十年連敗的創業者，靠一個月上萬支短影音做到千萬美元

「失敗多年，終於翻身」是一種很好聽的創業故事。好聽，但通常沒回答最重要的那個問題：他到底是靠什麼翻的？

David Park 是韓裔美國人，從爸媽的房間裡開始創業。他自己講過一句很直白的話：這十年，他開了十幾個專案，全垮了，真正的成功只發生在最近這兩年。那個讓他翻身的東西，是同一個寫作工具——2019 年，他先做了一個給行銷代理商用的 SEO 文案工具，底層是微調過的 GPT-2；GPT-3、接著 GPT-4 出來之後，這個工具改了三次方向（從 SEO 文案，到泛用 AI 寫作，再到學術寫作），直到 2022 年他把它收窄成一個「幫學生和研究者寫論文」的助理，才終於做起來。它叫 Jenni AI。

三年後，這個工具是這樣的：團隊約 23 人、年營收在 2025 年 2 月衝到約 1000 萬美元的峰值、外部資本極少（各家口徑不一，但都是很小的數字）。英文圈的報導很愛把它講成「一個十年連敗的人，靠堅持感動天」的勵志故事，甚至有標題直接吹成「2500 萬美元的成功傳奇」。

但這篇不打算這樣寫。因為 Park 的成長，不是堅持堆出來的——是一台可以拆開來看的機器，加一扇很窄的時機窗堆出來的。而且它也不是一條乾淨往上的曲線。先把話講在前面：這篇裡的營收數字，多半是本人受訪自述或第三方追蹤站的估算，沒有審計財報，各家還彼此打架。這是一篇拆解，拆「失敗多年翻身」這種故事底下，到底裝了什麼引擎。

錢從哪來：數字打架，而且峰值後在往下走

先看證據等級，再看數字。Jenni 沒有公開財報，能拿到的是 Park 在幾個訪談裡講的營收、幾家追蹤站的估算——這些都要當「當事人或旁觀者估的」來讀，不是財報級。

各家口徑打架，這裡分層並列、各帶時點：

數字	口徑	時點／來源	證據等級
年營收（ARR）約 760 萬美元、2025 年中回落到約 700 萬且在下滑	第三方深度研究估算	2024 底／2025-07，Sacra	B-（最嚴謹的第三方口徑）
47 萬→180 萬→500 萬→約 1000 萬→約 700 萬美元	逐年 ARR 估算	2021-11／2023-10／2024-04／2025-02 峰值／2025-07，getlatka	C（第三方追蹤站，多為估）
180 萬→800 萬→1000 萬美元以上、估值約 2500 萬美元	特寫報導口徑	2023／2024／2025，TMTPost	B-／C
「2500 萬美元成功故事」	標題誇大值	2025～2026，部分散發稿	打折看（PR 味）
毛利約 83%、OpenAI 帳單月約 2–3 萬美元	成本結構	Sacra	B-
團隊 2→5→9→約 23 人；外部資本極少	規模／資本	2021–2025，多方交叉	B-／C

有兩個地方要挑明。第一，「1000 萬美元」是 2025 年 2 月的峰值，不是現在的水位。同一個 getlatka、加上做研究最紮實的 Sacra，都記到 2025 年年中它回落到約 700 萬美元、而且在下滑。那些只講「$10M ARR」甚至「$25M success story」的標題，抓的是最漂亮的那個瞬間，看的時候要往下打個折。第二，外部資本這件事三家講得不一樣——getlatka 記「零融資」，Sacra 記 2024 年募了約 85 萬美元，Park 早期提過一張約 10 萬美元的天使支票。三個版本並在一起，能確定的是外部錢無論哪個口徑都極少，這門生意基本上是自己養大的。

即使把峰值往下打折，剩下的骨架仍然清楚：一個外部資本極少、二十幾人的團隊，做到了百萬美元到千萬美元量級的年營收，毛利還高到 83%。這門生意是真的在賺錢。真正值得拆的，是它怎麼從十年低谷爬上來的——因為那個過程，跟「堅持」關係沒有故事講得那麼大。

拆掉「運氣還是堅持」這個問題

看到「十年連敗才成功」，大家習慣把它塞進兩個抽屜之一：要嘛是「他夠堅持，感動天」，要嘛是「他運氣好，剛好賭中 AI」。這兩個抽屜都沒營養，因為它們都不告訴你「換成你、該做什麼」。

Park 這波成長，其實有兩個可以指認、可以拆的引擎。

第一個引擎，是一台短影音分發機器。這是整個案例最實用的一塊。Park 在多個訪談裡拆過他的獲客打法：他不砸錢找大網紅，而是自己組了一支200 多個創作者、單一用途帳號的隊伍——一個個專門為 Jenni 開的小帳號，一個月產出約 12,000 支 TikTok 和短影音，把每千次觀看的成本（CPM）壓在 2 美元以下。邏輯是用「量」去餵 TikTok、Instagram 的演算法：發夠多支，總有幾支會被演算法選中、滾出大量自然觀看，而整體單價低到離譜。這些數字是 Park 自己受訪講的（自述），但打法本身是可以看懂、可以學的——它把「行銷」從「買曝光」變成了「工業化地製造內容、讓演算法幫你篩」。Jenni 從 0 做到 100 萬美元年營收那段，靠的主要就是這台機器，不是付費廣告、也不是傳統 SEO。

第二個引擎，是一扇很窄的時機窗，加上一個很聰明的收窄動作。GPT-3、GPT-4 剛出來的那一兩年，AI 寫作工具遍地都是，Jasper、Copy.ai 這些泛用型的打得火熱。Park 一開始也在這條泛用賽道裡，打不出差異。他做對的關鍵一步，是把場景收到極窄——不做「幫你寫任何東西」，只做「幫學生和研究者寫論文」。這個窄場景讓他能把學術專屬的功能做深：支援 1,700 多種引用格式、生成的每一句話都能追溯回它引用的來源段落。這些功能對一個泛用寫作工具沒意義，但對一個要交論文、怕被抓抄襲的研究生，就是剛好戳中的痛點。而那個時間點，大廠和競品都還沒認真做學術寫作這一塊——他卡進了一扇很短的空窗。

把這兩個引擎擺出來，「運氣還是堅持」這個問題就化開了。堅持是背景（沒有十年練出來的產品手感，他做不出那個收窄動作）；運氣是條件（時機窗是天給的）；但真正把收入推上去的，是一台工業化的分發機器和一個把場景收到夠窄、能做出專屬深度的決定。這兩件事，比「他很努力」具體得多，也可學得多。

成本與時間帳：十年低谷是真正的前置投入

「一個十年連敗的人，兩年做到千萬美元」很容易被讀成一個勵志爽點。來算算這底下墊了什麼。

先看時間曲線。做研究最紮實的 Sacra 記下一句很值得玩味的話：Jenni 花了 4 年才從 0 做到 100 萬美元年營收，接下來只花 4 個月就到 200 萬、再 6 個月到 500 萬。也就是說，前面 4 年幾乎是貼地爬的長期低谷，PMF 之後才突然變得又快又陡。這條曲線本身就否定了「一夕爆紅」的讀法——爆發是真的，但爆發前有一段長到會讓大多數人放棄的平原。

再看那十幾個失敗的專案。它們不是跟 Jenni 無關的背景故事，它們就是這門生意的前置投入。Park 能在對的時機做出「把寫作工具收窄到學術場景」這個動作，是因為他已經在寫作工具這條線上反覆撞牆好幾年，知道泛用打不贏、知道要往哪裡鑽。這種產品手感沒辦法跳過，也沒辦法用錢買——它是十年連敗的副產品。

成本面則相對輕：毛利 83%、OpenAI 帳單月 2 到 3 萬美元、團隊控制在二十幾人、外部資本極少。薄成本結構是它能一路自己養大的原因。但輕也有代價——它高度綁在一個很小的團隊、一個創辦人身上，抗風險的緩衝很薄。

學得來的，和學不來的

把這個案例拆成兩排，才算看懂。

學得來的（是模式，不是保證）：

1. 把場景收到夠窄，再把專屬功能做深。泛用 AI 寫作打不過大廠和先行者，但「幫研究生寫論文、還能追溯引用來源」是一個大廠懶得單獨做、你卻能做到底的縫。與其做一個什麼都能寫的工具，不如找一個你能做到最深的窄場景。
2. 用短影音素人矩陣攢自然流量。200 多個單一用途帳號、一個月上萬支、CPM 壓到 2 美元以下——這套「工業化製造內容、讓演算法幫你篩」的打法，比砸錢買大網紅便宜得多，而且分發是幾年複利出來的資產，越早開始累積越值錢。
3. 把成本結構做薄。訂閱制加低變動成本，讓一個小團隊也能一路自己養大、不必伸手要外部資本。

學不來的（誠實標出來的前提）：

1. GPT-3、GPT-4 剛出、學術 AI 寫作還沒被佔滿的那扇窄門。早兩年沒有夠強的模型，晚兩年這個縫已經擠滿競品。他卡進的是一個時間很短的窗口，前面那段陡升，很大一部分是這扇窗給的。
2. 十年連敗練出來的產品手感。那個「把場景收窄到學術」的關鍵決定，是撞了十年牆才長出來的直覺，不是起手就有的。
3. 分發機器的先發規模。200 多個創作者的網絡是好幾年一支一支攢出來的現成資產，今天從零重做一個一模一樣的產品，沒有這台已經轉起來的機器，未必推得動同樣的量。

幾道裂縫：這台機器堆出來的成長會漏

一個只給你看漂亮數字的案例是廣告，把裂縫講清楚才有參考價值。

第一道，是那個高到嚇人的流失率。Sacra 估 Jenni 的月流失率約 16%——意思是這門生意每個月都要重新補上大約六分之一的收入，才能站在原地。原因有兩個：一是生成式 AI 的用戶天生就在各家 app 之間跳來跳去，忠誠度低；二是它的客戶幾乎全是學生，而 edtech 有很重的季節性，暑假、寒假需求會大跌。高流失是這門生意結構性的漏水，不是一時的。

第二道，是成長不是單調往上的。前面那張表已經講了：2025 年 2 月約 1000 萬美元的峰值，到 2025 年年中回落到約 700 萬。那台短影音機器很會拉新，但拉進來的用戶留不住、加上季節性，整體水位是會退潮的。看這個案例，不能只記住峰值那個數字。

第三道，是它踩在一塊會被質疑的地上。Jenni 的核心用途是「幫學生寫論文」，這件事本身就處在學術誠信的灰色地帶。大學對 AI 代寫、AI 輔助寫作的政策一直在收緊，哪天校規或偵測工具往嚴的方向走，衝擊的就是它的核心客群。這是這門生意貼身的規則風險，短期看不到、長期甩不掉。

第四道，是大廠隨時能直接吃這塊。ChatGPT、Google 的模型本來就會寫論文、也在加引用和文件功能，它們要認真做學術寫作，Jenni 的垂直護城河（引用系統、分發）能守多久，是個沒人能保證的開放問號。

讀者帶得走的判讀

下次再看到「某某開發者失敗多年、終於靠 AI 翻身做到千萬美元」這種標題，可以直接套這篇的讀法。

先別被「他很堅持」這個敘事收編。堅持是每個成功案例的標配背景，它不解釋任何事。要問的是：這波成長，是哪一台機器、加哪一扇窗堆出來的？是一套可以工業化複製的分發打法？是一個收窄到夠深的場景？還是剛好卡進一個很短、你今天已經進不去的時機窗？把引擎指認出來，你才知道哪些學得來、哪些是天時。

再回頭看數字。它報的年營收，是有第三方（追蹤站、做研究的機構）佐證的，還是全靠一句受訪自述？各家口徑對不對得上？有沒有人記著「峰值後下滑」那一段？把 PR 味的數字（像「2500 萬美元成功故事」）往下打折，剩下的往往才是真的。

Jenni AI 給的最實用一課，跟 David Park 有多堅持無關：「失敗多年終翻身」的故事底下，裝的通常不是意志力，是一台可以拆開來看的分發機器，和一扇剛好被他卡進去的窄門。 學那台機器、認清那扇窗，比感動於他的堅持有用得多。

這是「AI 賺錢」系列的案例之一，其他從一人公司到收購退場、硬體出海的拆解都收在專題頁。