一个人能把产品做到多大？18 个公开收入产品的规模与赛道分布

2026-09-02

库里现在有 18 个产品，每一个都有创始人或官方公开过的收入数字。把它们按规模和赛道拆开看，有几个结论和常见印象不太一样。

规模分布：中间那一档最有参考价值

按最近一次公开数字的量级分，大致是这样：

量级	大致数量	代表
月收 5 万美元以上	4 个	Ghost、Photo AI、Plausible、Bannerbear
月收 1 万 – 5 万	4 个	Interior AI、TrustMRR、DataFast、Nomad List
月收 1 千 – 1 万	6 个	Podscan、CodeFast、ShipFast、Remote OK 等
一次性买断（口径不同，不参与上面的排序）	3 个	Refactoring UI（年营收）、Tailwind UI（累计营收）、MAKE（月营收）

先提醒一句口径：上面这张表把不同口径的数字放在了一起——有的是月度经常性收入，有的是某个月的实收，有的是某一年的营收，还有的是上线至今的累计。它们不能直接比大小，表里分档只是为了看分布形状。每条记录页上都标了各自的口径。

注意最上面那一档其实不该拿来对标。 Ghost 是有正式团队的非营利基金会，Photo AI 的作者做产品做了十几年、有巨大的公开影响力。这两个的数字更多说明”这条路的天花板可以有多高”，而不是”一个刚开始的人可以期待什么”。

真正有参照价值的是中间和下面那两档——月收几千到几万美元、由一到两个人维持的产品。这个区间在库里占了一半以上，也是绝大多数独立开发者实际会落到的位置。

赛道分布：重复出现的只有几类

18 个产品的赛道摊开看，集中在几个方向：

开发者工具与 API（Bannerbear、ShipFast、Tailwind UI、TrustMRR）——数量最多。原因不难猜：做这行的人自己就是用户，需求判断成本最低，而且开发者愿意为省时间付钱。

数据分析（Plausible、Simple Analytics、DataFast、Baremetrics）——四个，且同一细分里有多个并存。

AI 图像（Photo AI、Interior AI）——同一个作者的两个产品。

信息产品（Refactoring UI、CodeFast、MAKE）——书和课程。

内容平台 / 社区 / 招聘（Ghost、Transistor、Nomad List、Remote OK）——偏工具型平台。

这个分布本身有很强的采样偏差：愿意公开收入的人，绝大多数在做面向开发者或创作者的产品，因为他们本来就活跃在会讨论这些数字的社区里。做小众行业软件的人可能赚得更多，但没有动机也没有场合公开。

三个反直觉的观察

一、同一个细分里挤着好几个，它们都活着

数据分析这个方向，库里有四个产品，其中 Plausible 和 Simple Analytics 做的几乎是同一件事——隐私优先的网站统计。两个都公开着不小的收入。

“这个赛道已经有人做了”通常不是劝退理由。 反过来，一个细分里有多个玩家都赚到钱，恰恰说明需求被验证过、用户有付费习惯。真正危险的是那种谁都没做成的方向。

二、赛道里挤着的常常是同一个人

Photo AI 和 Interior AI 是同一个作者；ShipFast、CodeFast、DataFast、TrustMRR 是同一个作者；Refactoring UI 和 Tailwind UI 是同一对搭档。

18 个产品，实际上背后只有大约 10 个人或组合。

这个现象说明一件事：做出第一个跑通的产品之后，第二个会容易得多。 不是因为技术变简单了，而是因为你已经有了一批愿意听你说话的用户，新产品可以直接借上力。库里那几个高频出现的名字，后面的产品几乎都是在前一个产品的用户基础上长出来的。

对刚开始的人来说，这是个略显残酷但重要的提示：你看到的”某人几个月做到几万月收”，往往是他第 N 个产品，而不是第一个。

三、一次性买断和订阅制根本没法排在一张榜上

库里有一本书公开的月营收是 1,960 美元，排在榜单最后。但它是一次性买断——没有服务器成本、没有客服、作者可以一年不管它。

和一个需要持续运维、随时可能故障的订阅制产品比较”谁的数字大”，其实没有意义。同样是一千美元月收，一个可能占掉你每周十小时，另一个可能一小时都不用。

这一点在看任何收入榜单时都该记住，包括我们自己这个。

从分布里能推出的三条选品参考

这批产品的共同点，可以反过来当成挑方向时的自查：

一、做你自己就是用户的东西。 库里数量最多的一类是开发者工具，原因很实在：作者自己每天在用，需求真不真、做得好不好，不需要调研就知道。这一条在任何行业都成立——你越了解那批人，判断成本越低，试错就越便宜。

二、优先选那种「用户愿意为省时间付钱」的场景。 库里跑通的产品里，很少有靠”让用户玩得开心”赚钱的，绝大多数是替人省掉一段重复劳动：自动出图、自动转写、自动统计、现成模板。为省时间付钱的决策比为快乐付钱的决策稳定得多，尤其在预算紧的时候。

三、别绕开已经有人赚钱的方向。 前面说过数据分析这个细分里挤着四个都在赚钱。对独立开发者来说，进入一个已被验证的方向、在某个具体的点上做得更专，通常比开辟一个谁都没做成的新方向更现实——后者要同时承担”需求不存在”和”产品做不好”两种风险。

需要说明的是，这三条是从一份幸存者样本里归纳出来的，它们描述的是这批产品的共性，不是任何人照做就会有的结果。

这份数据不能告诉你什么

必须写清楚这个库的边界：

它不代表平均水平。 全部是公开过收入的产品，而公开收入的人偏向于赚到了钱的人。没做成的那部分从来不在样本里。

它偏向英文市场和开发者人群。 中文独立产品这一轮一条都没能收进来——不是没有，而是中文圈的收入披露主要在社交平台的截图里，没有可逐字引用的出处。

它的数字新旧不一。 库里有 2018 年的快照，也有采集当天的实时读数。每条记录都标了时间点，看的时候要一起看。

为什么排行榜的第一名参考价值最低

顺着上面这些边界，可以得到一个反直觉但很实用的读法：这类榜单越靠前的条目，对你的参考价值越低。

原因有三层。

第一，最靠前的通常是团队而非个人，或者是已经积累了十几年影响力的人，起跑线和你不同。第二，做到那个量级的路径往往依赖某个不可复制的偶然——一篇正好撞上时机的文章、一个正好爆发的赛道。第三，也是最容易被忽略的：越靠前的数字，越可能是这个产品历史上的峰值，而峰值出现的那一刻恰恰是最容易被发到网上的一刻。

真正值得反复看的是中间那一段：一到两个人、月收几千到几万、路径可复述、时间线完整。这类记录不好看，但它们描述的是一个普通人有机会到达的位置。

我们把每条记录的快照数量标在了列表上，就是为了让这种读法可行——能看到爬升过程的条目，比只有一个终点数字的条目有用得多。