中经记者陈靖斌广州报道

　　在AI大模型能力快速跃迁的时间窗口中，“一人公司”（OPC）这一长期停留在概念层面的创业形态，开始呈现出可操作的现实路径。2025年年初，以GPT与Claude为代表的头部模型完成关键能力迭代，使得从需求理解到产品开发的完整链条被显著压缩，传统依赖多人协作的研发与交付模式正在被重新审视。

　　“今年1月份开始，顶级大模型集体升级……让一个完全不懂代码的人，也能独立完成整个项目研发。”在广州一处OPC社区的采访角内，OPC创业者李杰晖对记者回忆其转向AI赛道的关键节点时表示，“那一刻我意识到，一人公司不再是概念，而是实打实的可能性。”

OPC创业者李杰晖（受访者供图）

　　当技术供给侧的能力边界被重新定义，另一侧的企业需求结构亦在发生变化——大量中小企业具备明确的效率提升诉求，却缺乏AI落地能力与试错空间。在供需两端的结构性错位之下，以“个体+AI”为核心单元的生产模式，开始在具体商业场景中获得验证。这一变化背后，隐含的是创业成本函数、组织形态以及服务交付逻辑的系统性重构。

　　AI创业利润率能超过90%

　　从职业路径来看，李杰晖的转型具有典型的“风口迁移”特征：从游戏运营到加密货币行业，再到AI创业，其决策逻辑始终围绕技术周期与商业化窗口展开。

　　“我其实是三次‘拥抱风口’。”李杰晖向《中国经营报》记者表示，“最早做游戏公司是积累经验，币圈是完成资本积累，现在AI真正爆发，我觉得时机到了。”

　　与此前两次转型不同，本轮AI创业并未依赖团队扩张，而是建立在个体生产能力的极大放大之上。李杰晖介绍，其当前主要服务对象为律师事务所、管理咨询公司及电商企业等中小型机构，这类客户通常在自身专业领域具备深度积累，但在AI工具应用与系统化改造方面存在明显短板。

　　在具体交付层面，其业务形态呈现出“定制化工具+流程再造”的特征。

　　“我给一家律师事务所做了一个智能合同审查系统，同时还帮他们定制了一套全流程电子化任务管理系统。”李杰晖向记者介绍，“以前需要三四个人一起审的合同，现在一个人用工具就能搞定；原本要花五六个小时的工作，现在一两个小时就能完成。”

　　在这一过程中，AI并非作为单点工具嵌入，而是贯穿需求理解、产品设计与开发交付的全链路。

　　“客户的需求通常很模糊，他们不懂AI、不懂产品。”李杰晖表示，“我先用AI录音工具把对话转成结构化需求，再让专门训练过的AI生成PRD，半天就能和客户确认清楚，然后立刻落地。”

　　与传统软件开发流程相比，这一模式在多个关键节点上实现压缩：需求澄清周期从数天缩短至半天以内，开发周期从数周压缩至更短时间窗口，且在迭代过程中几乎不再依赖多人协同。

　　“以前创业至少要三五个人，想法要反复开会、解释。”李杰晖表示，“现在我把所有idea直接扔给AI，瞬间就能验证，哪怕错了也能快速迭代。”

　　在工具选择上，其生产体系高度依赖单一核心模型能力。

　　“我目前主力生产工具就是Claude，它基本是我每天打开的第一款软件。”李杰晖向记者表示，“以前要做一套企业系统，得招前端、后端、产品经理，现在我只需要买个会员，几千块钱的硬件，就能把想法直接落地。”

　　在成本结构上，这种模式呈现出明显的“轻资产”特征。

　　“早期我基本靠免费额度或者大幅折扣，前期投入就几百到几千块钱。”李杰晖表示。

　　伴随成本端的极度压缩，其利润结构亦出现显著变化。

　　“成本极低，利润率能超过90%。”李杰晖表示，“我现在每个月的收入都在翻倍增长。”

　　值得注意的是，在其叙述过程中，对短期收入规模的强调相对弱化，关注点更多转向交付能力与未来扩展空间。

　　“具体数字其实没那么重要，我更关注三个月、半年后的规模，以及我到底给企业交付了什么真正有价值的产品和服务。”

　　在能力边界层面，AI对个体知识结构的补全同样构成重要变化。

　　“我自己完全没有法律知识，也没见过芯片长什么样，但靠AI训练后的‘知识体系’，我能和律师、芯片制造企业主聊得有来有回。”李杰晖表示。

　　这一现象指向一个更具结构性的变化：专业知识获取与应用的门槛正在下降，个体在跨领域沟通与服务中的能力边界被显著拓展。

　　沟通成本几乎归零

　　从更宏观的结构视角观察，“一人公司”模式的出现，并非单一技术突破的结果，而是多重约束条件在同一时间窗口内发生变化的叠加效应。

　　第一是成本函数的重构。在传统创业模式下，软件开发与企业服务的核心成本集中在人力组织上，团队规模直接决定固定成本水平与盈亏平衡点。而在AI工具介入后，研发与交付能力被部分“外包”给模型，边际成本显著下降。

　　李杰晖的实践案例中，“会员订阅+基础硬件”构成主要投入项，其成本结构已由“人力密集型”转向“算力与工具密集型”，且总量显著降低。这一变化直接降低了创业门槛，使得个体可以在极低风险下完成商业模式验证。

　　第二是效率与规模之间关系的重新定义。在传统逻辑中，效率提升通常依赖规模扩张与分工细化，而OPC模式下，效率提升更多来源于工具能力的提升。

　　“沟通成本几乎归零”，李杰晖将其拆解为对内与对外两个层面：对内无须团队协同，对外通过AI完成需求结构化与文档生成。这种“去组织化”的效率提升，使得个体在小规模阶段即可实现较高产出。

　　但与此同时，其规模边界亦受到一定约束。当前阶段，其业务仍以定制化服务为主，交付过程对个人时间与精力存在依赖。对此，李杰晖亦给出明确路径：“短期还是深耕企业AI转型服务，后续我会自己研发标准化产品，走向规模化复制。”

　　这意味着，从“项目制”向“产品化”迁移，将成为OPC模式突破规模瓶颈的关键环节。

　　第三是市场需求结构的变化。大量中小企业在数字化与AI转型过程中，呈现出“强需求、弱能力”的特征：既缺乏内部技术团队，也缺乏系统性认知与试错预算。这为轻量化、高响应速度的个体服务提供者创造了空间。

　　“他们在自己的垂直领域很专业，但不懂AI，也没时间研究。”李杰晖表示。

　　在这一背景下，OPC创业者扮演的角色，更接近“外部AI能力接口”，通过快速交付具体工具，直接嵌入企业业务流程。

　　此外，政策与外部环境亦构成重要变量。李杰晖在采访中提及，其对政策支持的核心诉求集中在办公空间与启动资金层面。

　　“最希望的是能有一个独立的封闭办公空间，其次是启动资金支持，能帮我们投点广告、补贴研发费用。”

　　这一表述反映出，在极低成本启动的前提下，OPC创业者对外部资源的需求，更多集中于“放大器”层面，而非“生存保障”。

　　第四，从能力与风险匹配角度看，AI在放大个体生产能力的同时，并未改变商业本质。

　　“AI确实是超级放大器，但前提是你自己得先跑通商业模式、赚过钱。”李杰晖表示，“AI能帮你放大十倍、百倍，但它代替不了你对行业的理解和商业判断。”

　　这一判断在当前阶段具有现实约束意义：技术降低了执行门槛，但并未消除认知与决策差异所带来的结果分化。换言之，OPC模式的可行性，仍然建立在个体既有经验与商业能力之上。

　　在AI能力持续迭代的背景下，“一人公司”正在从边缘形态进入可验证阶段。但其长期演进路径，仍取决于产品化能力、需求稳定性以及个体与技术之间的协同深度。