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 Workflow：AI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 Q&A

Q1. 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