AI 熱潮退去後，真正留下來的是願意付費的工作場景

Perplexity 高層 Dmitry Shevelenko 近日指出，消費級 AI 應用的使用量在過去六個月已趨於平穩，並認為營收比用戶數更能反映科技公司的真實價值。他亦提到一個很重要的現象：AI 技術本身已經很強，但消費者行為未必跟得上，很多人仍然以舊式互聯網的方式使用新工具，令 AI 出現某種「能力過剩」。這番說法值得留意，因為它標誌著 AI 產業開始由第一階段的熱潮，進入第二階段的現實考試。

第一階段的 AI 很容易令人興奮。它能寫文章、改履歷、生成圖片、解釋概念、整理資料、寫程式、回答問題。對一般用戶來說，這種體驗有強烈的新奇感。以前要花半小時搜尋的資料，AI 幾秒鐘就能整理出來；以前不知道如何開始寫的文字，AI 可以即時生成初稿；以前需要問專家或大量查找的知識，AI 可以用一種看似清楚的方式直接回答。這種震撼，足以令大量用戶湧入，也足以令科技公司在短時間內取得極高關注。

但新奇感不是商業模式。

新奇感可以帶來註冊﹑試用﹑社交媒體截圖，甚至是短期估值。但新奇感很難長期支撐收入。因為當一個工具由「令人驚訝」變成「日常存在」，用戶就會開始問更現實的問題：它到底幫我解決了甚麼？我是否每天都需要它？它有沒有進入我的工作流程？它是否令我賺更多、做得更快、判斷更準、減少錯誤？如果答案不清楚，用戶就算覺得 AI 很厲害，也未必願意長期付費。

這是消費級 AI 使用趨緩的真正含義。它代表 AI 的玩具期正在結束。很多人已經試過 AI，知道它能做甚麼，也知道它有甚麼限制。最初的驚喜下降之後，用戶會自然分流。有些人只是偶爾問問題，這類使用很難轉化成高價值收入；有些人把 AI 當作搜尋替代品，價值比傳統搜尋高，但未必願意為此付很多錢；真正能留下來的是那些把 AI 放進工作流程的人。因為只有工作場景才會把 AI 從「好玩」變成「有成本效益」。

願意付費的是最清楚 AI 替自己節省了甚麼的人。

一個普通用戶可能覺得 AI 幫他寫幾句文案、整理旅遊資料、解釋一個概念很方便，但未必每月願意付高價。可是對一個研究員、工程師、律師、顧問、投資分析師、內容創作者、營運主管、產品經理來說，AI 如果能每天節省一至兩小時，或者提升一個決策的準確度，付費邏輯就完全不同。這時候，AI 是生產工具，價值來自「它能否直接改善我的產出」。

所以 AI 公司要證明有多少用戶離不開它。月活可以被好奇心推高，用戶數可以被免費策略堆出來，下載量可以被行銷活動製造，但收入與留存更難偽裝。尤其在 AI 服務成本高昂的情況下，每一次推理、每一次生成、每一次長上下文任務都涉及算力成本。如果大量用戶只免費使用，卻沒有付費轉化，平台反而會被自身流量拖累。AI 公司不能只追求更多人來玩，而要追求更多人願意為結果付費。

這也解釋為何 Perplexity 會強調營收而不是單純用戶數。根據《金融時報》報導，Perplexity 在轉向 AI agents 後，月收入上升，年經常性收入在 2026 年 3 月已超過 4.5 億美元；報導亦指出，AI agents 成本更高，令公司需要更多元的定價模式，包括訂閱與按用量收費。 這個方向很清楚：AI 產品如果越來越像工作代理，而不是單次問答工具，它就不能只靠廣告或免費流量支撐，是要讓重度使用者按價值付費。

這是 AI 產業由流量邏輯轉向工作流邏輯的關鍵轉變。

互聯網時代很多產品靠的是流量。只要用戶夠多，就可以賣廣告、做推薦、收佣金、建立平台網絡效應。搜尋、社交、短片、內容平台，都很大程度上建立在「注意力」之上。但 AI 的成本結構不同。傳統網頁多一個用戶，邊際成本相對低；AI 多一個重度用戶，可能代表更多推理成本、更多 GPU 時間、更多上下文處理、更多資料調用。尤其當 AI 從聊天走向代理，成本不會下降得那麼輕鬆。它是在即時運算。

所以，AI 公司如果仍然用社交平台的思維追逐用戶數就很容易出現錯配。用戶越多不一定越好，真正重要是用戶的使用場景是否能覆蓋成本，甚至創造高毛利。十萬個偶爾問天氣、改句子、玩梗圖的用戶，未必比一萬個每天用 AI 完成工作任務的付費用戶更有價值。AI 的核心指標會逐漸由「多少人來過」轉向「多少人把它放進不可替代的流程」。

這裡的「工作場景」不只是指企業辦公室，也包括任何有明確產出壓力的場景。工程師用 AI 寫 code、debug、重構；研究員用 AI 讀文獻、做摘要、建立假設；律師用 AI 初步整理案例；行銷人用 AI 生成方案與測試文案；創作者用 AI 發展題目、重組觀點；中小企用 AI 處理客服、報價、文件、庫存與社群內容。這些場景有一個共同點：它們為了完成任務。

當 AI 進入任務，付費才變得合理。

很多人對 AI 的誤解，是以為模型越強，用戶自然越多，收入自然越高。但技術能力與商業價值之間，中間還隔著一層「行為改造」。Shevelenko 提到，許多消費者仍以 Web 1.0 的方式使用 AI，未完全適應 AI 的強大功能，這正是問題所在。 如果用戶只是把 AI 當成更會說話的搜尋框，那 AI 的價值會被壓低；如果用戶學會把 AI 當成研究助理、寫作副手、編程代理、決策輔助、流程編排器，它的價值才會被真正釋放。

這也是為何 AI 產業下一階段不只是模型競爭，也涉及使用教育競爭。很多人不知道如何把 AI 嵌進自己的工作。他們會問簡單問題，但不會拆任務；會叫 AI 寫一段文字，但不會建立一套反覆使用的流程；會讓 AI 給建議，但不會讓它協助比較、驗證、迭代、追蹤。結果是，AI 明明有更高能力，但用戶仍然停留在低階用法。這種落差就是所謂能力過剩的真正意思：人的操作語法未成熟。

所以，AI 熱潮退去後，最有價值的公司會是最能幫用戶建立新工作習慣的公司。它們要做的不只是提供聊天框，也需提供可重複的流程、可保存的記憶、可連接的資料源、可追蹤的任務狀態、可驗證的輸出品質以及清楚的付費價值。用戶要看到的是「我不用它，工作會明顯變慢」。

這個轉變也會令 AI 市場重新分層。第一層是免費大眾工具，滿足偶爾查詢、簡單生成、生活輔助。第二層是專業訂閱工具，服務高頻工作者，例如工程、法律、金融、研究、設計、內容與顧問。第三層是企業級 AI 系統，直接嵌入公司資料、權限、流程與內部知識庫。真正的大錢，多數不會停留在第一層，而會集中在第二、第三層，因為那裡有更強的剛性需求，也有更清楚的成本節省與收益提升。

這並不代表消費級 AI 沒有前途。相反，消費級 AI 仍然會非常重要，因為它是教育市場、建立習慣、培養入口的地方。但消費級 AI 要真正變成穩定生意就不能只靠「大家都來試一下」。它要找到人們每天都會回來的理由。可能是個人助理﹑學習陪伴或個人知識庫。總之，它必須由偶然使用轉為日常依賴。

AI 的商業化難點正在這裡。它有太多用法都停留在「有用但不必付費」的中間狀態。用戶承認它方便，但未必覺得不可缺少，也承認它強大，但未必每天需要。這種中間狀態最危險，因為它可以製造龐大聲量，卻未必能支撐長期收入。真正能穿過這道門的產品必須把 AI 的價值從抽象能力轉成具體回報。

因此，AI 公司會越來越重視三個問題。第一，用戶是否高頻使用。第二，用戶是否願意付費。第三，用戶是否因為工作流程被改變而難以離開。這三件事比單純註冊人數重要得多。因為 AI 不是普通內容產品，它背後有昂貴的算力成本。如果沒有穩定付費與高價值場景，越多人使用可能越燒錢。這也是為何營收會成為比用戶數更可靠的指標。

從這個角度看，AI 熱潮退去反而是產業成熟的開始。任何新技術初期都會經歷一段幻覺期：大家先被能力震撼，然後資本湧入，產品暴增，媒體追捧，人人都說自己在做 AI。可是熱潮過後，真正的問題會浮現：誰真的解決問題？誰真的有人付費？誰只是把舊產品加上 AI 包裝？誰的使用量來自好奇心，誰的使用量來自依賴？

這場篩選會很殘酷，但也很必要。因為只有當泡沫退去，AI 才會從口號回到場景。真正留下來的是最能接住工作流的產品及最能讓人每天少浪費時間、少犯錯、多產出、多判斷、多完成任務的系統。

AI 熱潮退去後，真正留下來的是願意付費的工作場景。這句話把 AI 從幻想拉回現實。真正的 AI 革命會發生在一個個具體流程之中：有人用它完成報告﹑整理知識或做商業判斷。當 AI 從展示能力變成承擔任務，它才真正進入第二階段。

第一階段的 AI 問題是：它能做到甚麼？第二階段的 AI 問題是：誰願意為它付錢？而第三階段的 AI 問題，可能會是：它是否已經深到不能被取代。到那時候，AI 便是新的工作底盤。

Perplexity 高層示警：消費級AI使用趨緩 營收指標更勝用戶數