AI时代的信号失真

你有没有发现，现在谁都能“看起来很认真”？

一份商业计划书、一套PPT、一封诚意满满的邮件——全都可以AI生成。你分不清谁是真想干，谁只是在演。

我们办OPC创业大赛的时候，就撞上了这个问题。企业来提场景，每个都说“这是我们最痛的痛点”，但你没法判断谁是真痛，谁是来凑热闹。最后我们定了一条让不少企业皱眉头的规则：想提场景，先交1万元Token。

有人问，企业来提需求不是好事吗，干嘛还收费？我说，不是收费，是筛选。一个企业愿意掏1万块把自己的问题摆上来，才说明这个问题是真的痛。你都不敢对你提的问题付费，你可能就是在玩别人。

1万块不多，但够了。它不是收入，是门槛。跨过去的企业，我们才相信它是来真解决问题的。

为什么非要设这个门槛？因为在AI时代，“说”已经不值钱了。

过去，你收到一份方案，写了20页，数据详实，逻辑清晰——你的第一反应是什么？“这人认真。”你判断的依据不是内容本身，而是“花时间做到这个程度，一定是有诚意的。”一个企业愿意花时间写一份详细的需求文档、做一场正式的提案会，这本身就是信号——说明它认真。花时间是有成本的，愿意付这个成本，说明诚意。

但现在？AI十分钟就能生成一份商业计划书，五分钟能做出一套PPT，连需求文档都能一键生成。“愿意花时间”不再是信号，因为时间成本被AI打穿了。

中国工程院外籍院士张亚勤说，超过50%的网络内容已经是AI生成——从去年的20%跃升到这个数字。《经济学人》把“Slop”——AI垃圾——选为2025年度词汇。当一半以上的内容是机器生成的，“看起来专业”就不再是稀缺品了。当表达成本趋近于零，“说”就不再是信号。任何人都能“看起来很认真”，任何人都能“看起来很专业”。

这不是新问题。1973年，经济学家迈克尔·斯彭斯就研究过：当信息不对称，你怎么判断对方说的是真是假？他的答案后来拿了诺奖——信号必须满足两个条件：第一，有成本；第二，对说真话的人成本更低，对说假话的人成本更高。

他举的例子是教育。斯彭斯发现，即使撇开教育本身教了什么，能读完一所名校的MBA这件事本身就是一个信号——能力够强的人扛得住，能力不够的人扛不住。学历不是学到的知识，是扛住的成本。

再比如二手车市场。好车卖家敢给保修，因为车好不会让他赔钱；坏车卖家不敢给，因为将来修车要花大钱。保修就是“我的车没问题”的可信信号。

反过来，当信号失真，会发生什么？经济学家阿克洛夫的“柠檬市场”说得很清楚：买家分不清好车坏车，只愿出平均价；好车卖家觉得亏，退出；平均价再降，中等车也退出——最后只剩劣等车。信号失真的后果不是信息变少，是好东西退出。

回到OPC的1万元Token。它满足斯彭斯的两个条件：有成本，而且对真想解决问题的企业来说，1万块的“心理成本”很低——它预期回报远大于此；对只是来凑热闹的企业，每一分钱都是沉没成本。付费不是收费，是恢复信号。

这个逻辑不只适用于赛事。AI时代，任何需要筛选真伪的场景，都在面临同样的信号失真。

招聘。过去一份精心准备的简历是有成本的信号，现在AI五分钟就能生成。过去愿意飞过来面试是诚意信号，现在视频会议零成本。你收到100份简历，看起来都专业，但你分不清谁是真有能力，谁只是提示词写得好。怎么办？设一个有成本的环节——付费的试稿、限时闭卷的现场测试、需要真金白银投入的试用期。谁愿意付这个成本，谁就是真想干。

客户筛选。每个创业者都经历过：客户说“很感兴趣”，然后就没有然后了。以前“感兴趣”至少意味着花时间了解你，时间是有成本的；现在AI能替他完成所有“了解”的环节，他连时间都不用花。愿意付定金、愿意签意向金、愿意为方案付费的客户，才是真客户。不是因为你需要这笔钱，是因为你需要这个信号。

合作判断。两个人说“咱们一起干吧”，以前这意味着愿意投入时间和精力，是可信的承诺信号。现在呢？AI能替你写计划书、做竞品分析、生成路演PPT，“一起干”的门槛被彻底打穿。谁愿意先掏钱、先投入资源、先做出有成本的行动，谁才是真伙伴。

万维钢讲博弈论时说过一句话：信号不是说的，得是做的。而且必须是只有在你的信息是真的情况下，你这么做才是合理的。

AI时代最大的问题不是信息不够，而是信号失真。当“说”的成本趋近于零，所有低成本的承诺都会被稀释。你需要的不是更多信息，是一个能把真话和假话分开的机制。

付费就是那个机制——不是唯一的，但最不容易被稀释的。不是因为钱多钱少，而是因为钱有成本。当你分不清对方是真是假时，问自己一个问题：他做的这件事，如果他是假的，成本会不会高到不划算？如果是，这就是一个可信信号。