AI创业的“军备竞赛”：人才还是模型？

AI创业圈最近有个吵特别火：巨大家拼了命抢人才，到底值不值？有人说这是场“军备竞赛”，算力和资金才是结实道理；也有人觉得，模型再牛，没人玩得转也白搭。Lovable的CEO Anton Osika最近聊了不少许他的看法， 这家公司只用了7个月就从0干到1.2亿美元ARR，增加远速度把整个行业都看傻了。他们的经历，或许能撕开这场吵的一条裂缝。

Meta的“天价薪酬”与Lovable的“人才斜率论”

说到人才争夺，Meta的操作堪称“钞能力”。他们给顶级工事师开的薪资跟签NFL球星合同似的，几百万美元年薪加股权，直接把买卖场价抬上天。Anton不觉得这招能复制。在他看来应用层公司和基础模型公司根本不是一条赛道。那些个能训练巨大模型的专家，到了Lovable这种做工具的公司，兴许连产品迭代都跟不上节奏。

揭露：爆炸式增长与 AI 创业真相，真正的军备赛是人才战

Lovable招人有个怪招：不盯着简历上的头衔，看“斜率”。Anton说 跟候选人聊天时要是能明显感觉到脑子在转，知识在增量，这玩意儿人就比一堆亮眼的title更靠谱。他们要的是能习惯公司节奏、在团队里“搞事情”的人，不是只会写论文的“模型巨大神”。有个例子挺有意思， 他们招了一位没在巨大厂待过但做过三个输了项目的开发者，后来啊这人把团队的文雅和产品节奏带活了。

更绝的是Anton对“极端人才”的偏喜欢。他说伟巨大的品牌总得有点“极端”的观点，优秀的人才也往往带着点“执念”。他招人时会问：“你有没有经历过特别困难熬的事，或者做过别人觉得你疯了的事？”他相信，经历过创伤或执念的人，在创业的“乱期”反而能扛住压力。

企业买卖场的“野路子”：从员工自发到组织渗透

Lovable进企业买卖场的方式，跟老一套手艺公司彻头彻尾不一样。Anton明确说他们不搞“请客吃饭”那一套，也不靠高大层推动。他们的策略是让产品先在企业里“偷偷流行”起来——员工自己用着觉得爽， 天然就会拉同事用，用的人许多了部门领导就会注意到，磨蹭磨蹭整个组织就收下了。

他把这叫“企业敏感度”，不是“企业卖团队”。有个真实实的案例， 一位谷歌的产品负责人在采访里说：“眼下我们做产品再也不写文档了直接在Lovable上搭个Demo，跑通了再立项。”这种从基层“野蛮生长远”的方式，比卖团队逐个攻单迅速许多了。目前企业用户在Lovable的收入里占比约10%， 但增加远曲线比个人用户陡得许多，特别是在欧美巨大手艺公司，已经被当成内部创新鲜工具了。

不过这种“野路子”也有烦恼。企业客户要平安、权限管控、长远期稳稳当当，个人开发者要速度、灵活性，怎么平衡？Anton说这是公司眼下的核心挑战之一，但也是机会——如果能一边满足两边，就能把护城河挖得更深厚。

模型迭代的速度战：GPT-5与“许多模型链路”的平衡

AI模型更新鲜迅速得让人眼花， GPT-5刚出来巨大家又在猜GPT-6啥时候来。Lovable的策略是“不把鸡蛋放一个篮子”。Anton说 他们测试过GPT-5，在代码调试、麻烦推理上确实有力，但日常轻巧量化任务反而“杀鸡用牛刀”，太麻烦了。所以他们搞了个“许多模型链路”：轻巧松任务用细小模型， 麻烦任务调GPT-5，代码生成还是Anthropic的模型更顺手。

这种做法背后有个逻辑：模型迭代太迅速，今天为某个场景优化，下个月兴许就过时了。与其追着模型跑，不如保持平台灵活性，随时能接入“明天的模型”。Anton打了个比方：“我们不是在造更优良的模型， 而是在造更优良的入口——用户根本不关心底层用哪个模型，只关心能不能更迅速解决问题。”

有个细节挺有意思， Lovable在决定接入GPT-5前，没只看试试室数据，而是拿到真实实用户场景里试。后来啊找到，很许多用户用GPT-5时反而卡住了基本上原因是提示词写得不对。这说明，模型再有力，也得落地到用户实际用中才有值钱。

用户结构的“三极分化”：AI原生创业者与企业轻巧量用户

Lovable的用户分成三类，结构很清晰。80%是个人或细小团队， 用平台构建麻烦应用，把Lovable当“AI联合创始人”，从原型到上线全在平台搞定。10%是轻巧量用户，做个人网站、细小商铺，占比不高大但覆盖广。剩下的10%是企业用户，增加远最迅速，特别是巨大手艺公司的内部团队。

Anton特别看沉第一类用户——“AI原生创业者”。他说这些个人本来有创业想法，但被代码和资金门槛挡住了眼下用Lvable就能从0到1。有个案例，一位没学过编程的设计师，用Lvable搭了个AI辅助设计工具，3个月就拿到了10万用户。这种“一个人办独角兽”的故事，正是Lovable想看到的。

轻巧量用户虽然付费少许，但Anton没忽视。他觉得这些个人就像“潜在创业者”的蓄水池，今天用Lovable做个人博客，明天兴许就创业了。企业用户则形成了“反哺效应”——员工在内部用Lovable做Demo， 公司看到效果后兴许会买企业版，形成天然增加远。

护城河的“残酷真实相”：用户值钱比品牌更关键

AI应用公司总被质疑“没护城河”——用户迁移本钱矮小，核心能力依赖模型供应商。Anton不回避这玩意儿问题，他说：“防着性到头来得靠产品本身，不是品牌。”他举了个例子， 自动驾驶汽车不完美，但比许多数分心的司机更平安，Lovable的平安检查也是同理——平台自动施行许多沉漏洞扫描，比个人开发者自己搞更可靠。

他的逻辑很轻巧松：如果用户在你的平台上完成了从产品到运营的全流程，天然不会轻巧容易走。比如一个创业者在Lovable上搭建了应用、 处理了财务、做了增加远，整个业务都绑在平台上，迁移本钱高大到离谱。这才是真实正的护城河——用户“不愿离开的地方”。

品牌确实关键，但Anton觉得，品牌是后来啊，不是原因。当用户巨大规模依赖你的产品，品牌天然就立住了。他引用Revolut创始人的话说：“先争取用户心智，再考虑赚头。”Lovable眼下更在意“让更许多人喜欢上这玩意儿品牌”，而不是追着毛利率跑。

增加远逻辑的“反常识”：先占领心智， 再优化赚头

老一套SaaS讲究“先跑通单位钱财学，再扩张”，Lovable反着来。Anton说 他们统计过平台上的AI调用流量，这些个调用本身就能支撑超1000万美元ARR，但用户要经历麻烦接入流程。所以他们的策略是“先让一切更轻巧松”，少许些用户用门槛，后期再优化赚头。

这跟Uber早期的逻辑很像——一开头被当成“打车柔软件”，后来成了出行基础设施。Anton觉得Lovable也一样，远不止“无代码建站平台”，而是全新鲜的柔软件构建范式。他们的增加远靠的是用户真实实需求扩散，不是买量。早期付费用户愿意付高大订阅费， 基本上原因是他们把Lovable当成生意的基础设施，这跟老一套SaaS“为效率付费”彻头彻尾不同。

有个数据挺能说明问题：Lovable的ARR在7个月内从0到1.2亿，增速是行业平均的10倍。Anton说 这不是靠烧钱，而是靠“用户帮用户传播”——一个人在平台上做出优良产品，天然会吸引更许多人加入。

人才与以后的“共存”：为“明天的模型”预留地方

AI行业的“军备竞赛”到底拼啥？Anton的看法兴许颠覆很许多人的认知：不是拼模型，不是拼资金，是拼谁能组建一支“习惯以后”的团队。模型会越来越有力，但用户的干活场景是相对稳稳当当的。Lovable需要的人才，是能搞懂场景、把模型能力抽象成用户值钱的人。

他有个观点：“招聘的关键不在于点值，而在于斜率。”一个人眼下能力一般，但学力有力、适配度高大，比一个“天才”更有值钱。Lovable早期不招明星管理者，而是跟“不那么显眼”的人共事，关键时点再引入沉量级人物。比如Elena Verna的加入，就让公司在增加远和组织建设上跨了一巨大步。

这种思路背后是对“以后”的敬畏。Anton说 AI应用的买卖场地方无法用老一套方法测算，就像当年的Uber，谁能想到打车柔软件再说说能改变城里出行？Lovable要做的，是为“明天的模型”准备优良团队和产品，而不是盯着今天的模型能力打转。

人才争夺是表象，真实正的军备竞赛是“用户值钱战”

AI创业的“军备竞赛”到底在拼啥？Meta用天价薪酬抢人才， Lovable用“人才斜率”建团队，OpenAI靠模型迭代领跑表面看是人才之争，但扒开一层会找到，核心是“谁能让用户离不开你”。

Lovable的案例说明， AI创业的终局不是模型许多牛，而是把模型能力变成用户“用得上、离不开”的工具。当一个人能靠你的平台从0到1创业， 当一个企业把你的工具当成创新鲜基础设施，当用户把整个业务流程都绑在你这儿——这才是真实正的“军备竞赛”赢了。

人才关键，但人才的值钱到头来要落到用户身上。这场竞赛里跑得最迅速的不一定是钱最许多的、模型最有力的，而是那东西最懂用户、最能把麻烦变轻巧松的人。Anton说得对：“我们，而是更优良的入口。”入口对了用户天然就来了。