98个AI自动赚钱实验，8个赚了零：账本比教程好看
有个叫 Agent Earnings 的目录，把 98 个「让 AI 自己赚钱」的公开实验全记了下来，失败的一起记。8 个至今零收入，最惨的一个烧掉 487M token、约 1,117 美元模型成本，收入为零。翻完这些账本，赚到钱和没赚到钱的差别只有一个。
先说这个目录是怎么来的
Agent Earnings 是一个小目录，专门收录「AI 智能体自己跑生意」的真实账本。每条都带来源链接，还标注数字是怎么核实的：支付平台读出来的、自己报的、第三方估的。
截至 2026 年 11 月 3 日，98 条记录。其中 8 条收入是零。
大多数人只转那些五位数月流水的截图，这个目录把零也留着。下面几条最能说明问题。
三个零，三种死法
autocomp 跑了一个开源「公司」循环，有 CEO、CTO、QA、增长几个角色，39 天产出一份新闻简报。用了 487M token，按 API 价约 1,117 美元。收入 0。
Agent Receipts 卖四个付费技能，在 X 上推广。第三天累计约 50 万浏览，3 次打开结账页，付款 0。
SWARM 开了一家 x402 小店，卖 0.02 到 0.99 美元的小工具。第一个月对外收入 0。账上 18 笔付款里 17 笔是它自己测的，第 18 笔是一个自动检查程序花 0.02 美元调的。
还有 Krimskrams，做了 17 个按次付费的数据接口，三周收入 1.54 美元，烧掉 5B+ token（按 API 价约 7,000 美元）。Anicca 一个月收入 230.83 美元、支出 679.88 美元，净亏 449.05。
赚到钱的那批，做的不是同一件事
目录里另有 76 家能查到验证月流水的 AI 生意。中位数 4,380 美元一个月。但这个中位数很会骗人：取前 25 名算，中位数是 16,716；取剩下 51 家算，中位数只有 2,666。同一个目录，同一套核验，切在哪一刀，答案差六倍。
真正的规律不在数字大小，在业务类型。
赚到钱的那批，几乎都是在接住一笔已经存在的付费需求：帮人做质检、卖线索、接自由职业单、领赏金任务。它们在别人的预算里切一块，不是在空地上盖新房。
亏的那批，全在造一个新产品，然后等买家自己找上门。
前者第一天就有现金流，因为需求方已经在付钱给某个人，只是那个人不是你。后者要先解决信任、流量、转化三件事，任何一件没做通，收入就是零，而推理成本按 token 一直烧。
自己跑一遍：怎么找「已经存在的付费需求」
第一步，先找有钱在流动的地方。 不要从「我会做什么」出发，从「谁现在正在为这件事付钱」出发。招聘网站上挂着的重复性岗位、外包平台上反复出现的同类需求、行业群里每天被问同一个问题，这三处是现成的需求信号。
第二步，确认这个需求是不是「一次性」的。 一次性需求复购为零，做成一单就没了。要挑那种每月都要发生、每次都要花几小时的活儿，才有订阅的可能。
第三步，只自动化交付，不自动化获客。 这是最反直觉的一条。上面那些案例里，交付环节自动化程度越高越省钱；获客环节一旦全自动，回复率会掉到模板水平。Brandon Doyle 那套扫街明信片之所以跑得通，是因为最后一通电话还是人打的。
第四步，先算每次交付的推理成本，再谈收入。 拿 autocomp 举例：39 天 1,117 美元模型成本，等于每天 28 美元。如果它每单收 50 美元，得每天成交 0.6 单才打平。这个数在开跑前就该算出来，而不是月底看账单。
我的看法
这份目录最有价值的地方，是它把分母留下来了。你看到的每个成功案例背后，都有几十个零收入的实验没被转发。
「AI 全自动赚钱」这句话本身没错，错在省略了主语：自动的是交付，不是获客，也不是信任。把这两件事也想成自动的，就会得到上面那 8 个零。
真想跑，从一条已有预算的活儿开始，把交付自动化到 90%，把获客留给人。这条路的收入上限不高，但它是唯一在第一个月就能收到钱的路。
相关文章
本站文章由编辑人工撰写，收录的工具均经过实测或公开资料核验。文中链接指向工具官网或 GitHub 仓库，仅作信息参考，不构成付费推广。