AI应用困局：用户14亿，付费率却不足5%

这两年间，AI已悄然渗透进大众的日常生活。

有人利用豆包辅导孩子作业并润色家长群消息；有人借助于 WPS 的 AI 快速搭建 PPT 框架；也有人调用 DeepSeek 查阅资料，或让元宝先概括长文再决定是否细读。

使用过程显得十分顺滑，仿佛拥有了一个随时待命的助手。

然而一旦涉及付费，氛围便截然不同。

2025 年 12 月，国内 AI 应用去重后的总月活已突破 14 亿。同一时期的数据显示，中国 AI 应用的 C 端付费率低于 5%。用户规模与付费转化之间的巨大鸿沟，构成了当前 AI 商业化面临的最核心矛盾。

作为对比，ChatGPT 的月活约为 6.2 亿，截至 2025 年底其年化经常性收入（ARR）已达 200 亿美元。至于付费用户，公开确认的数字多为数千万级，坊间流传的“1.2 亿”更像是内部预测，而非官方确凿数据。

此前分析的各个环节，几乎都围绕同一变量：供给约束。产能紧张的一方更容易先获得利润。反之，AI 应用层是整条链中“付费意愿”最稀缺，而“产品供给”最过剩的环节。上游在比拼谁能做出产品，下游在比拼谁能收拢资金。

这便是 AI 应用层看似离用户最近，实则最难以盈利的结构性原因。

截至 2025 年底，国内 AI 应用市场的头部格局已基本稳固。

豆包月活从 2.26 亿攀升至 2026 年 3 月的 3.45 亿；DeepSeek 约为 1.35 亿；腾讯元宝约为 0.41 亿；蚂蚁阿福与通义千问分别约为 0.27 亿和 0.25 亿。总量方面，移动端 AI 应用月活约 7.22 亿，PC 端约 2.05 亿，去重后总月活突破 14 亿。

若仅从用户规模看，容易得出“中国 AI 应用已在用户侧胜出”的结论。这一判断在流量层面成立，但在收入层面则有待商榷。

AI 商业化的核心公式是：营收 = 月活 × 付费率 × ARPU。在中美对比中，这一差异更为明显：美国方面，ChatGPT 已证明高 ARPU 和高 ARR 可以并存；中国方面，虽然月活规模不低，但付费率和 ARPU 尚未稳定兑现。

用户规模解决了“有没有人来”的问题，却未回答“来了之后愿不愿意付钱、付多少钱”的问题。

14亿 vs <5%

用户基数庞大，付费行为却迟迟未跟上

WPS AI 的数据是当前 AI 商业化困境的一个典型缩影：

这组数据蕴含三层含义：

第一，AI 确实推动了用户增长。月活增长 307% 表明用户愿意尝试并将 AI 纳入工作流。

第二，付费并未同步提升。付费个人用户增长 10.67%，但公司披露的国内个人业务收入同比仅增长 7.87%（未披露绝对值）。这意味着新增用户带来了更多活跃度，而非等比例的收入。

第三，B 端表现优于 C 端。WPS 365 收入增速远高于个人业务，表明企业更愿意为 AI 带来的效率提升买单。企业并非为“一个新功能”付费，而是为组织效率和流程协同付费。

有流量，缺定价；有用户，缺 ARPU；有增长，缺利润。

腾讯元宝是另一个值得单独剖析的样本。这里的 MAU 是月活跃用户，DAU 是日活跃用户。

仅看 MAU 增长曲线，元宝的流量获取策略堪称成功。但需说明，约 150 亿元这一数字来自第三方监测平台 AppGrowing 按媒体刊例价估算，并非腾讯官方披露的实际消耗。

将投流成本、用户留存与商业化结合起来看，这更像是一场仍在投入期的用户争夺战。活动期间用户被迅速拉入，活动结束后留存显著下降。元宝面临的核心问题并非缺少场景，而是场景尚未顺畅转化为商业模式。

科大讯飞的商业化路径与前两家截然不同，数据如下：

这里的 API 及 MaaS 收入证明了 B 端 AI 需求确实存在且强劲。

但需补充口径说明：23.16 亿元来自对智能超参数公开招投标信息的二次统计，并非 IDC 等权威数据库。按其披露口径，讯飞约为 23.16 亿元，略高于百度、火山引擎、阿里云、智谱、腾讯云第二至第六名合计约 22.87 亿元；但由于仍有相当数量项目未披露金额，这一领先优势应理解为披露口径下的结果。

换言之，讯飞目前更接近于“B 端门已打开”，而非“门后已是一条高利润通路”。

中国 AI 商业化推进缓慢，绝非一句“市场尚早”所能解释。背后至少存在四层结构性制约。

许多行业因供给不足而难赚钱，AI 应用层恰恰相反，供给过剩。大模型公司在比拼能力和价格，应用层在比拼入口和功能。用户迁移成本低，产品一旦高度同质化，收费就会变得敏感。

过去十余年，中国互联网形成了一种商业惯例：先用免费获取用户，再考虑收费。打车、外卖、短视频、网盘、在线教育几乎都经历过这一阶段。AI 应用也不例外。

从 2023 年到 2026 年，国内主流 AI 应用经历了两年以上的免费供给周期。用户并非天生不愿为 AI 付费，而是已被反复训练出一种预期：先用免费的，等收费了就换一个。

若将中美 AI 商业模型并排比较，差异十分明显。美国拥有更强的技术垄断、更高的全球定价和更优的毛利结构；中国则是技术同质化更快、价格战更激烈，且算力成本压力更重。

公开数据显示，美国主流模型 API 定价在每百万 token 数美元至数十美元区间，中国同类产品已压至 0.3 美元甚至更低。价格下降的同时，算力成本尚未同步降低。结果是：用户来了、调用量涨了，但毛利空间并未同步打开。

美国企业购买 AI，通常将其视为明确的效率工具纳入采购预算。中国政企类 AI 项目则更加复杂，采购流程更长、项目制色彩更重、回款周期也更长。它能带来收入，但未必能很快带来高质量利润。

综合以上四点，更准确的概括或许是：愿意为 AI 付费的机构与个人正在增加，但付费方式尚不稳定，付费金额也还不够高。

将视线从通用对话产品移开，可以看到另一条更清晰的商业路径：Agent（可嵌入具体流程、替用户或员工执行任务的智能体）与垂类场景的组合。

这些案例的共同特征有三点。

第一，它们都不是在卖一个“能聊天的工具”，而是在卖一个可量化的结果。

第二，它们都深度嵌入了原有业务流程。营销、风控、烹饪、财税，这些场景不是“有没有 AI 都无所谓”的边角需求，而是原本就存在成本与收益的业务环节。

第三，它们都拥有某种形式的壁垒。可能是数据积累，可能是行业 know-how，可能是硬件入口，也可能是合规要求。总之，不是换一个模型就能无缝替代。

由此可以得出一条分水岭：通用入口更容易做大用户规模，垂类场景更容易做出利润。

若将视线再拉回通用产品一侧，字节跳动的三个 AI 产品恰好构成一组商业化的对照实验。

剪映（CapCut）已实现规模盈利。其全球月活超过 3 亿，移动端全球年流水突破 10 亿美元。其之所以能跑通，核心在于视频创作本身就是一个明确的生产力场景：不付费，就意味着更低画质、更少模板和更慢速度。

豆包是国内 AI 应用领域用户规模最大的产品。按 QuestMobile 口径，2026 年 3 月 MAU 约 3.45 亿；按 QuestMobile 追踪和媒体引述，2025 年底至 2026 年初日活已破 1 亿，但这并非字节官方直接披露的数据。其付费计划直到 2026 年 5 月才推出，基础功能仍维持免费。

即梦（Seedance）在 AI 视频加生图赛道位居第一，2026 年 Q1 MAU 约 1352 万，春节期间峰值升至约 4500 万。它已通过火山引擎对外提供 API，形成了“外开放、内闭环”的架构。

三个产品同属一个集团、面对同一个市场，商业化成熟度却截然不同。这种差异表明：AI 应用能否产生利润，关键变量并非公司规模或用户数量，而是所触达的场景，是否能够形成“不付钱就会有损失”的用户感知。

综合前述案例，AI 应用层中具有长期价值的公司，通常具备以下特征：

对应到 A 股市场，目前较接近上述特征的标的主要为两类：

至于 A 档标的——即已从 AI 应用层稳定获取规模利润的公司——以当前公开信息来看，A 股中尚无一家能充分证明自己已达到此阶段。

⚠ 风险与证伪条件

纵观整条 AI 产业链，上游环节的利润大多出现在供给约束最强的地方，应用层的难题则出现在供给来得最快的地方。前者比拼谁能做出来，后者比拼谁能收上钱。

AI 应用的商业化并非靠流量就可以解决。用户已至，但付费行为尚未跟上。这是一条可以观察，但尚难定论的赛道。

本文仅为个人研究记录，不构成任何投资建议。 金石之间 · 独立研究笔记