但這就是創業的正常代價。

虎嗅前幾天那篇在朋友圈刷屏。三個失敗案例，幾組數據，結論是「一人公司是創業鴉片」。

我讀完想說的是：是的，一人公司大部分會失敗。

但這...有啥奇怪的？

甚至，有啥值得寫的嗎？

奶茶店5年存活率15%。獨立游戲95%賺不到錢。公眾號99%沒破萬粉。餐廳第一年關店率60%以上。任何形態的創業，從0開始做任何事情，從概率上講就是大部分會失敗。一人公司80%跑不通，放進這個分母里其實是正常水平。

那篇文章的問題不在論據，在選擇性。把所有創業都成立的失敗率，重新包裝成「一人公司」的特殊危機，然后給出一個不該做的結論。

真正值得討論的不是失敗率，是另外兩件事：

AI 改變了什么，才讓2026年的一人公司值得討論？

那些跑通的人，跟跑不通的人，到底差在哪？

一、AI給了個體一次強化學習的機會

這句話聽起來像鴉片，但我想用一個真實的技術比喻來講。

大模型為什么這兩年變強這么快？參數堆得多是一方面，但真正的關鍵是RLHF（基于人類反饋的強化學習）。模型做出動作，環境給反饋，權重更新，再做下一個動作。這個循環跑得夠多次、獎勵信號夠準，模型就強了。

過去的創業者，最缺的就是這個循環。

開一家奶茶店賠進去20萬，關掉一家服裝店虧50萬，做一個游戲花3年沒人玩。每一次失敗都是大額沉沒成本，下一次再嘗試得攢三五年錢。運氣不好就轉行回去了。這種「試一次錯三年」的頻率，根本跑不出強化學習。

AI 把這個循環的成本砍到幾乎為零。

塔勒布講過一個概念叫凸性（convexity）。他在 Edge.org 那篇文章里寫過精確版本，大意是：增益大于損失的非對稱函數是非線性凸函數，類似金融期權；錯誤（或變化）對你的傷害，遠小于它能給你帶來的收益。

翻成人話：下行有限，上行不封頂。這種事，應該多做幾次。失敗9次成本可控，成功1次cover全部。

過去這個公式只對有資本的人成立。VC 投10家公司死9家，剩1家爆賺。個人沒法跑凸性，單次失敗就把家底打沒了。

AI 把凸性下放給了每一個普通人。

Marc Lou 把這件事說得最直白：「Ship 20 products knowing 19 will fail.」做20個產品，知道其中19個會失敗。他過去12個月營收100萬美元，靠的不是某一個breakout product，是「我能ship 100次而你只能ship 1次」這件事。

我自己也是這樣。最近一年做過的東西大部分沒成，但每一次失敗都是幾天到一兩周的時間、幾十到幾千塊工具費，下一次就更知道哪里該繞。這是 AI 給個體最大的禮物：它讓你能多次失敗，讓強化學習從大公司的特權變成個人的日常。

二、AI 補足了一個人過去做不到的所有能力

具體講講 AI 在幫一個人做什么。

多語言、跨地區運營。Pieter Levels（@levelsio）一個人，公開數據約13.8萬美元每月，用戶分布在70多個國家。這件事在AI之前不是不能做，是要做得先花十年學英文+雇翻譯+做本地化。現在AI替你跑這一段，你專心做產品判斷。

寫作和內容產能。Dan Koe 2024年營收420萬美元，自述毛利98%。一個人，一份周更newsletter，分發到7個平臺。AI讓他的「一篇 newsletter」變成「21條社交平臺posts」，這是過去整個內容部門做的事。

把想法變成代碼變成產品。Tony Dinh 7年 Big Tech工程師辭職后做 TypingMind，累計破百萬美元營收，20000+付費用戶。他每天工作4小時。AI把「寫代碼」從他的工作里減掉，他專心做產品判斷。

全棧一人作坊。Marc Lou 自己說他的AI setup是「一個代碼編輯器加一個聊天窗口」，用基礎工具 ship了6個新app加300個feature。

AI 在做的事，是把過去你必須組個團隊才能做的事，變成一個人加幾個 AI agent 就能做的事。

順便聲明：我自己也在做一人公司（雖然我其實不想用任何標簽概念定義自己），不過我確實在某種程度上被央媒塑造成了OPC的典型代表。畢竟一個人在干開發產品、經營自媒體、做skill、賣書等一大堆事。

但這里有一個關鍵判斷要講清楚：AI 放大的是你已經有的東西。

三、AI 是杠桿，不是引擎

Naval有個財富公式：specific knowledge × leverage = wealth。

specific knowledge 是 Naval 的說法。它指的不是某項技能。技能可以被教、被培訓、被外包；specific knowledge是不可教授的獨特組合：你的品味、判斷、世界觀、長期浸泡某個領域積累的肌肉記憶。Naval的原話大意是：如果你能被培訓出來，那別人也能，你就是可替換的。

回頭看那五個跑通的樣本：

Pieter在2014年開始「12 startups in 12 months」實驗的時候，AI還不會寫代碼。他靠的是十年自學的全棧技術棧、對數字游民群體的親身浸泡、和在Hacker News/X上build in public的本能。

Dan Koe 在做內容創業前做了多年agency，親手交付過copywriting funnel的全套服務。

Justin Welsh 在做 solopreneur之前，已經在ZocDoc和PatientPop把銷售團隊從0帶到5500萬美元ARR。

Marc Lou 是用三年時間ship過20-30個失敗產品練出來的執行肌肉。

Tony Dinh 是7年 Big Tech工程經驗給了他「看見AI產品里UI/UX空缺」的眼光。

他們的 AI 杠桿都很大，但被放大的是他們自己已經有的東西。每個人的 specific knowledge都是5-15年某種深度浸泡留下的。

如果 specific knowledge 那一項是 0，杠桿再大，0乘任何數都是0。

很多人沖進AI創業最后被打回來，根本原因不是AI不行，是他們想跳過那5-15年的浸泡。這段時間無法跳過。AI 抹平的是工具門檻，不是品味門檻。

四、那「注定失敗」該怎么理解

回到這篇文章的標題。

一人公司「注定失敗」，是真的嗎？

是真的，也不是真的。

是真的：從概率上講，做任何新事情的人 80% 會失敗。一人公司沒什么例外。

不是真的：失敗不是結局，是創業的入場券。

那篇文章批評的「滿屏我用AI三天賺三千塊」的爽文是真的有害。它有害不是因為它說創業能成功，是因為它把「成功」包裝成「輕松」。只要按流程走、報這個課、入這個園區，就能上岸。

真正的創業從來不是上岸，是站在浪里。

一人公司注定大部分會失敗。但失敗不是不能承受的。AI讓失敗的成本從「賠20萬+三年」降到「幾千塊+幾個月」，從重傷變擦傷。從重傷里你爬不起來，從擦傷里你只是停一下、想一想、再做下一件事。

殺不死你的，讓你更強大。這句話在過去對個體創業者其實不太成立——單次失敗就把家底打沒了，哪還有「下一次」。AI 讓這句話第一次真正成立。

五、行會消失之后

不過有一件事，那篇文章沒講，我得講。

工業革命的時代討論過一個老問題。匠師嵌在行會、教會、家族、師徒的網里，失敗有兜底，技藝有傳承。今天的獨立開發者沒有行會。AI讓你看上去什么都能做，但也讓你失去了所有可以求助的對象。

我自己2025年12月有過一條即刻動態，大意是：自從搭了 Claude Code 自動化寫作的工作流，做文章和視頻都輕松太多。然后逐漸發現，當我自己真想做個更難的、需要更長時間的選題時，發現糟了，自己越來越不愿意忍受那緩慢的枯燥的過程了。把腦力工作外包后，想再收回來真沒那么容易。

這是真問題。AI 讓你能高頻試錯，但也讓你的「單次專注深度」在退化。

解藥不是回大廠，是給自己造一個虛擬的行會：讀者、用戶、X上的同行、播客同溫層。這個虛擬行會跟傳統師徒制不一樣，但本質需求是一樣的。你需要可以求助的對象、可以被罵醒的環境、可以校準方向的同行。

那篇文章里有一句最有用的話：

「如果沒有任何補貼、沒有任何課程可賣、也沒有投資人看上你，你的AI一人公司，還能靠什么活下來？」

這是個好問題。但它的用法不是「答不上來就別做」，是用來檢查自己有沒有把杠桿架在空地上：

• 我有什么 specific knowledge 是別人沒有的？

• 我能持續 ship 嗎（每周或每月有新東西出來）？

• 我有沒有給自己造一個虛擬的行會？

三個都有，去做。會失敗，但 AI 讓你的失敗便宜得多。三個都沒有，先去攢。AI 不會讓一個 specific knowledge 是 0 的你突然成功，AI 只會讓一個已經有 specific knowledge 的你的成功幾率放大一個數量級。

結尾

回到開頭那句話：一人公司大部分會失敗。

是的。但這沒什么不得了的。

AI 第一次讓普通人也能跑出大公司才有的強化學習循環。失敗不再是終點，是反饋信號。每一次失敗完，你只是更知道哪里不該走。

「注定失敗」這個判斷，對所有創業都成立。對一人公司成立。對奶茶店、獨立游戲、餐廳、自媒體也成立。但「注定失敗」之后還有一句話：殺不死你的，讓你更強大。

我自己僥幸活到現在，靠的是開始得早、撞過的墻夠多、留下的疤痕也沒人幫我擦干凈。這些東西的獲得方式只有一個，就是不停地做、不停地失敗、不停地從失敗里把下一次再做一遍的勇氣和方向感揀回來。

AI 讓這件事變得便宜了。僅此而已。