Lightspeed普通合伙人：在AI时代，只看年化收入是旧世界的误解
Lightspeed普通合伙人Hemant Mohapatra在社交平台怒怼部分科技媒体，称其投资组合公司Emergent在“一周内的应计收入就超过大多数创业公司一年的营收”，而这是“真金白银已经进账的现金收入”。 他表示愿意“亲自教媒体”在AI时代如何正确计算营收与运行速率，并直言“如果不理解为什么代币消耗才是AI世界里唯一重要的指标，就不应该来报道AI”。
公开资料显示，Emergent是一家面向普通用户和中小企业的AI应用构建平台，自上线数月内就宣称达成数千万至上亿美元级别的年化经常性收入，并通过订阅费、使用量计费与托管服务等多元模式变现，其底层经济模型高度依赖模型调用与算力消耗。 Mohapatra此番强调“代币消耗”，实际上是在推动市场从传统SaaS的“席位数+订阅ARR”视角，转向以模型调用、推理负载与实际工作量为核心的AI原生计量体系。
来源：公开信息
ABAB AI 解读
Mohapatra的发言反映的是AI经济计价方式的范式转换：在软件1.0和SaaS时代，收入与价值主要与“人”绑定——按座收费、按团队收费、本质上是对人力使用权定价；而在AI时代，收入与价值会逐渐与“算力行为”绑定——调用多少次模型、消耗多少代币，等于让机器完成了多少原本由人完成的工作。计量单位从“用户数”切换到“推理量”，这背后是一整套生产关系的变化。
从全球金融结构看，这种从ARR到“代币消耗”的心智迁移，会改变资本市场评估AI公司的方式：不再只看合同化的年费，而是看实际的算力开销曲线和工作负载粘性。谁掌握了更稳定、更高频的推理流量，谁就掌握了未来的现金流定价权。这类似云计算早期从“许可证收入”转向“按小时计费”的那次重估，只是这次对象从服务器时间变成了智能劳动本身。
更深一层，这是价值如何在AI栈中垂直分配的问题：底层模型提供算力与智能，中间层平台（如Emergent）把这些能力封装成“可消耗代币”，上层企业与个人通过调用这些代币来购买“工作结果”。在这种结构下，真正可持续的护城河，不是一次性的营收数字，而是围绕代币消耗构建起来的使用习惯、工具链锁定和生态网络效应——这才是Mohapatra真正希望媒体和投资者看懂的账本。