「每一筆營收都有利潤」這句話，其實代表著還未被充分使用

前言

各位訂閱者，最近 Perplexity AI 的執行長 Aravind Srinivas 在專訪中說了這樣一段話：

「我們每一筆營收都能產生正向的總毛利，這與其他公司不同。」

乍聽之下，這聽起來非常了不起。在大多數 AI 新創公司都深陷虧損的當下，竟然說每一美元營收都有利潤？但緊接著的下一句話卻很耐人尋味：「但公司整體而言，我們尚未實現盈利。」

我從這兩句話的組合中，發現了一個熟悉的模式。從 GTM 策略的角度來看，這與其說是自信的表露，不如說是尚未達到規模化的坦白，也是為下一輪融資所做的 IR 聲明。今天我想聊聊，為什麼這個坦白很重要，以及 AI 搜尋平台真正的勝負手究竟在哪裡。

「每一筆營收都有利潤」— 這句話的真正含義

讓我用數字來拆解 Srinivas 的說法。Perplexity 2024 年的營收約為 3,400 萬美元，年度現金消耗約為 6,500 萬美元。截至 2025 年中，ARR¹​ 已急劇成長至約 1 億 4,800 萬美元，並設定了到 2026 年底達到 6 億 5,600 萬美元的目標。

但這裡有一個有趣的數字。Perplexity 報告了 60% 的總毛利率，但有分析對這個數字提出了質疑。根據 The Information 的報導，Perplexity 在 2024 年用於 AI 模型和基礎設施的支出約為 5,700 萬美元，其中用於支援免費及體驗使用者的 3,300 萬美元，被歸類為「研發費用」而非「營業成本」。如果將這部分費用納入營業成本，60% 的總毛利率就會變成負數。

簡單類比一下：你開了一家咖啡館，賣給付費客戶的咖啡確實有利潤。但如果你把每天免費試飲的咖啡成本歸入「行銷費用」，咖啡館的總毛利看起來就會很漂亮。問題在於，當免費試飲的成本超過付費咖啡的營收時，事情就不一樣了。

Srinivas 說「每一筆營收都有利潤」，如果只看付費客戶，這句話確實沒錯。但這只看到了這個業務的一半。

平台業務的經典困境

這種結構我見過。就是 Notion。「別到處跑，一個地方搞定所有事。」 這是 Notion 早期主打的價值主張。Perplexity 本質上也在講同一個故事。「我們跨多個模型進行搜尋、RAG²​ 和編排調度，所以效率更高。能減少情境切換³​。」

這種「一站式平台」的價值主張，有一個非常明確的成長模式。

初期：大量引入免費使用者，但成本完全由公司承擔。 這個階段的營業成本結構必然會出現「缺口」。Notion 在 2018 年之前完全免費，2020 年重新推出免費方案後，全力押注成長。

轉折期：部分免費使用者開始轉為付費。此時的核心指標是付費轉換率。 Notion 有 1 億名使用者，其中約 400 萬名是付費客戶，轉換率約 4%。但這 4% 創造了每年 4 億美元的營收。

規模達成後：付費使用者池足夠大的那一刻，營業利潤就會爆發式增長。Notion 在 2018 年開始收費後，即使是小團隊也立即實現了盈利，之後為了成長投資而主動選擇承受虧損。

Perplexity 目前處於哪個位置？MAU⁴​ 約 3,000 萬至 4,500 萬，付費轉換率估計為 2~3%。這在 GTM 策略中意味著還處於轉折期的早期階段。

我的工作是制定並執行這類策略。實際上 Notion 就是我的客戶之一，生動的分享內容可以在 YouTube 和 Speakerdeck 上找到，隨時歡迎觀看！（免費的！）

功能多不一定能贏

這裡有一個重要的教訓。規劃和打造過 IT 產品的人應該知道，功能的數量並不決定產品的成敗。

Notion 就是一個很好的例子。單看上市時的功能，Evernote 比它更多。與微軟生態系的相容性，OneNote 更是碾壓級別。但 Notion 贏在 「使用者可以按自己的方式組建工作區」 這一個體驗上。決定的不是功能，而是使用體驗。

Perplexity 現在走的恰恰是相反的路。Comet 瀏覽器、購物中心、郵件助理、健康工具、金融分析、專利搜尋——正在快速擴展功能。Srinivas 本人說「跨模型調度所以效率更高」，也是同一個脈絡。

但這裡就產生了一個問題。使用 Perplexity 的使用者會怎麼向朋友介紹？「AI 搜尋，而且會顯示來源，所以很好」——這很明確。但如果是「它也是瀏覽器，也能購物，還能讀郵件……」這樣下去，訊息就模糊了。

在 AI 聊天機器人市場中，Perplexity 的市佔率約為 6~8%。在 ChatGPT 佔據 82% 的市場中，Perplexity 靠功能擴展來競爭，結構上就贏不了。反而應該深耕「搜尋就是 Perplexity 最強」這一個明確的认知，這才更重要。

欸？不是代理（Agent）時代了嗎？用代理來行銷不就好了！不是的。Perplexity 現在做的 Compute 和推出的功能，嚴格來說不算代理。跟 Meta 的 Manus、Claude 的 Dispatch、OpenClaw 是完全不同的概念。反而是在不斷擴展前線。而且說實話，從你們的角度來看，如果要使用代理，你們會用什麼？

我的觀察

老實說，我聽 Srinivas 那段專訪時，心裡有些擔憂。從 GTM 策略的角度來看，「我們每賺到一美元都有利潤」這句話，讀起來更像是為了安撫投資者的敘事。真正重要的是 「我們賺得夠多嗎？」，而這個問題的答案是「還不夠」。

Perplexity 真正的風險不是毛利率。有三件事更讓我擔心。

第一，內容版權訴訟。 《紐約時報》、道瓊斯、BBC 等主要媒體紛紛提起訴訟，與出版商的收益分潤協議也在增加。這不只是單純的法律風險，而是營收中固定比例永久流向外部的結構性成本。

第二，廣告模式的不確定性。 2024 年引入廣告後，2025 年 10 月又停止了新廣告主簽約。媒體採購方以「規模小、ROI 不明確、CPM 效率低」為由，積極投放的意願不高。

第三，也是最本質的問題——「為什麼要用 Perplexity？」這個問題的答案還不夠清晰。 Google 正在強化 AI 搜尋，ChatGPT 加入了即時搜尋，瀏覽器內建 AI 的時代正在來臨。Perplexity 獨一無二、不可替代的體驗是什麼，目前還不夠明確。人們為了通用性會用 Google 的 Gemini，為了卓越會用 Claude，想到通用性就會用 ChatGPT。從廣告主的角度來看，不管是市佔率還是利基客群，Perplexity 都不是有吸引力的選擇。

以我的經驗，平台要成功，關鍵不是 功能的數量，而是「使用者回來的理由」。Notion 的理由是「我可以按自己的方式組織一切」。Perplexity 可以是「帶有來源的準確答案」。但像現在這樣擴展到瀏覽器、購物、郵件，核心價值是否正在被稀釋，值得重新檢視。

結語

個人覺得，當 Perplexity 說自己不是搜尋引擎而是「答案引擎」的時候，真的很鮮明，感覺要成為什麼大事了。但現在嘛……說實話，我完全看不出來。甚至有點負面。不過，還是該支持一下吧？

Perplexity「每一筆營收都有利潤」的說法，如果只看付費客戶的單位經濟，確實是事實。但把公司整體的成本結構和付費轉換率放在一起看，這不是健康的證據，而是一個尚未達到規模化的平台的典型中間階段。

在 AI 平台競爭中，決定勝負的不是功能數量或模型調度的效率，而是「使用者為什麼用這個產品」能否用一句話說清楚，以及 「這個理由是否值得使用者主動推薦」。

下次看到 AI 服務的財務報告時，建議在總毛利數字之前，先確認一件事：「這個毛利是基於全部使用者計算的，還是只基於付費使用者？」——光這一個問題，就能讓數字背後的脈絡變得清晰。

覺得有幫助嗎？分享給更多人

複製連結XLinkedInThreadsKakaoTalk네이버 밴드

參考資料 & 延伸閱讀

• The Information, “What’s Helping Perplexity’s 60% Gross Profit Margin”，2025 年 5 月。：深入報導 Perplexity 60% 總毛利率背後的會計分類爭議，是本期電子報的核心依據之一。
• Sacra, “Perplexity Revenue, Valuation & Funding”，2025。：最系統性地整理了 Perplexity 的財務數據、商業模式和競爭格局的研究報告。
• Contrary Research, “Perplexity Business Breakdown & Founding Story”，2025。：從商業結構角度分析費用分類爭議和出版商訴訟議題的報告。
• Tomasz Tunguz, “Gross Profit per Token”，2025 年 12 月。：以 Token 為單位比較分析 AI 公司總毛利率的文章。Perplexity 的營收估值倍數（222x）最高，令人印象深刻。
• Contrary Research, “Notion Business Breakdown & Founding Story”，2025。：分析 Notion 平台策略和成長歷程的報告，可作為與 Perplexity 商業模式比較的參考。
• TechCrunch, “AI Startups’ Margin Profile Could Ding Their Long-Term Worth”，2024 年 1 月。：分析 AI 新創公司總毛利率為何在結構上低於 SaaS 公司的文章。

作者 安光涉（Oswarld） 現任世宗大學兼任教授，INLEVEL9 策略顧問。職涯經歷、研究、著作與近期活動會持續更新在作者介紹。 最新動態 · 2026年7月：HEMA-2: A Consolidation-Aware Tri-Memory Architecture with Multi-Channel Scheduling for Lifelong Conversational AI。

각주

1. ARR（Annual Recurring Revenue，年度經常性營收）：指訂閱制業務中一年內預期的定期營收。可以想像成 Netflix 的月訂閱費 × 12 個月 × 訂閱者數，這樣比較容易理解。 ↩

2. RAG（Retrieval-Augmented Generation，檢索增強生成）：AI 在回答時搜尋外部文件作為參考的方式。不是只靠 AI 自己知道的內容來回答，而是即時搜尋相關資料來補充依據。 ↩

3. 情境切換（Context Switching）：指在多個應用程式或工具之間來回切換工作的狀態。例如在 Slack 上確認訊息，再切到 Google Docs，然後又回到 Jira 查看工單。研究顯示，知識工作者每年約有 32 天（以工作日計）花在應用程式之間的切換上。 ↩

4. MAU（Monthly Active Users，月活躍使用者數）：指一個月內至少使用過一次服務的獨立使用者數。只安裝了但沒使用的人不計入其中，因此是反映實際服務使用程度的指標。 ↩