排名不等于变现：用量大不代表有 PMF
判断有没有到 PMF，手边最现成的证据就是用量——注册数、日活、榜单上的位置。在 AI 产品上，这个证据比在普通软件上更不牢靠。
先说清这篇和站内既有课程各管哪一段。L9 阶梯有一篇讲一个人该盯哪几个指标、指标怎么做减法、虚荣指标怎么换成可行动指标，还给了轻量增长仪表盘和周复盘模板，那套框架在 AI 产品上照样成立，这篇不重复它，只补「用量」这一个指标特有的三处失真。L9 还有一篇讲留存为什么该排在获客前面、次留七留怎么读怎么提，这篇不讲留存怎么提，只讲 AI 产品的留存曲线为什么长得不一样。再有一篇讲独立开发者的长期定位，那篇的护城河威胁来自别的开发者——AI 编程工具把门槛踩平、同质化竞争者暴增；这篇的护城河锁定另一根轴，威胁来自模型厂商，同一个词两根轴，应对方式并不一样。L9 里反复出现的「到了 PMF 再放量」「没到 PMF 就砸广告等于往漏桶里浇水」，是把 PMF 当决策开关用，这篇补的是这个开关怎么拨的一角：用量涨了，不等于开关到位。
一、连做榜单的人都说自己量不准
a16z 那份消费级生成式 AI 应用榜单，第 6 版在 2026 年 3 月 9 日发布，榜单数据截至 2026 年 1 月（B4）。口径是公开写明的：网页端看 SimilarWeb 的月度独立访问量，移动端看 Sensor Tower 的月活。
原文在 2026 年 3 月这一版里自己加了一句警告：它承认自己的排名「越来越低估了人们用得最多的那些 AI 产品」（a16z 第 6 版原文作 undercount the AI products people use most）。它举的例子是一个每天泡在 Claude Code 里八小时的开发者——按任何常识这都是重度使用者，但在网页流量数据里几乎体现不出来（B4）。
这一版还把收录范围放宽了：从只收 AI 原生产品，扩到「任何生成式 AI 已成为体验核心组成部分的消费级产品」，文中点名了 CapCut、Canva、Notion 这类产品（B4）。口径一改，「上榜」这件事在第 5 版和第 6 版里就不是同一件事，跨版本比名次也就没有意义。
本站的判断（依据 B4）：拿着 SimilarWeb 和 Sensor Tower 这种量级数据源的机构，都要在自己的招牌产品里写一句「我们量不准」，那么一个独立开发者拿注册数、拿日活给自己发一张 PMF 合格证，误差只会更大。这不是说这些数字没用，而是说它们在这个品类上的失真方向是固定的——越是被人长时间深度使用的产品，越容易在流量口径里缩水。
二、上榜的和赚钱的是两张表
同一系列榜单的第 4 版里有一个分析：移动端月活前 50 名和月收入前 50 名，只有 40% 重叠（B4）。这是第 4 版那个时点的切片，往后会变。
这条出自更早的第 4 版，只能算「有分析指出」；它量的是两张榜单的重叠率，和 PMF 问卷里那条「回答非常失望的人达到 40%」的线、和 NPS 的 40 都不是一回事，这三个 40 长得像，含义毫不相干（C2）；而且榜单每版都在变，这个重叠率往后也会变，不是一条常数。
在第 4 版那个时点上，这个品类里最大的那批产品和最赚钱的那批产品，对不上号的居多。
本站的判断：两张榜之所以对不上，是因为它们量的是两个不同的假设。a16z 2017 年那篇讲 PMF 的文章把假设分成两层——价值假设回答「客户为什么会用你的产品」，增长假设回答「怎么规模化获客」，而且明确说增长假设只有在价值假设被验证之后才做（A5.3）。用量证明的是你在某一段时间里拿到了流量，这连价值假设成立都还证不了，更够不着变现。
三、2007 年那份症状清单里，用量和收钱是并排的两条
Andreessen 2007 年那篇文章列过「到了 PMF」的可观察症状：客户买的速度快过你能生产的速度、使用量涨的速度快过你能加服务器的速度、客户的钱不断进来、在拼命招销售和客服、媒体主动找上门（A2.4）。
这组症状有个前提得先说清：它描述的是融过资、有销售团队、有服务器扩容压力的公司。一个独立开发者身上不会出现「拼命招销售」这种症状，用在个人产品上需要换算，这个换算属于本站的判断而不是原文的意思（A2.5）。
但换算不掉的是这组症状的结构：用量和收钱是并排列出的两条，不是一条推出另一条。同一批材料里，a16z 2017 年那篇的十二条要点第 6 条专门点了创始人最常见的幻觉——把早期的一点起色误当成真的 PMF（A5.1）。用量涨了就宣布到位，是这个幻觉最常见的形态。
四、在 AI 产品上，用量先是一笔账单
传统低价 SaaS 敢走 freemium、敢给长试用期，是因为毛利高，养一批不付钱的用户成本可控，其中一部分人某天自己想通了就升级。AI 产品每一次调用都在花钱，于是被迫在很早就推转化，甚至出现按日的用量墙——这在传统 SaaS 里几乎不会出现（B2.2）。
这条机制的后果是：同样一条上涨的用量曲线，在传统 SaaS 上是资产，在 AI 产品上先是账单。有说法认为，AI 产品的毛利率显著低于传统 SaaS 那种八成以上的水平；不同机构给的口径差异很大，而且这个数在快速变化，2026 年看到的和 2024 年看到的不是一回事（B2.1）。毛利这一侧还有个连带效应：回收期算的是用毛利贡献补回获客成本要几个月，毛利率打对折，回收期就要原来两倍的时间（B2.2）。
所以「用量涨了要不要加大投入」这个问题，在 AI 产品上和在传统 SaaS 上不是同一道题。在传统 SaaS 上，多养一阵免费用户的代价主要是耐心；在 AI 产品上，多养一阵的代价是每天都在结算的调用费，而且回收它的那条毛利通道本身还窄了一截。
五、涨上来的这批人是谁
ChartMogul 那份留存报告里有一条现象描述：实验性质的 AI 产品使用者最终会离开，关键特征是转向下一个热门产品；报告本身没有给这批人下正式定义，只描述了现象（B1.3）。
同一份报告的总体数字得连着样本门槛一起看：样本约 3500 家软件公司，且只统计已达到 25 万美元年经常性收入的公司，数据截至 2025 年 9 月（B1.0）。在这个门槛之上，AI 原生这一组的 NRR 是 48%，B2C SaaS 是 49%，两者几乎一模一样；差距只出现在对 B2B SaaS 的 NRR 82% 上（B1.1）。也就是说，这组数描述的是已经活下来的公司之间的差异，不是初创产品的命运。它还在快速变化——AI 原生的中位 GRR 在 2025 年 1 月是 27%，到 2025 年 9 月变成 40%，九个月涨了一大截，一个说得通的解释就是尝鲜的人陆续离场、基本盘沉淀下来（B1.4）。
把这两条摆在一起，本站的判断是：一条正在上涨的用量曲线，至少要拆成「新鲜感」和「基本盘」两段来看，否则你根本不知道自己涨的是哪一段。B1.4 那个 2025 年里从 27% 到 40% 的过程，放到一家公司内部，就是这个拆分自然发生的样子——更可能是水分被挤掉了，而不是产品真的变好了。这两种解释在自己的曲线上长得一模一样，只有分段之后才分得开。还得补一句：B1 这组数只是留存与公司状态之间的相关，不是「留存改善」和「产品变好」之间的因果；样本又是已过 25 万美元年经常性收入的公司，把结论搬到一个还远不到这个规模的产品上，是本站的外推，不是报告说的。
六、薄包装造得出用量，造不出变现
用量和变现之间那道坎，在薄包装型的产品上最陡，因为它做出用量的成本最低。一种常见的自检问法是下面这三问（B3.1）：
- 拆除测试：把模型厂商拿掉，你手上还剩什么？如果答案是一个界面加一段系统提示词，那就没有资产。
- 粘贴测试：如果一个懂技术的用户把你的核心提示词粘进通用对话框，能拿到差不多的产出，你就是个包装。
- 默认功能测试：如果模型厂商下一个版本把这个能力做成默认功能，你的客户会不会退订？
至于剩下什么才算资产，公开讨论普遍收敛到三处，且有说法认为单靠一处很脆弱、叠两处才算门槛（B3.2）：随使用而累积、模型厂商拿不到的自有数据；成为某项业务的系统记录方之后产生的迁移成本；切进一个横向玩家不值得覆盖的细分场景。
本站的判断：这三处正好也是「用量能不能换成钱」的转换器。自有数据让第二次使用比第一次更好用，工作流锁定让停用这件事本身要付出代价，分销纵深让你面对的不是所有人而是一群人、因而说得出他们为什么要付钱。一条用量曲线如果不落在这三处中的任何一处上，它涨到多高，都还是在替模型厂商做需求验证。
七、这周就能开始记的三个数
下面这套做法不依赖任何外部基准，从有第一批用户那天就能开始。
每周记三个数，只记这三个：
- 第一层：本周有多少人完整走完了一次有意义的使用。不是注册数，是真的把产品用到出结果那一步。
- 第二层：其中多少人在本周之内产生了第二次有意义的使用。B1.3 说这批人会转向下一个热门产品，本站据此判断：第二次使用这条线最能把他们筛出去，比任何人口属性或渠道分组都更干净。
- 第三层：其中多少人掏了钱，或者至少走到了付费墙前的最后一步。
然后算两个比率：第二层除以第一层，第三层除以第二层。连续记四周，看方向，不看绝对值。
怎么读这两个比率，是本站的判断，不是行业基准：
- 第一层在涨、第二层比率在掉：你涨的是话题，不是产品。这时候加大投放，等于用真金白银买一批大概率要转向下一个热门产品的人（B1.3），而且按 B2.2 那条机制，他们每一次调用都在花你的钱。
- 第二层比率稳住、第三层比率不动：问题在价值捕获和定价，不在留存。该动的是付费墙的位置和你对客户的承诺水平，不是继续加功能。
- 两个比率同时往上：这才是可以考虑放量的信号，也是站内那些「到了 PMF 再放量」的判断真正需要的输入。
再配一组可以照抄的问句，每周填完三个数之后过一遍：
- 这批人第二次来的时候，产品对他们是不是比第一次更好用了？如果不是，你没有在累积任何东西。
- 如果今天停服一周，他们是直接去找替代品，还是会有人来催？
- 他们用完之后，有没有什么东西留在了你这里，而且模型厂商那边没有？
把三个数和三个问句放进同一张表，每周填一次。四周之后再回来看要不要放量，比盯着日活曲线看四周有用得多。
延伸阅读
本篇提到的站内课程，可以直接接着往下读：
名词不熟可以先看术语页：PMF（产品市场契合）