3个人、0融资、AI全栈，做到年入百万美金

3个人、0融资、AI全栈做到年入百万美金原创 方馨 方馨2026年3月29日 22:28广东2人写在前面3个人0融资0雇员用AI做到逼近100万美金年收入。这不是标题党。这是Swan AI创始人Amos Bar-Joseph的真实故事。他之前两次创业都走了传统VC路线——融资、扩团队、被收购。表面上是成功退出但他自己说从里面看感觉是病态的。第三次创业他决定彻底重新定义规则。不融资、不招人、用AI做一切能做的事。结果2025年Swan AI从0增长到200客户月入约$83K全程只有三位联合创始人。根据这个数据我们就可以来算一笔账月入约$83K3个人平均一个人每月就能创收$27.7K年化大概在$332K/人。传统SaaS公司人均ARR通常在$150K-$250K他们直接翻倍。这不是“省钱”是一种全新的公司形态。我自己用多个AI Agent运营多个站点深有体会——AI不是让你少雇几个人而是让你重新定义“公司”这个概念。一、VC的老路为什么走不通了Amos总结了传统VC剧本的三步曲在还没找到PMF之前就融$2M-$5M在营收还没到$1M之前就扩到40人烧钱续命从一轮融资赌到下一轮祈祷在音乐停下之前搞清楚商业模式他做了两次两次都被收购了。但两次他都知道这栋楼盖在沙子上——为了满足投资人的时间表硬造增长曲线。Swan AI是他的第三次尝试。目标每个员工$10M ARR。The goal is $10M ARR per employee. We’re at $332K per person today — 30x away. But the direction is right.现在实际做到$332K/人离目标还有30倍差距。但方向是对的——AI时代的公司形态确实在往“极少人、极高杠杆”演化。二、先做错再做对——从“伪智能”到真智能Swan AI一开始做的是AI SDR自动化销售开发代表——自动找潜在客户、AI筛选、个性化邮件。白板上画得很漂亮也很容易搭建。然后一个客户问了一句话把一切都炸了“能不能让它处理网络研讨会的参会者而不是冷线索”精心设计的工作流瞬间报废。每个新场景都意味着从头重建。他们意识到自己造的不是智能而是伪装成智能的自动化。自动化 ≠ 智能。大多数AI产品本质上还是if-then的工作流套了个LLM的壳。真正的AI-native产品应该能“推理”面对新场景不需要重建管线。于是他们推倒重来围绕一个新理念重建AI应该能推理任何GTM动作而不只是执行预定义的步骤。重建只花了几周——三个人、没有缓冲逼着你必须快。三、AI客服从15%到70%最值得抄作业的部分Swan AI有一条铁律不招人。这个约束逼出了一套极其精彩的AI客服进化路径第1周给AI Agent喂20条文档答案放进Slack。只能处理15%的工单其余全靠人第2周建了一个“升级回路”——AI不会的问题内部ping创始人。创始人给答案AI转述给客户。客户全程不知道背后有人第4周加了一个功能每次人工回答升级问题后AI自动把答案归档到知识库这个简单的闭环改变了一切。两周内自主解决率从15%飙升到70%。知识库从20条增长到180条——不是因为有人写文档而是系统从每次人机交互中自动学习。AI先上 → 不会的升级给人 → 人回答后自动沉淀到知识库 → AI下次就会了这是最值得抄作业的部分。核心不是技术而是思路不需要一开始就准备好需要的是在反馈中精进。用n8n Slack 任何一个LLM就能搭。我自己的openclaw也在用类似的思路——先让龙虾自己跑跑不出来我再指导它然后它再调整。在调整中更新记忆、自我进化。越用越智能。四、50个客户时差点崩盘——7天生死转型“自治公司”模型在前六周一切顺利。然后撞墙了每周267个demo电话。两个创始人完全满载。20%的成交率意味着每个电话都不能丢但人力已经到极限。数学很残酷AI已经能自主处理70%的客户交互但销售对话——最高杠杆的环节——仍然100%依赖人。而人不能规模化。两个选择招销售打破模型或者彻底改变卖法。他们选了更难的路。7天内砍掉整个销售驱动模式重建为产品驱动增长PLG。他们认为不需要demo就能开始用。他们说“如果重来我会从第一天就做自助服务。我们以为需要高接触销售来学习但实际上看着用户在没有我们盯着的情况下使用产品我们学到了更多。”五、AI原生技术栈全景Swan AI的技术栈围绕一个原则构建从底层就是AI原生的而不是在传统工具上贴一层AI。工程Cursor — AI编程副驾驶让CTO一个人干出原来15人团队的活V0 by Vercel — 几小时内把产品概念变成可用原型Baz — AI代码审查抓住人眼漏掉的问题GTM与销售Swan AI — 自家产品把匿名流量变成合格销售管线Shortwave — AI邮件Agent管理数百个对话Unipile — LinkedIn自动化API数据与情报Sonar by Perplexity — 永不停歇的AI网络调研Attio — 可编程的CRMAgent搭建n8n — 低代码平台搭建内部自动化Retool Agents — 在内部应用上叠加AI Agent选型规律每个工具要么是AI原生的要么是为程序化自动化而生的。没有任何一个需要人盯着。六、纯LinkedIn有机增长600万曝光、零广告费Swan AI几乎完全通过LinkedIn有机内容完成增长零付费广告、零市场雇员、零PR公司。第一年获得600万曝光200客户。前六个月成交的每一单都始于某人看到一篇帖子、访问网站、或直接私信Amos。600万曝光只收获了200多个客户转化率约0.003%。看起来低但B2B SaaS的LinkedIn获客就是这个量级。关键不是转化率而是获客成本几乎为零。对比传统SaaS的CAC$500-$2000/客户Swan AI的获客成本可能低于$50。这就是“内容即获客”的威力。换句话说内容不只是建立认知——它在第一次对话之前就建立了信任。信任意味着更高的转化率、更低的流失率、以及真正匹配的客户。七、AI内容引擎“莎士比亚”Amos用Claude Projects搭建了一个他称之为“AI内容引擎”的系统。重点不是用AI写得更快而是用AI想得更好。因为AI放大的是你本来就有的东西如果你本来就空放大出来的也是空。这跟我们团队的工作方式很像——我提供洞察和判断AI负责结构化和执行。人机协作不是人机替代。Amos的一个Claude Project预加载了内容支柱、品牌指南、以及他表现最好的帖子样本。工作流是Amos带着一个原始想法或洞察进来Claude帮他找到合适的角度、建议钩子、压力测试结构双方迭代经过策略 → 叙事弧线 → 执行他从不发布Claude独自写的东西发布的是两人共同开发的内容飞轮效应内容 → 信任 → 自然流入 → 自助服务 → 满意客户 → 案例研究 → 更多内容。启动慢但复利效应惊人。用他们自己的话说就是AI karma is real. If you use AI to mass-produce content without any original insight, readers can tell. But if you use AI to amplify insights you’ve genuinely earned through building, failing, and learning — content compounds.八、核心建议AI是技能不是产品品类Amos给出的最重要建议别把AI当成一个产品品类把它当成一项你需要修炼的技能。大多数创始人在等——等合适的AI工具、完美的用例、或者有人告诉他们从哪开始。与此同时一小群人已经在建了。实操建议学会系统思维。学会把流程拆解成步骤。理解工具如何通过API和Webhook连接。选一个小事情自动化。线索充实、会议准备、客服分流——什么都行。做一个只有手动60%好的版本。观察它在哪里崩溃。修复。重复。关键洞察AI Agent不需要完美的指令它们需要反馈闭环。Founders building that muscle now will have a compounding advantage. Those waiting for AI to mature will spend the next five years buying tools built by those who didn’t wait. Start before you’re ready.现在练这块肌肉的创始人会拥有复利优势。等AI成熟的人未来五年都在买那些没等的人做出来的工具。在你准备好之前就开始——这永远是最好的建议。对国内AI创业者的启发根据Amos团队的经历我总结了五个核心要点1. “60%好就发布”比“90%好才上线”强一百倍。因为60%上线 反馈闭环比90%上线但没有学习机制进化速度快得多。2. 约束催生创新。“不招人”这个约束逼出了AI客服闭环、7天PLG转型、内容飞轮。有时候限制不是障碍是动力。3. AI客服闭环是最低成本的入门点。不需要复杂技术n8n Slack LLM就能搭。先让AI回答回答不了的升级给人人的答案自动沉淀。越用越智能。4. 内容飞轮是最便宜的增长引擎。零广告费、零PR纯靠创始人写内容建立信任。获客成本可能低于$50/客户而传统SaaS的CAC是$500-$2000。5. 在你准备好之前就开始。这永远是最好的建议但在AI时代从未如此真实。