4 个宿舍宅男靠 「应用工厂」，不到一年赚 600 万美元

「AI 原生 100」 是虎嗅科技组推出针对 AI 原生创新栏目，这是本系列的第 「19」 篇文章。

4 人团队起步、00 后、宿舍创业、创造了 600 万美元年收入，两年吸引超过 500 万用户，社交媒体上播放量超过 5 亿，创业不到一年实现持续盈利，每月营收超过 50 万美元，利润率在 20%-30%。

 

AI 时代不乏这样精益创业的例子，Oleve 便是其中一个。

可能不能简单把 Oleve 定义为一个产品，它更像是一个 「AI 工厂」，通过快速生成一款 AI 产品和病毒式营销积累用户，几位创始人深谙 AI 时代的增长策略。

 

2023 年年初，罗彻斯特大学的 Sid Bendre 和三个室友，推出了一款数学作业辅导应用——Quizard AI，用户可以扫描题目，获得 AI 辅导。

 

就是这么一款简单的应用，他们在 TikTok 上发布了一段视频，作为冷启动的动作，标题为，ChatGPT 和 Photomath 生了个孩子，观看次数一夜之间涨到 230 万次，在不到 30 小时，吸引了 10000 名用户。之后，他们增加了每周 9.99 美元的订阅费用。

 

后来，他们又在同年 8 月，推出了一款新应用——Unstuck AI，一款学习助手。在不到 30 天里，TikTok 观看次数超过 2.5 亿，APP Store 上教育排行榜第四名，9 周里获得 800 万用户。

 

CTO Sidhant 在一次视频中将他们的 「精益游戏手册」 归结为四个关键原则：为精益奠定基础的操作原则、为精益建立系统的组织结构、广泛使用的人工智能工具以及持续的流程改进。翻译过来就是，招正确的人、利润第一的心态、将尽可能多的工作流整合到一个平台上，以及一件事情不要学习两次。

 

这家公司之所以值得一提，首先是其精益创业的组织结构，其次是他们的病毒式营销和激进增长的策略，还有他们 AI 原生的思维方式——他们称自己的模式是类似消费 AI 领域的皮克斯。

 

嘉和资本 CEO 袁子恒表示，oleve 主要面向 C 端用户，从 AI 应用的三个方面技术、产品、增长来看，尤其是增长的方法论是可以复用的，这也是 oleve 商业模式成立的底层逻辑。相当于是搭了一个运营中台，基于这个中台，根据细分人群和场景的需求，持续开发一系列产品。

 

硅谷风投机构 Up Honest Capital 告诉虎嗅，Oleve 这种 AI 应用孵化器的模式，验证了在 AI 时代，各种 AI 开发工具降低了做应用的门槛，对用户需求的深度理解和别出心裁的 GTM（售前） 技巧=有流量、有收入的工具应用。

 

美国最大孵化器 YC 曾经提出了一个 Designer Founder 的概念，称更多设计师应该成为创始人，因为设计师已经具备成为优秀创始人所需要的许多技能——强烈的用户同理心、专注于解决问题、对质量和品质有高标准，这些是当前 AI 时代每个创始团队的必备条件。

消费 AI 里的 「皮克斯」 工厂

你很难将 Oleve 定义为一家 「AI 教育公司」，尽管他的两款爆款产品面向教育。

 

Oleve 把自己称为是消费 AI 的 「皮克斯」。

 

Oleve 的第一款产品 Quizard AI 发布之时，市面上已经不乏类似的拍照搜题应用，例如作业帮、OpenAI 后来也做了类似的拍照搜题产品。

 

最初，Quizard AI 只是一个学生自用的拍照搜题工具，技术成本并不高，2023 年初，OpenAI 尚未开放通用大模型 API，Oleve 团队通过多账号循环调用 OpenAI 的 Codex 模型 （OpenAI 的智能体） 来完成产品开发，处理学生问答，这样大胆的尝试大幅降低了初期算力成本，也快速验证了产品可行性。

 

Codex 本来是 OpenAI 为编程设计的，但 Oleve 能够通过巧妙的提示工程，让 Codex 能够进行自然对话。这家公司后来成为了 OpenAI Codex 模型的最高使用量用户。

 

当然后来，Oleve 转向了付费版 GPT-3.5 接口，这也意味着他们需要更加注重变现。此时他们已经迈过了初期调试与测试的阶段，为自己的产品赢得了宝贵的时间窗口和创业先机。

Oleve 在 TikTok 上通过街头采访做营销 

当 Sid 他们在 TikTok 发布了短视频后，一夜之间有了 230 万播放量。半个小时内，有 1 万名用户使用。运营两年多，Quizard AI 官方 TikTok 账号发布的视频数量近千，总计获得点赞 990 多万，拥有多个浏览量处在千万、百万级的爆款视频。

 

后来，他们又很快推出了学习助手产品 Unstuck AI，Unstuck 支持学生把自己不同格式的学习资料如 PDF、PPT、课堂录音、YouTube 视频、讲义笔记等都上传平台，再将这些非结构化的材料转化成可互动、能追溯的知识集合库。学生就各类内容发起提问，而 Unstuck 做出的回复，都会精准标注出处，既处理了 AI 可能出现的幻觉问题，也让答案具备了可靠且可信赖的属性。

 

在这款学习助手上，团队用了更加激进的增长方式。他们用手写便利贴、TikTok 爆款音频，并且他们的每个视频都采用了 TikTok 上的爆款名人 MrBeast 的背景，他们还去各大学进行街头采访，并拍成视频。

 

最后的数据证明了这种激进的营销增长方式，30 天内 TikTok 视频播放量突破 2.5 亿、9 周里新增 800 万注册用户。

有趣的是，这一套激进的增长策略和营销策略，都是靠 Agent 完成的。

 

他们会通过一个叫做内部代理人的 Agent，全天候抓取 TikTok 上的热门音频，自动生成多套病毒式营销的内容脚本并作 A/B 测试，

 

Oleve 的创始人在领英上表示，他们正在制造一台能够持续交付病毒式传播、有利可图的产品机器。

 

除了教育类产品，他们还在打造一款非教育类的产品。

他们如何决定是否开发一套产品，或者如何进行产品迭代？

 

在旧金山 AI 工程师世界博览会上 Sid Bendre 强调，人工智能本质上是 「混乱且不确定的」。为了应对这一挑战，Oleve 开发了 「Trellis」，一个旨在 「引导混乱，而非消除混乱」 的框架。Trellis 涉及将无限的输出空间离散化为可管理的 「存储桶」，这里包含了用户的交互、查询的数据，根据工作流程对业务 KPI 的影响 （一个包含数量、负面情绪、预估可实现增量和战略相关性的公式） 确定其优先级，并根据这个优先级，优化这些工作流程。

 

这种结构化方法确保人工智能是 「经过精心设计的、可重复的、可测试的和可归因的，而非偶然的」。

 

这家公司称自己不销售通用人工智能，他们将自己的这套病毒式营销方式复制到其他的产品中。

 

在社交媒体上，Oleve 团队保持着高度的互动性。无论是在 TikTok 评论区还是在等平台，创始人都会在评论区回复用户提出的疑问甚至直接发布视频展示实际解题过程，以正面验证产品效果。这种欢迎质疑、及时沟通和用事实说话的开放态度拉近了与用户的距离，为产品赢得了可信任的形象。

 

同时，Oleve 非常注重付费机制的透明度。比如 Quizard AI 从上线第一天起就公开向用户表明部分高级功能需要付费。团队并不害怕设置付费门槛，但这并不意味着用户就要一味掏钱。

 

Oleve 的策略是尽可能降低首次付费门槛。在上线的最初阶段，oleve 的产品采用了 「免费+周订阅」 模式。相比一上线就采用月/年订阅，周订阅金额通常较小，降低了新用户的决策门槛。用户可以根据自己的学习需求来选择订阅，不需要长期承诺。这种贴心又灵活的定价策略，大大提高了首单转化率和后续续订率。

 

在第一款产品爆火之后，他们加入了 Neo 加速器，后面又加入了一轮天使轮融资。

 

小团队的精益创业：要么不招人、要么招对人

 

Oleve 的组织架构自成立起就是小团队，最初由罗彻斯特大学的同宿舍友 Michael Giardino，Sid Bendre，Achraf Golli 三人构成，后续 Ben Or-Chen 加入组成 4 人核心团队，2025 年拓展为 6 人。Oleve 内部协作极其高效，人员虽少但分工明确、体系完善。

 

在 Sid Bendre 看来，他们希望打造 「消费者版的 Palantir」，因此也借鉴 Palantir 在多元市场中成功扩张的组织经验。

 

这个组织里的角色分工包括了这几个角色：

 

第一是产品工程师，Sid 称之为 「收割机」（Harvester），这就类似于 Palantir 的 Deltas，专注打磨具体的用户体验和产品功能并实现产品的快速扩张：从需求定义、功能设计到编码实现、A/B 测试，再到根据用户反馈迭代优化。

 

第二个角色是人工智能软件工程师，称为 「耕耘者」（Cultivator），和 Palantir 的开发者一样，专注于平台，构建公司的 Agent 系统，开创自动化并扩展影响到每个产品的基础设施，包括统一打造 Prompt，推荐系统、测试管道等。

 

Oleve 的 CTO Sid Bendre 分享过这家公司的理念：

 

四个核心创始人的工作，覆盖开发、运营、销售，每个人都跨职能工作。而创始人也表示，他们在招人时，倾向于招跨界人才，「要么招对人，要么不招人」，Oleve 招聘具有多重互补技能的人，比如会变成的市场营销人员、或是有产品思维的工程师。

 

他们有一套快速迭代的流程改进系统，用来复盘和反思工作流程的问题。

利润优先，在这个小团队中，每个人都会负责一个关键指标，并每周推动指标完成。

 

他们信奉一件事绝不重复学习的原则，一旦发现可行，就快速复用。例如他们用在第一款产品上的营销增长策略，后来迅速复用到了第二款产品中，后来他们干脆把这个营销增长策略工作流自动化。尽管他们并未公布这款产品具体是什么，但 Oleve 表示其花了三周时间开发，产品上线后已经实现盈利。

 

AI 时代的矩阵打法：先分散、再聚焦

我们在过去的文章中，分析过不少 AI 原生小团队精益创业的故事。他们基本都有一些共同的特征，例如，从创立之初就将 AI Agent 结合进组织结构，能用 Agent 解决绝不用人，用极少的人，调动几十个 AI Agent；快速迭代、快速 Pivot（转变） 和激进的增长策略；注重成本和利润，比如他们用了提示路由，取代模型路由，极大节省成本。

 

相比于许多 AI 产品，越做越复杂，例如 Duolingo，Oleve 显然采取了一种新的方式，一种类似于 Startup Studio 的模式，这种方式在一些领域可能很难适用，例如需要深耕垂直行业的场景。但这种方式可以在一些相对轻巧的消费类场景下，找到需求。这是 AI 时代的红利，市场足够大，一些小而美的产品也有跑出来的机会。并且，Oleve 另一个值得借鉴的，是其自动化的激进营销增长策略，快速积累足够多的用户。

 

YC 就表示，随着新的代码工具使快速构建和交付产品变得比以往任何时候都更容易，出色的设计将变得更加重要。尤其是在许多设计师担心 AI 取代他们的工作时，真正的机会是设计师自己使用 AI 来推出自己的产品并建立自己的公司。

 

这也是为什么一些 YC 孵化的公司，如 Airbnb 和 Stripe 以其卓越的设计而闻名并非偶然。 没有它，用户就不会信任留在陌生人的 Airbnb，也不会信任通过 Stripe 安全地处理数十亿美元的信用卡交易。因此，YC 表示，希望看到更多的设计师迈出这一步，创办公司，并希望资助从一开始就具有强大设计和品味的团队。

Oleve 的另一个启示是其激进的矩阵打法。

 

「太阳底下没有新鲜事」 袁子恒告诉虎嗅，跨行业来看，大的消费品公司也通常以品牌矩阵的方式出现，像宝洁，像可口可乐。十几年前字节跳动也是 APP 矩阵，最终冲出来了今日头条和抖音。

 

袁子恒说，现在的 AI Agent 也是一样，一家公司同时做多个 AI 应用，无论是做 AI 识别花花草草，识别石头，识别动物的 picture this，还是做了一系列健康 APP 的 Enerjoy，都是矩阵打法。

 

袁子恒最近接触的创业者，最多的一个团队是做了 20 多个不同方向的 agent，最终定下来主攻方向。这种矩阵式打法的好处是前期可以广撒网，提高命中概率，但最终还是要看能否冲出来一两个能够做大，持续性久的产品，也就是先分散，再聚焦。