企业收入的百分之八十,来自百分之一的客户。这是瑞普的数据在 OpenAI 与 Anthropic 身上看到的结果,报告把这种集中度形容为其他软件品类里从未见过。多数产品团队会把它当成聚焦的胜利。可同一种形状,也能在一个星期里抹掉一个季度。

平均值底下那层分布,才是值得盯住的东西。企业的人工智能中位支出是每位员工每年十一点九五美元。支出排名前百分之一的企业,中位数是每位员工七千四百美元,差距大约六百倍。同一品类里的两个中位数,几乎属于两种不同物种的买家。任何把它们揉成一条干净直线的报表,对谁都没有说真话。

这种形状并不只出现在大模型实验室。

公司集中程度数字背后的含义
OpenAI 与 Anthropic百分之一客户贡献八成企业收入少数账户决定整条曲线
Anthropic五十亿美元收入中约十二亿来自两款工具两个合作方约占四分之一
Doximity一百一十六家年付五十万美元以上的客户贡献八成四收入极窄的大额合同底座
Nvidia二零二七财年四成四收入来自三家客户需求堆在产业链顶端
软件支出中位十一点九五美元对头部七千四百美元六百倍的投入强度差

这些是互不相干的行业,却共用一张画像。一小撮账户不再像客户,更像基础设施。抽掉其中一个,模型不会轻微弯曲,整座结构会围着那个洞重新组织。Doximity 那一百一十六家年付五十万美元以上的客户,不是通常意义上的细分人群,而是生意踩着的那块地板。

接下来这部分会让策略制定者不舒服。集中本身既不是缺陷,也不是美德,多元化更不是自动生效的解药。把极少数顶级客户服务到极致,是一种自洽的战略;当产品需要深度集成和漫长实施,这往往是唯一说得通的选择。危险在于把这种选择当成了意外。一支从没正视过依赖的团队,既给它定不了价,也上不了保险,更谈不上绕着它做设计。

负债以特定的模样出现:相关性风险。某一家实验室的股权变更,能在一周内把数十亿美金在竞争者之间搬走,产品质量没变,漏斗里也没有任何预警。建立在平均行为上的流失模型看不到这一天,因为普通用户什么都没变,动的只是那头鲸鱼。盯留存百分比的仪表盘,会一直报告风平浪静,直到悬崖出现在脚下。

核心用户也不吃显而易见的那套办法。Pendo 的数据显示,没有专项推动时,核心用户对新功能的采用率只有百分之二十四。用得最重的人恰恰最难被撬动,熟悉养出一套稳固的惯性,新按钮在他们眼里是摩擦,不是承诺。给头部人群发更多公告,带来的改变常常比发更少、更准的提醒还要小。注意力不等于影响力,密度也不等于相关性。

还有一层反直觉:头部客户往往最不愿意被当成样本来研究。他们的用法高度定制化,常规问卷和可用性测试里几乎看不到他们的影子。把他们的行为写进通用教程,对绝大多数用户毫无帮助;可完全不看他们,又等于把收入最厚的那块交给直觉。最稳妥的做法,是把大客户当成一条独立的服务线来经营,而不是当作普通用户里长得比较高的那几个。

对宿主平台来说,务实的回应是治理,不是崇拜。一套审核并分发第三方服务的运行时,应当知道哪些服务扛着不成比例的活跃度,以及这些服务的背后站着哪些主体。这不是要给赢家断粮,而是要在足够早的时候看见依赖,好决定是加深它、复制它,还是靠可迁移的数据与统一身份让关系少一点脆弱。

共享的事件契约,正是这种可见性的来源。同一套结构在记录某服务交易额的同时,也记下这些交易由多少互不相同的买家产生,于是宿主分得清真实的广度和一个过分热情的商户。集中度于是变成一个可测量的输入,而不是季度末的惊吓。目标不是把曲线人为压平,而是搞清楚整门生意悄悄踩在哪些账户上,并在其中某一个挪开的那天,手里已经有一套方案。

参考来源