Replit 如何在短短 9 个月内从 1000 万美元 ARR 增长至 1 亿美元

摘要

Replit 创始人兼 CEO 阿姆贾德·马萨德（Amjad Masad）在本期访谈中详细回顾了公司从帮助人们学习编程的工具，到 AI 辅助编程平台，再到代理式开发（Agentic Development）平台的转型历程。Replit 2016 年创立，2018 年进入 YC，最初定位为降低编程入门门槛的在线开发环境。随着 AI 大模型能力跃迁，公司将全部资源押注于 Replit Agent——从 2021 年到 2023 年多次尝试代理式编程均未成功，直到 Claude 3.5 Sonnet 的发布使代理连贯性从 2—3 分钟跃升至 5—10 分钟，才迎来转机。阿姆贾德分享了"押上公司"的关键抉择：在裁员过半后，将所有资源倾注于 Agent 产品。访谈还深入探讨了 Replit 的事务性基础设施设计——快照文件系统与数据库使 Agent 能够安全回滚和多分支采样，从而大幅提升可靠性；安全挑战（OAuth、支付等 LLM 薄弱环节）及平台的应对策略；产品经理、设计师等非工程师用户如何利用 Agent 直接构建应用；以及 AI 编程工具的差异化竞争格局。最后，阿姆贾德对 SaaS 行业的前景做出判断——垂直 SaaS 正面临被 AI 生成应用替代的风险——并建议创始人在技术可能性的边缘创业，预测未来并提前布局。

开场：AI 不会夺走工作，未来更加人性化

阿姆贾德在开篇便直接回应了对 AI 的悲观论调：AI 夺走所有工作的"反乌托邦式"观点是不正确的。未来的工作将更加人性化、更具交互性、更加多模态（Multimodal）。当"制造事物"变得更容易时，瓶颈将回归到"你能产生多少创意"。对于年轻人该学什么，他的建议不是"学编程"，而是"学制造"——用代码制造、用视频制造、用 AI 制造任何东西。

Replit 的起源与使命

Replit 的使命始终是让编程更加普及。阿姆贾德回忆，早在 YC 之前，保罗·格雷厄姆（Paul Graham, PG）就在 Hacker News 上发现了他们，并建立了邮件往来。PG 告诉他，编程的容易程度与想要编程的人数之间存在超线性关系（Super-linear Relationship）。因此，Replit 的优化函数一直是持续降低入门门槛——这就是增长用户和客户的方式。

公司最初帮助学习编程的人快速搭建纯 Web 开发环境。YC 之后，使命升级为更宏大的愿景——"十亿软件开发者"，当时听起来荒谬至极。2015 年前后曾有一波 NLP 热潮，许多声称做 AI 的公司其实只是人工后台操作，最终全部破产。但阿姆贾德在种子轮融资的 PPT 中就已预见到：终有一天会收集到足够的数据来训练模型。直到 2020 年 GPT-2 问世，他才确信这一刻正在到来。

从辅助编程到代理式编程：三次尝试与押上公司的豪赌

Replit 已经构建了开发环境、托管环境等基础设施。阿姆贾德的构想是：一旦加入 AI 代理（AI Agent），它就能编排所有这些原语，效果将极其出色。然而，代理式编程的尝试经历了反复失败——2021 年不行，2022 年也不行。GPT-4o 只能保持 2—3 分钟的连贯性，然后就会做出荒谬的操作。

2024 年初，团队感觉到技术正在逼近临界点。与此同时，公司状况并不乐观：前期扩张过快，烧钱过多，不得不裁员约 50 人，另有 15—20 人主动离开，团队缩至不到原来的一半。阿姆贾德做出了"破釜沉舟"的决定——将一切押在 Replit Agent 上。他坦言，如果 Claude 3.5 Sonnet 没有在团队构建 Agent 的过程中发布，公司很可能已经失败了。Claude 3.5 是第一个能连贯工作 5—10 分钟并真正产出有效代码生成的大模型。

主持人指出，这正是初创公司最成功的策略：在技术可能性的边缘创业——你从使命出发，技术尚未到位，但你先行构建，像冰球一样"滑向冰球将到达的地方"，等技术追上你。

代理自主性的飞跃：从 3 分钟到 7 小时

六个月前阿姆贾德曾在 YC 演讲时表示"我们离全自动软件开发还很远"，如今他彻底改变了看法。大模型的自主性水平正在飞速提升：Claude 3.5 约 5—10 分钟，Claude 3.7 约 45 分钟到 1 小时，而 Anthropic 的系统卡显示 Opus 已能连续工作 7 小时。如果一个大语言模型（LLM）能持续工作 7 小时，那基本相当于一个人类员工——而且以远超人类的速度运行，7 小时内可能完成一周的工作量。

当前唯一的限制因素是计算机操控（Computer Use）——这项技术目前表现不佳。Replit Agent 之所以能从一条提示词一路构建完整应用，正是因为它不依赖计算机操控，而是直接在基础设施层操作。与此同时，YC 投资的 Browser Use（浏览器自动化）和 Pig（桌面自动化）正在快速进步。阿姆贾德认为，距离计算机操控真正好用可能只有几周到几个月，现在正是基于这些技术启动创业的时机。

事务性基础设施与多分支采样：可靠性的关键

Replit Agent 从 v1 到 v2 实现了自主性的巨大跨越，v3 则是自主性最强的版本。其核心技术支撑是事务性（Transactionality）设计：文件系统采用快照式（Snapshot-based）架构，数据库同样基于快照，随着 Agent 逐步执行，整个系统——包括虚拟机——都在持续提交检查点。

这意味着两件事：第一，如果 Agent 弄砸了数据库迁移（DB Migration），它可以安全回滚，就像 Git 让人类程序员敢于实验一样；第二，也是更重要的——多分支采样（Sampling）。当 Anthropic 发布 SWE-bench 成绩时，带采样的版本从 70% 提升到 80%。其原理是生成多个 Agent 实例并行尝试，然后选择最佳分支。Replit 的基础设施天然支持分叉和分支——如果计算机操控技术成熟，就可以用真实的端到端测试作为验证器（Verifier），从多个分支中挑选出真正运行正常的那一个，并反复迭代。可靠性将因此变得极高。

阿姆贾德展望：未来用户将能设定算力预算（Compute Budget），就像 OpenAI o 系列模型的思路——给定预算，系统决定采样多少分支、投入多少计算。如果你给 1,000 美元预算，它就会全力运行。

谁在使用 Replit Agent：从产品经理到创始人

Replit Agent 的用户来自各行各业。产品经理（PM）是典型的高价值用户——他们无需与工程师沟通就能对业务产生重大影响，比如运行 A/B 测试或优化功能。设计师同样如此。阿姆贾德分享了 Replit 内部的实践：公司新创建了一个产品组，不再按传统瀑布模型（Waterfall Model）将 PM、设计师、工程师分属不同团队，而是将三者整合在同一个组中，所有人都全程使用 AI 进行原型开发甚至直接上线生产。这正在改变科技公司的运作方式。

但这也带来了新问题：非工程师直接将应用推入生产环境，工程团队担忧——谁负责值班？谁来修 Bug？谁来承担责任？阿姆贾德认为，显而易见的答案是"Agent 负责"。他也分享了某家大规模部署 Replit 的公司内部出现的新动态：创始人自己用 Replit 在周末完成项目，反而给工程师带来了压力——"我一个周末就做完了，你们在做什么？"

安全挑战：OAuth、支付与 LLM 的薄弱环节

安全是非工程师直接部署应用的最大障碍。LLM 和人类一样容易犯错，在某些组件上表现尤其糟糕——例如 OAuth（开放授权）和身份验证，几乎所有模型都倾向于使用过时的加盐和哈希方法。已经出现了不少安全事故：个人创始人泄露 API 密钥、登录安全保护被轻易绕过等。

Replit 的策略是：作为一个面向非开发者的平台，有责任承担安全责任，而不是将问题甩给用户。具体措施包括：内置 OAuth 组件（添加登录功能时自动引入预建的安全组件，含验证码和安全机制）、内置支付组件（支付场景虽然变体不多——一次性支付、订阅、按量计费——但 LLM 不应自行实现），以及与安全公司 Semgrep 合作在部署时自动运行代码安全扫描并生成报告，Agent 还可尝试自动修复问题。

未来还需要应对更多挑战：可扩展性检测（如 N+1 查询问题）、模糊测试（Fuzzing）、对抗性代理（Adversarial Agent）攻击测试，以及与企业内部设计系统的集成——让公司已有的组件体系可以直接被 Agent 使用。

编程工具的竞争格局：专业工具 vs 大众平台

在编程工具的光谱上，一端是 Cursor、Windsurf 等为专业开发者打造的高效工具，另一端是面向普通用户的应用构建平台。Replit 处于中间位置——服务于企业内的非传统开发者。阿姆贾德认为，专业开发者市场的竞争已经是"血雨腥风"——Claude Code 与 Cursor 竞争，Cursor 又使用 Claude——市场明确且巨大，但最终可能只有两三家公司胜出，出现整合。而 Replit 所面向的市场更为广阔——不仅是十亿软件开发者，更是所有知识工作者都能用软件解决问题。Replit 的定位是"通用问题解决器"（Universal Problem Solver），解决个人和工作中的各类问题。

一个关键差异是移动端体验：专业开发者每天在桌面前坐 8 小时，但 PM 和高管不是。Replit 正在构建"环境式构建"（Ambient Building）体验——在桌面启动应用，离开后在手机上收到 Agent 完成任务的通知，在无聊的会议中回复指示继续推进。

用户界面：从代码到自然语言再到抽象层

Cursor 等工具的主要界面是代码和差异对比（Diff），而 Replit 的主要界面是图形用户界面（GUI）和所见即所得（WYSIWYG）预览。但当前者适合构建 UI，后者在构建复杂逻辑流时显得力不从心——用户无法看到代码，无法可视化后台发生的事情。

阿姆贾德回顾了可视化编程（Visual Programming）的历史——它始终未能成功，因为缺乏图灵完备性（Turing Completeness）。而代码生成（Codegen）天然是图灵完备的，但自然语言界面天然模糊，难以精确表达意图。他预测未来两者的融合将是关键：通过自然语言交互，但在代码之上提供抽象视图——类似 Smalltalk 的面向对象界面，让用户以逻辑对象而非文件的方式理解代码。最终形态可能是类似白板讨论的多模态交互：创始人画系统图、指向应用说"这个太慢"、用自然语言与 Agent 团队沟通——就像现在与设计师和工程师协作一样，只是对方换成了 Agent。

PRD 的衰落与口语化企业的崛起

阿姆贾德认为，产品需求文档（PRD）在大公司中常常沦为"表演性工作产物"——只为升职而写，实际用处不大。真正有用的互动是白板对话式的：想要做什么？这个没考虑到？重新思考整件事。Granola 等工具正在将会议转录为可搜索、可组织的记录，企业正在从书面文化转向口头文化。阿姆贾德提出"Granola 极端主义"——不要对抗企业日益口语化的趋势，而是构建 AI 工具在后台自动创建可搜索、可组织的记录。当 AI 能在口头会议中主动参与——"这个想法怎么样？"——工作的未来将更加人性化、更有趣。

增长数据与健康的增长观

自 Replit Agent 发布以来，公司以 45% 的复合月增长率增长——这是 YC 通常告诉零用户初创公司去追求的指标，而 Replit 在更大规模上实现了它。但阿姆贾德保持警醒：快速增长可能冲昏头脑，导致优化错误目标。在 AI 领域，ARR 很容易增长但用户可能并不满意——他们在花更多钱却得不到更好的结果。因此 Replit 不设 ARR 目标，而是设定产品和留存目标。

主持人指出 AI 公司的典型陷阱：顶线收入快速增长，流失率（Churn）接近 100%，毛利率极差——增长越多，公司财务状况越糟。投资者目前对各工具的差异也感到困惑——每个产品试用三分钟看起来都一样。阿姆贾德预计未来一年格局将更加清晰，不同聚焦方向的产品将开始分化。

技术内幕：差分、评估与基础设施

差分问题与 Fast Apply

Cursor 和 Windsurf 宣布的"快速应用"（Fast Apply）API 解决的是底层模型的固有缺陷：大模型不擅长生成差异对比（Diff），容易搞错源代码行号。一段时间内，很多公司干脆让模型重写整个文件——既慢又贵。解决方案是让模型尽量"偷懒"（只输出需要更改的部分），但这样又难以直接合并，因此需要另一个模型（可以训练专门的模型，或使用 Gemini Flash 等小模型）来做合并应用。这更多是工程问题而非研究问题。

评估：不暴露底层模型的理由

Replit 不向用户暴露底层模型选择，原因是公司在评估（Eval）上投入巨大。每次新前沿模型发布，团队几乎立即开始评估——生成评估数据、分析用户反馈。例如，Gemini 某版本在单次生成（Oneshot）场景中甚至优于 Claude，但在代理式工具调用等方面仍有差距。用户看到热度就想用最新模型，但 Replit 基于严格评估选择最优配置。

Replit 与 Google、Anthropic、OpenAI 都有深度合作关系，通常能提前获得检查点进行测试。特别是在与 Anthropic 的合作中，团队能从 Claude 3.5、3.7 的迭代方向预判 4.0 的走向，提前架构系统。

基础设施：真正的护城河

大量工程投入在基础设施而非模型本身。快照式分布式网络文件系统耗时两年构建，市场上没有现成方案。安全方面，Replit 是世界上少数几个只需创建账号即可获得云端虚拟机的地方，需要防御加密矿工等各类威胁。底层使用 NixOS——一个完全声明式且事务性的操作系统生成器——配合多 TB 的包缓存硬盘挂载到各区域的每个容器。这一切基础设施的核心目标仍是事务性：让系统能安全实验、回滚、多分支采样。

阿姆贾德指出，真正的护城河（Moat）往往需要数十年才变得明显——Netflix 的内容生产体系就是如此，Disney 试图竞争却失败了。基础设施的复利优势正是 Replit 的领先向量。

AI 时代的教育观与 SaaS 的未来

阿姆贾德对年轻一代的建议是：如果走专业软件开发路线，计算机科学学位和基础训练仍有意义；但如果想成为创作者和通才，传统的编程学习路径已不再必要。像这一代人一样"在实践中学习"——使用工具，遇到问题时查阅代码和日志，通过搜索解决问题，自然习得编程能力。他希望自己的孩子拥有尽可能广博的知识、尽可能通才的能力、尽可能强的创造力——因为"当制造事物的门槛降低后，瓶颈就回到了你能产生多少创意"。

关于 SaaS 行业的未来，阿姆贾德分享了真实案例：有人被报价 15 万美元的软件，用 Replit 以 400 美元成本构建后以 3.2 万美元卖给雇主。拥有平台开发者社区和插件生态系统的 SaaS 是安全的——你不可能靠"感觉编程"（Vibe Code）复制 Salesforce——但垂直 SaaS（Vertical SaaS）正在陷入困境，这一趋势可能已在数据中显现。

给创始人的建议：在技术可能性的边缘创业

阿姆贾德最后的建议是：在技术可能性的边缘工作。当 AI 模型的一次进化使你的产品变得有价值时，你就率先进入了市场。他发现很少有创始人真正坐下来预测未来——这在过去或许不被推荐，但现在，预判技术走向是非常关键的技能。做出预测，构建一个目前还很粗糙的产品，但一旦切换到更好的模型就能立刻变强——计算机操控就是最好的例子。