今天在 GTLC 全球科技领导力大会现场，白鲸开源 CEO 郭炜的演讲里有一张 slide，我在台下盯着看了很久。标题是一个问句：当 Code 和 Intelligence 都越来越便宜，什么更贵？ 页面中心又是一问——「AI 无法低成本复制什么？」——周围环列八类资产：Innovation、Brand、Trust、Attention/Traffic、Customer Relationship、Proprietary Data、Know-how、Distribution。底部一行标语是全场最好的 takeaway：
AI 最先贬值的是可复制的能力，最先升值的是不可复制的资产。
这句话听起来像常识。但把它放进历史里看，你会发现它描述的是一次已经发生过三次的结构性迁移——而且每一次，大多数人都在错误的那一边。
三次归零，三次迁移
第一次：分发成本归零，媒体重构。
报纸时代，一条新闻送到你手上，要经过印刷、运输、报摊——每多一个读者，多一份边际成本。互联网把分发成本打到零之后，发生了什么？美国人口普查局的数据：日报工作日发行量从 2000 年的 5580 万份跌到 2020 年的 2420 万份；报纸出版商收入从 2002 年的 462 亿美元跌到 2020 年的 221 亿，腰斩。
但「内容」这个能力层崩了，不代表做内容的人都完了。活下来并活得更好的，是攥住互补资产的人：Google 攥住了搜索入口，Facebook 攥住了社交图谱，Netflix 攥住了订阅关系。会做内容的人变多了（成本归零的必然结果），值钱的是内容之外的东西——分发、关系、信任。
第二次：算力成本归零，软件重构。
AWS 从 2006 年成立至今，公开降价超过 130 次。买服务器、建机房的能力不再是门槛之后，「会写软件」的溢价也被压缩了——开源和外包把能力层彻底商品化。价值迁移去了哪？迁移去了数据（Google 的广告数据闭环）、网络效应（Facebook 的社交图谱）、生态锁定（AWS 自己，讽刺的是，它就是靠别人算力成本归零后攒下的规模资产收租）。
第三次：信息匹配成本归零，零售重构。
搜索引擎和电商平台让「找到商品」的成本归零，信息不对称生意（中介、渠道、导购）大面积消失。活下来的是品牌和供应链——两种无法靠信息透明化复制的资产。
三次的模式一模一样：
某一层边际成本归零
│
▼
该层的「能力」商品化 ────► 能力价格趋零，从业者溢价消失
│
▼
互补资产需求暴涨 ────► 分发 / 数据 / 信任 / 品牌 涨价
│
▼
价值重心迁移 ────► 从「会做 X 的人」到「拥有 X 之外资产的人」
这一次：Code + Intelligence 双归零
现在轮到第四次，而且是两次归零叠加。
先看 Intelligence。公开的 API 价格记录：2023 年 3 月 GPT-4 发布时，输入价格是每百万 token 30 美元；三年后的今天，同等能力的模型价格已经低于每百万 token 0.1 美元——降幅约 300 倍。这不是某个厂商的促销，是整个行业的定价曲线。
再看 Code。Coding Agent 让「把想法变成能跑的软件」的成本同样在坍塌。我在《软件工厂 3.0：从卖人月到卖模具》里写过，写代码这门手艺的定价权正在转移——当每个团队都能让 AI 写出能跑的代码，「能写出能跑的代码」就不再是竞争力。
双归零叠加意味着什么？前三次，能力层商品化之后，人们至少还能退守「用能力去积累资产」这条路——记者转行做自媒体攒粉丝，程序员创业攒用户。这一次，连「积累资产的过程」本身都被 AI 加速了：一个人可以用 AI 同时生产内容、写代码、做运营。供给端爆炸，会让所有「可被 AI 生产的资产」快速贬值——AI 生成的内容海洋里，多一篇内容不值钱。
所以这次价值迁移有一个和前三次不同的特征：它会更快，而且会二次筛选。第一波筛掉纯能力（会写 prompt、会调 API、会搭 Agent）；第二波筛掉 AI 可以批量制造的伪资产（矩阵号、AI 水文站、套壳应用）。剩下真正涨价的，是郭炜那张环图上的八类资产——创新、品牌、信任、注意力、客户关系、独有数据、行业 know-how、分发网络。它们的共同点是 只能靠真实的人和真实的时间攒出来，钱和算力买不回来。
最强反方：AI 也能攒资产，凭什么资产安全？
我能想到最锋利的反驳：
你说的迁移我认，但「资产层安全」是幻觉。AI 可以自动写内容攒分发，可以自动运营攒用户，可以自动采集攒数据。当积累资产的过程也被自动化，资产的护城河不也塌了吗？
这个反驳对一半。AI 确实能自动化「资产的表象」——发一万条内容、注册一万个账号、爬一百万条数据。但它自动化不了资产的实质：
- 分发的实质是信任。订阅你的人不是订阅内容，是订阅「你的判断在我这个领域靠谱」。AI 可以模仿文风，不能替你承担说错话的代价——而敢承担代价，正是信任的来源。
- 数据的实质是独占的交易过程。公开语料 AI 全有；你的订单、你的客诉、你的生产参数，AI 没有入口。这也是我在《同一句「AI 壁垒在数据」，三个角度推出三个相反的行动》里反复拆的那件事：值钱的从来不是「数据」两个字，是你独占的那份过程数据。
- 客户关系的实质是替换成本。客户嵌进你的流程越深，换掉你越疼。AI 能复制功能，复制不了已经长进对方组织习惯里的那个位置。
至于「程序员还在拿高薪，能力并没有贬值」——仔细看会发现，高薪留下的人卖的已经不是「会写代码」，而是判断力、架构品位、对业务的理解。换句话说，幸存的「能力」其实是已经资产化的 know-how。纯技能层的价格一直在跌，只是跌得没有 token 价格那么显眼。
那该怎么办
公司层面就一句话：把能力层的投入砍到够用，把省下的资源全部押到资产层。自研一个会被下个版本模型替代的工具，是给全行业做慈善；把业务流程数据沉淀成闭环，才是给自己攒资产负债表。这也是我在《AI 机会在变少》里说的窗口逻辑的另一面——窗口对能力型玩家关闭得最快，对资产型玩家反而在变宽，因为竞争者被批量筛掉了。
个人层面不展开，就是上一篇《学 AI 要学让你赚钱的 AI》的全部结论：学 AI × 你的领域，用 AI 重构你已有优势的工作流，三个月内找到第一个付钱的人。
最后说回那张 slide。中心问句的关键词，其实是「低成本」三个字——环上八类资产，理论上哪一类都能被复制，差别只在复制的成本和时间窗：钱和算力买得回设备，买不回真实的人和真实的时间。这个问句逼着每个听过它的人问自己：
把你的能力全部免费送给竞争对手之后，你还剩下什么？
答得上来的人，边际成本归零是顺风；答不上来的人，它是海啸。第四次迁移已经开始，前三次用二十年，这一次可能只要五年。
你的资产清单上有什么？欢迎留言聊聊。