Devin 越线，Perplexity 越亏：AI 商业化的两条分岔路 链接到标题

2026 年 6 月 4 日 | marketer

上周，两个数据点几乎同时出现。把它们并排放在一起看，比任何一篇单独报道都更有意思。

Devin 那边：在部分先进团队的验证模式中，开发者并行启动 10-20 个 Devin 实例已成为标准，异步 Agent 会话数首次超过了人类交互式会话。 Cognition 刚完成 $1B+ 融资，估值 $26B ，年化收入 $492M——距离上一轮 $10B 估值仅 9 个月。

Perplexity 这边： 2024 年广告收入只有 $20,000——对，两万美金，不是两千万。而在同一年，第三方模型及云服务支出高达 $57M ，远超 $34M 的总营收。广告模式已于 2026 年 2 月正式放弃。

一条线在向上突破天花板，另一条线在被天花板压碎。这不是巧合——这是 2026 年 AI 行业正在发生的结构性分化。

一、 Perplexity 的困境： AI 搜索时代最难赚钱的中间层 链接到标题

Perplexity 的核心价值主张一直很清晰：帮你在网上找到答案，附上引用来源。它不拥有自己的 frontier 底座模型，也没有 Google 那样的搜索索引和基础设施规模；核心体验建立在外部模型、搜索授权和云平台之上。

本质上， Perplexity 是一个模型食利者（ Model Rentier ）——依赖外部模型租赁和转售能力的产品形态。它租用 OpenAI 、 Anthropic 、 xAI 等公司的模型，加上 Bing 搜索 API ，包装成一个人人都能用的 AI 搜索界面。这个模式的利润率公式很简单：

收入 -（ API 调用成本 + 搜索授权费）= 利润

问题出在等号右边。 2024 年 $34M 收入，$57M API/云服务成本——这甚至还没算 Bing 搜索授权和基础设施。一个每多一个用户就多亏一笔钱的生意，在传统互联网时代叫"烧钱换增长"，在 AI 时代叫"模型税"。区别是，互联网时代的边际成本趋近于零，而 AI 的边际成本是硬成本——每问一个问题， Perplexity 就得给模型厂商交一分钱。

面对这个困局， Perplexity 的策略是向"个人电脑"（ Personal Computer ）转型。这是一个能协调 19 个不同 AI 模型、在后台执行复杂工作流的 Agent 产品。定价从 $200/月的 Max 订阅开始，后来扩大到 $20/月的 Pro 用户。本质上是从"帮你搜答案"升级到"帮你干活"。

思路是正确的，但路径极其艰难。因为 Perplexity 虽然转向 Agent ，但即便 Computer 能编排多达 19 个模型，其关键能力仍主要来自外部模型生态； Perplexity 的护城河更像是调度与产品层，而不是底层模型主权。这就像一个搬家公司自己不造卡车，不修路，只是调度别人的司机。

Sacra 估计 Perplexity 2026 年 4 月已达 $500M 年化收入，增长 335%。但如果 API 成本结构不变，这个增长只是亏损的加速器。

二、 Devin 的跃迁：从工具到生产流水线 链接到标题

Devin 的故事是反过来的。

Cognition 从第一天就在做自己的模型——SWE-1.6 证明了这一点。更重要的是， Devin 不是"帮你写代码"，而是"替你把代码写完并合并到主分支"。这个区别决定了它的商业模式根基是价值创造，而不是信息流转。

几个数字说明一切：

• 7x PR 合并增长：不到一年内， Devin 产出的合并 PR 数量增长了 7 倍
• 16% → 80% 代码贡献率： Cognition 自己代码库中 Devin 生成/贡献的代码比例，从 2025 年 12 月的 16% 上升到 2026 年 5 月的 80%
• 异步会话 > 交互式会话：这是最关键的阈值——AI 不再只是人类的"副驾驶"，而是可以独立运行的"自动驾驶"流水线
• 10-20 个并行 Devin 实例/开发者（在部分先进团队的验证模式中）：这不是辅助工具的使用模式，这是生产流水线的管理模式

Cognition 的 CPO Walden Yan 在 latent.space 的访谈中明确了一个关键概念：“异步 Agent 时代”（ Age of Async Agents ）。你把任务交给 Devin ，给它仓库、机器、 Shell 、浏览器、测试和记忆，它自己去干活。你不需要看着它。你回来的时候， PR 已经在那里了。

这跟 Perplexity 的困境形成鲜明对比：

| | Perplexity | Devin |

| 核心能力 | 信息整合（租用） | 生产执行（自研模型+工具链） |

| 商业模式 | 订阅制， API 成本转嫁 | 按价值定价，$500/月/席位 |

| 边际成本 | 每次查询都有硬成本 | 推理/沙箱/VM 有执行成本，但高客单价和企业价值定价更容易覆盖 |

| 护城河 | 品牌+分发+多模型编排 | 自研模型+Agent 架构+企业集成 |

| 估值 | $20B （含争议） | $26B （ 9 个月翻倍） |

| 收入质量 | 年化 $500M ，盈亏未知 | 年化 $492M ，持续增长 |

三、分岔路的核心：谁拥有"能动性" 链接到标题

这个对比指向一个更深层的问题：**AI 产品的价值，到底来自模型，还是来自 Agent **？

在过去两年里，大多数人认为"模型即产品"——谁有最强的语言模型，谁就赢了。 OpenAI 是这个逻辑的代表。 Perplexity 试图在这个逻辑下找到一个利基市场：我不需要最好的模型，我只需要让人们更方便地使用所有这些模型。

但 2026 年的数据正在推翻这个假设。

模型正在变成可替换的零件。 MiniMax M3 在 Agentic Browsing 基准上超过了 Claude Opus 4.7 。 DeepSeek 、 Kimi 、 Qwen 等开源模型持续追赶。微软 Build 2026 推出了 MAI 模型矩阵， 7 种新模型覆盖不同成本区间。当模型变得可替换，靠"租模型转卖"的中间商就被挤压在两端——模型提供商涨价，用户要求降价。

Agent 能力才是不可替换的。 Devin 的价值不在"它能调用哪个 LLM"，而在于它能自主完成从理解需求→设置环境→编写代码→运行测试→提交 PR→响应 Review 的完整闭环。这个闭环涉及的不是模型能力，而是系统工程：沙箱管理、权限控制、 Git 集成、 CI/CD 对接、内存系统、多 Agent 编排。

Perplexity 的 Computer 产品试图复制这个逻辑——用 19 个模型的协调来模拟单个 Agent 的能力。但如果协调层本身就是别人的 API 调用，那它本质上还是一个调度器，而非一个 Agent 。

四、 2026 年中的 AI 产品分水岭 链接到标题

把两个案例合在一起看， 2026 年 AI 产品的竞争正在分成两条赛道：

赛道 A ：模型食利者

• 不拥有自己的 frontier 底座模型，核心能力依赖外部模型生态

• 价值来自"包装和分发"别人的能力

• 边际成本与使用量成正比

• 护城河来自品牌和用户体验，不是技术壁垒

• 代表： Perplexity 、大多数 AI Wrapper 产品

赛道 B ： Agent 主权者

• 自研或深度微调模型，核心能力自己掌控

• 价值来自"独立完成工作"，而非"提供信息"

• 推理/执行有可变成本，但高价值定价和产品粘性更容易覆盖

• 护城河来自模型+工具链+企业集成的系统工程壁垒

• 代表： Devin/Cognition 、 Cursor 、 Claude Code

赛道 A 不是死路——Perplexity 如果能把 Computer 真正做成一个 Agent 而不是一个多模型路由器，它仍然有机会跨过这条线。但留给它的窗口期有限：当 OpenAI 、 Anthropic 、 Google 都在推出自己的 Agent 产品（而且是直接和他们的模型深度耦合），一个靠 API 调度 19 个第三方模型的"中间 Agent"在成本和体验上都没有优势。

赛道 B 的赢家逻辑也很清晰：模型是子弹， Agent 是枪。 真正改变工作方式的不是子弹的种类，而是枪的精度、射程和可靠性。

Devin 的异步会话越过人工会话的那一刻，标志着一个行业拐点： AI 从"你告诉它做什么"进入"你告诉它结果，它自己去完成"。这个拐点的另一面，就是 Perplexity 的财务数据所揭示的残酷事实：在这个新世界里，仅仅是"帮你找到答案"已经不够了——而且越来越贵。

2026 年的 AI 商业化教给我们的唯一一课：拥有能动性（ Agency ）的才是护城河。调用别人能动性的，只是成本。

参考来源： Latent.space “The Age of Async Agents” | Cognition $1B Series D 公告 | Sacra Perplexity 分析 | 数位时代 Perplexity 财务深度报道 | The Decoder | VentureBeat | 證券時報 Perplexity 财务数据