打工人自费购AI，月花20刀效率翻倍
快速阅读: 职场人因AI焦虑自费购买AI工具，形成“影子AI经济”，催生To P（To Professional）新赛道，个人决策快速推动AI应用普及，Cursor等公司快速增长。
面对AI淘汰焦虑,大量职场人出于生存焦虑主动自费购买AI工具,无数职场人正「自费上班」,从而开启一场「自我拯救」运动。这种现象催生出区别于传统To B和To C的全新赛道「To P」——To Professional。
你每个月花多少钱买 AI工具 ? 你们公司有统一购买 AI服务 吗? 你是每月花20美元买ChatGPT Plus,还是「白嫖」免费的豆包和DeepSeek? 当隔壁工位的同事已经能 用AI在半小时内 生成一份你得写好几天的 专业报告 。
那种「再不跟上就要被淘汰」的焦虑感,会让你感到恐慌吗? 当软件巨头IgniteTech的CEO,因为团队拥抱AI的速度「不够快」而换掉80%的员工时,一个残酷的现实摆在了每个职场人面前: 要么用AI武装自己,要么被会用AI的人淘汰。
这种打工人的恐慌就像是AI版本的「黑暗森林」和「工具爆炸」: 怕被AI替代、怕被用AI的同事替代、怕被用AI用得特别好的同事替代。
一场职场人的「赛博续命」 就在最近,全网爆火的那份MIT报告便描述了这一AI时代独有的现象: 90%员工开始「偷用」ChatGPT续命,他们都在频繁地使用个人AI工具! 数据上更加夸张,虽然只有40%公司宣称帮助员工订阅了统一的官方服务,但受访的90%公司员工都表示,他们都在频繁地使用 个人AI工具。
员工使用AI频率,是企业采纳率的2倍多,MIT将这种现象被称为 「影子AI经济」。
前AI时代,持续繁荣了30年的互联网时代最喜欢的To B和To C的叙事体系似乎已经无法描述这种新型商业现象。
这种影子AI经济,正对应着如今AI创业中一条独有的赛道。
当下的AI创业热点藏在一条更隐秘、更迅猛的赛道: To P(To Professional),一场由无数职场人发起的「自我拯救」运动。
俗称「自费上班」 只要分析一下当前比较火爆的创业公司,比如AI编程,AI营销等,你就会发现——他们既不是To B,也不是To C。
而是 To P 。
全球AI独角兽前30和全球AI产品能力前20 以Cursor和ChatGPT为例。
说他们是To B吧,也对,因为主要是企业内的一些员工为工作目的使用。
说是To C吧,好像也对,因为大部分使用和购买行为都是个人决定的。
考虑到这种情况,我们提出To P的这个赛道: 和To B相比 ,相同点是用户使用AI服务,用于商业目的;不同点是,使用者是为了提升 自己的 工作效率,因此 自己 便可以做出购买决定。
和To C相比 ,相同点是付费行为都是个人决策;但使用服务的目的不同:To C的最终目的是为了自己(比如淘宝买东西,抖音看视频),而To P的最终目的是为了工作/商业,为了别人,但自己从中能有收获(大部分时候是金钱,也可能是名誉)。
这钱交的,ROI太高了 为什么是To P模式走得最快? 让我们看看Cursor的增长历史。
Cursor在2024年创造了1 亿美元的收入,相比2023年的100万美元增长极为显著。
到2025年6月,Cursor的ARR已经超过5亿美元! Cursor的估值也达到99亿美元,进入百亿俱乐部只有一步之遥。
这让Cursor成为历史上增长最快的SaaS公司。
为何打工人「愿意」为Cursor付费? 让我们做一个简单的算术题。
以编程为例,程序员买AI编程会员每月花20美元,可以使工作效率提高一倍。
如果他的工资每月是5000美元,如果他用同样的工作时间,那么他就可以挣到10000美元。
也就是投入20美元,收益10000美元,投入产出比500倍! 当然,这种计算过于「粗暴」的,但这正是用户很容易做出购买AI产品决策的原因。
这也是当前编程软件增长速度极快的原因。
这就是To P赛道的特点: 用户可以明确地计算投入产出。
打工人的「反向渗透」 为何AI产品在To B和To C赛道上没有快速发展? To B太慢,慢到等不起 To B而言,需要企业一组人都用,需要企业管理者做决策。
自上而下的决策牵涉到很多问题,比如意见不一致,预算审批周期等,为了这些事情,很多企业都需要到年的单位了。
因此,即便理论上是好东西,也需要很长时间才能说服B端去采用。
而对于To P而言,就快多了,用户自己觉得好就可以支付,这个行为和To C是一致的。
既然个人决策很容易,那么为什么To C这条赛道暂时也没有动静呢? To C太难算账,太烧钱 To C而言,因为消费者就是自己,所以不容易算账。
比如看抖音,如果AI使得你更开心(也不容易衡量),你会愿意付款吗? 愿意付多少? 从互联网时代而言,我们发现To C的服务,大部分都走了免费路线,其中一小部分走免费+增值收费(视频网站),因为免费无法覆盖成本,但大部分用户还是不愿意付款的。
全球付费用户高达3亿的流媒体龙头Netflix,营收一度陷入停滞 要改变To C产品的用户心智是比较难的,用户不愿意付钱。那我们干脆不收费不就行了吗? 这个真不行,AI产品背后的token成本,是无法忽略的(不像现在云服务和带宽费用,平均到每用户非常低),如果没有一定的收费机制,用户越多,亏损越大,进而没有持续性。
举个例子,OpenAI用3年时间就达到了120亿美元的ARR,这在软件历史上前无古人,后也很难说有没有来者。
根据最近的报告,ChatGPT全球每周活跃用户已达7亿 。
很多人会说ChatGPT增长这么快,这应该都是To C了吧。
其实不然,虽然都是用户,但我们要分析用户使用ChatGPT的目的是什么。
仔细分析下来,其中一部分为了工作(To P),一部分为了自己的日常需求(To C)。
但再深入一步。
当我们认真思考,其实用户购买ChatGPT,主要还是为了To P部分的需求的,比如写工作报告,调研报告,整理素材等等。
对于自己的To C部分,其实用户是不愿意付钱的。
尤其是现在免费版的GPT-5等工具,已经足够To C用户完成自己的日常任务了。
那么未来呢? 当然了,To B和To C这两条赛道也都会陆续发展起来。
对于To B而言 ,当越来越多的「P」(专业人士)在企业内部用个人工具证明了AI的巨大价值后,企业层面的采购需求就会被真正激活。AI需要进一步在解决跨部门、团队协作等复杂问题上证明其能力,届时To B市场就会全面爆发。
其实,To B这块已经有非常成功的例子,那就是Meta的广告业务。
在2023 年,Meta广告收入达到了 1319.5亿美元 ,同比增长16.1% 。
广告业务几乎占据了Meta整个营收的绝大部分。
2024年,Meta的广告收入增长至1606.3亿美元,同比增长22%,这主要得益于广告展示次数(增长11%)和平均广告价格(增长10%)的双重提升。
然而,其成功的真正驱动力在于AI。
到2025年,Advantage+Campaigns和Andromeda等AI驱动的工具,已将每条合格销售线索的成本降低了10%,并将Instagram的广告转化率提升了5%。
这些效率的提升,使得采用Meta AI工具的美国广告商,其广告支出回报率(ROAS)提高了22%;相比之下,未使用AI工具的用户的ROAS仅为3.71美元。
对于To C而言 ,其爆发的关键在于t oken成本的下降 。
在过去的两年里,每token的成本已经降低了几百倍。
在下面的对数图中,可以看到每百万token每年成本都下降10倍。
在2025年2月,OpenAI的奥特曼接受采访时曾说,AI的成本每年将下降10倍。
同样佐证了这个观点。
如果未来1-3年,成本能继续以每年几十倍的速度下降,直到与云计算、网络带宽成本相媲美,那么互联网的广告、游戏等免费模式就能支撑起AI应用。
问题是,LLM的价格会继续以这样的速度下降吗? 这很难预测。
在个人电脑革命中,成本的大幅下降主要归功于摩尔定律。
只要这些定律仍然有效,晶体管数量和频率持续增加,价格下降就很容易预测。
具体来说,LLM推理成本的下降是由多个独立因素造成的: 相同运算下更优的GPU成本/性能。
这是摩尔定律(即芯片上晶体管数量的增加)以及结构改进的结果。
模型量化。
最初,推理是在16位下进行的,但对于Blackwell GPU,预计4位将成为常态。这将带来至少4倍的性能提升,但由于所需的数据传输减少且算术单元复杂度降低,实际提升可能更大。
软件优化可减少所需的计算量 ,同样重要的是,还可降低所需的内存带宽。内存带宽以前是一个瓶颈。
更小的模型。
如今,一个参数量仅为10亿的模型,其性能就超过了仅仅三年前参数量为1750亿的模型。
更优的指令调优。
在预训练阶段之后,还有更多改进模型的方法,其中包括人类反馈强化学习(RLHF)和直接偏好优化(DPO)等技术。
开源。
DeepSeek、通义千问和其他公司推出了开源模型,这些模型可以由竞争的低成本模型即服务平台托管。这减少了整个价值链上的利润空间,从而降低了价格。
毫无疑问,其中某些领域已经看到快速的进展,但在其他领域,情况尚不明确。
到那时,才是AI To C创业的黄金时代。
但至少在目前,AI的革命是在以To P这种更务实的方式,在每一次的ChatGPT对话中,在每一个职场人的键盘上,悄然取得成功。
作者介绍 雷鸣 百度七剑客、酷我创始人、Al Basis Fund创始合伙人、北京大学Al创新中心名誉主任、斯坦福大学商学院顾问委员会理事。
本文来自微信公众号 “新智元” ,作者:雷鸣,36氪经授权发布。
(以上内容均由Ai生成)
