從零到2.5億下載量:這個大學生憑一招「模仿策略」打造AI應用帝國

一個在臥室裡抽大麻玩《英雄聯盟》的加拿大大學生,如何在7個月內打造出全球下載量破億的AI應用?Ben的故事顛覆了所有關於創業的刻板印象。從Wombo到Dream,他憑藉一套簡單卻威力驚人的「模仿策略」,不僅獲得了Nvidia的投資,更證明了在AI時代,最成功的創業者往往是那些最會「抄作業」的人。

- #從遊戲中悟出的致勝法則

Ben的成功秘訣源自一個意外的靈感來源:《英雄聯盟》。「我是個打野位的玩家,大概在白金到黃金等級,屬於前30%的玩家。為了提升技術,我開始觀看比我厲害的玩家直播,然後模仿他們的打法,再加上自己的創意。」

這套「模仿加創新」的策略,後來成為他在商業世界無往不利的核心武器。Ben堅信一個簡單的道理:「如果某個東西有效,你可以複製它並加上自己的特色,它很可能會繼續有效。」

- #捕捉趨勢的敏銳嗅覺

2020年夏天,Ben敏銳地捕捉到了兩個關鍵信號。第一個是Reface應用,這款換臉應用登上App Store第一名,並獲得A16z領投的550萬美元融資。「我完全理解這個應用的運作方式,知道他們使用什麼模型,設計也非常簡單直觀。」

第二個信號來自PewDiePie的一支影片,展示了「First Order Motion Model」這個開源AI模型的奇妙效果。影片中,人們使用Google Colab筆記本將自拍照變成會唱歌的動畫,在Discord等技術圈瘋傳。

「某天晚上,我和室友在屋頂抽大麻,看著這些迷因影片。有人做了個Telegram機器人可以做類似的事情。我們想,為什麼沒人做一個簡單的應用,讓任何人都能輕鬆使用呢?」

- #Wombo:極簡設計的病毒式成功

從靈感到上線,Wombo經歷了7個月的開發過程。Ben透露了這款應用成功的關鍵要素:「只有四個螢幕:拍照、選歌、載入畫面、然後輸出。就這樣,我們獲得了1億下載量。」

更聰明的是歌曲選擇策略。Ben精心挑選了15首歌曲:「我們選擇了一些最具代表性和經典的歌曲,還有一些迷因歌曲。關鍵是,你不需要懂英語也能跟著節拍。比如Vengaboys的《Boom Boom Boom》,無論在哪裡都能引起共鳴。」

結果令人震驚:Wombo在首月就獲得了5000萬下載量,前三個月總計超過5000萬,最終突破1億。「我們在行銷上花費為零,所有預算都用在推理運算上。」

- #Dream:搶先進入圖像生成賽道

看到Wombo的成功後,Ben立即將同樣的策略應用到下一個AI模型。他發現當時只有20-30個人在Twitter上玩VQGAN+CLIP模型,能生成夢幻般的圖像。

「這些是神經網路圖像合成的早期嘗試,我們做了同樣的事情:將它包裝成有趣易用的手機應用。」Dream的成功更加驚人,同樣登上App Store第一名,比Midjourney和Stable Diffusion更早進入市場。

Ben總結了成功的核心要素:

  • 簡單的輸入方式(Wombo是自拍,Dream是文字提示)
  • 預處理用戶輸入(Wombo的驅動影片,Dream的風格關鍵字)
  • 超快的免費推理速度
  • 有趣易用的介面設計
  • - #變現之道:98%免費用戶推動病毒傳播

    當被問及變現策略時,Ben的回答很直接:「複製比你更厲害的人。」他引入了訂閱制和廣告模式,訂閱價格從每月5美元到每週20美元不等。

    「98%的人會免費使用我們的應用,但正是這98%的人推動了病毒式傳播,讓我們登上App Store第一名。我們的收入來自那2%不在乎價格、想要額外功能的用戶。」

    在巢峰期,Dream的月收入超過50萬美元,讓公司達到了盈利狀態。

    - #從逆境中重生的韌性

    成功並非一帆風順。在2022年,正當準備進行A輪融資時,領投方在盡職調查進行兩個月後突然退出。「我們從擁有App Store第一名的應用、即將獲得1500萬美元投資,突然變成資金告罄。」

    更糟的是,Dream再次爆紅導致當月AWS帳單高達100萬美元。「我當時的哲學是『錢是假的,讓我們專注做出驚人的產品』,後來發現這個想法有問題。」

    接下來的一年半,Ben進入了「蟑螂模式」:「我不付任何不必要的帳單,團隊極度專注於產品變現。」最終,他們重新實現盈利,並獲得了Nvidia的投資。

    - #掌握內容創作的病毒密碼

    Ben不只是開發應用,還深諳內容創作的病毒傳播規律。他建立了兩個收藏夾,專門研究過去兩年在各平台爆紅的AI生成內容。

    最近的成功案例是「懷孕貓咪」系列迷因。「我們讓知名人士變成懷孕的貓,比如川普和馬斯克的對話:『伊隆,我們的孩子要出生了。』『唐納德,為什麼這些小貓長得像傑佛瑞·愛潑斯坦?』」

    這個看似荒謬的創意在Instagram獲得了1880萬觀看次數。Ben解釋成功要素:「使用知名人士、有點爭議性、懷孕是所有人都能理解的概念,而男性懷孕會讓人感到震驚。」

    更令人印象深刻的是,他們將相同的創意套用到不同人物身上,每次都能爆紅。「梅西和C羅版本、川普和拜登版本,基本上是同樣的劇本,但每次都有效。」

    - #未來展望:無限機會的AI時代

    對於想要進入AI應用開發領域的創業者,Ben的建議很明確:「機會是無限的。人們黏在手機上,他們想要娛樂和實用性。如果你能提供有用或有趣的內容,你就能製作應用。」

    他特別強調不需要風險投資:「你需要風險投資嗎?絕對不需要。」Ben認為,如果你能製作出真正偉大、真正獨特、真正抓住當下時機的應用,就能獲得數億下載量,並賺取至少數千萬美元。

    「這是一個瘋狂的時代,每隔幾個月就有新的18歲孩子憑藉簡單愚蠢的東西月賺200萬美元。而且這個趨勢只會加速。」

    Ben的故事證明了在AI時代,成功的關鍵不在於擁有最先進的技術,而在於能夠敏銳地觀察趨勢、快速行動,並將複雜的技術包裝成簡單易用的產品。正如他所說:「如果你製作了一部真正好的電影,會有多少人觀看?如果你創作了一首真正好的歌,會有多少人收聽?關鍵在於創造真正偉大的東西。」

    在這個充滿無限可能的AI時代,也許下一個成功故事就是你的。

    參考資料來源:https://www.youtube.com/watch?v=a2JBWwASzUU

Read more

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

很多人問我,在 Claude 裡面,Project、Skill、Connector 這三個東西到底差在哪裡? 什麼時候該用哪一個? 老實說,我一開始也搞得很混亂。 但實際用了一段時間之後,我發現其實邏輯很簡單。 先從最基本的開始:Connector 是對外的資料來源 如果你需要從外部拿資料,比如說接 Google Calendar、接 Notion、接你自己的資料庫,你就需要 Connector。 它就是一個 MCP 的連結,讓 Claude 可以去外面抓資料回來。 沒有 Connector,Claude 就只能用它自己知道的東西,沒辦法碰到你的資料。 Skill 則是內部的運算邏輯 Skill 沒有辦法對外連接。 它只能在內部用 Python 或程式碼執行。 你可以把它想成是一個 Controller,專門負責處理運算的部分。 比如說,你想讓 Claude 用特定的格式改寫文章、

By Andy Lin
讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need 最近我在 Claude 上快速搭建了七大 Agent。 原因很簡單:你的助理應該是越使用越懂你。 而 Claude Project 有個關鍵功能叫 Memory,它會根據你不斷詢問的過程,主動提取記憶。 這就是我認為 AI 助手真正強大的地方。 GA 分析助手:從進階到客製化 自從我串接 GA MCP 後,這位助手已經變得非常厲害。 漏斗分析、訪客來源、異常事件追蹤、站上任何問題都難不倒它。 但我想要的不只是這些。 我希望它隨著時間,能夠對齊我的知識,知道我要什麼。 你不用想太多,不用一次設定好整個 instructions。 試著使用一週,再回頭看看 memory,你會發現它已經根據你的行為開始學習客製化了。 許多助手不需要懂老闆要什麼,但網站分析不一樣。 因為我沒有那麼多美國時間,

By Andy Lin
AGI 來臨:兩大 AI 巨頭的預測與警示

AGI 來臨:兩大 AI 巨頭的預測與警示

在近期的達沃斯論壇上,Anthropic 執行長 Dario Amodei 與 Google DeepMind 執行長 Demis Hassabis 進行了一場關於「AGI 之後的世界」的深度對談,揭示了 AI 發展的最新進展與未來展望。 AGI 時間線預測 Dario 重申了他去年的預測:在 2026-2027 年,AI 模型將能夠在諸多領域達到諾貝爾獎得主的水準。他表示目前 Anthropic 的工程師已經不再親自寫程式碼,而是讓模型來完成編寫工作,人類只負責編輯和周邊任務。他預估在 6-12 個月內,模型將能端到端完成大部分工程師的工作。 Demis 則持稍微保守的態度,認為在十年內有 50% 的機會實現 AGI。他指出編程和數學領域較容易自動化,因為結果可驗證;但自然科學領域則更具挑戰性,需要實驗驗證,且目前模型在「提出問題」和「建立理論」

By Andy Lin
讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

最近我嘗試做了一個 Agent,專門用來分析我的身體健康狀況。 這不是什麼有商業潛力的專案,純粹是出於好奇。 我想知道現在的 AI 到底能幫我們把健康分析做到什麼程度。 資料從哪來? 要讓 AI 分析任何東西,首先得有資料。 我第一個想到的就是 Apple Health。 因為我每天戴著 Apple Watch,它本來就會自動記錄睡眠、運動、心跳這些數據。 除此之外,我也在嘗試另一個經絡檢測的儀器,有點像中醫把脈的概念,只是還沒整合進來。 我覺得如果未來能把更多資料源串在一起,應該可以做出更有意思的應用。 技術架構其實不難 我用了一個叫「Apple Health Auto Export」的 App。 這個 App 可以把健康資料透過 REST API 自動傳送到你指定的伺服器。 資料打到伺服器後,我再處理並存到 Database 裡。 接著寫一個 MCP Server,然後在

By Andy Lin