8个月1亿美元ARR背后：Emergent 如何用 To C 的方式，吃下 To B 的市场

这几天研究了一些 AI 应用的案例，其中 Emergent 的案例让我眼前一亮，看得我有点小兴奋。因为它做的事“共鸣”了或者验证了我有过的一个想法，我觉得这是一个非常值得拆的案例。

先看数字：

2025 年 6 月上线，到 2026 年 7 月，年化收入 1.2 亿美元，20 万付费客户，估值 15 亿美元。从 YC 毕业到独角兽，只用了一年多。

但我反复回看的不是数字，是它一路上做的那几次选择。每一步似乎都跟主流做法反着来，但每一步事后看都走得很对。

我想这才是它一年就成了独角兽的秘密，今天我们就来聊聊 Emergent 这个产品是怎么走出来的。

它不是又一个 AI 编程工具

如果说 Cursor、Claude Code、Codex 解决的是：“我会开发，帮我写得更快。”

Emergent 解决的是：“我不会开发，但我知道自己想做什么，你直接帮我把产品做出来。”

你对它说“帮我做一个物流公司的车辆调度系统”，它不会直接吐代码。

它会反过来问你：几种用户角色？货物状态怎么流转？要不要支付接入？然后自己搞定前端、后端、数据库、登录认证、测试、部署——全过程不需要你碰一行代码。

CEO 自己用过一个很准的说法：

Cursor 卖的是 AI Programmer（AI 程序员）。
Emergent 卖的是 Engineering Team in a Box（装在盒子里的工程团队）。

也就是说，不是帮你写代码，是替你把架构、开发、测试、部署、运维全部包了。

这是 Emergent 刻意和 Cursor、Claude Code 这些产品不同的地方，他们把软件开发生命周期抽象掉，让用户不需要理解代码、错误信息、服务器部署这些东西。

有一个案例让我印象很深。一家屋顶工程公司，原来同时用 CRM、报价、支付、日程、客户触达五套工具，每月软件成本大概 1800 美元。老板用 Emergent 把五套系统整合成了一套自己的业务平台，成本降到一个月 100 美元。

所以它真正干掉的，不是“编程工具”这个市场，而是那些因为软件太贵而根本没被开发出来的软件需求。

不是在抢蛋糕，是在做一块新蛋糕。

憋了半年，先拿到世界第一

但 Emergent 不是一上来就想清楚要做这个的。

创始人是一对双胞胎兄弟，Mukund 和 Madhav Jha。哥哥 Mukund 之前是印度即时配送公司 Dunzo 的联合创始人和 CTO——Dunzo 经历过高速增长也经历过严重困境，他对“怎么在混乱中把东西跑起来”有肌肉记忆。弟弟 Madhav 是典型的学术路线：宾州州立理论计算机博士，在亚马逊是 SageMaker 创始团队核心成员。

2023 年底，兄弟俩密集地跟各大 AI 实验室聊了一圈，得出一个判断：AI 代理接管软件开发这件事一定会发生，而且规模会非常巨大。

他们最初进 Y Combinator 的时候，做的其实是用 AI 自动化 UI 测试（界面测试）。这是一个典型的“开发人员的活很烦，让 AI 来干”的方向，本来很可能做成一家 AI 测试公司。

但进 YC 第一天，他们就跟 YC 说：我们要换方向。

因为他们在做的过程中突然意识到——如果 AI 已经能操作界面、理解软件逻辑、发现 bug，为什么不直接让它完成整个软件开发流程？

这是 Emergent 的第一次重要转向：重新定义了问题的边界。

方向定了之后，按照常规剧本走是“先找痛点、做 MVP、快速上线”，让用户一句话生成 APP。

但 Emergent 没有。

而是反过来了：憋了整整 6 个月，不碰产品，不碰增长，不碰用户，就死磕一件事——把 Coding Agent 做到世界最强。

直到自家的 Agent 在一项叫 SWE-bench 的权威编程能力评测上拿到第一，他们才觉得：底层技术能力终于够用了。

这在传统创业里其实很危险，容易变成“拿着锤子找钉子”。但在 AI 这种底层能力突然跃迁的时代，它反而成立。

因为模型能力一旦发生质变，会出现以前根本不可能存在的产品形态。创始团队首先要确认的，就是“这件以前做不到的事，现在到底能不能做到了”。

这是 Emergent 的第二个特点：先把能力做透，再去找市场。

技术出来了，卖给谁？三条路选了最难的那条

技术搞定了，面前三条路。

第一条：卖企业。传统 To B，销售周期长，定制需求多，一个初创公司跑不动。

第二条：卖开发者。Cursor、Claude Code 已经杀成红海，你很难在“更快写代码”这个维度上做出本质差异。

他们选了第三条，而且是主动选的：卖给那群最需要软件、但从来没能力做软件的人。

Emergent 做出了可能是它最重要的一次决定：不跟别人抢程序员。

他们换了一个角度问自己：既然 AI 已经能写程序，那为什么用它的人一定要会写程序？

目标用户一下子从“程序员”，变成了创业者、小老板、业务专家——一群最了解自己痛点、但从来没有能力把痛点变成软件的人。

这一步才真正打开了市场。

后来的数据验证了这个选择：

到 2026 年 2 月，Emergent 约 70% 的用户一行代码都不会写，接近 40% 是小企业主。客户包括卡车货运公司（做货物跟踪系统）、工厂（企业资源管理系统）、建筑公司（项目管理）、物业管理公司（内部 CRM）。

这些人在上面做的不是玩具 demo，是真正在生产环境和业务经营上跑的东西。

一位墨西哥工厂老板甚至用 Emergent 自己搭了一整套工厂管理系统，最后 500 名员工天天在用。

所以 Emergent 真正的 PMF（产品市场契合），是一群过去根本不会购买编程工具的人，第一次开始为"做软件"这件事付费。

这两件事，完全不同。

它真正攻击的不是“编程工具市场”，而是以前因为软件太贵而根本不会被开发出来的软件。

它不是在抢现有蛋糕，而是在创造一个全新的蛋糕。

增长是垂直的，但真正有意思的是 ARPU

Emergent 2025 年 6 月正式上线，之后的数据一路狂飙，增长很猛。

上线约 2 个月，1000 万美元 ARR，70 万用户。

3 个月，1500 万美元 ARR，100 万用户。

5 个月，2500 万美元 ARR，250 万用户。

7 个月，5000 万美元 ARR，500 万用户。

8 个月，冲到 1 亿美元 ARR，600 万用户，15 万付费用户。

到 2026 年 7 月，1.2 亿美元 ARR，20 万付费客户，累计融资 2.3 亿美元，估值 15 亿美元。

这个曲线不是靠投放烧出来的。Mukund 在 YC 播客里提到过一个细节：增长没有爆发点，是一路加速上来的。因为产品本身就是一个获客工具——用户在上面做出了东西，这东西本身就是最好的广告。同事看到了、同行看到了，自然就进来了。

Emergent 的商业模式不是纯订阅，而是订阅 + Credits 使用量 + 部署/托管 + 企业版的混合模式。

目前官方个人版大致分为 Free、Standard、Pro，再往上是 Business 和 Enterprise。

Standard 官方页面标价约 $20/月、100 credits；Pro 约 $200/月、750 credits，并增加超长上下文、Ultra Thinking、Custom Agents、高性能计算等能力；Business / Enterprise 则进入团队协作、SSO、RBAC、VPC、自托管数据库、审计日志等企业能力。

这个商业模型非常聪明。

因为用户不是简单“登录软件看看”，如果他真的在 Emergent 上开发产品、部署和使用，产品越成功，使用量越大。使用量越大，Emergent 收入越高。

而一旦这种生产级应用已经部署在它的基础设施上，迁移成本和留存都会比普通 AI Chat 产品高得多。

所以托管可能比“AI 写代码”本身更接近它未来真正的护城河。

这里出现了一个很有趣的商业数据，某种程度上验证了这个商业模型的成功。

假如我们粗算它的 ARPU（每用户平均收入）：

ARPU = 1.2 亿美元 ARR ÷ 20 万付费客户
           = 600 美元/年/客户
           = 50 美元/月/客户

入门标价是 20 美元，实际平均每个用户付了 50 美元。是标价的 2.5 倍。

这个差距说明了一件事：用户不是在“试一试”。他们是在上面真正跑起了业务。

应用越复杂，消耗的额度越多，自然买更多 credit。用着用着发现确实值，从标准版升级到专业版。一个人用爽了，把团队拉进来，升级团队方案。

收入的增长不需要每一轮都重新说服用户掏钱——用户用得越深，付得越多，而且是自愿的。

这和普通的办公效率 SaaS 完全不一样。SaaS 产品怕用户来了又走。Emergent 的用户在上面是在“建业务资产”——资产建好之后，迁移成本高了，流失率自然低。

它赚的不只是订阅费，是用户业务成功的“佣金”。

这才是真正的 PMF 信号——不是“有人愿意付钱”，而是“付了入门版之后，主动付了更多”。这表示产品在用户的业务里嵌得足够深了。

做到 1 亿美元了，CEO 反而开始否定自己

最后说一个让我很意外的地方。

Emergent 做到 1 亿美元 ARR 的时候，CEO 公开说了一段话：vibe coding 有两个风险——一是软件质量可能不够好，二是未来可能根本就不需要“软件”了。AI 直接查数据、发邮件、更新 CRM 就行了，为什么要先做个软件界面出来？

他甚至说，软件可能只是从诺基亚到 iPhone 中间的黑莓——过渡产品。他自己 1 亿美元的生意，未来也可能被 AI Agent 干掉。

所以又一次产品演化出现了：

2026 年 4 月，Emergent 推出了 Wingman——一个住在 WhatsApp、Telegram 里的 AI 助手，连接 Gmail、日历、Slack、CRM，帮你管理日程、发邮件、做运营。一家做“软件开发”的公司，开始做“AI 员工”。

这条线如果走通，演进路径很清晰：开发软件 → 部署软件 → 运行软件 → 运营业务。

从帮人造软件，变成帮人运营公司。这可能才是 Emergent 真正的长期故事。

为什么我说它“用 To C 的方式，拿到了 To B 的价值”

这才是这篇我最想讲的一个价值点。

也是开头我说 Emergent 这个案例带给我很多兴奋和思考，以及让我觉得最妙的地方——用 To C 的方式，拿到了 To B 的价值。

我的过往背景是做 To B 业务远多于 To C，所以我很清楚做传统 To B 业务非常重，非常不适合一人公司或者小团队来做，很容易被拖垮。所以我一直在想，有没有可能用更轻的方式，切入 B 端的价值？

但那天看到 Emergent，让我眼前一亮，完美呈现了我想象中的产品路径。

传统 To B 软件的路径是：

销售找企业 → 找 CIO 或部门负责人 → 演示 → 试点 → 采购 → 合同 → 部署 → 培训 → 员工开始用。

链条长、决策慢、实施重。一个创业团队要想走这条路，真的要算一算自己有几条命。

而 Emergent 走的是完全另一条路：

一个老板、一个运营、一个业务负责人，自己注册 → 自己用 → 自己搭一套系统 → 同事开始用 → 整个公司依赖上。

获客、使用、付费，全是 To C 的方式，但最后创造出来的价值，是 To B 级别的。

这里有一个非常漂亮的“错位”——

产品足够简单，像 To C；解决的问题足够贵，像 To B。

一个墨西哥工厂老板，自己在 Emergent 上搭了一套完整的管理系统，500 个员工每天在用。这是标准的 B 端价值，但不是通过传统 B 端销售流程拿到的。

它其实同时打破了传统 To B 软件默认的两个前提。

前提一：软件由软件公司生产。Salesforce 做 CRM，SAP 做 ERP，企业来买。而 Emergent 上，企业自己生产自己的软件。

前提二：企业是购买决策的主体。公司采购、签合同、实施、培训。而 Emergent 上，先由一个具体的人开始用，公司最后才被卷进来。

所以一条新的价值链出现了：

AI 平台 → 一个懂业务的个人 → 定制软件 → 企业工作流。

个人成为入口，业务成为场景，公司成为最终受益者。

当软件生产成本被 AI 打下来，To B 生意不一定还需要按传统 To B 的方式来做。

这才是整个案例里，我觉得最精彩和令人激动的地方——

Game changed！（游戏规则变了！）

这个案例对我最大的启发

所以 Emergent 给我最大的启发，不是去复制它做一个 App Builder，而是它提供了一种思考方式——

理解一个高价值 B 端问题，但重新设计进入 B 端市场的方式，做成用户可自助购买、使用、完成价值闭环的产品，尽量删除售前、实施和交付。

把 To B 的专业能力，做成接近 To C 的产品体验。

一句话总结——

不是把 To B 做小，而是把 To B 做轻。

这甚至可能成为我以后判断 AI 产品机会的一个框架。

Emergent 这种公司本身很难复制，但它的思考方式，值得每个做 AI 产品的人带走。