最近 Peter Yang 有个观察：钱，正在从"纯软件"流向"带软件的服务"。

意思是，越来越多人愿意付钱的，不是又一个工具，而是一个直接帮你把事办成的结果。尤其是当 Codex、Claude Code 加上几个个人 skills，已经能自己拼出不少软件能力之后——单纯卖一个工具，价值在肉眼可见地缩水。

所以现在我们应该关注的是：AI 时代，产品到底该卖工具，还是直接卖结果？

工具的价值，正在缩水

先说为什么"卖工具"越来越不灵。

过去一个软件值钱，是因为"做出这个能力"本身很难。你想排个版、做个表、剪个视频，得有人专门做一个工具给你，你为这个能力付费。

但 AI 把"做出能力"这件事的成本打下来了。现在你想要一个小功能，跟 Claude Code 说一句，它当场给你拼一个；想要一套自动化，装个 skill 就有了。能力不再稀缺，能"现拼"的东西，你很难再卖高价。

于是工具这门生意被两头挤：上面有大模型把通用能力白菜化，下面有用户自己就能拼。夹在中间、只卖一个"功能"的工具，空间越来越窄。

用户要的从来不是工具，是结果

再往深一层看：用户买工具，图的从来不是工具本身。

没有人真心想要"一个剪辑软件"，他想要的是"一条剪好的视频"；没人想要"一个 BI 工具"，他想要的是"看懂这个月生意怎么样"。工具只是中间手段——而且是个挺麻烦的手段，你得学它、伺候它、自己动手操作。

Peter Yang 那句切得很准：用户不是不想买软件，是不想再当软件的操作员。

过去没办法，能力得靠工具承载，用户只能自己上手。现在 AI 能直接把活干了，那"让用户自己操作工具"这一步，就成了多余的摩擦。谁能把这步摩擦也省掉、直接把结果端上来，谁就更值钱。

AI-native 产品，该怎么卖结果

那 AI-native 产品要怎么“卖结果”？不是不要软件，而是把软件从“让用户操作的界面”，变成“交付结果的后台能力”。更准确地说，可以从四层落地：

1. 把软件和服务打包。用户买到的不只是一个工具，而是“这件事被完成”的交付物。

2. 把专业判断沉淀成模板、skill 和流程。不是每次都让用户从白纸开始，而是把懂行的人会怎么做，提前固化进系统里。

3. 让 agent 承担操作。过去用户一步步点按钮、搬数据、调格式的部分，交给 agent 自动跑；用户负责定目标、补充上下文、验收结果。

4. 用结果衡量产品，而不是用功能数量衡量产品。真正的问题不再是“功能够不够多”，而是“用户要的结果有没有交付，质量是否稳定，出了问题谁负责”。

所以，AI-native 产品的难点不只是“接上大模型”，而是能不能把服务、流程、专业判断和最终交付物重新打包。工具仍然重要，但它应该退到后台；前台被用户感知到的，应该是更快、更稳、更少操心的结果。

▍工具是让你自己动手，结果是替你把手都省了——AI 真正改变的，是这中间那段"动手"该由谁来做。

当然，卖结果也更难做。它意味着你得对结果负责，不能像卖工具那样"我把刀给你了，切坏了是你手艺问题"。结果不好，锅就是你的。这是更重的承诺，也是更高的门槛——但门槛高，恰恰才是护城河。

回到那个岔路口。AI 让窄场景工具的溢价正在缩水，也让“直接交付结果”第一次变得可行。下一个战场，比的不是谁的工具更全，而是谁敢、并且能，对最后那个结果负责。

工具的下一步，不一定是变成更复杂的工具，而是让用户少碰工具、直接拿到结果。