付费深学

先坦白一件事：当我第一次看到Base44被Wix以8000万美元现金收购的消息时，我心里想的只有三个字——"凭什么？"

2025年1月才上线，6月就被收购，前后只用了半年时间。团队8个人，没有融过一分钱，创始人Maor Shlomo甚至是在长途旅行途中"顺便"做了这个项目。一个听起来像"AI版建站工具"的产品，凭什么让Wix掏8000万美元？更离谱的是，收购后不到一年，Base44的年化收入突破了1.5亿美元——收购价反而显得便宜了。

被现实教育过不止一次之后，我已经学会了先拆解再下判断。这次，把这笔交易拆开看，看看里面有多少是运气，又有多少是值得偷走的打法。

一、Base44做了什么？

Base44是一个AI驱动的应用程序开发平台。用户只需要用自然语言描述想要什么应用，平台就能在几分钟内自动生成一个包含前端、后端、数据库、身份验证、API集成和部署的全功能应用。

创始人Maor Shlomo（在一些报道中也写作Maor或Shlomo）是以色列的一位连续创业者。2024年10月，他的女朋友抱怨"想做个网站但不会写代码"，这成了他启动Base44的导火索。一个从具体场景中长出来的需求——这是所有好产品的共同起点。

与竞争对手不同，Base44不做"只生成前端代码然后让用户自己去搭服务器"的半成品。它提供端到端的一站式体验：一句提示词生成全栈应用，数据库、认证、存储、部署全部自动搞定。

关键数据如下：

• 成立时间：2024年10月立项，2025年1月上线

二、市场背景：Vibe Coding赛道的爆发

2.1 赛道定义与规模

Base44所处的赛道，有一个专门的名字：Vibe Coding（氛围编程）。

这个词由Andrej Karpathy在2023年提出，指用自然语言描述需求，让大语言模型直接生成可用代码的开发方式。与传统编程不同，Vibe Coding的核心不是"写代码"，而是"描述想要什么"——AI负责把描述变成可运行的程序。

2024-2025年，Vibe Coding赛道经历了爆发式增长。全球零代码与低代码开发平台市场规模在2023年约为420亿美元，2024年突破520亿美元，2025年进一步增长至约650亿美元，年复合增长率超过32%。这一增速背后有三个核心驱动力：全球范围的技术人才缺口持续扩大，据IDC统计已达约2300万人；中小企业的数字化渗透率从2020年的约35%跃升至2025年的68%；AWS、Google Cloud等云服务商持续降低AI基础设施的使用门槛，使AI编程工具的边际成本不断下降。

Vibe Coding作为零代码/低代码赛道中最前沿的细分领域，2025年的市场规模已超过80亿美元，年增速高达58%。这一增速远高于传统低代码平台，标志着"用自然语言编程"正在从一个概念走向主流应用。

2.2 赛道历史演变

要理解Base44的崛起，需要先理解这条赛道是怎么走到今天的：

Base44的核心差异化，是它不做"程序员工具"，而是做"非程序员的App工厂"。 它不要求用户理解什么是API、什么是数据库、什么是身份验证——所有这些，用户只需要说"我要一个带支付功能的电商App"，Base44会全部处理好。

2.4 关键驱动因素：为什么是现在？

Base44在2024年底启动、2025年初上线，恰好踩中了几个关键趋势的交汇点：

第一，大模型能力的临界点。 2024年下半年，Claude 3.5 Sonnet和GPT-4o的代码生成能力达到了一个质变的水平——不仅能生成语法正确的代码片段，还能理解完整的应用上下文、生成跨文件的系统架构代码。这种"系统性理解"是Vibe Coding从概念走向现实的技术前提。

第二，API成本的大幅下降。 2023年调用GPT-4生成1000行代码的成本约为5-8美元，到2024年底已降至1-2美元。这使得"用AI生成完整应用"从实验室阶段进入了商业化可行阶段。

第三，SaaS生态的成熟。 Stripe（支付）、Auth0（身份验证）、Supabase（数据库）、Vercel（部署）等第三方服务的标准化，让"生成应用"和"运行应用"之间的鸿沟大幅缩小。AI只需要调用这些标准化服务的API，就能让一个应用真正跑起来。

三、用户画像：谁在用Base44付费？

Base44的用户可以清晰地分为三类：

用户付费转化路径：

Base44的付费转化路径设计得相当精巧。用户注册后有一个14天的免费试用期，可以创建一个应用并部署上线（带Base44的品牌标识）。试用期内功能完全开放，不做任何阉割——让用户完整体验产品的价值。试用期结束后，用户可以选择按月付费（29美元/月，个人套餐）或按年付费（299美元/年），并绑定自己的域名去除品牌标识。

这一策略的逻辑是：AI应用生成类产品的核心价值在于"生成的成品"，如果免费版限制功能，用户永远体验不到"成品"的价值，付费意愿自然极低。Base44选择让用户在免费期体验完整价值，用"布署到自有域名"作为主要付费动机，转化率远高于功能阉割型免费模式。

Base44付费用户约6万，其中300家企业客户贡献了约45%的营收，客单价为299-599美元/月。这个客单价说明Base44的客户质量相当高——不是"个体户随便玩玩"，而是"正经在用它跑业务"的人。企业用户的月度留存率超过92%，远高于个人用户的约68%，验证了B2B方向的正确性。

四、产品深度拆解

4.1 核心功能矩阵

Base44的产品逻辑可以拆解为四个核心能力层：

用户的操作流程极简：打开Base44 → 输入"我要一个带会员系统和支付功能的课程销售网站" → 等待约30-120秒 → 获得一个包含首页、课程列表、购物车、支付、用户登录、后台管理的完整网站——直接上线使用。

4.2 产品设计的核心决策

Base44产品设计中最关键的一个决策，来自Shlomo的一个核心洞察："用户的耐心极其有限，首屏必须让人眼前一亮。"

最初，Base44设计了一个详细的"流程引导"页面，指引用户一步步完成应用创建：第一步描述需求、第二步选择模板风格、第三步配置数据库字段、第四步设置支付方式。这个设计逻辑上合理，但Shlomo后来发现它造成了大量用户流失——用户还没看到产品的价值就已经放弃了。

他的调整非常激进：直接把"流程引导"砍掉，用户一进来就看到一个输入框，提交需求后直接展示自动生成的完整应用，整个过程从"分四步走"变成"一步到位"。 这个改动让新用户激活率飙升了3倍。

这个案例说明一个道理：在AI时代，产品的"首屏价值"比任何教程都重要。用户不需要知道怎么搭积木，他们只需要看到"积木已经搭好了"。

另一个重要决策：默认AI引擎切换到Claude Sonnet 4。 2025年5月，Shlomo将Base44的默认AI引擎从OpenAI切换到了Claude Sonnet 4（支持32k上下文输出）。切换的原因很实际：Claude产生的bug更少，应用出错时不会扣用户积分，降低了多次调用和错误率，API成本也随之下降。这个决策直接改善了毛利率和用户体验。

4.3 用户体验设计的细节

Base44在产品体验层面的打磨，可以从几个细节看出用心：

错误处理的人性化设计。 传统的编程工具在出错时返回技术性错误日志，非技术用户完全看不懂。Base44的做法是：当生成的代码出现bug时，后台自动重试修复，用户端只看到"正在优化...请稍候"的友好提示。如果修复失败，则用自然语言告知用户"这个功能暂时无法实现，建议换一种描述方式"。这种体验设计让"非技术用户"完全没有"被技术吓到"的感觉。

生成过程的可视化。 在AI生成应用的过程中，Base44不是显示一个旋转的加载圈，而是实时展示"正在创建数据库...""正在生成首页...""正在配置支付..."的进度状态。这个设计让等待时间不再令人焦虑——用户知道"它正在干活"而不是"卡住了"。

先坦白一件事：2019年第一次打开Notion的时候，我花了整整一个下午，什么都没写出来。

打开页面，一片空白。官方教程看了三遍，还是没搞懂“Block”到底是个什么东西——我当时心想，一个笔记软件搞这么复杂，谁会用？

五年后，这家让我“无从下手”的公司做到了全球过亿用户、年经常性收入突破6亿美元、估值站上110亿美元。超过一半的世界500强公司在用它，超过8000万人每月打开这个“空白页”。更离谱的是，它至今只融了不到3.3亿美元，2021年C轮之后就没再拿过一分钱新融资，全靠自己造血——一家ToB SaaS公司，六年只融三轮，还活成了百亿独角兽，这和我们听过的所有“烧钱换增长”故事都不一样。

当初那个让我困惑的“空白页”，恰恰是它值钱的理由。

一、市场背景：知识管理工具赛道的结构性机会

1.1 赛道定义与规模

Notion所处的赛道，在不同时期被赋予过不同的名字：笔记软件、知识管理工具、协同文档、无代码工作空间、All-in-One生产力平台。这些名字的变化本身就在说明一个事实——这个赛道的边界正在被重新定义。

从传统笔记软件Evernote（2008年上线，峰值估值10亿美元）、微软OneNote（2003年发布），到新一代知识管理工具Notion（2013年创立）、Coda（2014年）、Airtable（2013年），再到AI加持下的新兴生产力工具，这个赛道经历了三个清晰的阶段：

全球知识管理与协同办公市场规模在2025年已超过600亿美元，年复合增长率约12%。其中，Notion所处的“模块化工作空间”子赛道虽然在整体市场中占比不大（约8-10%），却是增速最快的细分领域之一，年复合增长率超过25%。

1.2 竞争格局分析

在Notion崛起之前，这个赛道的玩家格局基本固化：

Notion面对的是一个看似被巨头瓜分殆尽的市场。但它找到了所有对手共同的盲区：个人到团队之间的“无人区”。

微软和Google的服务重度绑定企业IT采购流程，个人用户很难在没有公司邮箱的情况下使用完整功能；Evernote和Confluence则各自困在“纯个人笔记”和“纯企业Wiki”的定位里，无法跨越这个鸿沟。Notion切入的正是这块空白：让个人用户免费使用，用顺手了之后自然带入团队，再靠团队需求倒逼企业采购。

1.3 为什么是“现在”而不是“以前”？

Notion的崛起离不开几个时代背景的交汇：

第一，远程办公的常态化。 2020年新冠疫情迫使全球企业转向远程办公，协作文档从“锦上添花”变成了“生存必需”。Notion在2020年3月到6月之间，用户量翻了一倍。这个窗口期让Notion完成了从“工具”到“基础设施”的跃迁——当团队不再坐在同一间办公室里，一个共享的工作空间就是唯一能让所有人对齐的地方。

第二，SaaS工具泛滥带来的整合需求。 今天一个普通创业团队平均使用10-15个SaaS工具——Slack聊天、Google Docs写文档、Airtable管数据、Trello管项目、Figma做设计……每个工具都有自己的账号、自己的界面、自己的数据格式。Notion打出的“All-in-One”恰好击中这个痛点：把所有东西放在一个地方，不需要切来切去。

第三，非技术用户对“轻量数据库”的需求爆发。 过去，只有程序员会用数据库。但当每个团队都需要管理客户名单、内容日历、项目进度时，像Excel一样灵活、像App一样好看的“人人可用的数据库”就成了刚需。Notion的Database功能——让用户在不写一行代码的情况下搭建自己的管理系统——正好卡在这个节点。

二、用户画像：谁在用Notion，以及他们为什么留下

2.1 用户分层

Notion的用户群体可以清晰地分为四层，每一层的需求和付费意愿完全不同：

关键洞察： 70%的免费用户是Notion最大的商业价值来源。他们当下不付费，但他们正在把自己的工作习惯、团队流程、公司知识资产逐渐迁移到Notion上。当他们换工作、带团队、创业时，Notion是他们唯一熟悉且信任的工具——这就是B2C2B模式的底层逻辑。

2.2 为什么用户留下？——Notion的“粘性飞轮”

Notion的留存率高得惊人。App Store和Google Play的数据显示，Notion的用户月留存率超过65%，远高于同类产品的40-50%平均水平。用户留下的原因不是某个功能特别强，而是一个自我强化的“粘性飞轮”：

用一个简单的公式表达：Notion的留存率 = 用户投入的时间成本 + 团队沉淀的信息资产 + 习惯养成的操作惯性。这三个要素一旦形成，用户几乎不可能离开。

2.3 国际化与本地化

Notion的一大特点是国际化程度极高——80%的客户来自美国以外。它在东京、首尔、悉尼、新加坡设有办公室，每个市场都有不同的增长策略：

三、产品拆解：Blocks、Database与AI的三层架构

3.1 产品底层逻辑：Block（积木）是一切的原点

Notion最核心的产品哲学，来自Ivan Zhao对“乐高”的执念。

在Notion的世界里，一切内容单元都叫“Block”——文字是一个Block，图片是一个Block，待办事项是一个Block，数据库是一个Block，甚至页面本身也是一个Block。用户可以像搭乐高一样，把各种Block拖拽拼装成自己想要的工作界面。

这个设计的精妙之处在于：它不预设用户的使用场景，但为任何场景提供了“最小可用的基础元件”。

3.2 Database（数据库）：Notion真正的“杀手级功能”

如果Blocks是乐高积木，Database就是乐高套装里的“动力组件”——它让Notion从“文档工具”变成了“应用构建器”。

一个Notion Database本质上是一个多维数据表，但用户可以通过切换视图来改变它的呈现形式：

这种“同一数据多种视图”的设计让Notion的适用场景被无限扩展。一个用户可以用同一个Database同时管理：项目进度（看板视图）、截止日期（日历视图）、任务清单（列表视图）、详细文档（打开每条记录的页面视图）——底层是同一套数据，呈现方式随需而变。

3.3 AI功能矩阵：从“辅助写作”到“工作流代理”

Notion AI是目前Notion产品体系中增长最快的功能模块，贡献了约50%的ARR。它的功能矩阵可以分三个层次来看：

第一层：AI写作辅助（2022年11月上线）

这是Notion AI的起点。用户在任何文本块中按下空格键，AI就会根据上下文生成续写内容。核心功能包括：

• 起稿：给一个标题，AI生成完整文章初稿

• 续写：在已有文本基础上继续延伸

• 改写：调整语气、长度、风格

• 总结：提炼长文本的核心要点

• 翻译：跨语言转换

• 修正：检查拼写和语法错误

用户超过一半会在AI生成初稿后继续手动编辑。AI在这里的角色不是“替代人类写作”，而是“消解空白页焦虑”——让用户从“面对空白页发呆”到“在已有草稿上修改”，心理门槛大幅降低。

第二层：AI知识管理（2023年11月上线）

Notion AI Q&A功能允许用户用自然语言向自己的工作区提问。例如：

• “去年Q3我们做过哪些营销活动？”

• “所有未完成的设计任务有哪些？”

• “Sally上次提交的竞品分析报告里，提到的三个主要竞争对手是谁？”

Notion会在几秒内扫描整个工作区，整合分散在文档、数据库、评论中的信息，给出答案并标注来源。这本质上是把Notion变成了“团队专属的ChatGPT”——而且所有回答都基于真实的内部知识，而不是互联网上的通用内容。

第三层：AI代理编排（2026年5月发布）

Notion在2026年推出了最重大的AI升级——开发者平台和Workers运行环境。用户可以写一句话触发跨工具的业务流程：

“每周五下午5点，自动汇总我这周完成的所有任务，生成周报，发送到团队Slack频道”

背后是Notion的AI代理在协调多个系统：查询任务数据库→提取本周完成项→按模板生成周报→调用Slack API发送消息。这一切在后台自动完成，用户只需要写一句话。

3.4 产品护城河：为什么Notion“抄不走”？

Notion的产品逻辑看似简单——数据库+文档+AI，很多竞品都能复制。但真正的护城河不在于功能清单，而在于三个难以复制的要素：

第一，数据结构的高度一致性。 Notion从底层就把所有内容统一为Block+Database结构。这意味着用户在Notion里做的每一件事——写一段文字、建一个表格、嵌入一个视频——都遵循同一套数据模型。当产品需要扩展新功能时，因为底层架构的一致性，复杂度是指数级降低的。而大多数竞品的架构是拼接式的（文档是一个系统、数据库是另一个系统、AI是第三个系统），扩展时的复杂度是指数级上升的。

第二，用户对操作方式的路径依赖。 任何产品功能都可以复制，但用户已经内化的操作习惯无法复制。一个用了两年Notion的用户，右手已经条件反射地打出“/”调出命令菜单，脑子里已经习惯了“页面嵌套页面”的信息组织方式——换到任何其他工具，都要经历数周的效率下降期。这种“操作肌肉记忆”是比任何技术壁垒都牢固的护城河。

第三，模板生态与用户生成内容的规模优势。 Notion的模板库经过多年积累，已经覆盖了从“个人读书笔记”到“跨国公司OKR管理”的几乎所有使用场景。这些模板不是Notion官方写的（大部分是社区用户贡献的），但任何新用户都可以免费/低价使用。当一个新用户注册Notion时，他不是从零开始学习，而是可以直接复制一个现成的模板——这个“拿来就能用”的体验是竞品难以在短期内追上的。

四、商业模式拆解：从免费工具到百亿估值

4.1 定价策略详解

Notion的定价策略可以用一句话概括：用足够好的免费版做漏斗入口，用丰富的付费版做转化承接，用企业版做利润引擎。

先坦白一件事：2024年5月第一次看到Cal AI的时候，我心里想的是——“又一个AI包装器，迟早会死。”

拍照算卡路里，底层就是个通用视觉模型，没有技术护城河。等ChatGPT加上同样功能，这种App还有什么存在的理由？

两年后，这个“没有护城河”的App做到了1500万下载、年收入超过4000万美元（约合人民币3亿元）。2026年3月，被行业巨头MyFitnessPal正式收购。创始团队卖掉公司时，CEO Zach刚满19岁，还在上大学；CTO Henry Langmack高中还没毕业。

被打脸打得这么结实，值得我把这个案例彻底拆开，看看自己当初的判断到底错在哪里——以及，作为创业者，我们能从里面偷走什么。

这不是一篇“产品介绍”。这是一篇“生意拆解”。我们不讲功能，讲钱、讲增长、讲技术成本结构、讲可复制的方法论。

一、Cal AI是什么？——一张照片撬动十亿级市场

1.1 产品核心：把“麻烦的事”变成“拍张照”

Cal AI的产品极其简单：用户拍一张食物照片，AI自动估算卡路里和宏量营养素（蛋白质、碳水、脂肪）。

就是这么简单的一个功能，解决了卡路里追踪赛道最大的痛点——手动输入太麻烦。

传统卡路里追踪App（如MyFitnessPal）需要用户搜索食物名称、选择分量、手动输入每一项。这个过程对于硬核健身爱好者或许可以忍受，但对于“想记录但嫌麻烦的普通人”来说，根本坚持不下去。

Zach Yadegari的创业灵感就来自自己的健身经历——在使用多款卡路里追踪应用时，他发现几乎都需要手动输入，体验割裂、难以坚持。于是他在2024年5月上线了Cal AI。

1.2 创始团队：平均年龄不到19岁的“少年兵团”

Zach Yadegari，7岁开始学编程，16岁时就开发了一个叫“Totally Science”的游戏网站，并以近10万美元的价格卖掉。2023年夏天，在为增肌健身手动记录卡路里感到崩溃后，他萌生了做AI拍照识别的想法。

之后，他在编程夏令营认识的高中好友Henry Langmack加入担任CTO。此外还有Blake Anderson和Jake Castillo（CMO），四人组成了核心创始团队。

这里有个细节值得注意：团队一开始就是“技术+商业+营销”的完整配置。Zach负责产品和战略，Henry负责技术，Jake专门负责KOL营销。分工极其清晰。

Zach 2025年申请了18所顶尖大学，被其中15所拒绝——尽管他GPA 4.0、ACT 34分。他最终去了迈阿密大学，但App爆发后直接休学，目前正在“像乔布斯一样旁听感兴趣的课”。

1.3 关键里程碑数据

产品上线时间线：

• 2024年3月：加入Superwall，开始准备支付系统

• 2024年4月底：App正式上线

• 2024年5月初：Jake Castillo加入，四人团队成型

收入增长轨迹：

• 第1个月：营收2.8万美元

• 第2个月：营收11.5万美元

• 6个月内：月经常性收入突破100万美元

• 2025年全年：年收入约3000万美元

用户与团队数据：

• 累计下载：超1500万次

• 团队规模：从7人起步，被收购时约30人

• App Store评分：4.8分

收购：

• 2025年12月：交易完成（内部）

• 2026年3月2日：MyFitnessPal正式官宣收购

• 交易金额：未公开，行业传闻九位数美元

• 收购后：Cal AI作为独立品牌运营，团队整体保留

有⼀个时间差值得注意：收购交易在2025年12月已完成，但公告拖到2026年3月才公布。如果你在看增长数据时，需要把“被收购后的资源预期”这个变量算进去。

二、赛道全景：卡路里追踪市场的TAM与竞争格局

要理解Cal AI为什么能跑这么快，得先理解它所在的赛道有多大。

2.1 市场规模

全球健康和健身App市场规模在2024年已超过150亿美元，预计2028年将突破250亿美元。其中，营养追踪和卡路里管理是仅次于运动追踪的第二大子赛道。

这个赛道有一个独特的结构性优势：健康追踪是App Store里留存逻辑最硬的品类之一。用户一旦开始记录，沉没的历史数据本身就是switching cost——你迁移到一个新App，意味着过去三个月的饮食数据全部丢失。这导致了高留存率和长期订阅价值。

2.2 竞争格局：8款竞品完整对比

核心洞察：Cal AI没有在“硬核精准”上和MyFitnessPal竞争，而是找到了一个被头部玩家忽视的“轻度用户”群体——想记录但不追求精确到个位数卡路里的普通人。

MyFitnessPal的CEO Mike Fisher在收购后亲口承认了一件事：“MyFitnessPal用户可以精确记录一个汉堡放了2片还是3片酸黄瓜，但Cal AI用户只是希望记录不要太干扰他们的生活。”

这就是被忽视的蓝海。

三、用户画像深度分析——谁在为Cal AI付钱？

3.1 四层用户分层

3.2 地域分布

Cal AI的用户约70%来自北美，15%来自欧洲，10%来自亚洲（主要是日韩），5%来自其他地区。这与其KOL投放策略高度相关——最早签约的健身KOL大多来自美国和英国。

3.3 核心洞察：为什么“非专业用户”才是真正的金矿

先坦白一件事：2019年第一次用Notion的时候，我花了整整一个下午，什么都没写出来。

打开页面，一片空白。官方教程看了三遍，还是没搞懂“Block”到底是个什么东西——我当时心想，一个笔记软件搞这么复杂，谁会用？

五年后，这家让我“无从下手”的公司做到了全球过亿用户、年经常性收入突破6亿美元、估值站上110亿美元，超过一半的世界500强公司在用它。更离谱的是，它至今只融了不到3.3亿美元，2021年C轮之后就没再拿过一分钱新融资，全靠自己造血。

一家ToB SaaS公司，六年只融三轮，还活成了百亿独角兽——这和我们听过的所有“烧钱换增长”故事都不一样。

当初那个让我困惑的“空白页”，恰恰是它值钱的理由。

一、Notion到底做了什么？

Notion由Ivan Zhao（赵益民）和Simon Last于2013年创立，总部在旧金山，核心产品是一个“模块化工作空间”——你把文档、笔记、数据库、项目管理、日历拖拽拼在一起，像搭乐高一样搭建自己的工具。

截至2026年，关键数字如下：

• 用户：全球超1亿注册用户，超过一半的财富500强企业使用Notion

• ARR：2025年底突破6亿美元，其中约50%来自AI相关产品

• 估值：110亿美元（2025年12月员工老股出售要约价）

• 融资总额：约3.3亿美元

• 团队规模：约1000人

• 盈利状态：自2023年起实现盈利

• 国际化：80%客户来自美国以外，在东京、首尔、悉尼、新加坡设有办公室

Ivan Zhao有一句话很适合概括这家公司的气质：“我们做Notion不是为了赚钱开公司，而是因为我们相信这样的产品应该存在。”

二、怎么赚钱？——B2C2B的另类路径

2.1 定价策略：个人免费+团队付费

Notion的定价逻辑很简单：

核心策略是免费版做到足够好用，让用户产生依赖。2024年数据显示，Notion月活用户达8013万，其中大部分是免费用户——他们既是产品口碑的传播者，也是未来付费升级的潜在客户。

2.2 B2C2B模式：从“个人先用”到“公司采购”

Notion最值钱的商业洞察，是让用户先爱上产品，再让用户把产品带进公司。

Ivan Zhao在播客采访中讲过一句很直白的话：

“只有硬核的乐高粉丝才关心乐高积木本身，大多数人关心的是乐高套装盒子。他们实际上希望打开盒子时，那个套装就是现成的。”

早期的Notion过于“空白”——给了用户无限自由度，但大部分人不知道用它来干什么。后来团队发现，用户最常见的需求还是记笔记和分享文档，于是围绕这个刚需优化产品，把“乐高积木”变成了“现成套装”。

这个调整很关键：个人用户把Notion当笔记软件用，用顺手了之后就带到团队里、带到公司里，最后演变成企业采购。Notion在年收入超过1000万美元之前，没有雇佣过任何一个销售——全靠产品自传播和用户口碑。

这种“从下往上”的增长路径，在ToB SaaS里非常罕见，也解释了为什么它能在融资极少的情况下活下来。

三、融资历程：宁可卖老股，也不低价融资

Notion的融资节奏，放在今天的创投圈几乎是异类。

融资轮次回顾

最关键的决策：C轮后不再融资

2021年C轮融完2.75亿美元之后，Notion估值停在100亿美元。

2025年12月，一笔交易在硅谷圈子里悄悄完成了签字。三个月后，消息才正式公布：MyFitnessPal收购了Cal AI

之所以值得复盘，是因为它同时打破了几个“不可能”：

• 零融资：Cal AI没拿过一分钱风险投资

• 高中生团队：创始人Zach Yadegari卖掉公司时刚满19岁

• 上线不到2年：2024年5月上线，2025年12月卖掉

• 团队仅7人：核心员工只有7个人

这则故事也再次验证一个判断：当产品足够锋利时，不需要融资、不需要资历、不需要大团队，也能做出让巨头掏钱买单的生意。

一、收购案全景

关键事实

“为什么要等三个月才公布？”

这笔交易在2025年12月就已经完成签字，但直到2026年3月才对外宣布。

MyFitnessPal CEO Mike Fisher的解释是：谈判断断续续持续了将近一年。从2024年Cal AI刚上线时，MyFitnessPal就盯上了这个“后起之秀”，通过Sensor Tower等工具追踪它的下载数据和排名变化。

Fisher的原话是：

“我们关注整个竞争对手群体，大大小小约有70个竞争对手。Cal AI确实引起了我们的注意，从去年年初开始，我们就一直断断续续地与他们进行谈话。”

换句话说：收购谈判几乎贯穿了Cal AI的整个生命周期。 MyFitnessPal看到它冒头，就在谈；看到它增长，也在谈；看到它年入3000万美金，还在谈。直到2025年底，双方才敲定最终协议。

“为什么拖了这么久？”

Fisher说了一句话很关键：“Cal AI团队并没有非卖不可的理由。”

这是一家收入高、增长快、零融资的公司。创始人不缺钱、不欠债、没投资人施压。他们有充分的时间和空间“挑买家、挑价格、挑条件”。

而最终的收购结果也说明：MyFitnessPal给出的条件，让这群高中生满意了。

PPT是一个四十年的市场，微软PowerPoint统治了将近一代人。

所有试图挑战它的人，几乎都死了。Keynote没有颠覆它，Google Slides没有颠覆它，无数创业公司的PPT工具都悄无声息地消失了。

但有一家公司，用50个人的团队，在2025年做到了年收入1亿美元，估值21亿美元，并且已经连续两年盈利。

它叫Gamma。

更有意思的是：Gamma最初做的是一个“反PPT”工具，跟AI没有任何关系。 是在快活不下去的时候，才孤注一掷All in AI。

这个故事对我们理解“AI创业怎么做”很有启发。

一、它到底做了什么？

Gamma做的事情极其简单：用AI帮你做演示文稿、网页、文档。

从用户角度，打开Gamma，输入一个主题，30秒内，AI生成一份排版完整、设计专业的演示文稿。你不需要调格式、不需要对齐、不需要纠结字号。

数字钉死在这里：

最关键的一组对比：Gamma只融了2300万美元，就做到了1亿美元ARR，并且是盈利的。在“烧钱换增长”的AI时代，这几乎是异类。

二、为什么“做个更好的PPT”没有用？

2.1 创始人自己的痛苦

Gamma的创始人Grant Lee，创业前做过咨询、投行和财务。他做PPT做得很痛苦，因为90%的时间都在调格式、对齐、排版，只有10%的时间在思考内容。

他调研后发现，这种痛苦不是他一个人的。咨询顾问、医生、老师、产品经理——无论什么职业，大家的痛点高度一致：“做PPT太浪费时间了，而且重点全跑偏了。”

2.2 问题出在哪？

Grant Lee分析后得出一个结论：人的使用方式变了，工具没有进化。

PowerPoint诞生于1987年，它被设计成“演讲的视觉辅助工具”，所以打开PPT，你面对的总是一张16:9的空白画布。你需要先想“字体放多大”、“标题放哪里”、“颜色用什么”——在你还没想清楚“说什么”之前，就已经被逼着在“怎么摆”上花了大量精力。

用Grant自己的话说：

“我们大多数人都不是视觉设计师。”

而一个被忽视了四十年的真相是：PPT早已不是“演讲辅助工具”，它已经成为职场沟通的基本语言——影响升职、推动决策、传递思想。表达本该是思想的延伸，却被工具绑架了。

2.3 前两年的失败：只比PPT好一点是不够的

Gamma2020年成立，最初的产品是一个“在线排版工具”，希望帮助用户快速做漂亮的演示文稿。

前两年做了纯产品迭代，2022年上线公测后数据一度很亮眼——Product Hunt当日、当周、当月三料冠军，周注册从100人增长到3000人。

2023年，当AI硬件赛道正被Rabbit、Humane这些“高概念”产品轮番收割眼球时，一家深圳公司悄悄干了一件事：做了一张可以贴在手机背面的录音卡。

两年后，Plaud的年度经常性收入（ARR）从100万美元飙升至1亿美元（单指软件订阅），全球出货量突破200万台，年总收入达到2.5亿美元，估值超10亿美元，跻身全球达成该里程碑速度最快的AI公司之列。

更值得玩味的是：创始人许高没有融过一分钱风险投资，是靠众筹和产品利润把公司做起来的。

一个几乎被所有人“看不上”的品类，为什么能做成AI硬件领域少有的独角兽？

一、它到底做了什么？

Plaud的产品逻辑极其简单：一张厚度不到3毫米的卡片式录音设备，磁吸在手机背面，一键录音，AI自动转写和总结。 

卖点就一句话：帮你把“说过的话”变成“可以用的东西”。

截至目前，Plaud已推出三款主要产品：

• Plaud Note：基础款卡片式录音设备

• Plaud Note Pro：升级款，配备更大电池和微型屏幕

• Plaud NotePin S：穿戴式设备，可夹在衬衫上

在国内京东平台的售价分别为：Note Pro 1599元、Note 1399元、NotePin S 1499元。

数字钉死在这里：

二、为什么“录音笔”这种老品类能做出新生意？

2.1 被忽视的刚需：iPhone用户10年的痛

苹果从第一代iPhone开始，就坚持不做原生通话录音——理由是隐私保护。这个“坚持”持续了整整10多年，全球超过10亿iPhone用户无法在通话中录音。

对普通人来说不是问题，但对记者、律师、销售、咨询顾问、管理者这些以对话为主要工作方式的人群来说，这是一个长期的、未被解决的痛点。

“会议纪要难整理、客户通话难保存、采访内容容易丢”——真实存在，却没有人真正解决。

Plaud团队做的第一件事，不是开发产品，而是分析了5000多条真实用户的评论。他们得出了一个关键结论：用户并不想要一支录音笔，他们想要的是“自动生成的纪要”。 

这个结论，决定了一切。

2.2 两个技术拐点，让“不可能”变成“可能”

Plaud的成功，是踩中了两个技术拐点的精准跳跃。

拐点一：Whisper开源——语音转文字变成“水电”

在AI视频生成这个赛道里，大部分玩家还在讨论"什么时候能赚钱"，有一家公司已经把赚钱这件事跑通了，而且跑得比几乎所有同行都快。

2023年4月，HeyGen的年度经常性收入刚突破100万美元。29个月后，也就是2025年10月，这个数字变成了1亿美元。整整100倍增长。

这不是靠烧钱换来的虚胖增长。公司从2023年第二季度起就实现了盈利，是AI视频生成赛道里为数不多"自己造血"的公司。更令人惊讶的是它的资本效率——截至2026年6月，HeyGen每获得1美元股权融资，就能产生约2.70美元的ARR，这一效率甚至超过了Zoom和Datadog在各自IPO时的水平。

2026年6月，HeyGen宣布ARR突破2亿美元，短短8个月内再次翻倍。用户突破3000万，覆盖196个国家、175种语言，85%的财富100强企业已成为其客户，累计生成视频超过1.18亿条。

3000万用户、2亿美元ARR、仅约40人的团队。这组数据放在一起，意味着人效超过500万美元ARR/人。

这到底是怎么做到的？

一、产品概述：从"数字人演讲"到"身份优先的AI视频平台"

1.1 产品定位与核心功能

HeyGen是一家AI视频生成平台，用户可以通过文字输入、PPT上传或API调用，生成带有数字人形象的口播视频。其核心能力涵盖数字人视频生成、视频翻译与唇形同步、AI视频编辑等。

产品定位经历了清晰的演化：最初是"让任何人无需摄像头就能制作演讲视频"，后来升级为"身份优先的AI视频平台"。所谓"身份优先"，是指让AI生成的视频不仅"像"某个人，而且"说话方式、表情习惯、语音语调"都像那个人，具有行为上的可识别性。

1.2 核心数据一览

1.3 一句话总结

"用29个月完成100倍ARR增长，用40人团队创造2亿美元年收入，AI视频赛道最懂增长的玩家。"

二、创始人故事：从Snapchat到AI视频

2.1 创始团队背景

HeyGen的创始人叫Joshua Xu（徐卓）。他创办HeyGen之前，有两个关键的职业背景：

第一，Snapchat的产品经验。 Joshua在Snapchat担任工程经理和技术负责人，深度参与了Snapchat核心产品的开发。这段经历给了他两个核心认知：一是"产品要做得足够简单，用户才愿意用"；二是"社交产品的增长靠的是产品本身，不是广告"。

第二，对AI视频的前瞻判断。 2020年，Joshua判断AI生成视频的技术会快速成熟，"不用摄像头也能制作演讲视频"这个场景会成为现实。他和联合创始人Wayne（同样有Snapchat和Smule背景）一起，在2020年12月创办了公司。

公司最初叫"诗云科技"，后来品牌升级为"HeyGen"。2024年6月完成A轮融资后，公司把总部从深圳迁到了洛杉矶，全面转向海外市场。

2.2 创业初期的"反直觉"实验

2021年，HeyGen还没有产品。团队做了一个在当时看起来"反直觉"的决策：在Fiverr（一个自由职业者平台）上开了一个"数字人演讲视频制作"的服务。

他们没有告诉客户这是"AI生成的"。他们以极低的价格、极快的交付速度提供"AI数字人演讲视频"服务。第一批服务甚至由创始人自己手动交付。结果呢？接到了第一个付费客户，5美元。

这件事带来的价值远超5美元：用最直接的方式验证了"市场对AI生成演讲视频有真实付费需求"，以极低成本了解了用户的真实使用场景（营销视频、培训视频、产品演示等），获得了第一批种子用户的反馈，为产品设计提供了方向。

Joshua后来在复盘中说："在推出产品之前，找到合适的用户并让他们为你的解决方案付费，即使只是一个粗糙的原型。没有付费，就没有真正的验证。"

三、市场全景：AI视频生成的百亿赛道

3.1 赛道规模与增长逻辑

AI视频生成是当前AI应用层最热门的赛道之一。核心增长逻辑是：视频内容的制作成本极高——需要摄像机、演员、灯光、场地、后期剪辑。AI可以把这一切全部压缩到一个网页里。

传统视频制作市场（企业宣传、营销视频、培训视频、社交媒体内容）规模高达数千亿美元。AI视频生成的目标不是"做一个小众工具"，而是"去吃掉传统视频制作市场的增量份额"。

3.2 竞争格局

AI视频生成赛道主要玩家包括：

HeyGen： 定位"身份优先"的数字人视频，强调真实感和行为一致性，PLG增长驱动。

Synthesia： 英国公司，同样做AI数字人视频，主打企业市场，更早进入赛道。

Runway： 更偏向创意视频和特效生成，AI视频编辑能力突出。

Pika Labs： AI视频生成新势力，强调"文本生成视频"的创意能力。

大厂： 微软、Google、Adobe等正在将AI视频能力整合进原有产品。

3.3 HeyGen的差异化定位

HeyGen在这个赛道里找到了一个独特的定位：不做"文本生成视频"，做"文本生成带数字人的视频"。

这个定位的价值是：相比于"让AI随便生成一个抽象视频"，企业客户更需要"让一个说话的人来讲解我的产品/服务/培训内容"。数字人视频有明确的商业用途，付费意愿更清晰。

四、用户画像：谁在用HeyGen？谁在付钱？

4.1 核心用户分层

第一层：个人创作者与创业者

包括自媒体博主、自由职业者、电商卖家。核心需求是"快速制作带人像的社交媒体视频"，不需要专业的拍摄设备，几百美元就搞定。这部分用户是HeyGen最早期的增长引擎。

第二层：中小企业与营销团队

包括SaaS公司市场部、电商运营团队、代理公司。核心需求是"批量制作产品演示视频、广告视频、客户案例视频"。这部分用户是付费的主力群体。

第三层：大型企业客户

包括财富100强中的85家公司，覆盖英伟达、亚马逊、Salesforce、麦当劳等。核心需求包括"企业培训视频、内部沟通、销售赋能、多语言本地化"。大型企业客户贡献了高客单价和稳定的ARR。

第四层：开发者与API用户

通过API调用HeyGen能力的开发者，用于构建第三方应用和集成。API是HeyGen从"产品"走向"平台"的战略布局。

4.2 用户增长路径

HeyGen的典型用户路径是：

从免费计划开始（每月10免费积分，体验完整功能），感受"上传PPT或输入文案，一键生成带数字人的演讲视频"的流畅体验，免费额度用完后面临选择——付费订阅或离开。目前已有4万+企业客户选择付费。

五、商业模式解码：PLG驱动的百倍增长

5.1 定价策略

产品订阅定价：

免费版：每月3个免费视频（带水印），5个照片数字人，700+AI声音，400+视频模板。

Creator套餐：约$24-29/月（年付），5分钟视频时长，更多自定义数字人和高级功能。

Team套餐：按席位收费，支持更高分辨率、高级视频编辑功能。

Enterprise套餐：定制化，支持无限视频、完整功能、SSO等企业级服务。

API定价（信用制）：

免费版：每月10免费积分。

Pro版：$99/月，100积分（按年支付可获折扣）。

Scale版：$330/月，660积分，包含视频翻译API。

Enterprise版：定制化，完整API套件。

5.2 收入结构分析

ARR增长轨迹：

2023年4月：100万美元ARR（上线后约7个月）

2023年10月：约1800万美元ARR

2024年7月：3500万美元ARR

2025年10月：1亿美元ARR

2026年6月：2亿美元ARR

付费客户构成：

• 4万+付费企业客户

• 3000万注册用户，免费到付费的转化漏斗

5.3 单位经济模型

六、增长策略：从0到2亿美元的完整拆解

6.1 第一阶段：Fiverr验证与AI市场契合

2021年，在Fiverr上手动交付数字人视频，验证"有人愿意为这个付费"；随后才投入产品开发。这是"AI市场契合"（AI-Market Fit）的典型实践——先用人工方式验证需求，再用AI实现规模化。

6.2 第二阶段：Product Hunt冷启动与用户积累

2022年7月29日产品正式上线，在Product Hunt上斩获当日、当周、当月榜单第一。上线仅178天就达到100万美元ARR。

产品上线初期采用"免费增值+水印"策略，免费用户生成的视频带有巨大的"HeyGen"水印。这些视频在社交媒体上被大量传播，水印本身变成了免费的广告牌。上线后第一个月，系统因用户激增崩溃了三次。

6.3 第三阶段：病毒传播的核心引擎

2023年9月，HeyGen发布了一个杀手级功能——"视频翻译"：上传一段你说话的视频，AI自动翻译成其他语言，同时完美同步唇形。把一段英文视频变成中文、日文、西班牙文，看起来就像你本来就在说这些语言。

这个功能在社交媒体上引发了病毒式传播。大量用户分享"我在说外语"的视频，短时间内为HeyGen带来了数百万新用户。这是典型的产品即内容、内容即增长的飞轮效应。

6.4 第四阶段：PLG到企业级的跨越

PLG带来源源不断的免费用户和自然增长，企业销售团队锁定高客单价的大客户，API开放给开发者生态。三者的关系：PLG是流量引擎，企业销售是收入引擎，API是生态引擎。

6.5 增长效率的核心心法

快速行动，做到极致。 HeyGen刻在骨子里的八个字。

在AI时代，技术地基每几个月就会剧烈变化。HeyGen的做法是：以2个月为规划周期（与模型升级节奏同步），通过"发布式学习"而不是"打磨完毕再发布"，让系统随模型自动进化。

核心区别：

创始人Joshua说："快速行动，让我们更早把价值交付给用户，更快发现问题。当竞争对手一个月发布一个功能时，我们可能已经完成了五次实验，这意味着我们是五倍速的学习。"

在2026年的前三个月里，HeyGen共发布了63个产品和功能更新。

七、技术账本：自研模型与资本效率

7.1 技术架构策略

HeyGen技术团队的最大决策是：从第一天起就自研核心技术栈，而不是调用现成的第三方API。

这是一个与很多AI公司截然不同的选择。大多数AI创业公司会优先调用OpenAI或Anthropic的API快速上线。HeyGen选择了更慢但更可控的路。

7.2 Avatar V：技术护城河的核心

2026年4月，HeyGen发布了第五代数字人模型Avatar V。

Avatar V的技术架构突破了传统方案的限制：抛弃了瓶颈嵌入（bottleneck embedding），直接基于用户参考视频的完整token序列进行条件生成，让模型能够"看见"目标人物完整的面部细节和说话习惯。

使用"稀疏参考注意力"机制，复杂的注意力计算与参考时长几乎保持线性增长，可以处理长达数分钟的参考视频。

训练分为五个阶段：通用视频预训练→音频驱动视频预训练→身份保持微调→知识蒸馏→人类偏好对齐。

Avatar V的一个关键技术创新是"身份保持超分"：基础DiT先生成低分辨率视频，再由专用超分模块做细节增强。超分模块共享同一套身份建模体系，确保面部身份特征在整个超分过程中保持不变。

7.3 基础设施规模

根据官方技术报告，HELIOS统一GPU基础设施平台管理超过5000块GPU，跨5+云服务商、15+标准化集群。专有的声明式数据处理引擎取代了Ray，扩展到20万+并发任务，GPU利用率超过95%，节点故障检测在30秒内完成。

7.4 从通用模型到自研的成本优势

初期调用第三方大模型API，随着用户量增长，成本结构快速优化。自研模型的最大意义在于：每多生成一个视频，边际成本大幅降低，毛利空间持续扩大。

自研策略的连锁效应：

技术自研 → 单位成本更低 → 定价更有竞争力 → 更多用户采用 → 更多数据积累 → 模型更优 → 成本进一步降低

这是一个正向飞轮。而调用API的公司面临的是相反的逻辑：用户越多→API成本越高→毛利率承压。

7.5 资本效率为什么高？

资本效率的对比非常直观：

为什么HeyGen能做到？

第一，PLG驱动的低获客成本。 几乎零付费营销，增长靠产品自然传播。第二，自研技术栈带来的高毛利。调用第三方API的毛利通常在50-60%，自研模型可以达到80%以上。第三，极度精简的团队规模。40人团队支撑2亿美元ARR，没有大公司病。

八、风险与挑战

风险一：深度伪造与合规风险

AI生成高度逼真的数字人视频，天然面临"深度伪造"的质疑。如果用户未经授权使用他人形象生成视频，可能引发严重的法律和伦理问题。

应对： 建立严格的上传者验证流程，要求用户确认获得形象使用授权。快速人工审核所有数字人验证申请。在产品页面和用户协议中明确安全与隐私政策。

风险二：大厂入场

微软、Google、Adobe都在将AI视频生成能力整合进核心产品。如果"AI生成带人像的视频"成为Office或Google Workspace的内置功能，HeyGen的差异化优势可能被侵蚀。

应对： 大厂的优势在生态整合，HeyGen的优势在专注和速度。做精"身份一致性"这个垂直能力，建立大厂难以快速复制的数据和技术护城河。

风险三：技术同质化

当所有AI视频工具都能生成高质量数字人时，用户凭什么选HeyGen？

应对： 持续向更高保真度的方向进化——从"像一个人"到"行为上就是那个人"。进一步扩展应用场景（实时数字人互动、Agent驱动的视频生成）。

风险四：企业市场的地域挑战

2024年总部迁至洛杉矶后，面临美国本土企业的激烈竞争和地缘政治不确定性。

应对： 加速本土化运营，通过深耕美国企业客户建立信任，利用资本效率优势在价格和服务上保持竞争力。

九、可复制的方法论

9.1 "先卖后造"的验证逻辑

HeyGen在Fiverr上手动交付服务验证需求，再用AI实现规模化的做法，对AI创业者非常有启发。不要等到产品做出来才知道有没有人买单。先用人工方式跑通交付，确认"有人愿意付钱"之后，再投入技术开发。

给你的行动清单： 如果你的创业方向涉及"AI替代人工服务"，先不要写代码，先试着用人工方式提供这个服务。找到第一个付费客户，理解他们的真实需求和支付意愿。再做产品。

9.2 水印即广告的PLG设计

HeyGen用"巨大水印"换取社交媒体病毒传播的策略，是最低成本的获客方式。早期用户为了体验功能，愿意接受水印。水印本身变成了移动的广告牌，把产品展示给了更多潜在用户。

给你的行动清单： 如果你的产品有"输出内容"的属性，在设计输出格式时，不要把"干净无痕"作为默认选项，把"留下品牌痕迹"作为增长工具来设计。

9.3 资本效率不是克制，是战略

HeyGen不烧钱、不盲目扩张、不堆人、不依赖融资续命。40人团队，2亿美元ARR，每1美元融资产生2.70美元ARR。这种财务纪律不是"保守"，是让公司拥有更大的战略自由度——不需要为了下一轮融资而做短期增长决策，可以专注于长期产品价值。

给你的行动清单： 在融资之前，先想想"如果融不到钱，我能不能让这家公司活下来"。能活下来的公司，融资才是锦上添花。不能活下来的公司，融资只是饮鸩止渴。

十、全文总结

HeyGen的故事告诉我们三件事：

第一，AI时代最稀缺的能力不是"训练模型"，而是"找到AI的市场契合点"。

在2021年，AI视频生成技术远不成熟。HeyGen团队没有等技术成熟再做产品，而是先用人工方式验证需求，用Fiverr上的5美元订单证明了"市场需要这个"。然后持续跟踪技术演进，在每一个技术突破点快速产品化。

第二，PLG不是"把产品做免费"，是"让产品自己会增长"。

水印即广告、视频翻译的病毒传播、产品迭代速度本身就是增长引擎。真正的PLG是"用户使用产品的过程本身就在帮产品传播"。

第三，在AI时代，速度比规模更重要。

30个月内，ARR从0到2亿美元。这不是靠烧钱堆出来的，是靠"发布式学习"和"每周迭代"的实验速度积累出来的。创始人Joshua说得好："当竞争对手一个月发布一个功能时，我们可能已经完成了五次实验，这意味着我们是五倍速的学习。"

最终一句话：

"AI时代的护城河，不是模型参数，是迭代速度。"

参考文献

搜狐网，《29个月翻100倍，复盘1亿美金收入的方法论》，2026年4月

HeyGen官方公告，《HeyGen Surpasses $200M ARR as AI Video Adoption Accelerates》，2026年6月

HeyGen Research，《Avatar V: Scaling Video-Reference Avatar Generation》，2026年4月

HeyGen Research，《HELIOS: Unified GPU Infrastructure for Training, Inference, and Data at Scale》，2026年3月

百度百科，HeyGen API词条

百度百科，HeyGem词条

Wedbush Securities，HeyGen $200M ARR新闻报道，2026年6月

Business Wire，HeyGen $200M ARR新闻稿，2026年6月

HeyGen官方博客，《0 - 1M ARR in 7 months》

Contrary Research，HeyGen Business Breakdown & Founding Story，2025年5月

Podscan，硅谷增长顾问陈唱播客访谈，2025年7月

在Notion出现之前，知识管理这个赛道几乎已经被判了"死刑"。

Evernote从独角兽跌落神坛，Confluence在企业内部越来越臃肿，各种"第二大脑"产品层出不穷却始终无法突破小众圈层。知识管理这个需求看起来人人都需要，但产品形态始终找不到那个"所有人都觉得好用"的答案。

直到Notion出现。

它用一个"乐高式"的Block编辑器，把笔记、文档、数据库、项目管理、Wiki全部塞进一个产品里，然后告诉用户："你自己搭你想要的东西。"

这个模式跑通了。2018年到2021年，Notion的用户量从100万暴涨到2000万，估值从8亿美元飙到100亿美元，成为全球最受瞩目的SaaS独角兽之一。

但有一个问题：Notion的用户增长很快，付费转化却不够快。大量个人用户把Notion当"高级笔记本"在用，功能用得浅、付费意愿低。公司要实现从百亿估值到千亿市值的跨越，必须解决一个核心命题——如何让更多用户愿意为Notion付费？

2023年初，Notion给出了答案：Notion AI。

一个集成在Notion编辑器里的AI助手，可以续写、总结、翻译、润色、生成表格、回答问题。它不是"另一个ChatGPT"，它是"长在Notion里的AI"。

本文从商业模式视角，拆解Notion AI如何用"存量用户增值"的策略，把一个原本"可付可不付"的产品，变成一个用户"不得不付"的工作操作系统。

一、产品概述：一个"无处不在"的AI助手

1.1 Notion AI是什么？

Notion AI不是一个独立的App，也不是一个插件。它是深度嵌入Notion编辑器每一个角落的AI能力。

用户在任何页面按下空格键或输入"/"，就可以唤起Notion AI菜单。可以续写文章、翻译段落、总结会议笔记、生成待办事项、润色表达、改变语气、查找答案、生成表格、创建会议纪要模板……甚至可以根据已有的笔记内容生成新的内容。

Notion AI不是一个"聊天窗口"，它是一个"写作助手"。它的设计哲学是：用户在写作的流程中自然遇到需要帮助的地方，AI就在那里。

1.2 关键数据一览

1.3 一句话总结

"在写作流程最需要帮助的每一个节点上，放一个AI。"

二、创始人故事：从0到100亿的"草莽"之路

2.1 一个"不擅长写代码"的创始人

Notion的创始人Ivan Zhao，一个"不擅长写代码"的程序员。在创办Notion之前，他做过一个叫"iDoneThis"的团队协作产品，核心功能是让团队成员每天汇报"今天做了什么"。产品不温不火，但让他积累了对"团队协作工具"的早期认知。

2013年，Ivan和他的联合创始人Simon Last开始做Notion。最初的想法并不是"做一个知识管理工具"，而是想做一个"让非技术人员也能轻松使用的编程工具"——一个"无代码"的早期尝试。

产品做出来之后，几乎没有用户。原因很简单：用户不知道"用编程工具做什么"。没有场景、没有用例、没有需求——这是一个"解决方案在找问题"的典型失败案例。

这次失败直接导致了Notion在2015年走到了破产边缘。团队从十几个人裁到只剩Ivan和Simon两个人。他们搬到日本京都，每天在咖啡馆里工作，重新思考Notion应该是什么。

2.2 转折：从"无代码工具"到"可组合的笔记"

在京都的"咖啡馆创业期"，Ivan和Simon做了一个关键的决定：不做"无代码编程工具"，做"可组合的笔记工具"。

这个转变的核心逻辑是什么？编程工具解决的是一个"少数人的问题"——只有开发者需要编程。笔记工具解决的是一个"所有人的问题"——每个人都想更好地组织和表达信息。

2016年，Notion 2.0上线。产品的核心是"Block"——一个可组合的内容单元。用户可以把文字、图片、数据库、列表、日历、代码块全部放在一个页面上，自由组合出任何想要的内容形态。

这个设计奠定了Notion此后所有增长的基础——"灵活"成了Notion最大的标签。你可以用Notion写日记、做项目管理、建Wiki、做CRM、做OKR追踪……几乎任何需要"结构化信息"的场景，都可以用Notion搭建。

2.3 用户增长：从100万到2000万

2018年到2021年是Notion的黄金增长期。用户量从100万暴涨到2000万，翻了20倍。估值从8亿美元飙升到100亿美元，跻身"独角兽"行列。

这个阶段Notion几乎零付费营销——靠的是用户自发的口碑传播。在Reddit、Twitter、YouTube上，大量用户分享"我是怎么用Notion搭建xx系统的"。Notion的灵活性和"好看"的视觉风格，让它成了新一代知识工作者的标配工具。

但增长背后有一个隐忧：大量用户在免费版上搭建了复杂的系统，但付费率并不高。

Notion的免费版对个人用户已经相当慷慨——1000个Block限制，对于轻量级使用绰绰有余。很多个人用户可以用免费版无限期使用。团队版虽然需要付费，但Notion早期缺乏"组织级功能"（如企业级权限、审计日志等），大企业付费意愿不强。

2021年左右，Notion面临一个战略拐点：如何提高用户付费率？如何把"个人工具"变成"企业级工作操作系统"？

2.4 2023年的"AI时刻"

2022年11月，ChatGPT发布。整个科技行业被彻底点燃。Notion团队在第一时间意识到：AI可能是回答"如何让用户付费"这个问题的关键答案。

2023年初，Notion AI以公测版的形式上线。当时Notion的CEO Ivan Zhao在内部说过一句话："AI不会取代你，但会用AI的人会。Notion要做那个'会用AI的人'的工具。"

这句话精准地概括了Notion AI的战略定位：不是做"AI公司"，是做"帮用户用好AI的公司"。

2023年第二季度，Notion AI正式面向所有用户开放。定价为每月10美元/每个成员——与Notion Plus套餐价格持平，甚至略高于部分套餐。

这个定价在当时引发了不小的争议：一个AI功能，凭什么收和整个Notion平台一样的价格？

但数据给出了答案。据TechCrunch报道，Notion AI上线后迅速成为Notion增长最快的付费产品。截至2024年底，Notion AI对ARR的贡献已达数亿美元规模。

三、市场全景：知识管理的"旧世界"与"新秩序"

3.1 知识管理市场的"诅咒"

知识管理（Knowledge Management）这个品类，在Notion出现之前几乎是一个"被诅咒"的赛道。

为什么"被诅咒"？因为知识管理面临一个结构性矛盾："结构化"与"灵活性"的冲突。

Evernote走的是"强大的信息捕获"路线。用户可以快速保存网页、图片、语音、文字，然后用标签和笔记本分类。但Evernote的问题是"输入容易、输出困难"——信息存进去了，但很难被组织和利用。

Confluence走的是"结构化的企业Wiki"路线。团队可以创建层次化的文档结构，明确分类每个文档。但Confluence的问题是"过于死板"——创建新页面需要选择模板、填写表单、层层审批，写作流程被打断。

Notion的突破在于用"Block"这个底层单位同时解决了这两个问题：

• 输入极简单：在任何页面输入"/"就可以创建任何类型的内容块，打字体验流畅

• 组织极灵活：Block可以随意拖拽、嵌套、引用、链接、筛选、排序

3.2 Notion的竞争定位

有一种全球通用的语言，几乎没人喜欢，却是打工人升职加薪的敲门砖——PPT。

"工作干得好，不如PPT做得好"。因为做不好PPT，多少人向上汇报时说不清楚，工作成果得不到认可，辞职创业倒在融资的第一步。

支配了职场近40年，PPT早已被异化成一种形式主义的工具。乔布斯不用PPT，所以有了Keynote；但Keynote本质上还是另一种PPT。

直到有一家公司说：我们不做PPT的替代品，我们重新定义"演示"这件事。

这家公司叫Gamma。成立五年，50人团队，估值21亿美元，年化收入ARR突破1亿美元，坐拥超过1亿注册用户，在大部分AI应用还在烧钱时连续两年盈利。

首发：sucmodel.com

一、产品概述：从"反PPT"到AI视觉叙事平台

1.1 产品定位与核心功能

Gamma将自己定义为"AI驱动的视觉叙事平台"，而不是"AI做PPT的工具"。这个定位差异，决定了它的全部产品逻辑。

用户输入一句话、一个主题或一份文档，Gamma可以在几十秒内生成一份完整的演示文稿、文档、网页或社交媒体素材。它支持卡片式内容组织、多媒体嵌入、交互式展示，输出可以是链接、PDF、PPTX等多种格式。

核心功能包括：AI生成完整演示文稿、智能内容布局与排版、AI图片生成与搜索推荐、多格式输出、自定义品牌模板、协作与分享、嵌入Figma/Airtable/YouTube等交互元素。

1.2 一句话总结

"把'做PPT'从设计任务变成'说句话就搞定'的AI原生体验。"

1.3 核心数据一览

二、创始人故事：一个在公园长椅上诞生的想法

2.1 从Optimizely到创业

Gamma的三位创始人Grant Lee、Jon Noronha、James Fox曾是同事，都在A/B测试平台Optimizely担任高管。

Grant Lee是华人，做过咨询、投行和财务。多年PPT使用经历让他发现一个荒诞的事实：做PPT时90%的时间花在调格式、对齐、选字体、找图片，只有10%的时间在思考"到底想说什么"。这种本末倒置的状态一直困扰着他。

2020年疫情期间，居家办公成为常态。有一天Grant的妻子占用了家里唯一的书桌，他只能跑到附近的公园长椅上，费力地盯着手机屏幕上的PowerPoint开会。正是这次"公园长椅上的PPT体验"，让他下定决心做点什么。

他和Jon Noronha交流后发现对方也有同感——做Google Slides很痛苦，看别人做的Google Slides也很痛苦。

三人最终决定离开Optimizely，在旧金山开始了他们的第四次创业。

2.2 创业初期的"反PPT"理想

Gamma最初的想法是做一款"更漂亮的PowerPoint替代品"，一个在线排版工具。团队花了大量时间进行用户研究和原型制作，强迫自己每天使用自家产品，每周用Gamma做汇报。

通过大量调研，他们总结出传统PPT工具的三大痛点：

痛点一：格式设置吞噬了思考时间。 用户通常花费80%时间美化PPT，只有20%时间关注内容本身。打开PowerPoint，面对的永远是一张16:9的空白画布，从写下第一个标题起就要考虑字体、字号、位置。工具的默认形态就把人拉进了"设计任务"，而不是"思考任务"。

痛点二：PPT做不好看，观众就不买账。 在一个"颜值即正义"的职场环境里，一份视觉粗糙的PPT，即使内容再好，也很难获得应有的重视。这导致大量职场人被迫成为"PPT美化师"，而不是"内容思考者"。

痛点三：PowerPoint的固定结构迫使人们先做设计。 但绝大多数人没有受过专业设计训练。这种"设计优先"的范式，把绝大多数用户挡在了高效表达的门外。

Gamma的解决方案是"反过来"——表达优先，视觉在后。用卡片代替空白画布，用户先把内容逻辑写在卡片上，卡片会自动调整信息层级和排版，用户再一键选择设计模板。简单说，把排版和设计工作外包给系统规则。

但有一个问题：用户必须至少花一小时做出成品，才能感知到Gamma的价值。这个"时间成本"把很多人挡在了门外。

2.3 生死边缘：2022年的困境

2022年，Gamma推出了公测版。数据非常亮眼——拿下了Product Hunt当日、当周、当月的榜单第一，注册率从每周100人猛增到每周3000人，增长30倍。

但几周后增速开始放缓，用户留存率也不够。绝大多数人仍然觉得"用Gamma制作PPT太难了"。与此同时，公司的运营资金所剩无几，投资者施压要求转换赛道。

Gamma面临一个经典困境：产品有市场契合度的苗头，但不足以支撑公司活下去。

2.4 绝地逢生：All in AI的三个月

2022年11月，ChatGPT发布。Gamma团队第一时间获得了GPT-3的使用权限，但当时测试发现它既不能制作幻灯片，也不能总结文档要点，于是暂时搁置。

直到2023年初，Stable Diffusion等图像生成模型的出现给了团队新的灵感。他们意识到：AI或许能解决用户最头疼的问题——"把想法变成好看的幻灯片"这个过程太费力。

团队决定孤注一掷：三个月时间，100%投入AI转型。他们顶着压力不裁员、不转型，只给自己留了三个月。

三个月内完成了六大核心功能的开发：AI生成完整演示文稿、智能布局与可视化样式、AI设计建议、PDF导出等。这些后来都成为Gamma留住用户的核心功能。

2023年3月，Gamma的AI版本正式上线。这成了公司的生死转折点。

2.5 争议营销：被骂出来的增长

上线后的营销策略同样大胆。Gamma制作了一个"夸大产品当前能力"的宣传视频，并撰写了一篇极具争议的推文。结果YC创始人Paul Graham看到了这篇推文，转发怒斥他们在"胡说八道"。一传十十传百，各路AI网红纷纷下场讨论，最终让这篇推文爆了。

吃瓜群众好奇地点进去，发现Gamma生成的内容"有点意思"。争议带来了流量，而产品接住了流量。

在此之前，Gamma的日注册量只有几百人。AI版本上线后，日注册量从几百迅速攀升到超过10万人，零付费营销。2023年3月的这次发布，直接把Gamma从一个"快撑不下去的创业项目"，变成了"AI演示工具赛道的第一名"。

三、市场全景：一个从未被撼动的帝国

3.1 PPT市场的"诅咒"

PowerPoint诞生于1987年，至今快40年。全球每月有近10亿人在使用PPT或类似工具。Keynote、Google Slides等竞品陆续出现，但PowerPoint的地位从未被真正撼动——Office全家桶的生态捆绑太强大了。

这是一个"巨大但几乎不变"的市场。过去十年有无数"PPT替代品"出现又消失，它们都掉进了同一个陷阱：试图"只比PowerPoint好一点"，但本质上还是那个16:9的空白画布。

Gamma创始团队在早期调研中得出的判断是：真正的问题不是"PowerPoint不够好"，而是"整个演示工具品类的底层逻辑已经过时了"。

3.2 Gamma的市场机会

Gamma看到的机会是什么？

第一，信息分享方式变了。 远程和线上沟通成为常态。为什么内容非得是静态的16:9画布？为什么不能在手机上自由滚动、像网页一样展示？

第二，内容的形态需要更丰富。 为什么演示只能有文字和图片？为什么不能嵌入视频、交互组件、整个网站？

第三，互动性需要升级。 为什么只能是"点击下一页"的线性展示？为什么不能像网页一样点击展开、渐进呈现？

传统PPT工具的底层逻辑是基于"幻灯片"这个物理隐喻——它模仿的是"一页一页翻"的物理体验。但在数字时代，内容的消费方式早已不是线性翻页。Gamma要做的不是PPT的"改良版"，而是把这个底层隐喻整个换掉。

3.3 竞争格局

在AI硬件这个赛道上，过去两年里有一个现象非常扎眼：

Humane Ai Pin，发布前被吹成"下一个iPhone"，2023年11月发布，2024年5月媒体评测口碑崩塌，退货率远超销量，创始人团队先后离职。Rabbit R1，2024年1月在CES上刷屏，首批1万台卖出后用户发现"就是个安卓App套壳"，差评如潮，公司转向做开源软件。Rewind Pendant，挂在脖子上的AI吊坠，发布后几乎没有什么人买单，团队转型做软件去了。

三条都是估值过亿、融资千万美元级别的明星项目。它们共同的问题是：硬件卖不动，软件没人续费。

但就在这堆"AI硬件鬼故事"里，有一家中国公司跑出来了。

Plaud Note，一张3毫米厚的卡片录音笔，硬生生把AI录音这个看起来"又老又小"的赛道，做成了年化收入超1亿美元、年收入预计达2.5亿美元的生意。

2023年6月上市，2024年出货30万台+，2025年累计出货突破100万台，2026年出货突破200万台。更离谱的是它的利润率——"堪比iPhone"。

你说它是硬件公司？软件年费收入破了1亿美元ARR。你说它是软件公司？硬件又实实在在卖了200万台。你说它靠融资烧钱？创始人许高几乎不见投资人，公司早就盈利。

这篇文章，我们从商业模式的视角，把一个"硬件+订阅"的双轮驱动案例彻底拆开。

一、产品概述：一张卡片，切中一个巨大的"麻烦"

1.1 产品定位与核心功能

Plaud Note是一个AI录音笔。但如果你只是把它理解成"录音笔"，就完全错过了重点。

它长什么样？厚度2.9到3毫米，一张信用卡大小，可以磁吸在iPhone背面。内置三个高灵敏度麦克风，支持AI降噪，满电可连续录音30小时，可存储约480小时音频内容。

核心功能是什么？"先录音，再让AI帮你整理。"

把一段几小时的会议录音丢进去，自动生成摘要、待办事项、会议纪要、发言者区分，一键导出。支持60种语言实时转文字，自动生成思维导图。

关键洞察：iPhone用户有一个长期存在的痛点——打电话不能录音。Android早就有通话录音功能，iPhone因为隐私问题一直没有。Plaud Note磁吸在手机背面，通过物理方式解决了这个问题。

1.2 一句话总结

"把AI大模型塞进一张3毫米的卡片，让'开会录音'变成'开会即得可执行的工作文档'。"

二、创始人故事：四次创业，终见曙光

2.1 从武汉大学到硅谷

Plaud的创始人叫许高，90后。

本科就读于武汉大学金融专业。2012年大四时去荷兰做交换生，接触到一些创新课程，激发了创业的想法。

第一次创业：帮学生申请海外大学的网站。结果？"没想好怎么变现，也缺乏执行力"，最后把父母给准备的研究生学费都烧光了。第一次创业失败。

之后他又尝试了两次创业：一次是做一级市场初创公司推荐引擎，另一次做类似"拼好饭"的业务。都不算成功。后来他去北京华创资本做投资人，投了印尼数字银行Akulaku（如今估值20亿美元），这期间积累了对商业模式的判断力。

2.2 第四次创业：发现了一个被巨头"忘记"的赛道

2021年，许高开始寻找第四次创业方向。

这次他吸取了教训：创业不仅要点子，还要能看到变现的路径。

他注意到了一个数据：Google上一个叫"Live Transcribe"的实时语音转文字App，下载量超过了10亿次。

10亿次下载，说明什么？说明"把说的话变成文字"这个需求，巨大无比。

但有个问题：这个App不能保存音频，也不能保存文字。用完就没了。与此同时，海外录音笔市场被索尼、飞利浦、Olympus这些老牌巨头占据，产品迭代停滞了近十年——功能上还是单一录音，没有实时转写、没有AI摘要、没有智能降噪。

国内市场呢？讯飞、搜狗等公司一直在做智能录音设备，深圳的工厂源源不断地生产各种录音笔、手环、吊坠类产品。但海外市场几乎是空白。

许高的判断：不是没需求，是没人做好。

2021年11月，NiceBuild公司成立（后更名为Plaud），总部设在美国旧金山，供应链在深圳。

2.3 关键转折：ChatGPT引爆了"智能"的可能性

Plaud做的第一代产品叫Izyrec，一个迷你录音设备，定价50美元。功能很基础——录音、上传、用传统NLP做简单转写。结果大获成功，甚至因为"适合抓出轨"而破圈。

真正的转折发生在2022年11月：OpenAI发布了ChatGPT。

许高在接受媒体采访时回忆："2021年我就想做语义解析——抽象会议主题、要点、总结。但当时需要自己招NLP工程师，技术上很勉强。到了2022年底大模型出来那一刻，智能一下子突破了，逻辑成立了，而且变成一个理论上限很高的东西。"

大模型的出现，让Plaud从"一个录音设备"变成了"一个AI信息处理终端"。

2023年6月，Plaud在Kickstarter上推出了搭载AI功能的Plaud Note。众筹宣传视频里，一个中国工程师说着"塑料英语"，被越南工厂的人听不清楚——直击"录音+转写"这个核心痛点。

30天，众筹100万美元。

三、市场全景：一个"不起眼"的千亿赛道

3.1 为什么录音笔市场会"复活"？

在智能手机出现之后，录音笔这个品类一度被认为会消失——手机自带录音功能，谁还单独买一个录音设备？

但实际上，录音笔市场不仅没有消失，反而在AI的催化下迎来了"第二春"。

核心逻辑：从"录音"到"知识沉淀"的需求升级。

过去录音笔解决的是"记录声音"的问题。现在AI解决了"把声音变成可用的知识资产"的问题——会议纪要、待办事项、发言人分析、思维导图、多语言翻译……这些功能叠加在一起，让录音笔从"工具"变成了"助理"。

手机录音能替代吗？理论上可以，但实际不行：收录距离不够远，低功耗运行受限，录音时影响手机其他操作，更不用说AI转写、摘要生成这些复杂功能了。

用户放弃成本的逻辑：

软件App不满意，卸载即可，零成本。硬件产品花了1000块钱买回来，不满意也会"凑合用"——因为退换麻烦。这个"放弃成本"本身就是一个护城河。

再加上用户把过去一年所有会议录音都存在Plaud的云端——迁移成本更高。这就是典型的"锁定效应"。

3.2 市场规模

根据奥维云网数据，2026年第一季度，中国线上录音笔市场零售额1.4亿元，零售量39.4万台，均价从1月的334.8元稳步上升至3月的386.3元，消费升级趋势明显。

从品牌份额看，PLAUD以7.3%的市场份额排名第三，位列钉钉（22.83%）和科大讯飞（10.54%）之后。考虑到PLAUD核心市场在海外，这个国内份额已经相当可观。

目录

1. 产品概述：一张照片撬动的十亿级市场

2. 创始人背景：平均年龄17岁的"少年兵团"

3. 市场全景：卡路里追踪赛道的TAM与竞争格局

4. 用户画像深度分析：谁在为Cal AI付钱？

5. 产品功能拆解：从打开App到付费的全链路

6. 商业模式解码：定价、成本与收入结构

7. 收费墙实验引擎：123次A/B测试背后的增长密码

8. 增长策略全拆解：从0到1500万下载的完整路径

9. 技术账本：PHPer视角的硬核成本分析

10. 可复制的方法论：国内创业者的3条行动指南

11. 风险与挑战：这个模式什么时候会失败？

12. 全文总结：Cal AI的真正启示

一、产品概述：一张照片撬动的十亿级市场

1.1 产品定位与核心功能

Cal AI是一款基于AI视觉识别的卡路里追踪应用。用户只需拍摄一张食物照片，AI即可在数秒内估算出该食物的卡路里含量及宏量营养素（蛋白质、碳水化合物、脂肪）数据。

产品定位高度聚焦：不做精确到克的营养数据库，只做"拍张照就能知道大概吃了多少"的轻量级工具。

核心功能极简到只有三个主界面：

• 拍照识别（核心功能）

• 结果显示页（卡路里+三大营养素）

• 每日汇总（今日摄入总量及趋势）

1.2 关键数据一览

1.3 一句话总结

"用AI把'麻烦的事'变成'拍张照'，切入被头部玩家忽视的轻度用户市场。"

二、创始人背景：平均年龄17岁的"少年兵团"

2.1 Zach Yadegari——产品与战略负责人

• 7岁开始学编程

• 16岁时开发了游戏网站"Totally Science"，以近10万美元出售

• GPA 4.0，ACT 34分，但申请18所顶尖大学被拒15所

• 最终进入迈阿密大学，因Cal AI爆发后休学

• 自称"像乔布斯一样旁听感兴趣的课"

2.2 Henry Langmack——技术与工程负责人

• Zach在编程夏令营认识的高中好友

• 负责Cal AI的技术架构和AI模型集成

• 被收购时还在上高中

• 主导了从通用视觉模型到定制化模型的迁移

2.3 Jake Castillo——增长与营销负责人

• 第四位加入团队的成员（2024年5月初加入）

• 专门负责KOL营销和增长策略

• 构建了Cal AI的"KOL增长机器"

2.4 团队配置的启示

核心洞察：团队从一开始就是"技术+商业+营销"的完整配置：

可复制的经验：不要一个人单打独斗。Zach在意识到自己"做营销不行"后，立即邀请Jake加入。分工明确的四人团队，比一个全能型创始人跑得快得多。

三、市场全景：卡路里追踪赛道的TAM与竞争格局

3.1 市场规模

全球健康和健身App市场：

独特优势：健康追踪是App Store留存逻辑最硬的品类之一。用户一旦开始记录饮食，历史数据本身就是换平台的成本——切换意味着过去数月的所有记录全部丢失。

3.2 竞争格局全景

3.3 Cal AI的竞争定位

Cal AI没有选择在"精确度"上竞争——那是一场地形不利的战争。

MyFitnessPal的盲区：MyFitnessPal的数据库有2000万+食物条目，但其CEO Mike Fisher在收购后亲口承认："MyFitnessPal用户可以精确记录一个汉堡放了2片还是3片酸黄瓜，但Cal AI用户只是希望记录不要太干扰他们的生活。"

Cal AI的定位：服务"被过度服务"的轻度用户——想记录饮食但不追求精确到个位数卡路里的普通人。

战略结论：真正的蓝海不是"没人做的赛道"，而是"有人在做但做得不好、让普通用户坚持不下去的赛道"。

四、用户画像深度分析：谁在为Cal AI付钱？

4.1 四层用户分层模型

4.2 地域分布

4.3 核心洞察

Cal AI付费用户的核心特征不是"健身狂热"，而是"怕麻烦"。这个群体被头部玩家长期忽视，但数量比硬核健身用户大一个数量级。

这一条对国内创业者的启发：不要去抢头部玩家的核心用户，去找"被过度服务"的轻度用户。头部产品做不了"简单"，是因为它们的DNA就是"复杂"——这正是你的切入点。