2020年伦敦深夜,Grant Lee蜷缩在公寓厨房与洗衣房之间的狭小角落,对着屏幕进行第三场融资路演。投资人听完他的演示文稿AI工具创意后,停顿片刻,冷冷地说:"这是我听过最愚蠢的想法。你们要对抗拥有巨大分销优势的巨头,毫无胜算。" 说完便挂断了视频。
三年后的今天,这个被断言"毫无胜算"的项目Gamma,已经成长为估值超过20亿美元、年收入破亿美元的AI独角兽。更令人惊讶的是:他们只用了50人不到的团队,在不到两年时间里就实现了1亿美元ARR,且大部分时间保持盈利。
这不是又一个硅谷式的"烧钱换增长"故事。在AI创业的狂热浪潮中,当所有人都在谈论"堆算力、融大钱、快扩张"时,Gamma走出了一条截然不同的道路。在Lenny's Podcast这场近两小时的深度对话中,Grant Lee首次系统性地拆解了这家"反常识AI公司"的增长密码。
作为长期观察AI行业的分析师,我在这场访谈中捕捉到了三个最核心、也最容易被误读的信号:第 一,AI应用层的护城河究竟在哪里?第二,在OpenAI、Claude们主导的时代,"GPT Wrapper"如何建立可持续商业模式?第三,当所有人都在追逐规模时,小团队如何在细分赛道建立统治力?
以下是我从这场访谈中提炼的最有价值的洞察,希望能为正在AI浪潮中摸索的创业者们,提供一份可操作的实战地图。
Product Hunt获奖就是最危险的春药
2022年8月,Gamma拿下Product Hunt当日/当周/当月三料冠军,团队开香槟庆祝。一周后数据打脸:注册量停滞,留存率垃圾。Grant的复盘冷酷而清醒:“Product Hunt、媒体报道、朋友圈刷屏——这些都是虚荣指标。它们让你爽,但不让你活。” 真正的PMF只有一个信号:超过50%的新用户通过口碑来(直接访问+品牌搜索)。如果这个数字低于30%,别花钱做广告,回去改产品。因为你的核心增长引擎是坏的,你只是在用投资人的钱"租用"用户。Gamma至今保持50%+的口碑增长率,这才是产品本身就是增长引擎的证明。
前30秒交付不了价值,你就永远失去这个用户
Grant有个极度政治不正确的用户画像:“用户是自私的(只关心自己)、虚荣的(想立刻显得厉害)、懒惰的(不想学习)。” 基于此他定下铁律:前30秒必须交付价值。为什么是30秒?因为你没有第二次机会。大多数AI产品犯的错误是首屏展示10个功能,试图证明"我很强大",结果用户完全confused,3秒后关闭页面。Grant用消费品广告的"一个鸡蛋理论"说明:扔一个鸡蛋给用户他能接住,扔五个全掉地上。Gamma只扔一个鸡蛋——“用AI在30秒内生成演示文稿”,没有欢迎页、教程视频、功能介绍,打开就能用。2022年Product Hunt launch后,Grant做了个疯狂决定:12个人all-in四个月,只做一件事——让前30秒magical。钱快烧完了?管它。竞争对手在追赶?管它。2023年3月重新上线后,日注册从几百飙到2万+,没花一分钱广告。
找大V做网红营销就是在烧钱,1000个nobody才是正道
常规操作是找5-10个百万粉丝的大V,每人给1-5万美元,提供标准脚本,期待一夜爆红。结果花了20万美元,效果像屎,因为所有人都看出来这是广告。
Gamma的打法彻底相反:2万美元/月预算,不给10个大V,而是给40-50个小网红,单个成本300-3000美元,粉丝量500-5万。更关键的是选人标准——不看粉丝数,只看你的产品是否真正能帮到他们:高中老师(每天做课件)、创业顾问(每周做演示文稿)、内容创作者(需要视觉叙事)。
Grant在早期亲自和每个网红视频通话30-60分钟,演示产品、了解受众、不给脚本而是头脑风暴钩子,让他们用自己的话讲你的故事。为什么这么做?因为真实性是网红营销的唯 一货币。如果创作者感觉"这是我团队的延伸",转化率会高5-10倍。
Gamma甚至把整个品牌系统开源(brand.gamma.app),包括语调指南、视觉规范、Midjourney提示词模板,让创作者能一键复制风格。关键数据:90%的传播来自不到10%的创作者,领英转化率是其他平台的4-5倍,每1个网红带来的用户会额外产生1.5个口碑用户。
“GPT Wrapper没护城河”?那是因为你只会调API
投资人最 爱问:“你不就是调OpenAI的接口吗?OpenAI推出类似功能怎么办?” Grant的回答出人意料:“我们用20多种模型,不是一个。”
这不是炫技,而是精细化的工作流编排:生成大纲用Perplexity(自带网页搜索且便宜),生成初稿用擅长长文本的模型,优化排版用专门的设计模型,图片生成根据风格动态选择,持续AB测试在20多个模型间切换平衡效果与成本。
Grant的核心观点是:“不要做’AI工具’,要做’解决特定问题的工具,恰好用了AI’。” 区别在于思维方式——工具思维是"我有AI能做什么",问题思维是"这个问题困扰用户10年了,AI能彻底解决吗"。
Gamma在"视觉叙事"这个工作流上积累了三年:理解用户在哪个环节卡住、不同人群的需求差异、建立模板库和品牌工具包。这些深度理解,OpenAI用3个月做不出来。而且很多人担心"大模型降价我们的差异化就没了",但Grant的逻辑恰好相反:成本下降意味着毛利率提升,可以投入更多到研发和增长。只要你的价值不是"我用了最贵的模型",降价就是你的朋友。护城河在用户习惯,不在技术栈。
50人做到1亿ARR,因为我们"痛苦地慢慢招人"
传统逻辑是融资→快速招人→快速扩张→占领市场,但Gamma完全相反:融资→慢慢招人→保持lean→建立高杠杆系统。成立3年时12人,1亿ARR时约50人,人均产出$200万ARR。Grant的铁律是:“宁可team超负荷运转3个月,也不降低标准。” 为什么?因为错误的hire会稀释你的DNA。前10人的DNA决定一切,如果前10人是A-player后面会吸引更多A-player,如果是B-player后面只会来C-player。
Gamma的前10人5年后100%还在,这个留存率在硅谷极为罕见,但带来的价值无法估量:零入职成本、部落知识自然积累、决策速度极快。
Gamma只招通才不招专才——产品设计师会写代码、工程师懂用户体验、营销人员会数据分析,因为在50人团队里每个人都在身兼数职。
更激进的是,所有管理者都是"球员兼教练":80%时间做个人贡献者工作,20%时间指导团队。为什么?因为在AI快速变化的环境里,脱离一线的管理者决策会滞后。
Gamma有25%的团队是产品设计师,而且全都会写代码,这在同规模公司中几乎看不到。
当天完成的原型测试,比三个月的完 美功能值钱100倍
Gamma速度的秘密武器是"当天闭环":上午想到一个点子,用Cursor/Lovable快速搭原型(不需要完 美,能点击就行);中午在VoicePanel/UserTesting上招募20个真实用户测试;下午用户完成测试返回屏幕录像+语音,团队实时观看记录卡点和惊喜时刻;晚上全团队复盘决策继续/修改/放弃。总耗时1天,就能验证一个想法是否值得投入。
对比传统流程:产品需求文档(1周)+设计(2周)+开发(4周)+测试(1周)=8周,如果不行再来一遍。
Gamma的优势是一年能测试200-300个想法,传统公司只能测试10-20个,这意味着学习速度比竞争对手陡峭10-20倍。
最 大的错误是让朋友测试产品,因为朋友会撒谎说"很好"然后再也不用。正确做法是招募符合用户画像但完全不认识你的人,用VoicePanel/UserTesting自动招募精准筛选,每个测试用户成本10-30美元,20个用户200-600美元。这600美元能让你避免浪费3个月开发错误的功能。
在AI时代最 大的风险不是"做错了"而是"做慢了",因为OpenAI、Claude每个月都在进化,用户预期每个月都在提高,你花3个月开发一个功能,等上线时可能已经有10个竞品做了。
别等"产品完 美"再收钱,几个月就要实现盈利
Gamma的时间线极为激进:2023年3月AI产品发布完全免费,4月用户疯狂要求"怎么买",5月上线定价20美元/月,8月达到100万美元年度经常性收入,年底实现盈利。从上线到盈利只用了9个月。
定价方法用的是Van Westendorp调研(ChatGPT Plus也用这个):做一个谷歌表单问4个问题——多少钱你觉得太便宜、多少钱便宜划算、多少钱贵但可接受、多少钱太贵。用这4个数据点找到最 优价格区间。Grant坦诚地说:"我们没有过度思考,ChatGPT Plus定价20美元/月,所有人都熟悉这个价格,我们也定20美元。"
这揭示了一个被低估的策略:不要重新教育市场,利用已有的价格锚点。很多人担心"太早收费会吓跑用户",但Grant的逻辑是:如果你的产品在20美元/月都无法盈利,定50美元/月也救不了你。早期收费的真正价值不是为了赚钱(那点钱不够烧的),而是验证商业模式是否可持续。如果单位经济模型健康,你知道可以规模化,可以用利润再投资增长,不被融资时间线绑架。关键是监测毛利率、获客成本回收期、客户终身价值与获客成本比这些指标,如果不健康,回去改产品而不是改定价。
创始人IP是AI时代最被低估的增长杠杆
Grant在领英/推特上的内容直接带来无数主动咨询、免费的品牌认知、高转化率的信任,制作成本0(他自己写)、分发成本0(平台免费)、转化率极高(因为真实性)。对比Facebook广告的制作成本高、分发成本高、转化率低,这是降维打击。
具体操作是准备一个谷歌文档每天/每周记录:学到的反直觉的事、某个失败的真实原因、某个成功背后的具体数字,关键是只记录你自己觉得"哇,这个我之前不知道"的东西。每周提炼时,早晨头脑风暴什么话题让你兴奋,晚上复盘当天从会议中提取金句,从文档选2-3个要点扩展成300-500字,内部测试讲给团队听反应"哇"就继续、反应"嗯"就放弃,发布前检查这篇内容的价值交换是什么。
不同平台调性完全不同:推特要更有战术性、更技术化,最 好有数据截图,比如"我们测试了20个模型,发现Perplexity生成大纲比GPT-4快3倍且便宜70%";领英要更有启发性、更偏故事化,比如"三年前投资人说我们是史上最蠢想法,今天我们年收入过亿"。
Grant花了很久克服"发帖很尴尬"的感觉,转变来自认知:这不是自我推销而是价值交换——创始人销售是产品价值换钱,创始人营销是知识经验换善意。当你积累了足够善意,发布产品时这些人会主动传播,这就是创始人主导营销的复利。
品牌不是"锦上添花",是效果广告的前提
这是最反直觉的一点,因为大多数AI创业公司的顺序是:产品上线→立刻开Facebook/谷歌广告→看投资回报率优化投放→几个月后才想起"好像要建个品牌"。Gamma的顺序恰好相反:先建品牌基因,再开效果广告。
Grant的核心逻辑是品牌营销就是效果营销,只是归因周期更长。如果你没有品牌,每一个广告都要从零开始教育用户"你是谁",用户点进来后落地页感觉"不专业/不统一/不可信",转化率低、获客成本高,你陷入"花更多钱买流量"的死循环。如果你有强品牌,广告只需要提醒不需要教育,用户点进来有"哦这个我好像在领英见过"的熟悉感,转化率提升2-3倍、获客成本降低,而且自然搜索流量会自然增长。
Gamma在2023年初达到1000万美元年收入后,做了一个痛苦的决定:花几个月+大量预算做全面品牌重塑。很多人质疑"你们已经有增长势头了为什么要冒险改品牌",但Grant说初始品牌是占位符无法规模化——设计系统不完整每次做营销素材都要从头设计、没有清晰的语调和风格不同渠道说话方式不一致、视觉风格有限无法支撑"每周测试上千个创意素材"的需求。
他们和Smith & Diction(也给Perplexity做过品牌)合作,重新定义艺术方向、语调风格、可复制的基因。判断标准很简单:想象你现在要做1000张不同的广告素材,这些素材放在一起还能让人感觉"这是同一个品牌"吗?如果答案是不,你的品牌基因不够强。
DeepSeek正在成为全球AI创业者的"秘密武器"
这是访谈中最容易被忽视但极为关键的一点。Grant提到,在选择模型时成本是核心考量因素之一,而且他们持续在20+个模型间A/B测试。在WebSummit等全球科技峰会上,越来越多非中 美的AI创业公司选择DeepSeek作为主力模型,原因有三:第 一是成本极低,对于预算有限的初创公司这是生死攸关的;第二是开源,对数据隐私保护要求高的欧洲市场极为适用;第三是性能足够好,在很多场景下不输OpenAI但价格只有零头。
这揭示了一个被主流叙事忽视的趋势:在AI应用层,技术优势正在快速商品化,真正的竞争是谁能更高效地orchestrate这些商品化的能力。
当中国的大模型公司通过开源和低价策略渗透全球市场时,美国的OpenAI、Anthropic反而被高昂的成本结构束缚。对于AI创业者来说,这意味着护城河不在"我用了最贵最 好的模型",而在"我最理解用户的workflow,知道在哪个环节用哪个模型性价比最高"。Grant的策略是:效果差5%但成本低50%,果断选便宜的。这种pragmatic(实用主义)的态度,正是Gamma能在早期就实现盈利的关键原因之一。
AI时代的"反常识生存法则"
Grant的故事本质上是在告诉我们:旧世界的"最 佳实践",在AI时代可能是"最快死法"。
当所有人都在追"融资额",Gamma在追"盈利能力"。当所有人都在追"团队规模",Gamma在追"个人杠杆"。当所有人都在追"技术突破",Gamma在追"用户习惯"。当所有人都在用"最贵的模型",Gamma在编排"20个便宜模型"。当所有人都在找"大V推广",Gamma在建"1000个小V的relationship"。
这场游戏的赢家,不是喊得最响的人,而是跑得最稳的人。不是融资最多的人,而是最早盈利的人。不是团队最 大的人,而是效率最高的人。
对于中国的AI创业者来说,Gamma的价值不在于"照抄",而在于"启发":你不需要和OpenAI正面竞争,不需要融资几亿美元,不需要招几百人的团队。你只需要:找到一个够深的workflow,建立一个够强的team,打造一个够好的product,然后让它自己生长。
Grant妈妈讲的"井底之蛙"故事,或许是这场访谈最 好的注脚:永远不要让当下的"常识",限制你的想象力。
井底的青蛙以为井口就是全世界,直到一只鸟告诉它外面有海洋、有山脉。
AI时代的创业,就是不断跳出"旧井"的过程。
Gamma已经跳出来了。
你呢?
