第 14 章 · AI 应用：从 PPT 到 PMF
核心命题：AI 应用是张倩判断「最被低估」的赛道——但 90% 是套壳，只有 10% 有真护城河。 数据锚点：2025 年中国 AI 应用融资 1070.7 亿元 / 930 家公司 / 日均 2.6 家融资[1]。
14.1 张倩的应用层判断
「最终产生最大商业价值的不是技术本身，而是应用。
我们 2023 春节判断后，重仓 AI 应用 + AI 硬件赛道——这两个赛道当时被严重低估。
在垂直细分赛道扎得足够深，价值可能抵得上 10 个 APP。
但90% 的所谓 AI 应用是套壳——你必须能区分 10% 的真应用。」[2]
这一章就是为了回答：怎么区分 10% 的真应用？
14.2 AI 应用赛道地图
B 端（to Business）
| 子赛道 | 典型 | 状态 |
|---|---|---|
| 销售 / 营销 | Clay, Apollo AI, Jasper | 早期付费转化高 |
| 客服 | Decagon, Sierra | 替代 BPO，估值飙升 |
| 法律 | Harvey, Hebbia | 顶级律所采购 |
| 医疗 | Hippocratic, Glean Health | 早期，监管挑战 |
| HR / 招聘 | Mercor, Eightfold | 中期，PMF 验证中 |
| 财法税 | Pilot AI, Doola | 中小企业服务 |
| 代码 | Cursor, Codeium | 已成熟（详见第 12 章） |
| 数据 / 分析 | Hex, Sigma, Glean | 中后期 |
| 设计 / 创作 | Figma AI, Canva | 大厂主导 |
C 端（to Consumer）
| 子赛道 | 典型 | 状态 |
|---|---|---|
| 聊天 / 陪伴 | Character.AI, Replika, Talkie (MiniMax) | 早期付费走 |
| 教育 | Duolingo Max, Speak, Coursera | 大厂 + 创业者 |
| 写作 / 内容 | Notion AI, Sudowrite | 大厂集成压力 |
| 图片生成 | Midjourney, Recraft | 创业者主导 |
| 视频生成 | Runway, Pika, Kling, Veo | 工业化进程中 |
| 音乐 / 播客 | Suno, Udio, ElevenLabs | 早期 |
| 生活助手 | Pi (Inflection), Kimi | 大模型公司延伸 |
B + C 模糊地带
- 搜索：Perplexity, Glean
- 生产力：Cursor (开发者), Notion AI
- 个性化助手：Maven, Mira
14.3 PMF 信号体系：5 项硬指标
什么算「真应用」？要看 5 项硬指标：
指标 1：周留存（Weekly Retention）
| 等级 | 周留存 | 含义 |
|---|---|---|
| 优秀 | > 50% | 用户每周必用 |
| 良好 | 30-50% | 周/月级活 |
| 一般 | 10-30% | 试用阶段 |
| 差 | < 10% | 没有真实需求 |
判断：B 端工具看「月留存 > 70%」，C 端应用看「周留存 > 30%」。
指标 2：付费转化率（Free → Paid）
| 等级 | 转化率 | 含义 |
|---|---|---|
| 优秀 | > 5% | 强付费意愿 |
| 良好 | 2-5% | 中等付费意愿 |
| 一般 | 0.5-2% | 试用为主 |
| 差 | < 0.5% | 缺乏价值 |
判断：to C SaaS 普遍 1-3%；优秀的 AI 应用应该 > 3%。
指标 3：月增速（Month-over-Month）
| 等级 | 月增速 | 含义 |
|---|---|---|
| 优秀 | > 30% | 病毒式增长 |
| 良好 | 15-30% | 健康增长 |
| 一般 | 5-15% | 平缓增长 |
| 差 | < 5% | 增长停滞 |
判断：早期产品月增 > 30% 是健康信号；连续 6 个月 < 10% 警告。
指标 4：NPS（净推荐分）
| 等级 | NPS | 含义 |
|---|---|---|
| 优秀 | > 50 | 强烈推荐 |
| 良好 | 30-50 | 满意 |
| 一般 | 0-30 | 中立 |
| 差 | < 0 | 不满 |
判断：AI 应用 NPS > 40 是好信号。
指标 5：NRR（净收入留存）
| 等级 | NRR | 含义 |
|---|---|---|
| 优秀 | > 130% | 既有客户增收强 |
| 良好 | 110-130% | 健康 SaaS |
| 一般 | 90-110% | 持平 |
| 差 | < 90% | 流失大于扩张 |
判断：to B SaaS 关键指标，NRR > 110% 是好 SaaS。
14.4 套壳 vs 真应用：5 个判别维度
90% AI 应用是套壳，怎么区分？
维度 1：模型选择能力
- 套壳：固定调用一个模型（如 GPT-4），用户感受不到差异
- 真应用：能根据任务自动选择模型（GPT-4 / Claude / DeepSeek），优化 cost vs quality
维度 2：数据飞轮
- 套壳：用户数据不反哺产品
- 真应用：用户数据让产品越用越好（如 Cursor 学习用户代码风格）
维度 3：场景护城河
- 套壳：通用场景，竞争对手 1 周复制
- 真应用：深度嵌入特定场景的工作流（如 Harvey 嵌入律所的 case management 系统）
维度 4：自有模型 / 微调
- 套壳：100% 调 OpenAI API
- 真应用：核心场景用自己微调的模型（成本更低、质量更好）
维度 5：付费意愿验证
- 套壳：免费用户大量，付费用户极少
- 真应用：早期就有 LOI / 付费试用（>1% 转化）
张倩的判断：
「一旦 AI 与数据飞轮启动，先发优势形成壁垒——这与移动互联网完全不同。
AI 应用不需要长期烧钱——能很快渗透到一个细分场景，做成『小而美』。」[3]
14.5 中国案例
Dify（B 端开发者平台）
- 全球安装量 40 万+
- 中国 70% 用大模型做应用的公司是其客户
- 海外营收占比 > 50%
- 真应用特征：
- ✓ 模型选择（多模型路由）
- ✓ 数据飞轮（开源社区贡献）
- ✓ 场景护城河（开发者工作流）
- ✓ 自有模型增强
- ✓ 早期付费验证（企业版）
未来智能（C 端 AI 硬件）
- AI 翻盖耳机销量同类第一
- 真应用特征：
- ✓ 软硬一体（硬件本身就是壁垒）
- ✓ 数据飞轮（用户语音数据 → 模型优化）
- ✓ 场景护城河（家庭场景）
- ✓ 自有 ASR / TTS 模型
- ✓ 实物销售（验证付费）
月之暗面 Kimi（C 端 chatbot）
- 中国 ChatGPT 替代品 #1
- 月活付费用户增速 170%[4]
- 真应用特征：
- △ 模型选择（自有 Kimi 模型）
- ✓ 数据飞轮（用户对话数据）
- △ 场景护城河（中文输入 + 长上下文）
- ✓ 自有模型
- △ 付费转化率（待验证）
14.6 反例：3 个套壳清盘案例
（不公开具体公司名字，但描述类型）
套壳 #1：「AI 写作助手」
- 2023 年初融资 5000 万人民币
- 产品就是 GPT-4 API + 简单 UI
- 12 个月后用户增速 5%、付费转化 0.3%
- 2024 年清盘
套壳 #2：「AI 客服 SaaS」
- 2023 年中融资 1 亿人民币
- 包装为「企业级 AI 客服」，实际是 GPT-3.5 + 简单 RAG
- 客户对效果失望，续约率 < 30%
- 2025 年寻求被收购
套壳 #3：「AI 教育」
- 2023 年底融资 8000 万
- 包装「AI 一对一教师」，实际是 GPT-4 + 教材
- 监管落地 + 效果未验证 = 双重打击
- 2025 年清盘
共同特征：缺数据飞轮、缺场景护城河、缺真实付费验证。
14.7 15 项 AI 应用 PMF 检查清单
- 周留存 / 月留存 > benchmark？
- 付费转化率 > 1%（C）/ > 5%（B）？
- 月增速 > 15%？
- NPS > 30？
- NRR > 110%（to B）？
- 模型路由能力？
- 数据飞轮启动？
- 场景护城河深度？
- 自有模型 / 微调？
- 早期付费验证（LOI / pre-pay）？
- 客户分散度（Top 1 客户占比 < 30%）？
- 销售周期长度合理？
- 团队 AI 技术深度？
- 国际化潜力？
- 监管风险评估？
每项 0-3 分，45 分满分：
- 38+ 分：A 级真应用，强烈推荐
- 30-37 分：B 级，选择性
- <30 分：套壳风险高
14.8 落地清单
给 VC 投资人
- 建立 PMF 雷达：每个 portfolio 项目每月 review 5 项硬指标；
- 早期就看付费：to B 应用 6 个月内必须有付费 LOI，没有就 quit；
- 重仓垂直：法律、医疗、销售、客服——选 2 个深度 portfolio；
- 避免泛化套壳：「AI 写作 / AI 客服 / AI 助手」类项目，pass 率 95%+。
给 AI 创业者
- 6 个月内见付费：to C 用户付费、to B LOI 必须 6 个月内有；
- 建立数据飞轮：用户数据 → 模型优化 → 产品提升；
- 挖深场景护城河：选一个具体行业、具体岗位、具体工作流；
- 不要追求 DAU 数字：付费用户 1000 比 DAU 100,000 更值钱；
- 微调你的模型：哪怕只是 LoRA，也比纯 API 调用强 10 倍。
给 LP
- 看 GP 的应用层 portfolio 健康度：5 项硬指标的整体表现；
- 接受 to B 的慢节奏：to B SaaS 12-18 个月才见 PMF；
- 警惕「all-in 大模型」GP：不投应用层就是放弃 alpha。
14.9 AI 应用的「护城河」深度评估
90% 套壳的根本原因是没有护城河。我把 AI 应用的护城河分为 5 类，每类对应不同投资判断：
护城河 1：数据（最强）
- 来源：用户行为数据 + 业务数据 + 反馈数据
- 强度：用户越多 → 数据越多 → 模型越好 → 用户更多（飞轮）
- 典型：Cursor（学习用户代码风格）、Notion AI（学习写作偏好）
- 判断：飞轮需要 6-12 个月启动，启动后护城河指数级
护城河 2：场景嵌入（强）
- 来源：深度嵌入特定工作流，让用户无法离开
- 强度：用户切换成本高（数据迁移、流程重塑）
- 典型：Harvey（律所 case management）、Glean（企业搜索 + 多系统连接）
- 判断：To B 应用的主要护城河
护城河 3：模型微调（中强）
- 来源：自有微调模型 / 私有 RAG
- 强度：成本更低、质量更好——但容易被开源模型追上
- 典型：DocuSign AI、ServiceNow AI
- 判断：短期护城河，长期会被开源蚕食
护城河 4：品牌 / 信任（中）
- 来源：早期用户基础 + 媒体曝光
- 强度：用户感知信任度
- 典型：Notion AI、Midjourney
- 判断：不可持续——技术 / 价格优势消失后品牌也会崩
护城河 5：硬件结合（强但稀缺）
- 来源：软硬一体（如未来智能 AI 翻盖耳机）
- 强度：硬件本身是壁垒
- 典型：未来智能、Rabbit R1（虽然 R1 失败但概念正确）
- 判断：成功率低但单笔回报上限高
护城河组合策略
最强的应用通常组合 2-3 类护城河：
- Cursor：数据 + 场景嵌入 + 模型微调
- Harvey：场景嵌入 + 模型微调 + 品牌
- 未来智能：硬件结合 + 数据飞轮
判断方法：让创始人讲出他的 3 个护城河——如果只能讲 1 个或讲不出来，套壳风险高。
14.10 AI 应用的「销售模式」选择
不同销售模式对应不同 PMF 路径：
模式 1：自服务（PLG, Product-Led Growth）
- 用户注册 → 试用 → 自动转付费
- 适合：to C / 中小企业 / 开发者工具
- 典型：Cursor、Notion AI、Cloudflare Workers AI
- 优点：单位经济好、scale 快
- 缺点：ARPU 低（$10-100/月）
模式 2：销售驱动（Sales-Led）
- 销售团队直接接触客户 → 长周期 → 大单
- 适合：to B 大企业 / 政企
- 典型：Harvey、Glean、智谱
- 优点：单笔大（$10K-1M ARR）
- 缺点：销售成本高、scale 慢
模式 3：混合（PLG + Sales）
- 前期自服务获客 → 后期销售拿大客户
- 适合：to B SaaS（中小到大企业全覆盖）
- 典型：Notion、Slack（前 AI 时代经典）
- 优点：兼顾速度和深度
- 缺点：组织复杂度高
模式 4：API / 平台
- 给开发者 API + 平台
- 适合：基础设施 / 工具链
- 典型：Anthropic API、OpenAI API
- 优点：scale 极快
- 缺点：粘性低（开发者随时换）
判断：创业者的销售模式选择反映他的客户认知——选错就输。
14.11 AI 应用的国际化逻辑
中国 AI 应用越来越早期国际化——这是和移动互联网时代不同的现象。
为什么早期国际化？
- 中国 to C 付费意愿低：海外用户付费转化率高 3-5 倍
- 海外 SaaS 单价高：$100-1000/月在硅谷常见，国内同等产品 $10-50
- AI 是普世产品：模型能力跨语言（不像短视频强地域）
- 政策推动：国资 LP 鼓励出海
国际化路径
- 路径 A：英语优先（Dify 模式）— 直接做英文产品
- 路径B：日语 / 韩语优先（部分中国 to C 应用）— 文化更接近
- 路径 C：东南亚优先（成本最低，user pool 大）
- 路径 D：欧洲优先（避开美国合规复杂性）
国际化成功因素
- 产品本地化（不只是翻译，是文化适配）
- 支付 / 运营本地团队
- 合规先行（GDPR、CCPA、各国数据法）
- 本地化 sales 渠道（自己跑 vs 通过本地 SI）
天际带几十家 AI 创业公司出海的经验显示：国际化 12 个月内必须有海外营收——否则就是「摆样子」。
14.12 AI 硬件：被低估的应用层子赛道
「AI 硬件」是 AI 应用层的特殊形态——把 AI 做成实物产品。
主要赛道
| 赛道 | 典型 | 状态 |
|---|---|---|
| AI 耳机 | 未来智能、Plaud、Limitless | PMF 验证中 |
| AI 眼镜 | Meta Ray-Ban、Apple Vision Pro | 早期 |
| AI 玩具 | Moflin、各类陪伴玩具 | 早期 |
| AI 学习硬件 | 学而思 Pad、有道词典笔 | 教育转型 |
| AI 录音笔 | Plaud、Limitless | 知识工作者 |
| AI 厨房 | Moley Robotics 等 | 概念阶段 |
AI 硬件的护城河
- 软硬一体：硬件 + 模型 + 数据三者协同
- 数据飞轮：实物使用数据反哺模型
- 品牌 / 渠道：消费品逻辑
- 供应链：BOM 成本控制
张倩对 AI 硬件的判断
「AI 硬件的落地需要多重能力叠加——这是一个被严重低估的赛道。未来独角兽可能具备『定义硬件的软件能力』。」[5]
天际投资未来智能（AI 翻盖耳机）正是这个判断的实践——软硬一体 + 数据飞轮 + 反共识入场。
本章小结
AI 应用是「最被低估」的赛道——但 90% 是套壳。
PMF 信号体系：周留存（C 端 > 30%）+ 付费转化（B > 5%）+ 月增（> 15%）+ NPS（> 30）+ NRR（> 110%）。
套壳 vs 真应用 5 维：模型选择、数据飞轮、场景护城河、自有模型、付费验证。
中国案例：Dify（B 端）、未来智能（C 端硬件）、Kimi（C 端 chatbot）——三种典型真应用形态。
反例：3 个套壳清盘案例（AI 写作、AI 客服、AI 教育）——共同特征是缺飞轮、缺护城河、缺付费。
15 项 PMF 检查清单 + 45 分满分制。
引用
- [1] 投资界 (2026-01)：2025 AI 应用元年融资图谱
- [2] 新浪财经 (2025-09-07)：雷军和张一鸣背后的女人
- [3] 新浪财经 (2025-03-25)：对话天际资本张倩
- [4] 极新月报 (2026-02)：AI 月报