Genspark 说 9 天收入破千万美元，Lovable 宣称 8 个月营收过亿，还放言年底冲 2.5 亿、一年后奔 10 亿…… 曾经需要十年磨一剑的商业神话，如今在 AI 公司口中仿佛成了随手可摘的果实。
在这场竞赛中，最惹眼的莫过于 Manus。这个上线才几个月的 AI 产品，前阵子突然宣布年化收入达 9000 万美元 —— 按当前汇率算，差不多是 6 亿人民币。更夸张的是，它的邀请码曾被炒到 10 万一个，风头无两。
更关键的是，网友发现 Manus 用的不是行业常见的 ARR 指标，而是一个叫 RRR（收入运行率）的东西。当天，创始人肖弘特意发长文辩解：“ARR 容易造假，RRR 更靠谱。”
要搞懂这场争议，得先撕开 ARR 和 RRR 的 “面纱”。
我们可以用一个生活化的例子来说明：假设你每月固定工资 1 万，年底拿了 3 万年终奖，当月总收入 4 万。
如果用 ARR 算法，只算固定工资：1 万 ×12=12 万 / 年 —— 这是你每年 “大概率能稳定拿到” 的钱。
如果用 RRR 算法，直接按当月总收入算：4 万 ×12=48 万 / 年 —— 但明眼人都知道，年终奖一年就一次，明年不可能每月都拿 4 万。
放到企业财务里，道理是一样的。
ARR（年度经常性收入） 是 SaaS 行业的 “老标准”，核心是 “可预测、可持续” 的订阅收入。它只算那些 “年年都会进账” 的部分，剔除偶发交易，公式简单直接：ARR = 月度经常性收入（MRR）×12。比如每月稳定有 100 万订阅收入，ARR 就是 1200 万。
对投资人来说，ARR 的价值在于 “确定性”—— 能大致预判公司未来一年的稳定收入。所以它成了融资路演的 “硬通货”，也是行业对比的通用标尺。但它有个致命前提：假设用户未来 365 天的消费行为完全不变。这在传统软件行业或许成立，可在 AI 领域，用户新鲜感消退快、竞争对手扎堆冒头、季节性波动明显，这个假设显然站不住脚。
RRR（收入运行率） 则简单粗暴得多：直接把当前周期的收入外推到全年。当月收入 750 万，RRR 就是 750 万 ×12=9000 万 —— 这不是实际到账的钱，只是 “假设未来 12 个月都保持这个水平” 的理论数字。
两者的核心区别很清晰：ARR 强调 “可持续”，偏保守；RRR 只看 “当下”，更激进。
肖弘选择 RRR 的理由，听起来似乎有理。
他在长文里说：“RRR 是严谨的财务数据，计算方式是当月收入 ×12。关键是，这里的‘收入’不等于‘现金’，年付只能算预存款，不算实际收入。”
他还炮轰 ARR 容易造假：“很多公司用 7 天现金收入 ×52 算 ARR，这里面混着年付用户的钱，能虚增好几倍。而且产品早期热度高、尝鲜者多，很容易高估未来。”
这话没说错，AI 圈里 “美化” ARR 的套路确实不少。
最常见的是提前确认收入：客户签了三年合约，按规矩该分三年确认，公司为了让 ARR 好看，直接把三年金额全算进今年。
还有烧钱换数据：给 KOL 开 50% 甚至 70% 的超高佣金，让他们用这笔钱给粉丝返现，短时间内冲量卖年费会员。账面上月收入暴增，ARR 亮眼，可扒开来看，全是补贴烧出来的 “虚火”，用户根本没为产品本身买单。
更隐蔽的操作包括：把一次性收费（比如部署费、定制服务费）算进 ARR；让大客户免费试用半年，明明没付钱、没承诺续费，却按 “正式使用后价格” 先算进 ARR；给客户打 5 折签单，却按官网原价计入 ARR—— 实收 50 万，对外宣称 ARR100 万。
他说 AWS、Databricks、Stripe 等巨头也用 RRR，可这些公司已经稳定运营多年，有充足的历史数据支撑 “未来能保持当前收入水平” 的外推逻辑。Manus 才上线几个月，用户数据已经出现明显下滑：Xsignal 数据显示，它的月活从 3 月的 2000 万跌到 5 月的 1000 万，半年内少了一半。
如果真像肖弘说的，Manus 是 “基于使用量收费（Usage based）” 的模式，用户使用量腰斩，收入理应跟着下滑。这种情况下，用单月收入 ×12 算出的 9000 万 RRR，更像一个 “瞬间快照”，而非可持续的收入预期。
说到底，AI 公司集体沉迷 “数字游戏”，背后是更深层的焦虑。
随着 ChatGPT、Claude 的 API 开放，几乎任何人都能调用现成的 AI 能力搭建应用 —— 技术门槛大幅降低，同质化成了悬在所有 AI 公司头上的剑。当技术难以拉开差距，“财务数字” 就成了证明自己 “不可替代” 的救命稻草。
而 ARR 这类传统指标，恰好能给投资人 “熟悉的安全感”。比起解释复杂的技术原理，报一个 “1200 万 ARR”“9000 万 RRR”，显然更容易获得关注和认同。
可问题在于，AI 工具或许从一开始就不适合用传统 SaaS 的标准来衡量。
传统 SaaS 产品功能稳定，用户迁移成本高，有明显的网络效应和数据护城河；但 AI 工具技术迭代快得惊人，用户今天用 A 明天换 B 毫无压力 —— 所谓的 “经常性收入”，本身就充满不确定性。
这让人想起互联网发展的过往：2000 年泡沫期，公司比点击量、页面浏览量；移动互联网时代，比下载量、日活；现在轮到 AI，又开始比 ARR、RRR。每次技术浪潮袭来，总会催生一批 “虚荣指标”，它们看起来光鲜，却离商业本质越来越远。
难怪有投资人调侃，有些 AI 初创公司的收入该叫 “ERR”—— 实验性收入（Experimental Recurring Revenue），听起来精准又讽刺。
其实，判断一个 AI 产品的价值，根本不需要看这些被包装过的数字。
它是否真的解决了用户痛点？技术壁垒是否足够深厚？团队有没有持续创新的能力？商业模式能不能走得远？这些基础问题的答案，远比 “9000 万 RRR”“1 亿 ARR” 更有说服力。
市场终究会用脚投票。泡沫总有破的一天，只有真正创造价值的产品才能留下来。就像那句老话：潮水退去，才知道谁在裸泳。