一个人、一个App、700万营收：AI时代的小生意开始成立了

AI Coding把Demo做烂了真正稀缺的是把产品跑起来不会写代码不应该等于没资格做产品。现在做一个AI产品最容易的是做出一个看起来很像产品的东西。输入一句话几分钟生成页面再接上大模型补几个按钮一个AI应用的雏形就出来了。过去需要一个团队干几周的事现在一个人用Cursor、Claude Code或者各类Vibe Coding工具几个小时就能完成。但接下来呢用户注册之后数据存在哪里不同用户能看到什么谁有权修改订单支付失败怎么处理模型能不能读取业务数据又能不能安全地写回数据库用户从十个变成十万个系统还能不能继续运行这些问题在Demo里几乎都看不见。这也是函子科技创始人兼CEO蒋耀锴对这一轮AI Coding浪潮最直接的判断前端已经不缺了。真正没有被解决的是产品背后的后端、权限、数据一致性和长期运营。AI正在大幅降低写代码的成本却还没有自动消除经营一个软件产品所需要承担的责任。AI解决了写出来没有解决跑起来蒋耀锴在硅谷企业软件公司Medallia做了八年后端工程师。在职期间他和合伙人做过不少Side Project二维码点餐、NFC自助结账、股票策略回测。每做一个项目都要重新建数据库、写API、接前端、处理页面状态。做得越多他越确定一件事软件开发里有大量重复劳动而这些劳动未必必须由受过多年工程训练的人完成。更重要的是许多懂行业、懂客户、能发现商业机会的人最终没能把想法做成产品并不是因为他们没有想法而是因为技术门槛太高。不会写代码不应该等于没资格做产品。这成为他回国创办函子科技、推出Zion和海外版Momen的起点。但到了AI Coding爆发的今天这个问题似乎已经被解决了。不会写代码的人也可以让AI生成代码。那为什么还需要无代码平台蒋耀锴的回答是AI降低了代码生成的门槛却没有降低普通人理解和控制代码的门槛。一个开发者拿到AI生成的代码可以检查数据库结构、修改权限策略、追踪日志、处理线上故障。一个完全不懂代码的人拿到同样的结果只能看页面能不能打开、按钮能不能点击。至于底层的数据模型是否合理、权限是否安全、业务逻辑是否存在漏洞他很难判断。前端错了通常只是页面不好看、交互不顺。后端错了可能意味着数据丢失、用户越权、账目错误甚至直接变成安全事故。所以蒋耀锴认为AI Coding目前最大的断点不是代码写不出来而是生成之后的后端结构、权限、一致性和长期可运营性没有被解决。Zion想补的正是这半截让非技术用户不只是生成一个产品还能看懂、修改、验证和维护它。这也是他提出AI No Coding的原因。AI Coding是让AI帮助开发者写代码。AI No Coding则是让AI在一套结构化、可视化的系统里帮助普通人搭建应用。两者的区别不只是最终有没有代码而是谁对结果拥有控制权。无代码真正卖的不是少写代码而是少承担高风险责任长期以来无代码经常被理解成一种更简单的开发方式。拖几个组件、连几条流程不需要写代码就能快速做出应用。但在蒋耀锴看来这个理解仍然停留在表面。无代码真正提供的不是少写几行代码而是平台提前处理了一批普通人很难独立承担的工程责任。以一个产品后端为例它至少包括数据库、用户认证、角色权限、行级和列级权限、业务逻辑、API、文件管理、部署、运行环境以及后续扩容。Supabase等开发者工具也提供这些能力但使用者需要理解PostgreSQL、SQL、RLS权限策略和函数逻辑。Zion同样提供数据库、认证、权限和API但尽量把这些能力变成可视化结构并通过平台规则减少用户写错的机会。蒋耀锴把两者的区别概括为两个字控制。对于专业开发者代码本身就是控制工具。对于非技术用户一堆无法阅读的代码并不意味着控制反而可能是另一个黑盒。因此无代码的价值不是给用户无限自由而是通过护栏让用户在一个适合平台抽象的范围内稳定地解决真实问题。这也是为什么他并不认为AI Coding会完全替代无代码。能够读代码、能处理后端和运维的人使用Cursor当然合理。还有不少用户会把两种方式混合起来前端交给AI生成后端放在Zion里管理。但对于不懂技术的人最重要的不是一次生成多少代码而是生成之后能不能继续运营。一个能演示的产品和一个能长期收钱的产品中间仍然隔着大量看不见的工作。Agent如果接不进业务就只是一个会聊天的壳类似的问题也出现在Agent平台上。现在做一个Agent已经不难。配置提示词、选择模型、增加知识库、连接几个工具很快就能得到一个可以对话的智能体。但蒋耀锴认为大量Agent产品面临一个共同问题创作容易收费很难。原因是许多Agent仍然是一个孤立的对话框。它可以回答问题却读取不了企业自己的业务数据可以生成内容却无法把结果写回系统可以展示能力却不能接支付、独立上线和持续运营。这样的Agent更接近一个功能演示而不是一个完整产品。Zion对Agent的理解不是单独增加一个聊天入口而是让Agent长在全栈应用里面。它可以读取应用自己的数据库把结果写回数据表触发业务流程调用外部接口也可以接入支付系统。在这个结构里Agent不是产品本身而是产品中的一个执行角色。所以蒋耀锴对Zion Agent搭建器的定位非常明确可视化只是入口全栈才是本质。真正拉开差距的不是能不能搭出一个Agent而是这个Agent能不能进入真实业务最终形成商业闭环。这也解释了为什么他依然看好Agentic Workflow而不是完全端到端的自主Agent。端到端Agent的故事很吸引人给它一个目标它自己规划、调用工具、完成全部任务。但任务步骤越多错误来源就越难定位。三十个步骤之后得到一个错误结果问题可能出在第三步也可能出在第二十七步还可能是两个中间状态共同造成的。工程师可以查看日志、追踪状态、设置断点。非技术用户面对黑盒通常只能告诉系统一句结果错了。这个反馈不足以帮助系统在迅速膨胀的状态空间里找到问题。因此真正能够进入生产环境的更可能是边界清晰的Agentic WorkflowAI被放进确定的流程节点拥有明确的上下文、工具和权限每一步都可以检查、回退必要时由人介入。端到端Agent更像一个想象中的全能员工。Agentic Workflow则像一个被纳入组织流程、有岗位职责和权限范围的数字员工。开发成本下降十倍小市场第一次值得做了蒋耀锴真正想服务的也不是大型企业的IT部门。Zion目前超过八成用户是个人开发者另外一部分是小团队企业客户占比较低。2024年以后公司进一步把目标客户收缩到非技术创始人、独立开发者和OPC。这个选择看起来并不符合传统SaaS公司的增长路径。企业客户预算更高合同更大为什么不向上做企业级低代码平台因为蒋耀锴看到的机会不是帮助大型企业把已有流程再优化一点而是让过去根本不会出现的软件产品被做出来。许多真实需求的市场规模并不大。一个行业里的特殊计算工具一个小圈子的交易社区一个地方性的活动平台一套服务某类商家的管理系统一年的收入可能只有几十万到几百万元。这样的市场过去很难成立。不是因为没有用户而是因为开发成本太高。为了一个规模有限的需求招聘产品经理、前端、后端、设计和运维投入很难收回来。但如果开发成本下降十倍市场规模没有变化生意模型却可能彻底改变。过去不值得做的小市场开始可以被一个人或者几个人服务。Zion上有一个经常被蒋耀锴提到的案例。一名基金经理最初只是想管理自己的球星卡收藏于是做了一个小程序。后来其他收藏者开始使用产品逐步增加了交易、撮合和代购功能。这个项目的营收从500万元增长到700万元基本由一个人运营。还有一名大二学生为学校做了一个资源交易市场加入用户注册、商品发布、订单、支付以及AI推荐和客服后来月收入超过一万元。这些产品未必会成为下一家独角兽但它们已经不是Demo也不是一次性作品。它们在服务具体人群产生真实交易并形成稳定现金流。这才是蒋耀锴最在意的结果。不是用户发布了多少应用也不是平台制造了多少AI创业故事而是有多少应用仍然活着、有人每天使用、产生交易并持续被调用。他不想制造更多融资项目而是更多现金流生意在AI创业叙事里融资往往被当作成功的证明。但蒋耀锴并不希望Zion用户首先考虑融资。他更希望他们做出Cashflow Business规模不一定大但能够持续收费、养活自己。这也决定了Zion的商业模式。平台收取订阅费AI和云资源按照实际使用量计费但不根据用户收入抽成。用户做出产品后数据、业务逻辑和收入仍然属于用户。对于个体创业者而言他们买的不是一套普通办公软件而是一种生产资料。一套每个月几百元的工具如果能够帮助一个人把原本无法启动的生意跑起来它的ROI并不低。真正的问题不是个人客户客单价不够高而是平台能否让足够多具有真实动机的人持续使用并在平台上获得收入。因此函子科技并不服务所有想做个应用的人。蒋耀锴把用户分成了几类。一类是行业专家。他们懂土木、制造、医疗、法律等专业场景知道通用软件没有覆盖的行业规则但不会写代码。一类是商机变现者。他们有点子、资金有限希望在最短时间内完成从想法到第一笔收入。还有一类是流量和资产拥有者。他们手里已经有社群、内容或者客户希望建立自己的产品和数据资产减少对第三方平台的依赖。三类人能力不同但有一个共同点他们都想自己动手也愿意长期经营。相反只想花钱购买现成结果、不愿意理解业务的人更适合买SaaS或者找外包而不是使用Zion。我们服务的是想屠龙的人不是想吃龙肉的人。Zion想做的不是替创业者完成所有工作而是成为屠龙少年手里的那把刀。下一轮竞争不是谁生成得更快而是谁让结果更可控AI开发工具还在不断缩短生成时间。几周变成几天几天变成几小时未来可能只需要几分钟。但生成速度继续提高之后速度本身会逐渐失去区分度。真正决定一个产品能不能进入生产环境的将是另外几个问题生成的结果能不能被人理解数据和权限能不能被验证出现错误之后能不能定位和回退模型更换之后产品能不能继续运行用户增长之后系统能不能持续维护这也是蒋耀锴更看好AI与DSL结合的原因。DSL可以理解为一套结构化、针对特定领域的表达系统。AI不是生成一堆人类无法掌控的黑盒代码而是在结构化的数据、组件、流程和权限体系里工作。AI负责提高搭建效率人仍然能够看懂系统结构知道数据在哪里、流程如何运行、权限如何生效。从这个角度看无代码和AI Coding并不是简单的替代关系。AI Coding降低的是代码生产成本。无代码平台降低的是普通人控制复杂软件系统的成本。而真正值得关注的不是以后还有没有人写代码而是谁能够让一个不懂代码的人也可以对自己的产品承担责任。AI已经让做出一个及格线Demo变得非常容易。下一阶段更稀缺的不是更多漂亮页面、更多Agent入口也不是又一个可以生成整套产品的演示。而是把一个真实的小需求做成一个能够收费、运营、维护和持续迭代的闭环。蒋耀锴给非技术创业者的建议也很简单先别问自己能不能做出一个很厉害的AI产品。先回答四个问题用户是谁他现在最痛的一件事是什么完成这件事需要哪三到五步哪一步最早可以开始收费因为创业公司很少死于做不出来。更多时候它们死于根本没人需要。访谈精选 QAQ1. 你从硅谷工程师转向创业为什么决定做一款让不写代码的人也能开发产品的工具蒋耀锴我从小就决定要创业。去Medallia本身也是为了学习一家初创公司、一个工程团队到底该怎么运作。公司上市之后我就开始scratch my own itch做自己真正想要的东西。那几年我一边在Medallia做后端一边和合伙人做二维码点餐、NFC自助结账、股票策略回测等Side Project。每做一个项目都要重新建数据库、开放API、连接前端再处理一堆页面状态和样式。做多之后我有一个很强的感受这里面大量是重复劳动而且未必需要一个受过完整工程训练的人来做。真正让我坚定的是我越来越确定很多聪明、懂业务、有商业嗅觉的人之所以没有把想法变成产品不是因为他们没有想法而是技术门槛太高。不会写代码不应该等于没资格做产品。所以Zion/Momen本质上不是我从程序员跳到了非程序员而是把过去做基础设施、后端和高性能系统的经验拿来做一把工具。只是这把工具不再只服务工程师而是服务那些想做产品、但没有花几年时间学习编程的人。Q2. 你之前用机遇、贫瘠、闭塞形容创业环境。到了2026年中这三个词发生了什么变化蒋耀锴如果现在重新排我会说机遇没怎么变贫瘠还在闭塞比去年好了一些。机遇没有变是因为我一直相信所有结构性的社会变化都来自某种边际成本的数量级下降。蒸汽机、集装箱、互联网、智能手机都是这样AI这一次降低的是认知的边际成本。当开发成本降低十倍大量以前不值得做的小市场会突然变得可以做、可以赚钱。贫瘠在中国依然存在。一个小企业想寻找数字化解决方案不管是动力还是能力都很