PhotoAI月营收13.2万美元・零员工・全年37,000次代码提交。解剖Pieter Levels氏「一人运营」的经营方式

文中日元金额均按1美元=150日元的粗略汇率折算。

零员工、月营收13.2万美元(约1,980万日元)。如果只看这个数字,或许会觉得这不过是AI热潮下的昙花一现,但Pieter Levels氏的有趣之处在于,他持续把营收、技术架构、失败率、与竞争对手的攻防都用具体数字公开了出来。像这样把「一个人对抗大资本」的经营蓝图公开到如此程度的案例,再没有第二个。

经过

这是一项什么样的业务

PhotoAI是一项服务,用户上传自己的照片后,AI会生成与本人形象高度相似的专业照片。它使用了对Stable Diffusion 1.5进行微调的技术,价格为月费29美元生成1,000张,年付方案有大幅折扣,且从一开始就没有免费方案。值得一提的是,他本人明确说明,由于年付用户较多,13.2万美元这个数字并非经常性收入(MRR),而是单月的销售额口径——在收入公开类的内容中,这种坦诚的注明并不多见。

从整个产品组合来看,RemoteOK(4.1万美元/月)、InteriorAI(4万美元/月)、以及其他产品(各1.5〜2.2万美元/月)合计超过22.8万美元(约3,400万日元)。这一系列服务(还包括远程工作者社区Nomad List等)彼此互相导流,而这一切都是在零外部融资、零员工的情况下运转起来的。

前身Avatar AI — 主动放弃1周赚15万美元的热潮

在PhotoAI之前,还有一个被他主动舍弃的爆款。2022年末,他用自己的照片对Stable Diffusion进行微调时,发现「AI把自己识别成了一个概念」,于是发布了可以生成芭比风格、中世纪骑士风格等多种风格头像的Avatar AI。这一产品爆炸式走红,1周内营收约15万美元。

但紧接着,拥有资金实力的VC系竞争对手Lensa等推出iOS应用入场,据称「赚了3,000万美元」。Levels氏没有在Avatar AI上继续深耕,而是评价道「太廉价了,没有实质性价值,我想解决真正的课题」,转而做出了PhotoAI。艺术风格的头像是一种生成缺陷不易被察觉的「轻松」商品,而可用于简历和社交网络的写实风证件照,则拥有「只需传统摄影百分之一成本」这样明确的市场需求——他把竞争对手的入场看作「一次很好的验证」,同时把竞技的赛场从娱乐属性转移到了实用属性上。他本人用市场价值来解释这次转向,但编辑部的解读稍有不同:真正高明的与其说是新赛道的选择,不如说是把1周赚了15万美元的产品毫不留恋地舍弃的那份撤退速度。同价位区间目前仍有StudioShot(已交付超过50万张证件照)等竞争对手。

支撑「一人运营」的技术与运营方式

• 全年37,000次Git代码提交,修复bug的部署耗时约2秒。「Twitter上收到bug报告2分钟后就修好了」的速度,成了对抗VC系企业的一道防线
• 内容审核与垃圾内容检测通过GPT-4实现自动化。NSFW检测用Google Vision扫描所有生成图像,被GPT-4拦截的内容会通过Telegram通知他本人做最终确认,据称「准确率极高」。这是「用自动化投入代替雇人」这一方针的具体案例
• 技术栈是PHP、jQuery、SQLite——「都是早就熟悉的语言,没时间去换新的」。他使用的是自己写起来最快的工具,不追逐潮流
• 利用每月超过100万张的生成数据,以用户的「收藏」「下载」行为作为指标,对参数进行A/B测试,从统计层面持续改善质量
• 他也公开了质量方面不那么光鲜的现实: 生成照片的良品率约为75%,「特别好」的比例约为10%。「失败率比正常拍照要高,但因为便宜100倍所以不成问题」。此外他还公开了一项运营上的发现:「人对自己长相的认知并不准确,所以生成的照片应该交给别人来挑选」

付费哲学 — 不接受免费用户

Levels氏反复主张「从一开始就该收10美元、20美元、40美元」。他对免费用户的评价相当尖锐，「免费用户会从世界各地涌来滥用你的应用,非常糟糕」。他的验证标准也很明确:不看邮件注册数,只把「让人真正用信用卡付款」当作需求存在的证据。用2周时间做出产品并上线,靠付费来验证。从第一天就要求付费,这样只留下真正认真的用户,同时压低了支援负荷和滥用风险。这与国内教育类应用采用PayPal付费验证的思路相同,都体现了**「付费才是验证的最终形式」**这一理念。

风险的真实面貌 — 成功背后发生过什么

• 依赖对象的背叛: 模型API的提供方在产品走红后大幅涨价。Levels氏直接给Replicate的CEO Ben Firshman发私信,要求追加他所需要的训练(DreamBooth)功能,并借此实现了迁移。这与Tony Dinh氏因Twitter API危机而出售Black Magic是同类结构的风险,Levels氏用「迁移」的方式化解了它
• VC系竞争对手的迅速跟进: Avatar AI爆红后不久,Lensa等就已入场,据称「赚了3,000万美元」。即便如此他也没有继续深耕,而是转向了PhotoAI(如前所述)
• 营收的剧烈波动: RemoteOK在疫情前月营收14万美元,后来一度跌到1万美元,又回升到4万美元。他本人将下跌背景归因于美国的货币紧缩政策。正因为没有哪一根支柱是绝对安全的,才需要用产品组合的方式经营
• 新模型未必总是更好: 他还公开了一项实务发现——Stable Diffusion 2.0/XL因为安全功能而「效果退化」,他至今仍在使用1.5版本
• 市场结构的压力: 各大科技公司正在把AI照片功能整合进现有服务中,单一功能型应用这种业态本身面临的压力正在增加

读懂数字背后的逻辑

「70个项目中4个」，建立在5%命中率之上的经营设计。 他本人说:「我做的东西95%以上都失败了,命中率大约5%。所以,多发布(ship more)。」与入江氏靠第30个项目做出MENTA一样,成功者的真实面目不是「持续命中的人」,而是**「即便持续落空也没有停止发布的人」**。对于这个5%,编辑部的判断是:它既不是自谦也不是自嘲,而是一开始就写进经营里的设计值。5%的命中率不是成绩单,而是这门生意的规格。

获客渠道多元化能用数字看清楚的罕见案例。 自然搜索占比约50%,一条TikTok视频带来「每月2万美元的额外收入」,参加播客加速了增长，搜索、社交媒体、媒体曝光都与具体金额挂上了钩,并被公开出来。AI生成的图像本身就容易被分享,再加上开发过程公开(building in public)这一做法,获客的引擎有好几重。与博主苦于搜索单一渠道的脆弱性形成对照,正因为清楚每个流量来源各自的强弱,即便一根支柱折断也不会整体倒下。

个人的竞争力,在于「决策者与实施者是同一个人」。 涨价危机时直接找CEO谈判并立即迁移、迅速放弃廉价路线、2秒完成部署。这些在组织里需要开会才能做的判断,在这里全部当天就能执行完毕。这印证了一个道理:对抗大资本的个人所拥有的武器,不是资本,而是零延迟的决策能力。

可复现的条件与局限

• 容易复现的部分: 「从第一天就开始收费」「使用自己写起来最快的技术」「用LLM把审核等间接性工作自动化」「用生成物的评估数据做A/B测试」,这些做法不受规模限制,都可以适用
• 局限性: 月营收13.2万美元,是十多年持续输出内容积累下来的数十万粉丝观众基础,与AI热潮叠加的结果。TikTok和播客带来的增长,也是被既有知名度放大的效果。这个案例应该借鉴的是决策的模式,而不是数字的绝对值

相关案例

• TypingMind — 用设计规避平台风险的同时代AI案例
• MENTA — 「第30个才中签」的同一种概率论
• 头部博主对谈 — 依赖单一流量来源的结局