一、技术选型的反主流策略：他用PHP+jQuery+SQLite——被现代开发者嫌弃的技术栈。理由是这些工具他已经用了10年、完全熟悉、认知成本最低。核心洞察：用户不在意你用什么技术栈，只在意产品能不能解决问题。Photo AI月入$138K，GPGPU服务器成本仅$13K（约$10K用于推理，$3K用于调度和管理）。二、手动验证→自动化：这是最值得学习的模式。Avatar AI上线时只有一个HTML页面+Stripe支付链接+Typeform表单。用户付款后，他手动下载用户上传的照片ZIP包、手动在本地跑Stable Diffusion模型、用私人邮箱把结果发给客户。每一单都是全手动。直到订单爆炸到每天数百单，才写自动化脚本。三、「12个月12个项目」方法论：每个项目从想法到上线不超过一个月，不允许拖延和完美主义。70+项目中大部分失败，但少数几个成功就足以支撑整个收入。类似风险投资组合逻辑。四、定价和毛利率：Photo AI按次收费（用户充值点数，每次生成消耗点数）。$138K收入/$13K GPU成本=87%毛利率。其他产品以订阅为主（$10-$50/月不等）。五、Build in Public的操作细节：不是简单的发x，而是分享真实数据——收入截图、用户增长曲线、失败复盘、技术踩坑。这种真实性积累了信任资产，粉丝从关注者变成支持者和传播者（国内很多自媒体平台博主也靠这种方式快速积累粉丝数据）。
收入与商业模式
月收入25万美元（约170万人民币）：Photo AI $138K + Interior AI $40K + Nomad List $38K + Remote OK $35K。年营收超300万美元。100%股权归个人。Photo AI毛利率约87%。涉及工具: PHP、jQuery、SQLite（主要技术栈）、Stable Diffusion（AI图像生成模型）、Stripe（支付）、GPU服务器（AI推理）、X/Twitter（Build in Public）
中国落地挑战
可复制部分：1）「12个月12个项目」方法论完全可在中国使用——快速试错是通用原则；2）手动验证再自动化的模式同样适用；3）Build in Public策略可移植到小红书/即刻/知乎等平台；4）用自己最熟悉的技术栈（不追新）的思路正确。不可复制/需调整部分：1）Stable Diffusion可在中国部署（开源，无访问限制），但GPU服务器成本较高（国内GPU云服务比海外贵）；2）Stripe不可用，需接入微信支付/支付宝/银联；3）Photo AI模式在中国面临更激烈的竞争——百度文心、阿里通义万相、字节豆包等大厂都在做AI写真，个人开发者直接竞争困难；4）Nomad List和Remote OK对应中国市场——数字游民社区在中国规模较小，远程招聘有BOSS直聘/拉勾等成熟平台；5）X（Twitter）在中国需翻墙才能用，Build in Public需转战小红书/抖音；6）跨境收款复杂，个人接收海外收入的换汇和税务不透明。7）中国用户对AI写真的付费意愿可能低于海外用户——海外用户已习惯为SaaS按月付费，中国用户更倾向一次性消费。
本土化建议
最可复制的不是他的产品，而是他的方法论：建议在中国复刻「快速验证→手动服务→自动化」的MVP循环。具体建议：1）选品方向：AI室内设计（Interior AI模式）在国内有市场，装修人群消费力强、决策频率低、对设计效果敏感，竞争比AI写真小；2）技术栈：用PHP或Python+Flask（国内开发者更熟悉Python），数据库用SQLite或MySQL，部署在阿里云/腾讯云最低配服务器起步；3）验证方式：先做Landing Page收预付款、手动提供服务，确认有人付费再开发自动化；4）Build in Public：小红书发AI产品开发日记，即刻发技术踩坑，知乎发深度教程和收入复盘——三个平台覆盖不同人群；5）支付：微信支付官方API或接入Ping++/BeeCloud等聚合支付平台；6）AI模型：通义万相/文心一格/Stable Diffusion本地部署，按需选择性价比最优方案；7）警惕大厂竞争：选大厂看不上的细分垂直市场（如AI室内设计中的欧美风格设计、小众工业产品设计等），做深做透。难度评估：中等——方法论简单但执行需要毅力和快速学习能力。最大的壁垒不是技术而是「持续试错直到找到PMF」的耐心。
夜雨聆风
