Vol.93 AI面前，互联网其实也是传统行业---串台难得正经 - 主题精读稿

前言：当新兴经济变成传统行业

这期播客的主议题是 AI 如何重写商业底层规则。庄明浩抛出的核心判断是：AI 到来之后，原本被视作"新兴经济"的互联网、移动互联网公司，本质上都已经变成了"传统行业"——它们有深厚的 know-how、复杂的产业链、不为人知的经验细节。讨论由此展开，覆盖了在线内容平台的"6 个月 100 亿 8%"暴利周期、服务的产品化可能性、AI 硬件的"物理世界跟不上模型迭代"的困境、企业服务的颠覆，以及超大平台在 AI 时代正在拉开差距的阶段性共识。

一、在线经济成了传统行业 (00:49 - 04:49)

庄明浩的起点观察带着一种"回头一看"的诧异。他原来在 VC 看线上公司——社交、娱乐、平台、短视频、游戏。但今天 AI 来了之后，他发现这些他熟悉的东西都变成了"传统行业"：有非常深的 know-how，产业链很复杂，有机器、有设备、有各种各样不被外人所知的经验细节。大家今天谈论的是怎么用 AI 去改造它们，这本身就证明它们已经"旧"了。

在线经济板块走到了一个极端状态：几个关键词就能总结一切——短视频吞噬一切、所有在线广告投放位置的 ROI 早已被定死、所有平台卷成绞肉机、任何商业（内容、电商）都必须符合这套游戏规则。大家累、焦虑，期待 AI 能打破这个已经卷到牛角尖的规则。

但 AI 的到来存在一种时间差的错配。它从 0 到 60 分可能很短时间就跨过去了，但现在线上经济做的事情已经是"雕花"——从 99.5 扣到 99.6。"你告诉我你现在只能到 60 到 70，你甚至到 80 对我来说都没有意义。" AI 在局部战场从 80 到 95、99 这件事，可能需要很长时间，而且需要旧世界的人一起往那边努力，没准有些板块最后尝试发现"人家救不了我"。

二、6 个月 100 亿 8%：平台吞噬一切的暴利周期 (04:49 - 08:08)

庄明浩分享了一组让人印象深刻的数字。高度成熟的在线平台已经吞噬了用户几乎所有时间，算法和广告系统把所有位置的 ROI 定死。但在固化的系统里会周期性地出现一些"意外因素"——可能是技术迭代，可能是商业模式创新——让一些新的小板块在很短时间内异军突起。

短剧、漫剧、小游戏、直播间弹幕游戏都是如此。在外面人还没弄清楚是怎么回事的 6 个月内，这个小池子就能滚到 100 亿左右的体量。然后无数人上台讲，行业大会全部开起来。这个高点不是自然长出来的，"本来不应该长出来，但是你硬要挤，它就被挤出来了一个高点"。

但最重要的数字是最后那个 8%。铺了这么多前提条件，真正把内容做出来的人只能拿到大约 8%——平台要吃很多，还要投流买量，因为你所有的商业模式都建立在那个武装到牙齿的熔炉里。这和抖音上做白牌电商的品牌遇到的问题一模一样：同样的基础设施，同样的竞争，你偶然找到一个算法的 bug 或者没被擦干净的关键词，吃到一段短暂的"意外值"红利，但算法很快会把你拉平。

就跟雪崩时候有一些小孩子一样，就是那些也变成力量，会把这个拉平，但是就会在那个很暖的地方拉一个很高的高脂出来。那个高脂本来是一个虚幻的烟花，你能落袋为安的可能就是百分之八。漫剧这波可能连百分之八都不到。

三、AI 让时间加速：三个季度就是老项目 (08:08 - 09:40)

漫剧这波能起来，有两个原因：图片视频模型能力到了门槛；短剧竞争太激烈，原来的异常值被抹平，逼着大家往新战场走。但这种 SOP 被找到之后就被疯狂复制，重复同样的命运。

在 AI 的世界里，三个季度已经很长了，已经是两个世代的故事。庄明浩用自己的工作经验举例：去年他可以每三个月做一次 PPT，今天明显感觉春节前做的 PPT 春节之后就已经过时了。DeepSeek 到今天也不过一年多时间。这种时间维度的压缩是所有人都在被动适应的新节奏。

四、服务的产品化：AI 让不可能变可能 (09:40 - 11:08)

CK 用一个模型解释 AI 的底层商业变化。任何产品都有产品属性和服务属性，这两者之间天然有冲突：实体产品可以规模化生产、形成规模经济；服务则需要本地化交付。二者很难兼容。

AI 提供了一种可能性：让某些领域同时具备较好的产品属性和较好的服务属性。他以动画为例：原来的动画严重依赖手艺人，一分钟动画成本大概一万块左右；而用 AI 做慢改，成本只有几百块钱一分钟，甚至可以全自动化。这是最大的改变——它实现了服务的产品化，实现了服务的低成本交付，让很多东西的诞生变得可能。

五、从规模效应到长尾个性化：手艺可能会回归 (11:08 - 15:17)

商业模式的三段演变：实体经济时代是规模效应（强者恒强）；数字化时代是网络效应（头部指数级回报）；AI 时代可能是长尾逻辑。60 分的东西变成了唾手可及，这就逼出两个极端：要么是超级巨无霸，要么是超级长的长尾个性化。

在内容这个板块，字节春节发了新视频模型，手搓一个看上去 OK 的短视频的能力基本已经 ready。当这个能力 ready，什么变得重要？审美、品位、你自己要表达什么。"就像费曼曲线一样，大部分人会比这个高高的水平线低，所以大家就被淹死了，安心的淹在这个下面了，但有一小撮人在一些小的地方会比这个顺畅。"

庄明浩抛出了一个可能被低估的预测。今天抖音每天上传一亿个视频，大部分还是人用手机拍的。如果 AI 能力真的起来，这个数字可能大很多，不是十倍一百倍，而是大很多。到那个量级，算法也不够用了。

他由此给出了一个关于信息分发的历史递进推论：门户→搜索→算法推荐→？当 AI 带来"生产效率的无限通货膨胀"，算法也失效之后，可能会回归到更原始的东西——个人品牌、影响力、一小撮人对你的全方位认知跟信任感。没准手艺会回归。 另一位补了一句："编辑精选。"

六、AI 干水与不取悦多数人 (15:17 - 17:11)

大家开玩笑说的"AI 干水"，指的是那种"看这一本正经，其实讲得好像很有道理，最后一想，哎，怎么好像什么都没讲"的 AI 内容。就像一道菜没有锅气。"你跟聊天机器人对话，他说的侃侃而谈，都很好，但是少那么点人味。"

算法的逻辑就是通过你的行为调控内容出现，即便标签体系越来越细，因为人性大面积上是相通的，大众的自大公约数——喜欢的情感、类型——还是有限的，所以内容必然回归某种自大公约数的同质化。结果是每个人刷到的东西都是一样的，"什么背脊一凉，下厨一身冷汗，每个人都在讲一样的东西"。

在某种意义上，这逼出一个复古的状态：你不需要取悦大多数人，你如果能服务好一小群人，他们特喜欢你，这就是下一个阶段内容板块很大的趋势。

七、超级个体与 POD：服务个性化的新形态 (17:11 - 20:32)

这个趋势和 AI 本身又有一次反向加成。AI 对个体能力的加强肉眼可见：原来一个人不敢想的事今天可以想了，原来一个小团队不太敢想的事情可以多想一想。

另一位分享了朋友做的 POD（Print on Demand）项目：婚礼的定制图、个性化音乐、个性化视频，全部一键上传、自动化处理，两三个人用一套简单的 AI 工作流就能做。庄明浩把它放在更大的叙事里：这是把资本主义反过来做——把零散需求聚众到一个地方，通过聚众的能量反向影响价格。

但落到执行层，80 分到 100 分的每一分都寸步难行。以健康领域为例，它的复杂度极高：病史、慢性病、轻微症状、饮食习惯、设备、药、医院对接、病历数据化（中国病历还有医生字认不认得的问题），要解的题"繁杂且细碎"。

CK 从另一个角度划分了 POD 的适用边界。偏人文的内容 POD 相对容易，比如做一件个性化 T 恤——大家对图案的容错率比较高。但像医疗这种属于"科学"的领域，容错率更低，要求精准，而 AI 现在做到 60-70 分，就不够友好。另一个问题是当 POD 变成实体产品，会涉及柔性供应链——转印、UV 打印、数码喷图——这对供应链的要求非常高，改造需要很长时间。

八、从计划驱动到反馈驱动：伟大不能计划 (22:05 - 29:17)

另一位补充说，AI 让一次性交付的产品可以变成持续服务。他以大健康举例：智能硬件拍你每天吃什么，加上 AI 服务，甚至让小姐姐催你"哥哥你又多吃了"。

庄明浩把这个时期的核心行动法则概括成一句玩笑话："就哪怕做的是屎，也要比别人先做出来。这个环境就是我最核心的。"因为基础水线大家都知道，水线往上一点的事情大家都在试，没有人知道标准答案。但凡你踏出一小步，哪怕最后证明是徒劳，在那一刻你享受到的关注、正向 buff，都远远大于你跳出来那一点点空间。这些关注来自用户、资本、媒体，甚至竞争对手，本来不属于你，但你得到了，就可以往上叠。

另一位举了一个更现实的例子：为什么有的人融资融那么多，做出来的东西就是华强北贴了个牌连了个模型？因为他先拿了东西拿到钱，因为拿到钱吸引了好的人，最后可能更有概率做出了不起的东西。"Fake it till you make it，装着装着说不定就成。"

庄明浩讲了自己在一家移工换养的传统公司内做战略投资的真实处境：老产品可以按传统方式推广运营，但新的 AI 业务今天市面上没有任何一家类似公司说大家应该怎么做。你不应该妄想所有决策全部做对、贴到当下的技术时间点、配个很好的壳子搭出一个完美的东西，这个"甜心小店"不要想了。索性就弄一弄扔出来，看状态，不行再回来重做。

另一位想起 OpenAI 科学家两年前写的《伟大不能计划》：以后都是涌现逻辑，你不知道会走到哪里去，不如找最近的垫脚石先踩上去。CK 补了一句：在巨大 FOMO 驱动下，任何有一点新意的产品扔到市场上就会有人试用，反馈自然会来。本质上是边用边学、先走出去、出来混总是要先出来。

九、AI 硬件的困境：物理世界追不上模型迭代 (29:17 - 37:03)

庄明浩分析了"AI 硬件"为什么是中国投资圈的共识。早期投资在不确定产品和用户对错时会更看重人的权重，看背景、资历、title。第一波投的多是大厂技术专家、CTO、算法公司，但大家发现这批人出来之后可能太基础（缺商业化和组织能力），或者太互联网。因为有一个共识：中国用户在软件端直接付费这件事不太现实。那自然要想能不能做点不是纯软的东西。

中国过去几年的先进制造、电动车、华强北产业链这些基础堆在这儿——互联网的算法和技术发展，加上强大的供应链基础，两条线交在一起就是 AI 硬件。大疆、拓竹、Insta360 都符合这个逻辑。

但眼下的问题很现实。最原始的想法就是"把大模型能力变成一个模块放进一个什么东西里"。深圳已经有专门做这种模块的中间厂商，你可以直接买走做定制开发。但从想法到开模、供应链、铺货、上直播间，物理世界的速度和电子速度不一样——简单的硬件可能半年，稍微复杂一点一年半。

AI 模型基本上是按每个月的方式更新迭代，可是 2026 年初在卖的硬件，大概率是 25 年下半年出来的、24 年立项的。24 年立项的时候 DeepSeek 还没出。那用户拿到的东西跟每天被媒体轰炸的宣传之间差距有多大？"简直是原始人。"

直接结果：退货率巨高。有些玩具退货率据说和女装差不多。眼镜更是重灾区——用户想的是钢铁侠在用的东西，实际一戴上"弱智、智障"。厂商要综合电池、续航、算力、显示、是不是在眼端显示、加屏还是加 AR，各种方案，综合这么多选择题才出来一个产品，怎么可能是理想中的东西？

退货率高带来连环问题。今天还叠加着全球化被打仗影响的成本问题，原材料在涨，供应链要求你下更大订单才能保住价格。但你现在这个量级已经在亏着卖——退货率大几十——你下更大订单可能马上就淘了。

另一位分享了服务消费品企业的观察：以前靠拼命、战斗文化、精通抖音算法的"厦门帮"，今天自己发现跑量的素材几乎都是 AI。方法论忽然变得不值钱。他们现在回过头来重看产品体验、NPS、复购。"以前方法论层面上的东西，今天都变得忽然非常不值钱。"

十、硬件启示：瞄准小白，千万不要压哭船 (37:03 - 40:14)

CK 给做硬件的朋友一个非常具体的建议：你千万不要纠结把产品做好再扔到市场。你可以做烂一点，订单小一点，成本高一点，退货率高一点，亏也可以亏一点，但千万不要压哭船。

你说我为了获得一个好的成本，我下了一个很大的订单，然后最终发现退回来还是百分之六七十七八十，到时候你连哭的地方都没有。

另一位补充了另一个启示：用户还是喜欢固定的实体产品。而目标用户的选择也很关键——瞄着极客、瞄着评论员说好的东西，你做不出好东西。Plaude 当时贴的是医生、律师、老师，从没想过找互联网从业者，因为对小白来说体验的 delta 特别大。

一个有趣的案例是 AI 外骨骼。一批极客做外骨骼是希望自己变成钢铁侠，结果买的都是那些想做钢铁侠的人的老父母。创始人面临分化：有的说算了，谁需要我们就做，老龄化才是大需求；有的很拧巴，"我要做个很酷的公司，不是做老年人的养老产品"。庄明浩说，人群的选择、目标用户的选择，是这个没有历史的时间点大家最应该认真去想的核心问题。

十一、企业服务：从卖工具到卖结果 (40:14 - 47:28)

美国的主流观点认为 AI 会颠覆 SaaS：未来所有个人或企业有什么需求都可以自己弄，是真正意义上的个性化满足。美国 AI 打得最深的领域——律师、财务分析——正好都是原来最大 SaaS 公司所在的赛道。

但中国情况不同。整个企业服务和 2B SaaS 偏软的部分原本就没起来，"上一个十几年被美国定义的软件 SaaS 生态在中国其实不是特别旺"。两方观点：一方认为 AI 来了我们更难；另一方认为正因为没有原来的包袱，没准能做出一些符合中国新国情的 AI 企业服务。今天中国大企业、国企、央企对数据化和在线化已经不需要教育，AI 化成为新议题。

但很多 AI 企业服务的逻辑看起来仍然粗糙。庄明浩讲了很多做相关业务的公司，做的可能就是企业内部知识库、数字员工（其实就是一个对话框）、把财务法律数据做成一个有上下文记忆的聊天窗口、把 ERP 改造一下。"这些工作应该有人做的嘛，但你又觉得这个事情值得被讨论成这个样子吗？"

很多人说自己是"中国的 Palantir"。但 Palantir 的核心是跟政府绑定，政府是一个固化、有历史包袱但对新东西渴望的主体。"中美这场 AI 战是谁都不可能输的"——它就变成了新时代的军火商务。

还有脏活累活的问题。庄明浩周末带上海大学的 MBA 去拜访一家上海的大模型公司。负责对接的同事看了 MBA 的简历——上汽、上海化工——发愁说"他们第一不是技术出身，第二不是互联网背景，我该讲什么给他们"。这些传统企业想要模型能力，但它们"不具备在这个时间点直接把模型拿来用的能力"，无论是数据状态还是在线化水平。中间这个东西就有人去添，某种意义上就是一种脏活累活。

这既是老 SaaS 公司的危机也是机会。一个 SaaS 上市公司老板说北美有 30% 收入是通过公司信用卡一直在订阅付钱——"所以这种调起来就会很可怕，因为老板忽然醒过来说原来我们说了这么多，直接卡了"。就像个人用户突然意识到不需要订那么多东西，一下就卡了。但他补充："我们本来就是吃这种脏活累活的，忽然 AI 来了，我反而变得比较性感。"

十二、超大公司在拉开差距：字节的视频公式 (47:28 - 52:56)

"在 AI 时代，至少截止到这个时间点，大家会认为大家会越来越大。这是一个偏共识的阶段性结论。" 虽然听起来悲观，但多个角度都在验证。

一个人可以想一个人的事情，小团队可以想中团队的事情，中团队可以想稍微大一点的事情——但超大团队会拉开超远的距离，让所有人不要想他们在做的事情。

字节就是例子。视频是字节原来的主战场，已经立住了世界第一。大家原来期待 AI 视频是一个从零到一的过程，过程中大家讨论视频数据的优劣对模型能力的影响。但字节在春节发 C-20 之后告诉大家：我找到了，好的数据导出好的模型这条公式我有。因为视频是字节的主战场，它在这件事上不可能有任何战略摇摆。你除非以别的方式做，不想争皇冠明珠，否则就要面对字节在拉开距离。

腾讯是另一个例子。世界上最大的游戏公司，AI 跟游戏的结合腾讯在做很多其他厂商连想都不敢想的事情——没有这个资格、成本和平台优势。解决的问题不是一个层面的问题了。

但这不等于普通人无事可做。就像运动品行业，为什么耐克和阿迪之外总会出现新品牌？ 这两年的 On 昂跑、Hoka、Salomon，前两年的 Allbirds。因为总会有一些小一点的需求被特殊用户满足，符合了当下社交媒体传播或者某种情绪氛围，就得到更多关注。当然涨到一定阶段后也会面临耐克当年一样的问题——这就是不断循环的过程，就看你在哪。

CK 接了一句对 2B 市场的总结：国内绝大多数传统公司不懂业务，关键在有没有能力把功能整合成一个 AI 体系去完成事情。这就是 60 分以上、甚至 80-90 分的内容，往往隐藏在某些人脑子里，把它 AI 化或产品化。"2B 市场反而可能在我眼里，未来在 AI 的驱动下会有非常大的变化出来。"

另一位补了一刀：AI 对 2B 的最大变化是把原来很贵很贵的智力变得非常普及。以前麦肯锡一小时五万，现在你用 deep research 就可以了。CK 开玩笑说自己在学情绪价值的书准备转型，另一位立刻吐槽："学情绪价值看书你觉得有用吗？你要实践，你要给我们情绪价值。"