摘要

AI没有先消灭“传统行业”，而是先把互联网本身变成了传统行业。 庄明浩的判断是，短视频、广告、电商和内容平台都已积累深厚 know-how，并被算法、投流等规则锁死；大模型虽能迅速从 0 跑到 60—80 分，企业真正需要的却是“从 99.5 抠到 99.6”。因此，2026 年初最重要的变量不是通用能力继续涨多少，而是每个细分行业能否完成漫长、繁碎且未必成功的最后一公里融合。
“六个月、一百亿、百分之八”概括了平台时代新风口最残酷的利润结构。 小游戏、短剧、漫剧和直播间弹幕游戏都可能在约六个月内冲到百亿元规模，但平台和投流成本拿走绝大部分价值，制作方最终落袋可能只有 8%，漫剧甚至更低。所谓风口更像“挤痘痘”：技术或商业模式制造短暂异常值，算法和蜂拥而入的竞争者很快又把 ROI 拉平，留下的是“虚幻的烟花”。
AI真正改变商业的地方，是提供了让部分服务同时具备产品规模性与服务个性化的可能。 一分钟传统动画成本约 1 万元，AI 漫剧可以压到几百元；婚礼图案、音乐、视频等 POD 也可能由两三个人通过工作流交付。但人文内容容错率高，医疗等科学领域要求精准，实体 POD 又受制于转印、UV 打印、数码喷绘和柔性供应链，所以“能做”与“值得做到 100 分”仍是两回事。
当内容生产无限通胀，算法推荐可能让位于人格、信任和“编辑精选”的复古回归。 抖音目前每天已有约 1 亿条视频上传，AI 带来的增量可能不是 10 倍、100 倍，而是更难想象的量级；统一的算法与人性最大公约数只会制造更多“AI 泔水”和“预制菜没锅气”。庄明浩因此押注两极化：一端是无人能追的超级巨无霸，另一端是服务一小群忠实用户的超级长尾与超级个体。
在答案未知、水线持续上涨的阶段，反馈速度比完整计划更值钱。 “哪怕做的是屎，也要比别人先做出来”并非鼓励粗制滥造，而是先获得用户、资本、媒体和竞争对手给予的超额关注，再用反馈叠加下一步；一直“在水面下憋大招”，可能三个月后项目就已失效。PLAUD 的案例说明，产品先出来还可能撞上 GPT 新模型与多模态能力增强的外部 buff，这种运气无法写进计划。
AI 硬件是投资共识，却也是模型按月迭代与物理世界半年至一年半周期之间的库存陷阱。 中国供应链、先进制造与 AI 能力交汇，使眼镜、玩具、陪伴设备和学习硬件都值得试，但用户想象的是“钢铁侠”，到手却可能觉得“弱智”，部分产品退货率被形容为接近女装。CK 给出的操作纪律很直接：产品可以烂一点、订单小一点、成本高一点、甚至亏一点，“但是千万不要压库存”。
中国 To B 的机会未必是复制美国 SaaS，而是把行业脑中的 80—90 分经验产品化并直接卖结果。 美国 agent 和 coding 能力的发展，可能让个人和企业自行完成更多个性化软件；中国旧 SaaS 本就没有充分跑通，反而可能没有历史包袱。真正缺口是传统企业无法直接使用模型时所需的数据整理、知识库、ERP 改造和现场实施——这些“脏活累活”不性感，却可能是 AI 收入从套壳演示走向可持续交付的关键。
AI阶段性地让巨头更大，但并未消灭细分市场，只是抬高了争夺“皇冠明珠”的成本。 字节在视频模型与分发上、腾讯在 AI 游戏上能做许多创业公司“连想都不敢想”的投入，其他厂商很难正面追平；小公司更合理的定位是找到巨头覆盖不了的特殊需求。正如安跑、后卡、萨洛蒙、始祖鸟仍能从耐克、阿迪达斯之外长出来，未来更可能是巨树拉开距离、同时由大量“苔藓”填满长尾。

精读

1. AI先把互联网本身变成了传统行业

庄明浩做播客，是因为技术变化太快，需要把阶段性认知归拢起来，“做好和它们好好告别”。那句玩笑也是真的：“只要你不学，你就不用学”，因为过一段时间，今天刚懂的东西可能已经失效。
他的核心观察是，社交、娱乐、短视频、游戏、电商这些曾经的“新兴经济”，如今同样拥有复杂产业链、设备、经验与外人看不见的 know-how；面对 AI，它们与任何传统行业没有本质区别。
矛盾在于，大模型能在很短时间从 0 越过 60 分，甚至到 80 分，但在线业务已卷到极致，企业做的是“从 99.5 抠到 99.6”的雕花。通用能力与垂直需求之间的摩擦，可能需要旧世界从业者长期补齐，甚至有些板块最终会发现“人家救不了我”。

2. 六个月、一百亿、百分之八揭示了风口的利润归属

短视频吞噬用户时间后，平台的广告、推荐和投放体系已把各位置 ROI 基本定死；内容、电商和品牌都被装进同一个“武装到牙齿的熔炉”，只能寻找尚未被算法抹平的短期异常值。
小游戏、短剧、漫剧和直播间弹幕游戏反复呈现同一轨迹：外界刚听说有人尝试，约六个月后便滚到百亿元量级，行业大会、论坛和入局者随之爆发。庄明浩把这种被成熟平台和投流体系硬拱出的高点比作“挤痘痘”。
真正制作内容的人最终可能只拿到约 8%，漫剧这一轮甚至不到 8%。平台要吃很多，制作方还要买流量；算法发现异常值后会拉平收益，后来者又像雪崩中的雪花加速这一过程，最终留下的是一场“虚幻的烟花”。

3. AI把三个季度压缩成了两个时代

漫剧从去年下半年升温，到节目讨论时仅跑了三个季度，却已经像个老项目；庄明浩说，在 AI 世界里，“三个季度已经很长了，已经两个时代的故事了”，而 DeepSeek 二一出现至今也不过一年多。
这种速度直接改变组织节奏：过去三个月做一次行业 PPT 尚可应付，如今春节前完成的材料，春节后便可能过时；进入三月，新话题、新模型厂商进展和新版本号又把所有人推入下一阶段。

4. AI正在把服务产品化，但实体交付仍受供应链约束

张伟伟提出的框架是：实体产品依靠规模经济，可以标准化生产；服务则必须本地化、个性化交付，两种属性过去很难兼容。AI 提供的新可能，是让部分服务同时获得产品的复制效率和服务的定制能力。
动画是最直观的样本：张伟伟转述，一分钟传统动画成本约 1 万元；AI 漫剧甚至可以全自动化，把成本压到几百元一分钟。变化不只是降本，而是“实现了服务的产品化，或者服务的低成本交付”。
婚礼图案、个性化音乐和视频等 POD，可能由两三个人用简单工作流完成；但一旦从虚拟内容进入 T 恤等实体商品，就要面对转印、UV 打印、数码喷绘和柔性制造成本。AI 能生成独特设计，不等于供应链已经能经济地按需生产。

5. 内容供给越接近无限，人的信任越可能重新成为入口

当 60 分视频已经唾手可及，市场会被拉向两个极端：一端是“超级巨无霸”，另一端是突出审美、品味与个性表达的“超级长尾”。低于公共水线的大多数生产者会被淹没，少数高出水线的局部能力反而更显眼。
抖音目前每天约有 1 亿条视频上传；如果 AI 让供给再上升到不是 10 倍、100 倍而是更难想象的规模，算法可能会捉襟见肘，未必还能解决用户疲劳与发现问题。
信息分发曾从门户、黄页、搜索走向算法推荐；庄明浩猜测，下一阶段可能出现“编辑精选”式的复古回归。用户会依赖特定创作者、品牌或小社群，因为长期人格、情感和信任，是人在海量内容中仍能处理的原始信号。
张伟伟所说的“AI 泔水”正是反面：内容看似侃侃而谈，回想却什么也没说，像“预制菜没锅气”；“背后一凉”“吓出一身冷汗”等表达被批量复制，暴露了算法追逐最大公约数后的工业同质化。

6. 超级个体的机会来自服务少数人，而不是取悦所有人

AI 对个人和小团队的反向加成已经肉眼可见：过去一个人不敢想的项目现在可以做，小团队也能承担原属中型团队的工作。价值不必来自覆盖全民，只要一小群人“特别喜欢你”，就可能形成更深的信任和商业关系。
庄明浩把拼多多原来的故事概括为聚拢零散需求、再用需求密度反向影响价格。如今被聚合的不只是商品订单，还包括音乐、图像、陪伴等服务，只是其成立同时依赖 AI、线上渠道与供应链整合。

7. 医疗提醒了市场：人文任务容错，科学任务追求精准

张伟伟回忆母婴私域时，理想是覆盖孕、婴、童三个生命周期，现实却是持续互动极耗人力；员工没生过孩子，用户稍一追问便容易露馅。她只能把高价值用户拉进以自己“学霸”人设运营的群，甚至亲自辅导孩子作业。
AI 让这种个性化陪伴重新具备想象空间，但庄明浩强调，健康要同时处理慢性病、一次性症状、用药、饮食习惯、医院与病历数据等无数细节。模型只完成第一步，从 80 分走向可靠的 100 分仍然“每一分都寸步难行”。
庄明浩将任务区分为偏人文与偏科学：定制插画的用户对多种结果都有宽容度，医疗却要求精准，而 AI 本质上输出概率，必然存在错误。张伟伟提到的减肥陪伴、饮食拍摄和 AI 提醒，可能先在非医疗场景落地。

8. Build in public奖励先露出水面的人

庄明浩把从计划驱动转向反馈驱动翻译得更粗粝：“哪怕做的是屎，也要比别人先做出来。”因为没人知道水线以上的标准答案，先多做一点点的人，会获得远高于那一点点领先本身的关注。
这份 buff 可能来自用户、资本、媒体，甚至想抄答案的竞争者；它本不完全属于当前产品，却能帮助团队吸引人才、资金和下一轮反馈，再把微小领先继续叠高。
“Fake it till you make it”并不保证成功，大多数项目仍可能被上涨的水线淹没，三个月前立项的东西也可能突然失效。但一直在水下憋大招，只会在水继续上涨时越来越失去信心。

9. 伟大不能计划，产品只能先踩最近的垫脚石

一位智能硬件创始人比 PLAUD 更早想到类似产品，却因判断技术尚未 ready 而没有推出；PLAUD 先上市后恰好撞上 GPT 新模型发布与多模态能力增强，所有外部 buff 都叠到了已经存在的产品上。
参与者用陌生游戏地图解释这种环境：只知道大致向东，却不知道前方地形，完整计划自然没有意义。更可行的是先踩最近的垫脚石，让用户试、让反馈暴露地图；结果仍不确定，但“出来混，总是要先出来”。

10. AI硬件共识来自中国供应链与软件付费现实的交汇

早期投资无法判断什么产品正确，只能提高“人”的权重，第一轮自然偏向大厂技术专家、算法工程师和 CTO；但很快又发现，纯技术团队可能缺商业化、组织和用户能力。
美国 AI 首先跑出软件直接付费，中国用户的软件付费被认为不太容易走通。另一方面，先进制造、电动车、华强北产业链和全球化能力已被大疆、拓竹、Insta360、小米供应链等公司反复证明，于是 AI 与硬件自然成为共识交集。
战场迅速分化为眼镜、毛绒或塑料玩具、陪伴设备和学习硬件。深圳供应链已出现把模型封装成本地运行、省电、小参数模块的中间件厂商，再叠加 3D 打印，最初那个“把模型塞进东西里”的想法也可能与这些议题关联起来。

11. 模型按月升级，硬件却必须承担半年以上的物理周期

即使简单硬件，从 idea、开模、供应链到铺货、直播间销售，保守也要半年；稍复杂的硬件吉他，团队用了约一年半。今天当红产品可能在 2024 年立项，当时甚至还没有 DeepSeek 二一。
用户每天看到的是模型演示和媒体渲染，收到的却受电池、续航、算力、显示、屏幕与 AR 方案约束。眼镜用户“想的是钢铁侠”，真正戴上后却可能只觉得“弱智”，预期差直接推高退货率。
部分 AI 硬件的退货率被形容为“跟女装差不多”。与此同时，打仗会影响元器件成本，线上投放 ROI 和毛利又已算死；供应商要求更大订单才能降价，品牌却可能因退货而越卖越亏。
CK 的建议是接受早期低效率：产品烂一点、订单小一点、成本和退货率高一点、亏一点都可以，“但是千万不要压库存”。大订单刚生产完，产品可能已经被淘汰，库存风险远大于单件成本优化。

12. 真正用户常与创始人的极客想象完全不同

Rabbit R1 本质上像一台运行模型的安卓方形设备，第一代被批得体无完肤；但团队没有先做巨大库存，后来又因 Open Cloud 再次被提及。这种尝试未必正确，但团队仍在继续探索新的形态。
“小龙虾”与 COCO 之间被形容为存在鄙视链，庄明浩用《三国志》和《三国演义》作比：普通用户更喜欢通俗、固定、实体且有人味的东西。Plot 当时切的是医生、律师、老师，而不是互联网从业者，因为小白用户感知到的体验 delta 可能更大。
外骨骼更尖锐地暴露用户错位：极客创始人想让自己成为钢铁侠，实际购买者却是把产品送给老父母的人。公司必须在“酷公司”身份与老年康养刚需之间选择，市场不会因创始人的审美而改变。

13. 流量方法论贬值后，消费品重新回到产品体验

张伟伟提到，一家被称为“厦门帮”的流量团队同时跑三万多条素材，过去依赖年轻员工拼命、网感和抖音算法经验，如今跑量素材几乎都由 AI 生成；原有的战斗文化和方法论突然不再稀缺。
团队因此回头补产品体验：如果 NPS 上不去、复购上不去，生意依然转不动。AI 首先抹平的是流量制作效率，却没有替企业回答产品为何值得留下这一老问题。

14. 中国To B的机会是补完模型与企业之间的脏活累活

美国的主流判断是，AI 的 agent 与 coding 能力会让个人和企业自行制作更多真正个性化的软件；软件工程、律师、财务分析等领域过去也是 SaaS 公司的重点，因此这套逻辑在美国成立。
中国过去的企业服务和 To B SaaS 偏软件部分没有真正跑起来，于是形成两种相反判断：AI 会让本就薄弱的市场更难，或者因为没有旧包袱，中国反而能重做符合本地企业付费与交付习惯的服务。
过去一两个季度，港美股头部 AI SaaS 公司都在讲“AI 带来的收入增长”，但定义仍模糊。许多知识库、数字员工、上下文记忆和聊天框产品看起来只是粗糙套壳，却因先做出一点实施案例，获得了远超产品成熟度的市场反馈。
大模型公司面对上汽、上海化工等传统企业时，真正障碍不是演示能力，而是对方的数据状态、在线化水平等条件尚不能直接使用模型。中间需要人做 ERP 改造、数据对接与现场实施；Palantir 被视为“新时代军火商”，正因为它填补了政府与技术厂商之间的这类接口。

15. 巨头拉开距离，长尾仍能沿特殊需求生长

AI 让个人能做小团队的事，却也让超大团队把差距拉得更远。至少在这个时间点，阶段性共识是“大公司会越来越大”：既有主战场、平台和数据等优势会放大差距，不是更多小团队就能线性追平。
庄明浩认为，字节在春节发布 Seedance 2.0 后，告诉市场它找到了“有好数据，就能导出好模型”这条公式；数据不是充分条件，最多是必要条件之一。视频又是字节不会战略摇摆的主战场，创业公司若争“皇冠明珠”，就必须正面承受这道资源差。
腾讯把 AI 用于游戏时，能够承担许多其他厂商“连想都不敢想”的工作；这不再是堆人、堆量或传统手艺能够解决的问题，试图仅靠通用模型触达同一深度的厂商会走得更慢。
但大公司无法覆盖所有需求。安跑、后卡、萨洛蒙、始祖鸟和路路莱姆都说明，耐克、阿迪达斯之外仍会出现匹配新场景、新人群和社交情绪的品牌；小公司的现实路线不是成为另一棵最大树，而是以“苔藓”方式填满巨头留下的长尾。
张伟伟看好的 To B 价值也在长尾：国内很多 SaaS 公司不懂业务，而真正的 80、85、90 分能力藏在行业专家脑中。若能把这些经验 AI 化、产品化，原本“麦肯锡一小时五万元”的昂贵智力才可能借助 Deep Research 被普及。

机器人、深度伪造与 AI 智能体正迫使互联网建立新的身份层｜a16z 对话 Alex Blania Uber 的 Robotaxi 路线图、人类驾驶终结与100亿美元机器人押注｜Dara Khosrowshahi（Uber CEO）