本文来自微信公众号： 不懂经 ，作者：经叔，原文标题：《当所有人都在用 AI 做同样的事，谁会成为赢家？｜不懂经网站》
一间办公室里摆着五十多部二手手机。每部手机都连着多个账号，所有账号加起来超过一百个。经营这些账号的人，把已经跑通的短视频改成许多版本，反复发布。
这不是对未来内容工厂的想象。最近，一项对中国AI短视频生产者的田野研究，记录了这样的办公室。一位从业者说，一条内容只在一个账号火一次，太浪费了。有了AI，就把它改成许多版本，投向更多账号。
过去，一个人拍出爆款，别人跟着拍，至少还要找演员、布景、剪辑。研究里的另一位从业者则先测试哪只猫受欢迎，再让模型批量生产相似的猫。创作越来越像一次选品：试出有效的样式，把它装进模板，尽快铺满货架。
你也许看不上这种视频。但换个地方，事情并没有高明多少。有人让AI写“普通人如何抓住下一个机会”，得到一篇结构工整、情绪饱满的文章；有人让AI做应用，做出又一个“上传PDF，向文档提问”；有人请它设计网站，得到熟悉的渐变背景、圆角卡片和三栏功能介绍。
甚至有一位开发者，专门写那些相似的紫色网站。这些作品当然能用，有些甚至挺好。问题在于，每个人都在这么做，打开下一篇、下一个视频、下一个产品，你又看见了几乎一样的东西。
当所有人手里都有一台能写、能画、能剪、能编程的机器，究竟谁还能靠这些东西活下去？
一天做出产品，正在成为AI创业者最昂贵的幻觉|不懂经网站
比AI信息垃圾场更可怕的，是它正在制造的这条高概率走廊｜不懂经网站
AI降低了什么门槛？
很多人喜欢说，AI降低了创作门槛。这话只说了一半。它也降低了模仿的门槛，而且往往降得更多。
想出一个值得做的题目，要观察读者没说出口的需求，要忍受好几次判断落空。有时你花几个月试一种表达，发表后才知道人们会不会在意。可一旦文章火了，后来者要解决的问题就简单多了：拆开标题，提取论证，换几个例子，让模型生成十篇相似的稿子。
你替他完成了最贵的一步，证明这么写有人看，这件卖行得通。
视频也是如此。前面那项研究里，另一位从业者为了测试猫视频，制作过上百条候选片段。橘猫还是黑猫，搭配哪段音乐，先让数据说话。一个可复制的组合跑出来之后，公式会进入表格，其他人只需替换几个变量。
这里真正昂贵的劳动是发现，最便宜的劳动是生产；平台偏偏把发现的结果公开展示给所有人。
做应用的人更早尝到过这个滋味。Builder.io的创始人史蒂夫·休厄尔写过：一人做出“和PDF聊天”，很快又有一批人做同样的产品，连基础模型的提供者也可能把功能直接做进去。
用户不会因为你是第一个想到这个按钮的人，就永远把钱付给你。他只会问：哪一个更方便，哪一个已经连上了我的工作，哪一个明天还在？
在这种环境里，“我有一个好点子”开始变成危险的自我安慰。点子一旦变成可见的成品，也就变成别人可以研究的样本。你能用AI很快做出来，别人也能很快拆出来。甚至你越努力解释自己的方法，模仿者越省事。
模仿者实际上拿到了两份免费的资料：一份是你的做法，一份是市场对它的反应。文章多少人转发，视频在哪一秒留住了观众，产品下方有人抱怨什么，全都摆在公开页面上。后来者不必重复你走过的弯路，可以跳过失败版本，直接从那个被证明有效的版本起跑。
过去，先发还有一段可以享受的时间。现在，从发现机会到同行挤进来，间隔被压得越来越短。平台不会因为你承担过试错成本，就把下一轮推荐留给你。谁能更快做出大量变体，谁就有机会占住读者的屏幕。第一个人替大家付了学费，成绩单却被挂在教室门口。
如果这种做法变成常态，受损的还不只是某位创作者的收入。试新题材要冒险，复制已验证的题材省钱；能够量产的机构会把更多资源投向后者。屏幕上的作品数量暴涨，背后真正被试过的新问题可能反而变少。
它也会改变知识工作的价格。你用AI把原来两天的提案半小时做完，省下的时间不会自动变成你的收入。雇主会重新计算一个人该交多少份提案，客户会看到其他人也能半小时交稿，平台上能接单的人随之变多。
一个人可以比过去更高产，同时比过去更没有议价能力。你亲手证明这项工作能做得更便宜，下一轮谈价时，别人就会把这个新价格拿出来。
在公司里，变化更隐蔽。你让一个小团队完成更多项目，下一次预算会，管理层未必先想到给每个人加薪；他可能先想到业务继续增长，招聘却不用跟着增加。你帮公司建立了新的产能标准，之后也要按这个标准接受考核。会用AI是起点，能否分到它创造的收益，是另一个问题。
当AI替你完成了工作，一个人要靠什么能力被市场付钱？
阶层的向上流动，正在AI时代走向终结
问题不在于工具
还有一层问题。即使没人盯着你抄，大家也可能自己走到同一个地方。
给AI一句模糊的要求：“写一篇有深度的文章。”“做一个高级感的网站。”“设计一款让学习更高效的应用。”你没有说清楚的部分，模型就会用它从大量现成材料中学到的常见模式补上。于是文章有一个冲突感标题，第二段给时代背景，结尾列三条建议；网站有那排熟悉的功能卡片；应用打开后，还是那个聊天框。
许多人拿同样含糊的问题问模型，接受第一个顺滑答案，再把作品交给偏爱熟悉形式的平台分发。模型提供惯性，使用者省略判断，平台奖励重复。
2026年一项发表在《PNAS Nexus》的研究，让22个大语言模型和102名人类参与者完成标准化创意任务，发现模型彼此给出的答案更相似。研究测的是特定任务，却点破了一个经验：换个模型，未必换得了主意。
有时，被磨掉的还是一个人原本最有价值的细节。康奈尔大学的一项写作实验请美国和印度的118人写文化主题，部分人使用AI自动补全。有人想写印度演员沙鲁克·汗，刚输入字母S，系统推荐的却是美国名人。谈到印度节日，一位独立写作的参加者写了祭拜女神、放鞭炮、吃甜食；另一位使用AI补全的参加者留下的却是“幸福与温暖”一类到处都能放的句子。
“幸福与温暖”没有错。危险恰恰在这里。它太正确了，正确到读者看不出这是谁过的节，也看不出作者站在哪里。一个人原本知道什么、见过什么、觉得什么奇怪，常常就藏在那些看似不够通用的细节里。写作助手替你把它们修得平滑，顺便也把你从文章里修掉了。
我之前在《高概率走廊》里谈过这种文化趋同。现在还有一个更现实的后果：当作品本身越来越难分辨，读者会转而看是谁写的、谁做的。作者的名字，成了帮助他们判断质量的捷径。
也正因为如此，有人开始偷这个名字。
别人不止复制你的作品，还复制你本人
一篇文章被模仿，你会生气。一本你从未写过的书，突然出现在你的作者主页上，已经是另一回事。有人开始冒用你的名字，拿你积累多年的信誉卖书。
今年夏天，美国小说家塔姆拉·韦斯特伯里收到一条Facebook通知。她以塔拉·韦斯特为笔名，已经出版了几十部小说。通知显示，另一位作家正在推荐她的“新书”《Project Erebus》。她看着书名发愣，因为这本书她根本没写过。
书就挂在她的亚马逊作者页面。封面像她近期的作品，书里用了她写过的角色名字，还有德语、法语、意大利语和西班牙语版本。等她联系平台处理，已有读者买了、读了，还留下书评。一个失望的读者嫌人物单薄，以为自己正在批评韦斯特伯里的新作。《大西洋月刊》记录了这件事。
她怀疑样章借助了AI。报道没有证实整本书由AI写成。这一点需要说清楚，因为真正可怕的部分已经不需要推测：假书确实出现在真作者名下，读者确实把它当成了她的作品。
冒名者拿走的不只是一本书可能带来的收入。他拿作者的名字替假书作担保，再让假书反过来损害这个名字。下一位读者在书店看到“塔拉·韦斯特”，也许会想起自己读过一本糟糕的小说，却不知道那根本不是她写的。骗子可以消失，作者得留下来收拾读者的失望。
我以前说过，在AI时代，最稀缺的已经不是内容，而是“可信的叙述位置”，个人的价值来自公开、长期、可供核对的信用记录。现在要把这句话再往前推一步：信用记录如果只是一张平台页面，也能被别人利用。
AI可以迅速生成大量文章、书和作品集；亚马逊这样的页面又会把一个名字下的作品自动排列成履历。有人一旦混进这份履历，就能让作者替自己的作品背书。
如果有人能冒充一位写了几十本书的作者，普通知识工作者就别以为“我有很多作品”足以保护自己。十篇文章、二十个视频、三个看起来完整的应用，都可以很快摆出来。数量可以伪造，风格可以模仿，甚至多年的积累也可以被他人拿来当销售道具。
马斯克：27年底，AI将砸碎所有智力工作者的饭碗
《牛来》火到了国外，但很少有人看透它的实质
把投入押在模仿者最难跟进的地方
提示词教人怎样更快把东西做出来，却没有告诉你做完以后，别人为什么还要找你。今天需要上课学的操作，明天可能只是软件里的默认按钮。把全部希望押在提示词上，和把优势押在打字速度上一样危险。
真正值得投入的劳动，应该让后来者即使看到了成品，也无法只靠成品重建它的来源。一位只在网上收集同样新闻、再让AI写成观点的作者，很容易被下一位作者追上。去采访一个正在经历变化的人，追踪一家小公司的真实决策，自己试一种方法并记录失败，情况就不同了。
读者看见的是这次写下的文章，你接触过的人和问题却还在发展。模仿者能改写上一版，不能靠复制上一版获得下一次采访。
最近，我看到一位著名的博客作者，自己大量使用AI起草，但提出一条很硬的标准：如果ChatGPT本来就能写出这篇东西，就别费劲发表。
他会往提示里放自己的材料、实验和判断。AI可以帮他组织句子，但有人上门争论时，他必须能认领里面的想法。这比“坚持手写”更接近问题核心：工具可以代劳，经历和判断得有人提供。
对创作者而言，作品也要变成下一次接触现实的入口。做一期视频，观众指出了一个你没问到的问题，于是你回到现场再拍；写一篇判断，读者拿自己的经历来反驳，你追下去，发现原先的解释漏了关键一环。这样的反馈不能靠批量发布自动得到。它要求你认得出有价值的反驳，也要求你敢公开修正。
模仿者抄一篇文章很容易，接住这篇文章引来的真实问题，成本立刻高了。
做产品也是这个道理。AI能帮你三天做出一个漂亮应用，竞品也能。你若理解了某一类客户反复遇到的麻烦，把产品接进他们现有的工作，处理那些没人愿意写在发布页上的琐碎问题，竞争就换了场地。
客户第二次来找你，是因为第一次的问题确实解决了；第三次续费，是因为他不愿把已经顺手的工作重新交给一个陌生人。另一家公司可以复制界面，很难复制你们共同解决问题的历史。
这才是投入怎样变成收入的关键。文章和视频先让人找到你，持续兑现承诺让人留下来。客户愿意付费，读者愿意订阅，靠的是下一次交付仍然有用。公开成品当然还会被人拿去模仿，有人甚至会冒用你的名字。可当信用分散在真实客户的使用、老读者的记忆、一次次具体的合作里，一张伪造的主页就很难替代整个关系。
只在平台上追逐推荐，你的好点子一旦跑通，就会被摆成公开教材。有人模仿你的选题，可以抢同一波流量；他很难让与你长期讨论、不断得到新答案的人，立刻把信任转给另一个账号。关系不会让剽窃消失，却能让一次抄袭没那么容易抄走你的全部生意。
这也要求我们重新看待“效率”。AI帮你一天写十篇文章，当然提高了产量。如果读者同一天收到几百篇差不多的文章，你提高的只是自己在噪声里的音量。多做一点，可能还会把你的判断磨得更钝：每个题目都能写，每个方向都不肯放弃，最后没有一个问题真正属于你。
AI正把公司撕成三类物种，最值钱的人已经变了
未来真正值得守住的，是那些更慢、也更不体面的工作：先去接触真实的人和事，愿意为一个判断付出时间，甚至容许它被现实打脸，然后再用AI帮你把这些东西做得更好、送得更远。看上去没有批量生成那么潇洒。它的好处是，后来者即使拿到了你的成品，也仍得重新走过你走过的路。
当所有人都在用AI做同样的事，你当然还可以继续用AI。只是别再把“我也做出来了”当作优势。真正的问题是：别人看完你的作品，究竟只拿走了一个可以复制的样式，还是看见了一个他们没法轻易冒充的人？【懂】
