一家没融过资的北欧AI公司，在Bolt.new和Vercel的夹击下，不靠烧钱不靠SEO，年收入做到了1500万美元。它做对的不是技术，而是一个被大多数人忽略的产品决策。
如果你最近半年打开过Twitter，大概率看到过「Vibe Coding」这个词。
这个词描述的是一种新的编程范式：你不需要写代码，你只需要「描述你想要什么」，AI帮你做出来。它最早来自Andrej Karpathy的一条推文，但真正让这个词变成一个「品类」的，是一家瑞典公司——Lovable。
你可能没听过Lovable。它没有融过资，团队25人，总部在斯德哥尔摩。但它的数据是这样的：100万个项目被创建，每天有2万个新项目诞生，Lovable构建的应用每天有100万次访问。
这些数字全部来自Lovable官网。我没有找到第三方审计数据。但考虑到产品本身可以公开访问、项目可以公开浏览，这些数字的真实性相对容易交叉验证——你去Lovable看看有多少公开项目就知道了。
我想拆解的不是它的增长速度——任何AI产品在风口期都有漂亮数字。我想拆解的是一个更本质的问题：
在一个巨头环伺的赛道里（Cursor、Bolt.new、v0、Replit），一个25人的团队为什么不仅活下来了，还跑到了前面？
答案藏在一个产品决策里。
一个反直觉的产品策略：只做一个技术栈
大多数AI代码工具都在做同一件事：支持尽可能多的语言和框架。
Cursor支持Python、Java、Go、Rust、C++……Bolt.new支持React、Vue、Svelte、Angular……v0专注Next.js但也支持多种UI框架。
Lovable的选择是：只支持React + TypeScript + Supabase（PostgreSQL）。
这个选择看起来在主动缩小TAM（总可寻址市场）。但在AI产品里，它恰好是最聪明的做法。
原因很简单：AI生成代码的质量，取决于模型的「确定性」。支持的框架越多，模型需要处理的上下文越复杂，出错的概率就越高。
Lovable把这个问题反过来思考：与其让模型适应所有场景（结果是什么都做不好），不如让模型在一个场景里做到极致。
结果是：当Bolt.new生成的Vue组件偶尔报错、Cursor需要反复调整提示词时，Lovable用户的反馈是「第一次生成的代码就基本能用」。
这不是技术优势——Lovable和Bolt.new、Cursor用的是同一批底层模型（Claude、GPT）。这是产品策略的优势。
做窄，不是为了躲避竞争。做窄，是为了在你选择的战场上有绝对的确定性优势。
第二个关键决策：Credit-based定价
来看Lovable的定价：
| 计划 | 价格 | 用量 |
|---|---|---|
| Free | $0 | 5次日额度（约30次/月） |
| Pro | $25/月 | 100月额度+150日额度（共享） |
| Business | $50/月 | 100月额度 |
| Enterprise | 定制 | 批量额度 |
注意两个关键设计：
第一，团队共享定价。 Pro计划$25/月，不限团队成员数。这意味着什么？一个人的个人项目→邀请同事协作→整个团队用上Lovable→团队升级到Business。这中间几乎没有「组织决策」的摩擦。对比Cursor的$20/人/月，Lovable的定价对团队采纳的阻力几乎为零。
第二，Credit计费与AI成本对齐。 AI产品最大的成本是推理。如果你的定价是固定月费，用户用得越多，你的利润越薄。Credit-based定价解决了这个错配：用户用得越多，付得越多，Lovable的推理成本也被覆盖。
大多数AI产品把定价当作「商业化团队的事」。Lovable的Credit系统不是事后加的——它从一开始就设计在产品逻辑里。每次AI生成代码消耗的credit，既是用户的「用量感知」，也是Lovable的「成本回收机制」。
定价是产品的一部分。好的定价模型不是让用户「觉得便宜」，而是让「用得多的人付得多，用得少的人付得少」。
第三个飞轮：每一个应用都是广告牌
Lovable的免费计划有一个关键限制：所有项目必须是公开的。
这是故意的。
当免费用户用Lovable创建一个应用并部署上线，这个应用就变成了Lovable的「活广告」。应用的访问者可能会注意到「这是用什么工具做的？」——然后发现Lovable。
100万个项目，每天100万次访问。这意味着Lovable每天有100万次「免费曝光」。
这是最纯粹的PLG（产品驱动增长）：产品本身就是获客渠道。
而且这个飞轮有自我加速的特性：
- 更多用户 → 更多应用 → 更多曝光 → 更多用户
- 更好的模型 → 更好的应用 → 更好的口碑 → 更多用户
- 更多用户 → 更多付费 → 更多资源改进产品 → 更好的产品
Lovable不需要在SEO上花一分钱。它也不需要投放广告。它的获客成本几乎为零。
如果你的产品产出可以被其他人看到和使用，你应该设计一个机制，让每一个产出都成为你的广告。
什么叫「别人能抄」vs「学不来」
在分析任何AI产品时，有一个问题值得反复问：什么是竞争对手明天就能复制的？什么是他们复制不了的？
别人能抄的：
- AI代码生成能力。Bolt.new、v0、Replit都在做，底层模型都一样。
- Supabase集成。任何一个竞品都能做。
- Credit定价。直接照搬。
- 一键部署。Vercel/Netlify的API是公开的。
别人抄不了的：
- 100万个已创建的项目，每天100万次访问——这个飞轮已经转起来了，后来者无法「跳过时间」。
- 「Vibe Coding」品类的定义权。Lovable是最早把「聊天→全栈应用」产品化的团队之一，When people say “Vibe Coding,” they think Lovable。品类心智一旦建立，很难被后来者替代。
- 25人团队的工程人效。瑞典的工程人才密度+小团队的极简文化，不是靠融资就能买到的。
Lovable的护城河不在技术，而在「品类定义权+数据飞轮+社区资产」三位一体。
这个结论对AI产品构建者有一个重要启示：当你进入一个赛道时，不要只问「我的AI比竞品好吗」，要问「我能不能定义一个竞品暂时进不来的飞轮」。
但我必须诚实地说
这篇文章的所有数据（100万项目、2万日新建、100万日访问）都来自Lovable官网。我不掌握它们的后台数据库，无法独立验证。Lovable官网也没有提供ARR数字——$15-17M的估算来自Sacra等第三方机构，可能有误差。
我也需要指出Lovable面临的风险：
- 模型依赖：重度依赖Claude/GPT API，如果模型提价或限制使用，成本结构会受到冲击。
- 竞品生态：Bolt.new有StackBlitz的浏览器沙箱，v0有Vercel的Next.js生态，Replit有500万+在线IDE用户。Lovable的独立路线能否持续，需要观察。
- 质量天花板：当前AI生成的应用更适合MVP和原型阶段。能否满足生产级可靠性，仍是开放问题。
最后，对构建者的三句话
Lovable教会我三件事：
第一，在AI产品里，「做得少」比「做得多」更值钱。一个技术栈的确定性 > 十个技术栈的全面性。
第二，定价不是销售策略，是产品策略。让用户「用得多就付得多」，比让用户「觉得便宜」更重要。
第三，让你的产品产出自带传播属性。Lovable的每一个应用都是广告牌——你不需要SEO预算，你只需要让用户用你的产品创造可以被人看到的东西。
本文所有数据来源均已标注可信度等级。官网自述数据标注为「未经独立第三方审计」，第三方推断标注为「推断估计」。作者不持有Lovable的任何经济利益。
研究简报（含完整数据来源、Claim Layers和信源清单）详见：ai-product-scout-lovable.md