广告与订阅双失灵？AI商业化破局路径深度解析

【编者按】凭借在AI Agent领域强大的产品力，Anthropic的年化收入从年初的90亿美元冲到5月的440亿，五个月翻了近五倍。一个面向原生智能体（Agent-native）的新经济正在长出来。当AI使用范式从回答问题走向替人做事，商业模式是绕不开的第一个问题：谁为算力付费，价值如何分配，用户以什么方式为服务付费。为此，智能体经济课题的第一篇成果，从研究这个问题开始。

四月初，Anthropic宣布其年度经常性收入（ARR）已突破300亿美元，其中超过80%来自企业端。几乎同时，OpenAI正式上线了广告后台系统，允许广告主在ChatGPT中投放清晰标注、与回答分离的广告。一时间，市场议论纷纷：有人视其为OpenAI的第二增长曲线，也有人担忧广告会彻底破坏AI对话的纯净体验。

无论争论如何，都指向了同一个更本质的问题：AI究竟该如何变&现？在互联网时代屡试不爽的订阅和广告模式，真的能撑起AI商业化的未来吗？

事情恐怕没那么简单。AI的商业化逻辑，不能简单套用软件、SaaS或互联网产品的模板。无论是广告还是订阅，其经济模型都建立在“边际成本趋近于零”的基础上——一次页面浏览或一次软件调用，成本几乎可以忽略不计。但AI不同，每一次调用都会产生实实在在的Token成本。这意味着，我们可能需要一套全新的商业模式来适配这个新时代。

OpenAI vs Anthropic：两条商业化路径

在探索商业化这条路上，OpenAI和Anthropic恰好提供了两种截然不同的样本。

OpenAI的逻辑，核心是“流量”（Traffic）。凭借接近10亿的周活跃用户规模，以及自2022年底就引爆全球的影响力，ChatGPT走的是一条典型的互联网“入口+流量”之路：先打造一个最大规模的通用用户入口，再在搜索、办公、购物、开发者工具等具体场景中分层变&现。

Anthropic的逻辑，则聚焦于“任务”（Task）。它从一开始就瞄准了“高价值任务”的变&现，尤其抓住了编程这一高频、高价值、投资回报率清晰的核心场景。从2025年2月推出Claude Code开始，到Claude for Work/Enterprise，再到Cowork，Anthropic正稳步将代码智能体的能力，外溢到文档、表格、演示、销售、法务、金融分析等各类知识工作流中。其围绕“高价值任务”的布局路径，始终清晰而坚定。

从两家公司的收入结构来看（综合摩根士丹利、a16z等多家机构的预测分析），这种战略差异就更加一目了然。

这两种路径孰优孰劣，并非简单的“C端好”或“B端好”可以概括，它们背后反映的是两家公司底层战略哲学的根本不同。

OpenAI信奉“智能是通用的”。其战略是先打造一个能力强大的通用基础模型，使其具备广泛的泛化能力，能够覆盖绝大多数场景；然后在这个通用底座之上，通过微调等方式构建各个垂直领域的专门能力。可以说，其所有的技术探索，都服务于“完善通用大模型拼图”这一终极目标。

Anthropic则认为“通用智能首先要通过代码来实现”。在它看来，代码是验证强化学习反馈、训练AI智能体能力最理想的沙盒——可执行、可评测、有明确的标准答案。通过代码来锤炼模型能力，再把代码能力做到极致，就能以强大的代码能力作为“通用工具”，去解决其他所有领域的问题。

AI广告模式：天花板明显

广告无疑是互联网最成熟、最赚钱的商业模式之一。因此，当Chatbot开始尝试广告时，人们很自然地会将其视为搜索广告的变体（ChatGPT和Perplexity也确实在这么做）。但仔细分析就会发现，AI广告面临着几道先天性的天花板。

第一道天花板，是可商业化的查询比例太低。

在传统搜索中，用户的大量查询本身就带有明确的商业意图，比如“附近酒店”、“手机推荐”、“装修公司哪家好”。这类查询天然适合匹配广告，一般认为可商业化的搜索查询比例在20%-30%之间。

但Chatbot和智能体的使用场景要宽泛得多。用户可能用它来写代码、改简历、总结文档、聊天陪伴、制定学习计划或分析数据。根据部分调研机构的统计，Chatbot整体可商业化的查询比例可能低至个位数，大约只有传统搜索的1/5到1/4。

第二道天花板，在于AI回答中的广告加载数量有限。

传统搜索中，单次搜索可以展示多条广告，部分平台会用“平均展示数量”（ASN）作为指标，通常在2-3之间。这意味着一次搜索就能实现2-3次广告曝光。

但AI回答强调完整性、可信度和流畅的自然语言体验。在单个回答中硬塞进大量广告，几乎是不可能的任务。无论是ChatGPT还是Perplexity，目前单个AI回答通常只能加载1-2个广告，这只有传统搜索能力的1/3到1/2。

除此之外，还有一道隐形的天花板：用户信任。

搜索结果的列表形式与AI回答的“助理”形态，给用户带来的信任感截然不同。用户往往期待AI站在自己这一边，提供中立、客观的建议。如果广告过度嵌入答案，很容易削弱这种信任。OpenAI在2026年开始测试ChatGPT广告时，就特别强调广告会与回答分离、清晰标注，且不会影响生成答案的内容，这恰恰说明了其中的微妙与挑战。

如何在不破坏用户信任的前提下插入广告，成了AI聊天机器人广告的隐形难题。Perplexity的案例颇具代表性。它曾在2024年推出“赞助后续问题”等广告形式，广告出现在“相关问题”区域，用户点击后才会生成AI回答。但这一模式天然存在争议：如果“后续问题”由品牌赞助，用户难免会质疑AI的推荐路径是否依然客观。最终，Perplexity的广告业务进展缓慢，并于今年2月正式关停。

这么说并非全盘否定AI广告的机会，而是指出它很难成为像搜索广告那样高毛利、高库存、高确定性的主流模式。更可能成立的形态，或许不是“在答案里塞广告”，而是在用户已有明确决策意图时，提供可比较、可解释、可跳转、可验证的商业信息组件。比如商品卡片、服务商对比、报价入口、预约窗口、优惠券或试用申请等。未来的AI广告，形态上会更接近“决策辅助组件”，而非传统的横幅广告或关键词广告。

订阅模式：核心仍是“为专业付费”

当前AI的订阅模式主要分为两层：面向企业的toB和面向个人的toC。

toB模式（企业订阅与API）已经基本跑通，其巨大的收入贡献，正是助推Anthropic的ARR迅猛攀升的核心动力。

相比之下，toC订阅则显得非常微妙。对AI付费用户进行画像分析后不难发现，付费主力军依然集中在有明确专业需求的人群：开发者、咨询分析师、设计师、学生、教师、研究者以及高频办公人士。C端的高付费意愿，牢牢锁定在生产力场景的个人用户身上，大众消费场景的转化率天花板则相当明显。

这也是为什么OpenAI的付费率仅徘徊在5%左右（甚至低于国内的视频、音乐平台）。对于更广泛的大众用户而言，AI目前更多还是一个“好用的工具”，而非“必须每月持续付费的基础设施”。

更关键的问题在于成本结构。社交、搜索、内容平台一旦完成基础设施建设，其边际服务成本相对较低。但大模型推理存在持续的Token成本。AI能力越强，往往意味着需要更长的上下文、更复杂的工具调用、更长的任务链路，以及更高的推理消耗。

软件和SaaS的边际成本接近零，但智能体任务的边际成本是非零且不可忽略的。一次复杂的任务，消耗几美元的算力成本是常事。这意味着，在智能体时代，“低价订阅+重度用户”的组合可能会导致结构性亏损；同时，互联网经典的“广告补贴免费用户”模式，在智能体场景下也几乎难以成立。

这就带来了一个根本矛盾：大众用户希望AI“便宜、好用、随时可用”，但真正高质量的智能体服务成本并不低。如果只依赖个人订阅，平台就不得不在价格、使用限制和用户体验之间反复权衡。价格定高了，用户转化有限；价格定低了，成本压力巨大；限制给多了，体验又会大打折扣。

OpenAI推出更低价的ChatGPT Go套餐，并在免费版和Go套餐中测试广告，正是这种压力下的现实选择。其官方定价页面显示，Go定位为低成本、高额度的入门订阅，但该计划“可能包含广告”。这本身也说明，纯粹面向个人的订阅和广告模式压力巨大，前景并不乐观。

实际上，C端商业化真正要解决的问题，或许不是用户愿不愿意为“聊天”付费，而是谁愿意为“任务结果”付费。用户可能不愿意为一次问答付费，但很可能愿意为一次成功的旅行规划、一份更优的保险方案、一次带来更高面试转化率的简历优化，或是一次准确的法律财税预审付费。同理，商户可能不愿意为单纯的曝光付费，但很可能愿意为确定性更强的销售线索、实际订单、有效预约和最终成交付费。AI商业化的重心，正在从“卖入口”悄然转向“卖结果”。

总结

站在AI商业化的十字路口，我们面对的并非“订阅还是广告”的简单选择题。其本质，是AI产业正从“流量逻辑”转向“任务逻辑”，从“注意力经济”迈向“执行经济”的一场深刻变革。

广告可以作为一种补充，补贴免费用户，但难以承载全部的商业化重任；订阅模式可以很好地服务专业用户，但在大众市场的转化存在明显上限；API能够支撑繁荣的开发者生态，但其价格会持续受到模型竞争的挤压。

真正长期、可持续的机会，或许藏得更深：它可能来自深度嵌入企业工作流的解决方案、提供可信赖Agent服务的平台层、基于实际交易效果的抽成模式、必不可少的安全审计服务，乃至对智能体资产进行管理和优化的综合服务。

对于平台型企业而言，AI Agent商业化的关键，或许不在于急于将每一次对话都变成广告位，而在于扎实地建设一套可信、可控、可计量、可追责的智能体基础设施。当AI开始真正替用户完成任务时，其商业价值的衡量标准，也将从“回答了什么”彻底转向“完成了什么”。这，或许才是AI Agent商业模式真正走向成熟的起点。