从实验到第一笔真实营收

这家公司已经运行了两个月，最近才在台湾正式完成公司行号设立，并收进第一笔合约款项。目前谈成的几个较大型项目里，有 2 个医学相关案子、1 个链上 DEX 开发、1 个教育相关案子，合约金额加总已经超过 400 万台币。

对一家刚成立、全 AI 运转的一人公司来说，这个数字的意义不在于绝对值，而在于它验证了一件事：一人公司 + AI 组织，是真的可以跑起来的——而且能跑到有人愿意付钱的程度。这是大多数"autonomous company"概念止步的地方。

第一个大型项目：两天做出医疗影像平台 demo

最值得拆开看的是第一个大单——为一家台湾大型医院打造医疗影像平台，整合 AI CADe 模型，包含结节肿瘤侦测、X-ray 肺炎判读等，并无缝串接 CT / MRI / X-ray 的 PACS 系统。

做过医疗影像的人都知道这类平台的难度：影像串流、系统整合、权限管控，每一块都是坑，更不用说医学影像模型本身的训练成本和数据门槛。按传统开发方式，这种平台通常需要多位工程师投入，时程很容易拖到半年以上。

而这家公司用自研的 AI 协作架构，在 2 天内做出可操作的核心平台 demo，同时打通了影像模型的训练与部署流程。节奏是这样的：周五跟客户谈完需求，周一就直接上线操作 demo。客户的第一反应是被速度吓到——他原本以为要等半年——同时对平台 UX 的顺畅程度印象深刻。从接洽到签约，不到两个礼拜。

这里有个容易被忽略的判断：速度本身就是护城河的一部分。当交付周期从半年压缩到几天，客户的决策成本和心理门槛同时被打掉，签约自然就快了。

这件事没有那些 idea-to-company 工具写得那么简单

市面上已经有一些号称"输入一个 idea，AI 就能自动帮你跑出一间公司"的产品。概念很强，但实际体验下来，离那个程度还有距离。

这类工具的用户评价往往两极：有人觉得很有未来感，能快速产出 landing page、研究报告、广告和基本产品原型；也有人抱怨它容易做出"看起来像产品、但实际商业价值不足"的东西。

这恰好点出了 autonomous company 现阶段最大的问题：AI 很会执行，但还不一定真的会做生意。它可以写程序、做页面、跑广告、整理资料，但它不一定知道这是不是客户真正愿意付钱的东西。

过去两个月里，和不少企业、传统产业聊 AI 导入，有些对话很有兴趣最后却没成：有些需求一开始听起来很明确，聊到后面才发现客户自己也没想清楚，甚至不愿意为转型花成本。真实 B2B 场景里最麻烦的那部分，AI 目前处理不了：

  • 需求不清楚
  • 客户临时改方向
  • 预算和期待不一致
  • 不同部门意见冲突
  • 资安、权限、内部流程卡关
  • 最后还要有人负责承诺与交付

这些不是多跑几个 agents 就能自动解决的。所以现阶段 AI 真正厉害的地方，是把人的执行产能放大很多倍——一人 AI 公司能成立，但核心并不是"零人类参与"。

怎么管理一间全 AI 运转的公司

随着案子量变大，自动化流程也在重新优化。核心是把自研工具 TermHive 大改了一版，加进了公司的"大脑"。整套运转逻辑是这样的：

  • 每天早上 10 点到下午 3 点，通过 Claude cowork 自动扫描所有社群软件和邮箱，确认有没有新的案子邮件、客户 request 或 feedback，并整理到公司的 PM 资料夹以及对应的专案资料夹。这里有个工程上的妥协值得记一笔：因为 TermHive 原生 Node 的限制没办法用 Computer use，Line 又没法用 API 串接，所以用 cowork 来补这段抓取。
  • 创始人起床后第一件事，是直接跟公司的"大脑"对话，请它统整 cowork 抓出来的所有信息，由大脑指挥各个 agents 整理重点和提醒事项。
  • 之后再针对个别 project 的 agent 下指令修正方向，并亲自跟客户回复沟通。

TermHive 现在已经变成使用 Multi-Agent、管理整间公司的主要平台。这套"大脑指挥 agents、人只在关键节点介入"的结构，确实砍掉了非常多 loading。值得注意的是分层：大脑做调度，agents 做执行，人做判断和对客——三层各司其职，而不是指望一个万能 agent 包圆。

最难被取代的，还是人

经营一人 AI 公司，最重要也最难被取代的，仍然是人跟人之间的沟通。

AI 可以帮你写程序、做设计、整理需求、追踪邮件、管理项目。但要让客户相信你、理解需求、做出判断、谈成合作，这件事还是创始人自己的责任。

所以未来的公司，未必是单纯的"零员工公司"。更可能的形态是：一个创始人，带着一整套 AI 组织，再加上少数关键的人脉、专家与合作伙伴。

公司不一定要先变大，才能做大事——它可以先变成一个高度自动化、高杠杆、可交付的 AI 组织。如果你也在想怎么把 AI 真正用进自己的产品或业务，这个方向现在最值得动手的地方，不是去追"全自动公司"的概念，而是先搭一套能帮你放大产能的 multi-agent 流程，把自己从重复执行里解放出来，专注在那些 AI 还接不住的判断和沟通上。