夜雨聆风一人公司选题观察
AI 负责吸引注意力，具体性负责收钱。
这不是反 AI，而是提醒我们：先找到愿意付钱的小人群，再决定 AI 要不要上场。
这两天刷到几个 Reddit 讨论，信息量不算大，但它们指向同一个判断：
AI SaaS 现在最容易犯的错，不是技术不够强，而是问题太不具体。
一个帖子讲 micro SaaS。作者说他去年离职，没有合伙人、没有融资、没有团队，只是盯着一个很小的问题做产品。
他没有问“我要进入多大的市场”。
他问的是另一个问题：
有没有一个问题，能让 1000 个人每个月付 20 美元？
不是一百万人。
就是一千个人。
最后他选了一个很窄的场景：自由职业视频剪辑师管理客户修改意见。
这听起来一点都不性感。没有大模型，没有 Agent，没有“改变创作者工作流”的宏大叙事。就是客户反复提修改、文件版本混乱、沟通成本高，一个很具体、很烦、每周都会出现的问题。
然后他用 Bubble + Airtable 三周做了 MVP，接 Stripe 和 ConvertKit，总成本不到 200 美元。发布也没有走 Product Hunt，没有投广告，只是在 4 个 subreddit 和 2 个 Discord 里找精准用户。
这个案例里真正值得看的，不是数字本身
第一周：12 个付费用户
第一个月：940 美元 MRR
第三个月：3200 美元 MRR
我不想把这个数字当成成功学鸡血。
真正重要的是它背后的选择顺序：
先有人群，再有问题，再有产品。
而不是反过来：先有一个 AI 能力，然后到处找使用场景。
01 / 热闹和收入，不是一回事
另一个帖子更直接。
有人吐槽 indie hacker 圈子里，大家都在给彼此做工具：落地页生成器、Tweet 排程、AI logo、又一个 productivity tool、又一个“AI powered”的小玩具。
看起来很热闹。
但问题是：买单的人也在同一个圈子里。
大家都想逃离打工，结果开了一堆只卖给“同样想逃离打工的人”的店。
这个比喻有点刻薄，但我觉得挺准确。
因为很多独立开发选题，看起来像产品，实际上更像“创业者之间的社交货币”。它适合发 Twitter，适合 build in public，适合收获同行评论：
“cool idea”
“great landing page”
“ship fast”
但这些反馈和真实收入之间，隔着很远。
帖子里提到一个例子：有人做车商排期软件，每个月 4 万美元收入。没有 Twitter 光环，没有 build in public，没有精致的 launch story。只是解决一个无聊行业里的真实问题。
这类产品不性感。
但它有一个优势：客户不是来点赞的，客户是来省时间、少出错、少亏钱的。
02 / AI 有注意力，具体性有收入
还有一个讨论说得更像今天的 AI SaaS 现场：
现在到处都是 AI note taker、AI assistant、AI agent、AI content tool、AI wrapper on wrapper。
但真正悄悄赚钱的，往往还是几类东西：
niche B2B tools workflow software industry-specific automation boring operational products
那句话我挺喜欢：
AI gets attention, specificity gets revenue.
AI 负责吸引注意力。
具体性负责收钱。
这不是说 AI 不重要。恰恰相反，我觉得 AI 会让很多小团队第一次有能力做过去做不了的垂直软件。
但问题在于，AI 不是一个足够具体的用户需求。
太宽：“帮我用 AI 提效”
具体：“帮牙医诊所把预约、短信提醒、未到诊跟进、保险信息核对串起来”
太宽：“帮我做内容”
具体：“帮自由职业视频剪辑师把客户修改意见变成版本任务、自动追踪反馈、减少来回沟通”
“帮企业自动化”也太宽了。
“帮本地维修公司把电话线索、报价、派单、回访、Google Review 请求串起来”才像一个可以收费的业务流程。
03 / 一个很土，但有用的自测表
我最近越来越觉得，一人公司选题时，应该少问三个问题：
“这个市场够不够大？”
“这个 idea 能不能发得很火？”
“我能不能在里面加 AI？”
反而应该多问五个更土的问题：
这是谁每周都会遇到的麻烦？ 他现在用什么笨办法解决？Excel、WhatsApp、纸、邮件，还是人工记忆？ 这个麻烦会不会直接影响收入、成本、风险或客户体验？ 他有没有预算，或者有没有足够强的动机每月付 20、50、100 美元？ AI 在这里是必需能力，还是只是更好看的外包装？
这五个问题问完，很多看起来很酷的 AI 产品会突然泄气。
但也会有一些很小的机会浮出来。
不是“AI 法律助手”，而是“帮移民律师整理客户材料、发现缺失文件、生成补件提醒”。
不是“AI 销售助手”，而是“帮小型装修公司把询盘、上门测量、报价、追单自动排好”。
不是“AI 内容平台”，而是“帮某一类咨询师把客户案例整理成合规、可发布的内容草稿”。
它们都不大。
但足够具体。
04 / 问题不在 wrapper，而在你 wrapper 了什么
这也是为什么我现在对“AI wrapper”这个词有点谨慎。
很多人用它骂所有套壳产品，好像只要调用模型 API 就没有价值。
我不太同意。
大部分软件，本质上都是把底层能力包装成某个用户能理解、能使用、愿意付费的工作流。
问题不在 wrapper。
问题在于：你到底 wrapper 了一个能力，还是 wrapper 了一个真实业务流程？
如果只是把 ChatGPT 换个皮，做一个“万能 AI 助手”，那用户为什么不用原版？
但如果你把模型、数据库、权限、流程、提醒、交付物、行业术语、异常处理都放进一个具体场景里，它就不只是 wrapper。
它是一个小型业务系统。
一人公司真正有机会的地方，也许就在这里。
不是去和大厂比模型。
也不是做第 100 个更漂亮的 AI assistant。
而是去那些不够性感、没人愿意认真看的角落，找到一个小到让 VC 没兴趣、但客户每天都烦的问题。
最后的判断
AI 可以让产品更强，但具体问题才让产品有人付钱。
所以，下次想做一个 AI SaaS，不妨先把“AI”两个字从标题里删掉。
只留下用户、场景和痛点。
如果删掉 AI 之后，这个问题依然值得解决，甚至更清楚了，那它可能才是一个真正的机会。
如果删掉 AI 之后，什么都不剩。
那它大概率只是一个热闹的包装。而热闹，通常不等于收入。
