中国每一家建立AI应用公司都需要认真审视一个问题：你的模型供应商有没有动机、有没有能力做你正在做的事情？

Cursor是全球增长最快、产品口碑最好的AI应用层公司之一，但它仍然面临毛利率为负、被上游模型公司正面竞争的困境。据业内披露，截至目前Cursor的毛利率仍处于负值，亏损的主要原因来自大量个人用户的使用，导致公司需要向上游模型供应商Anthropic支付巨额API费用，尽管其企业版产品能够实现盈利，但截至去年11月，Cursor年化收入中仅13.6%来自企业合同，收入结构的失衡进一步加剧了其盈利压力。即便Cursor已实现5亿美元的ARR，最新估值达到100亿美元，甚至有投资者以200亿美元估值寻求收购，但其对上游模型的重度依赖，仍让其陷入被动境地[superscript:3]。

如果连Cursor都守不住自己的位置，中国每一家建立在大模型之上的AI应用公司都需要认真审视一个问题：你的模型供应商有没有动机、有没有能力做你正在做的事情？

中国的情况既相似又不同。相似的是结构：大量AI应用公司建立在通义千问、DeepSeek、智谱等大模型之上，和Cursor建立在Claude之上的逻辑一样，上游随时可以变成对手。不同的是生态：中国的模型层比美国更分散，没有形成Anthropic和OpenAI的双寡头格局。阿里、字节、百度、DeepSeek、智谱、月之暗面，多个玩家并存，彼此竞争使得任何一家模型公司垂直整合全链条的难度更大。

这种分散性的生态，对应用层公司而言是一种阶段性保护——供应商越多，任何一个供应商变成竞争对手时，你的替代选项就越多，议价能力也能得到一定保障。Cursor的处境恰恰是反面教材：它对Claude的依赖过于集中，当Anthropic推出功能高度重叠的Claude Code时，Cursor因缺乏可替代的模型供应商，几乎没有还手之力，只能被动承受市场挤压。

但这个保护是暂时的。如果中国的模型层最终也走向集中——比如DeepSeek和通义千问拉开与其他玩家的代际差距，这种保护就会瞬间消失。从当前行业格局来看，DeepSeek与通义千问已展现出领先优势：DeepSeek虽在国内C端大众市场的热度不及豆包，但在技术能力、开发者生态和全球市场表现突出，其DeepSeek-V3.2在数学推理、代码能力上达到全球顶尖水平，海外日活曾一度超过国内，API价格更是低至GPT-4 Turbo的1%，吸引了全球大量开发者和企业客户；通义千问则依托阿里云生态，在办公、电商、金融等企业级场景快速渗透，App上线两个月MAU就突破1亿，增速迅猛。一旦这类头部模型公司进一步扩大优势，建立在这些模型上的应用公司，将面临和Cursor一模一样的结构性风险——上游的降维打击与挤压。

二级市场的直接冲击已经在发生。Anthropic在2026年初推出Claude Cowork后，全球SaaS板块蒸发了大约两万亿美元市值。这不是个别事件，而是市场在对一个系统性问题重新定价：如果AI agent能自主完成知识工作者的日常任务，大量现有SaaS公司的价值基础就要被重估——它们提供的工具型服务，可能被AI agent直接替代，而非仅仅是升级优化。

对于持有中国软件和SaaS公司股票的投资者——金山办公、用友、泛微、广联达——Cursor的故事提供了一个非常具体的风险模型。这些公司面对的不是“AI让产品更好”的渐进升级，而是“AI直接替代产品所服务的工作流”的跳跃式威胁。比如金山办公的文档编辑、泛微的协同办公，其核心功能都可能被具备自主操作能力的AI agent覆盖，一旦模型公司推出同类应用，这些传统SaaS公司的先发优势将被快速稀释。

Cursor的困境更深刻地说明：即使你是AI浪潮中第一个做出优秀产品的公司，如果你所在的品类本身被AI重新定义，先发优势可以在极短时间内归零。Cursor凭借AI编程工具的先发优势快速崛起，但当上游模型公司直接将编程功能集成到自身产品中，其核心价值就被大幅削弱——应用层公司如果没有构建起不可替代的壁垒，终究只是上游模型的“流量入口”，随时可能被替代。

从机会角度看，有三个方向值得关注，这也是中国AI应用层公司突破风险、实现突围的关键路径。

第一是模型层公司的垂直整合能力。Anthropic的故事证明，在AI时代，模型公司可以直接切入应用层，并以远低于应用层公司的成本提供服务——因为它们不需要向自己支付API费用，这种结构性的成本优势，是纯应用层公司无法比拟的。在中国，具备这种垂直整合潜力的公司，将成为行业的核心玩家。字节跳动是一个值得观察的对象：其旗下豆包凭借抖音、今日头条等内容生态的流量优势，快速成为国内C端AI助手的领跑者，月活已达2.26亿，同时依托自身大模型能力，不断渗透短视频脚本生成、AI电商、手机助手等应用场景，形成了“模型+生态+应用”的完整闭环，这种垂直整合能力，让其在与纯应用层公司的竞争中占据绝对优势。

第二是应用层公司的“场景壁垒”构建。既然无法在模型成本上与上游抗衡，应用层公司就需要在“场景深度”上做文章——深耕特定行业、特定人群的细分场景，积累上游模型公司难以获取的行业数据、流程经验和用户粘性，形成“模型+场景”的组合优势。比如在工业设计、医疗影像、金融风控等细分领域，应用层公司可以结合行业痛点，将通用大模型进行本地化微调，打造贴合具体场景的解决方案，这种深度绑定场景的能力，是上游模型公司难以快速复制的。DeepSeek的发展路径也侧面印证了这一点，其虽未在C端大众市场发力，但深耕开发者生态和硬核技术场景，凭借开源模型、低价API和本地化部署服务，成为众多企业和开发者的首选，构建起了独特的场景壁垒。

第三是“多模型依赖”的风险对冲策略。对于纯应用层公司而言，单一模型供应商的依赖，无异于将命运交给别人。Cursor的教训警示中国应用层公司，必须建立多模型供应商合作体系，避免对某一家模型公司的过度依赖。当前中国模型层的分散格局，为这种策略提供了可行性——应用层公司可以同时对接通义千问、DeepSeek、智谱等多家模型，根据不同场景的需求选择合适的模型，既可以降低单一供应商涨价、断供或竞争带来的风险，也可以通过对比不同模型的性能，优化产品体验。同时，应用层公司还可以逐步积累自有数据，基于开源模型进行二次开发，降低对上游模型的依赖度，逐步构建自身的技术壁垒。

总体来看，中国AI应用层正处于“风险与机会并存”的关键节点。Cursor的困境的是整个行业的预警信号——上游模型的竞争挤压、品类被重新定义的威胁，正在倒逼应用层公司重新审视自身的核心竞争力。但与此同时，中国分散的模型生态、庞大的细分场景需求，也为应用层公司提供了突围的机会。未来，只有那些能够要么依托模型优势实现垂直整合，要么深耕场景构建壁垒，要么通过多模型合作对冲风险的公司，才能在AI浪潮中站稳脚跟，避免重蹈Cursor的覆辙。

本文相关事实参考来源：

[1] 可欣看世界：《被豆包、千问甩在身后，DeepSeek真的凉了吗?真实情况没那么简单》（2026年3月30日）

[2] 福布斯中国：《明星独角兽Cursor，不稳了?》（2026年3月30日）

[3] 八卦｜Cursor不赚钱，诸位都有责任？（2025年8月17日）