要点

• 用户买的不是花，是变强的自己
• 别在产品上加AI，帮用户拿结果
• 习惯了的麻烦，就看不见了
• 卖锅送厨师，市场大100倍
• 浪费1000倍 token 才是正解
• 价格降 90%，蓝海就出现了
• 套壳不丢人，站对位置就行
• 高斜率架构：模型越强我越强
• 做海盗，别做海军

正文

上一期聊了个人红利和组织突围。这期稍微硬核一点：产品怎么用AI重塑，以及AI原生的创新机会在哪里。

同样，这篇是摘要版。完整内容可以去各平台搜索「AI炼金术」听课 & 看 PPT，或者去"混沌学园"搜索"任鑫"听完整的、更精致剪辑的课程。

超级玛丽吃花还是踩大便

假如把那朵花换成一坨大便，但踩大便可以打冲锋枪甚至原子弹。你踩花还是踩大便？用户买的不是花，是变强的自己。

在混沌讲过一个经典例子：超级玛丽吃到花就能打子弹。表面上看花是产品，但用户要的是"更好地打怪救公主"。如果一坨大便能让你发射原子弹，你踩不踩？

这就是第一条原则：脑子里先把"产品"两个字抹掉。

你想着"怎么在花上面加AI"，无非就是贴个对话框、加个QA。但如果你想的是"用户在什么游戏里、要打什么怪、要救什么公主"，可以设计的道具就多了。怪有多少种？公主喜欢什么？全是机会。

不是"产品加AI"，也不是"AI加产品"。是理解用户在一个什么样的游戏里面，然后想办法帮他。

搜索引擎这事儿，你以为是一个动作，其实是七步折磨

世界上十个人里有九个不太会用搜索引擎。怎么从问题产生一个好的关键词、怎么挑对链接，大部分人做不到。

怎么拆用户旅程？用搜索引擎来说。你乍一想觉得不就是打几个字吗？但拆开：识别问题→产生关键词（你是开小龙虾店的，你得想到搜"小龙虾 AI 点菜"而不是"AI怎么帮忙"）→输入搜索→筛选链接（百度前三条不能点对吧？）→点击→阅读→理解答案。六七步下来，每一步都有人卡住。

不要想"怎么改搜索框"。要想"从用户有问题到拿到答案，中间有多少步是痛苦的？我能不能帮他把这些步都省了？" 这就是Deep Research、Perplexity这类产品的逻辑——直接帮你搜、帮你读、给你答案。

求职也一样。别盯着Boss直聘的APP改Boss直聘。从"开始求职"到"找到工作"来拆：写简历→想应聘哪些职位→搜索→调查公司靠不靠谱（得跑到百度搜"任鑫科技是不是骗子公司"，还得分辨百度里哪条链接不是骗子）→提交申请→等回复→面试。每一步都累。

AI可以帮写简历——而且不是一份通用简历。给混沌应聘就强调教育经历，给科技公司就强调技术能力，自动定制。还可以帮筛职位、自动提交、自动回复前两轮基础信息。

Job Right做了一个Insider Connection功能：通过你的LinkedIn找到所有可能攀上关系的七大姑八大姨学姐师兄，搜他们公司有没有适合你的岗位，自动搭讪邀请内推。最高效的找工作方法从来不是投简历，是找关系。这才是AI时代原生的求职方式。

你习惯了的麻烦，就看不见了

你椅子往左挪了一点躲阳光，顺手把屏幕也往左摆一点——你觉得这不是问题。但它就是问题，只是你习惯了亲自动手解决它。

发现AI机会的最大障碍不是技术，是看不见问题。

施华洛世奇做了一个AI观鸟望远镜：看见鸟了，它告诉你叫什么名字、哪里有这种鸟。我们过去会说"那你应该自己学嘛"。凭什么？用户就想知道不同的鸟叫什么名字，不想学。所有"需要看说明书"的地方，都是产品没做好的地方。

CES上有个摇臂产品：你站起来屏幕就抬高，你往左走屏幕就跟着移。在看到这个产品之前，没人觉得"自己挪一下屏幕"是个问题。

Pebble Flow做智能房车拖挂——自动挂接、自动跟车、自动停车、自动搭建。他们讲这个之前我都没想过"怎么把房车挂上去"是个问题。

还有一类机会是"用户不乐意干的活"。你说AI替代医生看病？整个医疗体系反对——医生以这个职业为荣，你说你比他好，不管是不是他都不干。但什么事他不反对？写病历。美国医生看完病还要按特定格式记半天笔记，特别不乐意。Abridge就帮他记，医生只管审核。"他不是来抢我的活的，是来把我不想干的活给抢走了。"

所有的累着了、烦着了、要学了、要集中注意力了的动作——把用户旅程拆开之后，全是缺口。

拍月球不是拍出来的，是算出来画出来的

手机拍月球那些环形山细节，不是光学拍出来的。是AI根据当下时间算出月球应该长什么样子，然后画出来的。

用户想拍月球，手机给他一个好看的月球——其实是根据当前时间算出月球应该长什么样，然后画出来的。"拍照"的目的不是让光成像更好，是让照片像我心目中的画面。

我自己也有体验：我家宝宝在房间睡觉灯光很暗，贵的相机拍出来完全糊了。但iPhone让我定住10秒钟，出来一张有温柔夜光的漂亮照片。那10秒钟它在疯狂采集数据、建模、重新画。它呈现的不是感光元件收到的信息，而是更接近我心目中的画面。反倒是相机忠实记录了传感器的东西——但那不是我想要的。

录视频也一样：我看提词器眼神会飘。以前"你自己的问题跟产品无关"。但用户想要的就是眼神正。现在剪映有眼神修正，开会软件也能让你明明在摸鱼但老板看到你定定看着他。直接造出用户想要的结果，绕过了"重录"这条老路。。

Final Round和Offerin做的是面试copilot——在线面试时实时告诉你这题怎么答。你上三堂面试课不如我在现场直接辅导你。从用户达成目标的角度看，它就是比"改善简历"高效100倍。

买相机送摄影师

过去的软件创造工具，现在的软件创造工作。Cursor就是VS Code加上了一个程序员。——黄仁勋

这是老黄在GTC上说的，也是这一期最想传递的产品思维。

你卖一口锅，但这口锅会自己炒菜——你的市场规模就是整个厨师市场，不是锅的市场。特斯拉卖的是车加司机，大家选的不光是车好不好，还在比谁家的AI司机靠谱。CES上调酒机卖机器送调酒师，煎牛排机器卖设备送厨子，摄影摇臂你说"拍子弹镜头"它自动拍——买设备送摄影师。

当你的产品配了一个"用这个工具的人"，交付的就是工作，不是工具。

工作市场比工具市场大几十倍上百倍。

浪费1000倍的token来解决问题

田里有杂草，过去大面积喷除草剂——禾苗杂草一起喷。给你1000倍人力呢？盯到地里去，认出哪个是杂草，精准拔掉。John Deere的拖拉机现在真能做到——精确对着一株草喷药。还有公司直接用激光把杂草烧死。

这个逻辑从教育到农业到零售都一样：充分浪费智能。

教育：给小朋友讲《老人与海》，传统做法是"用AI把书讲得更好"。充分浪费的做法是十个AI小朋友和两个AI老师陪着一个真实小朋友吵架——"老人是赢家还是白痴？"在争论中学会表达和批判性思维。你花了十个AI角色的token陪一个小朋友，但那又怎样？

农业：除草从大面积喷药变成精确识别每一株杂草定点清除。John Deere的See & Spray系统精确对着杂草喷药。还有公司更科幻——大机器开过农田，识别每一株苗，发现是杂草就喷激光烧掉。

零售：盒马以前所有打折肉都是晚上六点统一打折。但有些肉早上八点上的，有些十一点半上的，为什么都六点？因为以前精细化管理太麻烦了。现在每个都是电子价签，上架时间系统全知道，完全可以做到"这盒肉4:34分打折"。

智能的本质就是更精确地识别和操作。当你可以大规模滥用这种精确性的时候，所有其他资源的利用效率都翻倍。

解锁增量：价格降90%，门槛降90%

拼多多打开的不是淘宝的市场，是6亿没用过电商的人。淘宝4亿月活的时候微信有10亿日活——6亿人连电商都没用过。

进入AI原生创新。第一个角度：当价格和门槛降到十分之一，什么新市场会被打开？

拼多多不是在京东淘宝的盘子里抢蛋糕，它打开了一个全新用户群。AI搜索同理——百度对多数人有门槛，但说话没门槛。我给我妈介绍DeepSeek她马上能用，第二天介绍豆包她直接放弃DeepSeek——因为豆包默认语音交互，连文字都念给你听。

价格维度更有想象力。Even Up帮律师整理人身伤害案材料，让两万美金的"小案子"也值得接。Utopia帮拿过奥斯卡提名的编剧用十分之一价格拍电影——别无选择，要么不拍，要么用AI拍。OffDeal帮3000万美金的小公司找买家——高盛接这种单子赚不到钱，但这个市场巨大。

更夸张的是Darrow——用AI监控各地水质、扫描Reddit上的用户抱怨、跟踪各州法律变化，主动发现集体诉讼机会。比如某个约会软件要求扫脸但没有明文授权，他们就主动联系那些甚至都没想到自己可以打官司的用户。有一个案子赔了四五千万美金。他们不是在等需求上门，是在创造需求。

每一个"太贵了所以没人做"的领域，价格降一个数量级就是蓝海。

套壳不丢人，关键是站对位置

Cursor估值100亿美金，最主要不是它做对了什么，而是站对了位置。脚手架搭好了，Claude 3.5一出来大家就觉得它是神。

第二个角度：套壳占位。把逐渐成熟的技术封装成产品，提前占住场景。

妙鸭相机是中国第一个爆款AI产品——技术在ComfyUI社区已经成熟了，他们只是把"上传照片出写真"做得足够简单。筷子科技在Sora发布三天内上线了"AI影棚"。橘子的ListenHub集成了Nano Banana Pro的画画功能，会员猛增三倍、流失率下降90%。

Cursor早就存在了，之前大家觉得写代码不怎么样。但它把脚手架全搭好了——编辑器体验、上下文管理、各种交互。Claude 3.5一出来代码质量过了60分，用户把功劳全归Cursor，百亿美金估值。其实最主要并不是它做对了什么，而是站对了位置。

Manus被Meta 20亿美金收购，他们分享过一个极其牛的方法论：把同源但参数量不同的模型排排坐做测试，观察"底层模型能力提升一个量级时，架构的性能增长斜率够不够大"。斜率小说明架构吃不到增量，天花板太低。他们追求"高斜率架构"——模型每聪明一点，系统表现成倍跳级。

我一直说"坐船不要坐塔，技术升级时水涨船高"。但直到看了Manus的分享我才觉得——我果然就是个讲PPT的。人家用可量化的方法在验证自己的结构能不能吃到模型红利，真 NB。

Granola 做会议记录，最早模型上下文只能记半小时。他们明明可以用工程手段解决（拆成三段再拼），但选择不做——"模型一定会升级来解决这个问题，如果我做了那个脚手架，反而会成为未来的战略障碍。"硬等，等到了，问题自动消失。

铺路修桥：帮奶奶装好iPhone上的APP

传统企业用AI就像你奶奶想用iPhone——她也想用，但你得帮她装APP、教她怎么点。

机会：帮所有企业更好地用AI。

美国的Palantir派人到客户现场干活。中国有毕昇做开源Agent架构，企业免费搭好后找原厂做定制，毕昇在中间赚钱。

但纯服务赚的是辛苦钱。你帮一家公司人效提高一倍，它可能增值五个亿，但只给你500万。所以美国流行另一种模式：General Catalyst投了Crescendo，花5000万收购BPO公司PartnerHero，用AI把利润率提高四倍。利润翻倍→PE跳级（从传统行业变成科技公司估值）→用高估值继续并购→飞轮转起来。General Catalyst专门募了15亿美金做这个事。

本质是：传统公司自己改不动，需要外力强制改造，然后在资本市场赚增值的钱。

结语

时代正在加速度发展。如果你没感受到这一点，大概率是你所在的环境太传统，或者你处理的问题太简单。

要岁月静好，那是另一回事。要吃红利，现在得抓紧。强烈建议大家要么轰轰烈烈去做海盗，要么找个小岛好好躺着。这两者性价比都不错。最痛苦的是夹在中间想守成的人。

只是，对于绝大部分人来说，真问题是——真拥有了100个不要钱的AI同事，到底该拿来做什么呢？