“两个人，一个半月，年省 500 万”：白鸦谈非技术人员如何自己做软件

“我特别不欢迎工程师来用我们的产品。”

责编 | 王启隆

出品丨奇点折射（ID：rgznai100）

有赞创始人兼 CEO 白鸦（朱宁），做了二十多年跟软件相关的工作。2025 年 11 月，他和相识近二十年的老搭档、原百度 UED 负责人郭宇，一起做了一个新产品——superun，一个 Vibe Coding 产品。

在 2026 奇点智能产品大会上，白鸦讲了这样一个细节：有赞管理着将近 2000 人的销售网络，一整套复杂的销售管理系统，过去评估要 10 个工程师、干 5 到 6 个月才能上线，一年至少要花 500 万；现在，是一个不懂技术的销售运营，加一个技术，两个人花了一个半月做出来的，每周烧掉的 token 也就 2 万块钱。

这背后，是他这两年走过的一段弯路：先是想直接用 AI 做设计，两年时间“什么也没搞出来”；后来才想明白，应该顺着模型已经很擅长写代码的路子走，转向 AI Coding。

以下为白鸦的演讲实录：

“谁的智能更高，谁就能打低智能的东西”

我今天主要分享的是，过去我做了二十多年跟软件相关的东西，更多是 AI 应用，尤其是过去几年我们在软应用上做的一些探索。

首先，我们把 AI 应用分成了几个级别，或者叫几个类型。我们觉得，最基础的、用户量最大的，可能在中国未来两到三年之内可以做到差不多 DAU 五到六亿的，是AI 问答。

今天的豆包，可能未来能拿到 40% 的市场份额；可能另外一家应该就是微信 AI 了，可能还有其他。这个量可能是最大的，但使用深度是比较浅的。它今天的技术工作，绝大部分其实已经不是在做 AI 了，而是在做数据整理和工程化的东西。

再往上，我们觉得更多的是 AI 消费，然后是 AI 办公。再往上，应该是 AI 任务，包括 AI Coding，以及帮你整理某些东西、完成一些固定性的工作任务或者生活中的任务。

这几个层级，大概率未来的竞争还是互联网相关的竞争：高频打低频。不能说你的 AI 比他的 AI 强很多，你就能把它干掉——豆包有这么多 DAU 了，你再怎么做也干不过它。

再往上一点，才开始出现真正的 AI Native 应用的竞争，变成高智能打低智能的竞争。比如用 AI 去做创作，做一个管理系统的应用，做一个 APP，做一个影视级的电影或短视频，这些 AI 创作的竞争，开始接近 AI Native 产品的竞争。

再往上，当然是数字员工上岗。在这上面，我们看到了很多过去想象不到的空间。

比如我们在做 AI 客服，大家可能觉得这玩意儿听起来很简单：比人便宜，比人回答得准确。比人便宜，因为它可以 7×24 小时工作，消耗的 token 也很简单；比人准确，是它对知识库的解读，比人死记硬背要快、要准。

但我们上线之后，发现有很多意想不到的效果。因为它没有情绪，可以随便被骂，随便被骂它依然面带微笑地去回答问题，于是退货率变低了——顾客骂着骂着发现，你不跟我吵，态度还那么好，他不退货了，不退款了。

再比如，AI 可以在这个过程中发现：这个顾客只是对这个产品不满意，我们其实有另外一个产品；他当年下单下错了，买了 A 产品其实应该同时买 A 和 B。于是 AI 客服就同时挖掘了这个销售机会，开始销售了。客服部门第一次开始出现，它不只是个成本中心了，它可以赚钱了。

这是我们原来在上岗之前根本没有想到的。所以 AI 上岗这件事，接下来可能是一个非常非常重要、很有意思的事。

在我们看来，AI 应用主要就是这些：AI 问答、AI 办事、AI 任务，然后是 AI 创作，再是 AI 上岗。越往上的，越接近所谓 AI 概念的产品——谁的智能更高，谁就能打低智能的东西；越往下的，越接近互联网的竞争——你的用户量大、频率高，就能打那些低频的东西。

从 AI 设计到 AI Coding

那今天想分享的，是我们在做的一个 AI 任务、AI 创作的基础产品，叫 superun，一个 Vibe Coding 产品。

在这个产品之前，有一个背景。23 年我觉得 AI 可能是未来我最想要做的事，于是跟我的一个老朋友，也就是原来百度 UED 的老大郭宇碰头，我们俩说，想一起去做一个拿 AI 做设计的东西。

然后我们做了一家公司，希望让每一个有想法的人，都可以最快地拿 AI 设计出他想要的用户界面。这件事我们在北京聊了一会儿，隔了几个月又见面聊了一会儿，觉得很值得做。于是注册了一家公司，拿个人的钱开始创业，养了一个十几个人的团队，吭哧吭哧搞了两年。搞了两年之后，我们发现其实什么也没搞出来。

那个时候我们才意识到，模型今天根本没有 AI UI 相关的知识，根本没法训练，因此模型设计出来的 UI 界面就一定会很丑——那个时候能做出基本的海报设计都不错了。所以我们才意识到，不能走拿自然语言直接生成图形式 UI 界面的路，这条路根本走不通。唯一能走的就是用模板，但用模板就不能称之为真正走 AI 的那条路了。

直到去年 5 月份，我们发现：我们怎么这么蠢？为什么要在 AI 创业上顺着自己的想法做，而不是顺着模型的发展路线走？模型明明有很多写代码的能力、很多代码数据、很多工程师在看的书的数据，今天在 Coding 上已经走得很顺了，我们为什么不能通过自然语言去 Coding 出界面来，再去优化那个界面？

于是我们把做界面设计的思路变成了 Coding 的思路，开始做 AI Coding，通过 AI Coding 去做 AI 界面的设计。当这条路走顺了之后，就发现很有意思：全世界第一次出现了，原来可以那么好地模拟界面 Demo。

以前，当产品经理、运营人员或老板提出一个需求，让 UI 设计师设计出老板想要的 Demo 时，那个 Demo 假得不能再假——它除了好看，剩下全是假的，因为设计师模拟出来的数据一眼就是假的。比如设计一个商品列表，没有设计师会好好把每一个商品图模拟出来，也没有设计师会认真把每一个商品名称好好写下来。

但 AI 今天可以真的把商品图好好生成出来，把商品名好好写出来，把商品价格好好弄出来。除了数据背后没有程序，那个界面看上去就是非常真实的，可以完整地模拟给客户、给老板看，极好地满足了业务方“我想要什么，你快速给我实现，让我看看我的设想是不是合理”的那种满足感。

当我们实现了这个之后，又回答了一个问题：既然可以通过自然语言猜测产品有哪些功能，生成一个完美的 Demo 模拟，背后起点用的都是 Coding，那为什么不把功能也实现了呢？

我们把这个产品做成了一个完整闭环的产品：从输入一个自然语言的假设、对一个业务场景的设想，到生成一个产品的 Demo，再到可以研发、可以上线；上线的时候，做好 SEO 和 GEO 等一系列工作。

于是我们做了这样一个，我们觉得是今天全世界对非技术人员最友好的 Vibe Coding 产品。

从创业第一天开始，都在给 CTO 打工

为什么说它是对非技术人员最友好的？因为今天大家用的绝大部分工具，不管是 Claude Code 还是 Codex，其实对非技术人员都是不会用的。就前面两位分享的东西，不懂技术的人根本听不懂他们在说什么。

而今天事实上在业务上，对很多系统、很多产品有需求的人，是那些不懂技术、但在业务里很深的人。在他们眼里，过去几十年的工作职业生涯，都是被技术绑架的几十年。终于今天有产品可以让他不懂技术，也能把自己想的东西实现了。

所以我们的典型用户，是对非技术人员非常友好的用户，而且我特别不欢迎工程师来用我们的产品。

工程师会说：“什么叫非技术人员友好？非技术人员写 Markdown 很难吗？”

是啊，很难啊！非技术人员写 Markdown 是很难的，更不用说看懂代码了。

工程师会说：“为什么他不能直接学代码呢？”

我说，不是啊，我告诉你我们的典型用户是谁。

我们的典型用户，比如说，他可能是一个医学博士。你们知道医学博士是什么概念吗？从接触医学到开始工作，工作了二十几年，然后他开始创业。

过去创业，他想做一个医疗软件，要怎么办呢？他上来先找一个工程师、CTO 合伙人，这个工程师会建一个至少十个人的团队。从第一天开始，他只要一说想法，那个工程师就会说：“哎，老板，这个实现不了。”或者：“老板，你不懂。”

好不容易工作了两三年，他说：“这个产品我们得这么改，因为我们有一个新的想法，要这么变。”那个 CTO 说：“老板你等等，我们要重构一下系统。”

他就觉得：我创业从第一天开始，都在给我们的 CTO 打工。我说什么都不算，因为说什么他们都说我不懂，说什么他们都说这个不是这样的。

今天终于他有机会说，当有一个想法，我自己做一个系统，我哪怕熬夜熬到天亮，连熬三四夜，把它实现了。你别管我那个代码是不是一座屎山，至少我能实现出来给用户用。当我的用户用起来之后，我才能验证我的想法是不是对的。当这件事验证了，我哪怕再请 20 个工程师，把那些屎山代码收拾收拾、重构一遍，也划算啊。现在我还没出门呢，脚还没抬起来呢，我都得听别人的，行还是不行。

还有一类用户，是传统企业的老板。我从来没想到过，我最活跃的用户是传统企业的老板。有一个卖车的老板，同时有 20 家 4S 店。

他说：“我早就想做一个系统，把我们的汽车销售从线上引流，通过营销、直播、短视频获得线索。获得线索之后，把线索交给销售；销售怎么跟进的过程让我知道；统计每一个销售的过程数据，以及销售在给客户讲什么；把整个销售过程管理做出来，能做预测，能看我的店长应该介入哪一单，接下来应该给什么样的顾客打广告。”

“我早就提过这个需求，提过十几年了。然后我最后发现我只有两条路径：第一条是我的 IT 人员告诉我，「老板，这个实现不了」；第二条是我要花好几百万找一个外包公司。外包公司告诉我，「我能帮你实现」，然后你要给他花 300 到 500 万，每年还要再给他付 20% 的维护费。”

“所以我就已经忍了 10 年了。但是今天，我自己熬了夜，干了 7 天，把它实现出来了。你知道我多爽吗？我创业了 10 年，我觉得我都在被别人绑架，终于今天我可以自己干了。”

所以，非技术人员能够做自己的作品时，这个世界对他们来说都变了。

“禁止在网页上出现宋体”——重新做一遍界面设计

那为什么我们能把它做成对非技术人员特别友好的？事实上我们做了三件事。

第一件事，我们把界面设计重新做了一遍。因为前面两年我们一直在做 UI 生成，所以我认为，Vibe Coding 产品里，我们应该是全世界最好看的。

我们最早尝试做了几万个模板，人肉去挑好看的，尝试去训练，后来发现这个思路不对。后来我们把能找到的、我们认可的最高级的 UI 设计师的思路“炸”出来了——在背后研究了几百个我们觉得最好的 UI 设计师，理解了思路之后，就会给你匹配一个适合你想做的产品的 UI 设计师，按照你的产品，不断地做设计和设计优化。

我们还做了审美的围栏。有一些东西，在训练模型的人眼里、在工程师眼里，它不是丑；但在有审美的人眼里，在那些懂业务但不懂技术的人眼里，那些东西就是丑。

比如说，禁止在网页上出现宋体。技术根本不觉得网页上出现宋体又怎么样，但但凡有审美的人就知道，在网页上出现宋体是多丑——整个网页里绝大部分字体全都不是宋体，是标准的黑体，突然间有一个标题是宋体，你会发现阅读被打断了，丑得不能再丑。

今天所有 Vibe Coding 打出来的中文网页，只要你看到标题是宋体的，它就一定是 Vibe Coding 打出来的，因为那些工程师们不觉得这丑，所以也不去调，但我们就费了很大劲去调。因为我不能简单写死“禁止用宋体”，这样会导致 Banner 图也不能出现宋体，而该出现宋体的地方也不能出现，所以只能不断诱导，调了很多版。

还有，我们做了很多工作，去模拟不同行业的高级产品经理是怎么思考的。当业务方提出一个需求的时候，产品经理如何去满足这个需求，背后该做哪些功能，功能和功能之间该用什么样的流程去串联。我们模拟了很多产品经理，等于做了一堆数字 UI 设计师，做了一堆数字产品经理。

同时，因为用户现在是在做作品，不是你说一句话我就把所有东西给你完成，而是要把整个作品的过程拆分开，拆成不同的、所有通用的阶段。

所以你进入我们的产品会发现，哪怕只给一段话，也有两种输入方式。一种是给一段话，描述你要做什么；还有一种，是几个业务方坐在一起开会，点一下录音，开完 4 个小时或 40 分钟的会之后，点一下生成，它就开始去生成了。

我们把它拆成几步：第一步叫构想，这个产品的构想是什么；第二步是这个产品的演示（Demo）；第三步是Coding；第四步是上线。这是做所有产品通用的一个结构。

用这个通用结构拆开之后，就可以在里面做所有细节的微调和所有过程的调整——只有做完过程的调整，才能做出作品。今天所有那种拿一句话就马上把完整作品给你做出来的产品，基本上只能做玩具。

对于普通人来说，打十几个字，或者一两百个字，说“我要做一个什么什么东西”，马上给你生成一个现成的小程序，基本上都只能给自己做玩具。因为它没有把过程拆开，你没法去解决那个过程。那把过程拆开怎么办呢？写一个完整的 Markdown。但普通人不会写完整的 Markdown，所以要让普通人做，就只能把它拆开：完整的、最通用的创作过程是什么？

做一个软件、做一个管理系统是这样；做一个影视级的作品也是这样。最近跟正在做影视级创作 AI 产品的人聊，我们的想法差不多一样：做同一个影视级的作品，整个过程是什么样，最好能拆成两步、三步，最多不超过四步，然后在那四步里让他可以调整所有细节——只有这样，那些真正的导演、原来创作过程中的人，才能动手去做，因为他们完全不懂技术，工具必须做成那样。

所以今天我们最大的经验是，如果你要做一个创作作品的 AI 产品，就得去理解那个行业里最重要的范式，最多能抽象到什么程度，然后把它扒开，让用户可以扒开过程、拆解过程、优化过程。只有这样，他才能做出一个相对复杂一点的产品。

这里展示几个案例，看看我们（superun）到底都有哪些人在用。

这个，是我儿子做的，他是一个高中生，做了一个养宠物的应用。这个应用可以养很多个宠物，一个家里可以有好几个人同时养。主要应用场景是：这个狗什么时候该驱虫了，什么时候该打疫苗了；每天拉的粑粑怎么样，身体状况怎么样；接下来要训练它什么，该怎么训练。他把同时多个人管理多个宠物的场景都实现了。最近这个 APP 刚被审核通过，他在小红书上有很多粉丝，是一个高中生自己做的。

对他来说，这就是在创业，因为他现在正在做宠物用品的商城。注意，他是一个人，不可能既懂产品又懂技术，因为他原来是打职业篮球的。就是这样一个完全不懂产品和技术的人，把它做出来了。

每个星期烧掉 2 万块钱的 token

再给大家看一个东西，这个是我们自己的管理系统，是我们自己的销售管理系统。

拿来干什么呢？我给大家说结果吧：我现在每天坐在杭州的办公室里，都能看到将近 1,000 份今天我们的销售拜访客户的情况。我能看到这 1,000 份拜访记录的整体智能整理：今天这 1,000 个销售在拜访客户的过程中，客户最关心什么问题？客户问什么问题，我们的销售答上来了？客户问什么问题，我们的销售没有答上来？签单的主要原因是什么？丢单的主要原因是什么？

我能看到这些数据，代表杭州的城市经理能看到整个杭州的情况，那个组的组长能看到他们整个组的情况。

再比如说，当销售去拜访一个客户之前，只要简单录入一下那个客户的资料，我们就可以给他生成：跟这个客户汇报的时候用什么 PPT，主要汇报哪些卖点、讲哪些点，甚至在路上都可以给他模拟客户可能会提什么问题的对话。

再比如说，当一个新销售签了一个蛋糕房，他接下来应该多签几个蛋糕房，因为如果签别的，他不熟。只要把签过的那个蛋糕房录入进来，我们就能帮他找到，在他签过的那个蛋糕房附近还有哪些蛋糕房可以去签，以及那些蛋糕房的联系方式、在网上的所有资料。

而所有这些，过去都是销售人员的工作。我们自己做了一套系统，把我们自己将近 1,000 个销售，以及代理商在外面跑的将近 2,000 个销售，全部驱动起来了。它既是赋能，又是管理。

想一想，其实都是非常复杂的。我们很多年前就想做，评估过如果做这套系统，大概需要 10 个人，干 5 到 6 个月，把它搞上线；这 10 个人不能撤，要一直维护着。10 个人是什么概念呢？我一年至少要花 500 万，因为平均一个工程师的综合成本至少是 50 万。

现在这个系统是谁在做呢？是我们的销售运营人员——注意，他不懂技术，懂一点点产品——加一个技术，两个人在做的。这两个人花了一个半月把它做出来了，而且还在不断迭代。然后这个系统现在每个星期烧掉我 2 万块钱的 token。

但我觉得很值，因为它烧掉的不是那两个人研发的 token，而是那些技术人员、那些在外面跑的工程师的所有录音、所有数据，以及他们求助时产生的那些 token。也就是说，我给整个 2,000 人的赋能是完全不一样的。但注意，过去每年我至少要花 500 万，现在我只需要这两个人：一个销售运营——还不是全职，他还要制定销售规则、管理整个销售运营团队；再加上一个技术，因为里面实在有好多东西太复杂，还牵扯安全性的问题，需要一个技术在那里做调整。就是两个人，也让他们来做。

“软件在改变世界，只是 AI 改变了软件”

最后我想说，我觉得未来整个软件行业，应该都属于那些完全不懂技术，但在业务上特别特别精、懂业务又能总结业务规律的那些老法师们。

至少今天我把软件分成了两部分。前端的营销、销售、运营，离客户最近、离业绩最近、离营销最近的那一批软件，企业是不应该定制的。因为那些软件要跟着市场的动态走：平台发生了变化，营销方式发生了变化，就要调整那些软件的能力。它只能去采购通用的，因为只有采购通用的，才能跟上潮流；只要定制，就划地为牢了。

但今天绝大部分企业超过一半以上的软件预算，不是前端软件，而是后端软件。比如人事管理、绩效管理、考核管理；比如采购流程、财务报销流程；再比如整个业务盘点等等。这些其实有两个非常巨大的特点：一个是流程是死的，只要不做大的组织变革，三五年那个报销流程不会变；第二个，每个企业都有自己不一样的特点和个性化，其实都应该定制。

但过去定制成本太高了，今天非常简单。今天有赞外采的软件，除了飞书，是零预算——我们所有人力资源系统是我们的 HR 自己做的；我们所有的销售管理系统是我们销售自己做的；我们的行政系统是我们的行政前台自己做的。他们完全不用懂技术，只是遇到问题的时候，可能需要技术做简单的支持，就 OK 了。

所以我觉得，接下来那些固定流程的、有个性化需求的软件，应该全都靠业务人员自己做。

未来的软件世界，我依然觉得还是那句话：是软件在改变世界，只是 AI 改变了软件，而绝大部分的软件都应该由业务人员自己去定制，因为今天的门槛已经低到业务人员完全可以自己定制了。

大家有兴趣可以去试一下。如果你懂一点技术，有更强的探索精神，可以用 Codex；如果你完全不懂技术，只想去试一下，可以用我们的产品 superun 去做。非常非常简单，你会发现一个不一样的世界。

结语

说到底，理解 AI 最好的方式，还是亲手用一次。我们也为读者准备了一份小福利：扫码即可领取 superun 的 100 token 红包。

不用懂技术，你可以从一个真实的小需求开始，试着做个页面、搭个工具，感受一下 Vibe Coding 是什么体验。

2026 奇点智能产品大会汇聚 40+ 位一线产品技术专家与行业实践者围绕 Agent、企业级 AI、AI Coding、具身智能、AI 原生组织、行业应用落地等方向，分享了大量 AI 产品实践与落地思考。

我们将陆续整理嘉宾演讲内容，帮助大家复盘现场精彩观点。欢迎读者朋友们扫码领取大会 PPT 合集，获取一线专家的实践经验与深度洞察。