隨著AI技術的飛速發展，AI應用的創業熱潮正在興起。本文通過分析五個離職同事的創業經歷，揭示了AI應用市場的競爭格局和商業化路徑。這些案例不僅為我們提供了寶貴的經驗和啟示，也讓我們看到了AI應用的無限可能性。

“五個離職同事里，至少有三個人在搞應用”，一位剛從大廠離職的員工告訴光子星球。

大廠高管出走、組團找融資，大熱項目組成員離職看應用，是目前AI賽道最真實的寫照。

進入2024年，模型層大局已定，鮮少有新玩家能夠進入。而卷生卷死的AI應用，門檻不高，投入成本低，“單槍匹馬+N個GPT”抵得過一支創業隊伍。

另一位剛從百度離職欲投身海外AI應用的前產品經理算了一筆賬：雇傭四名員工，兩個Claude Pro（薪資40美金/月），一個GPT（薪資20美金/月），一個Devv AI（薪資20美元/月），單月成本共計80美元。從技術開發到UI設計一應俱全，而其自身只需要作為產品經理提需求。

“折騰到最后可能還是要返廠，但至少得試一把，萬一就跑通了呢”，一位前大廠員工表示道?；诖?，市面上能看到的AI應用也不過是冰山一角，大量項目仍在深水區。

看上去今年創業環境似乎更友好了，實則恰恰相反。被迫接受了一年市場教育的投資人終于學聰明了，張口便是：“你的PMF（產品市場匹配)/TPF(技術產品匹配)是什么?”

肉眼可見的是，今年以來AI應用賽道初創公司融資數量正在減少。懸在頭上那把達摩克利斯之劍，把創業者推向了兩個極端，要么小而美，獨自優雅；要么在用戶規模攀升中，跑通PMF/TPF。

后者最好的方式便是天降一場“流量雨”，躋身爆款應用行列。如此的潑天富貴，在國內屈指可數，早期的妙鴨到“哄哄模擬器”再到近期爆火的文風測試。

拆解三款爆款應用，用戶群體、傳播裂變渠道、流量增長曲線幾乎可以一比一復制，這對埋頭苦干的開發者來說不失為一個好消息。但流量催生的產品終是曇花一現，如何不困在制造流量的循環游戲中，找到商業轉化的正確著陸姿勢才是關鍵。

01 從妙鴨到文風測試

去年踩著AI相機風口爆火的妙鴨，首次證明了AI時代社交關系圈的重要性。

時間回到去年3月份，彼時張月光帶領的AI團隊才剛剛確定了“寫實人像”的方向。妙鴨作為阿里大文娛內部的“試驗品”本沒有過多期待，但令其團隊始料不及的是，妙鴨剛內測就顯露出爆火的潛質。

6月底，在為期兩周的內測期間，妙鴨使用人數達到了一萬人左右，邀請碼一碼難求。種子用戶是阿里大文娛內部的工作人員，通過在朋友圈分享傳播迅速打破圈層，向外擴散。7月17日，妙鴨全面上線，沖上微博熱搜，又進一步助推傳播。微信指數顯示，“妙鴨相機”一詞指數值在7月25日到達頂峰，前后熱度約維持了一周左右。

后期妙鴨熱度雖然逐漸回落，但還是影響了一波創業者。這些創業者亦步亦趨，將產品種子用戶沉淀在微信群里，開始了最早期的用戶反饋和產品迭代。如今的AIPPT和蛙蛙寫作等AI應用在社區運營上仍沿襲同樣思路。

今年年初的哄哄模擬器和年中的文風測試，則意外地跑通了“QQ空間-小紅書”的流量鏈路。

臨近春節，一款在線教你怎么在線哄女朋友的網站突然爆火。據開發者王登科統計，僅24小時之內，涌入超過60萬用戶，消耗了大模型十幾億token，發生2000萬次對話。突如其來的爆火，也讓王登科瞬間“負債累累”，背上了幾千美元的賬單。

事后追溯，王登科發現這次流量是從QQ空間和QQ群引爆。

他稱，剛開始找不到流量來源的原因在于，QQ空間和QQ群比較封閉，沒有KOL，傳播節點也很分散。彼時的QQ群已經逐漸Discord化，成為了孵化爆款AI應用的溫床。Minimax大火社交產品“Glow”就是在QQ群中逐漸成型。

QQ群流量外溢路徑在文風測試網站得以進一步明晰。據文風測試網站算法模型負責人Ankie介紹，文風測試網站的爆火源于其朋友在QQ空間發的一條動態。測試用戶開始涌入網站，半個小時文風測試網站502崩潰，一個小時之內帖子的轉發量達到了3000。截至7月初，該條動態轉發量已經將近有1.5萬。

（圖源：受訪者）

據光子星球調查發現，QQ空間和QQ群里聚集了大量00、05后的年輕人，他們對新事物接受程度較高，態度也更加開放。在QQ形成了大量二次元、乙女、同人、宅男、耽改為標簽的亞文化群體。

基于QQ用戶特性，這實際上在回答一個核心問題：AI應用到底需要一個怎樣的“風洞測試”？答案是，試錯成本低、容錯率高、敢于嘗試新事物。

緊接著，以QQ為圓心，流量開始向小紅書、豆瓣、微博四面八方迸發。其中流量承接效果最好的是小紅書。Ankie團隊把文風測試排名前三的結果納入了統計，截至目前，網站累計產生了約200萬個測試結果。僅小紅書一個平臺就貢獻了300多萬的瀏覽量，轉發和討論熱度居高不下。

02 爆款AI應用啟示錄

借用Ankie的一句話來形容文風網站：“非典型創業”。

“非典型”有幾層含義，大學生在校畢業論文項目，成本低至500元，純粹為愛發電。

但站在AI應用井噴的關鍵節點，研究具有爆款氣質的AI應用，或許能成為打開超級APP的鑰匙。

應用的傳播路徑基本形成：在QQ空間和QQ群里醞釀，瞬時爆發后，流量開始向四處擴散。Ankie認為小紅書之所以能夠成為流量二次爆發地得益于其開放和推薦機制。

“無論是在QQ空間、微博還是豆瓣，如果你不去主動搜索，或者沒有朋友在用，就不會收到相關推薦，但小紅書卻能。比如你平時關注閱讀、寫作方面的內容，很大概率就能被推薦到我們網站”，Ankie表示道。

光子星球注意到，小紅書已經成為了大模型公司和AI應用的營銷陣地，最大的目的不在于導流轉化，而是明晰用戶畫像和獲取垂類領域的數據。Kimi在B站、抖音、微博等地大肆投流，但在小紅書則發起“Kimi居然還能這樣”的話題，希望通過收集prompt和使用場景來進行用戶分層。

Kimi目前上線的“Kimi+”就是用戶細分后的結果，即把一些最熱門、最常用的功能單獨做成Agent。此外，小紅書上的熱門應用也成了Kimi+“素材來源”，其首頁一段時間內就掛著與文風測試網站相似的“文風測試器”功能。

 （圖源：Kimi智能助手）

Ankie告訴我們，“上述Kimi玩法來自于我們的文風測試網站”，該說法也得到了Kimi運營人員的證實，曾主動聯系Ankie詢問是否需要從首頁撤掉。

盡管Ankie放棄了Kimi撤銷“文風測試器”的提議，但絲毫未減弱文風測試網站的爆火程度。在網站基建極其差，動輒就502的情況下，文風測試網站的流量熱度持續了約三周，流量高峰期日活達到十萬，衰落期降到一萬以內。該應用的長尾效應超出了Ankie的預期，直到今天，還有人源源不斷地在小紅書分享測試結果。

“有些人會重復去測試，特別對于養成寫作習慣的部分用戶，只要寫了新的，就會再重新測試一遍”，Ankie談道。

事實證明，一個好的idea比大模型噱頭更重要。

Ankie在采訪中跟我們復盤成功經驗提到了幾點：放棄對大模型的執念，能快速讓用戶用起來才是王道。2016年的算法技術、垂類小模型、作家測試數據集，幾乎構成了文風測試網站的全部。

在ChatGPT、Kimi等通用對話助手之外，AI應用的價值是更懂場景和用戶。一個案例或許可以側面印證，起初，Ankie預計用戶對AI測試結果的信任度在60%-70%，但沒想到竟收到了“被打擊到了”“完全不想再寫作”的反饋。

只有引導用戶打破各種“框”，才能實現破圈傳播和增長。對比下來，在Kimi中生成的文風測試結果有兩個最主要的問題，測試結果冰冷且不夠有說服力，生成結果缺乏分享轉發的欲望，從本質上來看，輸入和輸出都沒能逃出問答框。而文風測試網站雖然也是在框里生成答案，但通過各種截圖、網站鏈接的傳播，最后產生了巨大流量。

03 爆款可復制，AI應用商業化思考

制造一個爆款AI應用是偶然，那制造一批呢？

王登科證明了復制爆款AI應用的可行性。延續文風網站調性（簡潔）、用戶群體（二次元、同人）基礎上，他如法炮制，復制出了OC測試、名家嘴替等AI應用。

作為參考，文風測試網站的全部支出成本在500元。雖然爆款AI應用有周期，但只要能掌握方法論，跳出曇花一現的周期，就可以無限地延長熱度曲線。

Ankie認為目前輕量化的AI應用與網易云H5功能如出一轍，既可以在業務研發過程中進行A/B 測試，收獲用戶反饋數據，預測上線效果。也可以通過爆款應用引流到主業務上，繼而實現轉化。

如此一來，我們似乎找到了一條全新的引流路徑。省去幾十萬的投流成本，以爆款的應用/Agent為餌料，吸引用戶使用，建立一定用戶黏性后，導流跳轉到主AI應用上。

導流的效果初步顯現，王登科在《從文風測試到OC分析，AI產品的一波流也有春天》一文指出，“OC成分測試雖然是一個小玩具，但是給團隊產品精準導流的效果好到不可思議。OC成分測試約30萬人的訪問量，帶來數萬APP的下載轉化”。

拆解上面的流程實則有兩波流量，AI應用作為流量接口吸納第一輪“潑天富貴”，導流后的主APP承接第二波空降流量，找尋商業轉化落點。

站在商業化的角度思考，流量與廣告變現掛鉤，單就上面的流量傳導過程就可以產生兩次廣告收入。最初的應用可視為主APP的功能切片或嘗鮮，所以開發者在研發過程中要思考為應用導流，以及與主營業務的匹配程度。如果前者是一項AI性格測試，后面導流到了一款寵物應用，就會顯得十分割裂。一旦用戶體驗感受損，必然會影響最后的轉化。

Kimi的思路其實沒有問題，比起專門開發一個網站或應用，現在大火的智能體更適合輕量化的訴求。但就像上文所述，好的想法、垂類的場景數據集和具有傳播分享的趣味性，都缺一不可。

觀察市面上AI應用，大部分AI應用仍以付費訂閱制為主，但能一上來就產生付費的寥寥無幾。就現下應用市場來看，日活、月活不過是浮云，訂閱付費率和續費率或許才是檢驗AIGC時代應用能不能打的唯一標準。

大多數AI產品為了活下去還是會選擇to B，這種模式在免費應用中尤為常見。通過在應用中展示廣告，AI公司能夠從廣告商那里獲得收入。

另一種是“訂閱收費+分成”機制，有些AI應用會跟大模型廠商進行深度合作，大模型廠商需要通過落地產品案例來證明自身模型能力，AI應用也需要降低調用API成本。

二者互為導流通道，用戶使用AI應用過程中會消耗token，也會強化對該模型廠商的心智。在大模型廠商的產品入口也能調用AI應用的相關功能，為應用引流，最終帶來的訂閱付費轉化，將由二者按比例分成。

談論超級應用或許還為時尚早，但王登科和Ankie的實踐為我們揭示了一條可行之路：通過精心設計的輕量化AI應用，不僅能夠有效吸引用戶，還能在商業化道路上開辟可能性。

這些應用如同精心編織的漁網，捕捉著用戶興趣和注意力，最終將他們引導至更深層次的產品體驗中，這才是審視爆款應用案例的意義所在。