“一人公司”真的是机会？瓶颈在哪？

2025年11月，苏州举办首届人工智能OPC大会，提出打造“一人公司创业首选城市”。^[1]三个月后，深圳印发《OPC创业生态引领地行动计划》，目标2027年底建成超10家OPC社区、培育超千家高成长性AI创业企业。^[2]又过了三个月，工信部等七部门联合发布行动方案，明确要求“加快培育人工智能一人公司”。^[3]截至2026年5月，全国已有23个城市出台OPC专项扶持政策，OPC社区及载体426处，覆盖26个省65个城市。^[4][5][6]

政策铺路的速度前所未有，配套手段也实打实。这些手段可以分成两类：一类降低的是AI调用成本，比如算力券，让创业者能以补贴价使用大模型算力；另一类降低的是创业固定成本，比如专项基金、启动资金、工位免租、全程网办注册。前一类才是关键。算力券降低AI调用成本，意味着过去需要雇人做的事，现在用AI就能做；过去需要一个团队才能完成的产品研发、市场推广、财务合规，现在一个人加AI就能覆盖。蓝鲸新闻援引国金证券的分析，给这个逻辑提炼了一个简洁公式：“算力”即“人力”。^[7]中国信息通信研究院的数据更具体：超62%的一人公司深度应用AI工具，单人产出效率较传统小微企业提升3倍至5倍。^[7:1]

但复旦大学新闻学院副院长姚建华在接受新华网专访时给出了更冷静的判断：“目前多数从业者仅有创业构想，业务落地能力偏弱，行业整体仍未发展成熟。”^[4:1]他还指出，部分OPC社区存在“重数量、轻质量”的倾向，盲目追求社区规模，“空壳化”隐忧已经显现。^[4:2]

一边是政策红利和AI赋能的叙事，一边是“行业整体仍未发展成熟”的专家判断。这个落差指向一个被忽视的问题：一人公司的瓶颈到底在哪？对中国中产投资者和潜在创业者而言，真正该问的不是“AI能不能让一个人干一个团队的活”，而是“算力等于人力这个公式漏了什么”。

算力等于人力这个公式，漏了一项。漏的那一项，叫判断力。AI让一人公司在执行层可行了，但一人公司的瓶颈从来不在执行层，在判断层。AI放大的是你的能力，也放大你的错误。

AI放大的是你的能力，也放大你的错误。MAVERICK 判断

核心判断

1. AI让一人公司在执行层可行了，但一人公司的瓶颈从来不在执行层，在判断层。
2. 模型能换掉的是人力，换不掉的是判断力
3. 判断力来自经验，不来自算力。

政策到底在扶持什么，AI到底改变了什么

先厘清一个被严重混淆的概念。截至2025年6月，全国一人有限责任公司已突破1600万家，占全国企业总量的27.4%。^[8]但这个数字里的绝大多数，是传统个体经营者的法律形态升级，跟AI没有关系。街边的奶茶店、网店、装修队，注册成一人有限公司的都算在内。政策真正扶持的，是“AI一人公司（AI OPC）”，即“在人工智能赋能下，由个体完成产品研发到市场投放全链路闭环的新型创业形态”。^[4:3]1600万家一人公司是法律口径，政策培育的AI OPC是生产力口径，两者完全不同。用1600万这个数字来判断AI OPC的成熟度，等于用全国机动车保有量来判断自动驾驶的普及率。^[9]

AI改变的，其实是执行层的成本结构。这个改变沿三条线展开。

{
  "id": "opc-efficiency",
  "type": "dataset",
  "title": "一人公司在研发、市场与财务环节的AI效率提升",
  "deck": "报告数据显示，市场与客服环节的提升幅度最高，研发、财务与合规环节也有明显改善。",
  "badge": "数据图表",
  "source": "数据与来源见本文参考文献。",
  "sets": [
    {
      "label": "AI Agent效率提升",
      "max": 100,
      "rows": [
        {
          "label": "研发与迭代",
          "value": 83,
          "display": "83%",
          "detail": "研发和迭代速度显著提升，缩短从想法到产品的周期。"
        },
        {
          "label": "市场与客服",
          "value": 96.8,
          "display": "96.8%",
          "detail": "最接近翻倍的执行链，但获客与信任仍需创业者判断。"
        },
        {
          "label": "财务与合规",
          "value": 87.5,
          "display": "87.5%",
          "detail": "标准化后台工作更适合交给Agent。"
        }
      ]
    }
  ]
}

第一条线是单点效率的倍增。中关村人才协会的报告显示，AI Agent在实际应用中，研发与迭代效率提升83%，市场与客服效率提升96.8%，财务与合规效率提升87.5%。^[8:1]这意味着过去需要三个人分别承担的研发、市场、财务职能，现在一个人加AI就能覆盖大部分。2025年11月发布的Claude Opus 4.5在性能提升29%的同时，价格较前代降低67%，^[8:2]当时被视为效率曲线加速的标志。此后趋势进一步确认：2026年6月30日，Anthropic发布Claude Sonnet 5，性能逼近同期的旗舰模型Opus 4.8，但价格仅为其40%。^[10]旗舰能力下放到中端价位，意味着一个人调用AI的成本还在持续下降。

第二条线是启动周期的压缩。江苏追觅科技孵化的OPC业务单元，平均搭建时长仅12天，^[11]远快于传统企业数月的筹备周期。这条线解决的是“从零到一”的速度问题：过去创业的最大固定成本之一是时间，组建团队、磨合流程、跑通供应链动辄半年，现在AI把这个周期压到了两周以内。

第三条线是人力结构的重构。当一个人加AI能承担一个三人团队中约80%的执行工作，剩下约20%的决策工作由人来做，团队的结构就从“三个执行岗加一个决策岗”变成了“AI加一个决策岗”。AI吃掉的是执行层，留下的是判断层。^[12]

三条线合在一起，指向同一个结论：AI确实让一个人能干过去一个团队才能干的活，执行层的门槛从“组织级”降到了“个人级”。^[11:1]

但AI没改变的，是判断层。做什么产品？为谁做？怎么收费？什么时候转向？这些问题的答案，AI给不了。国金证券把OPC的核心逻辑概括为“以模型换人力”，^[7:2]这个概括精确但不完整：模型能换掉的是人力，换不掉的是判断力。政策的真正价值在于降低试错成本：算力券降低了AI调用成本，工位免租降低了场地成本，全程网办降低了注册成本。但降低试错成本和保证商业成功之间，隔着一条叫“市场需求”的鸿沟。姚建华在专访中直言：有的地方把OPC社区当作共享办公场所和招商载体，但未能提供实质性落地场景，“从业者只能依赖补贴”。^[4:4]

AI让一人公司在执行层可行了，但一人公司的瓶颈从来不在执行层，在判断层。政策降低了试错成本，但没有降低判断门槛。

谁活下来了，以及凭什么？

姚建华的调研揭示了一个关键特征：OPC创业者主要是掌握专业技术、拥有高学历、且有科技企业或科研机构工作经验的青年群体。^[4:5]换句话说，目前活下来的OPC创业者，大多是在职场中已经积累了判断力的人。大量灵活就业人员、县域青年及普通劳动者，尚缺乏使用AI工具的能力和数字创业意识。^[4:6]AI降低了执行门槛，但没有降低判断门槛。

新华网报道的杭州李云帆的案例，就是一个典型。^[12:1]他是计算机专业出身，曾组建团队开发应用软件，后来转型为OPC。他开发的AI作文批改产品“作文说”，上线4个月用户突破1.5万。他的判断力来自此前的创业经验：知道做什么、怎么验证、怎么迭代。AI承担了约80%的编程工作，但那80%是执行层的工作。剩下的20%，做什么产品、为谁做、怎么收费，是他作为“战略官”在拍板。^[12:2]

姚建华同时指出了失败者的共同特征：同质化竞争、应用场景供给不足、业务落地能力偏弱。^[4:7]这三个问题指向同一个根源：执行层准备好了，判断层没有。

这里有三个坑值得注意。

第一，把政策红利当成商业验证。政府扶持的是“AI一人公司”这个业态，不是你的产品。入驻OPC社区、拿到算力券，只说明你通过了政策审核，不说明你通过了市场审核。姚建华指出，有的社区“未能提供实质性落地场景，从业者只能依赖补贴”，一旦补贴停止，没有建立独立商业模式的创业者就会退出。^[4:8]

第二，把AI能力当成竞争壁垒。AI是公共基础设施，人人可用。62%的一人公司深度应用AI工具，^[7:3]这意味着AI已经成为默认假设，不再构成差异化优势。当所有人都在用AI，AI生产的东西就趋同，利润就被打穿。真正的壁垒来自对垂直场景的深度理解和用户留存，这两样AI给不了。

第三，把“一人”当成“一人到底”。OPC的“一人”是决策层的一人，不是执行层的一人。可持续的OPC会随着业务增长，把非核心环节外包或招人，核心决策始终在一人手里，但执行不限于一人。杭州仓颉智能从3人加AI智能体起步，靠订单积累和客户信任做大，最终扩展至60余人，就是这条路径的样本。^[12:3]

活下来的人的共同特征是：在进入OPC之前，已经在某个领域积累了专业判断力。AI降低了执行门槛，但没有降低判断门槛。判断力来自经验，不来自算力。

判断失效的条件与决策情境分析

“算力等于人力，但漏了判断力”这个判断，在三种情境下需要重新审视。

情境A，判断层瓶颈持续。AI Agent的能力未突破到可以独立完成需求判断加产品决策的闭环，OPC创业者仍需依赖个人判断力，社区存活率持续低迷。此时投资或创业的决策逻辑是：只在已有专业判断力的领域进入OPC，回避“有算力无判断”的跟风者，盯住OPC社区的一年存活率作为行业成熟度的观测指标。这是当前正在发生的情境。

情境B，AI Agent突破判断闭环。如果AI能自己判断做什么、为谁做、怎么收费，OPC的瓶颈就从判断层转移到资本层，本文判断作废。翻转信号是AI Agent的能力突破到可以独立完成需求判断加产品决策的闭环，且在真实商业环境中跑通。

情境C，OPC出现可复制的成功模式。目前多数OPC案例是孤例，李云帆的作文批改、张小博的仓颉智能都是个案，没有形成可复制的模板。如果出现清晰的OPC成功模式并被规模化复制，说明判断层正在被标准化。翻转信号是OPC社区中出现可复制的成功模式，且政策从“扶持注册”转向“扶持盈利”，即开始出现针对OPC的政府采购订单或税收优惠，说明OPC从“鼓励探索”进入了“制度层面的认可”。

观测指标：盯住OPC社区的一年存活率。姚建华指出“行业整体仍未发展成熟”，“多数从业者仅有创业构想，业务落地能力偏弱”。^[4:9]如果存活率持续低迷，说明热潮中多数是试错者，真正的模式尚未跑通。如果存活率显著上升，说明判断层的门槛正在被某种方式克服。判断失效的时间窗口，大约在AI Agent突破判断闭环，或OPC社区出现可复制成功模式并被规模化复制之后的12个月内。