AI公司最容易被误读的指标：增长速度之外，收入耐久性正在决定估值分层

信源：20VC｜Harry Stebbings 对话 ClickHouse 联合创始人兼 CEO Aaron Katz｜2026-08-31⁠

围绕 AI 泡沫的争论，通常盯着两个数字：收入增速够不够快，毛利率够不够高。Aaron Katz 在这次访谈里提出了一个更接近问题本质的指标——收入耐久性。AI 应用可以在一年内从零冲到上亿美元收入，但如果用户购买的主要是某个阶段领先的模型能力，模型一旦被竞争者超越，迁移成本可能很低；数据库、可观测性和企业数据平台增长没有那么“瞬时”，一旦进入生产系统，替换却会牵动数据迁移、权限体系、工作流和合规责任。

这意味着，AI 商业化的下一轮分化，不会只看谁把 ARR 做得最快，而要看谁能把机器产生的爆发式消费，沉淀为可以续费、扩张并保持定价权的收入。

ClickHouse 本身正好提供了一个样本。公司在5月官方披露，ClickHouse Cloud 的年化收入超过2.5亿美元，客户超过4000家⁠；本次访谈及随后报道显示，其 ARR 已超过3.5亿美元⁠。两组数据都是年化口径，并非 GAAP 确认收入，不能与季度营收直接混用，但从2.5亿到3.5亿的跃升仍然说明需求在加速。

Katz 同时披露⁠，公司总续约率超过99%，净收入留存率超过200%，AI 原生公司合计贡献不到12%的收入。后三项目前主要是管理层口径，却比单独的 ARR 更重要：它们试图证明增长来自广泛客户和存量扩张，而不是押中一家头部模型公司。

若用公司今年1月融资时的150亿美元估值⁠除以8月的 ARR，静态倍数仍接近43倍。这不是实时市场估值，却说明“收入足够耐久”已经被写进了很高的预期。

为什么 Agent 会放大这一层的价值？过去一个人查看几张仪表盘、运行几条 SQL；现在一个 Agent 为完成同一项任务，可能连续调用模型、数据库和外部工具，失败后重试，并行探索多条路径，同时留下日志、trace、token 消耗、延迟和中间结果。

所谓“机器生成的需求”，并不是用户数量突然增加，而是每个任务触发的系统动作和可观测数据成倍增加。ClickHouse 对自身工作负载的描述也印证了这一变化：Agent-facing analytics 正把偶发的批量查询改造成高并发、低延迟的突发请求⁠；其公开案例称，OpenAI 每天写入PB级日志数据，且当时月增速超过20%⁠。

因此，Agent 时代的价值迁移不只发生在模型层，还会向数据平面和控制平面扩散。数据平面负责状态、历史、业务数据和遥测；控制平面负责回答另一些问题：这个 Agent 是谁，可以访问什么，能花多少钱，出了问题由谁负责。

Katz 预测未来每个 Agent 都需要身份和预算，这并非遥远设想。微软已经在企业治理框架中要求为每个 Agent 分配独立身份，并绑定权限与生命周期控制⁠；FinOps Foundation 也开始把模型账户、API Key、token 归因、预算和 chargeback 纳入AI成本管理框架⁠。Agent 真正进入企业的前提，不是“完全自治”，而是“可计量的自治”。

不过，Katz 的判断也带着明显的利益位置：ClickHouse 卖的是基础设施，自然倾向于强调应用易替换、底层更耐久。基础设施并非天然安全。开源项目可以被云厂商重新托管，模型公司也可能向数据库、工具和可观测性向下延伸。

ClickHouse 收购 Langfuse、推出托管 Postgres⁠，本质上就是在扩大产品边界，把数据库、交易状态和 Agent 可观测性连接成一个更难拆开的系统。它的护城河最终不能只靠一次性能基准，而要看能否持续保持单位查询成本、云服务体验和生态集成优势。

这也是评估 AI 公司时最需要修正的地方。低毛利并不自动等于坏生意，高增速也不自动等于好生意。更有用的观察顺序是：收入是否过度集中，模型更替时客户是否留下，毛利改善是否来自真实效率而非补贴，以及 Agent 每完成一个有效任务究竟带来多少可计费收入和多少底层成本。

若应用层在模型频繁迭代后仍能保持高留存并扩大利润率，“基础设施必然更耐久”的判断就会被削弱；反之，如果应用快速轮换，而数据、身份、预算和可观测性用量持续复利，AI 产业最稳定的利润池就会更多沉到这些看似不性感的底层系统里。