这是我前几个月对Ai发展脉络进行趋势总结，供批判。 大模型应用：发展脉络、变现路径与机会判断 __________________________________ 一、能力演进与变现路径：一条被模型能力推着走的时间线 几乎每一波变现机会，都紧跟某个模型能力的跃迁。 1. 中转站（API 转售）——最早的现金流 在国产模型尚未被广泛信任、海外前沿模型访问又受限时，"中转站"是最直接的生意：帮用户接入更高级的海外模型。真正吃到红利的，是手里握有海外资源的人——IP、充值卡/支付通道、账号资源。 2. 图像生成 → 替代平面设计 随着（尤其是 Gemini 系）图像生成质量大幅超预期，一部分人开始用 AI 出图替代传统平面设计，早在 GPT 4.5 时代就有人这么做。吃到这波的是：懂设计、懂 UI、原本就是平面设计师的人。 3. 短视频 → 短剧 从 Sora 打开短视频的想象空间开始，到字节 Seedance 发布后视频能力再上一个台阶，做短视频的人多了起来，并进一步衍生出短剧。这一波短剧确实赚到过钱。但随着视频模型越来越精湛、短剧热潮越来越卷，如今做短剧的整体收益在下降——只有质量过硬的还能维持。吃到这波的是：传媒、动画设计师，以及有热情的兴趣者。 4. 文字创作（小说 / 短故事） 更早期，用 GPT 写小说或短故事的人也产生过收益。 一个贯穿性的观察：每一波的受益者，几乎都是"原本就握有某种资源或技能"的人，AI 只是把他们的存量优势放大了。 __________________________________ 二、应用开发：门槛消失之后，反而更难赚钱 AI 代码能力的提升，让大量个人开发者涌现——哪怕是小白，只要愿意投入时间，也能搭出一款应用。但收益极难，原因在于：应用开发大多面向小众需求，供给一旦暴增，就把收益者"拉平"了。 这个过程也冲击了传统靠软件收费的公司与团队：Photoshop、Figma、传统建站工具……AI 磨平了跨界的门槛差距。 那么谁能在未来胜出？判断是：跨界人才中，具备自驱力、且愿意投入成本（时间、金钱）的那一类人。 拆成两种典型： • 懂技术 / 产品的开发者：有工程与迭代思维的优势，但要吃透小众需求，需要一个调研、理解的过程。关键在于能不能"跳出需求看需求"，站在更高维度理解它，而不是陷在具体需求里。真正能胜出的，是能凌驾于需求之上、去改造甚至创造需求的人。 • 懂自身圈层小众需求的人：天然知道真实痛点，但缺工程与迭代思维。出路有二——要么与前者搭配互补；要么经过市场反复磨练，自己长出工程与迭代思维。 在这个百花齐放的小众应用市场里，一定会出现需求互换、应用互换的可能，也一定会有一批被淘汰掉。 __________________________________ 三、哪些需求会被抹掉，哪些能活下来 部分小众应用的需求场景，终将被大模型本身抹平（模型一更新，功能就被吸收进去了）。但有几类能保持活跃： • 保持"连接性"的应用：社交、带聚合 / 推荐属性的需求应用。因为人始终需要"被发现""被推荐"——这件事模型自己替代不了。 • B 端市场：大概率被超级 App、行业 Agent 提供商替代；一部分特定的个性化需求，则会被"动手能力强、自驱型"的人自行满足。 到那时，真正要追问的是：市场最后到底还剩下什么？ 其中，纯中转站的需求会被显著压缩——被飞书、扣子，尤其是 WorkBuddy 这类"超级 App"取代。因为这类产品除了自带模型，还集成了其他模型可供选择（它们本质上也是一种"中转站"，只是叠加了执行与协作能力）。 __________________________________ 四、仍然有价值的方向：垂直行业 Agent 垂直行业的 Agent 提供商仍然有价值，因为它扎进了具体场景。 举例：工厂巡检——用"人工判断 + AI 辅助传感识别"来发现水管破裂、漏气等问题，这类数据需要被上传、沉淀。一旦数据沉淀下来，本身还能作为一门数据售卖的生意。 现实世界里，还有大量"需要人工判断来填补真实数据"的行业，都属于这个方向。 __________________________________ 五、中美 AI 差距：数据质量 + 算力 一点感慨：中美 AI 最大的差距，除了优质数据的缺乏，就是芯片 / 算力的差距。 论文架构是公开的，结合中国独有的 STEM 教育底子，算法能力是能跟上的——真正卡脖子的是算力。 __________________________________ 六、在 AI 趋势下寻找机会的框架 真正"在 AI 趋势线下"的机会，主要围绕五个词：结构、流程、数据、效率、成本。 Agent 的出现，让它可以像人一样形成组织结构、并基于结构搭建流程；有了结构与流程，就能去解决成本与效率问题。而如果能在现实世界中沉淀数据，那将是极有价值的——数据即能源，可以用来交换；数据对 AI 是知识，对人类也是知识。 __________________________________ 七、对 Agent 未来形态的展望 因为 Agent 具备"结构化链接"的能力，在不久之后的某个奇点，它或许会具备自主构思、自主拆解任务的能力（如 Hermes 一类）。届时，传统"指令型"的组织方式就不再适配这种工作形态。 更可能的形态，或许和人类一样是扁平化的、合作型的伙伴关系——关键是找准"合作的极点"与彼此的默契。未来的 Agent 是否聪明，取决于使用它、与它合作的人。 大语言模型 / 世界模型赋予它的是公共知识结构；而垂直领域，决定了它是否更聚焦、是否拥有公共知识结构之外的知识。