用 AI 做普通软件，一人公司的另一条路

最近家里有人要考试，题目是一份 docx 文档，想找个工具刷题。

找现成工具时，发现有的用起来麻烦，有的需要付费。我更在意的是能多刷几遍错题，不少工具又没有这个能力。干脆自己动手，很快做了一个刷题工具，叫「知序」。

后来另一个亲戚听说了，想在公司里用它做培训。我现在也在扩展企业培训和考试的能力。

知序里的 AI 只是一个很小的辅助点，产品本身几乎不依赖 AI。家人需要多刷错题，亲戚想组织公司培训，这些需求早就存在。

以前一想到 AI 时代的独立开发，我的第一反应就是做 AI 应用。模型越来越强，能做的新功能越来越多，似乎总该从里面找点机会。

实际做过以后，发现中间有些账不太好算。现在做着知序，我开始想，用 AI 开发普通软件，去解决这些具体的问题，会不会更适合一个人做？

English version

一人公司是中国的概念吗

OPC 是 One Person Company 的缩写，通常译作「一人公司」。国内最近的一些讨论，把它和个人借助 AI 完成产品开发、交付、经营联系在一起。

比如，苏州工业园区在 2025 年发布的 OPC 政策介绍，就明确强调了人工智能协同下的个人创业。

但一人经营并非中国独有，也不是 AI 出现后才有。海外有 solopreneur，也有独立开发者经营 micro-SaaS 的讨论。Justin Jackson 在生成式 AI 热潮之前写的 SaaS is ripe for disruption，已经谈到一个人经营 SaaS 的困难，以及借助大平台做小产品的可能性。

一人公司早就有了，AI 则让一个人能做更多事情。国内这轮 OPC 讨论，也把两者放在了一起。

做 AI 应用，用户来了还得继续付钱

我之前做过 AI 绘图小程序，用户多了，账单也跟着涨。

即使做了弹性部署，只在用户请求时启动 GPU，按秒计费，一张图的成本当时仍然大概在一到两角钱。具体经历写在《AI 应用开发者的困局：用户来了，账单也来了》里。

用户不付费，这一两角就得由我承担。多生成几张，账单也多几笔，最后还得看广告和付费收入能不能补回来。

传统互联网应用当然也有服务器、带宽、存储和维护成本。一个用户和一千个用户，成本不会完全一样。只是对于一些普通工具，在现有容量内多服务几个用户，新增开支可能很小。

AI 应用更像按件生产。用户聊一句，模型就得推理一次；生成一张图，又得算一次。Agent 连续执行任务，还可能调用好几轮。

单用户用量和调用单价不变时，推理成本通常随总用量近似线性增长。用缓存、小模型或者批处理，可以把单次成本压低一些，但只要还在调用模型，这笔开支就还在。

有些大公司亏一段时间，算战略投入。个人开发者就没这么宽裕。同样给用户免费额度，大公司能撑多久，我又能撑多久，是很现实的问题。

AI 应用当然有机会，但一个人做，最好尽早知道收入能不能覆盖用户的使用成本。先免费把用户做起来、以后再考虑赚钱，这种做法得慎重一些。

30 度夹角能躲多远

我听过一种建议：做 AI 创业，应该找和大模型公司呈 30 度夹角的方向。

意思是，既要享受模型升级的好处，又不能让一次模型更新就把自己的产品替代了。这个建议有道理，只是很难判断夹角到底够不够。

今天通用模型做得不好的事情，明天可能就做得不错。今天还需要一个独立工具完成的功能，明天可能被放进模型厂商的产品里。即使厂商暂时没有做，其他开发者也会得到同样的新能力。

把模型接进一套业务系统，还要处理数据和权限，照顾用户原有的流程，出问题也得有人修。这些工作能让产品更难被替代，但很难说大模型公司以后一定不会碰。

绕开大模型公司的竞争不容易。后来我想到，一人公司还有个很朴素的优势：开支少。

AI 用在开发阶段，会是另一笔账

拿刷题系统来说，开发时可以大量使用 AI。等代码写好，用户答题、保存记录、查看结果，跑的就是这些代码，不必每一步都重新调用模型。

AI 对话服务就不同，核心功能靠模型推理完成，用户一直用，模型账单就一直产生。

开发和维护软件也要花 AI 的钱，不过一个功能做完，可以被很多用户反复使用，开发投入就有机会慢慢摊薄。运行时仍然有服务器和数据库的开支，只是少了核心功能持续调用模型的那部分费用。

表单、列表、权限、导入导出、数据校验，很多业务软件都有这些东西。过去一个人也能做 SaaS，开源框架和云服务已经帮了很多忙。但这些零零碎碎的代码还是要写，前端、服务端、部署也要自己照顾，一个人很容易顾不过来。

现在，AI 能接手不少重复劳动。需求要自己想清楚，代码要检查，安全和上线也得盯着，但总算不用把所有东西都逐行敲出来了。

AI 工具要付费，有使用限额，写出来的代码也可能需要返工。省了多少成本，得把这些和人工检查的时间一起算进去。如果最后交付的功能能用，花的时间和钱也比以前少，一个人就有余力做更多事情。

有些需求，可能终于做得起了

一家软件公司的报价，要覆盖开发、销售、管理、交付和售后。一个项目即使技术上不复杂，也得值得团队投入。

当然，成熟的软件也能用同一套代码服务很多客户，开发成本可以摊薄。

难的是，一套软件要照顾所有人的需求。功能不断往里加，软件容易越来越重。为每个客户单独改，又要投入开发和维护。还有一种做法是让客户适应软件，按软件规定的方式办事。对客户来说，这也有成本。

一人公司在这里可能更灵活一些。面对一个范围清楚的小需求，可以直接和客户沟通、调整，不一定要等它成为很多客户的共同需求才值得做。AI 把一部分修改代码的体力活接过去，也让这种适配更容易负担。

我想试试的，就是给一些预算不高、需求又比较具体的客户做软件。复用能复用的部分，再根据实际需要做些调整。

比如，小企业的培训和考核、店里的预约和记录，或者一个小团队散落在表格里的业务流程。这些需求没多新鲜，使用它的人却可能天天都要处理。

同样一笔收入，可能不足以让一家软件公司专门投入，却够一个人经营。前提是改动不太复杂，客户服务和维护也没有把自己的时间耗光。

开发和经营开支少一些，SaaS 或传统软件的价格就有机会做得更低。一些原来软件公司不愿意接、客户又觉得现成软件不合适的需求，可能就有了成交的机会。

官网、小程序、业务工具，都可以试。但如果客户用微信和 Excel 就已经够用了，换一套便宜软件也可能只是添麻烦。价格降下来之后，还是得有人需要。

一个人的时间也要入账

不用给员工发工资，自己的时间也得算钱。需求沟通、数据导入、部署、培训、处理故障，这些活不会因为代码写得快，就跟着消失。

如果每家客户都要单独开发，遇到问题又都随时找我，软件卖得再多，也可能只是给自己接了更多活。价格压得太低，最后按工时算，可能也没挣多少。

定制开发可以做，只是一个人的工时有限。适配客户时，共同的功能还是要尽量复用。每多一处差异，以后升级、修 bug 时都得照顾到。AI 可以帮忙改代码，维护这些差异的责任还是自己的。

传统软件公司也会用 AI，同样能降低开发成本。一人公司的开支少一些，起步时有优势，但只靠便宜，未必能一直做下去。

客户把数据和日常工作放进来，总得有人处理故障。数据能否导出、开发者不做了以后怎么办，也都要交代清楚。一个人负责全部事情，客户有这些顾虑很正常。

所以我想先把范围收小，找需求相近的客户，在自己能维护的范围里做适配。复杂的定制和服务承诺都得量力而行，能省下开发时间，才有时间照顾这些事。

知序只是起点

回到知序，个人刷题和企业培训看起来都需要答题功能，购买方式却可能差很多。

个人用户关心自己的学习体验，企业客户还可能有组织管理、培训流程和预算方面的要求，也需要有人长期提供服务。做出相似的界面，不等于能按同一种办法卖出去。

我觉得，AI 把开发成本降下来以后，一些小的软件生意可能更适合一个人经营。需求可以小一些，价格也可以低一些，核心功能照常运行，不必一直花钱调用模型。

知序的两个需求都来自熟人。亲戚提出企业培训的需要，还要看看公司实际怎么用、是否愿意付费。熟人的需求让我有了具体的事情可以做，但怎么把知序带到更多人面前，我还没想好。开发更容易了，也不会自动有人来买。

接下来想先把刷题和培训的需求做好，了解用户愿意为哪一部分付钱。获客、沟通和维护花掉的时间也得一起算进去，才能知道这个软件能不能靠一个人长期做下去。