所有营收都能盈利，恰恰说明规模还不够大

开篇

订阅者朋友，最近Perplexity AI首席执行官Aravind Srinivas在采访中说了这样一句话。

“我们从所有营收中都能获得正毛利率，这与其他公司不同。”

乍一听，这似乎是件了不起的事。在大多数AI初创公司都深陷亏损的当下，每赚一美元营收就能盈利？但紧接着的下一句话就很微妙了。“但公司整体上还没有实现盈利。”

我从这两句话的组合中，发现了一个熟悉的模式。从GTM战略的角度来看，这与其说是自信的表达，不如说更接近于承认自己尚未达到规模，是为下一轮融资准备的IR宣言。今天我想聊聊，为什么这句自白很重要，以及AI搜索平台真正的胜负手在哪里。

“所有营收都盈利”——这句话的真正含义

让我们用数字来拆解一下Srinivas的说法。Perplexity在2024年的营收约为3,400万美元，年现金消耗约为6,500万美元。截至2025年年中，ARR¹​已飙升至约1亿4,800万美元，公司目标是到2026年底达到6亿5,600万美元。

不过这里有个有趣的数字。Perplexity报告称其毛利率为60%，但有分析对这一数字提出了质疑。据The Information报道，Perplexity在2024年为AI模型和基础设施支出了约5,700万美元，其中用于支持免费及试用用户的3,300万美元，被归类为“研发费用”而非“销售成本”。如果将这笔费用计入销售成本，那60%的毛利率就会变成负数。

打个简单的比方。假设你经营一家咖啡馆，卖给付费顾客的咖啡确实赚钱。但如果把每天用于免费试饮的咖啡成本记作“营销费用”，那咖啡馆的总利润看起来就会很亮眼。问题在于，当那部分免费试饮的成本比付费咖啡的营收还大的时候。

Srinivas所说的“从所有营收中都获得利润”，如果只看付费客户，这话是对的。但那只是这门生意的一半而已。

平台商业模式中熟悉的两难困境

这种结构我以前见过。就是Notion。“别到处折腾了，一个地方全搞定。” 这是Notion早期主打的价值主张。Perplexity本质上也在讲同样的故事。“检索、RAG²​、编排调度跨多个模型路由，因此高效，能减少上下文切换³​。”

这种“一站式平台”价值主张，有着清晰可辨的成长模式。

**初期：大量引入免费用户，成本全部由公司承担。**这一时期，销售成本结构必然会出现“窟窿”。Notion在2018年之前也完全免费，2020年又重新推出免费方案，全力押注增长。

**转化期：部分免费用户开始转为付费用户，此时的关键指标是付费转化率。**Notion的1亿用户中，约有400万是付费客户。转化率约为4%。而这4%创造了每年4亿美元的营收。

达成规模后：一旦付费用户池足够大，营业利润就会呈爆发式增长。Notion在2018年开始收费后，即便团队规模很小，也立即实现了盈利，此后为了增长投资而有意接受了亏损。

那么Perplexity目前处于哪个阶段？MAU⁴​为3,000万至4,500万，付费转化率估计为2%至3%。这意味着从GTM战略角度看，它还处于转化期的初期。

我的工作正是制定和执行这类战略。实际上，Notion曾是我的客户，鲜活的故事在Youtube和Speakerdeck等平台上都有，随时可以查看！（而且是免费的！）

功能多不代表能赢

这里有一个重要的教训。做过IT产品策划和开发的人应该都知道，功能的多少并不能决定产品的成败。

Notion就是个很好的例子。若单看发布时的功能，Evernote的功能更多。与微软生态系统的兼容性，OneNote更是碾压级的存在。但Notion能赢，靠的是“用户可以按自己的方式组织工作空间”这一种体验。决定胜负的不是功能，而是使用体验。

**Perplexity现在正走着一条相反的路。**Comet浏览器、购物枢纽、邮件助手、健康工具、金融分析、专利检索——功能扩张的速度非常快。Srinivas本人说的“通过路由多个模型来实现高效”，其实也是同样的逻辑。

但这里就产生了一个问题。使用Perplexity的用户会怎么向朋友介绍它？“是AI搜索，还能显示来源，挺好用”——这个说法很清晰。但如果变成“还能当浏览器用，还能购物，还能读邮件……”，信息就变得模糊了。

在AI聊天机器人市场，Perplexity的市场份额约为6%至8%。在ChatGPT占据82%份额的市场里，Perplexity靠功能扩张去竞争并不是一个能赢的结构。相反，树立“搜索就是Perplexity最强”这一个确定的认知，要重要得多。

嗯？现在不是智能体时代吗？拿智能体来宣传不就行了！并不是这样的。Perplexity目前在做的Compute，以及推出的功能，严格来说并不是智能体。这与Meta的Manus、Claude的Dispatch、OpenClaw完全是不同的概念。它反而是在不断拉长战线。而且从你自己的角度想一想，如果非要用一个智能体，你会用哪个？

Oswarld视角

坦白说，听到Srinivas那段采访时，我的第一反应是担心。从GTM战略的视角来看，“我们赚的每一分钱都是有利润的”这句话，读起来更像是为了安抚投资者而设计的叙事。真正重要的问题是“赚得是否足够多”，而这个问题的答案是“还不够”。

Perplexity真正的风险并不是利润率。有三件事更让我担心。

第一，内容版权诉讼。《纽约时报》、道琼斯、BBC等主要媒体接连提起诉讼，与出版商之间的收入分成协议也在不断增加。这不只是简单的法律风险，而是一种结构性成本——一定比例的营收会永久性地流向外部。

**第二，广告模式的不确定性。**公司在2024年引入了广告，却在2025年10月停止了新广告商合约的签订。媒体采购方以“规模过低、ROI不明确、CPM效率低”为由，不愿积极投入。

**第三，也是最本质的问题：“为什么必须是Perplexity”，这个问题的答案依然不够清晰。**谷歌正在强化AI搜索，ChatGPT加入了实时搜索，浏览器内置AI也已成为大势所趋。Perplexity独有的、不可替代的体验究竟是什么，目前还不明确。人们如果追求通用性会用Google的Gemini，追求卓越会用Claude，想到普及性会用ChatGPT。就算站在广告商的角度考虑市场份额或小众客户群，Perplexity也不是一个有吸引力的选择。

依我的经验，一个平台要成功，关键不在于功能的数量，而在于“用户为什么会回来”。Notion的答案是“能按我自己的方式组织一切”。Perplexity本可以是“带出处的准确答案”。但如今这样不断扩展到浏览器、购物、邮件，核心价值是否正在被稀释，这一点值得重新审视。

结语

就我个人而言，当Perplexity曾说自己不是搜索引擎而是答案引擎的时候，那个定位真的非常清晰，也让人觉得它会有所作为。而现在，说实话……我完全看不清了。甚至觉得有点消极。但，还是应该为它加油吧？

Perplexity所谓“所有营收都盈利”的说法，如果只看付费客户的单位经济效益，是成立的。但如果把公司整体的成本结构和付费转化率一起看，这并非健康的证明，而是一个尚未达到规模的平台典型的中间阶段。

在AI平台的竞争中，决定胜负的不是功能数量，也不是模型路由的效率。而是能否用一句话说清“用户为什么用这个产品”，以及“这个理由是否值得用户去向别人宣传”。

下次当你看到某个AI服务的财务业绩发布时，我建议先确认一件事，而不是先看毛利率的数字。“这个利润率是以全体用户为基准，还是只以付费用户为基准？”——光凭这一个问题，数字背后的脉络就会变得清晰起来。

参考资料与延伸阅读

• The Information，“What’s Helping Perplexity’s 60% Gross Profit Margin”，2025年5月。：深入报道了Perplexity 60%毛利率背后隐藏的会计分类争议，是本期通讯的核心依据之一。
• Sacra，“Perplexity Revenue, Valuation & Funding”，2025年。：对Perplexity的财务数据、商业模式、竞争格局梳理得最为系统的研究。
• Contrary Research，“Perplexity Business Breakdown & Founding Story”，2025年。：从业务结构角度分析成本分类争议和出版商诉讼问题的报告。
• Tomasz Tunguz，“Gross Profit per Token”，2025年12月。：以每token为单位比较分析AI企业毛利率的文章。令人印象深刻的是，Perplexity的营收估值倍数（222倍）为最高。
• Contrary Research，“Notion Business Breakdown & Founding Story”，2025年。：分析Notion平台战略与成长过程的报告，可用于与Perplexity的商业模式做对比参考。
• TechCrunch，“AI Startups’ Margin Profile Could Ding Their Long-Term Worth”，2024年1月。：分析AI初创公司总利润率结构性低于SaaS企业原因的文章。

作者安光涉是世宗大学经营学教授，也是 OBF（Oswarld Boutique Consulting Firm）首席顾问。他在大学教授经营数据管理、商业分析等统计与数据分析课程，同时在产业现场负责 GTM 与人工智能战略咨询，设计技术与商业的连接方式。他曾发表关于 AI 对话系统记忆架构（HEMA）的学术论文，并运营每日策展全球 AI 论文的 Daily Arxiv 项目。他毕业于高丽大学技术经营专业研究生院与 KMBA，著有《把思考交出去的人：Homo Brainless》。

注释

1. ARR（Annual Recurring Revenue）：年度经常性收入。指订阅制商业模式中，预计一年内产生的定期营收。可以理解为Netflix的月订阅费×12个月×订阅用户数。 ↩

2. RAG（Retrieval-Augmented Generation）：AI在回答时检索外部文档作为参考的方式。AI不只依靠自己已知的内容作答，而是实时查找相关资料来补充依据。 ↩

3. 上下文切换（Context Switching）：指在多个应用或工具之间来回切换作业。比如在Slack上查看消息，转到Google Docs，再回到Jira查看工单。有研究分析指出，知识型员工每年因应用间切换而消耗约32天（按工作日计算）。 ↩

4. MAU（Monthly Active Users）：月活跃用户数。指一个月内至少使用过一次该服务的独立用户数量。由于只安装应用却不使用的用户会被排除在外，因此这是反映实际服务使用程度的指标。 ↩