你看不起的小订单，这家公司却做成了千亿市值！

抓住风口，看懂趋势

本期要点：AI红利，为什么分为两个阶段？

你好，我是王煜全，这里是王煜全要闻评论。

如果你已经有客户、有订单，那恭喜你，对你而言，AI的红利可能会分两次兑现。

第一次，是让你从同样的生意中省出利润。第二次，是让那些过去做不了、或不值得做的订单，也可以开始做了，并开拓出新的增长曲线。

其中的原因，看完今天这两家公司，你就明白了。

一家是美国的独角兽公司SendCutSend，今年5月刚完成1.1亿美元融资，估值超过10亿美元。它主要做按需金属零件加工，客户上传设计文件，就可以完成报价、生产和交付。据称，哪怕只要一个零件，也能生产。

另一家是中国的嘉立创，则是从PCB打样起家，8月4日刚刚在深交所主板上市，首日市值就突破千亿元，2025年收入已经超过100亿元。

它们一个切金属，一个做电路板，看起来都不像AI公司。

但今天，我们恰恰能以它们为例，看看AI红利该怎么落地。当然，下面的分析只是商业逻辑的讨论，不构成任何投资建议。

第一波红利

先来看看，如何实现第一层，即用更低的成本，完成以前同样的生意。

很多人一谈AI降成本，最容易想到的就是替代人，把员工裁掉，自然就省钱了。

但其实，我们更要看清成本的真正来源，人工成本高往往只是个结果。

今天的两个主角，SendCutSend和嘉立创，有个共同特征，就是订单量巨大，客户高度分散，甚至大部分订单都各不相同。

这种业务天然塞满了各类必须人工参与的工作，如审图、报价、工艺判断、排产、客服、异常处理等等。

过去即使已经有软件辅助，仍然需要大量人力和时间来做具体执行的事情，成本就这么产生了。

但这反而是今天Agent擅长的地方，也就是把企业过去积累的经验、参数和流程接过来，让AI先处理那些流程相对确定、但输入并不标准的工作，只有少数真正复杂的异常问题才要留给人。

这样就会大大减少人力成本，也能大幅提升效率。

单点看可能不惊艳，可一旦业务量很大，经济账就非常可观。

就像嘉立创，2025年处理了2000多万笔订单，哪怕每笔订单，AI能省一块钱，一年就能带来两千万的利润。

其实，Palantir身上已经展现了AI的这个能力。

今年二季度，Palantir的收入同比增长了93%，特别是，其调整后经营利润率达到了62%，是两年前的1.6倍。收入和利润率都在涨，这才是AI降本的真正意义。

当然，要指出的是，AI转型是个系统工程，需要企业原有系统、数据甚至业务系统都能Agent读取和调用。而且，省下来的成本，可能被算力、云服务器以及软件方面的投入抵消。这些都是企业需要注意的问题。

第二波红利

但只是到这一层，AI不过是帮企业多赚了些利润，真正有意思的其实是第二层。

企业省下来的钱，不会永远留在自己的利润表里。

企业出于市场竞争的本能，会把效率的提升以及成本的降低，转化为更低的价格、更低的起订量、更快的交付和更简单的操作。

而这就有可能无心插柳柳成荫，进一步打开新的需求。

SendCutSend就是这个过程的代表。

其创始人Jim Belosic，曾在造一辆蒸汽动力汽车时，需要一些市面上根本不存在的异形零件。但他发现，传统加工厂做一千个零件不难，难的是只做一个。

因为询价、审图、编程、备料等这些固定成本，如果全摊到一个零件头上，一个本来只需几十美元的零件，可能要收几百美元。

可见，很多看似没需求的业务，其实不是真的没人需要，只是满足这个需求的成本太高，顾客不想花这么多钱，商家也不好提供。于是，需求一直在，却没有变成订单。

SendCutSend的办法，是写了一套软件，把几百个客户形状各异的零件，像玩俄罗斯方块一样拼进同一张金属板里一起切。材料损耗和开机成本，从由一个客户承担，变成几百个客户分摊。

服务一笔小订单的成本，就被打下来了。

到2025年底，SendCutSend累计生产了超过3000万个定制零件，服务了30多万客户。去年10月，就跨过了1亿美元收入的里程碑。

而它最大的单一客户，只占公司收入的0.6%，说明撑起这家公司的，是无数原本做不了的小需求。

嘉立创走的，也是同一条路。

二十年前，如果一个工程师只想做几块PCB样板，工厂同样懒得接。

嘉立创用自研的智能拼板算法，把成千上万张尺寸不同、要求各异的订单组合在一起生产，每天可以处理两万多份订单，单次打样成本从过去的数百元压到了现在的几十元，最快12小时就能交付。

新的规模经济

我们认为，这背后，是规模经济逻辑的变化。

传统工业擅长把同一种东西生产一百万遍，需求越一致，越容易标准化，越能把单位成本降下来。

SendCutSend和嘉立创则由系统找出小订单可以共享的部分。同时处理的订单越多，出现相似需求以及出现可共享部分的概率就越高，拼单效率随之提高，小批量生产反而能获得规模优势。

而且，门槛下降了，还会带来各种附加效应。

比如，不仅新客户更多了，老客户也会提高订单频次。

过去，打一次样要等几周，客户自然一年只敢改几轮方案，现在却一年可以迭代十轮。

所以，AI的红利，第一阶段看利润表，第二阶段看需求曲线，而且两个阶段，可以在同一家公司身上接续发生。

类似的逻辑，其实还可以发生在各行各业。

比如，现在打车的价格还不低，一旦Robotaxi普及，价格降下来了，以前坐公交和地铁的人，也会愿意打车了，整个市场就扩大了。

再比如，过去体检一次要几千块，大部分人一年也就查一两次。

如果可穿戴设备和自动化检测能把体检成本降下来，而且也更方便了，就有可能变成每个月甚至每周都能查一次，包括那些以前不爱体检的人，也会加入进来。

同时，插一句，这种连续的健康数据，才能让每个人掌控自己的个性化健康状况，而不是一套标准去卡所有人。

可以说，工业时代靠“消灭”差异来降低成本，AI则让我们有机会“消化”差异，也就是大幅降低处理差异化需求的成本，来获得新的规模化能力。其中，最值得关注的一个领域，就是我们常说的“服务规模化”。

那么，你身边有没有什么行业，不是没需求，是过去太贵、太慢或太麻烦了，导致需求一直被压制？AI有没有可能可以释放这些需求呢？欢迎在评论区聊聊。

以上就是今天的内容，更多科技产业的一线洞察和底层规律，欢迎加入科技特训营，和我一起，先人一步，领先一路！

王煜全要闻评论，我们明天见。

↓长按图片扫码报名，先人一步，领先一路

↓点击报名前哨AI小课，赶上Agent浪潮！

最后， 鉴于公众 号推送机制的改变，你未来刷 到要闻评论的机会可能没那么多了，建议你加入粉丝群，第一时间 得到我的独家前沿分析 ，快快扫码加入吧！