成功案例看多了容易产生一种错觉：用户多等于值钱。Tome 的故事恰好是一记反例——2500 万用户、8100 万美元融资、Reid Hoffman 和 Eric Schmidt 都投了钱，最后创始人亲手把产品关掉，原因朴素得让人不舒服：一年只有 300 万美元收入。它可能是 AI 时代第一份"用户很多但不值钱"的完整样本。

先把故事线捋清楚。Tome 做的事情非常简单：输入一句话，AI 帮你生成一整套演示文稿。2023 年初 ChatGPT 刚爆火，大部分人第一次意识到写文案、找图片、排版可以同时交给 AI，Tome 因此迅速成为全球最火的 AI 生产力工具之一。2022 年 9 月上线后只用 134 天就突破 100 万用户——公司称这是当时所有生产力软件中最快的纪录，比 Slack、Dropbox 和 Zoom 都快；2023 年 7 月超 1000 万用户，2024 年春超 2000 万，最终累计 2500 万。融资一路被追着跑：累计约 8100 万美元，2023 年 2 月那轮时估值 3 亿美元，而当时几乎没有收入。

然后，2025 年 4 月 30 日，Tome Slides 正式停止服务。不是卖掉，不是留个小团队维护，也不是慢慢停更——用户连过去制作的内容都无法继续访问，公司提前要求所有人导出资料并给付费会员退款。

2500 万人用了，为什么不愿意付钱

2023 年，Tome 用户总共提交了超过 2 亿次 AI 提示词，生成 300 亿个单词、1.1 亿张图片和 6000 万份 Tome。问题在于：这种需求虽然广，却不够深。Tome 后来发现大量用户是学生、自由职业者和小企业主——他们当然喜欢"一句话生成 PPT"，但很多人一个月只需要做一两次，觉得好用不等于愿意长期付订阅费。大量用户一直停留在免费版，即使付费也只有每月约 10 美元。

收入曲线因此非常尴尬：2023 年 8 月年化收入刚超 200 万美元；2024 年初月收入约 30 万美元，一年 300 多万；之后用户又涨了几百万，到 2024 年底收入还是停在约 300 万美元。2500 万用户对应 300 万美元年收入，平均下来每个注册用户一年只贡献十几美分。

Tome 证明了一件在 AI 时代很容易被忽略的事：一个问题"很多人都有"，和一个问题"有人愿意花很多钱解决"，完全是两件事。

它挣扎过一年，不是突然决定关门

创始人 Keith Peiris 很早就意识到了问题。2024 年 4 月，Tome 已有约 2000 万用户但绝大多数不付费，公司开始第一次大转向：研究用户后发现，有一小群人的用法完全不一样——销售人员。普通用户偶尔做一次 PPT，但有些销售一天能在 Tome 里制作 8 份演示材料：不断给不同客户准备公司介绍、解决方案、销售提案和客户汇报，这显然比学生做课堂作业值钱得多。

于是 Tome 裁掉约 20% 的 59 人团队（包括大量负责免费消费者增长的员工），把资源转向企业销售，产品也变了——不再只是帮销售生成漂亮的 PPT，而是先读取目标公司的新闻、SEC 文件和公开信息，研究客户，再生成针对这个客户的销售材料。Peiris 当时的想法很明确：与其服务 2000 万个不怎么付费的人，不如找到其中几千个真正有高价值需求的销售团队。

但很快他们发现问题比想象更深：不是把消费级 PPT 工具改成企业版，收入就会自然出现。

能帮你做第一版，却很难帮你做最后一版

你肯定用过 AI 写 PPT，最大的问题不是生成得快不快、有没有设计感，而是写完的 PPT 能不能用。假设你是软件公司的销售，要给耐克做一份 100 万美元的销售方案——现在的大模型当然能轻松生成十几页看起来相当专业的内容，但真正决定这份方案有没有用的信息是：你们过去和耐克开过哪些会、对方哪位负责人最关心库存、上一轮报价为什么没通过、竞争对手正在卖什么方案、客户内部谁支持你谁反对你。这些东西通用大模型不知道，Tome 也不知道。

Peiris 用了一个非常形象的比喻：即使给你一个智商 160 的人帮你做 PPT，但如果这个人对你的公司和客户一无所知，他一样做不出真正高质量的方案。这暴露出第一代 AI 生产力工具的局限：大模型非常擅长帮人跨过"空白页"——把 0 变成 60 分，Demo 都很震撼；但大量真正值钱的专业工作，困难恰恰是从 60 分做到 95 分，而 95 分需要大量上下文。所以 Peiris 后来对 Tome 的评价相当严厉：产品有增长，但不是 mission-critical——企业非用不可的核心工具。这就是为什么 2500 万人觉得它好用，却只有极少数人付钱。

账上还有一半的钱，他把 70 人缩到 6 人重新开始

这个故事的另一个特别之处：Tome 不是钱烧完了才转型。2024 年底决定彻底重来时，8100 万美元融资大约还有一半留在账上，公司还储备了不少 GPU。Peiris 认为既然还有团队、资本和时间，就没必要为一个已经看见天花板的产品找理由。

他专门去找 Slack 联合创始人 Stewart Butterfield 请教——Butterfield 曾两次做游戏失败，却分别从游戏公司的内部工具里做出了 Flickr 和 Slack。建议很简单：重新开始，而且团队一定要足够小，两张大披萨就能喂饱。2025 年春天 Tome 彻底关停，原来约 70 名员工只留 6 个人重新找方向；八个月后推出新公司 Lightfield。

这一次不做 PPT，直接做 AI CRM——产品逻辑几乎是 Tome 失败经验的反面。Tome 是你给 AI 一个 Prompt 它帮你生成内容；Lightfield 先连接公司的邮箱、会议、客户记录，把一次次客户沟通持续记录下来——谁在什么时候说了什么、这笔交易为什么推进了、上一次会议承诺了什么、客户提过哪些异议、哪一步导致成交——然后 AI 再在这些真实上下文上工作：准备会议、写跟进邮件、更新客户状态、发现销售机会。第一次看到 Lightfield 不会像 2023 年看到"一句话生成 PPT"那样让人惊呼，但它离收入更近。2025 年 11 月公开上线时已有几百家创业公司参与测试，等候名单超过 2 万家 B2B 企业。当然它不一定会成功——CRM 是 Salesforce、HubSpot 盘踞多年的市场，AI 销售工具也极其拥挤——但 Tome 的转向依然值得分享，因为它提供了一份来自 2500 万真实用户的 AI 产品实验结果。

AI 创业最危险的指标，可能就是用户很多

过去互联网创业有一套熟悉的逻辑：先做用户再考虑赚钱，Facebook、Instagram、TikTok 都证明过，占据足够多的用户时间后商业模式可以慢慢补上。生成式 AI 未必适用这套逻辑，因为大量 AI 产品从用户第一次使用起就在产生真实成本：模型调用、搜索、图片生成、算力，每一次"免费体验"背后都有人付钱。更麻烦的是，AI 天然擅长制造第一次体验惊艳、长期价值不高的产品——一句话生成 PPT、Logo、网站、广告，特别适合传播也特别容易获得用户，但新鲜感不是商业价值。真正需要回答的是：用户一个月回来多少次？没有这个产品他有多痛苦？产品替代的是价值多少钱的工作？以及最关键的——他愿意付多少钱？

Tome 关停不是因为"AI 生成 PPT 没有需求"，恰恰相反，它证明这个需求大得惊人。问题在于：这是一个很大的需求，却未必是一个足够值钱的需求。第一阶段的 AI 创业比的是谁能做出让用户"哇"的 Demo，第二阶段的问题已经变成：这个"哇"到底值多少钱？

我的总结：对做产品的开发者，Tome 留下的最实用过滤器就三条——需求频率（一个月用几次，不是能不能用）、付费深度（替代的工作值多少钱）、上下文壁垒（你的产品能否积累别人拿不到的上下文）。三条里有两条不过关，用户量再漂亮也要警惕。变现端的完整框架可以对照独立开发者变现指南检查自己的产品。