600万人注册一人公司，活下来的可能不到一成

OPC 到底是所有人的红利，还是少数人的军火库？

社交媒体上到处是月入六位数的 OPC成功案例，到处是「AI 时代，一个人就是一支军队」的口号。

但没有人告诉你另一组数字：这 600 万家里，第一年可能就有 90% 无声无息地消失了。

所以OPC 到底是所有人的红利，还是少数人的军火库？

在最近一场圆桌上，四位背景截然不同的创业者给出了他们的答案。PainHunt 创始人李标，14 年工程老兵，一个人从 Idea 到上线全流程 Agent 化；WUI.AI CEO 曾旻，耶鲁 MBA、前 TikTok 产品负责人，四人团队做定制视频系统；拥抱智序创始人张拼拼，20 年跨界老炮，交社保 2 人但能调动 150 人的弹性网络；ORBOT 首席科学家成慧，中山大学教授，团队正在探索机器人硬件能不能也走轻量化创业。

OPC 的红利是什么？李标的回答只有两个字：杠杆。

他说的杠杆分两层。第一层是放大你的专业能力。你本来就懂代码、懂产品、懂市场，过去每个环节都得亲力亲为，现在可以让 Agent 替你跑完。第二层更有意思，是放大你感兴趣但不擅长的领域。过去你是纯工程师，离客户十万八千里，现在 AI 可以帮你搞定销售话术、市场分析、甚至宣发素材。

李标自己就是这个杠杆最极端的案例。他的出海产品 PainHunt，从写第一行代码到支付上线、宣发推广，全程一个人完成。在国内做 To B 项目交付时，客户聊完需求，后面的编码、设计、测试、回归、部署，整条链全部由 Agent 跑完。他只需要做一件事：跟客户聊天。

管 10 个 Agent 和管 1000 个，对他来说没区别。因为他做的是定义系统的 Pipeline 和内部的正负反馈逻辑。定义好之后，系统成规模地替他执行。

这个效率放大在成本端的体现更加直观。张拼拼算过一笔账：过去找一个技术合伙人，不画大饼的话月薪至少三四万。现在他自己开两个 200 美金的 Claude 套餐，就能覆盖一个技术合伙人的工作量。房租省了，人头省了，税也少了。一个人加 AI，生产力和成本结构的比值被拉到了一个过去根本不敢想的数字。

曾旻从更宏观的角度解释了这种放大效应背后的经济学原理。他引用了一个词叫「杰文斯悖论」：当某种资源的使用效率大幅提升时，人们以为消耗会减少，但实际上总消耗反而会激增。因为效率的提升让原来没有经济价值的场景突然变得可行了。

大模型把分析和研究成本降了一到两个数量级，AI 生成把内容创作成本降了一到两个数量级，Coding Agent 把软件开发成本降了一到两个数量级。三者叠加，大量过去因为太小、太碎、太不划算而没人碰的市场机会，突然变成了 OPC 可以独自吃下的蛋糕。

大厂不会去做这些蛋糕。它们太笨重、决策链太长，组织基因决定了它们只适合吃大的。

这就引出了一个关键问题：蛋糕的大小和形状，决定了什么样的人能吃到它。

圆桌上四位嘉宾有一个共同特征：他们全都有超过十年的行业积累。

李标在旷视干了近七年，从原始数据、工程、算法到场景交付做了个遍。曾旻在美团、滴滴、TikTok 做了十几年 AI 产品，是计算机科班加耶鲁 MBA 的复合背景。张拼拼在 4A 广告公司和腾讯之间来回跳了 20 年，一直保持着自己的公司。成慧是中山大学计算机学院教授、机器人实验室负责人，自嘲在学校里 CEO、CTO、CFO 和带学生打杂全是他一个人。

他们用 AI 成功做 OPC，就像乔丹穿了一双好跑鞋。鞋确实好，但真正起作用的是乔丹的腿。

这个残酷的事实必须正视：AI 时代的一人公司，不是普通人的避难所，而是高净值复合型精英的军火库。

李标说管 10 个 Agent 和管 1000 个一样，前提是他有 14 年的肌肉记忆，知道怎么把复杂业务拆解成 Pipeline，知道怎么设计系统的正负反馈。对一个定义不了 Pipeline 的人来说，他甚至连给 Agent 发送一条高质量指令的能力都没有。

曾旻说 OPC 的核心是一个公司，盈利不完全靠个人创造力，而是由核心人主导，完成需求定义、MVP 构建、渠道搭建和商业变现的完整循环。今天的 Coding Agent 内部一致性已经非常强，你跟它说清楚，它就能给你做出来。但「说清楚」这件事，恰恰是 AI 干不了的。Founder 要负责的是跟外部世界对齐：确保做出来的东西有人用、能赚到钱。

系统最终的表现，被「人与 Agent 的沟通带宽」限制住了。带宽高的人，产出是爆炸性的；带宽低的人，AI 再强也只是一个昂贵的玩具。

那些没有行业 Know-How、没有商业判断力、只是被裁员或者跟风入局的普通人，走进 OPC 之后的结局不是成为超级个体，而是成为一个全天候、高负荷、自负盈亏的赛博底层手工业者。AI 降低了生产门槛，但同时也把竞争烈度拉到了空前的水平。

有人可能会问：如果 OPC 注定只能赚小钱、吃大厂不要的碎屑，那它和传统个体户有什么本质区别？

张拼拼的回答很实在。他说暴富的机会很少，或者都写在刑法里了，这不在考虑范围内。他建议做 OPC 的人从「确定性」出发：第一天要么拿到高比例预付款，要么上线就赚钱。找大巨头看不上的小众刚需，比如刺绣的制版软件、二手吉他鉴定。全行业的交易量也不大，巨头不会抢，但你有资源又专业，就是确定性的钱。

这确实是「高级摆摊」。但这种摆摊和传统地摊最大的区别在于：接近 100% 的利润率和近乎为零的边际成本。没有员工、没有办公室、没有劳资纠纷。一个天花板清晰但年纯利润极高的个体户，在当下这个周期里，生存确定性远高于一个背着几千万融资、每天都在失血的创业公司。

投资人投不投 OPC，已经不重要了。OPC 这种新物种从第一天起就不需要投资人的钱。它用无限的敏捷和恐怖的现金流率，解构了传统的规模神话。

这是整场圆桌最让人不安的问题。

李标说自己「已经成为一个打杂的」，全链条 Agent 化。曾旻说系统的瓶颈是人与 Agent 的沟通带宽。

那如果有一天 Agent 进化到不需要人来定义 Pipeline 了呢？如果它自己能抓需求、写代码、上线、收钱、自我迭代呢？OPC 的创始人自己，会不会成为最后一个被替代的活口？

这个推演的前半段是乐观的。方法论可以被复制，但「寻找下一个痛点的视网膜」不能。

李标的 PainHunt 产品化之后，任何人都可以用它抓 20 个平台的数据、用概率模型测品。这就像 Photoshop 普及后所有人都有了修图能力，但顶级设计师并没有失业。工具同质化只会把竞争重新逼回终极原点：你对真实世界痛点的嗅觉、你坐在饭桌上捕捉一个客户情绪波动的直觉，这些东西 Agent 从 Reddit 数据里总结不出来。

成慧从硬件的角度补充了另一个维度。她说做机器人这种有温度的产品，对开发者的要求除了专业技能之外，还有一个关键词：有趣。有趣的人才能做出有趣的产品，这对人的要求更高、更多元了。

这个观察和曾旻对 OPC 四种模型的分类暗合。曾旻把跑通了的 OPC 分为四种：独立开发者型、网红流量型、领域专家型、业务流程重塑型。每一种的核心竞争力都不在于写代码的能力，而在于对特定人群和特定场景的深刻理解。

AI 可以写代码，但它不知道一个离婚律师在美国德州需要什么样的房产评估报告。AI 可以做视频，但它不知道一个医学科普账号需要怎样的论文支撑才能让三甲医生愿意挂名合作。这些判断力，是 OPC 创始人手里最后的底牌。

但推演的后半段是冰冷的。

Agent 的能力曲线在陡峭上升。今天 Founder 负责的「与外部世界对齐」，大模型迟早能做得不比人差。到那一天，OPC 创始人手里真正剩下的，可能只有一张牌：他是唯一具有法律人格的债务和利益主体，也是唯一能和人类客户建立碳基信任的接口。人类在把身家性命或几百万美金交出去时，更愿意相信一个会流汗、会焦虑、能承担法律责任的肉身。这种基于物种本能的非理性偏好，短期内是 AI 的逻辑死穴。

但「短期内」三个字，才是最让人心悸的部分。

OPC 的终局是一场幸存者的淘汰赛。当 Agent 把一切执行力卷到尽头，Founder 只要跑不赢 AI 的智力迭代速度，就会变成全公司最碍事的零件。想当 OPC 的掌舵人，你得保证自己永远是那个无法被代码逻辑化的变量。

杠杆越长，支点上那个人的分量就越关键。AI 在疯狂拉长力臂，你要做的不是感恩杠杆的存在，而是死死钉在支点上不被甩出去。

你是站在支点上的那个人，还是即将被甩出去的那个？

嘉宾：

PainHunt 创始人 - 李标 Bill

WUI.AI  CEO- 曾旻Dennis

拥抱智序 创始人- 张拼拼

ORBOT 首席科学家-成慧

主持人：非凡产研 合伙人-薛倩Amber

一、嘉宾致辞与团队规模拷问

薛倩Amber：这场 Panel 的主题是 OPC（One Person Company，一人公司）红利，这是我今天最期待的一场。无论国内外的 AI 行业，大家都在聊 OPC。年初我看到一个数据：2025 年中国有 600 万个一人公司注册，占了企业注册总数的十分之一。

OPC 爆发的来源非常综合：有大厂出来的技术大牛发现单干回报更丰厚，也有个体在出海赛道拿到了结果。虽然有人质疑它的商业模式是否可规模化，但目前看来，OPC 的红利远大于挑战。今天我们邀请了四位不同领域的嘉宾，有的是 OPC 本身，有的在服务 OPC。我们先请大家做个自我介绍，并坦白一下：你们现在的团队有几个人？

李标 Bill：我分两块介绍。我个人在 IT 行业 14 年，做 AI 已经七八年了。在 AI 1.0 时代、大家卷 Agent 之前，我在旷视干了接近 7 年，从原始数据、工程、算法到场景落地都做过，典型的工程背景。

目前我有两家公司。一家是 2024 年在北京办的，承接国内企业办公、教育、私有化场景 AI Agent 商业化交付。另一家去年在美国落地，今年主推的产品叫 PainHunt。这是一个出海情报平台，抓取了北美为主的 Reddit、X、App Store 等 20 多个平台的数据。通过后台一大堆 Agent 跑全程，它能分析某个出海方向值不值得做，并释放“哪个地方有用户拿着钱在找解决方案”的信号。未来我们也会用它来孵化自己的新产品。

薛倩Amber：那你们现在公司有多少人？

李标 Bill：做 PainHunt 这个产品，实际就我一个人。从 Idea、宣发、上线到支付闭环，全是我一个人搞定。现在因为有强大的工程基础和 Agent 矩阵，国内的项目交付从编码、设计、测试到上线，全都可以 Agent 化跑全程。我基本上已经变成一个打杂的了，只需要去跟客户聊天、接需求，后面的东西都不需要自己写。

曾旻Dennis：大家好，我是 Dennis。我主要在 AI 领域做产品经理（PM），本科计算机，后来在耶鲁读了 MBA。曾在美团、来也（RPA）、滴滴和微信工作过，主要用 AI 提升复杂场景的流程智能化。2024 年出来做视频生产系统。

我们现在主要给 OPC 或小团队做定制化视频系统。一类是创作者，我们的 Agent 能把账户的约束和 DNA 沉淀下来，自动把需求翻译成中间状态并生成视频。另一类是我们正在做的新尝试：针对小公司的“AI 营销员工”系统。让 Agent 提前和用户交互，搞明白受众和目的，直接交付一个懂业务的视频数字员工。

薛倩Amber：这个产品的团队目前是多少人？

曾旻Dennis：我们一直是 4 个人，现在新项目主要是我在探索。我毕业后没写过工业级代码，但我发现 Claude 能极大地提升效率。为了让业务更敏捷，团队需要变得更小。在垂直、大厂看不上的场景下，一个人最好能独立完成需求识别、MVP 构建、交付和收钱的闭环。完成闭环的人数越少越好，所以我们正在压缩团队。

张拼拼：我有 20 年的职业经历，主线是数字媒体营销，在 4A 公司、腾讯都待过，也做过影视剧制片人和艺人孵化。除了主线，我还做过餐饮和民宿。即使在大厂时，只要没有合规冲突，我自己做个人公司大概也有 8 年时间了。

目前核心业务是“AI 生成专业内容的企业服务”。比如我们做医学科普视频制作，用有专业论文支撑的医疗科普内容，配合医生的数字人形象讲出来；另外还跟顶级摄影专家合作，开发有专家知识支撑的电商返图。这些是通用工具做不了的。

我们公司交社保的只有 2 个人。但我算过，公司能链接到做事情的人符合“邓巴数”逻辑，在 150 人以内。干活的、灵活务工的和销售渠道大概是 2:1，将近 100 人可以分发任务做事情，另外 50 人负责卖东西。

成慧：大家好，我是成慧。ORBOT是广州大学城的一家初创机器人公司。传统概念里机器人的研发投入非常重，因为它涉及多学科、软硬件复杂的系统。我借助于 AI 工具和供应链，想看看机器人研发能不能走向更加小规模的敏捷开发。

同时，我另一个身份是中山大学计算机学院的教授、机器人实验室负责人。在学校里我们经常开玩笑说自己是“科研个体户”：建团队、带学生、当 CEO、CTO 兼 CFO 打杂全靠老师。从这个角度讲，我也是一个 OPC 创业者。

二、定义红利：OPC 模式带来的最大便利

薛倩Amber：谢谢。四位嘉宾都很符合 OPC 的特点：能非常快速地从第一个产品迭代到第二个产品；哪怕不写代码，也有极强的商业敏锐度和资源整合能力。大家现在都在谈 OPC 红利，在你们看来，红利到底指的是什么？它和传统模式的最大差别在哪里？

李标 Bill：我经常讲一个词叫“杠杆”。我认为现阶段的红利就约等于杠杆。AI 放大能力表现在两个方向：

放大本专业：你懂代码、懂市场或懂销售，以前需要盯着全流程，现在可以用 AI 把你知道能拿结果的环节成倍放大。

弥补短板：如果你很感兴趣但没时间研究，可以借助 AI 搞定。以前做技术的离客户太远，出来创业最头疼销售。现在可以通过 AI 搞定很多不会的东西。

通上电、通上 Token 以后，它突破了时间的杠杆。对我来说，管 10 个 Agent 和管 1000 个是一样的，我只需要定义工作流（Pipeline）和系统的正负反馈。我变成了系统里的“上帝”，定义好后让它成规模地放大你，这就是 OPC 的红利所在。

曾旻Dennis：我顺着 Bill 的讲，OPC 本质上就是关于杠杆。需要澄清的是，像影视飓风、MrBeast 这种超级创作者是超级个体，但不一定是“一人公司”。

大模型把分析研究成本降低了一两个数量级，生成模型把内容创作成本降低了一两个数量级，Coding Agent 把开发成本也降低了一两个数量级。根据“杰文斯悖论”，成本下降后，原来没有经济价值的狭窄、垂直场景变得可行了。大厂太笨重，商业模式 Cover 不了这些机会，小团队就能敏捷地吃掉属于自己的蛋糕。

OPC 的核心是 Founder 负责与外部世界对齐（Align），确保做出来的东西有人用、能赚到钱，这事 AI 干不了。对齐后，把状态同步给 Agent 让它去实现。系统最后的表现受限于“人与 Agent 的沟通带宽”，谁的反馈做得好，谁的试错成本就极低，产出是爆炸性的。

张拼拼：我觉得有四个层面：

成本红利：房租免了，税少了。原来找个技术合伙人一个月至少三四万，现在自己买两个 200 美金的 Claude 套餐就能搞定他的工作量。

人才资源红利：过去想跟专家合作很难，现在专家从组织里解放出来，我可以很灵活地和专业生产者、销售深度合作。

竞争红利：大家都是新公司，机会更公平。前几天我去上海比稿，对手是拿了几个亿投资的大公司，但我现在有机会在同一张牌桌上竞争，客户愿意相信专业的 OPC。

产品化和规模化红利：以前做餐饮、民宿没法规模化。传统模式下一个产品从策划到开发要半年，一旦没过 PMF 就失败了；我现在直接往三个方向切入，第二天做出来上线，可能直接就有收入。

成慧：借助于 AI 能力，团队规模确实可以缩小很多。过去资深架构师现在几乎不用自己写代码，研发效率极大提高。

对于智能硬件，如果从产品技术端考虑，需要一个非常专业的超级个体。他不需要做整机，可能只做个传感器，但他得懂专业方向，知道怎么有效组织少量的人到外部找专家合作，需要很强的组织能力和洞察力。

另一个机会是，原来机器人和 AI 是完全不同的赛道，现在融合成了“具身智能”新赛道。怎么把这些系统便利地部署起来、做远程运维，像装软件一样简单，对小团队来说也是很好的市场机会。

三、生态位抉择：硬件机会与出海选择

薛倩Amber：硬件机器人本身是一个又重又长的赛道。成慧老师，OPC 有没有机会在硬件行业或机器人赛道里找到独特的生态位？你们需要什么样融合性质的 OPC 成为 Partner？

成慧：这要看用途。如果用到工业制造业里，它还是很重的。但如果用到服务业、提供情绪价值，对开发人员的要求除了专业技能，另一个就是要求“非常有趣”。有趣的人才能做出有趣的产品，它对人的多元化要求更高了。

薛倩Amber：我看到你们现在的机器人形象非常可爱，也是偏向于需要有趣的人来做是吗？

成慧：对，我们觉得机器人是一个有灵魂、有温度的伙伴。我们考虑科技与艺术的结合，产品不仅可以 To B，也可以 To C，希望以后机器人能作为伙伴把人与人更好地连接在一起。

薛倩Amber：明白。我们再请教一下李标和 Dennis，你们俩的产品其实一开始就直接面向海外，为什么做这个选择？在寻找机会点时是怎么考虑的？

李标 Bill：这还是具体情况具体分析。第一，不论市场怎么卷，有些几百万的小众市场（Niche 市场）也是可以做的。出不出海看自身情况，比如在深圳，有外贸资源就在深圳做；在国内懂人情世故，不用懂技术也能做好。

我们为什么做海外？一是因为国内卷，二是海外用户的付费意识和习惯更好。作为创业者，钱在哪里、市场在哪里、擅长做什么就去哪里。国内做 To B 属于劳动密集型，能赚钱但很难赚大钱。我们遵循概率模型，市场不可预测，但我可以通过极大规模的测品提高概率。PainHunt 就是帮我们通过 AI 成批测品，像 SHEIN 测服装一样，跑出来的继续加大投入，把软件做成类似工业制造的模式。

薛倩Amber：Dennis 之前在大厂和 TikTok 都有很长时间的经历，现在做 WUI.AI 也是小团队出海。以 OPC 团队出海有没有踩过坑，有什么可以分享的？

曾旻Dennis：为什么出海，对我来说比较自然，因为我生活在美国五年了，有一定比较优势。当时有个共识，很多海外出海成功的黑马公司其实是华人创办的，算是一种跟风或承担计算过的风险（Calculated Risk）。

但这绝对不是唯一出路。在 AI 时代，OPC 还是得服从基本商业规律：需求到底在哪？我看下来成功的 OPC 模式基本有四种：

独立开发者（Hacker）：一个人在关键时间点推出几十个门槛不高的产品（如卡路里记录）获取增长。

自带流量的网红：看自己的受众在哪里，打出差异化。

行业专家（Domain Expert）：比如在海外做律师，专门出某种房子报告，原来不好做，现在用 Coding Agent 自己开发一个。

业务流程重塑者：把客户需求拆解成工作流，用低成本交付。海外支付能力强，但这要求你能进入这个市场。核心是根据自身比较优势来做。

薛倩Amber：你现在的客户是 B 端还是 C 端？

曾旻Dennis：我们现在主要找 YouTube 上的长短视频创作者。YouTube 的广告变现能力很强，只要把内容做好就行。但这部分用户本身的付费能力有限，所以我们现在想把 Coding Agent 和内容生成结合，针对他特殊的营销场景交付“数字员工”，这样收费就可以从几十美金涨到几百、上千美金，这是我们在探索的新方向。

四、跨界立项：底层逻辑与确定性

薛倩Amber：张拼拼的项目非常跨界。如果你现在去立项做新产品，底层的商业逻辑会是什么样的？

张拼拼：我的角度可能无法覆盖所有 OPC，大概分为三种情况：

天才级：靠一个好创意做出来等着被大资本收购。但现在 Copy 一个产品太快了，先发优势不足以让资本投钱，这种暴富机会很少，不在考虑范围内。

现实级（养活自己）：赚日常生活的钱。建议做成标准化产品，从“确定性”的维度思考——第一天要么拿到高比例预付款，要么上线就赚钱。去找大巨头看不上的“小众刚需”。比如刺绣的制版软件，可以用 AI Coder 完全做一套；二手吉他鉴定，全行业交易量不大，巨头不会抢。有资源又专业，这就是赚确定性的钱。

兴趣级：今年春节期间我体验到了“梦想成真”。我完全不懂 Rust，却用 Claude 五天五夜没睡觉写出了一个只有 8 兆大小的输入法；我现在也可以用 AI 跑出图纸做硬件，让工厂快速生产。在这个现状下，兴趣在哪就投入做，经验和工程化方法可以随模型迭代而积累。最重要的是动手做，有反馈才能去迭代。

薛倩Amber：非常感谢四位嘉宾真诚地分享。感觉现在的 OPC 是一群非常干练、又极具激情的群体。今天的 Panel 就到这里，谢谢大家！