文 | wiwi

一个写代码的缺掌 AI 工具，被马斯克旗下 SpaceX 以 600 亿美元的声缺天价收购。

三周前的订单 6 月 16 日，SpaceX 在向美国证券交易委员会（SEC）提交的缺掌文件中披露：已与 Cursor 母公司 Anysphere 签署合并协议，交易全部以股票形式支付，声缺预计于第三季度完成交割。订单600 亿美元，缺掌折合人民币超过 4000 亿。声缺而这家被收购的订单公司，成立仅四年。缺掌

Cursor 拿到的声缺不是行业内的掌声，而是订单一张 600 亿美元的报价单。但在同一条时间线上，缺掌更多的声缺 Agent 创业者正在经历截然不同的剧情。发布会上，订单他们的产品看似无所不能：写代码、查资料、接客服、筛简历，宛如不知疲倦的数字员工。然而一旦进入采购流程，热闹迅速冷却——业务部门评价“很有想象力”，IT 部门询问“能否接入权限”，法务追问“出错谁赔”，财务质疑“按什么计费”。最终，那个让全场惊呼的 Agent，死于一句客气的“我们再看看”。合同未签，预算未批，账上资金日渐枯竭。

Gartner 给 Agent 热潮泼的两盆冷水

研究机构 Gartner 对这种市场现象给出了冷冰冰的判断：到 2027 年底，超过 40% 的 AI Agent 项目将被取消。更不留情面的是另一项估算——在市面上几千家自称从事 Agent 开发的公司中，真正具备核心能力的仅约 130 家，其余大多是将旧产品换个新说法。

一边是 600 亿美元的天价交易，一边是大量项目停滞在试点阶段。“能否盈利”的答案已现，真正的问题在于：为什么大多数公司的掌声，无法转化为订单？

一、先看看谁在数钱

SpaceX 为何肯出 600 亿？据 TechCrunch 报道，截至今年 2 月，Cursor 的年经常性收入（ARR）已达 20 亿美元，公司预计年底将突破 60 亿美元——一年内增长三倍。其估值因此在半年多时间里连跳三级：2025 年下半年估值为 293 亿美元，今年 4 月洽谈融资时升至 500 亿，6 月被 SpaceX 以 600 亿直接买断。

Cursor 估值：半年多时间连跳三级

写代码，是 Agent 领域第一个跑通商业化闭环的方向；第二个突破口则是客服。前 Salesforce 联席 CEO Bret Taylor 创办的 Sierra，不到两年时间 ARR 达到 1 亿美元，今年 2 月已涨至 1.5 亿；5 月它又完成 9.5 亿美元融资，估值超过 150 亿。据 TechCrunch 报道，财富 500 强企业中，已有超过四成成为其客户。为其买单的，正是全球规模最大的企业群体。

此外，还有专注 AI 招聘的 Mercor、企业搜索领域的 Glean，以及通用 Agent 公司 Manus——上线仅 8 个月，年化收入达 1.25 亿美元。它去年底被 Meta 以约 20 亿美元收购，尽管该交易因审查生变正在拆解，但无人质疑其收入的真实性。

这份名单还可以列得更长。2025 年下半年，投资圈流传过一份第三方整理的“全球最赚钱 20 家 AI Agent 公司”榜单（数据未经上榜公司逐一确认），其中隐藏着一个比“谁赚钱”更具深意的数字：榜首公司平均每位员工年创收 320 万美元，而榜尾公司人均仅 4.5 万美元——差距高达 70 倍。这仅是“上榜”公司间的差距，榜单之外，是沉默的大多数。

头部 AI Agent 公司年化收入（ARR）对比

这些赚钱的公司业务看似八竿子打不着：写代码、接客服、筛简历、搜文件。但若不看它们“做什么”，只看它们“怎么收钱”，会发现三个惊人一致的共同点。

二、赚钱的公司，都搞定了三件“无聊小事”

第一件：干的活，能验收。

想象你要请一个装修队。对方说“我们能让你家更有品位”——你敢签合同吗？不敢。但如果对方说“贴 80 平米瓷砖，横平竖直，验收不过不收钱”——你就敢了。

Cursor 卖的是代码，跑得通就是跑得通；Sierra 卖的是“解决掉的客服问题”，解决率白纸黑字写入合同；Mercor 卖的是候选人，入职即验收。客户不需要“相信 AI”，只需要“验货”。

昆仑万维 CEO 方汉在 2025 年底指出，接下来唯一的技术赛点，是 Agent 能否大规模自动化“可验证过程”。翻译过来就是：能验货的活，才轮得到 AI 干；能验货，才收得到钱。

验货成功的案例已有先例。巴西数字银行 Nubank 拥有 1.3 亿用户，其在论文中公布了自家客服 Agent 的成绩单：在寄送银行卡的场景实验中，AI 服务的用户满意度指标（NPS）比对照组高出 37 个百分点，无需转人工就解决问题的比例高出 29 个百分点。指标上涨，预算就有了理由——如此直接。

而那些失败的项目，演示时讲的往往是“帮管理层做决策参考”“提升组织效率”。听着很美，但“参考”如何验收？“效率”如何量化？演示不需要验收标准，合同需要。

第二件：收钱的方式，和花钱的方式对得上。

Agent 运行需要消耗算力，烧的是真金白银。业内通常按 token 计费——你可以将其理解为 AI 世界的电表，Agent 每“思考”一次，电表就走一格。

Sierra 的收费方式因此显得聪明：不收固定年费，而是按“解决掉的问题”一单一单收取。单子多，算力消耗多，但收入也同步增长——收入和成本绑定在同一张表上，避免出现“生意越好、亏得越多”的怪事。

反观许多卡住的公司：它们沿用了传统软件的售卖模式，按“人头”收取年费。然而 Agent 的核心卖点恰恰是帮企业节省人力。按人头卖一个“省人头”的产品，客户算不清自己买了多少，卖家算不清自己要烧多少电，双方糊涂，合同自然无法签署。

第三件：知道谁掏钱，而且这笔钱本来就在。

Cursor 消耗的是企业本就存在的研发预算，Sierra 替代的是原本就要支付的客服外包费，Mercor 抢占的是原本要给猎头的佣金。这些钱年年都花，Agent 公司所做的，是从既有预算中截流。

而许多通用 Agent 产品，需要客户为“AI 转型”专门开辟新预算。在人人喊降本增效的 2026 年，等待一笔新预算走完审批流程，创业公司可能已经发不出工资了。

这三件事，归根结底是一句话：Agent 不是越像人越值钱，而是越像一件能放进采购清单的商品越值钱。这与行业最爱讲的“通用数字员工”故事恰好相反。

三、从“哇”到掏钱，隔着三道墙

看完赢家，再看大多数公司卡在哪。

先看这个行业被引用最多的一个数字：MIT 在 2025 年 8 月发布报告称，95% 的企业 AI 试点没有产生可衡量的回报。尽管该数字的统计方法存在争议，未必精确；但“大部分试点死在掏钱之前”，行业内无人反驳。为什么？

第一道墙：演示看最好的一次，生产看最差的一次。

发布会上，一个准确率 90% 的 Agent 足以赢得掌声。但将其放入财务部测试：每十个数字里可能错一个，且无人知晓错的是哪个——于是只能安排人工对所有结果进行复核。省下的人工成本，全花在检查 AI 上，算下来还不如不用。

更残酷的是，将准确率从 90 分提升到 99 分，所需投入并非多一成，而是数倍的资金用于防错和纠偏。这笔钱，目前没有客户愿意全额买单。大多数试点，就是这样无疾而终。

第二道墙：出了错，谁赔？

AI 退了一笔不该退的钱，或漏看了合同中的一个风险条款——损失由谁承担？传统软件出现故障，责任条款写得清清楚楚；而大多数 Agent 合同中，压根没有“做不到怎么赔”这一页。缺少这一页，企业的采购和法务部门就不会放行。演示可以鼓掌，付费需要签字。

第三道墙：账没法算。

按人头计价无法容纳 Agent，上一节已述。需补充的是，这道墙连巨头也在撞击——Salesforce、微软等同样在推倒重来，寻找新的收费模式。区别在于，巨头亏得起试错的钱，创业公司亏不起。

这些问题叠加，会将 Agent 从演示现场拖回合同现场。这一年多，AI 的能力并未掉链子，掉链子的是能力周围的一整套生态——如何验收、出错谁赔、按何计费。很多 Agent 无法变现，不是因为 Demo 不够强，而是因为合同没法签。

四、就算收到钱，也未必是赚钱

但收入起来之后，问题并未结束。一些公司好不容易翻过三道墙，一算账，依然不挣钱。

传统软件是一门好生意，因为多卖一份几乎不多花一分钱，毛利可达八成。Agent 则不然：每服务一次客户，电表都在走。多家分析机构今年反复提醒同一件事：AI 公司的毛利，普遍远低于传统软件。

最能说明问题的例子，恰恰是最成功的那家。据 TechCrunch 报道，Cursor 面向大企业的业务已开始盈利，但面向个人用户的业务至今仍在亏损。道理不复杂：个人版收取固定月费，消耗的却是随用量变动的算力——重度用户敲代码越欢，Cursor 亏得越多。第二节所述的错配，在这里显露原形：收钱方式和花钱方式对不上，规模越大，窟窿越大。连行业第一都在拿融资补贴个人用户，腰部以下公司的账本可想而知。

因此，“按结果收费”才会在今年从少数派实验，变成全行业的救命稻草：将收费单位从“几个账号”换成“办成几件事”，成本和收入才能绑定。推理成本这个紧箍咒，反而逼着这一代 AI 公司比上一代软件公司更早学会算账——而会算账，正在变成比技术更硬的门槛。

还有一层账，藏在更上游：应用公司挣到的每一块钱，都被人先抽过税。算力和模型厂商先抽一道；企业落地的“最后一公里”，咨询公司和集成商再抽一道——客户被 Agent 打动之后，第一笔大钱往往先付给帮它改造系统、打通权限的埃森哲们。埃森哲 2025 财年，光生成式 AI 和 Agent 相关的收入就有 27 亿美元，约为上一财年的三倍。创业公司讲给资本市场的“落地”故事里，有相当一部分钱，落进了别人的财报。

再回头看 Manus：据其官方披露，产品累计处理超过 147 万亿个 token、创建过 8000 万台虚拟电脑。无论应用层谁生谁死，电表一直在走。应用层想活下来，只有一条路——让烧掉的每一度电，都对应一笔收得回来的钱。

尾声

AI Agent 的游戏规则已经变了。2024 年，演示视频能带来流量；2025 年，融资故事能带来估值；但到了 2026 年，市场真正关心的是：谁能签合同，谁能收回钱，谁能把收入变成利润。

所以，订单为什么只落到那几家手里？因为拿订单靠的从来不是演示最惊艳，而是最先搞定验收、算账、预算这三件“无聊小事”。

如果你是创业者，可以用三个问题自测：
1. 你干的活，客户能验收吗？
2. 你收钱的方式，和你烧钱的方式对得上吗？
3. 客户给你的钱，是本来就有的预算，还是要为你专门新批的？

三个都答“是”，墙再高也有梯子；有一个答“否”，再惊艳的演示，也只是演示。

最后多提醒一句：这三道墙，翻过去一次不等于一劳永逸。上游厂商改一次模型价格，墙的高度就跟着变一次——翻过墙是拿到入场券，守住墙才是生意本身。

演示再好，也只是“看起来能用”。客户真正掏钱前，还要问清楚：怎么验收，怎么算账，出了错谁负责。