即刻App年轻人的同好社区
下载
孤陋寡闻了，把西丽去掉的话，南山的 GDP 要跌三分之一
Gavin_C.: 小时候觉得西丽太偏太田野，印象中上次来还是初中时候跟我爸一起去野生动物园。最近这段时间见客户比较多，基本是住这了，感觉离曼哈顿不远了。
3 10
才知道理想 L9 Livis 取消了 L9/Mega 上的方向盘交互屏，我第一反应是这个交互屏挺好的为啥要去掉，日常开 Mega 我还主要是基于它来确认信息，反倒很少看右侧的屏，都已经养成习惯了。
果然打开评论一看，底下几乎全是骂的。有的说理想是为了省成本，但按价值观的角度来理解，我觉得不太可能。肯定是做了产品设计上的严密取舍。
再一次感慨，做物理产品的产品经理真的是太难了：迭代周期长，遇到问题了回滚的损失和成本也大。
果然打开评论一看，底下几乎全是骂的。有的说理想是为了省成本，但按价值观的角度来理解，我觉得不太可能。肯定是做了产品设计上的严密取舍。
再一次感慨，做物理产品的产品经理真的是太难了：迭代周期长，遇到问题了回滚的损失和成本也大。
6 11
这几年 AI 公司流行的 run-rate revenue 是宽口径，过去传统 SaaS 公司用的 ARR 是窄口径
很多 AI 产品除了基础套餐外，还支持用户购买 add-ons，比如常见的就是类似 Codex/Claude Code 那样， 超过 Plan 里的额度限制后可购买 credits
实际上只有基础套餐内的 revenue 能算作 ARR，单独购买的 credits 不能算作 ARR，所以 stripe 给大家发明了个新词 run-rate revenue
前段时间 Anthropic 的 300 亿美金其实是 run-rate revenue，并不是大家理解的ARR
很多人混淆的点在于：ARR 看的是未来 12 个月“已经比较确定会重复发生”的收入。Run-rate revenue 看的是最近一段时间的收入，再把它年化。
所以两者差别很大。
举几个例子：
1. 用户买了 $20/月 Pro 套餐
这是 ARR/MRR。
2. 用户这个月额外买了 $100 credits，并且已经消耗完
这是 usage revenue，是 run-rate revenue。
3. 用户设置了 auto top-up，余额低于 $10 自动充值 $50
这仍然是 usage revenue。因为用户可以随时关闭，不是明确的年度承诺。
4. 企业签了 $1M/年的 API 用量承诺
这是 ARR。因为无论它怎么消耗，合同里有最低消费义务。
5. 用户超出套餐限制后按量付费
这是 overage revenue。是 run-rate revenue。
很多 AI 产品除了基础套餐外，还支持用户购买 add-ons，比如常见的就是类似 Codex/Claude Code 那样， 超过 Plan 里的额度限制后可购买 credits
实际上只有基础套餐内的 revenue 能算作 ARR，单独购买的 credits 不能算作 ARR，所以 stripe 给大家发明了个新词 run-rate revenue
前段时间 Anthropic 的 300 亿美金其实是 run-rate revenue，并不是大家理解的ARR
很多人混淆的点在于：ARR 看的是未来 12 个月“已经比较确定会重复发生”的收入。Run-rate revenue 看的是最近一段时间的收入，再把它年化。
所以两者差别很大。
举几个例子：
1. 用户买了 $20/月 Pro 套餐
这是 ARR/MRR。
2. 用户这个月额外买了 $100 credits，并且已经消耗完
这是 usage revenue，是 run-rate revenue。
3. 用户设置了 auto top-up，余额低于 $10 自动充值 $50
这仍然是 usage revenue。因为用户可以随时关闭，不是明确的年度承诺。
4. 企业签了 $1M/年的 API 用量承诺
这是 ARR。因为无论它怎么消耗，合同里有最低消费义务。
5. 用户超出套餐限制后按量付费
这是 overage revenue。是 run-rate revenue。
4 07
Figma 在 AI 上远谈不上成功，但肯定是 SaaS 转 AI 的一个典型样本。它的产品和增长策略，对其它 SaaS 公司应该有不少启发。
最近几个季度的财报也能看到，Figma 正在尝试通过 AI 改变自己的收入结构。
它不是给设计师加一个 AI 助手，而是把原来只看稿、评论、拿设计稿的人，推到创作和交付里。
PM 用 Make 做原型，工程师用 MCP 接设计上下文，业务团队基于 design system 做 dashboard / presentation，设计师则上移到系统定义和质量控制。
收入逻辑也随之变了：更多低权限用户有了升级理由。
一旦从“围观”变成“参与”，就会需要生成、编辑、分享、发布、接入开发流程，也就更容易需要 Full seat、更高 rate limit、更多 AI credits。
所以 Figma 的 AI 商业化，不只是一个 AI add-on，而是 seat expansion + usage monetization + enterprise governance。
对其他 SaaS 的启发，我觉得主要是两点。
第一，找到软件里的高价值动作。
Figma 是创作和连接开发。CRM 是 follow-up、客户状态、deal risk。客服是回复、升级、赔付。数据工具是查询、dashboard、异常解释。项目管理是拆任务、排期、识别 blocker。
AI 的机会不是加聊天框，而是让更多人能执行这些原来只有专业用户才能做的动作。
第二，把“围观结果的人”变成“参与者”。
很多 SaaS 都是少数人操作，多数人看结果。分析师写 SQL，业务方看 dashboard；销售一线更新 CRM，管理层看报表；PM 维护项目，其他人看进度。
如果 AI 能让这些围观者也开始动手，商业化空间就打开了。因为参与者比围观者更容易付费。
所以 Figma 给出的样本不是“赶紧加 AI”。而是把 AI 放在能改变收入结构的位置上。
最近几个季度的财报也能看到，Figma 正在尝试通过 AI 改变自己的收入结构。
它不是给设计师加一个 AI 助手，而是把原来只看稿、评论、拿设计稿的人，推到创作和交付里。
PM 用 Make 做原型，工程师用 MCP 接设计上下文，业务团队基于 design system 做 dashboard / presentation，设计师则上移到系统定义和质量控制。
收入逻辑也随之变了：更多低权限用户有了升级理由。
一旦从“围观”变成“参与”，就会需要生成、编辑、分享、发布、接入开发流程，也就更容易需要 Full seat、更高 rate limit、更多 AI credits。
所以 Figma 的 AI 商业化，不只是一个 AI add-on，而是 seat expansion + usage monetization + enterprise governance。
对其他 SaaS 的启发，我觉得主要是两点。
第一，找到软件里的高价值动作。
Figma 是创作和连接开发。CRM 是 follow-up、客户状态、deal risk。客服是回复、升级、赔付。数据工具是查询、dashboard、异常解释。项目管理是拆任务、排期、识别 blocker。
AI 的机会不是加聊天框，而是让更多人能执行这些原来只有专业用户才能做的动作。
第二，把“围观结果的人”变成“参与者”。
很多 SaaS 都是少数人操作，多数人看结果。分析师写 SQL，业务方看 dashboard；销售一线更新 CRM，管理层看报表；PM 维护项目，其他人看进度。
如果 AI 能让这些围观者也开始动手，商业化空间就打开了。因为参与者比围观者更容易付费。
所以 Figma 给出的样本不是“赶紧加 AI”。而是把 AI 放在能改变收入结构的位置上。
13 28
YoY 46%，NDR 139%，敢问 software 里还有谁😂
只是 source of truth 现在用的这么泛滥嘛，Google 这姐妹儿是不是被 Figma 绑架了啊
只是 source of truth 现在用的这么泛滥嘛，Google 这姐妹儿是不是被 Figma 绑架了啊
2 02
