3 个月 1700 万美金 ARR,Lovable 也融了 1500 万美金
目前的 AI 行业,除了大模型外,竞争最激烈的可能就是 AI 编程了。昨天的文章《用 AI 解决专利纠纷半年 ARR 增 20 倍,Anthropic 再融 35 亿美金》里我还调侃 AI 编程正在经历百编大战,没想到今天这个行业又来了一些新消息。
首先是 Replit 发布了全新版本的 Agent V2,Replit 的团队成员告诉我说,这是第一个全面搭载 Anthropic Sonnet 3.7性能的 Agent,包括超强的 UI 生成能力、Reasoning、Debug 和 long context,是他们跟 Anthropic 合作了几个星期跟着 Sonnet 3.7 发布一起推出来的重大更新。
Replit 的 Agent V2 是一个更自主的 Agent。在每个步骤中,它都会形成一个假设,搜索正确的文件,并且只有在拥有足够的信息来完成工作的情况下才开始进行更改。它不太可能陷在同一个错误上,知道何时退后并重新考虑它的方法,而不是陷入循环中。与此同时,它也提供了实时应用设计预览,你可以实时了解它构建产品的进度过程。
另外就是 Lovable 今天宣布完成了 1500 万美金的 Pre-A 轮融资,由 Creandum 领投,跟投这块是一些天使投资人,包括了 Newsletter 订阅用户已经超过了 100 万的 Lenny,以及来自 Meta、HuggingFace 的高管以及一些科技企业的 CEO。
当然最引人注目的还是其收入的增长趋势,在经历了 4 周突破 400 万美金 ARR,2 个月突破 1000 万美金 ARR 后,Lovable 的 ARR 在 3 个月时间突破了 1700 万美金,其 CEO Anton Osika 称整个增长趋势仍然还在延续这种指数级增长。
而实现这个收入他们只花了 200 万美金的成本,目前其用户达到了 50 万,付费用户 3 万,每天用户用 Lovable 构建的产品超过了 2.5 万个。虽然相比于 Bolt.new 在 2 个月时间突破 2000 万美金 ARR,并且迅速完成 1.055 亿美金融资近 10 亿美金估值要慢一些,但 Lovable 已经是欧洲增长最快的创业公司之一了。
之前我介绍过 Bolt.new 快速增长背后的一些逻辑,包括产品上的一些不同《2 个月 ARR 突破 2000 万美金史上最快?AI 编程向非技术人员爆发》。Lovable 在前段时间也分享了一下他们的增长方法,除了打造一个用户喜欢的产品外,最关键的增长路径就是社区和内容(X、TikTok 以及 YouTube)。而在技术上,与 Supabase 和 Figma 工作流的结合使得他们与其它产品区分开来。
Lovable 最早是一个叫 GPT Engineer 的开源工具,得到大量用户的喜欢后他们将其变成了现在的 Lovable 这个产品,团队说 Lovable 增长背后最关键的几个策略包括了:
1.打造人们喜欢的产品:第一和最大的一步是拥有人们喜欢的非常好的产品。而 Lovable 的重点一直是用实用功能解决真实的用户痛点。
2.鼓励用户分享:他们充分利用了用户的力量。通过鼓励他们在 X、LinkedIn 和 YouTube 等平台上分享项目,他们建立了强大的社区影响力。Hackathons、功能发布以及展示用户项目进一步推动了这一势头。
3.内容与共同营销:无论是 TikTok、YouTube 还是 X 上的内容,他们把精力都放在了通过讲故事进行传播上。他们还与 Supabase,Replicate 和 Resend 的品牌做共同营销。
4.在 Product Hunt 上保持活跃:在 PH 上的发布确保了 Lovable 在各个平台上被发现并引起讨论。
另外一个核心点,Lovable 声称当项目变得复杂时,大多数 LLM 系统都会遇到困难。他们通过对系统的微调,确保了LLM 知识的局限性不会决定最终产品的质量。这种方法大幅减少了错误,使得扩展变得更简单、更可靠。
具体而言,他们采用了可扩展的 AI 系统,使用检索增强生成(RAG)技术,让其无论在大型代码库还是较小的代码库上都表现出色。该系统使开发者能够处理具有挑战性的项目,而不会在中途遇到瓶颈——这是许多竞争平台面临的问题。通过确保开发者能够完成他们的项目,赋能用户持续交付成果。
其实从我自己的体验来看,Lovable 核心是让我这个完全不懂编程的人也可以慢慢做出可用的产品了,最近我让它帮我的一个想法做成了一个产品,已经是一个基本上可用的版本,不过没有上线。
没想到这两天我看到有其它开发者用 Cursor 把类似的想法做成了一个 App,还进入了 App Store 的付费榜单,这促使我准备付费让它把这个产品继续完善一下上线。让开发者(创作者)能真正赚到钱,可能才是他们所说的用实用功能解决真实的用户痛点。