大模型收入增长与AI应用留存疲软并存：应用层为何难以形成长期壁垒

大模型公司的收入增长正在加速，但AI应用的用户活力、留存表现和长期壁垒却没有同步形成。这种反差，正在成为2026年9月AI产业讨论中最值得关注的现象之一：模型层获得越来越多的企业订单和平台收入，应用层产品数量持续增加，却仍然缺少真正稳定占据用户心智的“默认入口”；基础设施层则处于产业链更底部的位置，虽然不一定直接面对终端用户，却往往能够从算力、云服务、数据处理和部署需求中获得更稳定的商业机会。

从目前披露的行业报道看，AI产业并不是没有收入，而是收入增长更多集中在模型能力、开放平台和企业服务等环节，应用层仍在寻找可持续的产品形态。MiniMax发布的2026年半年度业绩报告就是一个具有代表性的观察样本。报道显示，MiniMax上半年营收达到1.17亿美元，同比增长283.1%，半年收入已经超过2025年全年7900万美元。同期公司仍处于亏损状态，期内亏损为3.58亿美元，同比收窄11%。

更值得关注的是收入结构变化。相关报道提到，MiniMax上半年开放平台及其他基于AI的企业服务收入，占总收入的63.4%。这意味着，一家过去常被外界视为偏C端的大模型公司，其增长引擎正在明显转向B端。这个变化并不等于应用层已经失去机会，但它说明，在当前商业阶段，企业客户采购模型能力、调用服务和定制化解决方案的意愿，可能比普通用户长期订阅一个独立AI应用更加明确。

收入增长为何首先发生在模型层

模型层的商业位置，首先来自能力的通用性。一个底层模型可以被接入写作、搜索、客服、编程、内容生成、数据分析和企业知识库等多种场景。应用开发者不需要从零训练完整模型，而是通过开放平台调用能力。模型公司因此可以把同一套基础能力以API、企业服务或平台调用的方式，出售给不同类型的客户。

这种商业模式的关键，并不只是模型是否足够强，还在于模型是否能够成为其他产品的基础设施。只要企业持续调用，模型服务就可能形成较为连续的收入。对于模型公司而言，客户数量、调用量、服务能力和企业合作关系，都比单一终端应用的日活跃用户更加直接地连接到收入。

MiniMax半年报相关报道所呈现的变化，正是这一逻辑的体现。公司营收大幅增长，开放平台及其他企业服务占比超过六成，说明企业服务已经成为重要收入来源。不过，收入增长和盈利能力并不是同一个指标。报道同时显示，MiniMax上半年仍然亏损，另有资料提到其经调整净亏损扩大至2.93亿美元，研发投入达到收入的2.55倍。不同报道对指标口径的表述存在差异，但共同指向一个事实：模型公司的商业化速度正在提高，成本压力和研发投入也仍然很重。

这也是模型层目前的矛盾所在。一方面，模型能力越强，越容易成为企业服务的入口；另一方面，训练、推理、研发和市场拓展都需要持续投入。收入增长可以证明客户愿意付费，却不能单独证明单位经济效率已经成熟。对于产业投资者来说，观察模型公司的重点不能只放在营收增速，还要继续追踪收入来自何处、客户是否持续调用、服务毛利能否保持，以及亏损收窄是否具有连续性。

应用层的难点，不只是流量获取

如果说模型层解决的是“能力供给”，应用层解决的则是“用户为什么反复使用”。这两者之间存在明显差别。

一个AI应用可以在短时间内因为新鲜感、社交传播或某个热门功能获得用户，但用户下载、体验和长期留存并不是同一件事。相关报道提到，应用商店中标榜“AI驱动”的独立应用数量仍在增加，但月活跃用户超过百万的头部产品名单却在缩短。这个现象如果属实，至少说明应用市场存在一种分化：产品数量在增加，能够持续扩大用户规模的产品却没有同步增加。

原因之一是，通用模型正在快速吸收许多垂直应用曾经依赖的功能。以AI生图为例，报道提到，Midjourney早期凭借较强的生图能力吸引了用户，但随着OpenAI、Google等公司的底层模型能力不断升级，并将更多能力放入产品体系，ChatGPT、Gemini等综合性产品的功能边界持续扩张，原本独立的垂直工具面临更大压力。

这并不是说垂直应用一定会被通用模型完全替代，而是说，单一功能本身越来越难以构成长期壁垒。过去，一个产品只要在某个功能上明显领先，就可能通过产品体验和用户口碑建立优势。现在，底层模型能力迭代速度加快，综合型平台可以把多种功能快速组合到同一个入口中，应用开发者必须依靠更深的场景理解、工作流设计、数据积累和服务能力，才能避免被简单复制。

应用层另一个困难在于，用户需求往往是间歇性的。用户可能在某个任务中需要生成图片、整理文档或修改代码，但任务结束后未必会每天打开同一个应用。如果产品只是把模型能力包装成一个按钮，使用频率就很容易受到场景频次限制。即使体验不错，也未必能产生持续订阅。

因此，应用产品经理需要重新区分三种指标：第一次使用是否顺畅，用户是否愿意再次使用，以及产品是否进入用户的固定工作流程。前两者更多反映体验和兴趣，第三者才更接近长期留存。一个真正有壁垒的AI应用，通常不能只回答“模型能做什么”，还要回答“用户在哪个具体流程中离不开它”。

为什么B端收入更容易被看见

MiniMax企业服务收入占比达到63.4%的披露信息，也反映出B端和C端在商业转化上的不同。

C端应用通常需要同时处理获客、品牌、产品体验、付费转化和留存等问题。用户可以快速尝试多个产品，切换成本也可能很低。模型能力更新后，用户还可能直接转向功能更丰富的综合入口。对于创业公司而言，这意味着即便产品获得了大量体验用户，也不一定能够形成稳定现金流。

B端采购则往往围绕具体需求展开。企业可能购买模型调用服务、知识库能力、客服自动化、内容生产支持或内部流程工具。只要产品能够嵌入既有业务，采购方就可能更关注准确性、稳定性、权限管理、部署方式和服务响应，而不只是界面是否新颖。企业服务的销售周期可能更复杂，但一旦进入业务流程，其收入关系也可能更具连续性。

不过，B端并不意味着商业化天然容易。企业客户通常需要看到明确的投入产出关系，还要评估数据安全、系统兼容、员工使用成本和组织变革压力。很多看起来有价值的AI功能，在演示阶段表现出色，进入真实业务后却可能因为数据质量、流程复杂或责任边界不清而难以推广。

所以，模型公司转向B端，更多说明企业服务正在成为收入增长的重要方向，并不能直接推导出所有企业AI项目都能成功。对产品团队而言，真正重要的是把模型能力转化为可以被企业采购、部署、管理和评估的产品，而不是停留在模型演示层面。

基础设施层的位置：不显眼，但更接近刚性需求

模型层和应用层都直接受到产品竞争影响，基础设施层的商业逻辑则有所不同。算力、云平台、数据处理、模型部署和相关服务，是AI产业持续运转的底层条件。即使具体应用出现更替，基础设施需求仍可能伴随模型训练、推理调用和企业部署继续存在。

这并不代表基础设施层一定拥有更高利润，也不代表相关企业不会面临竞争。基础设施需要承受资本投入、资源调度、技术升级和客户集中度等压力。对于云服务或算力服务提供商来说，客户需求可能快速变化，模型厂商也可能通过自建能力、优化模型或调整调用方式降低成本。

但从商业位置看，基础设施通常不依赖某一个终端应用是否成为爆款。应用层产品可能因为用户兴趣下降而迅速失去流量，基础设施层则可能服务多个模型公司、企业客户和应用团队。它的壁垒更多来自资源规模、交付能力、服务稳定性、技术适配和长期合作关系。

这也解释了为什么产业链的收入分布可能出现不均衡：越靠近底层，越容易通过向多个客户提供通用能力获得收入；越靠近终端，越需要面对用户选择和产品替代。应用层如果没有形成独特场景，就可能既要承担获客成本，又要支付模型调用成本，最终在收入和成本之间承受双重压力。

应用层如何建立更难被替代的价值

应用创业者并不需要放弃垂直场景，但需要避免把“垂直”简单理解为功能分类。一个AI写作工具、AI客服工具或AI编程工具，如果只是把通用模型换一个界面，通常很难形成稳定壁垒。更有价值的垂直化，应当深入到用户的任务链条中。

第一，产品需要掌握具体工作流。用户真正需要的可能不是一次生成，而是从资料整理、任务拆解、内容生成、审核修改到结果交付的一整套流程。应用如果能够减少中间操作、沉淀流程规则，并与企业现有系统衔接，其价值就不完全取决于单次输出质量。

第二，应用需要形成可积累的数据和反馈机制。这里的“数据壁垒”不是简单收集用户内容，而是把经过授权和治理的业务反馈转化为产品改进依据。用户为什么修改结果、哪些步骤经常失败、不同岗位如何使用，这些信息如果能够被有效沉淀，产品就有机会逐渐形成场景经验。

第三，应用需要把可靠性纳入产品设计。通用模型可以展示能力上限，但企业用户更关心结果是否可检查、过程是否可追踪、错误是否容易发现。对于涉及财务、法律、医疗或生产流程等高风险场景，产品不能只强调生成速度，还要明确人工审核、权限控制和异常处理机制。

第四，应用要谨慎处理与基础模型的关系。完全依赖单一模型供应商，可能面临价格调整、服务策略变化和能力升级带来的不确定性。相关报道已经提到，部分大模型公司正在调整API服务定价。对于应用公司来说，模型成本并非固定不变的背景条件，而是会直接影响毛利和定价策略。如何在不同模型之间进行适配、如何控制调用成本、哪些任务必须使用高能力模型，都会成为产品经营的一部分。

投资和产品判断不能只看用户规模

在AI应用仍然缺乏稳定头部产品的阶段，单纯比较注册用户、下载量或短期活跃度，可能不足以判断商业质量。产品经理需要观察用户是否把应用放进固定工作流程，创业者需要计算每类任务带来的收入与模型成本，投资者则需要进一步拆解企业客户收入的来源和稳定性。

对于模型公司，应关注开放平台收入增长是否来自少数大客户，企业服务是否有持续复购，毛利变化是否能够覆盖研发和推理成本。对于应用公司，应关注留存是否建立在真实业务需求之上，而不是短期热点；还要判断产品面对通用模型升级时，功能会被吸收，还是能够借助流程、数据和服务形成新的防线。对于基础设施公司，则应观察客户结构、资源利用效率和服务能力能否支持长期合作。

AI产业当前的核心问题，或许不是“有没有商业化”，而是“商业化发生在哪一层，以及这种收入能否持续”。大模型收入快速增加，说明市场愿意为能力和服务付费；应用留存疲软，则提醒行业不能把模型能力直接等同于产品价值。未来真正有机会留下来的应用，可能不是功能最多的产品，而是能够在特定场景中持续减少成本、缩短流程并承担结果责任的产品。

【软盟观察】

从相关报道披露的信息看，大模型公司的收入增长与AI应用活力不足可以同时成立，两者并不构成简单矛盾。模型层凭借通用能力和开放平台更容易连接企业预算，基础设施层则受益于产业持续投入；应用层面对的却是用户迁移快、功能容易被整合、模型成本需要持续支付等问题。MiniMax上半年营收同比增长283.1%、企业服务及开放平台收入占比达到63.4%，说明B端正在成为重要增长方向，但公司仍处于亏损状态，也提醒市场不要把收入增速直接等同于成熟盈利。未来判断AI应用价值，不能只看产品数量和短期活跃，而应关注它是否进入真实工作流，是否形成可持续复购，以及在底层模型快速变化时仍能保留独特的场景价值。上述行业数据和判断均来自相关报道及其披露口径，不宜被理解为对整个行业的绝对结论。