以下文章來源于ToBeSaaS ，作者戴珂
導(dǎo)讀：不久前讀到Srinivas Rao的《99% of AI Startups Will Be Dead by 2026—Here’s Why》。
其核心論點聚焦于三個關(guān)鍵維度：一是技術(shù)依賴性過強，多數(shù)AI工具對外依賴OpenAI的服務(wù)支持，對內(nèi)依賴NVIDIA的芯片供給，缺乏自主研發(fā)的核心算法與系統(tǒng)根基；二是商業(yè)模式存在先天缺陷，不少創(chuàng)業(yè)項目僅以“AI賦能”為噱頭博取資本關(guān)注，并未構(gòu)建起可持續(xù)的盈利路徑；三是行業(yè)周期性風(fēng)險凸顯，當(dāng)前AI熱潮與上世紀90年代互聯(lián)網(wǎng)泡沫在市場情緒、資本邏輯等維度呈現(xiàn)出驚人的相似性。
坦率地講，我認同這種AI行業(yè)洗牌的趨勢，但Srinivas Rao或許并未說透現(xiàn)象背后的本質(zhì)。
其實真正的核心癥結(jié)在于：若沒有足夠的客戶留存，AI這種商業(yè)模式就無法成立。而對AI領(lǐng)域的投資而言，這就像給一只無底的桶拼命加水——即便投入再多資源，最終也只會竹籃打水一場空。
實際上，無論是模型即服務(wù)（MaaS）、還是AI即服務(wù)（AIaaS），其收入邏輯都是訂閱模式或按用量計費模式。這也意味著AI生意在本質(zhì)上與SaaS遵循著相同的商業(yè)邏輯。
行業(yè)內(nèi)有句共識：SaaS本質(zhì)上是一門關(guān)于LTV的生意，其實AI同樣如此。而決定LTV生意成敗的關(guān)鍵變量，正是客戶留存能力，這一指標(biāo)通常用NRR來衡量。
因此，NRR不僅是SaaS企業(yè)的價值標(biāo)尺，更是評判AI商業(yè)模式能否成立的核心準(zhǔn)繩。
但不幸的是，整個AI行業(yè)正集體性地回避NRR這一關(guān)鍵指標(biāo)。在各類AI融資發(fā)布會、行業(yè)論壇上，“ARR破億”“技術(shù)領(lǐng)先全球”等高調(diào)宣傳隨處可見；但對于真正能反映留存真相的NRR，要么被絕口不提，要么用比芝麻還小的字體，藏在PPT角落一筆帶過。
從行業(yè)零星披露的留存數(shù)據(jù)來看，即便是頭部企業(yè)的留存率也已顯露疲態(tài)，如ChatGPT。
更不要說那些中小AI創(chuàng)業(yè)公司的留存了。若要畫出它們的留存曲線，更是“出道即谷底”。
在這種生態(tài)下，一家AI創(chuàng)業(yè)公司能扛過一年、還是熬不過三年，基本取決于資本的持續(xù)輸血，而非自身的經(jīng)營實力。
更值得警惕的是一種論調(diào)：“AI創(chuàng)業(yè)應(yīng)先做起來，留存、收入和盈利，都是以后的事。”在我看來，這種說法就像考試不及格，卻辯解“分數(shù)不重要”一樣可笑。
那么，如何才能成為那1%的幸存者？
答案只有一個：讓商業(yè)模式回歸其成立的核心邏輯，而破局的關(guān)鍵就藏在NRR里。而要提升NRR，首先需找準(zhǔn)其走低的根源。
當(dāng)前AI公司的普遍套路是：靠概念噱頭吸引大批早期嘗鮮用戶，但多數(shù)用戶在新鮮感消退后便會流失，NRR自然隨之持續(xù)下滑。
而解決NRR問題的核心，在于厘清“誰是真正的客戶”：是愿意付費、且持續(xù)付費的“價值用戶”，還是嘗鮮即走的“流量游客”？
唯有將資源與資金精準(zhǔn)投向那些追求實際價值的客戶，留存率才可能真正改善。畢竟，用戶嘗鮮之后，最終追求的是借助AI達成實際業(yè)務(wù)成果，而非停留在技術(shù)體驗層面。
其實，一家AI創(chuàng)業(yè)公司成敗的分水嶺，就藏在NRR中。
當(dāng)面臨“持續(xù)投入？”“還是及時轉(zhuǎn)向？”的抉擇時，這里有一個參照SaaS行業(yè)的簡單決策方法。
以90天（即M3）為節(jié)點，若經(jīng)過客戶成功團隊的干預(yù)后，NRR仍在持續(xù)下降，這便是極其危險的信號——它表明產(chǎn)品的初始吸引力，并未轉(zhuǎn)化為持久的實用價值。
反之，若M3之后NRR曲線能趨于穩(wěn)定，即便初始數(shù)值不高，至少意味著收入具備了基本的可預(yù)測性。此時再加大投入才更具合理性。
實際上，只要畫出你的M3 NRR曲線，生存還是淘汰的趨勢，就會不言自明。
在這場AI行業(yè)的“創(chuàng)造性破壞”中，唯有牢牢抓住客戶留存這一核心，才有可能成為那1%的幸存者。
版權(quán)歸原作者所有，如有侵權(quán)請聯(lián)系刪除。
免責(zé)聲明：本文系授權(quán)轉(zhuǎn)載，版權(quán)歸原作者所有。本文內(nèi)容為原作者觀點，并不代表本公眾號贊同其觀點和對其真實性負責(zé)。
