我想讲讲两位创始人的故事，因为我觉得他们的故事能比任何统计数据说得更清楚这个整体转变。
第一位创始人花了四个月时间做 pitch deck。她反复修改幻灯片，次数多到自己都数不清，两次飞往旧金山，参加了十一场投资者会议，感觉都差不多，收到了一堆“我们再聊聊”的邮件，却始终没有后续。终于有一位投资者点头，但估值上限让她在签署时心里一沉。她开始后五个月，钱终于到账。为了构建她甚至还没向任何真实客户展示过的产品，她已经放弃了公司近五分之一的股份。
第二位创始人甚至连 pitch deck 模板都没打开。他花了一个周末在一个 Slack 群里潜水，反复阅读大家抱怨工作流中同样的烦人、破损的环节。周一早上他打开终端，大声描述他想要的应用，就像在给初级开发者讲解一样；到周四时，已经有真实可运行的东西了。他从第一天就开始收费，每月二十九美元，简单直接。七周后，他已经有了四十位付费用户。他仍然拥有自己公司的全部股权。他从未与任何风险投资进行过通话。而且，他已经根据真实用户的反馈发布了四次小更新，而第一位创始人还在等待她的产品甚至还没诞生。
我并不是凭空编造这些来证明观点。事实上，现在大量软件的构建方式大致就是这样，而且速度之快超出了此领域多数人的预期。我想在这篇文章里深入探讨原因，因为说“AI 让事情变得更简单”虽然正确，但也有点乏味且懒惰。真实的故事要更复杂、更有趣，而且老实说，它也有黑暗面——大多数炒作文章都会有意跳过这部分。
在我深入之前，先简单说说我的背景。我不是 VC，也不靠写融资简报谋生，也没有试图为投资组合公司筹集基金。我共同经营一家名为 TheBitForge 的小型数字公司；除此之外，我还自己构建并交付了自己的工具，其中包括我在 npm 上发布的基于终端的 AI 编码 CLI。所以这里的所有内容都是来自内部的视角，而不是某人在会议台上旁观的结果。
大家为什么突然开始谈论这个
先把真实数据摆出来吧，因为“自力更生创业正当其时”这个说法，只有亲眼看到图表上两条线交叉的那一刻，才会真正让人有感觉。
全球风险投资从2021年的约6360亿美元，一路跌到2026年的2870亿美元上下，降幅在55%左右。雪上加霜的是，各领域的估值也从峰值回调了近60%。所以这不是小幅波动——过去源源不断流向初创公司的钱，差不多有一半就这么……凭空消失了。
而且剩下的钱并没有扩散开来填补缺口，反而出人意料地集中到了越来越少的人手里。仅2026年第一季度，OpenAI、Anthropic和xAI这三家公司就合计吸走了1720亿美元——占整个AI风险投资盘子的67%。一个季度，三家前沿实验室，拿走了全部的三分之二。如果需要，不妨慢慢重读一遍，我自己当时也是这么做的。
再把镜头拉近到开发者工具领域——毕竟这个赛道离我们很多人更近。2025年，该领域最大的一笔融资独占了全行业募集资金的约46%；前三笔合计占72%；前十笔占了96%。也就是说，当年其余那一半的交易，只能在不到2%的资金里你争我抢。如果你不是风投早已认定的大平台赢家——比如Cursor或Cognition——那么2026年的真实图景，与其说是“人人都有机会”，不如说是一场彩票：三张中奖号码，早在别人出手买票之前就已经内定了。
接下来才是剧情反转的部分。就在资金越来越稀缺、越来越难拿的同一时间，实际做出一个产品的成本却在断崖式下跌——我这么说几乎没有半点夸张。
如今要让一个能跑通的SaaS MVP上线——前端用Next.js，数据库放Supabase或PlanetScale，支付接入Stripe，部署在Vercel或Railway上，再让一个AI API负责智能部分——每月开销通常在30到100美元之间。就我看到的各方反馈，大多数人在赚到第一美元收入之前，总投入连一千美元都不到。
很大一部分原因在于 AI 编码助手的能力提升得又快又好。像 Claude Code、Cursor 以及不断涌现的新工具，只需几个小时就能完成以前小团队几周才能做的事情。使用这些工具的开发者普遍反馈，相比以前的工作方式，构建时间缩减了五到七成。过去需要雇佣专门懂得服务器管理的人才能搭建的基础设施，如今只要一个从未接触过这类事的人，一个下午就能配置完成。
把这两点放在一起看，情况几乎不言而喻。创业所需的启动资金在几乎同一时间骤降，而可用于融资的资金也随之收紧。对很多创始人来说，这并不可怕，反而是一个机遇。如果你不再需要两百万美元才能做出真正的产品，那么你也不必花五个月时间去说服某人给你这两百万美元。
而在我深入研究过程中，也许最令人惊讶的发现是：自举公司已经不再是那种缓慢、悲伤、『看来我融不到钱』的选择了。对数千家 SaaS 公司的研究表明，表现最好的自举公司在实现百万美元年度经常性收入方面，仅比融资的同行慢大约四个月，而在这段时间里他们始终保持对公司的完全掌控。仅仅四个月，而不是四年。这四个月的代价是：不必忍受董事会的压力，不必稀释股权，也不必被他人强加的增长时间表所束缚。
这也不只是一个冷门的统计数字。托佩·阿沃托纳在几乎没有投资者愿意给日程工具写支票的情况下，用自己的积蓄打造了 Calendly。于是他亲自动手开发。七年后，Calendly 的估值达到三十亿美元，而由于从未有过需要分配的股权表，他几乎保留了全部价值。
我想说清楚，这并不意味着融资已经过时，或者接受 VC 投资是个错误。许多企业在真正赚到第一美元之前，确实需要大量资金——深度技术、涉及硬件的项目、某些受监管的领域都是如此。假装资本根本不重要，那是另一种形式的天真。但过去那种『任何认真的创业都必须依赖风险资本才能生存』的默认假设，在大量软件领域已经悄然不再成立，而 2026 年正是这一点变得无法忽视的时刻。
「用 AI 构建」的日常到底是什么样子
随手把“AI工具”当成模糊的生产力提升挥手而过很容易。我认为，更有用且更诚实的做法是具体说明现在软件开发到底有什么不同，因为只有这些细节才能让整个经济论点成立。
十八个月前，用 AI 编码基本上只是自动补全完成你的句子。基本就是如此。而在 2026 年，它意味着完全不同的东西——具备代理能力的工具，能够读取整个代码库，跨多个文件规划更改，实际编写并运行代码，自行执行终端命令，并且自行修复错误，而无需你像鹰一样盯着每一步。
这些工具的市场几乎在一夜之间爆发。从最初只有寥寥几款真正可用的选择，短短六个月内增长到超过三十款人们正在积极追踪的工具。新的 CLI 几乎每周都在推出。价格战把使用这些工具的成本不断压低，有时甚至降至零；比如 Gemini CLI 现在每天提供约一千次免费请求，一年前这听起来就像是编造的。
这些工具大致分为三类，了解它们的区别在选择自己的工具链时很有帮助。有一类是以终端为先的代理，比如 Claude Code 和 Codex CLI，它们直接驻留在命令行中，能够直接在你的仓库上工作。另一类是 IDE 原生工具，比如 Cursor，它们把 AI 直接嵌入到你已经熟悉的编辑器中，学习曲线更平缓。还有第三类是后台、异步风格的代理，你可以启动它们然后离开，待任务完成后再回来查看。事实上，这三类之间的界限已经变得模糊，大多数严肃的工具现在都兼具这三种特点，但核心观点仍然成立。2026 年的独立创业者基本上拥有相当于一个体面的初级工程团队的东西，随时可用，只需付订阅费。
不过，我不想只是抽象地告诉你这一点，于是这里列出几个真实有据的例子，来说明这种压缩在实践中到底是什么样子。
一位位于里斯本的创始人在共享办公空间里推出了一款 SaaS 产品，仅用四十七天就实现了月经常性收入一万美元。她利用 AI 构建了应用本身，编写了文档，处理了客户支持，基本上运营了整个运营方面，而自己甚至没有亲手写过一行代码。
另一位独立黑客开发了一个小型 AI 编排工具，短短四周内月收入达到三千美元。这个数字大约相当于六十到一百名用户，每人支付三十到五十美元，说明了一件重要的事：真正的团队愿意为解决特定且痛苦的工作流问题付费购买精准的解决方案，而不是靠一周就消逝的病毒式消费者热潮。
还有 Cameron Whiteside，他和另外两个人一起重建了名为 Kleo 的 LinkedIn 内容工具，短短不到九十天的时间，月收入从零涨到了六万二千美元。顺便说一下，这个故事的诚实教训并不在于产品本身，而在于分发——我们稍后会详细讨论这一点，因为它非常重要。
在对大约三十位微 SaaS 创始人的收入进行汇总和研究后，共同点并非技术上的打磨，而是验证的速度。有七成到八成的产品能够达到月收入一万美元，起初都是 solo 创建的粗糙 MVP，快速上线并让真正的付费用户使用，而在产品尚未完成之前就已经投入市场。
如今这些案例已不再是孤例，说实话，它们开始呈现出一种模板。这就是为什么如果你把其中任何一个当作证明对你也同样适用的依据，我会稍微提出异议。它们表明上限已经远超过去的水平，但并不意味着下限也随之提升。
没有人真正谈论的部分，那就是大多数人并未达到每月六万二千美元的收入
我觉得值得花一点时间来直面那些不那么光鲜的数字，因为只展示亮点的帖子并不能真实反映情况。
如果你根据社区调查来看当前积极在做项目的人的实际分布，大致是这样的。大约一半的创作者月收入在零到一千美元之间，大多还未产生收入或刚刚上线。大约有百分之二十的创作者月收入在一千到一万美元之间，这属于早期进展，可能是副业收入或接近兼职的生计。大约百分之十的创作者月收入在一万到十万美元之间，这通常是由一到三人维持的全职可持续业务。而不到百分之五的创作者能够突破月收入十万美元大关，这基本上就是在 Twitter 乃至其他平台上走红的故事。
从零到月收入一万美元通常需要十二到三十六个月，即便有各种 AI 工具在加速实际的开发过程。这一点才是真正需要关注的关键。实际上，开发从来都不是这个整体方程中最难的部分，即便如今因为 AI 让开发变得快速，它也吸引了所有的注意力。
没人会警告你的陷阱
我觉得这句话值得单独拿出来再说一遍。让你构建变得轻而易举的确切同一套工具，也同样让那些模仿你的人，以及你所依赖的平台本身，变得轻而易举。
“AI 包装器”这一术语在 GPT 和 Claude API 变得易于使用不久后，就带有了一点贬义。如果你不熟悉这个词，包装器基本上就是一个薄薄的接口，它在系统提示之上调用他人的模型，再加上一层 UI 的包装。而且，从广义上来说，这正是最容易悄然失败的初创公司形态。
这里的数字说实话有点残酷。大约有百分之八十的 AI 初创公司预计将在 2026 年底之前失败。在 2021 年至 2023 年间融资的公司中，有百分之四十已经关门。有一个数据库在记录这一领域的失败案例，仅在这段时间内就记载了超过三百一十九起倒闭，而导致失败的原因总是重复出现。被大型模型提供商商品化。在实现可持续收入之前，每月在算力上烧掉超过一百万美元。而对独立创业者来说，最致命的是完全没有数据护城河——没有任何只因你而存在的东西。
这件事其实已经公开发生过一次，对很多拿到融资的初创公司来说相当尴尬。仅在2024年，OpenAI 的产品路线图就直接让超过两百家融资的「GPT 包装」公司消失——只需推出一个原生功能，悄然让这些初创公司的整个产品瞬间失去价值。事实上，这在另一个技术时代就有旧称，人们把它称为「Sherlocking」，源于苹果自家的 Sherlock 搜索工具早在2002年就把名为 Watson 的初创公司给干掉了。如今，把整个业务直接搭建在前沿实验室的路线图之上，而不是在其周围做点东西，这种风险已经成为常态、可预期的风险。
老实说，经济学让情况更糟了。2023 年到 2025 年间，每百万 token 的推理成本下降了大约百分之八十。如果你正在构建某个产品，这确实是个好消息——你的 API 账单会年年缩水。但如果你的整个商业模式只是「我们收取比原始 API 成本稍高的费用」，那就基本等于自杀，因为这种利润空间对所有人以相同速度蒸发，甚至包括下个月决定来压价的竞争对手。
我反复回顾一个框架，它把这个问题拆解成三层，我认为在你写出第一行代码之前，值得把它内化为自己的思维方式。
第一层就是包装层本身，几乎没有真正的护城河。你只要调用 API，把返回的内容做点格式化，然后加价收费。任何稍懂点开发的工程师都能在一个周末内把这东西重做出来。大约有百分之九十五的 AI 初创公司就止步于此。
第二层是专有数据的积累，护城河才真正开始形成。每当有人使用你的产品，就会产生数据，这些数据能让产品真正变得更好，而不仅是虚荣的指标，而是竞争对手根本无法爬取或购买的真实信号。这种数据的存在前提是人们已经在使用你构建的东西。
第三层是基于这些数据的网络效应，几乎没有公司能走到这一步。在这一层，每新增一个用户都能让产品对所有现有用户变得更好（可量化），而这也是唯一能够抵御资金充足、决心坚定的竞争对手来抢夺市场的层次。
在这里栽跟头的创始人通常既不懒惰也不缺乏雄心。他们会做出真正有用的东西，快速上线，获得一些早期 traction，但随后却不愿意在接下来的几个月里把这种 traction 转化为第二层或第三层。没有护城河的包装产品平均在十八个月内就会被商品化，有时甚至更快，而每次新模型发布都会让这个时间线进一步缩短，而不是延长。
和这里的这个转折点我认为完全重新定义了整个“包装器”讨论。Cursor，这个领域内最大的成功案例之一，最初只是围绕 GPT-4 和 Claude 的一个包装器。此后，其年收入已突破约 20 亿美元，估值超过 290 亿美元。从技术角度说，成为包装器从来不是问题。问题在于保持薄弱，从不投入工作流集成、专有数据或真正的切换成本。Jasper 正好与这个故事相邻，作为警示故事：它只是一个简洁的 UI，建立在 OpenAI 的 API 之上，两年内估值就达到了 15 亿美元，但随后随着市场和模型提供商赶上了它所提供的一切，其收入在短时间内腰斩了超过一半。
因此这里的教训不是‘永远不要在 AI 模型之上构建’，因为如今几乎所有在构建软件的人都在某种形式上正在这样做。真正的教训是：在发布之前，先决定你真正将拥有什么——这是模型提供商根本无法在其下一个功能发布中简单吸收的东西；从第一天开始就朝着这个目标构建，而不是在竞争对手已经抢走你的市场后才匆忙去争取。
实际上是什么将成功的人与其他人区分开来
把这些因素放在一起——融资数据、案例研究、失败数据——就会发现少数几种模式反复出现。它们出现得十分频繁，以至于不再像零散的轶事，而开始像是一套实际的公式。
成功的人往往会选择一个狭窄、具体且昂贵的问题，而不是一个宽泛的类别。'面向小企业的 AI' 也许在 2022 年能拿到融资，但如今这种想法已经被嘲出会议室。成功的创始人能够告诉你：正是哪个人遇到了这个问题，问题何时出现，他们目前采用的权宜之计是什么，以及继续忍受这一问题的成本。'将货运经纪人的人工文件检查从二十五分钟缩短到五分钟' 是一个真实、可检验且可信的说法。'面向物流的 AI' 仅仅是一个配有幻灯片的感觉。
他们倾向于快速推出粗糙而简单的产品，而不是打磨得很精美却缓慢的产品。在我查看的几乎所有案例研究中，真正赚到钱的产品并不是技术上最令人印象深刻的那些。而是那些能够最快地让真正付费的用户看到产品的——常常通过 Twitter 或 Product Hunt——并让实际的用户行为，而非创始人的假设，来决定下一步要构建什么。里斯本的创始人并没有构建出完美的产品。她构建了一个能够工作、快速上手的产品，然后仅仅根据人们实际使用情况不断迭代。
他们把AI当作放大自身努力的杠杆，而不是替代自己判断的东西。停滞不前的创始人，往往是把“AI能帮我写代码”和“AI能替我经营整家公司”混为一谈的那批人。AI确实无法替代你对自家客户的理解，它真正能做的，是让那些已经吃透了客户的创始人产出翻倍。2026年在这条路上走得成功的人，会用AI处理客服工单、撰写内容、整理文档，甚至承担相当一部分实际开发工作，而把自己的时间留给两件AI还无法代劳的事：和真实客户交谈，以及在“接下来做什么”这个难题上拍板。
他们避开了两个陷阱——许多前途光明的创始人，正是悄悄栽在这两个坑上。第一个是同ChatGPT本身正面竞争。如果你的全部卖点归结起来就一句“比ChatGPT好用”，那这场仗还没开打你就已经输了。ChatGPT每月只要20美元，几乎什么事都做得像模像样。你必须把某个具体问题解决得比任何通用工具都好出一大截，而不是给所有人早就用得上的同一个产品，套上一层稍微漂亮点的界面。
第二个陷阱是给其他独立开发者做工具，这种模式在圈子里出奇地常见：为其他创业者做的落地页生成器。给其他SaaS开发者的样板代码模板。为那些发推内容基本只有“我又在做什么项目”的人准备的推文定时工具。一位前独立开发者坦言，自己曾在这个循环里困了十个月，到最后感觉“像一场庞氏骗局”——独立开发者给独立开发者造工具，而想走出那个狭小而自我循环的泡沫、触达真正的外部市场，几乎没有任何出路。这个陷阱之所以容易踩中，是因为目标用户近在眼前，说的还是和你一模一样的行话；可比起圈外几乎任何一个垂直领域，这都是一片狭小、拥挤、赚不到什么钱的池塘。
制作它的人似乎也明白，何时融资才是正确答案。这并不是说融资一定是错误的。有些企业在赚到第一美元之前，确实需要真正的基础设施资金——比如深度科技、涉及受监管硬件的领域、医疗和金融科技中需要大量前期投入的部分。假装资本永不重要，那就是另一种教条。但2026年人们更聪明的思考方式是把融资看作一个顺序过程，而非永久状态。尽量延长自举阶段，超过你感觉舒适的时间。在面对任何潜在融资时，拿出真实的 traction 而不是充满乐观预测的幻灯片。把你最终获得的任何资金视为已有证据的催化剂，而非缺失证据的替代品。许多在2021年热潮中融资的创始人，如今仍然被迫以自举般的纪律运营公司，因为市场已经重新定义了他们之下的一切。你可以自行选择这种纪律，按照自己的条件执行；否则，市场最终会以更苛刻的条件强加于你。
一个诚实而非炒作的指南
如果你是阅读此文的开发者，心里在想：好吧，但我周一早上到底该做什么？这里给出一个基于上述实际有效做法的版本，而不是从其他百篇文章中复制的泛泛十步清单。
第一周左右，找出昂贵的问题，而非有趣的问题。花一周时间只和十五到二十个你已经熟悉领域的人交谈——比如代理工作、自由开发、WordPress，或你已经深入其中的任何事情。你要倾听一种具体且反复出现的抱怨，这种抱怨每周都会让某人损失真实的时间或金钱。记下他们描述问题时使用的原话。此刻甚至不用打开编辑器。
第二周，构建最粗糙却能证明想法可行的版本。使用 AI 编码代理，几天内就能让功能跑起来，而不是几周。此时不需要登录、计费或精美的设计系统。它只需完成那个人抱怨的核心功能，并且做到足够好，以至于如果你拿走它，他们会真切地察觉到。
到第三周时，就在你感觉尚未准备好时开始收费。哪怕只是象征性的小额。免费用户只会说出他们理论上想要的；付费用户才会告诉你真实情况。这是我在所有案例中反复看到的最重要教训：验证最快的创始人是在产品第一天就主动索取付款，而不是等到他们认为产品“完成”了之后。
从第四周开始，就要思考自己在第二层正在朝什么方向构建。当你甚至只有少量付费用户时，直接问自己护城河的问题：我到底在积累什么数据、工作流锁定或用户行为，是那些拥有完全相同 API 密钥的人在这个周末就能轻松复制的吗？如果暂时还没有答案也没关系，但把这个问题记下来，每月回顾一次。最终被 commoditize（被同质化）的创始人往往就是从未提出过这个问题的人。
之后，持续不断地进行分发，而且要预期这会比构建花费更长的时间。如今构建已经被压缩到只需几天。而分发并没有得到同样程度的压缩，它仍然是几乎所有人在这条路上的实际瓶颈。失败的创始人中有一种非常常见且痛苦的模式：花十四个月进行构建，只有四个月用于营销。几乎每位成功的创始人都说，这个比例应该完全反过来。
这对像我们这样的人意味着什么
我一直在回想这一切背后的一个张力：让自举真正可行的同一套工具，也正是让同质化变得残酷的工具。Claude Code 及其竞争产品正是原因——一个独立开发者现在能够在周末内交付以前需要一个融资团队整整一个季度才能完成的产品；同样，任何你构建的东西，如果仅仅是一个巧妙的提示词加上一个漂亮的 UI 包装，也会被其他人同样快速地重新实现，最终甚至包括模型提供商自身。
不过我认为这并不是避免构建的理由，相反，它恰恰是鼓励我们以前所未有的速度、规模和成本去构建更多东西的理由——因为尝试某事并犯错的成本如今真正地变得前所未有的低。2026 年一个失败的周末项目只会让你损失一个周末以及也许五十美元的 API 积分；它不会让你花费五个月在路演会议上，也不会让你失去自己公司中永远拿不回的一块股权。
但这确实是一个很好的理由，让你从一开始就诚实地面对‘交付一个功能’与‘真正建立一家公司’之间的区别。前者如今基本上是免费的；后者仍然需要一直以来那种不光彩、无法自动化的工作：比任何人都更深入地理解某个特定用户的具体痛点，长期持续地为他们提供价值，以及构建一种他们使用时间越长就越难以放弃的东西。
AI 没有消除这些工作，它只是拿走了我们以前用来推迟这些工作的所有借口。
如果你现在正在构建某个东西并想要交流想法，无论你在做什么项目或使用什么技术栈，欢迎在 thebitforge 找我，或者看看我们在那里正在构建的东西。我随时乐意与其他正在打造真实产品的人聊聊技术。
