最多的OpenAI,三季度调整后营业亏损仍超过100亿美元。光靠个人订阅和广告,显然还无法成为AI真正的买单者。能长期买单的,只会是算得清投入产出的企业。

从这个意义上说,AI的未来终究要看企业付费。这也回到了哈耶克的判断,价格能把散落在无数人手里的信息,压缩成一个所有人都看得懂的信号。企业按年为AI付的钱就是这样一个信号。

当然,20亿元只是起点,AI产品的成色最终要看第二年的续费率和老客户增购。但上线不到三个月,就有一批企业掏出了真金白银,豆包工作在这条路上已经抢到了先发位置。

本文来自虎嗅,原文链接:https://www.huxiu.com/article/4906923.html?f=wyxwapp

加载中...