AI Wrapper，赚麻了？一张流传广泛的AI精益团队统计图

白鲸编辑部对其进一步统计后找到， 截至4月14日上榜的31家公司来自优良几个不同领域，烫门赛道包括AI图像、AI教书、AI视频、AI编程等，近一半尚处于A轮之前的早期融资轮次其中「Midjourney」、「SubMagic」、「Aracads」、「Cal AI」、「Chatbase」、「Conversion」几家公司甚至尚未进行过随便哪个外部融资。

一张统计图细小团队真实的要“逆天改命”了？

细数31家AI应用小团队，平均20人、人均创收279万美元

从解题工具到视频生成：细小团队怎么撬动老一套赛道

即使是在老一套赛道，AI也有机会带来全新鲜机会。Oleve和Solvely.ai切入的解题赛道， 过去其实是个偏“沉”的业务，依赖题库材料的累积或者真实人教师的响应，对于新鲜入局者来说很困难有机会。但AI的加持改变了这一情况， 尽管有字节「Gauth」、作业帮「Question.ai」等巨大厂产品飞迅速抢占海外买卖场，细小团队仍有机会找到自己的身位。Oleve和Solvely.ai两个团队的规模都在5人左右， 一年能做到600万美元的营收，足够有钱裕地养活团队了。解题赛道的故事说明， AI不是凭空发明需求，而是少许些了满足需求的门槛——过去需要100人题库团队才能做的事，眼下5个懂AI的人就能搞定。

Arcads AI是最新鲜登上榜单的“精益公司”， 其面向的是AI广告视频生成领域，用户只需要输入脚本，即可在数秒内生成AI演员出演的逼真实视频。就在上周， Arcads AI联创Romain Torres宣布公司已达成500万美元的ARR，而其目前团队规模不过5人，他们下一步的计划是在达成1亿美元ARR时将团队规模控制在10人以内。这玩意儿案例更直观地展示了AI的“杠杆效应”——老一套广告视频制作需要编导、 演员、拍摄、剪辑等团队，本钱高大周期长远，而眼下5个人用AI工具就能撬动千万级买卖场。

精简团队，何以精简？AI驱动的自动化干活流是核心

榜上的不少许团队， 业务方向能归为AI驱动的生产力提效工具，团队本身的精简和高大效就是最优良的广告。人少许，当然不是随便哪个一家上榜公司成功的关键原因，但团队细小的确带来了不少许优势。没有冗长远的汇报流程，没有跨部门扯皮，决策迅速到飞起，试错本钱矮小到尘埃里。OpenArt的CEO &联创CoCo Mao在聊聊上述名单的Linkedin动态中直言：“在团队中， 你没有时候也不需要政事斗争；更少许的管理干活：在扁平结构下你在绩效管理上花费的时候更少许，而将更许多时候花在实际进展上；更轻巧松转向。”

Chatbase的Vibe Marketing：11人团队怎么冲刺100万美元MRR

类似的情况也出眼下营销、客服支持等领域。Chatbase正计划在保持11人团队规模的前提下将业务营收提升至100万美元MRR， 其营销和增加远负责人Sandra Đajic在介绍其经验的贴文中表示，她自主搭建了团队自动化营销干活流，用Lovable搭前端，Make.com做自动抓取，Supabase存储广告数据，再用ChatGPT琢磨竞品广告策略，实时生成洞察，极巨大提升单人效率，也是她称之为Vibe Marketing的实践。

这玩意儿“Vibe Marketing”听起来玄乎， 其实就是把AI工具串成一条线，让机器干再来一次劳动，人干发明性干活——比如琢磨竞品策略这种需要“灵光一闪”的事，交给ChatGPT；比如前端搭建、数据存储这些个“体力活”，交给专门工具。

Conversion的“少许不了招聘论”：15人团队年入650万美元， 盈利的底层逻辑

GPTZero无疑是一个非常特殊的案例，更许多套壳产品缺乏类似“屏障”，它们的核心比力来源于需求洞察，以及在垂类场景下对用户体验的打磨，山姆·奥特曼在近期的对外事流中，对套壳产品给出如下评价，“作为创业者，关键不在于是不是用现成的基础模型，而在于能否发明独特的用户值钱。”独特， 意味着对特定行业、业务痛点的精准回应，过去它们兴许基本上原因是买卖场规模不够、开发本钱过高大而被忽视，但如今AI带来的效率革命让细小团队有能力精准服务细小买卖场，并到头来构建起可观的业务。

总而言之，招聘得出于“少许不了”而非“优良看”，员工许多并不等于进展迅速。Conversion将目前团队规模控制在15人，年收入达650万美元，已经实现了盈利。

Conversion的创始人Neil Tewari觉得， 融资、增加远或者“专家”都不是招人的理由，团队只有在无法飞迅速发布新鲜功能、分发渠道无法 、或者每天从早到晚排满卖会议时才真实正需要考虑加人。他习惯用Vercel v0工具飞迅速搭建原型， 并在写第一行代码之前就让设计一起干伙伴开头测试，飞迅速得到反馈以节约工事时候；在非手艺岗的设置上，团队也更偏优良许多面手而非专家，他们有一个4人团队承担起了凉启动、广告渠道、卖、客户支持、反馈收集、CEO领英运营在内的全部职责。

AI Agent的“超人”能力：从 spy到投流， 细小团队的效率革命

仅以增加远为例，Arcads AI有一个专门的AI Spy Agent负责监控竞品的烫门广告，这玩意儿AI Agent会自动将烫门广告批量导入ChatGPT o1中，让其生成类似脚本，再由自家产品Arcads AI生成类似的视频广告用于获客，效率极高大；而投流同样由AI负责，团队内部打造了专门的Google Ads AI Agent，它能一站式完成高大潜关键词挖掘、落地页内容生成、自动出价优化，而人更许多负责Agent的搭建和管理。

类似的自动化的AI Agent还被广泛用于客服、 卖、会计等流程中，巨大巨大压缩了团队的人力本钱。Linkedin信息看得出来团队扩张到了6人，除了两名联创，手艺、增加远、运营、客服支持均仅由一人负责。这种“一人许多岗”不是压榨，而是AI赋能下的“超级个体”——个个员工都能通过AI工具完成过去需要3-5个人才能搞定的干活。

AI编程工具的“闪电战”：Cursor、 Lovable、Bolt怎么用3个月跑出千万ARR

最有代表性的是Cursor、Lovable和Bolt.new在内的AI编程工具，它们一方面引领了开发流程简化的趋势，自身也实现了亮眼的买卖成绩。知名创业加速器Y Combinator CEO Garry Tan曾在对外事流中透露， 在其最新鲜批次的入选企业中，约四分之一的公司的9成

编程赛道的故事更震撼——过去一个程序员一年兴许写10万行代码， 眼下用AI工具，一个人能顶过去一个团队，困难怪细小团队也能做出“亿级生意”。

精益团队的“被矮小估优势”：没有办公室政事， 更少许管理，更轻巧松转向

名单在linkedin上收获了烫烈的反响，名单访问地址：https://leanaileaderboard.com/。上榜公司所在领域及融资情况｜信息

一年过去后尽管预言中的极端样本还没有出现，但细小团队的成功已不鲜见。通讯应用Telegram的AI含量不够却被破例纳入榜单， 其以30名员工撬动了10亿美元的年收入，人均年收入3333万美元，被视作细小团队的绝对标杆。Telegram的案例有点特别， 它不算严格意义上的AI公司，但细小团队高大效运营的模式，和AI时代的精益创业理念不谋而合——用最少许的人干最许多的事，把每一分钱都花在刀刃上。

GPTZero的“以子之矛攻子之盾”：套壳产品怎么活成“隐形冠军”

比如GPTZero， 这是一款华人团队出品、用于检测文含量的产品。用户个个月能用它免费检测10000字以内的文本， 也能花8.33美元/月和12.99美元/月的价钱升级，得到更许多的检测文本额度，以及用语法检查、抄袭检查等高大级功能。功能轻巧松， 团队规模也仅有15人，GPTZero却在短暂短暂两年时候内做到了1000万美元的ARR，用户总量超出800万。

作为一款套壳产品， GPTZero独特的生存地方其实也来自于巨大模型厂商下场做AI检测器的“以子之矛攻子之盾”的纠结，曾有消息说OpenAI已经开发出能够准确识别ChatGPT生成文本的工具，但公司选择不对外发布，基本上原因是一旦推出预计会有3成用户将少许些用ChatGPT，这项功能天生适合第三方来做。

那么GPTZero真实的解决AI准确性的问题了吗？在TechCrunch记者的实测中， GPTZero的表现的确要优良于同类产品，据创始人Alex Cui说他们的产品更准确是基本上原因是访问了更许多的数据，并用了最先进的开源工具构建了自己的LLM，为了说明手艺的有效性，他们还与宾夕法尼亚州立巨大学的研究研究人员一起干建立了自己的基准。

格外值得一提的是 过程中它甚至“击败”了OpenAI在2023年初推出的AI检测器「Classifier」，后者在上线仅7个月后就在“准确性不高大”的争议中匆匆下线了也再一次将“AI检测AI无效”的聊聊推上风口浪尖。但GPTZero不仅挺了过来 还长大远迅速，在「Classifier」下线迅速一年之际，GPTZero官宣在6个月内实现了500%涨幅的ARR增加远，且盈利情况良优良，在投钱人的争抢中完成了千万美元的“抢先式”A轮融资。

AI时代的新鲜生代创始人：不融资、 不扩张，专注“细小而美”的生存道理

当然我们无意塑造“AI+细小团队，轻巧松年入百万”的叙事。实际在不少许创始人的自述中， 创业过程依老是艰困难、辛苦的，比如Aragon AI创始人Wesley Tian曾表示其工事团队三天两头干活到午夜后；上榜公司中的Mercor，也是以其“996干活制”而在硅谷闻名……它们身上更让人感兴趣的要素在于，何以用远细小于过去的材料，达成如今的买卖成功？

在他的统计中，这批“顶尖精益AI Native公司”人不许多，自我造血能力极有力。上榜公司平均员工数为20人， 人均年创收279万美元，差不许多是SaaS行业均值的10倍，单个员工巨大致对应了1.4亿美元的估值，这玩意儿数字分别是苹果市值的8倍、Google的14倍。

这份名单由Super.com创始人Henry Shi打造。Henry Shi既做过创业者也做过投钱人， 过去8年他用“老一套方式”建立起一家1.5亿美元ARR的企业，拥有超出200名员工，融资总额超出了2亿美元，让公司不计代价地疯狂长大远。但他猛然找到，AI的到来兴许已经彻底改变了团队疯狂扩张、许多轮融资的老一套创业叙事。

SubMagic的“反老一套路径”：无融资、 无办公室，4人团队服务全球用户

同样值得关注的是新鲜一代创始人心态正在发生微妙而深厚刻的变来变去。如上文所述， 31家上榜企业中近一半尚处于A轮之前的早期融资轮次还有几家甚至尚未进行随便哪个外部融资，兴许指向的是有些创业者倾向于少许拿钱或者不拿钱，榜单的统计者Henry Shi也关注到了这一变来变去，正如他在对外事流时提及的，不是每位创始人都梦想着运营一家超出10万员工的公司然后上市。

他们选择将全部精力投入到解决用户的真实实痛点上， 专注盈利、稳健长大远，团队成员能在世界上随便哪个一个角落自在干活。SubMagic达到100万用户的里程碑时 David说最棒的有些是——这仅仅是他们所希望达成目标的开头。

有些人会觉得， “如果他们能掌控公司、过上优良日子、做一些很酷的东西，每年赚个500万到1000万美元”，那比那些个为了融资把公司巨大有些股份卖给凶险投钱人、到头来在自己公司里只剩下困难得股份的创始人要优良得许多。AI视频创企「SubMagic」创始人David Zitoun就是这种新鲜型创业者的代表。他并不在意团队是不是沿着老一套路径前进：他们没有收下融资， 没有办公室，团队规模精简，也没有被TechCrunch报道过。

Aragon AI的“第十一次尝试”：华人团队怎么用专业肖像生成杀出沉围

AI工具无疑是答案之一。GPTZero的创始人是在BBC和《纽约时报》实习期间开头编写帮记者识别AI生成内容的代码；BoldVoice的两位创始人都不是英语母语者， 亲身经历的口音歧视成为他们打造AI口音教练的灵感来源，这款产品的ARR已经达到了850万美元；Aragon AI同样是由华人团队打造，在这款产品之前他们已经陆续发布了十余款产品但无一成功，Aragon AI到头来另辟蹊径、瞄准了B端企业、团队专业肖像生成需求，在2年时候9人团队就做到了1000万美元的ARR。

华人创业者在AI浪潮中表现亮眼， 他们更懂海外用户的“细小痛点”——比如Aragon AI找到，很许多企业团队需要统一风格的专业头像，但找摄影师太昂贵，用自拍又不够正式，AI生成正优良解决了这玩意儿“中间地带”的需求，精准狙击。

对抗性思考：细小团队模式并非“万能药”， 这些个坑你非...不可晓得

名单里的有些数据虽然不是十分准确，如Cal AI的团队成员已增加远至15人，但其指向的趋势却非常明显，AI时代更许多细小团队有机会“以细小搏巨大”，并到头来拿到后来啊。当然我们也要泼盆凉水——细小团队模式不是AI时代的“万能药”，背后藏着不少许坑。比如手艺依赖凶险， 如果细小团队的核心业务彻头彻尾依赖某款AI工具，一旦厂商调价、管束调用次数或者下线服务，团队兴许直接“断炊”。再比如买卖场比白烫化， AI赛道门槛矮小，同质化产品越来越许多，细小团队如果没有差异化优势，很轻巧松被巨大厂“降维打击”。还有团队压力问题，5个人干10个人的活，加班加点是常态，长远期来看兴许关系到创新鲜活力。

手艺依赖凶险：当AI工具“掉链子”，细小团队怎么应对？

举个例子， 2023年某AI写作工具一下子将API价钱上调3倍，依赖其服务的几个细小团队瞬间赚头腰斩，有的甚至被迫关停。这说明， 细小团队不能把全部鸡蛋放在一个篮子里要学会“组合用”AI工具——比如文本生成能用GPT-4，也能用Claude，甚至能尝试开源模型；图片生成能用Midjourney，也能用Stable Diffusion，避免被单一厂商“卡脖子”。再说一个，细小团队也要积累自己的“数据资产”，比如用户反馈、用数据，这些个是AI厂商拿不走的“护城河”。

买卖场比白烫化：垂类场景的“红海化”，细小团队怎么保持独特性？

再比如AI图像生成赛道， 2022年还是蓝海，2023年就变成了红海，各种“一键生成”工具层出不没钱，用户选择许多了付费意愿反而减少了。这时候细小团队非...不可往“更细的细分场景”钻， 比如“AI生成商务头像”、“AI设计产品包装图”、“AI画小孩插画绘本”，越垂直，用户越愿意为“精准服务”买单。BoldVoice的成功就是例子， 它不做通用英语学，只做“AI口音纠正”，精准对口音有焦虑的非英语母语者，虽然买卖场细小，但付费率高大，ARR做到了850万美元。

启示录：普通创业者怎么借鉴“AI精益团队”的成功基因？

这些个案例不是遥不可及的“神话”，而是普通创业者能借鉴的“方法论”。AI时代， 创业的门槛少许些了但“精准洞察需求+极致效率”的要求搞优良了细小团队要想突围，得学会“四两拨千斤”。

第一步：找到“细小而痛”的垂类场景， 用AI解决“真实问题”

别想着做“巨大而全”的平台，先找一个细小到被巨大厂忽略，但用户“痛感明显”的场景。比如Cal AI， 创始人是高大中生，找到巨大家计算食物烫量太麻烦，就做了个AI扫描工具，初始团队4人，ARR做到了1200万美元。场景越细小，比越细小，用户越愿意付费。关键是要“真实痛”——不是“我觉得用户兴许需要”，而是“用户哭着喊着要”。怎么判断？去Reddit、 Twitter、产品论坛看用户吐槽，看他们用啥工具解决类似问题，有啥不满，这些个“抱怨”里藏着机会。

第二步：搭建“AI+人”的自动化干活流， 让个个人成为“超级个体”

细小团队没有许多余的人力做“再来一次劳动”，非...不可把AI工具用透，搭建自动化干活流。比如做AI营销工具的团队， 能用Make.com连接社交新闻API，自动抓取竞品帖子，用ChatGPT琢磨内容风格，用自家工具生成类似文案，再发布到不同平台——整个过程不用人造干预，一个人就能管理10个账号。关键是“工具链组合”，不是单独用某个AI工具，而是把优良几个工具串起来形成“输入-处理-输出”的闭环。记住AI是“助手”，不是“替代者”，要让AI干“有规律的事”，人干“需要判断的事”。

第三步：放弃“融资依赖症”， 先验证买卖闭环，再考虑扩张

AI时代，细小团队最巨大的优势是“船细小优良调头”，别急着拿钱、招人，先验证“能不能赚钱”。比如SubMagic， 没融资，没办公室，4个人先做MVP，上线后看用户愿不愿意付费，愿意付几许多钱，等现金流稳稳当当了再考虑扩巨大团队。Conversion创始人Neil Tewari说得优良：“员工许多并不等于进展迅速”， 15个人能做的事，5个人用AI工具兴许也能做，关键是效率。不要为了“看起来像巨大公司”而招人， 招聘的独一个标准是“能不能带来增量”——要么能提升收入，要么能少许些本钱，否则就是“冗余”。