摘要

AI眼下最确定的回报，不在“万能助手”，而在把代码、销售和客服的边际成本压到足够低。 任鑫的孵化器已做到后端代码“百分之百AI写”，从 GitHub Copilot 时代花两个月改流程，缩短到用 Cursor 一两周；曲凯看到的汽车销售链路，则从小红书评论识别意向、私聊培育一路自动化，到高意向时才交给真人成交。“目前肯定能行的一件事情”，仍是内部销售与客服提效。
AI正在把原本养不起三五人团队的产品，压进一两个人可以持续经营的“奇异点区间”。 赵纯想用 AI 写代码、做测试、审语音，终于实现搁置七年的“陌生人闹钟”；任鑫也观察到，生产成本下降后，团队面对边缘项目会从反复立项变成“那就随便做一个吧”。投资上真正变化的不是人人都能做大公司，而是更多小需求第一次有了成立的单位经济性。
当代码、测试、运维和部署逐渐不值钱，独立开发者最后的护城河是创意、设计与让人“满心欢喜”的手感。 赵纯想认为 AI 能补齐工程知识，却“不理解什么叫感动，也不理解什么叫匠心”；他的建议不是再卷一层通用技术，而是大量学习设计，并且只在“除了这个模型能干，别人都不能干”时调用它。人的审美与产品感，正在从加分项变成核心生产资料。
岗位冲击已经集中落在美术、内容流水线和“翻译打杂型”中间层，但把它概括成全面失业仍然太早。 庄明浩看到二维场景美术、在线剧本杀约 80% 的生产流程已可交给 AI，任鑫朋友公司的销售助理则已全部裁掉；另一面，低成本法律服务、盲人视觉辅助和聋人发音训练正在打开过去没人能服务的需求。赵纯想的宏观提醒是，AI产业整体仍“入不敷出”，尚未到可以宣布产业重构完成的阶段。
AI陪伴暴露了模型能力、用户认知与ROI之间的巨大裂缝，现阶段最有效的产品往往是“AI获客、真人兑现”。 一端是乙游团队做出的 3D AI 女友 EVE，另一端是东南亚团队把“AI陪伴”仅当买量口号，后台仍由低成本真人公会聊天；甚至有产品用 AI 换掉“好看的脸”，却保留真人提供“有趣的灵魂”。曲凯补充的反例更尖锐：“做得好的AI都讲自己不是AI”，因为 AI 标签本身可能意味着廉价和不值得付费。
这一轮AI既延缓了中国一级市场的退潮，也把旧模式推到了必须回答终局问题的位置。 庄明浩的判断是，赛道从无人关注到全民涌入再到迅速抛弃，已从两三年压缩到按季度计算，而 AI 更在三个月内形成共识、迅速投完钱，像是“给大家最后一次疯狂的机会”。资金和机构虽显著减少，但对靠谱、人和团队都过关、方向可探索且融资额不膨胀的项目，面对仍在认真出手的少数基金，成交概率没准比最喧嚣时更低，实际成交却未必那么难。
短期机会可能只是多模态“套壳”，长期大机会却在把人从生产工具重新变回目的。 任鑫眼下更关注把人脸、动作、3D、舞蹈、语音等模型拼成高娱乐性产品，但坦言它们也许只能“昙花一现”，未必是投资机会；更长线上，他押注健康、身心灵、认识自己与成为自己。庄明浩则认为 AI 一定会加剧贫富差距，却可能带来“情绪平等”，让每个人的情绪被看见、回应和照顾。
中美AI创业差距的关键不只是模型或人才，而是To B生态能否提供创业的下限和退出循环。 曲凯认为短期硅谷游学常落入固定接待产业链，除非常驻并进入核心圈层，否则“去转一圈”意义有限；真正值得看的是美国细分 To B 公司能被大公司溢价收购，创始人再创业、再投资，而国内收购往往只剩“关掉公司、给你开个工资”。中国过去押注 To C，美国走过云、SaaS 与企业服务，两条路在 AI 交汇后，欠下的 To B 能力仍要补回来。

精读

1. AI进入医疗生活后，最合适的位置仍是第二意见

任鑫把家人的一次重病问诊同时发给主治医生、ChatGPT 和 Claude；复诊后面对几十张新旧报告截图，他让 ChatGPT 汇总为 CSV 表格，挑出六个重要指标，并标记哪些好转、哪些恶化。AI在这里不是聊天玩具，而是把病历信息变成可比较的时间序列。
在脚扭伤、孩子手足口和母亲肝病等几次经历里，任鑫觉得模型判断基本已经和“主任医生级别”的判断一模一样。但他的边界同样明确：“当然我不敢完全相信它”，实际用法始终是去问华山医院做 double check，而不是替代医生。
模型与中国医生的主要差异，是经常把情况想得更严重。任鑫猜测这可能与 alignment 或海外医疗流程有关：某些在国内因效率而频繁使用的设备，会被模型描述成大事；他再问身边医生，得到的答复却是“可以上的，没有问题”。他的结论不是模型无错，而是它“只是过度谨慎，不会害你”。

2. 同一代AI用户，已经分化成依赖者、探索者与怀疑者

赵纯想说 AI 已像“电”和“能量”，代码、架构、自动化测试都离不开它；更直接的副作用是写代码彻底上瘾，自己像指挥家一样不断给多个 AI 派活，后台还有 AI 操作数据库。“你就停不下来了，就像一种无限游戏一样”，因此所谓生活变化，反而是几乎没有个人生活。
庄明浩的孩子则把 AI 毛绒玩具变成语言边界实验：机器人不会正确玩“一二三木头人”，孩子便不断纠正它的重复次数和停顿，却最终撞上它没有视觉、无法判断自己是否移动的限制。庄明浩最在意的是，没人教孩子什么叫模型或提示词，他已经本能地“用语言去 hack 这个模型”。
曲凯构成现场最重要的反例：尽管看过大量 AI 公司和产品，他日常几乎不用，判断行业“还是在一个很早期的阶段”。现场约三分之二的人过去 48 小时与 AI 互动过，但他自己的生活变化，一是认识了更多因 AI 焦虑的上市公司董事长，二是在小红书提醒评论者别被 AI 假人骗。
这场辨伪的窗口也在快速关闭。曲凯觉得假真人账号比一年前进步明显，“再过半年我也没法骂了”；庄明浩补充，Stable Diffusion 时代的图还“一眼假”，Flux 精修后已经很难分辨。

3. AI编程的瓶颈不再只是模型，而是组织愿不愿意改自己

任鑫的孵化器约半年前启动 AI 化改造，如今后端已做到“没有一行代码是自己写的”，只把前端外包出去，因为前端需要大量沟通，很难判断“到底好不好看”；后台在几乎不增加人的情况下，可以并行支持多个项目。
这套流程在 GitHub Copilot 阶段用了两个月改造；按技术负责人现在的估计，换成 Cursor，一两周就够。重要的不是单次代码生成，而是任务拆分、验收、返工和协作方式都围绕 AI 重写。
技术负责人的原则颇为极端：“如果AI写一加一等于三，你要认为是你错了，不是AI错了。”他的意思不是模型事实上不会错，而是团队若先宣布工具不能用，就永远不会追查任务是否没讲清、架构是否设计错、流程是否根本不该如此。
任鑫用价格给这种耐心定了尺度：“当他收你两万块钱一个月，你可以挑剔他；当他收你二十块钱一个月，做得不好你应该怪自己。”AI管理的核心能力，因而从会不会写 prompt，变成能否把廉价能力驯化进流程。

4. 内容生产先被结构化，推理模型再把“才华”变成可批量采样

赵纯想认识的一位电视剧导演，过去要找大量实习生拉片：低级的是抄剧情，进阶是拆人物关系，真正耗时的是抽取可复用的结构。后来团队在扣子上搭了工作流并优化提示词，一下午就能把几十部经典电视剧拆成表格或思维导图。
对普通人而言，那只是作品摘要；对导演而言，去掉台词和具体人物后的宏观结构可以直接成为下一部戏的骨架。他再修改结构，把它交给实习编剧和文案扩写，原本最耗人的前期研究被压缩成选择与编辑。
赵纯想认为“草莓模型”o1又向前推了一步：先规定一个出人意料的剧情终点，再强迫模型回答“为什么”，让它“一本正经地胡说八道”出 100 种逻辑链，其中可能有一种既可实现又超出导演预想。人类负责筛选与修饰，模型负责大规模制造潜在才华。
相关网剧已经做出，但仍在备案、尚未上线。它说明相关创作流程已有尝试，还不能证明观众接受度或商业结果已经跑通。

5. AI陪伴正分裂成完美虚拟人和披着AI外衣的真人服务

庄明浩观察到，GPT 发布后，社交行业几乎默认承担 To C 探索：AI陪伴、交友、聊天项目蜂拥而上，“加点AI”成了板块口号。两年后，结果不是统一产品范式，而是走向两个极端。
一端是乙游背景团队做出的 3D AI 女友 EVE：游戏团队对角色、剧情和 3D 表现的积累，让展示效果看起来近乎完美。另一端的大量项目，却长期卡在情绪价值、工程稳定性、运营和成本之间，没有清晰终局。
一位来自 YY、熟悉东南亚公会资源的创业者索性把“AI陪伴”当作 slogan 和买量钩子，后台仍由真人聊天。他测试市面方案后的判断是，当前“情绪价值到顶的那种体验只能用真人提供”，而当地真人供给的性价比反而更高，模型成本算不过来。
还有团队进一步拆开“好看的脸”和“有趣的灵魂”：AI驱动前台视频形象，真人在背后说话。曲凯则给出反向信号——一些表现好的产品刻意不说自己是 AI，因为用户听到 AI 会觉得廉价、不愿付费；技术身份与营销身份并不一致。

6. 销售漏斗是本轮AI最先跑通的商业接口

东南亚陪聊业务每天可能进来约一万个用户，过去必须靠人把每个人聊到付费；实际经验是，前十来轮对话已足以判断支付能力。于是 AI 先筛选，判断值得跟进后立即转给真人，电话或聊天无需重新开始。
曲凯看到的小红书汽车销售链路更完整：AI先生成软文素材，再识别评论里“你看这个颜色怎么样”之类的弱意向；另一个 bot 留言邀请私信、给出折扣，随后由 AI 继续培育，直到购买意向足够强才交给真人完成高客单成交。
这也是曲凯对大量“AI原生应用”故事的降温：最终真正跑通的，常常不是独立的新物种，而是公司内部销售或客服提效。价值来自减少低意向人群上的人工浪费，同时把真人留在信任、议价和成交环节。

7. 第一批被压缩的岗位，都处在可翻译、可模板化的中间层

庄明浩看到的首个明确受冲击工种是美术。Stable Diffusion 比 ChatGPT 更早约一年进入生产管线，尤其二维场景类、不涉及人物与精细细节的工作，在游戏和产品设计公司已经发生了替代。
在线剧本杀业务的变化更彻底：从 logo、框架、人物、剧情、付费点到编辑器中的可交付包，约 80% 流程已经能交给 AI。原来可能涉及十个工种的重内容运营业务，正在变成“双引号技术导向”的业务。
任鑫朋友公司的销售助理岗位已经全部裁撤。销售助理过去把客户需求翻译成内部资料，再拼成 proposal；但这个角色既不直接连接客户，也不是最懂产品的人，本质是“翻译、打杂”，因此他判断所有类似的翻译型工作都会较早受到冲击。

8. 生产力提高会消灭旧任务，也会把过去不经济的需求变成市场

任鑫并不把效率提升直接等同于总岗位下降，因为“活是干不完的”。当做一个产品的成本足够低，团队不再为每次立项开长会，而会说“那就随便做一个吧”；原本可做可不做的尝试，开始成批进入生产。
法律服务是他最清晰的非消费市场案例：为 180 美元的超速罚款或健身房押金，不会有人支付 1,800 甚至 3,000 美元律师费；现在已有公司专门处理这类小额纠纷，再按追回金额分成。它覆盖的是律师过去不愿服务的人。
同样的扩容逻辑也出现在 Be My Eyes，以及帮助耳聋但能够说话的人训练发音的项目。过去真人教练太贵，需求并不存在于商业统计中；成本下降后，个性化指导的市场才可能显形。
赵纯想保留了宏观上的异议：AI产业所获资本投入与整体收益仍高度悬殊，还是“很亏钱的一个生意”，至少要接近打平，才适合谈稳定的产业更替与普遍失业。即使程序员受影响，他们也最可能转去学 AI——“连程序都能学会”，自然语言工具更容易掌握。

9. AI是中国一级市场的续命题材，也是旧叙事的最后一次加速

任鑫说，自己的朋友们本来就在失业，AI来了之后反而救了不少人；前几年他们已经打算去看新能源、芯片，AI突然出现后，一级市场又有了可以看的方向。庄明浩则把这种续命解释得更冷峻——一级市场只能永远做多，否则这份工作在机制上就无法成立。
从 2015、2016 年左右开始，一个主题从无人知道、少数人关注、所有人蜂拥，到瞬间无人再看，周期已由两三年压缩成季度。庄明浩认为 AI 是这一叙事的终局：共识大约三个月达成，钱也在极短时间里集中投完。
他的标志性判断是，AI像“给大家最后一次疯狂的机会”，把旧模式推到极端，再迫使行业回答它还能否继续。分红、回购、人民币与美元基金策略、LP心态和上市公司参与方式的变化，本质都是在寻找新解；没有 AI，这种自我审视反而未必如此迫切。

10. 钱和基金都少了，但好团队的成交未必同步消失

庄明浩提到，《金融时报》曾引用 PitchBook 的美元机构融资数据以及 IT桔子的数据，后者显示 2024 年上半年中国只有 260 家创业公司。他认为这个数字“一听就绝对不可能”，但它也说明低潮期的公开数据未必能呈现完整市场。
即便活跃机构从一个很大的数量收缩到只剩二十家这个比喻性的量级，只要这二十家仍认真工作，交易就没有消失。对人靠谱、方向可探索、团队完整且融资额不膨胀的 To C AI 项目，庄明浩认为成交概率没准比当年最喧嚣的时候更低，但这种情况下成交本身可能没有那么难。
任鑫从创业者经历解释了为什么少拿钱未必更坏：他两次都在泡沫尾部融资，大量资金不是用于解决用户问题，而是为追赶竞争对手单量、避免掉队而补贴。现在融资更难、金额更少，但对手也拿不到太多，竞争性支出反而可以一起下降。

11. AI没有替任鑫直接挑项目，却开始替他追问和制造视角

任鑫谈到自己主要的 AI 用法：面对真正困难的问题，他不直接索要答案，而是先完整描述处境、卡点和纠结，再要求 AI “每次只向我提出一个问题”。每轮回答后，模型先反馈、再追问，几十轮后，他基本能自己想清楚问题。
第二种用法是让 AI 扮演赛文奥特曼、乔布斯、雷军等不同角色，分别回答会看见什么、产生何种情绪、为什么产生、最终怎么做。价值不在模仿名人金句，而在提醒他：自己当下的看法和情绪只是一个视角，并非处境必然导出的唯一反应。
孵化器定位就是具体案例：Y Combinator 式孵化、venture studio，以及 Bending Spoons 收购 Evernote 后再重构的模式，目标和组织逻辑完全不同。现实里很难随时找到恰好理解这些路径的朋友，AI角色库至少能让他更快看见问题的多个切面。
Koji提到“AI遗嘱”作为相同机制的消费应用：早年的版本只能给用户十个固定问题，如今 AI 可以像记者一样沿着回答深挖，答不出来时换角度，再追踪最细微的情绪。已有一万多人体验；它不具法律效力，目的也不是催促年轻人立遗嘱，而是借死亡这个极端状态识别今天真正重要的事。

12. 多模态套壳是短期窗口，把人当目的才是任鑫的长期押注

任鑫和《AI炼金术》的搭档曾公开看不起“套壳”，后来多次后悔：“套壳好有用啊，套壳是个机会啊。”纯大语言模型套壳的早期窗口或许已经过去，但这次误判让他更愿意认真看待快速产品化本身。
他认为短期仍有多模态套壳机会：人脸识别、面部驱动、3D建模、舞蹈动作、语音等新论文和小模型组成了丰富武器库，稍作拼接就可能做出高娱乐性产品。不过他的措辞很克制——也许只是“昙花一现”，怎么赚钱尚不清楚，更不一定构成投资机会。
更长线上，任鑫认为现代人被“工具人属性”异化，总用公司和职位介绍自己、把生产力当成人的价值；但与 AI 比生产力，人类“最多也就是十年苟延残喘一下”。他的结论不是悲观，而是人应重新成为目的，健康、身心灵、认识自己和成为自己，可能比所有“锤子钉子”的效率工具更大。

13. AI可能扩大财富差距，却也可能工业化“情绪平等”

庄明浩认为 AI“一定会加剧贫富差距”，而解决财富分配要靠政策、政府和公共事业；AI真正可能带来的另一种平等，是让情绪被看见、理解、回应和照顾。过去这取决于是否生在好家庭、遇到好伴侣，或能否支付最好的心理咨询。
庄明浩转述陈天桥的观点：精神疾病是今天 AI 最确定能够通过语言和表情判断的疾病，其他疾病往往还需要仪器；在识别之后，AI还可能提供针对性干预。陈天桥希望采集更多相关数据并将其用于现实，庄明浩把它视为中国用 AI 改善情绪健康的“星星之火”。
赵纯想为“工业化情感支持”辩护：工业品不必然玷污人性，它首先意味着普惠。他与比尔·盖茨财富相差巨大，却仍能喝同样的可乐、使用同样的 iPhone；若一切都是手工品，体验差距反而会更大。
Koji用宜家的 29.9 元 LACK 边桌接上这个类比：资本和工业生产能把过去只有富人拥有的床、餐桌、电视柜下放给所有人。AI情感支持听起来像廉价工业品，却可能正因此首先让资源最少的人受益。

14. 硅谷短游最大的风险，是把固定接待路线误认成核心生态

曲凯说美国阳光很好、时差与国内完全倒置，白天没人找、晚上国内工作开始时自己已经睡了，因此很适合度假和调整状态。但若把短期访问当行业洞察，他认为“没那么大必要”。
他看到有人因连续认识 Apple 的 AI 从业者而感叹硅谷人才密度高，却认为这和一个印度人来到中国、连续认识百度和字节员工并在 TikTok 门口拍照没有本质区别。“蠢的人各有各的蠢，厉害的人最终是类似的”，而按他的主观观察，中国从业者因训练更多、竞争更强，平均水平甚至更高。
更现实的问题是，当地已有一批人专门接待中国访客；曲凯说他们这次约到的人基本是同一批，任鑫还补充日本也有类似产业链。要么长期驻扎、真正进入核心圈层，要么承认自己只是沿成熟产业链“转一圈”，别把访问密度当信息增量。

15. To B生态决定了创业下限，也解释了中美一级市场的韧性差异

曲凯认为 To B 的需求通常比 To C 更容易寻找：企业痛点可以逐个验证，而消费 PMF 更难，且网络效应常把市场推向赢家通吃。To B 则允许大量公司在不同垂直领域成立，不必每一家都押中超级平台。
美国创业者可以经营一家细分 To B 公司数年，再卖给上市公司或大公司，拿到资本后继续创业或投资，这个循环托住了创业和一级市场的下限。国内大厂对 AI 创业者的典型报价却可能只是：“把之前的公司关掉，给你开个工资”，几乎没有额外收购溢价。
庄明浩把时间拉回 2010 年：此后中国 TMT 侧身狂奔于 To C，美国则经历云、SaaS 和企业服务，两条路径在 AI 节点重新交汇。过去没走的能力未来可能必须补，但哪些场景适合中国 To B、资本如何退出，现场没有给出万能答案；曲凯的收束仍是“一切都是周期”。

16. 一人公司的最终资产，是无法批量生成的产品感

赵纯想认为 AI 已把人力、智力、工程经验和效率差距大幅抹平，唯一干不掉的是人的创意。他建议一人或两人公司把大量时间花在设计上：AI能写页面，却不知道什么会让用户“满心欢喜”，也不理解感动、匠心和开发者认真做事的痕迹。
他下一款“行动乐园”体现了“只有这个模型能干”的选型原则：用户打扫前后各拍一张照片，由 o1 根据时间戳和画面变化判断是否完成、物品移到哪里、下次怎么整理，再给彩虹屁和积分；早睡挑战则结合设备数据识别用户是否仍在玩手机，并评估“欺骗指数”。
“陌生人闹钟”是他七年前就有、却一直卡在三五人运营成本上的想法。AI如今能承担语音审核、测试、数据库、部署和运维，使产品进入“一两个人能赚钱，招两个人立刻亏本”的奇异点区间。
面对美团推出高度相似的饮食记录功能，赵纯想的回应是：“这是胜利者的资格，就抄你，与你何干。”美团天然拥有外卖和人工录入的热量数据，理应做得更准；“未知数”能留下的，是设计和手感这道软护城河。海外 Cal AI 月收入四十多万美元，而“未知数”可能只有其几十分之一；但赵纯想承认自己享受的是“做一个、卖一个”的构造过程——更像设计师和工匠，不像擅长长线运营的 CEO。

Yet Another Value 的2025年度之选：Full House Resorts $FLL Kering：这就是 Gucci——[Business Breakdowns, EP.199]