木桩与船

前两章讲清楚了瓶颈迁移的结果：中段贬值，两端升值。但对具体的人和企业来说，还缺一个可操作的问题——我手里的这件事，到底属于哪一边？

我常用一个比喻来判断：木桩，还是船。

把基础模型能力的持续提升想象成水位上涨。这是一个不可逆的环境变化，就像潮汐。水里立着两种东西：木桩是固定的，水一涨就被淹没；船是浮的，水涨船高。

所以对任何一项能力、一个产品、一门生意，只需要问一句：它是随水位上升，还是被水位淹没？

怎么分辨木桩

木桩有一个共同特征：它的价值来自「别人做不到」，而那个做不到正在被 AI 抹平。

典型的木桩包括：以熟练操作某个专业软件为核心竞争力的岗位；以「我们有一批会画图的人」为壁垒的服务公司；以信息不对称为利润来源的中介；以及所有把「我们的人经验丰富」当作唯一说辞、却从未把经验变成可复用结构的组织。

值得警惕的是，木桩往往看起来很结实。它现在有收入、有客户、有口碑，甚至今年还在增长。水位上涨是缓慢的，直到某个季度突然发现报价被腰斩——不是竞争对手降价，是客户发现自己也能做了。

还有一种更隐蔽的木桩：AI 硬件里那些「把某个模型能力封装成一个专用设备」的产品。它们的价值建立在「大模型现在还做不好这件事」之上，而这恰恰是水位上涨最快的地方。这类产品的寿命，往往就是下一次模型迭代之前的那几个月。

怎么分辨船

船的特征正相反：AI 越强，它越值钱。

按八环来看，船天然长在两端。前端的洞察、取舍、定义：模型越强，好问题越贵，因为一个好问题能撬动的产出更大了；生成越多，敢删越贵，因为噪音更多了；工具越滥，定义越贵，因为同质化更严重了。后端的验证与意义同理：造得越快，「值不值得造」的判断就越关键。

但船不只在两端。中段也有船，条件是你不是在做那一环，而是在组织那一环。造物云做的不是替客户画图，是把一个行业的设计知识变成可被调用的模型能力——AI 越强，这套组织方式的产出越大。同样，一个真正掌握了某个产业带全部工艺常识的人，AI 越强他越值钱，因为他能把 AI 的通用能力接到具体场景上，而这个接口是通用模型永远不具备的。

还有一类特殊的船：关系与信任。它们不随模型能力提升而贬值，反而在内容泛滥、真假难辨的环境里持续升值。当一切都可以被生成，「谁说的」重新变得比「说了什么」更重要。

把筛子用起来

这个筛子的用法很朴素：把你正在做的事拆成部件，逐个问一遍是木桩还是船。

对个人：你今天工作时间的分配，有多少花在木桩上？如果超过一半，你需要一个迁移计划，而且时间比你以为的紧。迁移不是转行，是在同一个领域里把重心从「做」挪到「定义与判断」。

对企业：你的报价单里，客户真正在为什么付钱？如果账单上大部分是工时，那你卖的是木桩；如果客户在为结果、为判断、为「你知道该做什么」付钱，那你有船。

对产品：你的功能清单里，哪些会在下一代模型发布后自动消失？那些就是木桩，不要在它们上面继续投入。

最后有一句提醒。木桩与船的区分不是道德判断，也不意味着做木桩的人不优秀——恰恰相反，守着木桩的常常是上一个时代最优秀的那批人。这正是每次瓶颈搬家中最令人不忍的部分：他们守着的那一环，昨天还是天堑，今天已经是坦途。

认清水位，比努力划水更重要。这是第Ⅱ部留给读者的全部结论。

一次真实的分辨：AI 硬件为什么难做

把这个筛子放到一个具体品类上，会看得更清楚。这几年我看过不少 AI 硬件项目，它们的困境高度一致，值得当作案例讲一遍。

典型的思路是这样的：发现大模型在某件事上做得还不够顺手——比如随时随地的语音交互、比如实时翻译、比如记录生活——于是做一个专门的设备把它做顺手，卖硬件加订阅。

这个思路的问题在于，它的全部价值建立在一句话上：「大模型现在还做不好这件事」。而这恰恰是水位上涨最快的地方。设备从立项到量产通常要一年，而这一年里模型可能迭代三到四次。等产品上市，当初那个缺口很可能已经被手机上的一个免费功能填平了。

这就是典型的木桩：它的护城河是别人的待办事项。

那这个品类是不是就不能做？也不是。同样是 AI 硬件，有一类的逻辑完全不同——它不赌模型做不到什么，而是提供模型永远无法提供的东西：物理世界的入口。传感器采到的独家数据、特定场景里的机械动作、必须在本地完成的实时控制。这些不会因为模型变强而消失，反而因为模型变强而更值钱——智能越强，越需要更多、更好、更贴近现场的手和眼。

分辨的方法就是那一句：模型越强，你越值钱，还是越不值钱？把这句话对着自己的项目问一遍，答案往往在三十秒内就浮现了，只是很多人不愿意听。