How Non-Coders Are Vibe Coding $100K+ Businesses with AI | Amol Jain

22 岁的 Cedric 用 Replit 零基础 1 个月赚到 6 万美元，AI 让非技术人也能快速变现自己的专业和网络。

代码近乎免费后，真正值钱的是什么

Amol Jain——逐字稿开场把他称为 Amjad——是 Replit 的工程负责人。他每天看到的，不是技术圈里关于 AI 的想象，而是一批原本不会写代码的人，如何把社区经验、销售能力、创作者受众，变成能收费的产品。他自己也是 Replit 的用户：育儿假期间试用后有了“aha moment”，主动联系公司并加入。本期最有意思的地方在于，它没有把 AI 讲成“人人都会编程”的鸡汤，而是追问：当软件能被快速生成，谁还能赚钱，谁又会被淘汰？

这期回答了 7 个问题：

1. 当写代码的成本趋近于零，哪些 SaaS 反而会更值钱？
2. 不会编程的人，凭什么能在一个月内做出 6 万美元收入的应用？
3. 为什么有产品直觉和销售能力的人，可能不再需要技术合伙人？
4. 创作者已有的受众，如何变成一个可规模化的新业务？
5. 一名非工程师员工自建内部工具，怎样从提升个人效率变成全公司杠杆？
6. Vibe coding 的产品上线前，最容易遗漏哪些安全风险？
7. 模型越来越便宜、越来越多时，应用层公司靠什么不被模型公司吞掉？

被问到企业会不会不再续费 SaaS、转而把工具都自己做掉时，Jain 给了一个很简单、也很残酷的检验问题："If the cost of code goes to zero, what do you pay for?"（如果代码的成本变成零，你还会为什么付费？）。如果一个产品的核心只是“在已有数据上放一个界面”，那么这个问题会让它很难受。企业已经有自己的数据，也能更快地做出贴合自身流程的页面和功能，外部工具的通用界面就不再天然值得买单。

但 Salesforce 未必会因此消失。它的价值不只是销售人员每天点开的页面，而是销售组织的 system of record，也就是“系统记录”：客户、商机、跟进状态、归属关系到底以哪份数据为准。未来它可能更偏 headless 地运行，即人不再总要打开 Salesforce 页面，AI 代理或企业自建工具直接调用它的能力；但那份可信、可追责的记录仍在那里。Workday 也是同理。发薪不是做一个表单那么简单，而是受监管的业务，出错要承担合规和资金风险。DoorDash 更直白：代码不能替代真实的人把食物送到家门口。

这意味着，软件预算会从可复制的功能，流向信任、数据、合规责任、实体履约和网络效应。能做出来，和值得购买，变成两件不同的事。反过来说，最脆弱的 SaaS 往往不是“功能不够多”，而是除了界面外没有别的护城河；而承担风险、掌握关键记录、连接真实供给的一方，不会因为代码变便宜就自动失去价值。

被问到哪些 AI 应用真的能赚钱、普通人又该做什么时，Jain 讲了 Cedric 的例子。Cedric 22 岁，就读于 University of Oregon，此前从未写过代码。他和室友接触到 peptides 与 GLP-1s 后，钻进了相关社群：既关注这类新兴药物，也了解人们实际在讨论什么、担心什么、如何记录使用情况。随后，他用 Replit 做出 Pep AI，帮助用户追踪 peptide 和 GLP-1 intake，并了解相关药物信息。

这不是一个停在演示页面上的作品。Pep AI 用订阅收费，第一个月收入达到 60,000 美元，后来已有数万名活跃用户，并且还在增长。决定这个结果的，不是 Cedric 突然学会了复杂工程，而是他先进入了一个具体社区，看到一个外人未必看得见的需求，再把这个需求做成了可付费的工具。

这也解释了 Jain 对通用应用的泼冷水。他点名 meal planner、exercise tracker 这类产品：它们越来越容易被商品化。未来，每个人可能都有专属 agent，直接根据个人数据安排饮食、记录训练，泛用应用很可能被这种代理“吞掉”。这意味着非技术创业者的起跑线，不该是“我也能做一个 App”，而是“我在哪个群体里有判断、关系和可信度”。AI 降低的是开发门槛，不是信任门槛，更没有替你解决获客。没有领域优势的通用功能，即使一天做出来，也会很快淹没在同类产品和个人代理之间。

在分享另一位非技术创始人的商业化案例时，Jain 讲到重复创业者 John。John 想做一个平台，帮助人们衡量 AI proficiency，也就是 AI 使用能力，并提供认证服务，尤其面向企业和公司。但他不会开发。按照过去的创业剧本，这类项目通常要找技术合伙人、组建团队，或者找外包 agency。John 的确找了 agency，对方报价超过 100,000 美元。

他没有接受这个报价，而是转向 Replit，3 天内完成了端到端产品：用户可以测试 AI proficiency，并获得认证。产品上线后的前两个月，收入超过 180,000 美元。Jain 对这个案例的判断非常准确："he knew how to distribute and sell, he just didn't know how to build"（他知道如何分发和销售，只是不知道如何构建。）。

这句话改变的不是“技术不重要”，而是早期团队能力的排序。以前，技术实现往往是最难获得的资源：有点子的人卡在招不到工程师，或者付不起外包费。现在，agent 可以把一部分制作能力补上，让“能否做出第一版”不再是最大的关卡。但用户是否需要这个东西、定价是否成立、第一批客户从哪里来，仍然要靠人判断。

边界也在这里。John 不是一个凭空成功的新人，他本身就是 repeat founder，已经有产品直觉，也知道如何分发和销售。AI 可以替代部分执行，不能凭空生成客户关系和商业判断。对多数创业者来说，少了技术合伙人这个门槛，不等于少了验证需求、拿下客户和持续交付价值这些门槛。

在讨论 FaZe Apex Yusuf 从游戏创作者转向创业时，Jain 给出了另一种“非技术优势”的样子。Yusuf 是知名 gamer，长期通过游戏直播积累受众并获得收入。他的真正资产并不只是粉丝数量，而是长期生活在创作者生态里：他知道创作者如何接单、什么样的合作会让人愿意传播，也理解本地商家为什么想要 word of mouth，也就是熟人和社区里的口碑传播。

因此，他没有去做一个泛泛的“创作者工具”。他与联合创始人做了 TryNearby，目标是把本地商家与本地创作者连接起来，让创作者帮助商家获得传播。它更接近一个撮合市场：商家要增长结果，创作者要合作机会，平台要解决双方怎么找到彼此、如何建立合作。TryNearby 已进入 YC summer 26 batch，Jain 称他们在最近一次交流时已达到超过 100,000 ARR，即年度经常性收入超过 10 万美元。

这意味着，创作者转型做产品时，最能迁移的未必是拍视频、做直播的形式，而是对受众语言、传播路径、供需两端摩擦的理解。代码在这里像一层交易基础设施，把原本分散、靠私信和熟人完成的合作流程，包装成更可重复的业务。

但“有受众”本身不是产品市场匹配。一个游戏博主的粉丝不会自动去使用任何新产品。Yusuf 的案例之所以成立，是因为他没有把受众当作等待变现的流量池，而是把自己熟悉的创作者生态，翻译成了本地商家愿意购买的增长结果。受众给的是最低成本的进入权，不是收入保证书。

被问到企业是否真的在用自建应用替代昂贵 SaaS 时，Jain 举了 Replit 销售团队的一个内部案例。销售演示 AI 产品很难做。一方面，某些操作可能要等约 10 分钟，比如安全扫描；另一方面，AI 输出并不确定，agent 可能走向不同路径，现场演示很容易偏离脚本。销售团队需要的不是一个“能运行”的演示，而是一个可控、可复现、能展示关键价值的演示。

一名从未写过代码的 RevOps 员工，用两天做出了内部演示工具。销售可以通过 Chrome extension 录制产品操作、截屏、标注，再生成可以直接给客户展示的 artifact。市面上有类似产品，Jain 说费用很容易达到六位数；更重要的是，内部工具不受外部厂商路线图限制。有人提出希望针对不同客户角色准备不同演示，这位员工就加了 persona 功能，为不同角色生成不同版本。

Jain 用一句话概括这种变化："You're creating leverage for the whole company."（你是在为整个公司创造杠杆。）。这意味着，高绩效员工不再只是把自己的工作做快一点。更高一层的能力，是识别自己反复遇到的流程，把它产品化，让销售、运营或整个团队都能复用。Replit 还将大量销售工具替换成了自建工具，Salesforce 仍保留为系统记录，但外围工作流由自己掌控。

这里的重点不是要求每个员工都去当工程师，而是工作场景里出现了一种新杠杆：把一次个人经验，变成多人可重复使用的系统。会发现流程问题、定义工具边界的人，影响范围会比只完成本职任务的人大得多。

被问到一个 Vibe coded 应用——也就是主要靠自然语言指挥 AI 生成的应用——从本地链接走向正式发布前要做什么时，Jain 没有只谈域名、支付和搜索优化，而是先谈安全。他的判断很直接："There is so much that could go wrong."（有太多事情可能出错。）。过去，安全检查通常要外包给专门团队，支付高额费用，等待 1 到 2 周拿到报告，然后开发者再自己修复问题。对一个刚做出原型的非技术用户而言，这是一道既贵又陌生的门。

他展示的 Security Center 试图把这一步产品化：安全 agent 会先为具体应用构建 threat model，即威胁模型——这个应用可能在哪些地方被攻击、哪些数据和操作最脆弱；随后再用不同场景做深度扫描。风险并不抽象：agent 可能选中恶意 package，即带有窃取或破坏行为的软件依赖；代码里可能泄露 secrets，例如 API key；用户的 PII，也就是可识别个人身份的信息，可能因为存储方式不对而外泄。

这意味着，AI 把发布能力下放给非技术者的同时，也把生产环境责任一并下放了。以前工程团队在后台处理的依赖治理、密钥管理、数据处理，如今会直接成为产品创建者的发布关卡。能生成一个页面，不代表它能承受真实用户、真实支付和真实攻击。

而且安全不是“扫描一次就打勾”的任务。Jain 特别提到，发布前要检查，增加新功能后也要 recurring basis 持续扫描。产品每增加一个登录入口、支付流程或第三方服务，攻击面都会变大。Vibe coding 最容易让人误以为软件制作被压缩成一句提示词；真正不能省掉的，是上线之后对责任的持续承担。

被问到 OpenAI、Anthropic 等模型公司既做模型又做产品，应用层公司会不会被挤压时，Jain 的答案不是和模型公司比谁的模型更强，而是重新定义应用层的工作。模型正在趋于商品化，应用层真正要提供的是最后一公里：可靠托管、面向用户的产品包装、安全、分发，以及把一个 AI 工作流真正跑起来。

他用最近两周出现的 Gwen 和 Kimmy 说明模型变化有多快。“最新最好”的模型持续替换，企业若把所有工作流押在单一提供商上，就得承担价格、政策和可用性变化的风险。Jain 的成本原则很具体："If Kimmy can do it for 1/10, you let it do that."（如果 Kimmy 能用十分之一的成本做完，那就让它来做。）。换句话说，不是每个任务都值得调用最贵的 frontier model。复杂、困难的部分可以交给前沿模型；能拆出去的子任务，则交给成本更低的模型完成。

这意味着，应用层不应只是“某一家模型的漂亮界面”，而要成为多模型编排层：按任务难度、成本、稳定性和可用性，决定该用谁。对企业而言，这像给 AI 供应链加了一个调度台。某个模型涨价、宕机或调整政策时，业务不必跟着停摆；同一个工作流也能随着模型能力变化而调整成本结构。

当然，这条路并不轻松。应用层必须持续证明，它提供的不只是换模型按钮，而是实实在在降低了托管、可靠性、分发和切换成本。如果用户只想要一个模型入口，模型公司当然可以自己提供；只有当企业需要一套能长期运行、可替换、可计价的完整工作流时，应用层的中间位置才真正成立。

“代码不再稀缺后，SaaS 卖的是信任、网络与现实世界能力”和“技术合伙人不再是启动门槛，产品直觉和销售能力才是”，看上去在谈两端：一个在谈大公司软件为什么还能收费，一个在谈个人为什么更容易创业。它们其实都指向同一件事：AI 消除了“把功能做出来”的一部分稀缺性，却没有消除商业世界里的稀缺性。

Cedric 的 Pep AI 不是因为有一个追踪界面才做到首月 60,000 美元，而是因为他进入过 peptides 与 GLP-1s 社群，理解其中的具体需求。John 能在 3 天做出产品、两个月收入超过 180,000 美元，也不是因为 AI 自动替他找到客户，而是他已经知道怎样定义产品、怎样销售。TryNearby 的起点不是 Yusuf 有多少粉丝，而是他能把创作者生态的理解，变成商家愿意购买的口碑增长结果。

同样，企业内部自建工具也不是“从此不需要 SaaS”。Replit 的销售工具可以自己做，但 Salesforce 仍是系统记录；可替代的是外围、僵硬、昂贵又不贴合流程的界面，不容易替代的是可信数据、监管责任和现实履约。至于 Vibe coding，它让原型更容易诞生，却要求创建者更认真面对安全、密钥、个人数据和持续运营。

如果你正考虑做一个 AI 产品，问题不该停在“我能不能把它做出来”。今天这个问题越来越容易得到肯定答案。更该问的是：你手上有什么别人没有的判断、关系、受众或业务位置？你能否让一个具体的人因为少走弯路、少担风险、获得增长或完成真实任务而付费？代码近乎免费之后，软件的门槛降低了；但把软件变成可信、可传播、可运营的业务，仍然是一门需要亲自回答的生意。