如果你还在用 SaaS 时代的 GTM（Go-To-Market）方法 来理解 AI 创业，那你大概率已经落后
如果你还在用 SaaS 时代的 GTM（Go-To-Market）方法 来理解 AI 创业，那你大概率已经落后了。
在过去，企业软件的经典路径是：
先做产品 → 找到 PMF → 再搭销售和营销引擎。
而今天，一批 AI-native 公司正在彻底改写这套逻辑。
他们用极小的团队、极少的融资，甚至几乎没有传统销售体系，就把收入推到千万、甚至上亿美元级别。
本文基于对多家高速增长 AI 公司的系统分析，包括：
Gamma：30 人团队，ARR 超过 5000 万美元
Genspark：45 天做到 3600 万 ARR
Surge AI：自举做到 10 亿 ARR
Mercor：年化收入 4.5 亿美元
Lovable：8 个月 1 亿 ARR
Cluely：靠争议营销做到 600 万 ARR
Harvey：法律科技领域 1 亿 ARR
它们的成功不是偶然，而是揭示了一套正在成型的 AI 原生 GTM Playbook。
下面，我们拆解其中 6 个最关键、最可复用的模式。
一、先做「分发」，再决定「产品」
在 AI 时代，产品 → 分发 → 规模化 的顺序，正在被反转。
案例：Genspark
Genspark 最初的定位是 AI 搜索引擎，很快积累了 500 万用户。
但在 2024 年底，他们观察到一个变化：
用户不再只是问「帮我总结一个市场」
而是开始下达「直接产出结果」的指令
比如："帮我做一份这个市场的 Pitch Deck"
他们没有继续打磨搜索，而是在 2025 年 4 月彻底转型，从 AI Search 切换为 AI Agent Engine（自动执行任务）。
结果？
👉 45 天，ARR 直接冲到 3600 万美元。
关键点不在于转型本身，而在于：
他们在转型前，已经掌握了分发能力。
案例：Cluely —— 把「争议」当分发引擎
Cluely 的路径更激进。
创始人 Roy Lee：
因开发「面试作弊工具」被哈佛、哥大开除
直接把这段经历，变成公司核心叙事
slogan 是："Cheat on everything"
这不是噱头，而是一种 分发优先的 GTM 战略。
a16z 合伙人 Bryan Kim 的判断很直接：
在 AI 市场，Momentum（势能）本身就是护城河
因为：
底层模型每月都在进步
功能很快会被复制
速度 > 技术壁垒
Roy Lee 甚至公开表示：
我现在能拿到这些大企业合同，
唯一原因是决策者在 Twitter 上看过我，觉得我有意思。
Cluely 没有传统销售团队，却直接签下 百万美元级企业合同。
当然，这种策略风险极高：
品牌争议、信任问题、产品早期质量不足……
但它的核心逻辑非常清晰：先抢注意力，再跑到逃逸速度。
二、把「社交平台」当成基础设施，而不是营销渠道
这些公司有一个共同点：
它们不是"做社交营销"，而是"生在社交平台上"。
Genspark：分布式内容工厂
运营 60+ 内容创作者（内部称为 interns）
按视频付费
2 周内在 TikTok / Instagram 产生 2000 万播放
这不是传统 KOL 投放，而是一个持续运转的内容生产系统。
Cluely：创始人即分发渠道
CEO 本人就是最大流量入口
招聘增长岗位，要求：至少 10 万粉丝
每个员工，天然就是一个分发节点。
Gamma：一次推文，撬动指数级增长
Gamma CEO 发布了一条刻意引发争议的推文，
引来 Paul Graham 等人参与讨论。
72 小时内：
日注册用户
从几千 → 几万
结论：
这些公司不是"运营社媒"，
而是在组织结构层面，把社交分发写进了 GTM DNA。
三、产品本身，就是增长引擎
第三个模式更隐蔽，但极其强大：
把"获客"设计进产品结构里。
Gamma：「Made with Gamma」
免费版所有产出内容
都带有「Made with Gamma」标识
每一份 PPT、文档、网页，
本身就是一次精准曝光。
Lovable：用产品，生产分发工具
「Launched」：展示用 Lovable 做的 App
每个项目都有「Edit with Lovable」按钮
一条推文 → 1 周生成 2 万个网站
这是典型的 Meta Growth：
用产品，反过来造增长工具。
Mercor：数据飞轮型分发
Mercor 是 AI 人才市场：
每一次成功匹配
都会产生高质量数据
数据反过来提升模型准确率
更好的匹配 → 更多交易
增长来自使用本身，而不是营销预算。
四、早期客户，选「最难的」，而不是「最好卖的」
传统建议是：
找一个最容易卖的 ICP，先活下来。
AI-native 公司反着来。
Mercor：从 AI Labs 切入
他们本可以做普通招聘，但选择了 AI 实验室：
好处是：
反馈极快（几天见结果）
需求极端（48 小时要 300 人）
逼迫自动化（人工流程根本撑不住）
CTO 的原话是：
人类数据和人才评估，正在变成同一件事。
Harvey：选择最保守的法律行业
法律行业：
风险厌恶
合规复杂
销售周期极长
但正是这种「难」，
逼迫 Harvey 构建了 安全、信任、流程级壁垒。
当 Allen & Overy 让 3500 名律师测试 4 万个问题 后，
这已经不仅是客户，而是行业信号。
五、从「席位定价」走向「信用点 / 用量定价」
AI 产品的成本结构决定了：
SaaS 那套 seat-based pricing 不再成立。
Gamma
免费 400 credits
$10 / $20 月度套餐
官方态度：愿意在重度用户上亏钱
因为他们带来增长。
Genspark
不同任务，消耗不同 credits
视频生成 = 高成本
Pro 套餐 $249 / 月
Lovable
按 message 次数
用完即升级
不结转，制造明确转化节点
Mercor
候选人免费
企业付 30% 服务费
补贴供给，收费需求
核心目标只有一个：
让收入，和真实价值 & 成本强绑定。
六、极致精简的团队结构
最后一个模式，可能最颠覆认知。
Surge AI
110 人
10 亿 ARR
人均 900 万美元
创始人信仰一句话：
招 10x 的人，而不是 10x 的人数。
Gamma：「Player-Coach」模式
管理者必须亲自做事
设计师占 1/3 团队
极少中层
结果是：
决策快
协作成本低
高自主度文化
Lovable
<30 人做到 5000 万 ARR
拒绝 YC
用 $200 万做到 $3000 万 ARR
招人速度：极慢
结论：
在 AI 时代，组织复杂度是增长的最大敌人之一。
写在最后：AI 时代，没有标准 GTM 模板
这些案例不是在告诉你「必须这样做」，
而是在提醒你：
分发可以来自产品结构
增长可以来自创始人本身
定价可以是动态的
盈利和高速增长可以同时存在
AI 原生公司成功的关键，不是更高效地执行旧规则，
而是勇敢质疑那些曾经"理所当然"的规则。
规则还在被书写。
而现在，正是创业者最有机会参与定义它们的时刻。
——
如果你正在做出海产品、AI 产品，或者认真考虑创业，
这套 GTM Playbook，值得你反复拆解。
关注「海外增长圈」，
我们持续拆解真实案例，讲清楚增长背后的结构性逻辑。
月入70万的代理公司老板自白：我如何用订阅制+自动化，彻底告别"追客户"
没有评论:
发表评论