Manus 的 9000 万美元到底是不是吹牛？揭秘 AI 圈最大的「泡沫」

邀请码被炒到 10 万一个的 Manus，前阵子首次宣布年化收入达到 9000 万美元。

从 3 月上线到现在，满打满算也就几个月时间。一个 AI 产品的增长势头，真能这么快就做到一年近 6 亿人民币的年收入？关键是，Manus 用的还不是常见的 ARR 指标，而是一个叫 RRR 的指标——收入运行率。

当天，Manus 创始人肖弘甚至专门发长文解释，说 ARR 容易造假，用 RRR 更靠谱。

ARR 也好，RRR 也罢，这种定时公布财务指标的操作在 AI 圈已经成了标配。Genspark 号称 9 天收入 1000 万美元，Lovable 说 8 个月破亿。转眼间。AI 公司们突然都成了造富神话的主角。

那么问题来了，这些数字经得起推敲吗？

要理解这个问题，得先搞清楚 ARR 和 RRR 到底是什么。

为方便理解，先用一个例子：

假设你每个月工资 1 万，年底拿了 3 万年终奖，那当月的总收入是 4 万。

如果用 ARR 的算法：只看固定工资，1 万×12=12 万年收入。如果用 RRR 的算法：拿当月总收入算，4 万×12=48 万年收入。

问题是年终奖一年只发一次，用 RRR 算出来的 48 万听起来很厉害，但实际上你明年不可能每个月都拿 4 万。

同理，放到企业财务上，ARR（年度经常性收入）就是 SaaS 公司的标准指标，指一年内可预测、可持续的订阅收入。

它更多是看那些「年年都会进账」的部分，剔除掉偶发性交易。计算公式也非常简单：ARR = MRR（月度经常性收入）× 12。比如一个产品每月订阅收入 100 万元，ARR 就是 1200 万元。

ARR 的价值在于给投资人一个稳定预期——这家公司明年/一年大概能赚多少钱。投资人喜欢这种确定性，所以 ARR 成了融资路演的必备数据，也是同行业公司对比的标准维度。

但 ARR 有个致命假设，用户会在接下来 365 天里保持完全相同的消费行为，这在传统软件行业和 toB 业务中或许成立，但在快速变化的 AI 市场中，用户的新鲜感会消退，竞争对手会涌现，季节性波动也很明显，而 ARR 的计算某种程度上忽略了这些变化。

RRR（收入运行率）则是另一种算法，它把当前某个周期的收入直接外推到全年。

公式则更粗暴：月收入 × 12，或季度收入 × 4。如果 Manus 当前单月收入 750 万美元，RRR 就是 9000 万美元。这不是已经到账的钱，而是「假如未来 12 个月都保持这个水平」的理论数字。

因此两者的关键区别在于：ARR 强调「可持续的订阅收入」，RRR 只是简单的「当前收入×12」。前者更保守，后者更激进。

面对质疑，Manus 创始人肖弘详细解释了选择 RRR 的原因。

他认为 ARR 容易造假：「产品上线初期，很多公司用 7 天现金收入乘以 52 来算 ARR，这里包含了年付用户的现金，可能多出好几倍。而且产品早期热度高、尝鲜者多，很容易高估未来。」

肖弘的说法不无道理，除此之外，还有许多人为抬高 ARR 的套路。

比如最常见的抬高方式，是提前确认收入。比如客户一次性签了三年合约，按财务规范应该分三年确认，但公司为了让 ARR 好看，直接把三年的合同金额打包进今年。

又或者给 KOL开出50%甚至 70% 的超高佣金，让他们「赔本赚吆告」。

KOL再用这笔钱给粉丝返现，短时间内就能卖出大量年费会员。账面上看，月收入暴增，ARR高得吓人。但扒开一看，全是补贴烧出来的「虚火」，用户根本没为产品本身买单。

还有的公司会把一些一次性收费——比如部署费、定制服务费、培训费也算进 ARR。

更隐蔽的做法是比如让大客户先免费试用半年，合同金额是「正式使用后的价格」，但即便客户还没付钱，也没承诺续费，ARR 里就先算上去了。

再比如，还有一种做法是折扣签单却按原价记账。

比如给大客户打了 9 折、8 折甚至 5 折，为了尽快签约，却按产品官网价来算 ARR。你实收只有 50 万美元，却说 ARR 是 100 万。

今天上午，肖弘也再次在社交平台强调 RRR 更真实：

「Revenue Run Rate 是严谨的财务数据，计算方法是当月 Revenue × 12。关键是 Revenue 不等于 Cash Income，年付只能算预存款。」他还举例说，AWS、Databricks、Stripe 等公司都用 RRR 来反映包含 Usage based 的业务实质。

只是，如果仔细分析肖弘的这套说辞，或许也能找到一些漏洞。

巨头们之所以用 RRR，是因为他们业务已经稳定运行多年，有充足的历史数据支撑外推的合理性。而 Manus 作为一个运行几个月的初创产品，与跟这些成熟企业类比，很难不说存在误导的空间。

Xsignal 数据显示，Manus 从 3 月的 2000 万月活跌到 5 月的 1000 万，用户减少了整整一半。如果真如他所说是「Usage based」的商业模式，用户使用量大幅下降，收入理应也会跟着下滑。

而将视角拉回整个AI创业领域，几乎每家 AI 公司都在使用类似的数字指标和表述方式。

根据 The Information 的数据，自 ChatGPT 发布以来，AI 原生公司的年收入已超过 150 亿美元。只是，几乎每家 AI 公司都在用类似的数字指标。

Genspark 声称上线 9 天就有 1000 万美元 ARR。欧洲 AI 编程公司 Lovable 更夸张，说 35 个人 8 个月就做到年收入 1 亿美元，还预测年底前达到 2.5 亿美元 ARR，12 个月内冲击 10 亿美元。

这些数字都有个共同特点——时间短，增长快，数字大。

为什么 AI 公司都热衷于抛出这些数字？

一个很大的原因在于因为技术门槛降低了，同质化焦虑加剧了。当 ChatGPT、Claude 的 API 人人都能调用，构建 AI 应用的技术壁垒几乎消失，创业者急需证明自己的不可替代性。

于是，财务数字游戏成了救命稻草。而 ARR 这种传统商业指标，看起来严肃、可预测，而投资人也吃这套，相比解释复杂的技术原理，一个熟悉的财务指标更容易获得认同。

但问题是，AI 工具或许压根就不适合用传统 SaaS 的标准来衡量。

传统 SaaS 产品功能相对稳定，用户迁移成本高，有明显的网络效应和数据护城河。而 AI 工具恰恰相反：技术迭代极快，用户切换成本很低，大多数应用缺乏网络效应，数据优势也很有限。

历史总是惊人地相似。

2000 年互联网泡沫时，公司强调点击量和页面浏览量；移动互联网时代，下载量和日活成了万金油指标。每次技术演进都会催生一批「虚荣指标」，现在轮到 AI 了。

所以也难怪一些投资人开始调侃一些 AI 初创公司的收入为「ERR」——实验性收入（Experimental Recurring Revenue）。

归根结底，产品是否真的解决了用户痛点？技术壁垒是否足够深厚？团队是否具备持续创新的能力？商业模式是否具有可持续性？这些基本问题的答案，远比任何经过包装的财务指标更重要。

毕竟，市场终究会用脚投票，泡沫总会破，只有真正有价值的产品才能活到最后，而当潮水退去时，我们才知道谁在裸泳。