一个月前，如果你在开发者社区里问「最好用的 AI 编程工具是什么？」，答案大概率会指向 Cursor。

Cursor 凭借着对代码库的理解能力、丝滑的 tab 体验，以及无限次使用 GPT、 Claude 等前沿模型的慷慨承诺，迅速俘获了全球开发者的心，成为无数开发者依赖的生产力工具。

然而，蜜月期总是短暂的。

最近，Cursor 社区炸开了锅。原因无他，官方取消了「无限使用」模式，全面转向基于用量的 API 模式。

一时间，从 Reddit 到 X，声讨不绝于耳，用户们纷纷表示「被背刺了」，直言「那我还不如直接用 API」。

而越来越多的模型商正在推出自己的编程 Agent 产品：Claude Code 逐渐占领了用户心智，Gemini CLI 开源甚至免费，OpenAI Codex CLI 为 Plus 会员提供 GPT-5 模型调用…

Cursor 的收费策略调整背后，揭开了一个 AI 应用层创业公司正在集体面临的残酷现实。

风投家 Chris Paik 一针见血地指出，Cursor 的问题，并非个例，而是一种广泛存在的「致命顽疾」。

另一篇广为流传的博文则用了一个更加露骨的比喻：

Claude 是毒品，Cursor 只是毒贩。

这些明星 AI 公司，看似在社交媒体上风光无两。但当潮水退去，人们才发现，它们中的大多数，可能只是在为 OpenAI、Anthropic 这样的上游厂商打工，甚至是在「赔本赚吆喝」。

它们看起来有产品，有用户，有收入，但它们真的有未来吗？

PMF 的幻觉：当「无限」遇上「可变成本」

在硅谷的创业圣经里，产品市场契合 (Product-Market Fit, PMF) 是一个被无数次提及的金科玉律。简单来说，就是你的产品正好满足了市场的强烈需求，用户愿意反复使用、甚至离不开你。

从这个标准看，Cursor 无疑是 PMF 的典范。开发者们用脚投票，让它的用户数和讨论度一路飙升。

但人们往往忽略了硬币的另一面，一个同样重要、甚至更关乎生死的概念：商业模式-产品契合 (Business-Model–Product Fit, BMPF)。

你获取价值的方式，能够可持续地、成比例地，超过你交付价值的成本。

说白了，就是你的生意得能赚钱，而且是健康地、规模化地赚钱。

而 Cursor 恰恰在 BMPF 上栽了一个大跟头。它的核心问题，出在那个曾让它魅力无限的词上——「无限 (Unlimited)」。

Cursor 此前采用的是订阅制，用户支付固定的月费（比如 20 美元），就可以「无限次」地调用背后最强大的 AI 模型。

这是一个典型的 「固定收入，可变成本」 的模型。

这种模式最大的风险在于，成本是不可控的。用户用得越多，Cursor 需要向 OpenAI 和 Anthropic 支付的 API 调用费就越高。

这就像是开了一家自助餐厅，每个顾客付 100 块钱就能随便吃。如果来的都是小鸟胃，餐厅可能血赚。但如果来了一群大胃王，吃掉了价值 500 块的食物，餐厅就得亏掉底裤。

在保险行业，这种模式是常态，但保险公司有精算师这个核心部门。他们会通过复杂的数学模型来精确计算风险、定价保单，并对用户进行细分，确保整体上赔付的成本低于收到的保费。

然而，追求「指数级增长」的初创公司，几乎没有这种「精算」的基因和能力。

当你的收入固定，而成本随着用户使用强度线性、甚至超线性增长时，你卖的就不是软件 ，而是在承销风险。

没有精算纪律（比如合理的定价、用户分层、使用上限、免责条款），这种商业模式最终都会滑向同一个深渊。历史上，已经有无数产品用自己的尸骨证明了这一点：

• MoviePass：每月 10 美元，电影院无限看。结果吸引了大量高频观影用户，迅速烧光数亿美元，惨淡收场。
• Oyster：电子书领域的 Netflix，每月 9.95 美元畅读。结果重度读者带来的成本远超其付费，最终被 Google 收购并关停。
• ClassPass：健身界的通票，早期也尝试过无限模式，最终被迫放弃，转向基于点数的消费系统。

这些失败案例背后的问题如出一辙：

1. 用户群反向筛选

最先流失的，往往是那些使用频率最低、最「划算」的用户。他们发现自己付的月费远超实际使用价值，于是转向了更灵活的、按次付费的竞品。而留下来的，全是那些「薅羊毛」的重度用户，他们从产品中榨取的价值远远超过他们支付的费用。

随着时间推移，老的用户群会逐渐演变成一群「高成本」用户，导致毛利率急剧恶化。在保险业，这被称为死亡螺旋。

2. 亮眼增长掩盖内部问题

在公司高速增长期，新用户的大量涌入，可以在短期内掩盖老用户群的利润侵蚀问题。总收入在增长，DAU (日活跃用户) 在增长，一切看起来欣欣向荣。但实际上，健康的利润正在被悄悄地、持续地蚕食。这就像一个外表光鲜的苹果，内部已经开始腐烂。

Cursor 遇到的正是这个窘境。那些编程最勤奋、对 AI 依赖最重的「超级用户」，恰恰是让 Cursor 亏损最严重的用户。为了堵住这个窟窿，Cursor 别无选择，只能涨价、加限制。但这又反过来伤害了所有用户，引发了剧烈的反弹。

你买的是产品，还是补贴？

很多快速增长的公司，会混淆两个概念：市场营销 和 补贴。

它们都是烧钱换增长的策略，但本质截然不同。

• 市场营销买的是「注意力」。它改变的是谁能听到你的产品，但不会改变你的产品在市场均衡状态下的真实价值。
• 补贴买的是「行为」。它直接向产品价值的天平上增加了经济砝码，从而扭曲了用户真实的「支付意愿」。

外卖大战就是最生动的例子。当配送费被补贴到极低时，用户需求旺盛，PMF 看起来无比强劲。可一旦补贴取消，价格回归到真实成本，很多需求就会瞬间消失。

也许用户爱的不是「15 分钟送达」这个服务，而是爱「被补贴的低价」。所谓的「契合」，是和折扣契合，而不是和产品本身。

有人可能会拿出 Uber 和 DoorDash 作为反例：它们不也亏损补贴了十年，最后成功上市了吗？

但这里有一个关键的区别。Uber 和 DoorDash 的故事，核心逻辑是：通过前期的补贴，换取未来的运营效率提升和定价权。

它们的商业模式存在一条通往正利润的运营路径：随着司机和用户密度增加，接单效率和车辆利用率会提高，单位成本会下降。同时，当它们形成网络效应和用户习惯的护城河 后，就拥有了向用户和司机两端提价的能力。

风险投资 (VC) ，正是为这种「以时间换空间」的商业模式而设计的。

但问题是，Cursor 有这样的「桥梁」吗？

答案是：没有。

Cursor 的用户，追求的是最顶级的编程辅助体验。而这种体验，目前完全由 OpenAI、Anthropic 这些前沿模型实验室定义和提供。

这意味着，Cursor 在两个最关键的环节上，完全没有控制权：

1. 模型性能的上限 (这决定了用户的需求)
2. 模型输入/输出的定价 (这决定了 Cursor 的成本)

Cursor 的商品销售成本 (COGS) 死死地钉在了 OpenAI 和 Anthropic 的价目表上。

如果 Cursor 为了降低成本，换用更便宜、但性能更差的模型，那些冲着高质量体验来的核心用户会立刻察觉并流失。而那些能接受弱一些模型的用户，完全可以找到更便宜的替代品。

如果 Cursor 坚持使用最强模型，同时又保持平价，那么服务重度用户的可变成本将像滚雪球一样，最终压垮自己。

所以，任何时候，当你在一个可变成本的生意里看到无限这个词时，它的 PMF 就成了一个永远无法被证实的问题。你必须不断地追问： - 用户究竟是为你的产品而来，还是为你的补贴而来？

- 如果按照真实的边际成本收费，他们还会用吗？还会用这么多吗？

在 Cursor 按成本比例定价之前，它永远无法知道这个问题的答案。

快速增长的营收，完全可以和持续恶化的毛利率并存，只要重度用户发现「套利空间」的速度，快于你调整定价的速度。当团队还在为暴涨的 DAU 举杯庆祝时，公司的资产负债表，正在为一个看不见的「用户回扣计划」默默输血。

这就是企业如何一步步走向「花 20 块卖 10 块钱东西」的规模化自杀。

Claude 是毒品，Cursor 是毒贩

如果说 Chris Paik 的分析是从商业模式的底层逻辑入手，那么另一篇博文的比喻则更加辛辣和形象：

在当下的 AI 生态里，OpenAI、Anthropic 是「制毒工厂」，而像 Cursor 这样的创业公司，只是「下游毒贩」。

科技圈正在上演一出「绝命毒师」的大戏。

少数几个强大的实验室，在幕后合成「毒品」——也就是那些性能超群的基础模型。然后，成百上千的创业公司，扮演着「毒贩」的角色，想尽办法将这些「毒品」送到用户手中。

这些「毒贩」们，通常会做这么几件事：

• 包装产品：将模型封装在一个精美的用户体验 (UX) 之下。
• 垫付成本：自己掏钱或者用 VC 的钱，来支付高昂的 API 调用费。
• 服务客户：包揽所有用户支持和运营工作。
• 建立品牌：在社交媒体上造势，吸引粉丝，快速拉高 ARR (年度经常性收入)，然后去融下一轮更大的钱。

这个模式在初期看起来不错。用户一片叫好，投资人目光被吸引，纷纷开出天价估值。

但随着时间的推移，残酷的真相会慢慢浮现：

• 你无法控制定价权。上游的实验室一涨价，你的利润空间就立刻被挤压。
• 你无法控制产品路线图。你的核心能力上限，很大程度依赖于上游模型的迭代。
• 你的供应商，正在变成你最大的竞争对手。你辛辛苦苦教育市场、验证过的功能，上游实验室转头就可以「原生支持」，而且做得可能更好、更便宜。

让我们点名看看这个「毒贩」名单：

• Cursor：AI 原生 IDE，深度整合代码库上下文。几乎所有模型推理都通过 OpenAI 和 Anthropic 完成。
• Bolt：低代码应用生成器，由 Claude 驱动，提供自托管和模板，用免费试用吸引用户。
• Lovable：一个轻量级的应用，将 GPT 和 Claude 封装在简洁的的界面中。

这些公司拥有强大的品牌和令投资人垂涎的 ARR 数据，它们也确实在做大整个 AI 应用的市场，用 VC 的钱补贴用户，它们向整个行业证明了，某个特定场景下的市场需求有多么巨大。

但这是一种危险的权衡。

当它们把市场培育成熟时，也等于向上游的「制毒师」们发出了一个清晰的信号：「快看，这里的用户有强烈的需求，这块市场可以收割了！」

而「制毒师」们，不会忽视这个信号。

在 AI 领域，YC 的每一期 Demo Day，或者每一轮新的风险投资公告，我们都能看到相似的故事在上演。我们这里讨论的还只是编程工具这一个细分赛道，同样的动态，正在并且将会在其他快速增长的领域不断复制：会议纪要、AI 心理咨询、创意写作助手……等等。

不过，这样的观点也并非所有人都认同。比如有人就指出：

真实世界中的运作模式往往恰恰相反，生产者赚得很少，真正的利润反而物流和分销环节。

也有一线从业者认为，把 Cursor 看作简单的「套壳厂」或「经销商」标签，掩盖了技术价值链的复杂性。

AI 套壳厂的定义到底是什么？如果 Cursor 是 OpenAI 的套壳厂，那 OpenAI 是不是英伟达的套壳厂？英伟达又是不是台积电的套壳厂？」

在技术栈的每一层，价值和依赖都是相对的，护城河是动态变化的。就像 Netflix 整合上游的拍摄资源同时创造出自己的价值一样，下游应用并非没有创造力。

Cursor 的支持者认为，tab 自动补全就是 Cursor 的核心护城河，体验远超 Copilot，用户会愿意为此单独付费。

两种未来：被吞噬，还是等来商品化？

从这里开始，摆在所有「AI Wrapper」面前的，是两条截然不同的岔路。

未来一：模型商走向台前，「套壳厂」被彻底吞噬

这是最悲观，也最可能在短期内发生的未来。

当基础模型提供商（也就是「实验室」）决定自己直接服务终端用户时，「套壳厂」们的生存空间就会被彻底挤压。

风险投资机构 Foundation Capital 指出，这种威胁绝非理论。

因为作为无数 AI 应用的骨干，大型模型实验室拥有一个「上帝视角」，可以清晰地看到整个生态系统中哪些领域正在驱动大量的 API 调用、哪些新应用正在快速增长、哪些功能最受欢迎。

凭借这些信息，它们可以迅速锁定有前景的用例，并将其直接整合进自己的原生产品中。

他们一张图，生动地描绘了这个「价值链挤压」的过程。

起初，基础设施层（如芯片、云计算）和模型层占据了大部分价值。应用层百花齐放，但利润微薄。随着时间推移，模型层会不断向下游渗透，将那些被验证过、需求最广泛的应用功能，直接集成到自己的核心产品中。

对于那些只做了一层「漂亮皮囊」、没有构建起真正壁垒的「套壳厂」来说，这无异于灭顶之灾。它们的护城河，可能只有一张 UI 设计图那么深。

未来二：智能体时代，「套壳厂」迎来新生

这是更乐观，也更遥远的未来。

在这个未来里，基础模型本身会变得像电力、自来水一样的基础设施。而用户的产品需求则在不断提高，最终来到智能体时代。

Foundation Capital 将 AI 应用的发展划分为三个浪潮：

• 包装厂时代 (Wrapper era)。一个聪明的 Prompt 加上一个漂亮的 UI，构建简单，复制也简单。
• AI 原生时代 (AI-native era)。开始构建自定义数据管道，将 AI 深度嵌入工作流，但仍然面临被平台挤压的风险。
• 智能体时代 (Agentic era)。竞争的门槛再次被抬高：仅仅利用强大的模型已经不够了，你必须构建一个能够随着时间推移、通过与真实世界交互而不断学习和改进的智能系统。

当模型性能不再是 OpenAI、Anthropic 等少数几家巨头的专利，而是变成一种可以轻松获取的、商品化 的能力时，竞争的焦点就会从「谁拥有最好的模型」转移到其他维度。

这个趋势的背后，是开源模型的崛起。Qwen、DeepSeek 等模型的出现，让企业和开发者可以用更低的成本，获得足够好的模型性能，甚至进行深度定制和私有化部署。

在 Agentic 时代，真正的护城河不再是历史数据的存量，而是与真实用户在真实工作流中的实时反馈闭环。

巨头或许拥有海量数据，但它们看不到跨产品、跨工具的真实工作流程。而创业公司恰恰可以切入这些缝隙，通过观察端到端的流程，收集到「工作究竟是如何完成」的宝贵数据。

这种进化需要依赖强化学习 (Reinforcement Learning, RL)，让 AI 不再仅仅是 Copilot (副驾驶)，而是成为一个能自主学习和行动的智能体。

真正的价值，也许存在于以下五种策略中：

1. 掌握现实需求定制的工作流

企业流程中充满了各种边缘案例、异常情况和不断变化的规则。通用大模型很难处理所有行业的变化，但专注的创业公司可以变复杂为优势。例如，保险理赔流程因保单、地区和法规而异。初创公司 Fulcrum 设计的 AI 系统在遇到模糊情况时会让人类专家介入，并从专家的处理方式中学习，逐步建立起一个处理异常情况的知识库。

2. 在模糊领域创建专有反馈闭环

在那些没有唯一正确答案、结果好坏很主观的领域，大模型难以训练。初创公司可以定义自己领域内的「成功标准」，并以此为基础创建反馈闭环。例如，PlayerZero 的代码智能体通过持续分析代码库、工单和遥测数据中的故障与解决模式，不断优化自己对分布式系统行为的理解。

3. 掌控执行层

护城河也可以来自深入到大公司不愿意触碰的、混乱的技术栈底层。例如，Maximor 专注于企业 ERP 系统周围的「影子流程」——那些存在于电子表格、桌面脚本和非官方 SOP 中的工作方式。他们的 AI 工具观察这些真实行为，生成反映实际工作流程的智能体剧本。

4. 聘请领域专家并与客户深度绑定

构建强大的 AI 应用需要深刻的领域知识。Regie.ai 是一家为销售团队开发 AI 智能体的公司，其领导团队中有许多是前销售和营销高管。他们不仅招聘懂行的人，还让工程师和产品团队深入客户一线，与销售代表并肩工作，以确保他们的 AI 优化的是真实商业影响，而不仅仅是发送邮件数量等表面指标。

5. 保持高速，深入细节

AI 时代，速度是创业公司的超级武器。更早发布产品意味着更早收集用户数据，触发更多的反馈循环，从而更快地改进模型。但快不代表马虎。创始人必须亲自下场，研究每一个边缘案例，内化流程中的每一个痛点，才能构建出真正高效的智能体。

总结一下，在一个乐观的未来，当模型本身不再是壁垒时，「套壳厂」们有机会建立起新的护城河。

• 专有数据：用特定领域的数据对开源模型进行微调，打造出在某个垂直场景下性能远超通用大模型的产品。
• 工作流整合：深度嵌入到用户的特定工作流中，成为不可或缺的一环。这不仅仅是提供一个聊天框，而是改造整个生产流程。
• 分销渠道：建立起强大的销售网络和用户社区，通过品牌和信任锁定客户。
• 极致的用户体验：在某个细分领域，将用户体验打磨到极致，创造出远超巨头通用产品的体验。

简单来说，当核心模型可以被轻易获取和仿制时，「套壳厂」的价值就不再只是「分销」，而是「调酒」——将不同的基酒 (模型)、辅料 (数据、工作流) 和技法 (UX) 结合起来，为特定客户调制出独一无二的「鸡尾酒」。

小结

Cursor 的隐忧，也是整个 AI 应用创业生态的隐忧。

它揭示了一个事实：在技术范式变革的早期，离核心技术最近的地方，拥有最大的定价权和价值捕获能力。

对于所有奔跑在 AI 应用赛道的创业者来说，那个曾经被奉为圭臬的 PMF，如今必须让位于一个更严峻的问题：你的 BMPF (商业模式-产品契合) 健康吗？

补贴不是商业模式，它最多只能是通往运营效率或结构性护城河的一座桥梁。

而营销的价值在于分发，而不是伪造产品价值。

如果你的商业模式里，暗含着对用户的经济补贴（比如在可变成本业务上提供「无限」套餐），那么你所谓的 PMF，就永远没有得到过真正的验证。

Cursor 不得不做出选择。如果它继续补贴重度用户，它可以维持增长的表象，但无法宣称自己拥有明确的 PMF。如果它开始按成本比例收费，一部分用量会消失——而剩下的那部分，才是它真正的市场。

幸运的是，被上游吞噬并非唯一的宿命。通过深入垂直领域，构建无法被轻易复制的学习系统和数据闭环，应用层公司依然有机会建立起坚固的护城河。

对于创始人们来说，现在最应该在夜深人静时拷问自己的问题是：

我的用户，到底是需要我的产品，还是……只是需要我的补贴？

以及，当模型能力成为标配后，我真正的、不可替代的价值是什么？

这些问题的答案，将决定一家 AI 创业公司，最终是成为牌桌上的玩家，还是巨头牌局里的一张废牌。

本文参考来源：

• Cursor’s Problem
• I: Claude Is the Drug, Cursor Is the Dealer
• When model providers eat everything: A survival guide for Service-as-Software startups