在人工智能时代，应用程序正逐渐演变为一种供过于求的产品。

根据RevenueCat的数据，2022年初，每月新上线的订阅制应用仅有大约2000个。然而到了2026年初，这一数字急剧攀升至1.47万个，这意味着每天都有近500款新产品涌入市场。

按照这种发展态势，最可能被颠覆的，正是那些依靠批量开发应用来盈利的“应用工厂”。

但有趣的是，当整个行业仍在探索AI应用的商业化路径时，这些低调的“应用厂商”已经赚取了可观的利润。

例如，土耳其公司Codeway在短短几年内推出了60多款应用，其中超过一半与AI相关。其旗下的一款英语口语练习应用Learna，仅在iOS平台上，每月就能实现500万至600万美元的营收。

中国公司杭州睿琪也毫不逊色。其产品矩阵已扩展至约36款，其中至少24款围绕AI技术展开。最成功的植物识别应用PictureThis，在双平台上的月流水已达到约1200万美元。

从AI外教到植物识别，这些看似不起眼的细分需求，竟然能支撑起每月数百万甚至上千万美元的营收。这背后，实际上揭示了AI应用层一个重要的变化：

AI让开发应用变得越来越容易，但却没有让通过应用赚钱变得同样简单。

当技术门槛不断降低时，发现需求、获取用户以及持续变现的能力反而变得更加关键。而这正是应用工厂在过去十几年中积累的优势。

今天，硅基君就来探讨一下，为什么AI反而让应用工厂迎来了第二春。

AI应用层涌现出一批低调的“工厂”

在AI应用层，这两年跑出来的不仅仅是Harvey法律AI、Rogo金融AI、Cursor编程AI等明星产品。

还有一批相对低调、但已经开始默默盈利的玩家，它们就是应用工厂。

这类公司有一个共同特点：很少将所有资源押注在一款产品上，而是同时运营几十款应用，覆盖图片处理、语言学习、健康管理、生活工具等不同需求。

过去，它们主要依靠批量开发工具类应用赚钱。而到了AI时代，这套策略正迎来新一轮增长。

最典型的例子就是土耳其公司Codeway。

Codeway成立于2020年。2024年初，它仅有9款应用产品，如今已扩展到60多款，其中AI相关产品超过30款，成为最主要的产品方向。

更重要的是，这些AI产品已经开始贡献相当可观的收入。

目前，Codeway最强劲的产品是Learna，一款内置在手机中的AI外教。

它的功能非常直接：让用户随时随地和AI练习英语口语。

例如，准备出国时，用户可以直接选择机场值机、酒店入住、餐厅点餐等场景。AI扮演工作人员，用户开口回答，它会根据对话继续追问，并实时纠正发音、用词和语法问题。

为了让对话更接近真人，Codeway后来将Learna的语音系统更换为ElevenLabs。

这次改动甚至直接体现在付费转化上。

Codeway与ElevenLabs披露的一次A/B测试显示，更换语音系统后，Learna的试用转付费率提高了9%，用户生命周期价值提高了11%。

这款产品于2024年9月上线。短短两年内，累计下载量已超过1500万。

根据Sensor Tower的估算，到2026年9月，仅iOS平台，Learna近30天的下载量就达到约200万次，商店流水达到500万至600万美元。

一个看似简单的AI口语练习工具，单平台月流水已达到数百万美元。但Learna只是Codeway的一条产品线。

旗下AI修图应用Retake月流水已达到约200万美元，通用助手Chat AI约60万美元，AI会议记录Smart Noter约40万美元，AI写作工具TypeAI也有约10万美元。

从英语学习、照片处理到会议记录，Codeway已在几个完全不同的需求领域，连续推出了一批能够盈利的AI产品。

另一家土耳其公司HubX也采用类似策略。

这家公司成立于2022年，目前已经推出了40多款产品，公开产品中至少15款已明确为AI应用。2024年，公司还专门成立了AI Lab，针对旗下不同应用场景训练和微调模型。

与Codeway相比，HubX没有特别突出的超级单品，更像是多点开花。

例如，旗下的Home AI专注于解决装修设计问题。

过去，普通人想看看自己家装修后的效果，通常需要找设计师出图。而在Home AI中，只需拍一张房间照片，选择现代、极简等装修风格，AI就能重新设计沙发、墙面、配色甚至整个空间布局。

客厅、厨房、卧室、卫生间，甚至房屋外立面和花园，都能单独生成装修方案。

这个看似小众的需求，同样跑出了一门不错的生意。

Home AI于2024年4月上线。到2026年9月，仅iOS平台就有大约50万月下载量，Sensor Tower估算月流水约90万美元。

另一款产品AI Video，则瞄准了短视频创作。

上传一张人物照片，AI就能让照片中的人物跳舞；一张静态老照片，也能直接变成视频。用户还可以通过文字生成画面，给人物添加配音和口型同步，最后导出为适合TikTok、Instagram Reels和YouTube Shorts的竖屏内容。

原本需要拍摄、剪辑、制作动画才能完成的一条短视频，现在一张图就能起步。这款产品仅iOS月流水已达到约100万美元。

再往下，通用助手Nova、生成纹身方案的Tattoo AI、制作头像和图片的DaVinci、以及AI照片和视频工具Momo，也都实现了几十万美元级的月流水。

如今，这套方法也正被更多应用工厂采用。

例如，成立于2018年的AIBY，目前运营着50多款产品。仅2024年以来，就新增了29款应用，其中19款与AI相关，占比达到65.5%。

旗下AI图片和视频生成工具ARTA，2026年iOS月流水约30万美元。识别硬币的Coin ID、记录饮食营养的HitMeal，以及皮肤护理工具OnSkin，也都形成了十万美元级的月流水。

杭州睿琪则将这种细分需求产品化的模式做得更加彻底。（详情可参考此前文章：中国最低调的AI应用工厂，上线19个产品，年收入超10亿）

根据目前App Store公开产品的粗略统计，其产品矩阵已扩展到约36款，其中至少24款围绕AI展开。

植物、昆虫、鸟类、鱼类、蘑菇、岩石、硬币、唱片，几乎每一种识别需求，都可以独立做成一款应用。其中最成功的PictureThis，双端月流水已达到约1200万美元。

从Codeway到HubX，再到AIBY和杭州睿琪，AI正在成为应用工厂新的增长引擎，让批量生产应用的老生意，跑出了新一轮增长。

为什么应用工厂能吃到AI红利？

看到这里，你肯定会有疑问：

按理说，AI让开发应用越来越容易，应用工厂原本的优势应该被削弱，结果第一批吃到AI红利的，为什么还是它们？

在硅基君看来，这背后主要有三个原因：

首先，AI降低了开发成本，使过去很多不值得做的小生意，开始变得划算。

美国应用工厂Bending Spoons曾披露一组数据：2025年第一季度，公司由AI编写或共同编写的代码PR还不到10%；一年之后，这个比例已超过90%，其中约70%可以直接由AI完成。

而对应用工厂来说，这种效率提升还会被进一步放大。

因为它们通常同时运营几十款产品，代码、模型接口、订阅系统乃至投放经验都能重复使用。再加上AI降低了设计、开发和维护成本，一款新应用需要投入的资源就更少了。

于是，过去很多小到不值得立项的需求，现在也有机会变成生意。

例如，AIBY旗下的Rock ID，只做一件事：拍一块石头，告诉你它是什么品种。

Peekly估算，这款应用目前在Google Play的月流水只有大约5000美元。市场上还有专门识别蘑菇、昆虫、收藏卡牌的应用，一些产品每月甚至只有几千美元流水。

放在过去，这点收入可能连一个开发团队都养不起。但现在，只要开发、维护和获客成本足够低，几千美元月流水也可能是一门划算的生意。

一家工厂同时运营几十款类似产品，积少成多，同样有机会形成可观的收入。

AI让过去因为市场太小而不值得做的需求，开始有了商业价值。

但降本还只是第一层。AI更大的价值，是把过去技术上做不好的需求，也变成了可以商业化的市场。

例如，拍照计算食物热量。

早在2011年，DailyBurn就推出过一款名为Meal Snap的应用，对着食物拍张照片，就能自动估算热量。

但当时的技术实在不太靠谱。TechCrunch测试发现，一小把腰果，软件给出的热量区间竟然从150卡一直跨到614卡。

几年后，这款产品也从美国App Store下架了。

十几年后，Cal AI重新做了这件事。它利用AI识别食物、估算分量，再匹配营养数据库，计算热量以及蛋白质、脂肪、碳水化合物。按照创始人的说法，单次食物扫描的平均准确率已超过90%。

结果是，2026年3月被MyFitnessPal收购时，Cal AI累计下载量已超过1500万，过去12个月销售额超过4000万美元。

同样是拍照算热量，十几年前效果差到难以普及，现在却跑出了一门年销售额数千万美元的生意。

从AI外教到装修设计，再到照片生成视频，背后都是类似的逻辑。

视觉、语音和大语言模型的进步，让应用能够解决的问题越来越多。过去软件做不好的事情，如今开始能够提供用户愿意付费的体验。

成本下降扩大了小需求的生存空间，模型进步则进一步扩大了应用工厂能够进入的市场。

但问题也来了。当所有人都能低成本开发应用，凭什么最后赚钱的还是这些工厂？

这就涉及第三个原因：AI正在放大应用工厂原本积累的商业化优势。

RevenueCat数据显示，每月新上线的订阅应用已接近1.5万款，但上线两年内能做到1万美元月收入的，只有4.6%。

开发一款应用越来越容易，但真正把产品卖出去却依然很难。

尤其是订阅制应用，下载量只是第一步。用户是否愿意付费、获客成本是多少、订阅能持续多久，才真正决定一款产品能否赚钱。

而这恰恰是应用工厂最擅长的事情。

例如，HubX专门开发了两套系统。

第一套叫XRay，每小时扫描App Store和Google Play上的数百万款产品，估算下载、收入和增长趋势，寻找正在快速增长的细分市场。

说白了，就是判断现在什么东西正在赚钱，下一款应用应该做什么。

第二套叫MarketingX，负责解决产品做出来以后如何销售的问题。

它能从广告投放第一天开始，预测新用户未来可能贡献多少收入，再根据获客成本，判断广告是否还值得继续投。

如果花1美元获取的用户，未来只能带来0.5美元收入，就要尽快止损；如果能带来3美元，且扣除其他成本后仍有利润，就有机会继续放大投放。

这套系统支撑HubX在没有外部融资的情况下，开发出40多款产品，累计覆盖超过6亿用户，并持续保持盈利。

对这类公司来说，每一款应用其实都是一次商业实验：发现需求、开发产品、测试付费、扩大投放，跑通的继续加码，跑不通的及时放弃。

单款产品的成功率未必很高，但只要测试成本足够低、成功产品的回报足够大，整套生意就有机会持续运转。

而AI恰好让这套体系变得更高效了。

开发成本下降，意味着同样的钱可以测试更多产品；模型能力增强，意味着可尝试的需求更多；竞争越激烈，应用工厂积累的市场洞察、获客和订阅运营能力也就越重要。

所以，AI时代应用工厂的崛起，其实揭示了一个很有意思的变化。

当开发应用越来越不值钱，决定一款应用能否赚钱的能力，反而变得更值钱了。

Codeway、HubX们过去积累的那套产品生产和商业化体系，正在AI时代释放出更大的价值。

本文来自微信公众号“硅基观察Pro”，作者：元元，36氪经授权发布。