AI 应用是否真正盈利，不能用收入增长、用户数量或收购价格单独判断。尤其在模型调用、云资源、第三方 API、客服和退款等成本会随使用量变化的产品中，账面收入增加并不代表每新增一个用户都能带来正向贡献。验证盈利，核心是把“有人使用”拆解为“有人付费、付费可持续、收入覆盖完整成本”。

先统一“盈利”的口径

至少要区分三种结果：收入超过模型调用和基础设施等直接成本；收入能够覆盖日常运营支出；扣除人员、营销、客服、退款及其他费用后，净利润仍为正。若只知道产品已经收费，却不知道成本结构，就不能轻易使用“盈利”这个结论。

对 AI 应用而言，最重要的不是一次性购买，而是用户是否持续使用。可以重点观察：付费用户的续费或复购情况、用户使用频率是否稳定、重度用户是否带来过高推理和存储成本，以及客服和人工修复是否随着规模同步增加。一个看似高价的客户，如果需要大量人工交付，未必比低价但高度自助的用户更有价值。

用单位经济模型验证

最小验证单元可以设为“一个付费用户在一个周期内的贡献”：

用户贡献 = 实收收入 − 模型与云资源成本 − 第三方服务成本 − 支持和交付成本 − 退款成本

这里不需要一开始追求复杂财务模型，但必须按真实用户记录数据。若产品采用订阅制，应观察用户是否在首次体验后继续付费；若采用用量收费，则要判断收入增长是否快于调用成本增长；若依赖模板、企业服务或一次性交付，则要分别核算每类收入的毛利，不能混在一起计算。

把收购价值与经营利润分开

Base44 被 Wix 以公开报道中的 8000 万美元收购，并不等于创始人已经从订阅收入中获得同等利润。收购价格可能包含产品技术、早期用户、增长势能、创始人能力以及与收购方业务的协同价值。它证明产品资产受到认可，却不能替代收入、留存和成本数据。

因此，评估 AI 应用时应建立一条可核验链路：用户为何进入，多久完成首次有效任务，为什么愿意付费，付费后是否持续使用，每增加一个用户会增加多少成本。若只能展示生成速度和访问量，却无法说明付费留存与单位贡献，项目更接近技术演示，而非已验证的盈利业务。