如何把一个海外 AI 头像工具做到年营收 240 万美金？柏林 2 人 18 个月真实账本

一位 33 岁的柏林独立开发者做了一门小生意，过去 18 个月把一款海外 AI 头像工具做到年营收 240 万美金。他之前在柏林某大厂做了 7 年视觉算法工程师，辞职那年他正好赶上组内重组。这件事本身在 AI 工具圈子里不算稀奇，过去几年类似的 SaaS 能凑出一本小册子。值得拿出来说的是他怎么踩过几个坑，因为每一个都对应着一种很普遍但很少被人点破的失败路径。

他做的事情很简单，把一款按月订阅的 AI 头像生成工具卖给三类客户，海外 LinkedIn 个人品牌运营者、海外中小型营销团队、独立站卖家。客户按月付费，月费从 19 美金到 99 美金分三档，单月无限生成。他和一位算法工程师两位全职，从模型微调到客服全是自己干，连个兼职都没请。起步那年做到月均 1.8 万美金，到了第 18 个月做到 20 万美金月营收，这个爬坡曲线其实就是这门生意能不能撑下去的核心信号。

大部分做这门生意的人死在最初半年。为什么？因为他们把模型质量本身当成了全部工作。头 3 个月花在模型微调上，到了第 4 个月开始接订阅客户，进入第 5 个月之后突然发现客户问的问题根本不是模型问题，而是判断题。比如一个 LinkedIn 个人品牌运营者会问，我应该选哪 3 张头像才能精准定位目标客户群？这个工具能帮我识别吗？一个海外营销团队会问，B2B 和 B2C 头像的视觉重心应该完全不同，AI 能不能识别用途？这些都是判断题，不是事实题，而模型能回答事实题，回答不了判断题。

他真正的分水岭出现在做完半年之后。那时候他已经意识到模型本身不够用，开始在模型之外给客户补一份每周一次的人工选片。比如客户发来一组 20 张 AI 生成头像，他看完之后告诉对方，你选的这 3 张其实都不对，问题出在你的个人定位不清晰，应该先定人设再选片。这类选片最开始是免费的，因为他自己也不知道能不能做对，做了两个月之后他才发现，这类选片才是客户真正愿意付费的部分。从这时候开始他才把模型从主力位置退到辅助位置，把人工选片放到了产品定义的第一位。这个顺序颠倒过来之后，他的客户留存立刻从月均 48% 涨到了 86% 以上。

这门生意第二个半年真正的考验是规模化和耗损之间的拉锯。他们两个人，所有的人工选片都是自己做，每个客户每周要花他 2 到 3 个小时。这意味着他们最多同时服务 80 个付费客户，超过这个数字他就开始因为睡眠不足掉选片质量。做到第 8 个月的时候他曾经试图雇一个兼职分担选片，结果发现选片这件事不是培训出来的，是经验长在自己身上的，换一个人做客户马上能感觉到差别。这之后他放弃了靠雇人扩规模的想法，转而把选片过程拆成几个清晰的小步骤，再用模型把其中能用规则替代的部分自动化掉。这个调整用了大概 3 个月，从第 11 个月开始他的单人产能从 80 个客户涨到了 200 个客户，没有增加工作时间，只是把选片流程标准化了。

到了 18 个月他碰到的最难的问题反而是定价。他最初 19 美金到 99 美金的三档定价是模仿同行的，跟自己的真实成本结构完全对不上。后来他按照客户每周实际占用他时间的比例重新调整，新定价是 39 美金到 299 美金四档，调整之后客户数量掉了 18%，但总收入反而涨了 42%。这件事他事后复盘说，最大的教训是低价档位其实是在筛选最难伺候的客户，把这部分人筛掉之后，剩下的客户更愿意为质量付钱，他每周的工作时长反而没怎么涨。

他做的这门生意没有融资，没有团队，过去 18 个月里没有任何媒体报道过它。但这个商业模型是成立的，两人小团队可以做到月入千万人民币这个量级，再往上走就碰到了个人产能的天花板。他自己目前的判断是这门生意做到两人极限之后只有两条路，一条是把选片流程彻底产品化做成 API 卖给更多 AI 工具，另一条是把客户群从 C 端个人扩展到 B 端企业 HR 部门。前者他觉得太重不适合自己，后者他还在犹豫要不要走，因为一旦服务对象变了，整个产品逻辑都要重写。

创业找资源，上乌鸦部落。