18个月一人公司大翻盘：负债上庭到百万博主
李超在 2025 年初开始做自媒体时，上一段创业刚刚收尾。那是一家做体育场景图像 AI 的公司：团队曾从三人扩到四五十人，也曾覆盖全国约五百个线下场馆。后来，疫情、双减政策和体育行业的商业条件改变了原先的增长路径。公司开始裁员，他还要处理定制项目、投资回购和诉讼。
一年半后，他以第四种黑猩猩的名字在全网积累了一百多万粉丝，同时做内容、企业服务、AI 工具和培训课程。苔藓之火这次对谈没有把这段变化包装成一套创业模板，而是沿着他实际做过的事情，讨论一个人怎样从收缩中的公司走向新的工作结构，以及智能体进入企业后究竟改变了什么。
从体育数据到创业收缩
李超此前长期做 AI 创业。团队的底层能力是识别场馆里的运动场景：例如跟踪运动员的跑动，再把数据交给机构或普通运动者使用。面向机构时，产品可以提供专业数据分析；面向个人时，数据会被整理成成长档案或运动短视频。体育教育培训在 2019 至 2021 年间带来了一段可观的市场，团队因此扩张。
变化随后很快到来。教育培训相关需求受冲击后，业务更依赖场馆和赛事等纯体育场景。公司融到钱后，除了原先的篮球，也尝试足球、羽毛球、马拉松等方向。李超回看时认为，方向铺得太开，投入和亏损都增加了。标准化的场馆产品相对容易管理，难题更多出在金额较大的定制项目：它们前期能带来现金流，后期也会持续占用交付资源，客户经营困难时还可能演变成纠纷。
“所有融的钱都不是天上飘来的，是要还的。”
这句话的背景不是抽象的风险教育。李超说，他在创业结束阶段要准备证据、上庭，也要面对债务。对他而言，2025 年初最直接的目标是还钱；另一个目标是继续留在 AI 行业，但当时并不适合立刻开始下一家公司。自媒体由此成为一种现实的选择。
内容创作从低门槛开始
他并不把自己描述成天然适合做镜头前表达的人。团队还在时，人很容易为露脸、灯光、剪辑和包装找到延后的理由。压力反而缩短了准备时间：他用一台淘汰的手机，列好大纲就开拍。
“你就拿起我那台淘汰的iPhone 12，你就直接开录就好了。”
最初五个月，他几乎日更，题材并不固定：海外小产品、公司、DeepSeek 的技术概念和具体开发方法都做过。这个阶段更像持续试探。他后来把转折点放在 30 个应用挑战上。观众能跟着一件产品经历想法、开发、上线和反馈；有些产品被继续使用，有些后来又下架。内容由此多了一条可跟随的线索。
开发者经验
他能自己写代码，也能借助 AI 写代码，因此能把产品实验直接放进内容里。
创业者经验
他更关注一个小工具能否被人实际使用。
内容上的差异
产品制作过程成为选题本身，开发、上线和反馈不再被剪掉。
产品想法藏在日常摩擦里
李超给出的产品思路并不神秘：先频繁使用工具，才会在动作里遇到具体的阻碍。他认为，单靠想象很难持续做出产品；每天使用智能体、在代码仓库里做项目、接触新框架，才会留下足够多的观察。早期上线的三个产品都是从自己当时的需求开始。
随手记是其中最典型的例子。微信收藏里的链接、公众号文章和 PDF 很容易按时间沉下去，日后既难搜索也难整理。李超设计了一个机器人：用户把材料交给它，它识别内容，再把分类、摘要和信息写进 Notion。积累下来，这些零散收藏可以形成个人的小型知识库。产品上线一周后，他看到五位数用户在线使用，服务器一度因此崩溃并扩容。
他也承认，这个方案放到今天未必仍是最好的知识库体验。模型和办公软件迭代很快，个人工具的形态也变了：他的妻子现在会自己用 AI 做工具，许多需求只要解决一个人当天下午的工作就足够。公开产品需要寻找更大范围的需求，个人工具只需要让使用者少绕一次路。
一人公司不是人数承诺
节目以一人公司为题，李超却不把它当成必须维护的身份。他目前一个人承担内容、企业服务、产品和培训，原因是这些工作暂时能被串在一起，不是因为两人或三人的公司就失去意义。任务需要更多人时，人数本身不该成为限制。
他对第二个合作者的想象也不是找人分走一部分任务。更重要的是，对方能独立解决问题，价值观和品味相近，合作过程让双方感到愉快。这样的伙伴可以带来新的判断和支持，而不只是把每天的工时从十二点挪到八点。
企业改造的检验点是每天在用
李超的企业服务包含咨询、培训、工作流和具体开发。他把它比作 AI 时代的管理咨询，加上贴近工程实施的一线工作。企业缺少开发能力时，光知道模型名称没有用；还需要稳定的模型和数据、可用的工作流，以及能把它们接进岗位的产品和开发工作。
“你得每个人都先，先每天用啊。”
这句话指向了推广的困难。找他服务的企业，管理层通常已经很愿意尝试，许多一把手甚至是公司里使用量靠前的人。但员工下班已晚，未必还有时间研究智能体；在尚未使用前，模型接入和编程等词又会放大陌生感。要让工具成为日常习惯，企业需要从具体任务开始，让人立刻看见它能替自己完成什么。
智能体也不必然带来更轻松的工作。李超说，自己原本想象一人公司可以每天只工作两三小时，实际每周常常工作七八十小时。工具压缩一项任务后，新的任务会立刻填进来；内容、客户、工具和课程之间的频繁切换，还会让人持续背着不同的上下文。他的收入确实比上一年高出许多，但这个经验无法简单套到员工身上。
私募基金与专业服务的落地条件
在李超接触的行业里，私募基金目前推进得较顺。他看到的团队通常只有五到十五人，成员分工清楚、独立性强，也更愿意马上寻找办法。研究员的工作又恰好涉及收集公开或半公开信息、阅读文字和图表、辨别材料并作出判断，适合让智能体承担整理和补充。
他给出的价值尺度很具体：原来重点跟踪十只股票的人，有机会同时观察二十只。信息覆盖的扩大可以被观察到，投资回报却不能直接归因于 AI，因为市场走势和决策因素很多。人仍然要决定哪些信息可信、哪些结论值得行动。
李超短期内还关注财务、税务、法律以及部分医疗等专业服务行业。这些行业已有成熟市场，却长期依赖人才和管理能力。智能体可以承担部分知识工作，但行业知识、牌照、出庭等关键动作仍需要人负责。
他设想专业机构重做工作流：让工具处理信息密集、重复度高的环节，让人保留需要资格、经验和责任的判断。
从公开信息走向一线交流
访谈最后回到学习。李超认为，大模型能扩大已经知道的能力边界，却很难自动填上人连问题都没见过的盲区。公开内容能帮助人理解大方向，但很难让人知道实验室最近两周在处理哪一项问题，或一家团队把什么排在 P0、P1、P2。
“跟前沿的人站在一起。”
他因此主动联系老同学、朋友、产业端和研究人员。一次与曾在 OpenAI 工作的同学通话一两个小时，给他的收获超过刷一两周视频。交流让他听到蒸馏、模型路由、云端协同智能体等更细的工作，也让他看到这些问题在当下的先后顺序。另一面仍是亲手实践：靠近前沿之后，还要把工具真正用起来，才会产生下一轮具体的问题。