你大概见过这几种程序员。
有人发了一段用 AI 写出来的应用，评论区第一条是："一股 AI 味。"点赞最多。
有人刚被裁，转了一篇《AI 就是资本的又一场骗局》，配文："早就看穿了。"
还有一种最常见，也最让人心疼：下班地铁上刷到"普通人如何用 AI 做副业"，顺手收藏；周末买了一门 Agent 课，又买了一门提示词课；收藏夹里躺着几十个教程，真正打开过的没几个。每天都觉得自己又落后了，每天都在"准备开始"。
先交代立场，免得你以为我是来卖课的：我自己就有一堆"活着、能用、没赚钱"的项目——跑在免费套餐上，没人付过钱。所以这篇不是成功学，是把所有数字现查一遍之后的判断：在当下这个节点，普通开发者最优的解法，是用 AI 拿到商业结果，完成自己的原始资本积累。不是给别人的作品打分，不是被焦虑推着从 a 学到 n，然后在收藏夹里竹篮打水。
一、红利不是风口，是一个时间差
很多人把红利理解成"风口"，好像站上去就能飞。这个理解害人：它让人要么盲目冲进去，要么因为看到有人摔下来就断定风口是假的。
用商业语言说，红利是一个时间差：生产成本下降的速度，快过市场价格下降的速度。 在这段时间里，客户还按旧成本给结果定价，而你已经在用新成本生产。中间那块差额，就是利润。
毛利窗口 = 客户按旧成本锚定的价格 − 你的新生产成本
这一轮成本下降有多快？a16z 统计过：同等能力的大模型，推理成本大约每年降 10 倍。2021 年 11 月，GPT-3 水平的能力（MMLU 42 分）要 60 美元一百万 token；到 2024 年底，同等水平只要 0.06 美元，三年降了 1000 倍。Epoch AI 后来的测量更激进：只看 2024 年 1 月之后的数据，中位年降幅从 50 倍跳到了 200 倍。
而价格呢？客户心里的价格锚，还停在"要请人做"的年代。价格是由认知决定的，认知的迭代速度远远跟不上 token 价格。
对写代码的人，这个时间差还有一个更直观的版本：五年前做同样一个产品，你需要一个前端、一个后端、一个设计师，几个月工资；现在一个人加一套 AI 工具，年成本能压到几千块。单次尝试的成本降了几个数量级——这是这轮红利里对程序员最友好的部分：你不需要赌上全部身家，你只需要多试几次。
a16z 的 LLMflation 原文，结论就一句——同等能力，每年便宜 10 倍。
二、窗口是真的：别看情绪，看谁在付钱
判断一个东西是不是骗局，最简单的办法是看有没有人真金白银付钱。情绪可以造假，付款记录很难。
Stripe 分析了平台上收入最高的 100 家 AI 公司：达到 100 万美元年化收入的中位时间是 11.5 个月，比 SaaS 黄金年代最快的那批公司还快 4 个月；达到 500 万美元年化收入用了 24 个月，而 2018 年头部 SaaS 公司用了 37 个月。个案更夸张：Lovable 3 个月做到 1700 万美元 ARR，Bolt 2 个月做到 2000 万美元 ARR，Cursor 三年做到 1 亿美元 ARR。
一人公司的数字也不逊色。Danny Postma 一个人做 AI 职业照 HeadshotPro，年经常性收入约 360 万美元；Maor Shlomo 的 Base44 上线六个月被 Wix 以 8000 万美元现金收购；Pieter Levels 没有员工、没有融资，一年收入 300 万美元以上。
国内一样有样本。Manus 2025 年 3 月上线，年底年化收入突破 1 亿美元；2025 年 12 月 Meta 宣布以 20 亿美元上下的价格收购，2026 年 4 月 27 日被国家发改委叫停。可灵的节奏更戏剧：2026 年 3 月 25 日，OpenAI 宣布关停 Sora，同一天快手发布财报——可灵 2025 年第四季度收入 3.4 亿元，12 月单月收入突破 2000 万美元，年化收入运行率 2.4 亿美元，全年收入约 10.4 亿元。同一个赛道，同一天，一家在退场，一家在收钱。
| 谁 | 数字 | 性质 |
|---|---|---|
| Stripe 平台 Top 100 AI 公司 | $1M 年化收入中位 11.5 个月，比最快 SaaS 快 4 个月 | Stripe 年度报告 |
| Lovable / Bolt | 3 个月 20M ARR | 同上 |
| HeadshotPro | 一人公司，约 $3.6M 年收入 | 创始人自报 |
| Base44 | 上线六个月，$80M 现金卖给 Wix | Wix 官方公告 |
| Manus | 上线 8 个月年化收入破 $1 亿；Meta 收购被叫停 | 多方报道 |
| 可灵 | 2025 Q4 收入 3.4 亿元，ARR $2.4 亿；Sora 同日退场 | 快手财报 |
这些都是公司，离个人远。但注意一个共同点：它们赚的都是"旧价格锚"和"新生产成本"之间的差价。 HeadshotPro 和 2023 年爆过的妙鸭相机做的是同一件事，区别在于它卖给职场人做 LinkedIn 头像，场景更窄、更刚需，客户愿意为"看起来专业"多付钱。
Stripe 官方博客原话——AI 公司正在改写增长规则。
证券时报的报道标题就是全部剧情——Sora 退场同日，可灵立下收入翻倍军令状。
三、先泼冷水：一半以上的产品没赚到钱
看到这里如果你开始热血，该泼冷水了。上面全是幸存者，而幸存者偏差是这个行业最大的骗局，比"AI 是骗局"这句话本身还大。
更诚实的数字来自 TrustMRR。这个平台直接对接 Stripe 等支付渠道，展示的是经过验证的真实收入。2026 年 9 月，有研究者抓取了平台上全部 10,150 个产品：
| 指标 | 数字 |
|---|---|
| 从未有过任何收入 | 26.1% |
| 最近 30 天有收入 | 49.1%（中位数 $169） |
| 年化收入做到 $10 万 | 2.4% |
| Top 1% 产品拿走的收入占比 | 76.1% |
两个细节值得盯着看。第一，AI 产品和非 AI 产品有收入的概率几乎一样（49.3% 对 49.0%），月收入中位数一个 175——AI 改变的是做产品的成本，没有改变"有没有人买"这个基本问题。 第二，另一个数据源 8 月抓的 8,817 个产品里，开发者工具类是零收入重灾区：69% 一分钱没收到。做工具的人最多，收到钱的人最少。
国内是同一张表的放大版。AI 漫剧 2025 年市场规模 168 亿元，听着是风口；但 2026 年上半年抖音新上线 22.19 万部，98.7% 没到盈亏线。成本降了九成，门槛降了，所有人就都进来了。
妙鸭相机是窗口关闭的标本。2023 年 7 月，它靠"9.9 元实现写真自由"一夜爆火，高峰期 4000 多人排队、等十几个小时，日活突破 60 万；然后同类产品一拥而上，用户的价格锚从"照相馆几百块"变成"AI 写真不就几块钱"。团队 2025 年 9 月底解散，从爆款到解散不到两年。窗口是真的，而且关得比你想象的快。 那年夏天在朋友圈嘲笑"AI 写真千人一面"的人，一分钱没拿到。
Tech Startups 对 TrustMRR 全量数据的分析，标题就是答案。
央广网：168 亿元的市场，和每分钟 500 元的成本，写在同一篇报道里。
重庆日报转载红星资本局：团队 2025 年 9 月底解散，只维持最低运营。
四、为什么我们宁愿囤课，也不下场
窗口是真的，失败率也是真的。理性动作应该是增加尝试次数、压低单次成本。但大多数人选的是另一条路：评论，和焦虑地学习。
评论的成本是零。说一句"AI 味太浓"不需要任何技能，还能立刻获得一种审美上的优越感，点赞即时到账。下场的成本是真实的：要花时间，要暴露作品，要面对大概率的失败和别人的嘲笑。在"零成本、即时回报"和"有成本、延迟回报、大概率失败"之间，惰性会替你做选择。
"AI 味"这句话作为审美判断完全成立，我自己也烦那种一眼生成的腔调。但它作为商业判断几乎没有意义：客户付钱买的是结果——问题解决没有，时间省下没有，钱赚回来没有。批评"AI 味"的人在评估作品，付钱的人在评估结果，两拨人根本不在一个市场里。 而且"AI 味"是一个工程问题，模型每一代都在变好，靠它守的护城河，每年都在变浅。
比评论更值得聊的，是焦虑地学习。这种行为经济学有经典样本：DellaVigna 和 Malmendier 追踪了美国三家健身房 7,752 名会员三年，选月费 70 美元以上的会员，平均每月只去 4.3 次，摊下来每次 17 美元以上——而他们本可以买 10 次卡，每次 10 美元。平均每人因此多花约 600 美元。他们高估了未来的自己。
买课是同一种心理：付款那一刻，你买到的不是能力，是"我已经在努力了"的安心感。MOOC 的数据更直白：Reich 和 Ruipérez-Valiente 2019 年发表在《Science》的研究，分析了 MIT 和哈佛在 edX 上的 565 门课、1267 万次注册，拿到证书的只有 3.13%；而付费学员的完课率是 44% 到 56%。差距不在课程质量，在有没有目标、有没有代价。
再算一笔时间账。《中国网络视听发展研究报告（2025）》显示，短视频人均单日使用时长 156 分钟，一年约 949 小时，差不多是半个全职工作的年工时。你说没时间做副业，时间都在，只是用在了刷"普通人如何靠 AI 月入过万"的视频上。
对程序员还有更扎心的一条：这个时代的工具每隔几个月就换一轮。 你花三个月学完的框架，可能学完那天就过时了。没有客户需求牵引的学习，等于在一条加速向前的传送带上倒着跑。真正好用的学法是按需学：客户要一个功能，我去学怎么做；产品卡在分发，我去学怎么投放。每一次学习，都绑定一个具体的、有人付钱的问题。
顺带拆掉两种最常见的场边言论。
"AI 抢走了我的工作。"这件事是真的，不该轻描淡写。斯坦福 Brynjolfsson 团队 2026 年 8 月更新的研究：AI 高暴露职业里，22 到 25 岁年轻人的就业比低暴露职业的同龄人低 19%，一年前这个差距还是 13%。但同一份研究还说：整体经济没有出现大面积失业，有经验的人没有出现类似缺口——冲击集中在依赖"可编码知识"的入门岗位，而且主要通过少招人发生，不是裁人。翻译成商业逻辑：AI 压低的是"按岗位出卖标准化劳动"的价格，判断力和对结果负责的能力，价格没有被压低。 理性的应对，是从"被定价的劳动力"挪到"给结果定价的人"。
"AI 是骗局。"截至 2025 年 12 月，中国生成式 AI 用户 6.02 亿，普及率 42.8%，一年增长 141.7%。估值可以有泡沫，很多公司会死，很多叙事会破灭，这些我都同意。但泡沫和骗局是两回事：2000 年互联网泡沫破裂，死了一大批公司，亚马逊没有消失。把泡沫说成骗局，逻辑上不成立，行动上的效果只有一个：给自己不下场找一个体面的理由。
Pew 今年 6 月的调查给这节收了个尾：52% 的美国成年人表示对 AI"担忧多于兴奋"，2021 年这个比例是 37%；而在 AI 专家那里，47% 的人"兴奋多于担忧"，普通公众只有 11%。越靠近这项技术、越在用它干活的人越乐观，越远的人越焦虑。焦虑和距离相关，和真相关系不大。
斯坦福数字经济实验室 8 月更新的论文，副标题问号前面是事实。
Pew 6 月调查的年龄分组数据——五年前最乐观的 18-29 岁群体，如今担忧比例最高。
五、不下场的人，成功率是精确的零
把前面的数据放进一个简单模型。假设每做一次产品尝试，做到年化 10 万美元收入的概率是 p。按 TrustMRR 的数据，p 大约是 2.4%——这已经偏乐观，愿意公开收入的人本身就偏乐观。尝试 n 次，至少成功一次的概率是：
P（至少成功一次）= 1 − (1 − p)^n，p ≈ 2.4%
| 尝试次数 n | 至少成功一次的概率 |
|---|---|
| 0 | 0% |
| 5 | 11.5% |
| 10 | 21.6% |
| 20 | 38.6% |
| 30 | 52.1% |
| 这个模型很粗糙，它假设每次尝试相互独立、成功率不变，现实不是这样。但现实的偏差，大多数是对尝试者有利的：TrustMRR 那 1,045 个做过两个以上产品的创始人，成功率明显高于只做过一个的——做过的次数本身会提高 p。 |
这张表里最重要的数字，是第一行的 0%。不管你学了多少课、收藏了多少教程、说了多少句"AI 味太浓"，在这个公式里，n 都等于 0。做的人面对一个很低但不为零、而且随经验上升的概率；不做的人面对一个确定的数字：零。
那 n 要怎么加上去？看单次成本。我自己那几个没赚到钱的项目，全部基础设施跑在免费套餐上，固定支出就是每月一两百块的工具订阅。放在五年前，同样一个产品至少需要一个前端、一个后端、一个设计师，几个月的工资。
这也是我说"原始资本积累"是当下最优解的原因。原始资本不只是钱，它是第一批客户、第一份能拿出手的案例、对一个细分市场的真实理解，以及"我做成过一次"的手感。更重要的是，钱能买来时间：有了第一笔原始资本，你下一次选择做什么，可以不被焦虑和房租推着走。在变化这么快的时期，能从容做选择，本身就是最稀缺的资产。
六、开发者下场的最小动作
把上面所有数据压缩成一句可执行的话：选一个有人愿意付钱的具体问题，用最低的成本做出来，第一天就开始收费。
为什么第一天就收费？因为收费是唯一诚实的验证方式。点赞、收藏、"这个好棒"都不算数，只有付款算数。公式里 p 的提升，几乎全部来自对"什么东西有人买"的判断变准，而这种判断只能从真实的付款和拒绝里学到。
为什么挑具体的问题？因为宽泛的"AI 工具"没有人买，具体的"帮我省掉一次影棚拍摄"有人买。HeadshotPro 只做职场头像，不做写真、不做修图、不做证件照。
为什么用最低的成本？因为你大概率会失败，而且不止一次。成本压得越低，你能负担的 n 就越大。
动手前有三个检查，帮你少掷几次注定输的骰子：
-
价格锚检查
客户心里的价格，还停在旧成本吗？找那些"过去必须请人做、现在 AI 能做八成"的事：影楼写真、外包动画、产品详情页、行业报告、企业内部小工具。如果客户已经默认"这东西 AI 几块钱就能弄"，窗口就关了，别进。
-
复购检查
客户会不会付第二次钱？妙鸭栽在一次性付费上，9.9 元做完写真，用户就没有理由再回来，增长全靠拉新。能按月收费的，优先于按次收费的。
-
拥挤度检查
你有没有别人一时进不来的东西？AI 漫剧成本降了九成，结果半年上线 22 万部。工具降低的门槛，对所有人都降低了。真正能让你在拥挤里活下来的，往往不是 AI，而是 AI 之外的东西：你在某个行业干过五年的经验，你手上的二十个客户，你比别人更懂的那个细分人群。AI 是杠杆，杠杆要撬在你自己的支点上。
至于从 a 到 n 的学习清单，删掉。留下当前这个产品真正需要的那一项，学完就用。剩下的，等客户逼你去学的时候再说。
七、三个反驳，我先回
"你这就是幸存者偏差。"对，所以第三节放了那张表：26.1% 的产品零收入，做到年入 10 万美元的只有 2.4%。我从没说下场就能成，我说的是不下场一定不成。这两句话的区别，就是这篇文章的全部。
"说到底你也在贩卖焦虑。"这个质疑我认真想过。区别在于：贩卖焦虑的人最后会给你一个付款链接，让你买他的解药；这篇文章结尾没有付款链接，我给的唯一建议是去找一个愿意付你钱的人。如果你读完更焦虑了，关掉它，去做一件能收到 9.9 元的小事，焦虑比读十篇文章消得更快。
"不是每个人都适合做生意。"这条我承认，我回答不了。有人有房贷、有孩子，没有任何试错的余量；有人天生不擅长和人打交道，让他去收第一笔钱比让他加班还难受。对他们来说，"下场"的成本比我算的高得多。这个问题我放在最后，留给你。
最后
每个时代都有红利。PC 时代有，互联网时代有，移动互联网时代有，现在轮到 AI。每一次，红利都不是全民暴富，它只留给那些已经准备好、并且真的动手的人。窗口开着的时候，大多数人在评论，在焦虑，在学习；窗口关上以后，大多数人开始说"早知道就好了"。
你可以嘲笑那些动手的人，嘲笑他们的作品有 AI 味，嘲笑他们赚的是小钱。但别忘了第五节那个公式：他们每试一次，n 就加一；你每嘲笑一次，n 还是零。 你错过的不是几次暴富，是一条本来可以一次次试、慢慢走通的路。
文中所有数据的一手来源（a16z 原文、Stripe 报告、TrustMRR 分析、斯坦福论文、快手财报报道）我都整理好了，后台回我「hongli」就行。
你现在是在场上还是场边？最近一次靠自己的产品收到钱是什么时候，评论区留言告诉我。 下一期我挑一个被点名最多的场景，从头拆怎么做。
