9月4日，工信部发布《人工智能中小企业创业支持计划（2026—2028年）》，明确鼓励各地支持借助智能工具创业的“一人公司”（One Person Company，一人公司）、超级个体等微型主体。

其实，OPC已经热了一阵。2026年上半年，全国OPC数量突破1600万家，占全国企业总量的27.4%。（WAIC《2026中国OPC深度洞察报告》）

OPC社区从95个暴涨到618个，覆盖24省75城，算力补贴、免费工位、创业贷款全面铺开……

我们不停地被“一人年入百万”的故事刷屏……

但与之相对的，还有另一组数据：

OPC公司90%活不过三年，30.8%从未产生任何营收，月收入中位数不足7000元（虎嗅）

这一次，我们想穿透这些数据，理性地解读一下OPC：

OPC到底是什么？

OPC模式为什么在这个阶段开始集中爆发？

哪些领域OPC模式最广泛？

做OPC的人具体是怎么干的？踩了什么坑？

对于跃跃欲试OPC的人来说，该注意什么？

一、OPC到底是什么？

法律上，OPC（One Person Company）就是"一人有限责任公司"。

2024年新《公司法》取消了"一个自然人只能设立一家一人公司"的限制，注册周期也从15个工作日压缩到了3天。

也就是说，每个人可以注册不止一个一人公司，注册也很快。

但今天我们说的AI时代的OPC，远不是传统意义上的"个体户"，而是一个人调度一个系统。其构成一般是：一个创始人 + N个AI智能体 + X个外部协作者。

创始人负责产品方向、客户选择和最终审核。

AI承担研发、内容、营销、客服、数据分析等执行任务。

财税、法务、设计等通过外部机构按需补充。

二、OPC模式为什么开始爆发？

OPC这个概念不是今天才有的。

Sam Altman（OpenAI联合创始人兼CEO） 2024年就说过："AI将使一个人创办十亿美元公司成为可能"。

但为什么到了2025-2026年，这个趋势才真正爆发？

原因是，四个条件的成熟，正式引爆了这场变革。

1. 技术成熟了：AI从"帮你写东西"进化到"帮你做事情"

2022年ChatGPT发布，2023年多模态成熟，2024年Claude 3和Gemini 1.5带来强推理能力，2025年Agent技术突破——这是一个非常关键的转折点，AI能力终于跨过了"能用"的门槛。

2026年，AI Agent任务成功率从2025年的68%提升至89%，AI Agent（智能体）不再只是"你问它答"的对话工具，而是能自主拆解任务、调用工具、执行多步骤流程的"数字员工"。

今天的AI Agent已经覆盖了企业经营的大部分环节：

• 产品技术开发：一句话需求，自主完成需求分析、代码编写、测试调试，交付周期缩短40%
• 设计视频：封面生成、脚本拆分、分镜设计、视频剪辑，跨境电商复刻爆款视频从半天压缩到5分钟
• 营销获客：一次创作，自动裂变为小红书图文、抖音脚本、公众号长文，多平台分发
• 客服接待：7×24小时响应，理解复杂意图，自动筛选高意向客户
• 销售转化：追踪用户行为，生成个性化话术，自动催付、跟进
• 运营交付：供应链对接、库存管理、物流路线优化、自动发货
• 数据分析：用自然语言提问，直接生成可视化报表和决策建议
• 财务法务：自动记账报税、发票验真、合同条款审查、税务风险预警

一个人只要搭建好这套Agent体系，理论上就能通过指挥这些Agent，跑通从获客到交付的完整闭环。这也让"一人公司"从概念变成了现实。

2. 成本降了：AI让小微企业固定成本大幅降级

传统小微企业最大的固定开支是人力和租金——淡季也得付，订单少也得扛。

但OPC的成本结构完全不同。最大可变成本是AI工具订阅和Token消耗——而这些成本可以随订单量弹性缩放，忙时多用，闲时少用，用多少付多少。

一个OPC创业者的月均工具支出在300-2000元之间，而同等产出的传统团队人力成本至少在3-5万。

AI让固定成本变成了可变成本，这个成本结构的根本性变化，是OPC模式被广发接纳的经济基础。

3. 政策支持了：制度障碍在快速清除

2025-2026年，针对OPC的专项政策密集出台。

据《2026年中国一人公司调研报告》统计，全国已出台106项专项支持政策，其中：

• 北京将"一人一公司"列为重点支持的创业形态
• 上海浦东推出"AI创业者计划"，提供办公空间补贴和算力券
• 杭州余杭设立首个"一人公司创业试验区"

同时，注册流程简化、社保通道打通、小规模纳税人简易征收等政策也陆续推出，一人公司的制度性门槛在快速降低。

4. 社会心态变了：越来越多人不想再"为公司打工"

灵活就业人群规模已从2亿增长到2.8亿（2025年数据），预计2026年将突破3.2亿，占城镇就业人口四成以上。

灵活就业人口中，24岁以下青年群体占比接近60%，本科及以上学历占比超60%。

2026届高校毕业生中，超34.2%的应届生主动选择灵活就业，不再盲目扎堆全职岗位与体制内考试。

灵活就业正在从低学历人群的无奈之选，变成高技能人才的主动选择。越来越多人不想再"为公司打工"，而是希望用自己的能力直接创造价值。

这套社会语境，也催生了更多的OPC。

三、 OPC主要集中在哪些领域？

虽然OPC越来越多，但根据多份调研报告显示，OPC并不广泛适用于各个领域，目前主要集中在三大主力赛道（占比约65%）：

• 电商（32%） ：跨境电商、独立站、社交电商。

AI生成产品图、描述、客服回复，一个人可以运营整个店铺。

• 设计（18%） ：品牌设计、UI/UX、AI设计服务。

Midjourney + Figma的组合让设计师的产出效率提升了5-10倍。

• 开发（15%） ：SaaS工具、小程序、自动化系统。

Cursor、Claude Code等AI编码工具让非技术背景的人也能开发产品。

还有一些赛道OPC模式正在快速增多：

• AI应用/数字产品：AI工具、模板、插件，复制能力强，边际成本低
• AIGC内容/个人品牌：自媒体、知识付费、短视频，需要把流量沉淀为IP
• 产业智能体/专业服务：行业咨询、垂直SaaS、企业外包，高客单价，行业壁垒高

在区域分布上，前三梯队分别是：

第一梯队：长三角（占半数以上）

第二梯队：粤港澳大湾区

第三梯队：京津冀

另外OPC公司的创业者画像也值得关注： 非技术背景者占到了75%（技术不再是前置条件），超过九成启动资金不足500美元。OPC的主力不是程序员，而是懂行业、懂用户、能把AI编排成生产力的人。

四、 OPC公司具体是怎么做的？

一个OPC要跑通商业闭环，其实就是跑通一条极简链路：生产、获客、销售、交付。

传统公司每个环节都要配人，OPC的逻辑是让AI接管执行层，人负责判断、以及AI做不了的部分。

具体而言：

1. 生产端：

AI处理的是"可标准化的重复劳动"，做设计、写代码、处理数据。

人负责方向判断和质量把关。

2. 获客端：

大多数OPC靠内容获客——写文章、拍视频、做分享，让流量找过来或者站内投流获取流量。

AI把内容生产的门槛压到了极低，一个人就能同时运营多个平台、输出多种格式的内容。

人来提供选题判断力和对目标用户的理解深度。

3. 销售端：

很多技术背景的创业者认为产品好就会有人买，现实是——获客、破冰、建立信任、处理异议、推进成交，这一整套流程需要专门设计。

AI能做售前接待和自动跟进，但信任的建立仍然依赖真实的人。

这也是绝大多数OPC公司里的创始人需要重度投入精力的环节，尤其是高客单业务。

4. 交付端：

关键是把非标服务尽可能标准化。培训、咨询、设计这类服务，一旦跑通了交付模板，AI就能帮你完成80%的重复交付工作，人只处理需要定制判断的部分。

需要说明的是，OPC公司的运作方式虽然能抽象出极简链路，但因所在的领域不同、创始人思路、能力的差异，其运作模式也有着非常大的差异。

一些具体的OPC案例：

案例1：跨境电商，3个人，14家店

光年易达的CEO王风是前京东产品经理，2025年带着两个前同事在北京成立这家公司，专做TikTok Shop跨境电商。

14家店铺覆盖东南亚、日本、墨西哥、美国，各区域品类精准细分：

• 东南亚做母婴和年轻人用品
• 日本主打箱包和二次元周边
• 墨西哥做运动品类
• 美国聚焦女装美妆

传统跨境团队十几人干的事，他们3个人搞定。在以下环节他们重度使用AI介入：

客服：用一套AI系统覆盖全店，自动回复，不用倒时差。

选品：靠AI自动抓取海外热销趋势和人群偏好。

上架：以前一个品要几十张图加双语翻译，现在中文素材一键转多语种，图片自动处理。

现在他们的月GMV几万元，利润率不算高，但胜在轻资产、可复制。

创始人也分享了自己的经验心得：

刚创业时回下意识用大厂那套，定SOP、建中台、强流程，在越南跑通后直接往日本和墨西哥复制，结果完全水土不服。各国平台规则、语言、选品逻辑差异巨大，强行标准化反而是负担。

现在他们的原则是：能AI的AI化，不能AI的小范围标准化。

（来源：中国经营报，2026年3月）

案例2：开发，1人做动画工具

苏魁，程序员，曾就职于知名游戏引擎公司和在线教育公司。

2024年11月在北京家中创办哪吒互娱，一个人开发"龙骨动画"——AI辅助的2D骨骼动画创作平台。

国内近6000用户，海外1000多用户，约500名付费用户，靠订阅收费。

创始人认为一个人做产品，最大的困难不是技术，而是非业务事务，"这些问题都不是业务相关的，但要花大量时间、精力、金钱去处理。"

后来他入驻了北京中关村AI北纬社区，获得了免费办公场所，还有政策宣讲、投资对接等支持。

（来源：红星新闻，2026年4月）

案例3：AI音乐，一年30首歌，版权费18万

老周（化名），40多岁，浙江人，曾在微软、央视网、恒生电子工作，做过UI设计师、产品经理。

2024年，陪伴十多年的爱犬去世后，他写了一首歌纪念它——那是他第一次用AI创作音乐。之后他开始持续创作，摸索出一套方法：歌词一定自己写，让GPT帮整理情绪、拓展意象，但核心内容必须来自自己的生活；编曲用Suno完成，封面用即梦生成。

前半年基本为爱发电。后来一首歌突然火了，接着七八首陆续获得流量。一年写了30多首歌，15首被某音乐平台官方工作室打包买走，版权费总共18万。其中一首播放量接近千万，日播放最高20万。

工具成本：一年只花了2000多元的Suno会员费，每月稳定产出3-5首。

收入不如以前在大厂高，但他说状态很平静："创作不能像写代码一样埋头苦干，它需要时间和情绪。AI只是赋能者和助手，灵魂仍然来自人。"

（来源：钛媒体/AIX财经，2026年3月）

案例4：AI培训，5个月100+客户，还需要一个"人类"合伙人

钟黑黑，29岁，算法专业毕业，之前在大厂做无人驾驶与机器人研发。去年从大厂离职，在上海创立一人公司，专注AI培训。

他的"同事"是四个AI模型：Claude、DeepSeek、ChatGPT、Gemini。

每天第一件事是速览AI行业前沿动态，然后为客户设计定制化AI学习方案。

客户主要是三类：想给简历加分的应届生、想验证AI项目想法的创业者、做科研的高校师生。按项目复杂度收费，1000元到5万元不等。

创业5个月，服务了100多位客户，1/3来自老客户推荐。

最让他有成就感的案例是，他帮一个同济大学船舶专业硕士生，通过AI项目训练，成功入职一家无人船AI初创公司，年薪比传统船厂高约20万。

平均月收入基本和大厂时持平，但波动很大。

他很清楚自己的瓶颈： "AI参与了每个环节，但我依然需要一个人类合伙人。客户咨询、建立信任、服务反馈——这些需要真实的人类交流，AI还远远做不到。"

（来源：钛媒体/AIX财经，2026年3月）

案例5：电商，骨折卧床70天，用AI开了12家网店

刀仔（化名），35岁，河南人，之前在直播行业做了5年，开过直播经纪公司。

2024年判断直播风口已过，准备转型跨境电商——结果考察供应链时货物砸下来，腿骨折了，卧床70天。

躺在病床上，他面临两个选择：等腿好了再说；或者用AI替代原本要组的10人团队，先跑起来。他选了后者。

发货找工厂一件代发（不用租库房压库存）；

客服外包1000元/月+AI自动回复几十元；

运营让AI做决策（投流预算、趋势分析）和提效（批量生成文案配图）。

他还用Coze搭了一套工作流：每天抓销售数据、天气变化和竞品价格，生成经营日报。

前前后后开过12家店（1688、淘宝、抖音、拼多多），优化到4家主力。今年1月，单店月均销售额5-8万，扣除所有开支单月净利2.5-3万。运营成本只有2000元。

他说了一句很清醒的话： "网上太多一人公司的神话，今天变现十万，明天月入百万，其实大多不靠谱。AI只是工具，没有商业逻辑，再好的工具也没用。我能成，七成是运气。"

（来源：钛媒体/AIX财经，2026年3月）

五、 困难与边界：什么能交给AI，什么不能

当前OPC面临4个比较核心的困难

1. 获客难——第一批客户从哪来？

52.7%的一人公司月收入不足7000元。最大的瓶颈不是产品不好，是没人知道你的存在。

AI可以帮你生产内容，但不能帮你建立信任和人际关系。

冷启动阶段，大多数OPC还是得靠创始人的个人网络和内容积累。

2. 信任成本——"一个人"不等于"值得信任"

客户选择你，不是因为你有AI，是因为信你。

一个人没有品牌背书、没有团队撑腰，需要更长时间建立信任。

这在B2B场景尤为明显——客户更倾向于和有团队的公司合作。

3. 决策质量——没有"第二意见"

股权结构单一，缺乏内部制衡，决策失误率比普通有限责任公司高出40%。

所有压力和责任都压在一个人肩上。

AI可以帮你分析数据，但不能替你做战略判断。

4. 心理消耗——孤独是真实的

超半数OPC经营者靠延长工作时间"硬扛"，未注册个体户平均每周工作近70小时。

AI看似节省了时间精力，实际上让所有压力与责任成倍地压到一个人肩上。

关于获客的效率，随着AI自动化工具越来越强，精准投放、自动化内容分发、智能客户画像这些能力的提升，也许有机会得以解决；

但与客户的信任建立，尤其是高客单价业务，最终还是要靠人解决。AI可以帮你完成初步沟通，但关键决策点需要真人出场。

包括商业决策和战略选择以及情绪管理，这些还是需要自我认知和商业智慧。

六、不是一人公司，也可以"OPC化"

不是只有创业者才需要关心OPC。

企业的很多业务环节，都可以尝试OPC化——从全部由人构成，演变为1个/多个业务骨干+N个AI Agent的模式。

这是适合大多数企业思考的方向。

如果企业正在考虑将一些业务环节OPC化，有几个关键原则可以作为参考：

1. 先找一个场景，不要一上来全面铺开

选一个高频、有明确判断标准、容错空间大的场景。比如售前客服、内容生产、数据整理。

跑通了再扩展。

2. 选对场景比选对工具重要

不是所有工作都适合AI。判断标准：

• 规则相对明确？→ 适合
• 有大量重复性沟通？→ 适合
• 需要深度行业判断？→ 谨慎
• 涉及关键决策和信任建立？→ 人机协作

3. 训练AI的方法很关键

不要试图写一套完美的SOP让AI执行。更好的方法是：

• 提供优秀的真实案例，让AI自己总结规律
• 分析失败案例，让AI理解哪里做错了
• 通过对话不断调整，而不是一次性配置
• 让AI学会判断原则，而不是记住具体话术

4. 警惕"AI万能论"

AI是杠杆，放大的是你本来就有的东西。

本身没有积累的环节，杠杆放大以后还是空架子。