意大利Bending Spoons AI时代 软件公司如何变身私募基金运营

Bending Spoons是意大利米兰的软件资产运营公司，收购Evernote、Vimeo等增长停滞产品，通过裁员70%至85%并接入内部技术平台实现高效改造。文章解析其绕开从0到1风险、专注从1到N的收购策略，0.04%录取率的人才密度，以及AI工具如何降低门槛。适合创业者、产品经理理解未来软件行业以少人高系统为核心的竞争范式。

Tags:

• Bending Spoons
• 意大利
• AI时代
• 软件资产运营
• 收购模式

2025 年 3 月，户外路线规划 App Komoot 的员工像往常一样登录系统。

然后他们发现，公司被卖了。

买家是一家来自意大利米兰的公司：Bending Spoons。

这家公司在欧美科技圈已经有点“恶名在外”。它最出名的不是做出了某一个爆款产品，而是买下那些增长停滞、组织臃肿、曾经辉煌但正在衰落的软件公司，然后迅速重组。

Komoot 被收购后，两周内，150 人团队里大约 85% 的员工离开。

有老员工对媒体说，这是一场“粗暴而残酷的背叛”。创始人拿到了接近 3 亿欧元交易的大头，而那些参与建设产品十几年的人，很多只拿到遣散费和一段告别视频。

这听起来很冷酷。

但更让人不舒服的是：这套打法，确实有效。

Bending Spoons 过去几年接连收购了 Evernote、WeTransfer、Vimeo、AOL、Eventbrite 等一批互联网品牌。它的核心模式非常清晰：

1. 买下增长乏力的软件资产；
2. 大幅裁员；
3. 接入统一技术平台；
4. 重构产品、定价和增长系统；
5. 用更少的人，把产品运营得比原团队更高效。

如果放在十年前，这可能只是一个极端案例。

但放到今天，尤其是 AI 编程工具、智能体系统、自动化运营能力快速成熟的今天，Bending Spoons 可能不再只是一个特例。

它更像是 AI 时代软件公司的一个新模板。

---

一、软件公司正在从“创业故事”变成“资产运营”

过去我们理解软件公司，通常是一个很浪漫的叙事：

一群创始人发现一个痛点，做出产品，找到 PMF，用户增长，团队扩张，融资上市，改变世界。

但 Bending Spoons 讲的是另一个故事。

它不迷恋从 0 到 1。

它真正擅长的是从 1 到 N。

这两件事完全不同。

从 0 到 1，是找需求、找用户、找场景、找商业模式。这里面有大量不确定性，也有很多运气成分。很多创业公司死掉，并不是因为团队不努力，而是因为市场不存在，时机不对，或者产品方向一开始就错了。

但从 1 到 N，是另外一套能力。

它考验的是工程效率、产品迭代、数据分析、商业化、组织管理、成本控制和长期运营能力。

Bending Spoons 的核心判断是：

让别人承担从 0 到 1 的风险。等一个产品已经证明市场需求，但公司增长停滞、效率下降、组织臃肿时，再买下来，用系统化能力把它重新做大。

这不是传统意义上的创业公司。

它更像一家“软件资产运营公司”。

或者说，一家用技术能力重构软件公司的私募基金。

---

二、Bending Spoons 的起点：一次失败和 4 万美元

Bending Spoons 的故事，并不是从一场成功开始的。

2010 年，五个意大利工程学生在哥本哈根创业，做了一款照片分享 App，叫 Evertale。

他们参加过 TechCrunch Disrupt，拿过种子轮融资，也经历过转型。

最后项目失败了。

大多数创业团队在这种时候都会散伙，但他们做了一个很少见的决定：谁能找到工作，谁就把工资拿出来养其他人。

后来，Luca Ferrari 拿到了麦肯锡的工作。

白天，他是咨询顾问；晚上，他把工资寄给那些还在坚持的联合创始人，帮他们付房租和生活费。

项目最终关闭时，投资人懒得处理清算流程，把股份以 1 美元卖回给团队。团队最后剩下大约 4 万美元。

这 4 万美元，就是 Bending Spoons 的起点。

这次失败让 Luca Ferrari 学到一个残酷但重要的教训：

他们当时太自以为是了。

他们以为自己知道市场要什么，花了几年时间按照自己的假设做产品，结果证明市场并不买账。

于是，他开始重新思考创业这件事。

他意识到，创业可以分成两个阶段：

第一个阶段，是从 0 到 1，找到真正成立的需求。

第二个阶段，是从 1 到 N，把已经验证过的东西规模化。

Bending Spoons 后来选择的，就是尽量绕开第一个阶段，把所有精力放在第二个阶段。

这也是它和大多数创业公司的根本区别。

---

三、它不是“买公司”，而是“买确定性”

Bending Spoons 的第一笔交易非常小。

它花了大约 1 万美元，买下了一款 iOS 键盘定制 App。

逻辑很简单：买下来，优化产品，赚到现金流，再把现金流投入下一笔交易。

一开始，它买的是一些不性感的小工具：图片编辑器、工具类 App、效率产品。

这些产品不会成为媒体头条，但有用户、有下载、有收入、有优化空间。

慢慢地，一个飞轮开始形成：

买下已经有用户基础但增长见顶的产品；

把产品接入自己的技术和增长平台；

提升效率、提升收入、提升利润；

用产生的现金流继续买更大的资产；

平台能力变强后，再改造更复杂的产品。

到 2022 年，Bending Spoons 年收入已经超过 1 亿美元，累计 App 下载量超过 5 亿，而且很长一段时间几乎没有依赖大规模股权融资，主要靠留存利润和债务滚动发展。

真正让它进入大众视野的，是后面一连串大交易。

2022 年 11 月，收购 Evernote。

2024 年 7 月，收购 WeTransfer。

2025 年 9 月，以 13.8 亿美元收购 Vimeo。

2025 年 10 月，以约 15 亿美元收购 AOL。

2025 年 12 月，以 5 亿美元收购 Eventbrite。

到这个阶段，Bending Spoons 已经不再是一家普通 App 公司。

它管理的是一组拥有数亿月活用户的互联网品牌组合。

它买的也不是简单的产品。

它买的是已经被市场验证过的用户关系、品牌资产、数据资产和付费习惯。

这就是为什么它看起来像私募基金。

但它和传统 PE 最大的不同在于：它真的懂软件。

---

四、Bending Spoons 的改造方法：先找理想形态，再疯狂执行

Bending Spoons 收购一家公司后，不是简单地把财务表格拿出来砍成本。

它的改造一般分成两个阶段。

第一个阶段，是重新理解产品。

它会派产品经理和工程师深入产品内部，理解用户是谁，产品为什么存在，用户真正依赖什么，哪些功能是核心，哪些只是历史包袱。

它要回答一个问题：

如果今天重新设计这个产品，它最理想的形态应该是什么？

第二个阶段，是执行。

技术架构现代化；

产品迭代速度提高；

商业化系统重做；

价格体系调整；

组织结构重组。

Evernote 被收购后，原来几周甚至一两个月发布一次更新，后来变成了每周更新。

与此同时，定价往往也会被大幅调整。

很多用户会不满，但如果产品本身有足够强的迁移成本，比如积累了大量笔记、文件、工作流、历史数据，用户即使抱怨，也不一定真的离开。

这也是 Bending Spoons 能赚钱的关键。

它不是靠“讨好所有用户”赚钱。

它是靠找到用户真正离不开的部分，然后围绕这部分提高效率和商业化能力。

---

五、真正的护城河：不是裁员，而是内部平台

很多人一提到 Bending Spoons，就只看到裁员。

但只看到裁员，就低估了这家公司。

裁员只是结果，不是能力本身。

Bending Spoons 真正的底层能力，是它多年积累出来的一整套内部技术平台。

它内部有大约 50 多个自研工具，用来支撑不同产品的分析、实验、机器学习、商业化和运营。

例如：

Pico 是它的分析平台，每天处理大量查询，用来做 A/B 测试，优化 UI、付费墙、转化路径。

Manurva 用来预测用户生命周期价值，帮助团队判断哪些用户、哪些市场、哪些动作值得投入。

Pantheon 负责跨产品的机器学习运营。

这些工具让 Bending Spoons 不是每收购一家公司，就从头搭一套数据系统、增长系统、商业化系统。

它是把新资产接入一套共享基础设施。

这就像软件行业里的“中央厨房”。

不同产品前台看起来不一样，但后台的分析、实验、定价、模型、工程基础设施可以复用。

这也是传统私募基金很难复制的地方。

PE 可以买公司，可以砍预算，可以换管理层，也可以调整价格。

但 PE 通常没有一支长期稳定、深度技术化的软件组织，去真正重构产品底层架构。

Bending Spoons 的 CEO 曾经说过，公司大概是“25% 私募基金，75% 科技公司”。

这句话非常准确。

它的外壳像 PE，本质却是技术公司。

---

六、0.04% 的录取率：它把人才当成操作系统

Bending Spoons 还有一个极端之处：招聘。

2025 年，它收到超过 70 万份求职申请，最后只录用了大约 100 人。

录取率约 0.04%。

这比全球绝大多数顶尖大学都更低。

它特别喜欢招年轻毕业生。

原因也很直接：年轻人没有太多大公司习惯，容易被塑造成公司的工作方式。

在 Bending Spoons，一个 28 岁的营销人才，后来可以负责整个 Evernote 业务单元，而这个业务一年收入达到数亿欧元级别。

这背后反映出一个很重要的组织判断：

在高度系统化的公司里，年轻但聪明、学习速度快、执行力强的人，可以被平台放大。

Bending Spoons 不靠人数取胜。

它靠的是极高密度的人才，加上极强的内部系统。

500 多人去管理一组庞大的全球软件资产，如果放在普通公司，是很难想象的。

但如果每个人都足够强，且底层工具高度复用，这件事就变得可能。

这也是 AI 时代特别值得创业者思考的地方。

未来的软件公司，可能不再以人数作为实力象征。

真正重要的是：你有没有一套系统，能让少数高密度人才产生巨大杠杆。

---

七、为什么 AI 会让这个模式更普遍？

Bending Spoons 过去很难被复制，因为它有两个门槛：

第一，必须有极强的软件工程团队。

第二，必须有多年积累的内部工具平台。

但 AI 正在降低这两个门槛。

2023 年的 AI 工具还没那么可靠。GPT-4 可以写代码、回答问题，但还很难独立完成复杂的软件交付。

但现在，AI 编程工具和智能体系统正在快速进化。

越来越多任务可以被自动化：

• 整理需求；
• 生成代码；
• 编写测试；
• 排查问题；
• 生成分析报告；
• 辅助客服；
• 搭建运营流程；
• 优化广告和付费转化。

这意味着什么？

过去需要一个大团队维护的软件产品，未来可能只需要一个小团队加一套 AI 工具。

过去只有 Bending Spoons 这种少数公司能做到的“少人管理多产品”，未来可能会变得更普遍。

这才是这家公司真正值得关注的地方。

它不是简单告诉我们“裁员可以提高利润”。

它真正揭示的是：

AI 时代，软件公司的最小运营单元正在变小。

一个团队可以管理更多产品。

一个工程师可以承担更多系统。

一个增长负责人可以同时优化更多市场。

一个公司可以用更少的人，跑更大的业务组合。

这会改变软件创业的竞争方式。

---

八、它的模式不是万能的：FiLMiC 就是反例

当然，Bending Spoons 的打法并不是对所有产品都有效。

FiLMiC 是一个很好的反面案例。

FiLMiC 是一款专业视频拍摄 App，用户是一群非常在意体验和专业能力的移动影像创作者。

Bending Spoons 收购后，按照标准打法做了商业化调整：从一次性买断转向订阅，提高价格。

但这次效果并不好。

FiLMiC 的用户不是普通大众用户，而是专业用户和深度爱好者。他们更敏感，更有判断力，也更愿意为了不满而离开。

结果是用户社区强烈反弹，收入开始下滑。

这个案例说明，Bending Spoons 的模式最适合两类产品：

第一类，是普通用户大量使用、但用户议价能力不强的产品。

第二类，是用户已经积累了大量数据或习惯迁移成本的产品。

比如 Evernote。

用户多年积累的笔记、文件、工作流，让它即使涨价，也不容易被立刻替代。

但如果一个产品服务的是专业用户、发烧友、创作者群体，他们对体验和价值感非常敏感，那么粗暴涨价和改商业模式就很可能失败。

这对创业者也有启发：

不是所有用户都一样。

有些用户看似小众，但话语权很强。

有些用户看似沉默，但迁移成本很高。

商业化策略不能只看收入模型，还要看用户结构。

---

九、创业者真正该学什么？

Bending Spoons 的故事很容易让人陷入道德争论。

裁员 70% 到 80%，这确实很残酷。

但如果我们把情绪先放一边，它对创业者、出海团队和增长负责人至少有五个非常重要的启发。

1. 不一定要迷信从 0 到 1

很多创业者都执着于“原创想法”。

但现实是，从 0 到 1 的失败率极高。

Bending Spoons 选择的是另一条路：不追求发明需求，而是重构已经存在的需求。

这对很多中小团队很有意义。

你不一定非要做一个全新的品类。

你也可以找到那些已经被验证、但体验差、商业化弱、组织低效、增长停滞的产品，然后用更强的执行力重新做一遍。

尤其在出海市场，很多工具类、效率类、内容类、AI 类产品，并不是没有需求，而是老产品没有跟上新的技术周期。

机会不一定在“没人做过的事”。

机会也可能在“有人做过，但做得不够好”。

2. PMF 之后，拼的是系统能力

很多公司找到 PMF 之后，反而开始变慢。

团队变大；

流程变复杂；

技术债堆积；

增长动作碎片化；

数据系统跟不上；

商业化越来越靠经验。

Bending Spoons 的强项就是把这些事情系统化。

它不是靠某一个天才产品经理，而是靠一整套基础设施。

这提醒我们：

真正能放大的公司，不是只会做一个爆品的公司，而是能持续复制产品、增长和商业化能力的公司。

对出海团队来说，尤其如此。

你不能每做一个 App，就重新搭一次广告系统、订阅系统、A/B 测试系统、推送系统、数据分析系统。

如果每个产品都重新造轮子，组织规模一定会越来越重。

真正的 App 工厂，拼的不是 App 数量，而是底层系统复用能力。

3. 价格不是不能涨，关键是用户有没有迁移成本

很多创业者不敢涨价。

怕用户骂，怕转化下降，怕差评。

但 Bending Spoons 的经验说明，价格并不是绝对不能动。

关键在于用户为什么留下。

如果用户只是轻度使用，没有数据积累，没有习惯依赖，没有工作流绑定，那么涨价会很危险。

但如果用户已经把笔记、文件、内容、关系、流程沉淀在你的产品里，价格弹性就会完全不同。

所以商业化的前提，不是先想怎么收费。

而是先想：

用户有没有持续使用理由？

用户有没有积累？

用户离开的成本是什么？

如果没有迁移成本，订阅就很难长期成立。

如果有迁移成本，商业化空间就会大很多。

4. AI 不是让公司不需要人，而是让组织密度变高

AI 不会让所有人消失。

但它会让低效率组织越来越难生存。

过去，一个软件公司可能需要很多人维护产品、写代码、做客服、做运营、做分析。

现在，AI 可以把大量低杠杆任务自动化。

这意味着未来更有竞争力的组织，不一定是人数最多的组织，而是单位人效最高的组织。

Bending Spoons 已经证明，一支小而强的团队，加上一套好系统，可以管理大量软件资产。

AI 会进一步放大这个趋势。

未来优秀公司的组织画像可能是：

人少；

人才密度高；

工具链极强；

决策更依赖数据；

产品迭代更快；

中后台高度复用。

这对创业者是机会，也是压力。

机会在于，小团队可以做更大的事。

压力在于，如果你的团队还停留在传统人力堆叠模式，竞争力会越来越弱。

5. 软件公司会越来越像“资产组合”

过去我们说创业，往往只关注单一产品。

但 Bending Spoons 展示的是另一种可能：

一家软件公司可以不是一个产品，而是一组产品组合。

有的产品提供现金流；

有的产品提供用户入口；

有的产品提供品牌资产；

有的产品提供数据积累；

有的产品提供未来增长期权。

这和传统投资组合很像。

区别是，Bending Spoons 不是被动持有资产，而是用技术和运营系统主动改造资产。

这对有流量、有工程能力、有商业化能力的团队尤其重要。

如果你已经有一个大流量入口，那么你不一定只靠主 App 变现。

你可以孵化多个轻产品；

可以收购小工具；

可以做 H5 MVP；

可以把广告、订阅、AI 能力、用户数据系统平台化；

最终形成一个软件资产组合。

这可能是很多出海团队未来的重要方向。

---

十、残酷，但清醒

我们不需要把 Bending Spoons 神化。

它的模式确实有冷酷的一面。

被收购公司的员工，往往是代价承担者。

那些用十几年时间建设产品的人，可能在一夜之间被系统淘汰。

从人的角度看，这并不美好。

但从商业角度看，Bending Spoons 又提出了一个很难回避的问题：

很多软件公司，是否真的需要那么多人？

很多组织复杂度，是否只是历史惯性？

很多产品停滞，是否不是因为市场不行，而是因为公司运行方式不行？

过去十几年，科技行业有一个默认假设：

增长需要更多人。

更多用户，需要更多工程师；

更多产品，需要更多经理；

更多市场，需要更多运营；

更多收入，需要更大组织。

Bending Spoons 反过来问：

如果共享基础设施足够强，如果人才密度足够高，如果 AI 工具足够成熟，增长是否一定需要更多人？

它的答案是：不一定。

这就是它真正刺痛行业的地方。

它不是一家温和的公司。

但它可能是一家非常代表未来趋势的公司。

---

结语：AI 时代，软件公司的新范式正在出现

Bending Spoons 的故事，不只是一个意大利公司的并购故事。

它背后是软件行业正在发生的一次结构性变化：

软件产品越来越像可被重组的资产；

AI 正在降低维护和迭代产品的人力门槛；

优秀团队可以用更少的人管理更多业务；

增长和商业化能力正在平台化；

从 0 到 1 之外，从 1 到 N 也会成为一个巨大机会。

未来几年，我们可能会看到越来越多类似 Bending Spoons 的公司出现。

它们不一定从头创造产品。

它们会收购、整合、重构、提效、商业化。

它们会用 AI 和内部平台，把老产品重新榨出增长空间。

这对创业者来说，是一个非常现实的提醒：

不要只盯着新想法。

也要盯着旧产品里的新机会。

一个已经被验证的需求，一个增长停滞的产品，一个商业化低效的用户群，一套可以被 AI 重构的工作流，可能就是下一个机会的入口。

在 AI 时代，最稀缺的未必是 idea。

而是识别资产的能力、重构系统的能力，以及把产品长期运营下去的能力。

Bending Spoons 让人不舒服。

但它也让人清醒。

软件行业的下一轮竞争，可能不是谁讲的故事更性感，而是谁能用更少的人、更强的系统、更快的迭代，把已经存在的需求运营到极致。