夜雨聆风
AI时代，个人IP真正拼的不是勤奋，而是主体性
关于个人IP、一人公司与 career capital 的七条原则
这两年，“个人IP”和“一人公司”几乎已经成了互联网上最热门的两个词。
打开小红书、公众号或者 X，你会看到大量相似的内容：
如何用 AI 一天写十篇文章，如何用自动化工具管理多个账号，如何批量生成短视频，如何搭建自己的知识库，如何做付费社群，如何在三个月内完成从零到一的商业闭环。
这些内容不能说没有价值。AI 确实正在把很多事情变得更简单。
过去，如果想做一家小公司，至少需要产品经理、程序员、设计师、运营和销售。现在，一个人借助 Claude、ChatGPT、Cursor、Notion 和各种 automation tools，也许就能在很短的时间里做出一个产品的雏形。
过去写一篇文章，需要自己搜集资料、搭建结构、反复修改；现在，AI 可以在几分钟内生成一篇看起来相当完整的初稿。过去个人能力的边界，很大程度上取决于你会不会写代码、会不会设计、有没有团队；现在，越来越多原本属于“专业分工”的能力，开始被工具外包。
从这个角度看，AI 的确给“一人公司”创造了前所未有的条件。
但我最近也越来越清楚地意识到：AI 解决了很多“怎么做”的问题，却没有解决“为什么是你”的问题。
甚至可以说，当工具越来越强、模仿越来越容易以后，“为什么是你”反而变得比以前更重要了。
因为当所有人都可以一天写十篇文章，当所有人都可以搭建自动化工作流，当所有人都可以用相似的 prompt 生成相似的内容时，真正稀缺的就不再是生产能力。
真正稀缺的是，一个人有没有自己的判断，有没有真实经历过一些事情，有没有一组自己愿意长期思考的问题。
也就是所谓的主体性。
这篇文章不是一套“如何在三个月内做成个人IP”的教程。我更想把它写成一组现阶段给自己的原则：当内容生产越来越廉价，当个人创业越来越依赖 AI，我们究竟应该经营什么，才能避免自己也变成流水线上批量生产出来的另一个账号？
原则一：AI降低了执行成本，却没有降低“成为你自己”的成本
AI 最擅长解决的是执行问题。
它可以帮你搜索资料、提炼观点、润色文字、生成代码、设计网页，也可以把一项原本需要几天完成的工作压缩到几个小时。
但 AI 并不能替你决定什么问题值得被研究，也不能替你解释，为什么这个问题应该由你来讲。
这两者之间的区别非常重要。
“怎么写一篇关于一人公司的文章”，是一个执行问题。AI 可以给你生成标题、结构、案例和金句。
但“为什么你会关心一人公司”，是一个主体性问题。
也许是因为你在大公司里工作多年，发现组织效率正在被层级和流程消耗；也许是因为你做过创业项目，真正体验过管理团队的成本；也许是因为你拥有一项可以独立交付的专业能力，开始思考能否脱离传统组织；也许只是因为你看见这个话题很火，觉得现在写会有流量。
这几种出发点，最后都可以生成一篇文字流畅的文章，但它们的重量完全不同。
我们过去常常把表达能力视为一种门槛。一个人写不出文章，可能是因为他不擅长组织语言；做不出产品，可能是因为他不会写代码或者没有设计团队。
现在，这些门槛正在被 AI 大幅削弱。
于是，未来互联网上最不缺的，可能就是“看起来很完整”的东西：结构清晰、观点明确、金句很多，甚至没有明显错误。
但你读完以后，很难记住作者是谁，也不知道他为什么会得出这些结论。因为文章中有很多信息，却没有一个具体的人；有很多正确的话，却没有这些判断形成的过程。
AI 让表达变得更加容易，但也可能让表达和经验彻底脱节。
因此，当执行越来越便宜，一个人的真实经历、独立判断和长期关切反而会变得更加昂贵。
AI 可以替你完成表达，却不能替你成为表达背后的那个人。
原则二：个人IP不是选择一个赛道，然后持续更新
很多人刚开始做个人IP时，第一反应都是：“我要选择什么赛道？”
AI、职场、留学、读博、创业、情绪价值、个人成长，或者某个更加垂直的专业领域。选定方向以后，再去研究这个赛道里做得最好的人：看他们写什么标题，使用什么结构，怎样制造冲突，如何设计账号定位，又怎样把流量导入私域。
这种方法当然可以帮助一个人快速入门。模仿本来就是学习的一部分。我们学习写作、商业和产品，都会先从观察别人开始。
问题在于，很多人最后没有离开模仿。
他们学会了一种内容形式，却没有找到自己的内容来源；掌握了一套表达方式，却没有形成自己的判断。每天都在研究别人发了什么，却很少回头审视自己究竟经历过什么。
最后，账号看起来越来越专业，人却越来越模糊。
你看到别人讲 AI 创业，于是你也开始讲 AI 创业；你看到别人分享一人公司，于是你也开始研究一人公司；你看到别人做知识付费，于是也开始包装自己的方法论。
你可能很努力，也可能更新得很稳定，但内容始终有一种说不出来的悬浮感。
不是因为文字写得不好，而是因为这些东西没有和你本人长在一起。你只是在参与一个已经存在的讨论，却没有真正提出属于自己的问题。
这也是我现在越来越警惕“对标账号”这个说法的原因。
对标当然有用。你可以学习别人的表达方式，观察什么样的话题更容易被理解，也可以研究一个成熟产品如何设计和交付。
但如果对标最后变成复制，个人IP也就失去了“个人”这两个字。
你可以复制一个人的标题，却复制不了他为什么会对这个问题敏感；你可以复制一个人的产品，却复制不了他过去十年积累的经验、关系和信任；你甚至可以复制一个人的商业模式，但你复制不了那些客户为什么愿意把钱付给他。
个人IP真正重要的，不是你能不能找到一个热门方向，而是你能不能逐渐形成一套属于自己的观察方式。
面对同一件事情，你看到了什么？为什么你会注意到这个问题？你的判断来自哪里？你有没有真实地做过、失败过，并承担过结果？
我越来越觉得，个人IP本质上不是“持续输出内容”，而是把一个人原本不可见的判断过程，逐渐变成外界可以理解的东西。
一个人长期写作以后，别人真正记住的通常不是某一篇文章，而是这个人看问题的方式。
有人擅长把复杂问题讲清楚，有人对商业机会非常敏感，有人总能发现组织中被忽略的结构性矛盾，也有人经历过多个行业，因此能够在不同领域之间建立联系。
这些东西，才是真正无法被批量复制的部分。
个人IP不是给自己发明一个身份，而是让自己已经形成、但还没有被看见的价值逐渐显现出来。
原则三：流量能够放大一个人，但不能替一个人建立信任
谈到个人IP和知识付费，很难绕开被网友称为“卖课教父”的李一舟。
我不想把他简单写成一个扁平的负面案例。事实上，如果只讨论流量获取、身份包装、需求捕捉和低价产品转化，李一舟的能力非常值得研究。
他准确抓住了普通人面对 AI 时的焦虑：很多人并不是想系统研究人工智能，而是害怕自己错过下一轮机会。他也很清楚，普通用户需要的不是复杂的技术原理，而是一套听起来容易理解、能够迅速上手，并且价格不算高的解决方案。
199元这个价格，恰好处在一个非常微妙的位置：足够让购买者相信它有价值，又低到不需要进行太长时间的决策。
公开报道显示，其199元 AI 课程曾达到十万级销量，销售额达到数千万元。之后，课程又因为内容质量、宣传方式、退款体验等问题引发争议，相关商品下架，其用于售课的小程序也一度暂停服务。李一舟本人则回应称，相关事件存在误解和夸大。
这个案例值得思考的，并不是“卖课是不是原罪”。
知识付费本身没有问题。一个人把经过验证的经验整理成课程，只要内容与宣传相符，能够帮助用户节省时间、减少试错，它就是一种合理的商业模式。
真正的问题在于：一个IP的价值，究竟建立在长期积累上，还是建立在对下一轮焦虑的快速包装上？
当 AI 成为热点时，讲 AI；当一人公司成为热点时，讲一人公司；当 Agent、出海或者短剧成为新的风口时，再迅速切换到下一个话题。
从营销角度看，这是敏锐的市场判断。
但如果一个IP的核心始终是“帮助你抓住下一个机会”，它自己也就必须不断寻找下一个可以被包装的机会。
表面上看，这个人始终走在时代前面；从另一个角度看，他也可能从未建立一组真正属于自己的问题。
他很擅长发现大众正在焦虑什么，然后把这种焦虑转化成流量，再把流量转化成产品。这种能力可以创造惊人的短期收入，却不一定能够自动转化为长期信任。
因为用户最终会问：
你卖给我的，究竟是你长期积累的知识，还是一套快速包装出来的信息差？你真正理解这个问题，还是只知道这个问题当前有流量？你提供的是解决方案，还是一种“如果现在不买就会错过机会”的紧迫感？
流量和信任是两种完全不同的资产。
流量解决的是“有多少人看见你”；信任解决的才是“别人愿不愿意再次回来”。
流量可以通过投放、标题、热点和平台机制获得。信任却只能来自长期一致的表达、真实的能力，以及一次次没有辜负别人预期的交付。
一个IP可以靠流量迅速变大，但它只有依靠信任，才能在风口结束以后继续存在。
流量是 distribution，信任才是资产。
原则四：那些看起来不够“垂直”的经历，可能恰恰构成了你的视角
说到底，一个人能够形成怎样的判断，往往取决于他过去站在什么位置上，看过哪些问题，又亲自承担过什么结果。
所以，当我说个人IP应该来自自己的经历时，我并不是说，要把简历上的每一段经历重新讲一遍。真正重要的是理解：这些经历如何共同塑造了你看问题的方式。
我自己的路径就不是一条特别标准的直线。
我本科和硕士学习的是 Aerospace Engineering。最初接触的是动力学、控制和复杂工程系统；后来，我逐渐把研究方向转向机器人控制、轨迹优化、robot learning 和 embodied AI。与此同时，我也参与过电力系统、医疗机器人、工业机械臂和航空制造场景中的研发项目。
如果只从“账号定位”的角度看，这些经历似乎不够垂直。
它们横跨了不同的技术方向和应用场景，很难被压缩成一句简单、醒目的标签。每隔一段时间，我所面对的研究对象和现实问题似乎都会发生变化。
但回头来看，我现在很多相对稳定的判断，恰恰来自这些经历之间的连接。
工程学的训练，让我习惯先问一个系统的假设、约束和边界在哪里；控制与优化的背景，让我更关心一个方法为什么有效，以及它在什么条件下会失效；而真实机器人项目的经历，又让我逐渐意识到，一个算法在仿真中成立，距离它在现实世界中真正产生价值，中间还隔着很长的一段路。
因此，当我看到一个新的 AI 或机器人算法时，我关注的已经不只是它在论文中的指标有多高。我会下意识地追问：它在真实系统里能不能运行？仿真中的假设到了硬件上是否依然成立？传感器噪声、latency、有限算力和安全约束要如何处理？一个在数学上很漂亮的方法，放进真实的工业环境以后，究竟是在解决客户的问题，还是只是在满足研究者自己的审美？
在学校里做研究时，我们很容易把注意力集中在 benchmark、ablation study 和实验结果上。但到了工业项目中，客户通常并不关心你的方法是不是最新的。
他们更关心的是：这个系统能否稳定运行？能不能接入现有流程？出了问题由谁负责？是否会增加员工的额外负担？投入时间和预算以后，究竟能够带来怎样的实际回报？
这些问题听起来没有那么“前沿”，却往往比模型本身更难回答。
我在 GE Aerospace Research 和此前的机器人项目中，越来越明显地感受到：工业研究并不是把一篇论文中的方法换一个应用场景，再重新运行一次实验。
真正的工业研究，首先需要理解问题是如何嵌入组织、流程和现实约束中的。一个技术在论文里很热门，并不意味着它在现实中值得采用。在决定“使用什么方法”之前，必须先回答一个更基本的问题：
我们究竟在解决什么问题？
因此，我现在不再把自己看似分散的经历简单理解为“不够垂直”。它们更像是几个不同的观察窗口，使我能够同时看到学术研究、工程实现和商业需求之间的差异。
对我来说，真正值得长期表达的内容，可能就存在于这些交叉处：学术研究和工业落地之间，控制、优化和 AI 之间，机器人算法和真实硬件之间，以及工程师的技术视角和客户的业务视角之间。
这些交叉点也许不像“每天介绍一个 AI 工具”那样容易获得流量，却更接近我真正经历过、也愿意长期思考的问题。
一个人的独特性未必来自“我一辈子只做一件事情”，也可能来自：
只有我恰好走过了这样一条路，因此会以这样的方式理解问题。
原则五：先积累career capital，再谈personal brand
这也是为什么，我认为讨论个人IP和一人公司时，不能绕开 career capital。
Career capital 是 Cal Newport 在《So Good They Can’t Ignore You》里提出的核心概念之一。
这本书反对一种非常流行的职业叙事：先找到自己的激情，然后围绕激情设计人生。
Cal Newport 认为，很多人并不是先发现了一个命中注定的“热爱”，再自然地获得满意的工作。更常见的情况是，一个人先在某个领域长期练习，逐渐掌握一组稀缺而有价值的能力；当他开始真正擅长一件事情以后，才获得了更大的自主权、影响力和成就感。
这些通过长期实践积累起来的能力、作品、经验、信誉和行业理解，就是 career capital。
这个概念中有两个关键词：稀缺和有价值。
一项能力仅仅学起来很辛苦，并不意味着它自动构成 career capital；同样，一项能力看起来很时髦，也不意味着市场真的需要它。
只有当它不容易被替代，同时又能够帮助别人解决真实问题时，它才真正具有交换价值。
它可能是一项专业技术，也可能是对某个行业的深入理解，一组经过现实检验的作品，一种推进复杂项目的能力，或者长期合作中积累下来的信誉和人际关系。
Cal Newport 的重要判断是：职业自由通常不是一个人最开始就可以要求的东西。你必须先积累足够多的 career capital，才能用它换取更大的自主权，比如更自由的工作方式、更强的议价能力、更有意义的项目，以及选择和谁合作的权利。
换句话说，自由并不是凭空产生的。
它通常是能力积累到一定程度以后，获得的一种交换结果。Cal Newport 后来也进一步强调，一个人往往需要先掌握真正有用的能力，才更有可能找到值得长期投入的职业使命。
这对个人IP和一人公司尤其重要。
很多人把个人IP理解成一种包装能力：只要找到合适的定位，学会表达，持续输出，就能够获得影响力和商业机会。
但个人IP真正能够放大的，只能是你已经拥有的东西。
如果一个人做过真实项目，解决过复杂问题，也形成了独立判断，那么内容可以帮助这些原本只存在于公司、实验室或小范围关系中的经验，被更多人看见和理解。
但如果一个人没有足够的积累，只是掌握了内容模板和流量技巧，那么再精致的包装，也很难长期掩盖内部的空洞。
个人IP本质上是一个放大器，而 career capital 是被放大的信号。
放大器可以扩大一个信号的传播范围，却无法创造一个原本不存在的信号。
一个人如果没有处理过真实问题，没有在复杂环境中承担过责任，也没有形成自己的判断，那么即使借助 AI 一天生产二十篇文章，也不会因此获得二十倍的认知。
他只是以更高的效率，生产更多听起来正确、但没有重量的话。
所以，未来真正有价值的个人IP，不能只展示观点，还要让人看到观点是如何形成的。
你可以写一次项目为什么失败，可以写一个理论方法到了真实硬件上遇到了什么问题，可以写自己曾经相信什么、后来又为什么改变了判断，也可以写一次职业选择背后的犹豫、限制和权衡。
这些内容未必像“七个步骤教你成功”那样干净利落，却更容易形成真正的信任。
因为读者看到的不再是一个经过包装的标准答案，而是一个人如何在现实世界中观察、行动、犯错，再逐渐建立自己的判断。
从这个角度看，个人IP并不是 career capital 的替代品，而是它的 distribution layer。
你需要先做事、积累能力、建立作品和信誉，再通过写作、产品或者公开表达，让这些积累被更多人看见。
AI 可以帮助你提高这层 distribution 的效率，但不能替你完成底层积累。
它可以帮助你更快地写出一篇项目复盘，却不能替你真正做完那个项目；可以帮助你总结一次失败，却不能替你承担失败带来的后果；可以帮助你包装一套方法论，却不能证明这套方法是否经历过现实检验。
所以，比起问“我可以用 AI 生产多少内容”，一个更重要的问题可能是：
我究竟拥有多少值得被放大的东西？
AI 是 leverage，个人IP是 distribution，而 career capital 才是整个系统真正的底层资产。
原则六：不要只看市场上什么火，也要看什么问题一直在找你
很多人在做个人IP时，会非常关心市场需求。
这当然没有错。没有人关心的内容，很难形成商业价值。
但如果只看市场需求，也会产生另一个问题：你会一直追着外部环境跑。
AI 火了，就做 AI；一人公司火了，就做一人公司；Agent 火了，就开始讲 Agent。每隔几个月换一个关键词，看起来一直站在风口上，实际上却没有留下任何积累。
一个更值得思考的问题是：
过去几年里，身边的人总是在什么事情上来找你？
有人总被问如何申请学校，有人总被问如何做职业选择，有人总被问某个行业的真实情况，也有人总被问如何把一个复杂项目推进下去。
有些人可能自己没有意识到，但他已经在某个问题上获得了局部信任。
“别人为什么来找你”，往往比“市场上什么最热门”更能说明你应该做什么。因为这意味着，在一个很小的范围里，外界已经默认你具备某种能力。
这种能力未必特别耀眼。它可能只是你能够把复杂技术讲清楚，也可能是你做事情比较可靠，或者你恰好对某个行业有比普通人更加深入的理解。
但这就是一个IP最真实的起点。
很多人总想先设计一个完美定位，再开始行动。但真实情况往往相反：定位不是想出来的，而是在一次次做事、表达和反馈中逐渐显现出来的。
你先去写，先去帮助别人，先把自己真实做过的事情公开出来。慢慢地，你会发现某些内容总是有人回应，某些问题总是有人来问，某些经验对别人确实有帮助。
你不需要一开始就知道自己最终要卖课程、做咨询、开发 SaaS，还是建立社群。
你可以先解决一个真实问题。
后来，第二个人又遇到了相似的问题；再后来，你发现这不是一个偶发现象，而是一类人反复面临的困难。于是，你把解决过程记录下来，逐渐整理成文章、模板、工具或者服务。
当问题出现得足够频繁，交付方式足够稳定，它才有机会被产品化。
这个顺序非常重要。
它不是先决定“我要做知识付费”，再临时寻找一些可以教授的内容；也不是先设计一个宏大的商业模式，再寻找适合被塞进去的客户。
它是从真实问题开始，一点点把经验变成服务，把服务变成流程，再把流程变成产品。
不要先发明一个产品，再去寻找需要它的人。先观察什么问题正在反复找到你。
原则七：一人公司不是一个人包办所有事情，而是一个人承担核心判断
“一人公司”这个词很容易让人产生一种浪漫想象：
一个人，一台电脑，住在任何地方，不需要管理团队，通过 AI 和自动化工具完成所有工作。没有办公室，没有复杂的人际关系，也没有传统公司的管理成本。
这种生活方式当然很有吸引力。
但我觉得，一人公司的核心从来不是“一个人完成所有劳动”。
一个人不可能真的擅长所有事情。即使 AI 可以帮你写代码、做设计、整理资料，它也不意味着你不再需要合作伙伴、客户、朋友和专业服务。
一人公司的“一人”，更准确地说，是一个清晰的责任主体。
这个人知道公司为什么存在，服务谁，解决什么问题，哪些事情可以交给 AI，哪些判断不能外包。
你可以使用 AI agent，可以雇佣 freelancer，也可以和其他人合作，但核心方向不能被工具决定。
现在很多人谈一人公司，重点都放在效率上：如何减少重复劳动，如何自动化获客，如何批量分发内容。
这些当然重要。
但商业真正困难的部分，往往不是把已有流程做得更快，而是确定什么值得被做。
你服务的对象到底是谁？他们真正愿意付钱解决的问题是什么？你解决的是一个偶尔发生的小麻烦，还是一个长期存在的高价值问题？你的服务为什么比一个通用 AI 工具更值得信任？
这些问题没有办法通过复制别人的 workflow 得到答案。
它们必须来自你对某一类人、某一个行业、某一种现实处境的长期理解。
所以，一人公司看起来是在减少组织规模，实际上对创始人的要求更高。
在传统公司里，方向、执行、销售、产品和交付可以由不同的人负责；而在一人公司中，你必须自己建立这些能力之间的连接。
你不一定需要亲自完成每一个环节，但你必须知道每一个环节为什么存在。
与此同时，一人公司也绝不意味着一个人与外界隔绝。
它反而高度依赖关系。
一个人的职业发展和商业机会，往往并不是由陌生流量直接带来的。更多时候，机会来自同事、朋友、导师、客户、合作伙伴，以及那些长期观察过你的人。
他们知道你擅长什么，也知道你做事是否可靠。当一个合适的问题出现时，他们会想到你。
这种“被想到”的能力，本身就是一种资产。它可以叫 relationship capital，也可以直接叫信任。
这种信任很难通过一篇爆款文章建立。它通常来自很多细小的事情：你答应的事情有没有按时完成，遇到问题时会不会推卸责任，不确定的时候会不会诚实承认，有没有真正理解对方的问题，而不是急着推销自己。
流量可以让更多人知道你，信任才会让别人愿意把重要的事情交给你。
很多商业机会不是通过精密的营销漏斗产生的，而是来自一句很简单的话：
这件事可以找他。
一人公司中的“一人”，并不是一个人包办所有劳动，而是核心判断和最终责任无法被外包。
写在最后
所以，现在的我不太愿意问：
我应该做一个什么样的个人IP？
因为这个问题本身，还是把个人IP看成一种可以从市场上挑选的商品。好像只要选择一个热门赛道，找到一个成功模板，再持续更新，就能够得到一个确定的结果。
我更愿意问另外几个问题：
过去这些年，我究竟经历过什么？这些经历让我比普通人更理解哪些问题？哪些能力是我真正花时间积累的，而不是刚刚学会几个名词？哪些人愿意相信我的判断？我可以长期为哪一类人创造什么价值？即使某个话题不再热门，我是否仍然愿意继续研究下去？
这些问题不会立刻告诉你应该写什么标题，也不会保证你迅速获得流量。
但它们决定了一个个人IP有没有根。
AI 时代，模仿会变得越来越便宜。内容会越来越多，工具会越来越强，几乎所有成熟的表达形式都会被迅速复制。
在这样的环境里，真正有价值的，不再是一个人掌握了多少工具，而是他有没有形成一个无法被工具替代的主体。
他是否拥有自己的经历、自己的问题、自己的判断和自己的关系。
个人IP最终放大的，不是一个账号，也不是一套内容模板。它放大的是一个人已经积累起来的 career capital。
而一人公司真正的起点，也不是注册一家公司、搭建一个自动化系统，或者找到一个可以迅速变现的项目。
它始于一个人终于愿意认真面对自己：
我是谁？
我真正理解什么？
我可以为谁创造价值？
声明：部分参考内容由AI进行整理