Avi Chawla 用四年時間，把一個人的 Substack 電子報做成 20 萬+訂閱的 AI 學習平台。他的起點不是什麼精心規劃的創業——而是一個被迫放棄碩士學位後的「那接下來要幹嘛」。
背景：碩士夢碎後的意外轉向
Avi Chawla 畢業於 IIT Varanasi（印度理工學院瓦拉納西分校），之後在 Mastercard 擔任 AI Engineer 約兩年。2022 年，他拿到 University of Maryland, College Park 的 AI 研究碩士錄取——這個專案每年只收 10–15 人。
但出發前兩個月，家庭因素迫使他取消赴美計畫。
他決定不回 Mastercard，而是利用這段空白期重新整理自己的 Data Science 知識。受到知識型 YouTuber Ali Abdaal 的啟發，他在 Substack 創刊了 Daily Dose of Data Science。
據他自己在一週年回顧中說：
「The newsletter became unexpectedly rewarding and deeply meaningful during a challenging personal period.」
成長時間線
| 時間 | 里程碑 |
|---|---|
| 2022-10-03 | Substack 創刊，第一個訂閱者是自己 |
| 2023-03（約 5 個月） | 突破 1 萬訂閱，收入已穩定超過前一份全職工作 |
| 2023-09（約 11 個月） | LinkedIn 粉絲達 17.5 萬，公開徵求 Co-founder |
| 2023-10（滿一年） | 突破 4 萬訂閱，進入 Substack 科技類前 25 名 |
| 2025-08 | ML Spring 電子報（Akshay Pachaar）正式併入，Akshay 成為 Co-founder |
| 2026（現況） | 訂閱 20 萬+、LinkedIn 40 萬+、X 40 萬+、GitHub 35k+ stars |
五個月就超過全職薪水——他當時在 LinkedIn 上說，每篇 100–150 字的短文，背後要花 3–4 小時研究、實驗、寫稿。但印度自由業者的稅制幫了一把：presumptive taxation scheme 讓他只需對收入的 50% 課稅。
內容策略：技術策展人，不是原創研究者
Daily Dose of Data Science 的核心格式是每天一篇 100–150 字短文加一張圖解，讀者兩分鐘讀完。
這個格式的關鍵在於：Avi 不是自己發明演算法或跑實驗，他做的是從論文、官方文件、GitHub repo 裡提煉出一個概念，壓縮成一張視覺化圖表加幾句解釋。本質上是技術策展人（curator）——AI/ML 領域每天有幾十篇 arXiv 論文、GitHub trending 新專案、各大公司的模型發佈，素材永遠不缺，瓶頸是「選哪個寫」而不是「沒東西寫」。
早期他靠在 Medium / Towards Data Science 已經建立的寫作聲量導流到 Substack。後來 GitHub 上的配套程式碼 repo 累積了 35k+ stars，成為另一個重要的讀者發現管道。
內容方向也有一次明確轉型：從「介紹熱門工具」轉向「講核心概念」——PCA、GLM、Bayesian optimization 這類主題不會過時，可以從不同角度反覆重寫，也更適合做成付費課程的骨幹。
商業模式：從免費電子報到付費學習平台
他的變現路徑是典型的 creator economy 階梯：
- 免費電子報（2022 起）：每天發，建立信任和讀者基底
- Substack 付費訂閱：免費版只給摘要，付費解鎖完整文章
- Lab 社群（2023 年底）：小班制直播課加論壇，上限 120 人，是高客單價產品
- Guidebook 免費下載：MCP、Agents、AI Engineering、Data Science 四本，累計下載 50 萬+次——本身不收費，是漏斗頂端的拉新工具
- Crash Course（8 門）：RAG、Agent、MCP、LLM 微調、MLOps 等結構化付費課程
- 獨立網站會員制：從 Substack 遷移到 dailydoseofds.com，整合所有付費內容
他沒有公開過具體營收數字。但以 Substack 科技類常見的 5–10% 免費轉付費比例、20 萬訂閱基底、加上課程和社群收入來推算，年收入規模在六位數美元以上。
可持續日更四年的方法論
每天一篇、四年不間斷，最常被問的就是「怎麼不枯竭」。從他的公開分享可以歸納幾個關鍵：
短格式降低體力門檻。 150 字加一張圖，不是 3000 字長文。這讓「每天一篇」在生理上可持續。
AI/ML 領域的資訊供給天然過剩。 arXiv 每天幾十篇新論文、GitHub 每天有新框架、各大公司不斷發新模型——做策展的人永遠不缺原料。
Learning in public 的飛輪。 寫文章逼自己把模糊概念搞懂、讀者提問暴露知識盲區、盲區變成下一篇素材。這個循環會自轉。
概念類內容不過時。 工具會換代，但 PCA 的數學不會變。轉向核心概念後，同一主題可以從不同角度重寫，素材庫等於無限。
後來不再一個人扛。 一年後他就公開徵求 Co-founder——「no breaks, working day in and out」、「extremely tiring and stressful」是他自己的用詞。2025 年 Akshay Pachaar 正式加入後，內容產出壓力才真正分攤。
他自述的三個教訓
冒牌者症候群很真實。 獨立工作沒有同事回饋，他會維護一份讀者正面反饋的文件，低潮時拿出來看。這個做法簡單但有效——他在多次公開分享中反覆提到。
Solo founder 有天花板。 一年後就開始找合夥人，說明「一個人做到營收正成長」和「一個人能長期撐住」是兩回事。
追工具會過時，講概念不會。 這個轉向同時解決了內容可持續性和商業模式的問題——概念類內容更適合做成結構化課程，客單價比單篇訂閱高得多。
整體來說
Daily Dose of Data Science 的成功有幾個不可忽視的條件：Avi 在 Medium 已有寫作聲量（不是從零開始）、AI/ML 領域恰好是資訊供給最過剩的垂直領域（天然適合日更策展）、印度的稅制和生活成本讓全職做電子報的財務門檻比矽谷低得多。
但真正值得注意的是他的格式選擇：150 字加一張圖。這個刻意壓短的格式同時解決了讀者端（低門檻、高完讀率）和作者端（體力可持續）的問題，是整個飛輪能轉起來的物理基礎。
對想做技術內容創作的人來說，這個案例最大的啟示不是「你也可以月入百萬」，而是：選對格式和領域，策展比原創更可持續——前提是你能扛住一年的孤獨。
參考資料
Loading...