最近看了 Higgsfield 创始人 Alex 的一期长访谈，信息量非常大。Higgsfield 可以说是近几年 AI 应用层最成功的公司之一，我觉得这个访谈有非常大的参考和学习价值。
先说说 Higgsfield 的情况，可以说是全球范围内吃到了AI视频最大红利的公司。它做的是给出海品牌、跨境电商和短剧团队用的 AI 视频生产工具，核心卖点是能精准控制运镜和镜头。
创始人 Alex Mashrabov 上一家公司 AI Factory 以 1.66 亿美元卖给了 Snap。
Higgsfield 一开始并不顺：种子轮融了 1600 万美元，方向没想清楚，一年多烧掉 1000 多万，账上只剩最后一次试错机会。后来他们找了 8 位顶级广告公司和影视团队的创意总监聊，所有人都说了同一个痛点：**AI 视频没法控制机位。**带运镜控制的新版本一上线，业务随即爆发。
访谈里提到的几个关键数字（以下收入和团队数据按访谈口径整理）：
- ARR 10 亿美元，从 100 万到 10 亿只用了 18 个月，这个速度在商业史上仅次于 OpenAI 和 Anthropic，是应用层第一
- 超过50%的收入来自企业客户，12 个月的净收入留存（NRR）超过 300%
这些数字之外，我更想拆清楚五件事：用户为什么付钱、毛利从哪里来、案例怎么获客、壁垒怎么积累，以及团队怎样使用 AI。
1. 低价订阅是入口，商业客户才撑起客单价
Higgsfield 创始人认为每月 20 美元的单点 AI 工具，迟早会被 OpenAI、Google 这类通用入口吃掉。
这和我自己的体感非常像，我坚定认为通用agent是未来AI时代的核心入口，Codex 和 Claude Code 通过编程迈向通用，Muse 和 Cue 等则从 personal AI agent 切入。
但万变不离其宗，agent作为入口一定会越来越多集成更多的功能和插件，类似 Canva 的核心功能会越来越被大模型吃掉。
在AI应用出海中，$19.9的月费订阅非常普遍，很多人会掰着手指算月入万刀需要500个这样的用户就可以了，我也还处在这个阶段。
但Higgsfield 的核心指标截然不同，他们希望能让用户尽快升级成年付 1000 美元以上的团队，再走向企业方案，这是他们10亿美元ARR的根基。
按每月 20 美元计算，10 亿美元 ARR 对应约 417 万个持续付费用户。这个算术让我意识到：客单价和客户结构，会直接改变一家公司的增长难度。
现在其 B 端企业收入已经超过 50%，纯娱乐的 C 端用户不到 10%，剩下的大多是靠这个工具接单赚钱的专业个人。
**低价订阅可以当入口，但不能当终点。**能不能把客单价往上推，决定了这个产品有没有明天。
2. 同样做 AI 视频，毛利结构决定增长空间
这是一个我读下来比较反常识的观点，这类型套壳公司一般都会直接去调用API，但Higgsfield有基于电商领域专门优化光影一致性的模型和一些深度微调过的开源模型。
访谈给出的对比是：使用自研或深度微调过的开源模型，综合毛利能达到 80% 以上；调用第三方 API，毛利可能只有 20%～30%。这属于他们分享的业务口径，不能直接套到所有 AI 视频产品上。
与之相对应的是LibTV，两者基本是完全相同的商业模式，打法上一个偏短剧，一个偏电商设计；但两家的实际盈利能力，还需要公开财务数据才能比较。
LibTV就是典型的接入多个闭源 api provider，然后做产品功能壳子，同时依赖大量的补贴去抢占用户，这种路子说不上错，跟中国互联网公司传统思路一致。
我先免费或者低价让你进来，后面我再慢慢挣你的钱。但LibTV在毛利情况和盈利情况下应该是有一定承压的，后续他们也有上市的规划，等到出招股书我们后面可以详细分析一下。
如果团队具备算力和模型优化能力，可以把自部署、微调和调用 API 的成本放在同一张表里比较，再判断是否值得投入。
3. 用产品案例获客，让用户先看到结果
按访谈里的说法，Higgsfield 希望让全网最好的 AI 视频都出自他们的平台，甚至在内部立了不做付费广告投放的规矩。
他们近 400 人里有 150 多人是全职创意团队，专门做发布大片和逐帧教程，比如之前爆火全网的90 分钟的全 AI 长片，背后生成并筛选了 100 多个小时的素材，并把全部工程文件开源。
这个点我最近深有体会，最近自己做营销的时候，我发现最好的营销方式一定是产品的案例和解决问题的方案。
这种case是最能引起用户讨论和共鸣的，而AI视频的case显而易见就是亲自做的短剧、微电影等等，每个抖音爆火的视频下面，大家都可以看到问作者提示词，问作者工具的提问。
这里也要区分广告投放和网红合作。访谈中的“不投广告”，不能直接理解为获客完全没有营销成本。
以及我之前写过一篇 WaveSpeed 的文章，其实对比蛮明显，wavespeed是典型的API产品，用户的痛点就是稳定，用户往往是追求效率和性价比的程序员，他们的营销就是简单粗暴的广告。
而Higgsfield这种产品需要质感，需要用户的感性冲动，需要审美爆发，所以短视频和高质量内容是最好的传播方式，需要很好的分析产品对应的用户属性和使用痛点。
4. 商业结果和创作者生态，怎样形成壁垒
这点我也非常认可，AI应用层所谓的技术壁垒大多站不住，真正的护城河只有两个。
第一，直接交付商业结果。 不卖概念不卖信仰，就是给用户把账算明白，你用了我之后，能给你带来什么价值？
Higgsfield能围绕电商产品让他们不断快速持续产生高质量素材并去测品，比别的产品干得都好、都更能提供价值，这就是它的优势。
我觉得这是很多早期创始人陷入的一个误区，就是缺乏“换位思考”。你的产品是要帮用户解决问题，而不是在自嗨有多么厉害的一个功能。
所以我非常推崇的一个观点就是，一个好的产品的第一个用户一定是他的创始人。
第二，网络效应。 像 GitHub 那样，让创作者在别人的成果上 fork、二次创作。他们开源的工程项目，8 周内从 10 个涨到了 1 万多个。
在海外的生态里，开源是非常非常重要的一个生态，多做一些高价值的开源项目，一定对你产品的推广大有助益。
5. 模型额度是投入，跑通工作流才是产出
在 AI 公司，算力是最有价值的生产力工具。
访谈里说，Higgsfield 员工人均每月模型消耗超过 1 万美元，公司内部自用一个月超过 400 万美元。
一个非技术的创意员工，一周刷了 3 万多美元额度，连续五个晚上用自然语言写代码，自己搭出了一套自动剪辑流水线原型。他们准备把这类人的上限提到每月 5 万到 10 万美元。
目前我们小团队基本人手一个20x codex，后续应该会再加一个20x claude code，顶尖模型的使用效率和能力与差一点的模型完全不在一个层级。
AI时代，所有东西都必须要做到极其极其高效，而顶级模型就是效率的代名词，评判一个公司AI native与否最好的办法，应该就是自己能否高效利用AI替代绝大多数执行。
最后：增长越快，越要回到业务本身
访谈里有一段我印象很深。
Alex 在 Snap 的时候，Snap 市值一度冲到 800 多亿美元，内部弥漫着一种"我们会一直领跑"的乐观。他在访谈中提到，后来 Snap 的市值跌到了不到 150 亿美元。
所以哪怕 18 个月做到 10 亿美元 ARR，他说团队里也不敢有一丝自满。
「任何商业势能，都不可能天然地永远维系下去。」
这句话，送给所有正在做 AI 出海的人，也送给我自己。