当‘新兴经济’沦为‘传统行业’
嘉宾周明浩在开场中坦言，自己做播客《屠龙之树》的初衷并非为了对外输出，而是为自己做知识归档——面对技术与行业日新月异的变化，唯有通过记录与梳理，才能避免认知过时。他引用张伟伟的表达：“我做好他们，好跟他们好好的告别”，点出一种主动与旧认知告别的清醒姿态。
更关键的是，他提出一个颠覆性观察：在AI浪潮下，过去被视作“新兴经济”的互联网细分领域（如社交、短视频、游戏、平台经济等），本质上已滑向“传统行业”的轨道。所谓“传统行业”，并非贬义，而是指其具备深厚的行业Know-How、复杂的产业链、隐性的设备与经验门槛——而这些，恰恰是AI正试图切入与重构的对象。
“今天AI来之后，其实这些原来双引号的新兴经济，本质上来讲也变成双引号的传统行业了。”
这一转变背后，是过去几年中国在线经济走向高度内卷的必然结果：“短视频吞噬一切”，广告投放位价格（ROI）被算法彻底固化，所有商业形态被迫嵌入同一套高密度竞争规则中。内容、电商、游戏……无不陷入“绞肉机式”的内耗。正因如此，市场对AI抱有强烈期待——它被视为打破既定规则、重构效率边界的潜在变量。
AI的‘速度幻觉’与现实的‘摩擦带’
尽管AI发展迅猛，但周明浩与庄老师指出一个关键矛盾：AI的爆发式进步（如从0到60分的跃迁）与当前商业实践所处的‘深水区’存在严重错位。
当前多数行业已进入“从99.5到99.6的雕花阶段”——即在高度优化的系统中做微小但关键的效率提升。而通用大模型的当前能力，尚难直接赋能这类精细化场景。换言之，大模型的‘通用性’与行业‘特异性’之间，存在一条尚未弥合的摩擦带。
庄老师进一步用“六个月一百亿，最终只拿百分之八”的暴论揭示现实：短视频、短剧、漫剧、弹幕游戏等新玩法的爆发，本质是在高度固化的平台算法缝隙中挤出的短期异常值。这些板块往往在6个月内迅速膨胀至百亿规模，但因高度依赖平台流量分发与算法红利，参与者最终只能分得约8%的营收——其余被平台、投流成本、竞争内卷层层吞噬。
“你面临的前提的基础设施是一模一样的，你面临的竞争也是一样……那个高值本质上讲是一个虚虚虚幻的烟花。你能拿到的你自己落袋为安的钱，说的直白一点，可能就是百分之八。”
这种现象印证了AI时代的另一重悖论：技术门槛的降低（如AI生成内容）并未带来利润的普惠，反而加速了‘异常值’的同质化与套利窗口的收窄。三个季度在AI语境下已属“两个时代”，短剧、漫剧等从爆发到同质化仅需数月，参与者稍慢一步便陷入“刚推起来就赚不到钱”的困局。
AI重构商业模型：服务的产品化与长尾新可能
更深层的变化在于，AI正在打破传统‘产品’与‘服务’的二元边界。过去，实体产品依赖规模化生产（规模经济），而服务则强调本地化交付（高边际成本）。AI的介入，使某些领域首次实现服务的产品化——例如漫剧制作：传统动画每分钟成本约万元，而AI漫改可降至数百元，实现低成本、可复制、接近标准化的服务交付。
这催生了新的商业范式： - 从规模经济 → 网络效应 → 长尾个性化：工业时代依赖大工厂与标准品；数字化时代追求用户聚集的网络效应；而AI时代则释放出前所未有的长尾潜力——60分内容唾手可得，竞争焦点转向‘比水线高一点’的差异性表达。 - 内容生产范式剧变：当前抖音日均上传1亿视频（人工拍摄），若AI视频生成成本进一步下降，该数字或将指数级跃升，远超想象。此时，审美、品味、独特表达成为稀缺资源，少数能精准触达小众群体的创作者将获得显著优势。
“按那田云栋的那个观点是说，就像费曼曲线一样，就是大部分人会比这个高高的水线低，所以大家就被淹死了……但有一小撮人在有一些小的地方会比这个水线高，他们就会编辑显现出来特别强的差异性。”
AI并未带来‘人人暴富’的均质化红利，而是在更高效率基线上，重新划分价值分配的极化结构——要么成为基础设施层的巨无霸，要么在长尾中以独特性立足。这要求旧世界的参与者，必须从‘运营者’转向‘定义者’，在AI的‘速度洪流’中，主动锚定自己的‘摩擦带’与‘价值点’。
内容爆炸与算法的极限
当前内容生产正处于一个临界点：以抖音为例，每天一亿视频上传量已成为常态，而这些内容绝大多数仍由人类通过手机或摄像头手动创作。然而，一旦AI生成能力显著提升、成本大幅下降，这一数字可能远超十倍甚至百倍——其量级之大，甚至超出我们当下的想象。在这样的背景下，现有算法已显疲态：即便算法本身已足够强大，面对指数级增长的内容供给，用户也会陷入“刷不动”的倦怠感，平台推荐系统将面临结构性瓶颈。
“算法已经很强了，但是局面在这种情况下也差不多到头了。”
“AI的时候会把这个事情再拉高到不知道什么量级里，算法可能也不够了。”
当信息洪流彻底淹没传统分发路径（从门户、搜索到算法推荐），我们或将迎来一次内容分发逻辑的范式回归：从冷冰冰的流量匹配，转向更具人本温度的信任驱动型分发——即依靠创作者个人品牌、小众圈层的深度认知与情感连接，构建更精准、更稳固的用户关系。这不仅是趋势，更可能是生存必需。
超级个体与POD革命：AI赋能下的生产方式重构
AI不仅提升了内容生产效率，更催生了超级个体的崛起：过去只有大团队才能完成的个性化服务（如定制婚礼图、个性视频、定制音乐），如今仅需两三人的轻量级AI工作流即可实现。这种变化，本质上是线上服务对实体行业的“反向聚拢”逻辑复刻——正如拼多多通过聚合零散需求倒逼供应链优化，如今的POD（Print-on-Demand）模式正将海量个性化需求集中，再以柔性制造反向响应。
但需注意，AI在人文与科学领域的适配性存在显著差异：图案设计、文案润色等容错率高的“人文类”内容，AI可高效交付；而医疗、健康等对精准性要求极高的领域，AI当前仅能完成60–70分的基础任务，距离可靠落地仍有巨大鸿沟。此外，实体POD还受制于柔性供应链瓶颈——转印、UV打印、数码喷涂等技术虽已存在，但成本高、适配难，远未达到“按需定制即刻交付”的理想状态。
“就像预制菜没过气嘛……刷久了，大家的东西都是一样的……少那么点儿人味儿。”
先做出来，再迭代：在不确定中抢占认知高地
当下最鲜明的创业哲学已从“完美规划”转向“Building in Public”——哪怕产品粗糙，也要比别人先做出来。原因在于：水线持续抬升，但标准答案尚未出现。任何率先跃出水面的尝试，哪怕仅高出一线，都能迅速获得用户、资本、媒体乃至竞争对手的广泛关注。这种“非对称关注红利”，为后续迭代争取了宝贵资源与试错空间。
这种策略看似激进，实则理性：早期粗糙原型虽不完美，却能吸引人才、资金与反馈，形成正向飞轮。正如美国流行的“Fake it till you make it”逻辑——先占位，再优化，在高度不确定的AI时代，这已成一种生存策略。尤其对传统企业而言，若仍沿用旧有推广节奏（活动、运营、KPI），极易被边缘化。唯有敢于迈出那“一点点”，才可能在集体摸索中成为破局者。
“哪怕做的是屎，也要比别人先做出来。”
计划失效：在不确定性中‘边做边学’
在AI驱动的变革浪潮中，传统战略思维——即通过周密规划、精准预判、完美执行来推出新产品的方式——已基本失效。尤其当新产品本身尚未定型、市场上亦无成熟范式可循时，试图“一次性做对所有决策”，并恰好契合技术演进节奏与用户期待，是不切实际的妄念。更现实的路径是：以最小可行形态快速试错、上线、收集反馈、再迭代。这并非放弃规划，而是将“计划”让位于“涌现逻辑”——即承认未来不可预测，转而聚焦于“踩上最近的垫脚石，先走再说”。
“你不如就是找块离最近的垫脚石，先走，先踩上再说，先踩上再说。”
“它天然就适合于在不确定性的情况下，你必须要先走。就是出来混，总是要先出来。”
这一逻辑在AI领域尤为显著：任何具备新意的产品一旦投放市场，便能迅速获得大量用户试用与反馈；尽管这些反馈未必能导向最终成功，但它构成了唯一可验证的“学习路径”。换言之，在信息极度不确定的环境中，行动本身即是最高效的信息获取方式。
AI+硬件：共识与现实的错位
当前中国投资圈对“AI+硬件”形成高度共识，其底层逻辑在于：一边是互联网叙事（算法、社区、全球化）的延续，一边是中国强大的先进制造与供应链基础。从大疆、拓竹、小米生态链企业，到新兴的AI硬件初创公司，均体现了这一“软硬结合”的路径优势。尤其在早期投资中，团队背景（如大厂技术专家、CTO、算法工程师）成为优先评估指标，因在方向不明时，人的能力权重被显著抬升。
然而，共识背后存在结构性矛盾：AI模型以月为单位快速迭代，而物理世界的硬件开发周期却以半年至一年计。例如，一款2025年下半年上市的产品，其立项可能早在2024年初，而彼时DeepSeek尚未发布。用户在直播间与宣传视频中看到的“未来感”体验，与手中实际到手的产品（如智能眼镜、陪伴型玩具）之间，存在巨大落差——“你用的是钢铁侠的宣传，拿到的是智障的实体”。这种预期管理失衡直接导致退货率飙升，部分品类甚至接近女装水平。
更严峻的是，全球化波动（如战争推高元器件成本）叠加线上投放ROI固化，使硬件企业的毛利空间被严重压缩。若想压低成本，需下大订单；但高退货率又使库存成为致命风险——“不下大单，成本降不下来；下了大单，可能直接淘汰”。这种死循环，让实体业务创业者陷入前所未有的焦虑。
用户选择：别做极客，先做小白
在硬件产品定位上，一个关键启示来自“小龙虾”现象：真正被市场接受的，往往不是技术最先进、从业者最认可的产品，而是对小白用户而言体验提升最显著的那一个。正如Plaid早期并非服务程序员，而是聚焦医生、律师、教师等非技术人群——他们对“效率提升”的感知更直接、付费意愿更强。
这引出一个核心问题：我们究竟在为谁解决问题？ 例如外骨骼设备，极客们最初是为“成为钢铁侠”而造，结果买单的却是希望为父母减轻负担的子女——刚需人群与产品初心严重错位。企业因此分化：一方选择务实转向老龄化服务；另一方则陷入“酷公司”执念，拒绝服务“非理想用户”。
因此，在AI硬件领域，最危险的不是技术不足，而是用户认知偏差与产品定位的错配。建议是：宁可产品粗糙、成本略高、退货率偏高，也务必避免压库存；先小批量试水，让市场反馈驱动迭代，而非闭门造车追求完美。正如Reddit兔子虽被嘲为“安卓机+模型”，却因轻量、可快速验证，反而为后续探索保留了火种。
AI重构企业服务：从工具到结果的范式转移
在AI时代，企业服务领域正经历一场深刻的范式转移。过去SaaS的核心逻辑是“卖工具”，而如今主流观点认为，AI正在推动行业从‘卖工具’转向‘卖结果’。这一转变的底层逻辑在于：AI赋予个体和企业前所未有的自主能力——任何需求都可以被‘真正意义上个性化地满足’，不再依赖标准化软件的部署与适配。尤其在软件工程、法律分析、财务建模等高度依赖专业认知的领域，头部SaaS公司已率先将AI能力嵌入其产品体系，形成新的竞争门槛。
但中美路径存在显著差异。美国企业服务生态成熟，SaaS订阅制已形成稳定现金流（约30%收入来自公司信用卡自动续费），因此AI带来的效率跃升可快速转化为营收增长；而中国To B市场长期未真正起量，企业数字化、在线化程度参差不齐，许多企业甚至尚未完成基础信息化建设。在此背景下，AI反而成为‘弯道超车’的潜在契机：由于没有旧有系统包袱，中国或许能走出一条更贴合本土场景的新路径。当前已有企业尝试将知识库、数字员工、ERP流程等封装进对话式界面，虽被质疑为‘套壳’，却在实践中建立起初步的客户信任与案例积累——哪怕功能粗糙，只要能建立正向反馈循环，就具备商业生命力。
‘哪怕它其实那个东西非常的弱，但是它就是因为这种一点点的东西……他就建立了一个自己的正循环。’ ‘我们本来就是吃这种脏活累活的，忽然哎呀来了，我反而变得比较性感。’
平台集中化：巨头如何通过AI拉开代际差距
AI时代正加速平台经济的马太效应。头部平台凭借数据、算力、生态与战略定力的复合优势，正在与追赶者拉开难以逾越的代际鸿沟。以字节跳动为例，其在AI视频领域的投入并非临时起意——作为全球最大的移动互联网内容平台，它拥有最丰富的视频行为数据、最成熟的推荐系统，以及‘不摇摆的战略定力’。当行业还在争论数据质量与模型性能的关系时，字节已通过春节后发布的4.32亿参数视频模型，验证了‘优质数据→高性能模型’的可行路径。这种‘主战场+技术闭环’的组合，使得其他初创公司或大厂在该领域几乎难以正面竞争。
类似逻辑也适用于腾讯。作为全球最大游戏公司，它正将AI深度融入游戏研发、运营与内容生成全链路——这些工作已超越‘堆量’或‘手艺’层面，进入平台级资源整合的维度。普通厂商既无数据基础，也无用户触达能力，更无长期投入的资本耐心，自然难以企及。
但这并非意味着中小玩家无路可走。正如运动品牌市场中，耐克与阿迪主导高端，而Hoka、Salomon等新锐仍可通过聚焦细分场景（如越野跑、徒步）实现突围。AI时代的机会在于：在巨头未覆盖的‘毛细血管需求’中，找到情绪价值与功能价值的交汇点。尤其在中国To B市场，大量隐性业务知识尚未产品化，谁能将专家经验转化为可复用的AI工作流，谁就能构建真正的护城河。
‘你有这个数据，并不能直接导出你做的视频模型好。……但是字节在春节发了4.32亿之后，告诉大家我找到了，我有好的数据，导出我有好的模型，这条公式。’
To B的新机会：把‘脏活’变成‘认知资产’
当前To B市场最大的机遇，恰恰藏在那些被忽视的‘脏活累活’中。从早期SaaS时代需要PM驻场实施，到如今AI落地需企业完成数据清洗、流程梳理、权限配置等基础工作，AI的普及本质是‘将隐性认知显性化、将经验知识产品化’的过程。麦肯锡咨询一小时五万元的时代正在终结，取而代之的是Deep Research等工具提供的普惠级智力支持——但真正关键的，仍是将通用AI能力与企业特定业务场景深度耦合的能力。
国内多数SaaS厂商尚未具备这种整合能力，导致产品停留在‘加个聊天框’的浅层应用。而高价值机会在于：深入行业一线，挖掘隐藏在老师傅、老经理脑中的‘八十分以上内容’，并将其转化为可迭代的AI系统。例如，为化工企业构建合规审查Agent，需理解其审批链条中的潜规则；为MBA学员设计案例教学工具，需将传统行业经验转化为可交互的决策场景。这些工作无法靠技术堆砌完成，而依赖对业务本质的深刻理解。
最终，AI不会取代人类，但会取代不善用AI的人。当水线已到脖子，与其焦虑‘被替代’，不如思考如何将自身经验转化为AI时代的‘新认知资产’——这既是To B创业者的机遇，也是每个商业参与者的必修课。