相关讨论中有人提出：如果AI真的很强，应该很擅长赚钱。该讨论还提到，Anthropic和OpenAI都很想上市，想通过资本市场获得大量钱，并由此反推，大量AI还处在花钱而不会赚钱的阶段。这不是行业定论，但对正在面试AI公司产品、运营岗的人来说，它提供了一个很实用的提问角度：别只被技术声量打动，先弄清这家公司的钱从哪来。

面试时，把“技术多强”换成“谁在付钱”

很多候选人习惯问“你们模型能力怎么样”，对方容易用参数、榜单、演示回答。更有信息量的是问收入结构：目前主要收入来自哪类客户，是个人订阅、企业年费，还是项目制定制？付费客户里，续费和新签各占多少？

这里要区分两种业务形态。标准化订阅收入可预测，但获客成本高；项目制交付单笔金额大，却依赖销售和定制人力，规模效应弱。两类岗位关注点不同：订阅业务的产品经理更该盯留存和转化，项目制业务则要问清交付团队规模和毛利空间。相关讨论用过一个比喻：AI像花花公子，在部分领域很强，但面对现实世界的锄头只会喘气。求职判断也一样，别只看演示多惊艳，要看它有没有把锄头挥进客户的预算表。

判断你的岗位离收入有多远

面试时可以直接问团队KPI：是用户增长、收入，还是技术指标？如果KPI全是DAU和调用量，却没人对收入负责，这个岗位可能更靠近成本中心。可以追问一个具体场景：过去半年，团队有没有因为商业化压力调整过优先级？比如砍掉不赚钱的功能、把资源挪给付费客户。这类问题比“公司前景如何”更能问出真实状态。

读岗位描述时，看到“参与大模型应用落地”还要确认：面向哪类付费客户、交付标准是什么、是否背收入或续费指标。假设一个模拟场景：面试官说这个岗位负责“提升模型调用体验”，你可以追问，这个体验改善最终影响哪个付费指标，是续费、客单价还是获客成本？对方答不上来，不代表公司不好，但说明岗位与收入链条的关系还需要查证。相关讨论提到AI公司很想通过资本市场获得大量钱；如果岗位产出只服务于融资故事里的技术声量，而不是客户付费，风险就更需要核查。

高薪offer前，做三道公开信息核查

第一，查融资阶段。公司最近一轮融资是什么时候、投资方是谁、有没有披露收入或客户数。第二，查收入模式是否可验证。官网定价页、客户案例、招投标公告都能侧面印证。如果只有“战略合作”没有付费细节，保持谨慎。第三，看岗位与收入的关联度。同样是产品经理，负责付费转化和负责内部工具，抗风险能力不同。

如果看到媒体转述的营收数字，只能当作线索，不能直接推导出“这家公司商业化成熟”。年化营收不等于利润，也不等于所有AI公司都在赚钱。面试时仍要问毛利率、回款周期、续费率。一个实际可做的小建议：面试前花二十分钟，把目标公司官网的定价页和客户案例页各看一遍，写下三个收入问题带进面试，比如“过去一年，付费客户里续费贡献占比大概怎样？”“这个岗位的产出最终落在哪个收入或续费指标上？”这比背通用题更能帮你判断，这家公司是在赚钱，还是在讲故事。