AI 编程

85 个 AI 做出来的应用：有受众月入 4 万美元，没受众 2 千

85 个 AI 应用的真实收入：有受众的中位数 4 万美元/月，没受众 2 千。而能从支付渠道核验的数字只有 26 份。

过去几个月，Indie Hackers 上的作者 Kingringo 一直在做一件很笨的事：把用 AI 编程工具（Claude Code、Cursor、Codex、Lovable 等）做出来、并且公开报过收入的应用，一条一条收集起来，每条都附上出处。攒到 85 个之后，他把它们放进一个数据集，跑了跑数字。2026 年 10 月 27 日，他写了结果。

有几个发现出乎他自己的意料，其中最大的那个是：决定这些应用收入的，不是做得好不好，而是上线前有没有受众。

有受众的 9 个案例，月收入中位数是 4 万美元；受众小的 19 个案例，中位数是 2,000 美元。差 20 倍。

但这份数据里最该先记住的数字其实不是这个——能核验的收入，中位数只有 2,280 美元。

一、四个发现

1. 上线前的受众，比其他任何变量都更能对应收入

作者的原话：有大量关注者的创始人，月收入中位数是 4 万美元（9 个有美元月收入数字的案例）；关注者少的创始人，中位数是 2,000 美元（19 个案例）。

分母也要看清楚：85 个案例里只有 4 个说自己完全是零受众起步。 这 4 个里有 3 个给了月收入数字，中位数 1.7 万美元——但他自己补了一句：三个案例构不成规律，我不从中读任何结论。

2. 可核验的数字，比其余的少一个数量级

85 个里只有 26 个的收入是从支付服务商直接读出来的（通过 TrustMRR 这类公开档案）。

只看有美元月收入数字的案例，三种来源的中位数是这样：

收入来源标签	案例数	月收入中位数
可核验（第三方从 Stripe / RevenueCat 等读出，与创始人自述差在约 20% 内）	18	2,280 美元
创始人自述	16	16,000 美元
后台截图	9	33,000 美元

（表格按原文数字整理。）

而且：18 个可核验的应用里有 11 个，月收入不到 1 万美元。

作者给了一个诚实的解释：一部分差距来自"案例是怎么被找到的"——收入档案库里躺着大量小应用，而帖子、访谈和视频天然只讲大赢家。但他也说了一句更重要的：我现在看那些没核验过的大数字，眼光不一样了。

3. 几乎没有人只靠一个渠道

在 82 个说明了获客方式（渠道来源）的案例里，只有 10 个把所有功劳归给单一渠道。中位数是 3 个渠道。被提到最多的是 X（29 个案例）、SEO（20 个）、build in public（19 个）。

4. Claude Code 是被点名最多的工具

85 个案例里 36 个（42%）提到 Claude Code，其次是 Cursor（30 个）和 Codex（15 个）。38 个案例同时提到两个或以上的工具。 报告里有按工具分的收入中位数，但作者明确说分组太小，不要据此选工具。

二、他是怎么收的

方法部分值得单独抄下来，因为这类"收入盘点"最容易在口径上糊弄：

每一个案例都必须是公开的帖子、访谈或视频，创始人在其中报出收入，时间跨 2025 年 3 月到 2026 年 10 月；每条都链回原始出处。
每个数字有一个标签：Verified（第三方档案从支付服务商读出，且与创始人自述相差在约 20% 以内）、Screenshot（创始人给了后台截图）、Self-reported（只有他自己的话）。
不做汇率换算，也不把 ARR 折算成月收入。85 个案例里只有 43 个给了美元月收入，所以收入中位数只用这 43 个；其余 42 个仍计入工具与渠道统计。
用中位数而不是平均值，原因是"几个大数字就会把平均值拉上去"。

三、他自己列的四条"这不能告诉你什么"

这一段是全文最像样的部分，直接照译：

幸存者偏差。 这些都是赚到钱、并且公开说了的应用。没赚到钱的人很少发帖。这不是"一个典型 AI 应用能赚多少"。
样本太小。 受众那一组对比是 9 个对 19 个。当成提示，别当结论。
85 个数字里有 59 个是创始人自己的说法（有没有截图都一样），没有人审计过。
这是相关性。 有受众，可能只是"有经验"或"属于那种会公开报数的创始人"的替身变量。

最后他给了完整报告、方法、CSV，并以 CC BY 授权发布，注明出处即可使用。

四、评论区把话说得更硬

这篇的评论区质量比正文还高，两个质疑值得单独拎出来。

质疑一：分母根本不存在。（Zane Berg）

这个数据集里只有报过收入的应用，所以"零受众"那一组没有分母。一个有 5 万关注者的创始人发了自己的月收入，被看见、被收录；一个没有受众、月收入也很小的创始人，通常根本不发，或者发了也没人看见。光这一条就足以造成"85 个里只有 4 个零受众"。 如果可能，从 TrustMRR 这类目录里按上线日期而不是按"发过收入帖"抽样一批应用，看看受众差距还成不成立。

作者认了，而且说得更直白："这基本上是幸存者上面再叠一层幸存者。" 他说按上线日期抽样是个好主意，可能会试。

质疑二：差距到底在受众，还是在"核验"。（PatchAndShip）

可核验 2,280 对截图 33,000，是 14 倍的差距。所以只算核验过的数字时，受众差距可能也会缩小。能不能把发现 1 只用那 26 个核验过的重跑一遍？

作者的回应很实在：核验过、且有美元月收入数字的只有 18 个，再按受众一拆就迅速变得极小，但他会试。

还有一条来自"零受众那一边"的实战补充（keithwyong）：他们最早的付费客户不是靠发产品内容来的，而是在买家本来就在的地方回答了一个具体的页面问题（比如"有浏览但没有收藏"这种帖子），之后才有人问"你们用什么做的"。他的建议是：把"有受众"拆成两件事——你自己拥有的受众，和出现在已经被提问的地方。

在独立游戏商店页这种细分里，一场对味的讨论里的几百个人，胜过几千个不做游戏的泛粉。

五、我们的整理：把这份数据变成能用的判据

一、先看标签，再看数字

很多人引用这类数据时会跳过来源标签。按这篇的口径，同一批应用能读出三个差着数量级的中位数：

你看到的说法	实际含义	该打几折
"月入 $30K" 附后台截图	只看得到他想截的那一段时间和口径	很大——可核验组中位数只有它的 1/14
"月入 $16K" 创始人自述	没有第三方读取，也没有审计	中
"月入 $2,280" 支付渠道可核验	第三方读出、与自述差 20% 内	最小

一句话判据：看到收入数字，先问"谁读出来的"。 这个问题能过滤掉大部分噪音。

二、"分发 > 构建"这句话，这次有了数字形状

评论区那句总结得很好：每个 AI 工具都在同一年让"构建"变便宜，于是构建在同一年不再是稀缺的；分发本来就稀缺，现在它是全部。

如果你的判断是"我做出更好的产品就能赢"，这份数据不支持你。但反过来也要小心——如 Zane 所说，这个结论被幸存者偏差放大了。更稳的说法是：构建不再是壁垒，分发是；而不是"分发决定一切"。

三、把"受众"拆成两问，比二选一有用

评论里那个区分值得抄走。上线前问自己：

我有没有自己的受众？（关注者、邮件列表、社区身份）
我能不能出现在"问题已经被提出"的地方？（某个具体帖子、论坛、issue、reddit 帖子）

第二问是可执行的、不需要粉丝的。keithwyong 的说法是：对味的几百人 > 不对味的几千人。这两问的组合，比"有受众 / 没受众"的二分更能指导动作。

四、想自己做同类盘点，五步就够

只收公开、可链回出处的案例，每条记下时间（这篇跨了 19 个月）。
给数字打标签（核验 / 截图 / 自述），不同标签分别算中位数，别混。
不换算汇率、不把 ARR 当月收入——口径一变，中位数就失真。
用中位数，并且公布样本数（9 个对 19 个这种事一定要写出来）。
明确写出"这不能告诉你什么"：幸存者偏差、样本量、未审计比例、相关性不等于因果。

站内几条接得上的线

Agent 写完的代码没人读过：出事时你该潜多深——独立开发者的另一面：产品上线之后的"所有权"成本。
AI 编程的未来已经到来，只是分布得极不均匀——代码产出变多、上线的功能没变多，和"构建不再稀缺"是同一件事的两个尺度。
多 Agent 写代码：代码是最简单的部分，协议才是系统——"做出东西"这一步被 agent 抹平之后，剩下的难点在哪。

五条边界

这不是"AI 应用收入"的全景。 它是"公开报过收入的 AI 应用"的集合，作者自己在文里说了三遍。不能反推中位数以外的分布，更不能反推成功率。
59/85 未审计。 引用具体数字时，务必带上它是自述、截图还是核验。
两个对比组都很小（9 对 19）。任何"受众值 20 倍"的说法都超出了数据能承载的强度。
作者有立场。 他在持续维护这个数据库和报告（站点有 newsletter 与投稿入口），收集本身是他的项目——这一点按惯例要标出来，不影响数据可用性（CC BY，可复核）。
工具比较基本没有意义。 原文自己说分组太小，"别据此选工具"，我们照抄这句。

来源：Kingringo,《I went through 85 AI-built apps that share revenue. Founders with an audience reported $40K/mo, without one $2K》, Indie Hackers, 2026-10-27。原文链接：https://www.indiehackers.com/post/i-went-through-85-ai-built-apps-that-share-revenue-founders-with-an-audience-reported-40k-mo-without-one-2k-67d054025c。完整报告（含每个案例的出处、方法、CSV，CC BY 授权）：https://shippedandpaid.com/reports/ai-built-app-revenue-2026/。四个发现、方法与四条局限为原文内容；评论区四则引语为原评论摘译；标签中位数表、"先看标签"表、"受众两问"、"五步盘点法"与五条边界为我们整理。原文封面是标题卡（未使用），本文封面为 Unsplash 图库照片。

本文由汇智网编译整理，转载请注明出处。