新智元洞察

作者：雷鸣

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token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。