W1 研究系列｜上集

在2026年提起「一人公司」，很容易聯想到一名創辦人在電腦前，讓多款AI工具分別寫程式、整理資料、製作內容和回覆客戶。過去需要數人合作、耗時數月籌備的產品，如今可能在數日內推出。

AI 確實降低了個人創業的啟動成本，但主要集中在產品開發和日常執行。產品面世後，創辦人仍要找到願意付費的客戶，維持重複購買，承擔軟件、雲端和推廣成本，並在有限時間內處理銷售、合規和服務。AI令更多人有能力啟動創業，卻無法同步消除企業持續營運所必須跨越的商業門檻。

什麼是一人公司（One-Person Company）

「一人公司」在不同資料中有不同定義。法律上的一人公司通常指由單一股東控制的法人，但這類公司仍可聘用僱員。下文中引用 Stripe 所說的solo founder，是公司創立時只有一名創辦人[1]；美國官方統計所稱的nonemployer business，則指沒有受薪僱員的企業，當中可以包括自僱者、兼職業務和由多人共同擁有的企業[2]。

本文討論的範圍，是由一名創辦人主導、沒有固定受薪僱員，或主要依靠數碼工具和外部服務營運的企業及項目。

生成式AI推高單人創業活動

生成式 AI 大幅降低了產品開發與創業的門檻，讓單人創業活動出現爆發式增長。 

Stripe Atlas數據顯示，2026年第二季經其平台成立的美國C類公司中，63%在創立時只有一名創辦人，創下平台紀錄[1]。數據只涵蓋Stripe Atlas用戶，但反映單人起步在軟件及網上服務創業者之中已相當普遍。

更直接的支撐來自一項分析160,143個Product Hunt產品發布紀錄的研究。研究以ChatGPT-3.5推出為分界，比較單人與團隊項目的變化。兩類項目其後均有增加，但到2025年，單人項目的增幅相對團隊項目高近90%[3]。

這清楚說明了一件事：生成式 AI 讓一個人也能完成過去需要整個團隊才能做出的產品。 

產品推出只是OPC的起點

一人企業本來就是規模較小、流動率較高的群體。美國人口普查局曾追蹤875萬家初創企業長達八年，數據顯示，沒有受薪僱員的初創企業，八年存續率僅為27%，遠低於僱主企業的48.8%[2]。這項早於生成式AI熱潮的研究，雖不能直接用來計算AI一人公司的失敗率，卻提供了一項重要的歷史基準：沒有受薪僱員的初創企業，其長期存續率本來便低於僱主企業。

AI普及後，這種高流動結構可能進一步放大。原因是開發成本下降後，更多尚未充分驗證需求、投入程度較低的項目亦能進入市場。同一項Product Hunt研究發現，ChatGPT推出後，單人項目在發布12個月內「未再於該平台更新」的比例，由95.1%升至97%[3]。

這反映AI在增加單人項目數量的同時，也可能把更多短期、低投入的試驗帶入市場。產品上線，只是企業存續考驗的第一步。

AI提高收入上限 收入分布同步拉開

AI 確實讓部分一人公司的收入上限顯著提升，但也讓市場的收入差距急遽惡化。 

Stripe的數據顯示，自2022年起，年收入超過10萬美元的單人創辦者增加三分之一。AI原生的單人公司成立兩年後，營收接近其他單人公司的兩倍[1]。這顯示AI原生公司在Stripe樣本中的收入表現較高；不過，差異亦可能受到產品定位、創辦人能力及客戶類型影響。高收入企業增加，也不等於一般創辦人的營收同步上升。

以2025年經Stripe Atlas成立的單人公司為例，成立後首六個月的營收中位數按年下降23%，收入最高十分位的企業則上升19%。四年前，最高十分位的首六個月收入約為中位數的34倍；到2025年，差距擴大至61倍[1]。

高收入企業的增加，並不等於一般創辦人能跟著受惠。AI 的紅利主要被少數頭部項目佔據，進一步拉開了贏家與普通人的距離。 

少數項目雖見高成長，整體收入平均依然偏低 

AI 雖然加快了產品開發進度，卻未能提高商業變現的勝率；市場呈現勝者佔據市場大部分利潤，絕大多數 AI 個人專案的實質收入依然微薄，難以支持長期運營。

獨立產品營收平台 TrustMRR 於 2026 年 9 月對平台上 10,150 個專案（含 5,049 個 AI 專案）的數據分析顯示[4]：

• 變現機率並未提升：AI 產品在過去 30 天錄得收入的比例為 49.3%，與非 AI 產品 49%幾乎持平；能達到月經常性收入$5,000 美元門檻的比例，兩者亦僅分別有 3.8% 與 3.9%[4]。

• 實際營收中位數極低：即使只算有進帳的專案，AI 產品過去 30 天的營收中位數僅有 $161 美元，甚至略低於非 AI 產品的 $175 美元[4]。

• 財富向頂級 1% 集中：平台上有 26.1% 的產品從未獲得收入，23.8% 的產品過去曾有進帳但近月已歸零；最頂尖 1% 的產品，獨佔了整個平台高達 76.1% 的總營收[4]。加上麥肯錫與開發者 Pieter Levels 的觀察，AI 產品需持續支付 API 算力成本，又面臨容易被用戶快速複製替代的風險，導致後段專案的毛利與定價能力被進一步壓縮[5][6]。

數據擺在面前，當 1% 的頭部玩家壟斷了近八成營收，絕大多數單人專案往往停留在月入幾百美元、甚至隨時停擺的邊緣，產品「開發成功」與「商業存續」依然是截然不同的兩回事。

一人公司持續營運的五項壓力

壓力一：產品更易開發 也更易被模仿

AI 雖然提高了軟體開發效率，但也大幅推低了技術門檻與複製成本，導致市場迅速充斥功能相似的工具，令產品破圈的難度大大提升。 

McKinsey 於 2023 年的研究顯示，生成式 AI 提升開發效率的幅度因任務而異：編寫新程式約快 35% 至 45%，程式重構約快 20% 至 30%，遇上複雜任務成效則會收窄 [7]。開發變快使競爭者更容易複製相近功能。另一項分析 29 萬個 Product Hunt 項目的研究發現，ChatGPT 面世後，具備「差異性」的產品比例由 25% 下降至 16% [8]。

單靠「較快的開發速度」已無法形成長期競爭優勢。對一人公司而言，產品難以被替代的關鍵優勢源自無法被通用模型輕易複製的專有資料、深度產業流程與客戶信任。 

壓力二：內容增加 客戶注意力沒有同步增加

AI 大幅推高了行銷內容的產出速度，卻無法擴充大眾的總體注意力；當市場訊息高度過載，傳統靠大量內容與搜尋引擎導流的獲客模式效益已顯著衰退。 

HubSpot 在 2026 年調查指出，80% 行銷人員已使用 AI 製作內容，其中 53% 坦言在內容飽和的市場中難以突圍，52% 認為整體成效反而下降 [9]。同時，搜尋流量正受到 AI 摘要（如零點擊搜尋）的衝擊 [10]。

當內容生產不再稀缺，「文字與短片的產量」便不再是護城河。能否精準理解特定用戶痛點、建立品牌信任感，並找到穩定的銷售管道，反而比純粹生成內容更具決定性。 

壓力三：首次付款不足以證明需求能夠持續

客戶看待「單次成交」與「持續需求」的態度截然不同，AI 雖然能加速首筆訂單的產生，卻無法保證長期的市場需求。 

Stripe的數據顯示，收入最高十分位的單人公司，接近30%的首月客戶會在下一個月再次付款；中間十分位只有8%。到第二年初，前者在開業首月取得的客戶，平均消費額較最初增加47%[1]。

這些數字清楚地將「一次性買賣」與「持續性需求」劃分開來。 首次付款可能來自折扣、嘗鮮或創辦人的個人網絡；重複付款才較能反映產品是否持續解決客戶問題。AI可以加快接觸客戶、修改產品和處理支援，但客戶是否願意再次購買，最終仍取決於產品的價值。

壓力四：用 AI 不等於省卻營運成本

AI 雖然省下了固定員工薪資，卻換成了模型 API、雲端算力與軟體訂閱等變動成本；若缺乏精確的「單位經濟」計算，帳面上看似有營收的專案，實際上可能嚴重虧損。

Flexera 在 2026 年調查 753 名雲端主管的報告顯示，企業平均有近三成（29%）的雲端算力與伺服器開支屬於閒置或無效浪費 [11]。這項數據揭示了一個現實：當 AI 工具及使用量越疊越多，伺服器與 API 的用量監控本身就成了一項繁重的營運負擔。

以一家提供「 AI 審閱合約的工具」訂閱服務的一人公司為例：

原訂價：每位客戶 $100 美元 / 月。平台調價後：因應市場競爭，調降價格至 $80 美元 / 月。創辦人合理薪酬：創辦人A 若在外面全職工作，合理月薪為 $6,000 美元。

• 用戶訂閱成本：每服務一名客戶，每月需支付模型 API 費 $20 美元、雲端伺服器費 $5 美元，合計$25 美元。

• 創辦人的時間成本：每新增一名客戶，創辦人每月平均需花 0.4 小時處理相關技術客服，合計$15 美元。

• 一個用戶的總變動成本：$25（硬成本）+ $15（時間成本）= $40 美元

假設該產品的月流失率為 10%，這意味著客戶平均付費時間為 10 個月。 

許多一人公司看起來賺錢，是因為創辦人「免費」出讓了勞動力。當服務不同客戶數時，扣除創辦人合理薪酬（月薪 $6,000）後的公司真實盈餘。

假設創辦人A 每月除了服務客戶的直接工單外，還需要固定投入 60 小時 進行產品開發與行銷。

真實盈餘計算公式：

公司真實盈餘=(客戶數單戶每月毛利)-固定薪酬成本($2,250)

調價後（單戶毛利 $40）在不同客戶規模下的損益表現：

簡單來說，「有收入」不等於「真的賺到錢」。如果計算時，忽視客戶留存率低、API 成本波動，或者將創辦人自己的時間成本歸零計算，一人公司極易陷入「表面有進帳、實際比打工還慘」的獲利假象。

壓力五：一個人能完成更多工作 不等於不再需要組織能力

一人公司的吸引力，在於減少僱員、辦公室和管理開支。但公司的發展上限，不只看工作量，更取決於決策、銷售和承擔風險的能力。 

Stripe 發現，雖然單人公司初期收入一度領先，但至第 24 個月時，表現頂尖的「多創辦人公司」收入較同級單人公司高出 53% [1]。

這說明一人公司的短板恰恰在於一個人精力和時間有限。真正成熟的一人公司，會懂得在適當時候找外包或專業人士合作，不讓公司的存亡完全綁在自己一個人身上。 

中國內地經驗：項目成立後仍要面臨「獲客」難關

真正的難關是獲客與營運，而不是做產品

用 AI 做出產品並不難，真正的考驗是產品推出後，怎樣找到顧客買單，並處理複雜的商業營運。

復旦大學新聞學院發布的《2026 年中國一人公司調研報告》指出，創辦人就算靠 AI 順利做出了產品，後面依然要面對找客戶、談生意、報稅、處理版權以及日常營運等現實問題 [12]。許多項目最頭痛的不是「做不出產品」，而是「拿不到穩定訂單」；加上模型呼叫成本累積、市場上出現大量同質化產品競爭，以及所有法律責任全集中在個人身上，這些壓力都會在產品上線後陸續爆發。

一人創業最殘酷的現實是：AI 能幫你寫程式、做產品，但不會自動幫你招攬生意，更無法替你承擔營運與法律風險。

AI 只是「能力放大器」，無法取代真正的產業經驗

能成功賺錢的一人公司，核心優勢依然來自創辦人原本累積的專業與資源；AI 只是放大個人能力的工具，無法憑空取代這些底子。

《2026 年中國一人公司調研報告》整理的案例顯示，能夠真正走完商業交付、穩定賣出產品的單人創辦者，通常在創業前就已經具備產品、銷售、科研或特定行業的經驗，甚至手上已經掌握了供應鏈和客戶管道[12]。

這說明了 AI 就像是一個「能力放大器」。如果創辦人本身懂行又有客源，AI 能讓他如虎添翼；但如果原本就缺乏產業經驗與銷售能力，AI 也無法憑空把他變成成功的創業者。

高收入一人公司的共同特徵

Stripe追蹤2022及2023年經Atlas成立、擁有至少兩年收入紀錄的數千家單人公司，發現收入最高十分位的企業有幾項較常見特徵[1]：

• 產品的核心功能依賴AI，而不是在既有服務外加一項AI功能。到第24個月，AI原生單人公司的收入接近其他單人公司的兩倍。

• 主要服務企業客戶。到第24個月，單人B2B公司的營收中位數超過B2C公司的四倍。

• 較早測試海外市場。收入最高十分位的單人公司在首月平均已向十個國家銷售，到第24個月平均覆蓋四十個美國以外的國家，海外收入佔51%。

• 較早建立重複付款。表現較好的企業更常採用週期性收費，也較早留住首批客戶。

這些歸納出來的特徵來自Stripe Atlas中的頭部企業，不是所有一人公司都能複製的成功公式。它們直接地提供一個參考，AI只有在清楚的客戶、收費和交付模式中，才較可能轉化為持續收入。

創辦人更應留意哪些數字

當AI令推出產品變得容易，「上線」本身便不適合作為成功指標。創辦人更需要留意以下問題：

• 首批付費客戶到第二及第三個月是否仍然留下；

• 每名客戶帶來的毛利，能否覆蓋模型、雲端、推廣和支援成本；

• 收入是否過度依賴單一平台、單一大客戶或一次性推廣；

• 把創辦人的工時按合理薪酬計算後，公司是否仍有盈餘；

• 創辦人暫停工作一星期，服務能否繼續交付。

對香港創辦人而言，海外市場可以提高收入上限，但跨境付款、合規、客戶支援和本地化，也會把部分由AI節省的成本重新帶回來。真正要比較的不是一個人能否做出更多功能，而是每增加一名客戶後，收入、成本和工作量如何變化。

AI只改變了企業的起點

AI對一人公司的直接影響，是讓更多人有能力把構思推向市場。個人可以用較低成本測試需求，專業人士可以把知識轉化為服務，缺乏資本組建團隊的人也取得更多入場機會。

但進場者增加不等於成功率上升。當供給增長快於需求，市場會出現更多短期項目、更激烈的注意力競爭，以及更集中的頭部收入。AI減少了產品開發所需的人力，卻沒有取代客戶需求、重複收入、成本控制、信任和組織後備。

一人公司會成為更常見的企業起點。它能否繼續營運，最終仍取決於客戶是否再次付款、收入能否覆蓋完整成本，以及創辦人能否把個人能力轉化為不完全依賴自己的營運系統。

參考資料

[1] Carey, J. (2026, May 28). Solo founding is at an all-time high: Top performers have these traits in common. Stripe. https://stripe.com/blog/top-solo-founder-traits

[2] Robb, A., & Diagne, A. F. (2025). Startup dynamics: Transitioning from nonemployer firms to employer firms, survival, and job creation (CES Working Paper No. 25-26). U.S. Census Bureau, Center for Economic Studies. https://www.census.gov/library/working-papers/2025/adrm/CES-WP-25-26.html

[3] Kim, H., Kang, H., & Song, J. (2026). Generative AI fuels solo entrepreneurship, but teams still lead at the top (arXiv:2605.10291). arXiv. https://doi.org/10.48550/arXiv.2605.10291

資料註記：「沒有更新」並不完全等同於公司結業，亦不能證明項目毫無收入——創辦人可能轉用其他渠道、將產品改名或出售。

[4] Mifanr. (2026, September 5). I pulled 10,150 products on TrustMRR: No fast money. https://mifanr.com/en/posts/trustmrr-census/

[5] McKinsey & Company. (2026, January 27). AI adjusts the software bill. https://www.mckinsey.com/featured-insights/charts/ai-adjusts-the-software-bill

[6] Levels, P. (2026, July 21). AI raises everyone's app quality but customers now vibecode their own clones to skip paying. https://levels.io/ai-removes-app-layer-as-customers-vibecode-clones

[7] Karaci Deniz, B., Gnanasambandam, C., Harrysson, M., Hussin, A., & Srivastava, S. (2023, June 27). Unleashing developer productivity with generative AI. McKinsey & Company. https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/unleashing-developer-productivity-with-generative-ai

[8] Cheng, Z., & Gao, K. (2026). Does generative AI make startup ideas alike? Evidence from Product Hunt. SSRN. https://doi.org/10.2139/ssrn.7151418

[9] Forsey, C. (2026, August 26). The state of generative AI & how it will revolutionize marketing: New data and expert insights. HubSpot. https://blog.hubspot.com/marketing/state-of-generative-ai

[10] Agarwal, S., & Sen, A. (2026). AI summaries in search and their impact on publisher traffic. Indian School of Business, Institute of Data Science. https://www.isb.edu/faculty-and-research/isb-institute-of-data-science/research/ai-summaries-in-search-and-their-impact-on-publisher-traffic

[11] Flexera. (2026). 2026 State of the Cloud Report. https://info.flexera.com/CM-REPORT-State-of-the-Cloud

[12] 姚建華、高軒、賀子陽、胡良益（2026）。〈2026年中國一人公司（OPC）調研報告〉。《工會理論研究》，2026(4)，4-18。https://www.opc.cn/policy-activity/4502/

Written by Doris Yuen, Digital Marketing Executive