一、产品、项目等基本信息
Aryan Mahajan是AI基础设施公司Zoro的创始人兼CEO，现居洛杉矶，年仅23岁。Zoro的核心业务是为企业构建AI系统——不是简单的网站聊天机器人，而是将客户数据、资金记录和工作流整合在一个平台上的完整基础设施。AI Agent负责处理重复性执行任务，人类负责审批关键决策。Aryan同时运营着自己的多家公司，并将这些公司运行在相同的Zoro基础设施之上。
在Zoro之外，Aryan还在LinkedIn上建立了5万+的关注者网络，累计获得2500万+自然浏览量；在X和Instagram上也有数万粉丝。这些内容渠道是他最主要的客户来源。
二、商业结果
-
收入规模：月 recurring 收入超过10万美元，年营收达七位数。
-
客户结构：客户包括财富500强级别的十亿美元级咨询公司。
-
内容影响力：LinkedIn关注者5万+，累计自然浏览量2500万+；Instagram粉丝2万+。
-
增长方式：从未为任何一条线索付费，全部来自内容分发和精准外展。
-
团队规模：个人品牌驱动的AI服务型公司，核心创始人+AI工具链。
三、创业过程分析
第一步：破釜沉舟——负债、金枪鱼和迪拜的一夜
2024年9月，Aryan在达拉斯身无分文、没有任何创业想法。他花光了大部分积蓄（$4,000）飞往迪拜参加一个大师班活动。他只在活动待了一晚，没有参加付费的课程，而是观察房间里那些“把金钱当作可解决问题”的人如何思考和行动。那一周，他打电话告诉父母自己要永久留在迪拜。接下来的四个月，他住在一间400平方英尺的公寓里，每天靠1-2罐金枪鱼罐头维生，减重22磅，所有信用卡刷爆。最极端的对比是：白天在私人游艇上和身价过亿的人在一起，晚上回到小房间独自吃金枪鱼。这种反差让他明白：打开门的是你的存在感和有用性，而不是你的银行账户。
第二步：凌晨2点的灵光一现——第一个聊天机器人
一天凌晨2点，Aryan看到一段关于AI聊天机器人的视频——内容并不深刻，只是一个普通人解释“企业会为此付费”。他在天亮之前就构建了第一个能用的版本。天亮后，他登上Upwork，发送了47份提案。别人的提案是千篇一律的模板文本，而他的做法是：为每一个客户录制一段定制Loom视频，展示产品已经在对方的业务场景中运行、贴上对方的名字和用例。他的第一个客户付了$180——这个数字虽然尴尬，但证明了他凌晨2点学到的东西可以在同一周变成真金白银。
第三步：从“卖工具”到“卖结果”——服务升级与产品化
聊天机器人很快变成自动化，自动化变成完整工作流，工作流变成真正运行企业一部分的系统。转折点发生在客户不再向他“要一个工具”，而是“把一个结果的责任”交给他。同样的技术工作，换了一个框架，价格完全不同——没有人真的想要一个聊天机器人，他们想要一个昂贵的问题停止消耗他们。每次扩张的逻辑是：第一个构建同时也是诊断——坐在真实工作流中，会发现销售电话里没人提到的信息，客户会基于他们亲眼看到的结果来资助下一阶段。
第四步：内容即分发——从零到2500万+浏览量
Aryan从未为任何一条线索付过钱。他还在迪拜破产时就开始在LinkedIn上发布内容——不是发表AI观点，而是用视频展示自己正在构建的系统。然后他开始做“诱饵”：构建真正有用的东西，发出来，让人评论一个词来获取。他最大的帖子获得了约10,000条评论，这一条帖子就带来了财富500强级别的企业对话。此后，他在X、Instagram（2万+粉）等平台重复同样的玩法，最终形成了完整的内容漏斗：短视频赢注意力，YouTube做深度说服。
第五步：AI工具链——一个人即一个团队
Aryan的日常构建完全依赖AI。Claude Code是核心——他把它指向公司的实际文件、记录和规则，指挥它构建，然后判断它构建了什么。围绕它的工具包括：n8n（系统连接）、Gamma（演示文稿）、Apollo（销售管道 enrichment），以及企业已有的Gmail、Slack、Stripe、CRM等平台。底层是真正的工程——一个应用程序、一个数据库作为唯一事实来源。
四、创业启发
1. 先拿一个客户，再做大东西
Aryan最核心的建议是：在构建任何大东西之前，先去拿一个客户。一个人付你一小笔钱，教会你的东西，比独自构建一年更多。他的第一个$180订单不是终点，而是证明凌晨2点学到的技能能在同周变成钱的实证。
2. 卖结果，不卖工具——定价的框架决定一切
“没有人真的想要一个聊天机器人。他们想要一个昂贵的问题停止消耗他们。”同样的技术工作，如果框架是“为结果负责”，价值可以翻数倍。每卖一个月“努力”而不是“结果”，就是定价错误的一个月。
3. 内容不是营销，是分发
Aryan从未付费获取任何线索。在破产时就开始发布真实的构建视频，比等到“准备好了”再发更有力量。一条获得10,000评论的帖子，能触达的范围超过一整年的冷外展。展示正在运转的机器，远比描述它更有说服力。
4. 用AI做执行，用人的判断做决策
Aryan用AI构建一切，但核心工作流是：AI负责执行，人类负责判断——判断AI构建了什么、判断什么应该保留、判断什么应该交给人类审批。真正的优势通常是商业理解，而不是技术——任何人都可以把模型指向一个问题，但知道公司在哪里亏钱、判断哪些部分应该留在人类控制下，才是难以复制的能力。
5. 把服务产品化，让扩张自然发生
第一个构建同时也是诊断——坐在真实工作流中，会发现销售电话里没人提到的信息。客户会基于他们亲眼看到的结果来资助下一阶段，而不是基于提案。从体育学院的线索响应系统，扩展到注册、支付、家庭记录、名册、员工跟进和老板的全景视图。扩张发生是因为你赢得了下一块。