AI時代的三大護城河：為什么你只有12個月時間

你有沒有發現，周圍使用 AI 的人都在做同一件事？提示、接受、發布。不加判斷，不帶品味，就像生產線上的工人一樣機械地重復著相同的動作。最近讀到硅谷創業者 Shann 的一篇文章，他直言不諱地指出：現在 90% 使用 AI 的人都陷入了這個陷阱。他們以為掌握了 AI 工具就掌握了未來，卻不知道真正的競爭才剛剛開始。更關鍵的是，Shann 認為我們只有大約 12 個月的時間來建立真正的護城河，否則這個窗口期一旦關閉，想要脫穎而出將變得難上加難。這讓我深受觸動，因為我自己也經歷過類似的覺醒過程。

我記得大約一年前，當我第一次真正開始用 AI 構建產品和內容時，那種感覺簡直讓人上癮。從"我有一個想法"到"它上線了"之間的時間幾乎縮短到零。我在三個月內完成的項目比過去兩年加起來還要多。但當我鼓起勇氣回頭審視自己發布的東西時，不得不承認一個殘酷的事實：其中一半都是平庸之作。技術上沒問題，功能上也完整，但完全沒有記憶點。它們看起來像其他所有東西，因為構建方式和其他所有東西一模一樣。同樣的提示詞，同樣的默認設置，同樣對"優秀"的膚淺理解。我陷入了 AI 時代最常見的陷阱：把產出量誤認為質量，把快速發布當成生產力，把做得更多等同于做得更好。這個認知讓我停下來重新思考：在 AI 讓所有人都能快速生產的時代，真正的競爭優勢到底是什么？

AI Slop 的泛濫與信任危機

"AI slop"（AI 垃圾內容）被評為 2025 年度詞匯。這個詞的提及量暴漲了 9 倍，從 46.1 萬次飆升到 240 萬次。但數字本身并不能完全捕捉到作為消費者的真實感受。你肯定見過這樣的內容：LinkedIn 上那些看起來像是用中級市場營銷提示詞生成的帖子、落地頁上千篇一律的漸變背景配上 Inter 字體和"革新你的工作流程"的標題、涵蓋了話題所有角度卻什么都沒說的博客文章。這些內容在技術上沒有任何問題，但它們缺少了最重要的東西：人的痕跡。

Shann 分享了一個特別有意思的研究發現。紐約大學和埃默里大學的一項研究表明，AI 生成的廣告在點擊率上實際比人工制作的廣告高出 19%。從標準指標來看，AI 的輸出客觀上更好。但當消費者得知這些廣告是 AI 制作的后，購買意愿下降了 33%。這個現象值得深思：輸出質量更好，人們卻選擇拒絕。不是因為內容不好，而是因為感覺不到背后有人。沒有人在這里做出決策，沒有人在乎到愿意把自己的名字放上去。消費者能感受到這種缺失，即使他們說不清楚具體哪里不對。

我觀察到這種現象正在各個領域蔓延。據統計，80-90% 的 AI agent 項目在生產環境中失敗，每天有數千個看起來一模一樣的網站上線，內容讀起來像是機器人在總結另一個機器人的輸出。"功能性"的門檻從未如此之低，這也意味著"卓越"的門檻從未如此重要。功能性現在是免費的，卓越仍然需要付出代價。而這個代價用品味、注意力和超越第一次輸出的意愿來衡量。消費者對 AI 生成內容的信任度下降了大約 50%，這不是偶然，而是對這場內容洪水的自然反應。

三大護城河：AI 無法取代的能力

Paul Graham 說過一句話："在 AI 時代，品味將變得更加重要。當任何人都能制作任何東西時，真正的區別在于你選擇制作什么。"他說得對，但我認為僅有品味還不夠。經過一年的實踐和觀察，我發現真正能在 AI 時代建立護城河的只有三樣東西：taste（品味）、distribution（傳播分發）和high agency（高主動性）。

Taste 是知道什么是好的。這不是抽象概念，而是具體體現在每一個決策中的判斷力。Distribution 是把好東西送到在乎它的人面前。在信息爆炸的時代，被看見本身就是一種稀缺能力。High agency 是當沒有人告訴你該怎么做時，你仍然愿意主動去搞清楚。這是一種人格特質，決定了你在遇到障礙時是繞過去還是停下來。

為什么 AI 無法取代這三者？因為判斷力只能來自經驗，信任只能來自持續性，而內驅力不會在道路不清晰時放棄。大多數人對 AI 的理解有個根本性錯誤：AI 并不會拉平競爭環境，它只是讓競爭環境傾斜得更厲害了。AI 就像一面鏡子，反射出使用者真正理解了多少東西。把它交給沒有上下文、沒有品味、不理解自己在構建什么的人，你得到的就是大規模的通用輸出。把它交給真正了解自己領域、能用訓練有素的眼光評估輸出的人，它就會成為他們用過的最強大工具。同樣的輸入方式,完全不同的結果。變量永遠是人。

第一護城河：Taste（品味）

Shann 分享了他在構建過程中的覺醒時刻。當他回顧自己快速發布的作品時，發現一半都是平庸之作。于是他做了一件大多數人會跳過的事：停下來學習。他花了幾百個小時研究什么才是真正的"好"。閱讀其他構建者的思考方式，研究那些持續產出與眾不同作品的創作者。不是為了不同而不同，而是因為有人足夠在意，做出了真正的決策，而不是接受 AI 第一次給出的任何東西。他研究設計網站、排版、間距、視覺層次，分析那些真正能轉化的網站，試圖理解為什么它們有效而成千上萬的類似網站卻不行。他閱讀關于敘事、敘事張力、什么讓人繼續滾動而不是跳出的內容。

這讓我想到自己的經歷。我在構建 AI 驅動的營銷材料時，最初嘗試了所有能找到的工具：Gamma、Chronicle、Beautiful.ai 等等。輸出都是同一種"還行"的味道，技術上完整、視覺上干凈，但完全令人遺忘。所以我停止尋找能替我完成工作的工具，開始自己動手。我花了幾天時間仔細研究材料，不只是閱讀，而是思考。這些數據講述了什么故事？什么會讓人在乎這些數字？從頭到尾把這些內容串聯起來的敘事線是什么？我研究演示設計的真正原則，信息設計師如何處理數據密度，最好的會議演講如何構建張力和釋放，視覺層次如何引導眼睛瀏覽頁面而無需被告知看哪里。最后我分工明確：讓 Claude Opus 4.6 寫故事線和文案，讓 Gemini 生成視覺效果，我來指導兩者，提供具體的參考、約束和每個部分應該呈現的感覺示例。

AI 為什么總是默認通用化？Leon Lin 對此有一個絕妙的解釋。他為 Claude Code 構建了一個"品味技能"，因為他意識到 LLM（大語言模型）工作原理的一個基本特點：它們是概率機器。沒有嚴格規則時，它們在統計上會默認為訓練數據中最常見的模式。這就是為什么每個 AI 生成的網站看起來都一樣：Inter 字體、紫色漸變、網格中的圓角。不是 AI 做不到更好，而是最可能的輸出就是它見過的所有東西的平均值。Leon 的解決方案是 400 個 token 的明確設計規則：具體的字體（Press Start 2P、VT323）而不是 Inter 和 Roboto，具體的顏色（霓虹粉、電藍、酸綠）而不是默認的藍紫色調，關于動作、空間構圖、背景的規則，以及關鍵的"避免什么"列表，防止 AI 退回到默認設置。

這個"避免什么"的列表才是真正的洞察。品味不只是知道你想要什么，更是知道該拒絕什么。是對默認設置有自己的看法，并愿意推翻它們。大多數人接受任何輸出，因為他們對"更好"應該是什么樣子沒有足夠強烈的感知，所以不知道應該繼續推進。這就是品味無法走捷徑的原因：你無法從教程中獲得它。你從曝光中獲得它，從觀察成千上萬個例子中慢慢建立什么有效什么無效的內部模型。從研究排版直到你能分辨為什么一種字體配對感覺精致而另一種感覺通用，即使你無法完全說清楚為什么。從閱讀足夠多的優秀寫作，直到你能感覺到一個句子何時承載著它的重量，何時只是在填充空間。

我深刻體會到，品味的培養需要時間和大量的刻意練習。Shann 提到了一個新的 80/20 法則：80% 交給 AI，20% 是你的品味。讓 AI 做它擅長的事情——研究、初稿、樣板代碼、結構、格式化、速度。這是那 80%。不要抗拒它，不要放慢它，不要在機器能在幾秒鐘內完成的事情上手動操作。那是在浪費你最寶貴的資源：注意力和判斷力。但最后那 20% 是你的。那是你決定保留什么、刪除什么的地方。你重寫開頭，因為 AI 給了你一個安全的選擇，而安全不會阻止滾動。你替換默認組件為真正合適的東西。你審視輸出，應用你在特定領域學到的關于什么是好的所有知識。

大多數人把這個比例顛倒了。他們花 80% 的精力在提示和調整 AI 上，試圖一次性獲得完美輸出，用略微不同的措辭運行同一個提示十五次，尋找能產生他們想要的確切東西的魔法詞語組合。然后他們幾乎不花時間在策展和判斷層面。他們優化了方程式的錯誤一邊。沒有質量的生產力只是運動。互聯網正在充斥著能干的平庸之作，一切都能用但沒什么突出，因為每個人都在同一個地方停下了。

第二護城河：Distribution（傳播分發）

你可以擁有世界上最好的產品、最好的內容、最好的設計。如果沒人看到，那就沒有意義。這是大多數構建者，尤其是技術型構建者，嚴重低估的護城河。AI 拉平了構建的門檻，但它沒有觸及信任的門檻。構建正在商品化，任何人都可以發布產品、創建內容、生成營銷活動。制作東西的障礙正在趨近于零。但被信任的障礙呢？那和以往一樣高，甚至可能更高，因為 AI 生成內容的洪水讓人們變得更加懷疑而不是更少。當一切都可能是 AI 生成的時候，對作品背后人類的信任就成了溢價資產。

Shann 指出了一個關鍵區別：從"vibe coded（氛圍編碼）并發布"到"有人真正使用并為此付費"之間的差距，幾乎完全是傳播分發的問題。而傳播分發的核心，就是大規模的信任。是的，你可以在一小時內生成 50 篇帖子。你可以自動化通訊、跨平臺重新利用內容、提前一個月安排所有事情。有人每天在數百個賬戶上發布 1000 多條 AI 內容，而他們的參與度正在趨近于零。因為沒有質量的數量只是大規模的噪音，受眾能感覺到什么是批量發出的，什么是為他們制作的。

表現好的內容和表現不好的內容之間的差異，很少在于它包含的信息。而在于讀者是否信任寫它的人。信任來自一致性、可識別的聲音、積累的證據表明這個人知道他們在說什么，因為他們已經展示自己的工作幾個月或幾年。你無法在提示詞中制造這個。信任運行在完全不同的時鐘上。AI 可以把創作從幾天壓縮到幾分鐘，信任仍然需要幾個月或幾年來建立。沒有捷徑，沒有黑客技巧。你無法把信任 vibe code 出來。

我認為這里有一個大多數人會錯過的重要區別：被動受眾是商品，關注者是虛榮指標。主動社區才是護城河。那些在你的回復中互動、不被要求就分享你的工作、每天回來因為你已經成為他們思考某個話題的一部分的人。你無法用內容日歷和調度工具制造這個。你通過真正有用、說具體的事情而不是模糊的事情、誠實對待你知道什么和不知道什么、出現足夠長時間讓人們開始關注來賺取它。AI 時代真正的傳播分發優勢在于：使用 AI 處理后勤工作——格式化、重新利用、調度、分析。把所有精力集中在讓值得傳播的東西本身變得更好上。

品味反哺傳播分發。如果你做的東西真的好，人們會開始為你做傳播分發。他們分享它是因為它讓他們思考，而不是因為你要求他們。如果你做的東西是通用的，再多的發布頻率也救不了它。你只是在更快地把更多平庸的作品放在更多人面前。

第三護城河：High Agency（高主動性）

這是大多數人低估的一個護城河，但可能是三者中最重要的。品味可以培養，傳播分發可以建立，但高主動性是要么驅動其他一切、要么阻止其他一切的人格特質。高主動性是愿意在沒有人遞給你教程的情況下搞清楚事情。遇到障礙時找到繞過它的方法而不是停下來。組合沒人告訴你要組合的工具，因為你足夠好奇去嘗試。當某事不起作用時，打開文檔并在尋求幫助之前嘗試四種不同的方法。

Replit 的 CEO 說過："你不需要任何開發經驗。你需要毅力。你需要快速學習。"Coinbase 的 CEO 說過類似的話：他們最好的員工在紙面上往往完全不合格，但他們都是高主動性的人，只是把事情做成，不需要被管理到每個結果。現在蓬勃發展的人不是最有資歷或技術最熟練的，而是那些不用請示就行動的人。非開發者在一個周末就發布 Chrome 擴展、SaaS 產品和完整的移動應用，因為他們有好奇心去打開工具并開始折騰，而不是等待完美的課程或完美的時機。

AI 是乘數，不是平衡器。這可能是現在關于這些工具最被誤解的事情。人們談論 AI 民主化訪問和拉平競爭環境。這在技術上是真的，在實踐上是誤導性的。乘數放大你帶給它的任何東西。好奇心加 AI 等于 10 倍杠桿，你移動得更快、學得更快、構建得更快、更快地糾正航向。被動加 AI 等于零。零乘以十仍然是零。

在實踐中，高主動性看起來像這樣：不是問"我該怎么做這個？"而是問"如果我試試這個會怎樣？"然后你真的去嘗試。在發布問題之前，在搜索答案之前，你嘗試一些東西。你失敗了，你從失敗中學習，你用新信息再試一次。這種愿意參與不確定性而不是退縮的意愿，就是構建真實東西的人和消費關于構建東西的內容的人之間的區別。

你可以在那些不只是用 Claude 寫代碼，還去 X、去 Reddit、進入社區和源代碼，研究最好的構建者實際在做什么的人身上看到這一點。他們逆向工程為什么某些產品感覺比 AI 默認設置更好。他們學習底層框架而不是復制粘貼提示。他們要求 Claude 批評他們自己的工作，使用 AI 來挑戰他們的假設而不只是確認它們。高主動性的人把耐心當作戰略資產。其他人都在競相發布第一個能用的東西，這為任何愿意深入的人創造了機會。當市場充斥著快速和膚淺時，慢速和深入就成了競爭優勢。

關于 AI 現在最大的誤解是它是捷徑。它是速度乘數,速度乘數應用于糟糕的判斷只會讓你更快到達錯誤的地方。它不會拯救你免于構建錯誤的東西。它會讓你以創紀錄的時間構建錯誤的東西。在三個護城河中，高主動性可能是最難偽造的。AI 可以近似大部分執行層：代碼、設計、文案、研究。它無法近似的是當一切都不清楚、沒人告訴你下一步該做什么時搞清楚事情的動力。那必須來自你,老實說,它是使其他兩個成為可能的基礎。

窗口期正在關閉

現在，大多數使用 AI 的人對它很懶惰。我這樣說不是為了刻薄,這只是可觀察到的事實。默認行為是：提示、接受、發布。他們幾乎不編輯，幾乎不應用判斷，幾乎不在其中投入任何品味。結果反映了這一點：不斷增長的能干、可遺忘、無法區分的輸出海洋。

這不會永遠持續下去。隨著 AI 變得更好，隨著工具變得更直觀，隨著更多人弄清楚工藝層，懶惰 AI 使用和有意 AI 使用之間的差距將縮小。現在，僅僅擁有這三個護城河就讓你領先于 95% 使用相同工具的人。這個窗口會關閉，但今天，它還敞開著。

我觀察到一個現象：你的受眾正在淹沒在 AI slop 中。每次滾動都是一堵通用輸出的墻，看起來、聽起來、感覺都一樣。培養品味知道什么值得制作、通過隨時間贏得信任建立真正的傳播分發、以足夠的主動性在其他人接受默認設置時繼續搞清楚事情的人，會立即脫穎而出。不是因為他們更快或有更好的工具或發現了某個沒人知道的秘密提示，而是因為他們在做幾乎沒人愿意做的事情：在意 AI 完成后發生什么。

Shann 給出的時間框架是 12 個月。我認為他是對的。12 個月后，擁有品味不會那么罕見，它會是預期的。傳播分發會更難建立，因為每個人都會嘗試。現在開始的人獲得了復利的先發優勢。這不是在制造人為稀缺性或人為緊迫感，這是技術采用曲線的現實。早期采用者建立基礎設施、積累專業知識、贏得信任。后來者必須在一個更擁擠的空間競爭。

我的建議很簡單：構建全部三個護城河。品味知道什么值得制作，傳播分發讓它被看見，主動性在一切都不清楚時繼續前進。這就是你如何構建人們真正記住的東西。其他人會發布得更快，然后想知道為什么沒人在乎。工具只是工具，真正重要的是你用它們做什么以及你在過程中投入了多少自己。

來源 | 深思圈（ID：Deep_Think_Circle）

作者 | 深思圈 ; 編輯 | 呼呼大睡

內容僅代表作者獨立觀點，不代表早讀課立場