三個人撐起千萬生意 老板決定：不招人 只雇AI

【億邦原創】在廣州，跨境電商賣家李振打開電腦，給MuleRun發了一條指令：“幫我分析一下Etsy平臺寵物定制禮品類目近三年的市場趨勢。”

與此同時，汕頭倉庫的同事正在打包當天要發出的訂單。這家年GMV過千萬的跨境電商公司，全團隊只有三個人——兩個合伙人分居兩地，外加一名倉管。

幾百公里外，微短劇創業者雨涵正在用MuleRun拆解一部爆款短劇。她丟進去一個視頻鏈接，幾分鐘后，一份以秒為顆粒度的拉片腳本就生成了——鏡頭類型、臺詞設計、情緒節奏，一目了然。

放在以前，這種活兒需要一個實習生干整整一下午。

李振和雨涵，一個做跨境，一個做內容，素不相識，但最近他們有了一個共同的體驗：自己的團隊里，好像多了一個人。

這個人不用發工資，不用交社保，24小時在線，叫MuleRun。他們管這叫“養騾”。

1、三個人，年入千萬，他們不招人只“養騾”

李振是前騰訊和阿里的產品經理，現在做跨境電商，主營平臺是Etsy——北美第五大電商平臺，主打手工定制禮品。

他的團隊配置在外人看來有點不可思議：兩個合伙人異地辦公，一個在廣州，一個在汕頭，外加一名倉管，三個人管著幾十家店鋪，年GMV過千萬。

“我們不招人，只養騾。”李振說。

這個“騾”，就是MuleRun。

在跨境電商的日常運營里，最耗時的幾件事：市場調研、產品作圖、文案撰寫、訂單處理。每一件都是細碎活兒，堆起來能把人埋了。

先說市場調研。以前要看一個類目的趨勢，得自己去各個平臺扒數據，翻財報，整理成報告。李振試過用其他AI工具，但跑出來的東西往往是“數據搬運工”——告訴你從哪里抓了個數，結論得自己琢磨。

MuleRun不太一樣。他給了一條指令：幫我做寵物定制禮品的行業調研，包括近三年財報分析，從大盤到平臺再到品類。

幾分鐘后，一份完整的報告出來了。不是簡單的數據羅列，而是帶有邏輯推導的結論：這個類目在增長，但競爭在加劇，細分方向上有三個機會點值得關注。

“它會理解我的意圖。”李振說，“我是一家小公司，關注什么數據，它分析完之后，給出來的結論是能落地的。”

再說生圖。定制產品需要大量的場景圖，以前要么自己拍，要么找外包。外包一張靜物圖20塊，帶建模渲染的300塊起，一套圖下來五六百，溝通周期還長。

現在流程變成了這樣：拍一張白底圖，丟給MuleRun，告訴它“生成一份禮物風格的產品圖”，幾分鐘后就能出圖。放大看細節，質感完全不輸給外包。

最難啃的是訂單處理。定制產品的每個訂單都是獨一無二的——客戶要在杯子上印自家的寵物，要在T恤上寫一段話。這些需求要采集、整理，再轉化成供應商能理解的指令。

以前每天要花三到五個小時干這個。現在，把訂單截圖丟給MuleRun，10到15分鐘，200個訂單的信息就梳理完了，直接生成對接供應商的模板。

“它比初級運營靠譜。”李振說，“初級運營還要教，還要盯，這個不用。”

去年他還在考慮要不要招一個全職設計師。現在不招了，他有了新想法：讓團隊里現有的人學會怎么“養騾”，把重復性的工作都交出去。

“三個人，每個人養幾個騾子，每項細碎的工作都有騾子盯著。這樣下去，我們的單兵作戰能力會越來越強。”

2、微短劇創作者的“苦力活”，騾子干了

雨涵是資深內容從業者，做過自媒體，孵化了網紅，現在做微短劇和漫劇。

這個行業有個特點：聰明人干笨活。

要做優質內容，需要天馬行空的創意，需要涉獵各種知識。但落到執行層面，全是細碎繁瑣的活兒——扒片子、拆腳本、磨分鏡。用雨涵的話說，“干兩三年，發際線至少往上移兩三厘米”。

AI來了之后，她以為能解放了。試了一圈工具，發現很多還是停留在問答層面——你問一句，它答一句，換一個任務就要重新開一個對話框，之前喂給它的東西全忘了。

直到遇上MuleRun。

第一個場景是拉片。

拉片是影視創作者的入門課，也是“勸退課”。把一部爆款短劇逐幀拆解，分析每個鏡頭為什么這么設計，臺詞怎么制造沖突，節奏怎么讓人停不下來。

一部4分鐘的短劇，實習生要扒一個下午。一部長片，要扒兩三天。干過一次的人，都不想干第二次。

現在，把視頻鏈接丟給MuleRun，告訴它“幫我拉個片”，第二天早上起來，完整的腳本已經在那里了——鏡頭類型、時長分布、情緒曲線，全部分析好。

“它把我最耗時間但又最重要的那個環節替代了。”雨涵說。

第二個場景是拆解故事內核。

做內容的人都知道，爆款是有底層邏輯的。漫威永遠是小人物的英雄之旅，微短劇永遠是小人物的逆襲之路。內核一樣，換不同的外殼，就能出新東西。

以前要拆這個內核，得自己一遍遍看，一遍遍總結。現在，把一部爆款丟給MuleRun，告訴它“幫我拆一下故事內核”，然后再給它一條指令：“用這個內核，寫一個明朝背景的劇本。”

幾分鐘后，一個換了朝代但保留了爆款內核的新劇本就出來了。

“用戶的口味越來越挑剔，需求越來越細分。”雨涵說，“有了這個，我們可以給不同圈層、不同城市、不同文化背景的人，生成他們想要的內容。”

第三個場景是視覺風格測試。

雨涵手里有個虛擬IP，是個AI女友的形象，在社交媒體上有50萬粉絲。他們想給她開發漫劇，但卡在一個問題上：做什么視覺風格？

以前只能找幾個美術，一個個試稿，成本高，周期長。現在，給MuleRun一張初稿圖，告訴它“生成末日廢墟風格”、“生成仿真人3D風格”，幾分鐘后，不同風格的預覽圖就出來了。

“我們可以先看效果，再決定往哪個方向深挖。”雨涵說，“這個成本低太多了。”

她總結了兩點：MuleRun不只降本增效，還突破了創意天花板。以前微短劇為什么翻來覆去就是宮斗、婆媳關系？因為場景受限、成本受限。現在AI來了，可以刻畫大場景了，可以構建科幻世界觀了。

“更重要的是，”她指了指發際線，“它把苦力活干完了，我們終于有時間去聽音樂、看書、學知識，把時間還給創作。”

3、騾子快跑：讓每個人都能養得起“數字員工”

3月16日，MuleRun正式發布。這個名字有個樸素的想法：不同行業的人，都可以把活兒交給騾子干。

MuleRun的創始人陳宇森是技術出身，但他對產品有個執念：易用性比技術壁壘更重要。

“現在大家因為時代的焦慮去擁抱新事物，但很多新事物太先鋒了，易用性跟不上。”陳宇森說，“非技術背景的人想真正用起來，會遇到很多困難。我們想做的是，哪怕思路一樣，也要讓它更好用。”

市面上不是沒有類似的工具。今年年初爆火的“龍蝦”，主打主動性和記憶系統，但用起來問題不少。沒有技術背景的人，養龍蝦基本等于天天修bug，加上權限給得太大，還出過安全事件——有人讓龍蝦登錄微信，結果被惡意指令引導著給陌生人發紅包。

“理論上是真能實現的。”陳宇森說，“所以養龍蝦的受害者挺多的，但大家樂此不疲，因為這是當下最新鮮的事物。”

MuleRun想做的不一樣。它給每個用戶分配了一臺獨立運行的云端虛擬機，數據在專屬環境里閉環運行，物理隔離，解決了隱私和安全問題。用戶不需要部署任何東西，打開瀏覽器就能用。

更重要的是自進化能力。

在個體層面，MuleRun會記住用戶的個人數據、工作習慣、決策邏輯、審美偏好，用一次就聰明一點，不斷適配個性化需求。

在群體層面，它構建了一個開放的Agent網絡。一個用戶在特定場景里沉淀出來的優質Agent，可以共享出去。當另一個人遇到相似的工作場景，系統會自動匹配經過多人驗證有效的Agent。

“記憶的長期保存和共同進化，是一個很重要的機制。”陳宇森說，“在當前的大模型架構下，很難為每個人定制模型，但我們可以用每個人的使用經驗，讓Agent變得更好用。”

陳宇森團隊自己就是這么干的。發布會開始前，他們幾個合伙人在后臺開了一臺電腦，啟動了一堆AI正在干活。"這會是未來的常態。"他說。

在硅谷，已經有程序員出門只帶電腦，因為電腦跑著他的Claude Code，吃飯的時候操作一下，活兒就干完了。

陳宇森覺得，國內也會走到這一步。

“今年大模型的智力和在超長上下文下保持智商的能力，加上Agent的工程能力，這些東西都ready了。”他說，“一個足夠好的Agent產品，可以幫人解決非常多的問題。”

在他看來，衡量AI產品好不好，不是看有多少人愿意付10到20美元，而是看有多少人付了40美元發現不夠用，再加200美元，再加1000美元。

“我們很有信心把它做好。”他說。

李振已經在算賬了。以前招實習生、找外包，一個月成本三五萬。現在養騾子，成本可以忽略不計。省下來的錢，可以讓合伙人分得更多，也可以再投到業務里。

“老板的時間應該放在商業判斷和趨勢把握上。”他說，“細碎的工作，要么交給實習生，要么交給騾子。現在有一個很好的選擇是，騾子已經能干實習生的活了。”

雨涵則在自己的團隊里推廣“養騾”經驗。她跟編劇說，以后拉片這種事不要再自己熬了，交給騾子。跟美術說，試風格先用騾子跑一遍，確定方向再深挖。

“我們這些發際線已經上去了的人，終于可以把苦力活交出去了。”她說，“讓創作者回歸創作，讓騾子去干騾子的活。”

億邦持續追蹤報道該情報，如想了解更多與本文相關信息，請掃碼關注作者微信。