不久前读到Srinivas Rao的《99%of AI Startups Will Be Dead by 2026—Here’s Why》。
其核心论点聚焦于三个关键维度：一是技术依赖性过强，多数AI工具对外依赖OpenAI的服务支持，对内依赖NVIDIA的芯片供给，缺乏自主研发的核心算法与系统根基；二是商业模式存在先天缺陷，不少创业项目仅以“AI赋能”为噱头博取资本关注，并未构建起可持续的盈利路径；三是行业周期性风险凸显，当前AI热潮与上世纪90年代互联网泡沫在市场情绪、资本逻辑等维度呈现出惊人的相似性。
坦率地讲，我认同这种AI行业洗牌的趋势，但Srinivas Rao或许并未说透现象背后的本质。
其实真正的核心症结在于：若没有足够的客户留存，AI这种商业模式就无法成立。而对AI领域的投资而言，这就像给一只无底的桶拼命加水——即便投入再多资源，最终也只会竹篮打水一场空。
实际上，无论是模型即服务（MaaS）、还是AI即服务（AIaaS），其收入逻辑都是订阅模式或按用量计费模式。这也意味着AI生意在本质上与SaaS遵循着相同的商业逻辑。
行业内有句共识：SaaS本质上是一门关于LTV的生意，其实AI同样如此。而决定LTV生意成败的关键变量，正是客户留存能力，这一指标通常用NRR来衡量。
因此，NRR不仅是SaaS企业的价值标尺，更是评判AI商业模式能否成立的核心准绳。
但不幸的是，整个AI行业正集体性地回避NRR这一关键指标。在各类AI融资发布会、行业论坛上，“ARR破亿”“技术领先全球”等高调宣传随处可见；但对于真正能反映留存真相的NRR，要么被绝口不提，要么用比芝麻还小的字体，藏在PPT角落一笔带过。
从行业零星披露的留存数据来看，即便是头部企业的留存率也已显露疲态，如ChatGPT。
更不要说那些中小AI创业公司的留存了。若要画出它们的留存曲线，更是“出道即谷底”。
在这种生态下，一家AI创业公司能扛过一年、还是熬不过三年，基本取决于资本的持续输血，而非自身的经营实力。
更值得警惕的是一种论调：“AI创业应先做起来，留存、收入和盈利，都是以后的事。”在我看来，这种说法就像考试不及格，却辩解“分数不重要”一样可笑。
那么，如何才能成为那1%的幸存者？
答案只有一个：让商业模式回归其成立的核心逻辑，而破局的关键就藏在NRR里。而要提升NRR，首先需找准其走低的根源。
当前AI公司的普遍套路是：靠概念噱头吸引大批早期尝鲜用户，但多数用户在新鲜感消退后便会流失，NRR自然随之持续下滑。
而解决NRR问题的核心，在于厘清“谁是真正的客户”：是愿意付费、且持续付费的“价值用户”，还是尝鲜即走的“流量游客”？
唯有将资源与资金精准投向那些追求实际价值的客户，留存率才可能真正改善。毕竟，用户尝鲜之后，最终追求的是借助AI达成实际业务成果，而非停留在技术体验层面。
其实，一家AI创业公司成败的分水岭，就藏在NRR中。
当面临“持续投入？”“还是及时转向？”的抉择时，这里有一个参照SaaS行业的简单决策方法。
以90天（即M3）为节点，若经过客户成功团队的干预后，NRR仍在持续下降，这便是极其危险的信号——它表明产品的初始吸引力，并未转化为持久的实用价值。
反之，若M3之后NRR曲线能趋于稳定，即便初始数值不高，至少意味着收入具备了基本的可预测性。此时再加大投入才更具合理性。
实际上，只要画出你的M3 NRR曲线，生存还是淘汰的趋势，就会不言自明。
在这场AI行业的“创造性破坏”中，唯有牢牢抓住客户留存这一核心，才有可能成为那1%的幸存者。
注：文/戴珂，文章来源：tobesaas，本文为作者独立观点，不代表亿邦动力立场。
<!-- 非定向300*250按钮 17/09 wenjing begin --> <!-- 非定向300*250按钮 end -->
</div>
