【稀缺性分析】AI 赚钱的门槛已经塌了，但值钱的东西换了地方
这篇文章只讲一件事：AI 把「做出来」的门槛打下来之后，稀缺性转移到了哪里。
结论先行——转移到「被看见」和「被在乎」。下面三节分别论证这个判断，以及它为什么比「学会用 AI」重要得多。
一、供给坍塌之后，瓶颈不再是「能不能做」
先看一个被反复验证的事实：一个分类管理工具，三四天就能做出来。
05 后用 AI 搭了个「班级宠物园」，叠加积分与宠物养成玩法，在小红书售卖，单月销售额 47.5 万元。另一条路径上，两名程序员用 AI 做情侣互动 App，提供双人话题卡与游戏，年营收超 100 万美元。
这两个案例真正值得注意的，不是收入数字，而是开发周期。三四天。这在 AI 之前是一个不可想象的数量级。
结论很直接：「做出来」这件事的稀缺性，正在归零。
但这里有一个几乎所有人都会忽略的推论——
当任何人都能在三天内做出一个可用产品时，供给会爆炸。而供给爆炸的唯一后果是，瓶颈从生产端转移到分配端。
以前一个人做不成的事，是稀缺性；现在做不成的，只有「没人知道」。
这就是为什么内容、自媒体、个人 IP、账号矩阵在今天不是「可选项」，而是必需品。你做出来的东西如果没有被看见，在经济学意义上等于不存在。
推论一：AI 时代的稀缺资源是注意力，不是技术。
推论二：凡是把价值建立在「我能做而别人做不了」上的优势，都在归零。
二、可行性判断的陷阱
既然做东西变容易了，那问题自然变成：怎么判断该做什么。
有一个流传很广的方法论，来自一位 MIT 高级讲师：用 AI agent 24 小时扫全网，专挑真实用户在吐槽的真问题，拿到清单后按三个维度打分。
这三个维度是：
能不能做？
技术撑不撑得住？
市场够不够大？
这个方法本身很扎实。但请注意一件事——三个维度全部是可行性判断，没有一个是价值判断。
它回答的是「做不做得成」，而不是「值不值得做」。
这就是陷阱所在：
可行性判断越完善，越容易做出没人要的东西。
因为可行性有明确的评估标准（技术栈成熟度、市场规模报告都能佐证），而「值不值得」只有一种验证方式：真金白银的投票。做出来没人买，技术上再成功也是零。
那正确的第一性标准是什么？
MIT 讲师在同一段话里其实给了答案，只是容易被忽略：「但前提永远是——这事得是人真正在乎的。」
对照两个成功案例，能看到这条标准是怎么起作用的：
班级宠物园，切入的是同学之间的真实关系（积分、养成、同伴比较）
情侣 App，切入的是情侣之间的真实沟通摩擦
两者都不是从「我觉得 AI 能做什么」出发，而是从「我观察到某个人群在具体场景里反复难受」出发。前者找场景，后者找技术——这正是可行性思维和价值思维的分水岭。
所以真正的第一步不是选技术方向，是选人群。
三、五种模式：按「价值在哪一环被捕获」分类
赚钱的方式可以归为五类。分类的依据不是难度，而是价值在哪个环节被捕获——这个差异决定了每种模式的长期命运。
3.1 小而美工具型：最短路径，最强复制风险
这是目前确定性最高的一类。逻辑极其朴素：从身边真实、愿意付钱的痛点出发，用 AI 把周期压到几天，然后直接售卖。
但它有个结构性问题——交付的只是一次性功能。产品一旦交付，需求就被满足了，价值随交付而结束。这也意味着，做的速度快，失效得也快。
3.2 内容 + IP + 服务：唯一有复利的路径
这条路径最慢，但它复利：内容和信任一旦建立，边际成本趋近于零。
代价是必须熬过没有反馈的前期。这也是为什么它劝退人——它的收益曲线是反的（前期平、后期陡），而多数人撑不过前期。
3.3 场景定制型：不为赚钱，为省力
典型形态是把一件自己在做的重复劳动自动化。比如把一台常开设备变成自动回复评论的助理，跑了 8 个月，处理 4500+ 条评论，月成本几元。
这类模式的价值不在收入，在于它替你买回了时间。对一人公司来说，这部分时间可以投入到 3.2 那种复利路径上。
它本质上是一张时间储蓄券，不是收入来源。
3.4 撮合型：收益最快，但把安全边界交给了别人
通过自动化让 AI 24 小时盯商品、自动回消息、自动发货——这是收益兑现最快的形态。
也是最危险的：它的有效性完全寄托在平台规则上。而平台规则随时可能变，且你无法预知、无法审计、无法申诉。
这不是概率问题，是结构问题。后面第六节会专门谈。
3.5 基础设施/开源型：先建能力，再谈变现
把自己蒸馏成可复用的技能系统、让智能体获得专业营销能力——这类事情短期不见收入，但会形成复利资产。
它的特点是变现路径最长但资产最保值。问题在于，多数人倒在「等不到变现」这一关。
一个反直觉的观察
把上面五类放在一起看，会发现一个规律：
越难门槛的路径，越不清晰变现；越短平快的路径，越容易被复制。
这解释了为什么很多人「努力了但没赚到」：他要么选了看起来最热的方向（门槛高，变现路径长），要么选了一个「三天做出来」的东西（快，但拦不住别人三天也做出来）。
门槛低的地方竞争激烈，门槛高的地方回报周期长——这两头都不理想。真正舒服的位置在中间：有明确痛点、有一定门槛、交付可复用。
四、成本坍塌后的新瓶颈
AI 的另一面是成本。这里有一个反直觉的结论：
AI 让「每次调用」变便宜了，但让「每个月」变贵了。
原因是结构性的：以前成本随调用次数线性增长，成本是可控的；现在单次趋近于零，于是成本从「按次计费」变成「按时间摊销」——你必须让工具一直跑着，固定支出才成立。
所以真正的成本控制点不是省调用，而是压低固定支出。这里面的机制是缓存命中率：同样一段上下文，命中缓存的代价远低于重新计算。把缓存命中率做上去，等于把固定成本直接压下来。
这解释了一件看起来矛盾的事——为什么「自动签到 + 高缓存命中」这种听起来很抠门的做法，反而是个人开发者可持续运行的前提。
因为它不是省钱技巧，它是让「小规模持续运行」这件事在数学上成立的前提。
推论：一个人能不能跑通 AI 工具链，往往不取决于他会不会调模型，而取决于他能不能把月成本压到可持续的区间。
五、数字越大，越不可信
这里需要一个反常识的判断标准：披露得越少的数据，越不可信。
有三个案例给了明确数字：
注意一个规律：收益越夸张的案例，细节越少。
700 万美元的案例最容易让人兴奋，但仔细看它的真实难点——根本不在 AI，而在纸质书的印制供应链和印刷交付。AI 只负责把录音整理成书稿，真正卡住这门生意的环节，AI 一点忙都帮不上。
同理，「七位数」案例几乎没有可用信息，无法对标。
而 47.5 万那个案例之所以最值得参考，正因为它可拆解：产品形态清楚、周期清楚、渠道清楚、门槛清楚。
判断一条案例可信度的方法：看它有没有说出自己难在哪里。
只讲收益不讲难点的案例，不是为了让你判断，是为了让你羡慕。
判断标准：披露了成本、周期、失败率和难点在哪的数据，才可以当基准用。
六、不可控的系统，不该承载核心资产
有一件事值得单独讲，因为它不是技巧问题，是安全问题。
一个用户把 Google 全家桶（邮箱、统计、Search Console、AdSense）授权接入了云端 agent，几天后他在群里得知：近期有 agent 权限被薅的案例，攻击者从邮箱里翻出了大量私密内容，包括钱包密钥。他当场撤掉了授权。
他的复盘是：
「倒也不是说一定会被黑，主要是主账号输不起啊。」
这句话里有一个比技术更重要的判断：风险管理的核心不是概率，是敞口。
同样的逻辑可以直接套用到变现模式上：
由此得出两条原则：
原则一：主账号、钱包、支付凭据，永远不授权给任何 agent 或第三方云环境。
不需要讨论「安不安全」，只需要问「被动了之后我承受得起吗」。承受不起，就不要授权。
原则二：把收入押在平台规则上，等于把安全边界交给一个你无法审计的黑盒。
撮合型模式之所以收益快，本质原因也是这个：它把「获客能力」外包给了平台。作为交换，你要接受平台的规则解释权。
风险从来不是「小心一点」就能消除的，它来自结构。
七、结论：可复制的才是资产，不可复制的只是收入
回到最开始的问题：AI 之后，什么变贵了？
三句话可以收束：
第一，注意力变贵了。做出来已经不值钱了，被看见才值钱。所以内容和个人 IP 不再是「顺便做做」，它是分发前提。
第二，关系变贵了。技术可以被抄，但「某群人信任你说的话」抄不走。所有高价值的东西都长在这个方向上。
第三，判断力变贵了。当任何想法都能在三天内变成产品，稀缺的不再是执行能力，而是判断哪个想法值得做的能力。
这也解释了为什么「学会用 AI」本身不构成竞争优势——那是入场门票，不是胜负手。
门槛塌掉之后，真正的分水岭是：
你能不能找到一件「人真正在乎」的小事，并且把它做到别人抄不走。
核心要点速览
开发周期从三个月变成三四天，「做出来」不再稀缺，供给正在爆炸。
瓶颈已从生产端转移到分配端——注意力取代技术，成为新的稀缺资源。
MIT 讲师的三维打分全是可行性判断，缺了价值判断。「能不能做」做得再准，也做不出没人要的东西。
第一性标准只有一条：这事得是人真正在乎的。先选人群，再选技术。
五种模式的区别在于价值在哪一环被捕获——一次性功能、信任、省力、通道、能力，可复制性递增。
门槛低的地方竞争激烈，门槛高的地方回报周期长；舒服的位置在「有痛点、有门槛、可复用」的中间地带。
单次调用变便宜，但月度固定支出变贵。成本控制的关键是压低固定支出，缓存命中率是核心杠杆。
数字越夸张，细节越少。判断案例可信度的方法是看它有没有说出自己难在哪里。
700 万美元那个案例，难点根本不在 AI，而在纸质书供应链——AI 帮不上忙的环节才是真门槛。
风险管理看敞口，不看概率。「主账号输不起」比「安不安全」更该成为决策依据。
不可控的系统不该承载核心收入。把收入押在平台规则上，等于交出安全边界。
「学会用 AI」是门票不是胜负手；真正的分水岭是判断力和关系。