Lovable 这个月过了一个里程碑。成立不到两年，ARR 突破 4 亿美元，146 名员工，平均每人每年产生将近三百万美元收入。但最有信息量的数字在后面。Forbes 的报道确认了这些数据之后加了一句：企业客户的 ARR 加起来只有 2000 万美元，占总额的 5%。$4 亿生意里，$3.8 亿来自个人和小团队的按月订阅，每人才 $20 一个月。
这是一个此前在商业上从未被验证过的品类：User Generated Software。不是”开发者用 AI 提效”，而是”个人为自己生成软件”。
User Generated Software 这个概念在 AI 之前就已经有人讨论。Webflow、Bubble、Airtable 让非技术人员能搭出内部工具和营销页面，但它们的用户仍然需要理解数据结构、工作流、组件关系。真正让 UGS 从”少数人能用”变成”谁都能用”的变量是自然语言界面。当建一个 CRM 和点一杯奶茶一样只需要描述需求时，用户群从几百万”愿意学习 no-code 工具的人”扩大到了几千万”有需求但不想学任何工具的人”。
Lovable 的 CRO Ryan Meadows 在采访里说，绝大多数用户是非技术背景的创始人、设计师和销售人员，他们用这个工具建网站、CRM、库存系统和内部工具。800 万用户在用 Lovable 把想法变成能跑的软件。这个体量不是来自企业采购部门，不是来自工程团队预算，而是来自大量个人用户的月付 $20。
UGS 以前是一个理论上的市场，一个”可能很大”的方向，一个在 VC pitch 里反复出现的故事。Lovable 第一次把它变成了可以在财报上量化的东西。
UGS 这个赛道不是 Lovable 独占的。Bolt.new 也在做同一件事：面向不懂代码的人，浏览器内全栈生成，按月订阅。
两家公司的基本数据可以放在一起看。Lovable 2024 年 11 月上线，Bolt.new 几乎同期。Lovable 用了 14 个月从零做到 $4 亿 ARR。Bolt.new 的收入数据没有完全公开，但第三方机构估算在 2025 年初达到约 $4000 万 ARR，估值 $7 亿，每月活跃用户超过 500 万。
产品形态上两者有明确的差异。Lovable 走的是设计优先路线，chat 界面有详细的 planning 阶段，生成代码之前先确认需求，出来的 UI 更精致，Supabase 集成让数据库和认证对用户完全透明。Visual Edits 允许用户在实时预览里直接拖拽修改元素。Bolt.new 则走代码优先路线，本质上是一个浏览器里的完整 IDE，有文件树、终端、代码编辑器、多模型选择，用户可以直接编辑代码行。它生成速度快，迭代更快，但界面默认更偏开发者视角。
实际使用中有一个有趣的对比。同一个 prompt 放在两个工具里，有人做过测试：Lovable 出来的东西更像设计师做的，UI 干净、交互合理；Bolt 出来的东西更像工程师做的，功能全、逻辑对，但视觉上粗糙一些。
定价方面两家几乎镜像。Lovable Starter $25/月，Bolt.new Pro $20-25/月，都有免费层，都走 credit/token 消耗制。企业计划都是定制报价。这个对称性说明它们瞄准的是同一个价格敏感的人群：个人用户和小团队。
两家都在往对方的方向试探。Lovable 在 2026 年 5 月加入了 subagent 和 Skills 系统，增加了对复杂任务的并行处理能力，这在某种程度上是在缩小和 Bolt 的功能差距。Bolt.new 也在增加更易用的交互层。但核心差异保留着：Lovable 更适合非技术用户，Bolt.new 更适合有技术基础但不想自己搭环境的开发者。
UGS 这个品类不是只有一家公司在做，这本身就是最强的市场信号。如果一个方向只有一家公司成功，可能是特例；有两家同时在快速增长，说明需求是真实的。
但这个品类的 B2C 属性也制造了一个特有的矛盾。
在 Reddit 社区里，最常被提起的一类帖子标题是”Lovable 的问题”。核心抱怨出奇一致：credit 系统。AI 声称修复了一个 bug，用户花掉 10 到 20 个 credit，运行后发现 bug 还在。重复三次、五次，有个帖子收集了几十条类似经历，评论区里用户说：“我整个职业生涯从没担心过改 bug 要花多少钱，Lovable 彻底改变了这一点。”
这个矛盾是 B2C 支付结构特有的。企业版 Cursor 按 seat 收年费，AI 出错不会让企业的账单变多。Claude Code 按 token 计费，但使用者是专业开发者，他们能判断一个任务值不值得启动一次 agent 循环。只有面向个人消费者的 credit 定价，才会让用户为 AI 的每一次幻觉买单。
B2B 工具可以用合同条款、SLA、采购谈判来消化不确定性。B2C 工具没有这些缓冲层，错误直接暴露在用户的钱包里。Lovable 的 95% 收入来自个人用户，就意味着 95% 的收入来源在持续暴露于这个摩擦之中。
这个矛盾在社区里催生了一致的应对模式。几乎所有有经验的用户都会推荐同一条路径：在 Lovable 里用 30 到 50 个 prompt 把原型做出来，然后导出到 GitHub，转到 Cursor 或 Claude Code 继续开发。一位社区成员的原话是：“Lovable 启动项目很棒，但项目一大就恐怖了。太贵，而且很容易在它做的改动里迷路，它经常改一个东西搞坏另一个。”
这个工作流暴露了一个事实：在 UGS 时代，个人用户可以在想法到可交互原型这一段获得前所未有的效率。但原型到可维护系统的这一段，价值仍然流向 B2B 开发者工具。UGS 的 B2C 定价和 B2B 的支付结构之间，存在一个还没被填上的沟。
把 Lovable 和 Cursor 放在一起比较，会看到两个维度都不同。横轴是目标用户，非技术人员还是专业开发者。纵轴是商业模式，B2C 还是 B2B。
Cursor 75% 的收入来自企业客户，年化 ARR $40 亿。Claude Code 的 $25 亿 run-rate 里超过一半是年付百万美元以上的大型企业合同。这是 B2B × 专业开发者。它卖的是效率提升，采购方有预算、有评估能力、有合同保障。
Lovable 和 Bolt.new 是 B2C × 非技术人员。它卖的不是效率，是从零到一的创造能力。采购方没有技术评估能力，没有采购部门帮忙谈判，甚至不知道自己买的东西能不能上生产环境。这个差异不是”市场细分”的问题，它决定了整个产品设计、定价策略和增长模型。
B2B 工具的护城河是深入工作流。换掉 Cursor 意味着换掉整个日常开发环境，从快捷键到项目 setup 全部重来。B2C UGS 工具的护城河是用户本身不知道替代方案的存在。一个用 Lovable 建了自己第一个 CRM 的设计师，不知道 Bolt.new 是什么，也不关心。她只知道自己做了一个能跑的东西，而且是在没写一行代码的情况下。品牌认知和首次体验带来的锁定效应，在这个人群里比功能深度更有力。但同时，一旦用户学到足够多、开始意识到工具的局限（credit 消耗、代码可维护性），切换成本也很低。没有工程工作流需要迁移，她本来就没有工作流。
这也是为什么 UGS 工具的用户增长数据和专业开发者工具不是一个量级的。Lovable 800 万用户，Replit 4000 万用户，Bolt.new 500 万月活。Cursor 是 100 万+ 用户。绝对用户数上，B2C UGS 工具远超 B2B 开发者工具。但人均付费正好相反。Cursor $40/月的企业合同，Lovable $20/月的个人订阅。ARPU 差了一个量级。
去年 4 月我写过一篇关于 AI 编程工具自训模型的调研，当时的结论是没发现一个纯 API 调用的独立 coding tool 越过 $1 亿 ARR。Lovable 把这个结论推翻了。它的护城河不在模型层，在封装层：模板约束、安全扫描、版本恢复、一键部署、基础设施托管。模型只是其中一个组件。
回头想，当时的判断失效是因为它只考虑了 B2B 开发者工具这个象限。在那个象限里，自训模型确实是唯一已知的护城河。Cursor 的 Composer 模型、Cognition 的自研 agent 模型都在证明这一点。但 UGS 品类是另一种生意。它的竞争壁垒不是”谁生成的代码更正确”，而是”谁让用户以最低的认知负担完成从想法到可运行软件的整个过程”。这是产品封装的工作，不是模型厂商的工作。
这反过来解释了为什么 Anthropic 和 OpenAI 同时在做 B2B 开发工具和模型供应，但没有自己下场做 UGS。Anthropic 把 Lovable 放在 marketplace 上 showcase，而不是自己做一个竞争产品。让不懂代码的人建软件这件事，需要的产品基因和大模型公司做开发工具是两套基因。这不是能力问题，是注意力分配问题。
UGS 不是替代 B2B 工具的趋势，是一个平行存在的品类。两类工具服务两类人，解决两类问题，赚两类钱。但它们之间有一个动态的张力。
如果 UGS 工具的模板和验证机制能把原型到生产的鸿沟填得足够窄，B2C 用户就不再需要导出到 B2B 工具，UGS 就从入口变成目的地。反过来，如果 Cursor 或 Claude Code 做一个不需要写代码的入口模式，它们就可以直接下沉到 UGS 的地盘。分界线不是静止的。
但眼下这个时间点，最重要的发现是 UGS 这个品类第一次有了商业账本上的证据。以前我们只能说”个人为自己生成软件”是一个潜在的巨大市场。Lovable 和 Bolt.new 在 14 个月内跑出来的收入数字，把”潜在”换成了”已验证”。这才是 $4 亿 ARR 里最有信息量的部分。