3个人、0融资、AI全栈，做到年入百万美金

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。

月入约$83K，3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。

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。

Swan AI是他的第三次尝试。目标：每个员工$10M ARR。现在实际做到$332K/人，离目标还有30倍差距。但方向是对的。

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。

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。

核心思路：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。

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。

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）。不需要demo就能开始用。

"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。

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

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
• Unipile — LinkedIn自动化API

数据与情报

• Sonar by Perplexity — AI网络调研
• Attio — 可编程的CRM

Agent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。

内容不只是建立认知——它在第一次对话之前就建立了信任。

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。

工作流：

• 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

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

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。

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。

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

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。