在巨頭夾縫中做中立者：OpenCode 一年衝上 800 萬使用者的定位戰

本文整理自《The Pragmatic Engineer》2026 年 5 月播出的單集。

{{< youtube 1VqKUrxR2C8 >}}

{{< spotify "episode/10InvdH4AqOfZGCMTyzqiM" >}}

{{< apple-podcast "tw/podcast/building-opencode-with-dax-raad/id1769051199?i=1000769854268" >}}

---

三個人、一個定位、八百萬使用者

去年 6 月，OpenCode 上線時只有四個人。三位共同創辦人加上一位朋友，沒有外部資金投入新專案，靠的是前一個產品 SST（一套 TypeScript 全端框架）剛剛達到損益平衡後攢下的一點餘裕。到了去年 12 月，月活躍使用者達到 65 萬。今年 1 月，跳到 250 萬。到 5 月訪談錄製時，已經逼近 800 萬，目標是很快破千萬。這個成長曲線在開發者工具的歷史上幾乎沒有先例。

共同創辦人 Dax Raad 在 Gergely Orosz 主持的 The Pragmatic Engineer Podcast 上，把這段成長歸功於一個聽起來很簡單的策略：在一堆有錢的模型供應商之間，做那個沒人做的中立者。他說在決定做 OpenCode 之前，團隊花了很多時間觀察市場。Claude Code 已經存在，Cursor 也很強勢，但沒有任何一個產品佔據了「開源」這個位置。而在開發者工具的世界裡，開源選項最終幾乎都會變成預設選項，從 Linux 到 PostgreSQL 到 Terraform，歷史反覆證明了這個規律。

更關鍵的是，AI 模型市場正處於一場混戰。Anthropic 有 Claude，OpenAI 有 GPT，Google 有 Gemini，Meta 的 Llama 代表開源陣營。數十億美元的投資不會只讓一家贏，競爭注定會持續很久。在這種格局下，做一個支援所有模型的中立平台，等於讓每一個參戰的巨頭都有動機幫你推廣。Raad 把這個洞察濃縮成一句話：「定位正確之後，世界會不斷把你沒預期到的勝利送到你手上。」

Anthropic 封鎖事件：一場教科書級的危機操作

今年 1 月發生的事，完美示範了「定位正確」能帶來的意外收穫。

事情的起因很直接。Anthropic 在某天晚上 9 點，沒有預先通知，直接在伺服器端部署了一個封鎖機制，阻止所有第三方工具使用 Claude 的訂閱制授權。打開 OpenCode 連接 Claude 的使用者會收到錯誤訊息，說這個憑證只能在 Claude Code 裡使用。開發者社群瞬間炸鍋，Raad 一個晚上被 tag 了上百次。

他說團隊對這一天並不意外。他們早就預期 Anthropic 遲早會這麼做，只是沒想到方式會這麼粗暴。「他們有權利這樣做，每個公司都需要保護自己的商業模式，」Raad 說，「但在晚上 9 點、沒有任何預告就直接封鎖，那就是在製造一場社群危機。如果他們用一個月的時間分階段推行，配上清楚的溝通，大家也會不高興，但不會變成一場暴動。」這件事暴露了一個快速成長公司容易犯的錯：忘記自己已經有了巨大的影響力，一個小動作會波及數百萬人。Raad 拿自己當例子：前幾天 OpenCode 推了一個 bug，讓深色模式的終端機在啟動時閃一下亮白畫面。以前這種事影響一百個人，現在影響一百萬人。「我們這週閃瞎了一大堆人，」他自嘲。

但真正精彩的是 OpenCode 的回應。封鎖發生的那天晚上，Raad 立刻傳訊息給 OpenAI：明天所有人醒來會對 Anthropic 非常憤怒，你們有機會站到反面，公開宣布官方支援 OpenCode 的訂閱整合。隔天早上，OpenAI 確認合作。當天團隊就把整合做完了。「早上大家說我們完了、估值歸零，」Raad 回憶，「我自己一邊笑，一邊在心裡倒數：等到下午就知道了。」下午的公告直接把 OpenCode 的使用者成長推到新高峰。一場對手發動的封鎖，反而變成了自己最大的一波成長。

Raad 把這稱為「臨時壞人策略」。找到一個暫時站在你對面的大公司，然後把所有想跟那家大公司競爭的人拉到你這邊來。他在之前做 OpenNext 的時候就用過同樣的手法：Vercel 不夠關注 AWS 上的 Next.js 部署需求，OpenNext 就把 Cloudflare、Netlify、微軟、Google 這些同樣不滿 Vercel 的廠商串聯起來，一起推動開放的部署標準。「這些都是幾十億、幾百億美元的公司，」Raad 說，「我們一個小公司能對它們施加任何壓力，本身就不容易。這就是施壓的樣子。」而且這個策略是動態的：今天 Anthropic 扮演壞人，明天 OpenAI 也可能走同樣的路，到時候就換別的陣營來支持 OpenCode。只要模型市場的競爭持續存在，中立者永遠有牌可打。

開發工具是消費產品，而工程師最不懂這件事

OpenCode 成長的另一個引擎，是 Raad 對開發工具市場的一個認知：DevTool 本質上是消費產品。

這句話的意思是，多數成功的開發工具最終都是由下而上滲透進企業的。不是老闆買了一套軟體叫大家用，而是某個工程師自己試了覺得好用，推薦給同事，同事推薦給部門，部門推薦給全公司。這個路徑跟 Instagram 或任何社群 App 的擴散方式完全一樣。但問題是，做開發工具的人都是工程師，而工程師偏偏最不擅長用消費產品的思維做事。他們會花很多時間打磨底層的 agent 邏輯，卻忽略使用者打開產品第一秒的感受。

OpenCode 的策略是把第一印象的摩擦降到最低。打開 OpenCode 的那一秒，你就應該感覺到這個東西跟其他終端機工具不一樣。為了達到這個效果，團隊自己從頭打造了一套終端機渲染框架。Claude Code 和其他競品都用 Ink 之類的現成套件，能跑就好。OpenCode 卻投入大量時間做自己的渲染層。Raad 坦承，前五個月 OpenCode 的底層 agent 能力其實跟 Claude Code 差不多，但那五個月足夠讓 OpenCode 靠著更好的使用體驗贏到夠多的市場份額。等到使用者基數站穩了，才回頭把 agent 的能力補上來。「我們的策略跟其他人完全相反，」他說，「別人先做最聰明的 agent，覺得這樣就能贏。我們先做最好用的產品，然後再把 agent 變強。」

另一個細節也反映了同樣的思維。OpenCode 一度會在每個 git commit message 裡加上「Generated by OpenCode」的標記，跟 Claude Code 和 GitHub Copilot 一樣，等於每個 PR 都是免費廣告。但使用者反映想關掉這個功能，Raad 想了想覺得這「很 low」，就直接把預設改成關閉。「你可以像賭場一樣用盡每一個心理學技巧留住客人，」他說，「但我覺得我們不需要走到那個極端。」這個小決定本身就是品牌定位的一部分：我們不做那種事。

推論是印鈔機：AI 產業最不想讓你知道的事

訪談中最讓人意外的段落之一，是 Raad 對 AI 推論服務利潤率的揭露。

OpenCode 自己經營一個推論服務叫 Xen，最初只是為了降低新使用者的入門門檻。很多人註冊 Anthropic 帳號後，連足夠的速率限制都拿不到，根本沒辦法正常使用 AI 程式碼工具。所以 OpenCode 搭建了自己的推論入口，讓使用者一註冊就能用所有模型。沒想到這個業務自己爆發了，五六個月就做到 1,500 萬美元的年化營收。另一條商業線是企業控制台：當一家公司有一千個工程師在用 OpenCode，你需要統一管理模型供應商、權限、預算、速率限制，不可能叫每個人自己加 API key。這塊也是開源的，但多數企業直接付費用托管版。

更驚人的是推論服務的利潤率。Raad 說他們自己租 GPU 來跑模型，中間還隔了一層中間商，不是直接從 NVIDIA 或雲端供應商拿貨。即使如此，某些模型的標牌價和實際成本之間有 80% 的毛利率。而像 Anthropic 和 OpenAI 這種規模的公司，拿到的 GPU 價格遠低於市場行情，加上規模效應，他們的毛利率很可能到 90%。Raad 拿早期的雲端運算產業做類比：AWS 在初期刻意不公開財務數據，讓外界以為雲端服務是一門虧錢的生意。事實上，雲端運算一直是高利潤業務，只是亞馬遜沒有理由主動告訴大家。

AI 推論市場正在重演同樣的劇本。那些「AI 公司燒錢燒到見底」的報導，混淆了研發成本和推論服務兩種完全不同的業務。訓練大型模型確實燒錢，R&D 部門的支出驚人。但推論服務本身，成本底線就是電費加上硬體攤提，利潤空間極大。「他們沒有任何動機去糾正那些說 AI 是爛生意的敘事，」Raad 直言，「你做一門印鈔票的生意，為什麼要跟全世界宣傳？」不過他也承認，80% 到 90% 的毛利率不太可能長期維持。開源模型的競爭力正在快速提升，價格只有前沿模型的十分之一。當企業開始認真檢視 LLM 帳單，越來越多的推論流量會從昂貴的前沿模型轉向成本更低的開源替代方案。OpenCode 的 Xen 服務恰好卡在這個轉變的樞紐位置：同時提供前沿模型和開源模型的推論，企業想省錢時自然就會在 Xen 上把流量導向更便宜的選項。

GPU 荒：連 OpenCode 都被卡住了

如果推論是印鈔機，那限制你能印多少的就是 GPU 供應。

Raad 在社群媒體上寫過一句話：「GPU 嚴重不足。連我們這種規模的公司都被卡住了，這很瘋狂。」在節目裡他解釋了具體情況。從 GPU 的生產到週邊硬體到人力，整條供應鏈都處於極度緊繃的狀態。推論需求的成長不是線性的，可能是指數型的，但 GPU 產能的成長卻是線性的。當這兩條線交叉，就是現在的擠壓。

更大的問題是大型科技公司正在吸走幾乎所有的供應。一家新創融了 20 億美元聽起來很驚人，但亞馬遜、Meta、微軟每年的資本支出是數百億美元，完全不在同一個量級。「那些在 GPU 供應鏈裡做生意的公司根本不想跟你講話，」Raad 說，「他們忙著排隊服務亞馬遜和微軟。」OpenCode 必須提前預訂 GPU、大額預付，每個人都在囤貨，因為大家都預期這場擠壓會持續下去。Raad 說他在職涯裡看過很多次這種供應短缺的循環，最終通常會被瘋狂的過度供給所化解。GPU 市場可能也會走同樣的路，但「這次可能不一樣」的聲音確實存在。至少在目前，GPU 供應是 AI 產業每一個參與者都面臨的硬約束，不管你是做模型的、做工具的、還是做推論的。

我的觀察

OpenCode 的故事有很多面向可以解讀。它是一個開源成功案例，是一個小團隊挑戰大公司的勵志故事，也是 AI 時代開發工具市場的縮影。但我覺得最值得臺灣科技圈關注的，是 Raad 反覆強調的「定位比技術重要」這個觀念。

OpenCode 在技術上並不領先。Raad 自己都承認前五個月的 agent 能力只是「夠用」。它贏的是位置：在所有人都在做封閉產品的時候做開源，在所有人都綁定一家模型供應商的時候支援所有供應商，在所有人都在拼 agent 智力的時候先拼使用體驗。然後等到位置站穩了，再回頭補齊技術。這個策略對臺灣的軟體團隊應該很有啟發。我們常常陷入「技術要做到最好才敢推出去」的思維，花大量時間打磨技術細節，卻忽略了市場定位和使用者體驗。Raad 的做法正好相反：先搶位置、先降門檻、先讓人用起來，然後再一步一步把技術補上。在一個變化快到讓所有人焦慮的市場裡，這可能才是更務實的策略。

推論服務的暴利也值得注意。當大家都在討論 AI 是不是泡沫的時候，推論服務的毛利率靜靜地停在 80% 到 90%。這個數字告訴我們，至少在基礎設施層面，AI 不是泡沫，是一門非常賺錢的生意。問題只在於，這些利潤絕大部分流向了幾家最大的公司。對其他人來說，更務實的做法可能不是自己去訓練模型或建推論服務，而是像 OpenCode 一樣找到一個讓巨頭們願意幫你推廣的位置，然後搭上它們的基礎設施往上走。