朱啸虎讲过一个他亲手投过的反例。
一家公司，专门派机器人在海底洗船。商业化做得非常好——客户真金白银付费，订单扎实，水下泛化还容易：洗船、洗海上光伏柱子、港口清淤、帮海关查走私（走私分子把货藏在船底，以前要潜水员下去抽查，机器下去就容易多了）。
但朱啸虎说，这家公司有个致命问题：它没法展示。它在海底洗船，根本没办法展示给别人看，能看到的场景很有限。
而同一时期，人形机器人赛道有近 200 家公司挤在一起，彼此差异极小，真实商业化订单稀薄（大部分是政府订单或科研订单），宇树的估值却冲到 4000 亿。朱啸虎的原话很直接：「因为故事好讲。上春晚这种活动，人形机器人的可展示性非常高。很多投资人更喜欢看到这种高度可展示性的东西。」
一家在海底默默赚钱、估值便宜；一群在台上翻跟头、估值冲天。区别不在谁更能创造价值，而在 谁能被看见。
这就是我今天想讲的东西：可展示性偏差——资本、注意力、资源，正在系统性地流向「能演示给人看」的项目，而不是「能产生结果」的项目。
在《当智能变得免费，什么东西在涨价》里，我拆了那张「AI 无法低成本复制什么」的环图。顺着这个题目继续想，想到一个更落地的对比：
企业花钱买 AI，是为结果买单；个人花钱买 AI，是提效给自己赚钱。
两句话听起来是同一件事的两面。但放到账本上看，是两种完全不同的账——而且大多数人把自己的账记错了。
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。
前几天我把手上的三份材料丢给 AI，让它整理成一篇观点汇编：一段产业对话（提问者沈X，回答者是我自己）、一场企业 AI 落地的闭门沙龙、朱啸虎在北大的演讲（Ethan 整理）。
三份材料来自三个完全不同的场合，AI 干得很利索——分门别类、提炼要点、做成对照表，最后在末尾给了我一行加粗的字：
收敛成一句话：模型能力会迅速扩散、趋同、变便宜，所以技术领先只是阶段性优势。真正的长期壁垒，都从「功能/模型」转向独占的数据、跑通的流程、沉淀的资产和用户入口。
我盯着这句看了很久，然后把它删了。
不是因为它错。它对得无可指摘。是因为 它把三份材料里唯一值钱的东西给抹掉了——那三个人说同一句话的时候，各自在指三份不同的数据，各自要把资产放进三个不同的口袋。
[Read More]上周在高铁上，邻座一路都在聊 AI。听内容是一群做自媒体的人，各自交流学 AI 的心得，声音不大，但关键词密集：工具、课程、变现。
我没听全，但有一句记住了：
学 AI 要学让你赚钱的 AI，不然不要学。判断标准就一条：学完之后，有没有人愿意为它付钱。
我的第一反应是想笑——这话听着太像焦虑贩卖课的开场白了，卖课的人最喜欢把「赚钱」两个字挂在嘴边。但后来越想越觉得，这可能是普通人在 AI 学习上能拿到的最好过滤器。不是因为「赚钱」正确，而是因为 「有没有人付钱」是唯一无法伪造的标准。
点赞可以刷，收藏可以自嗨，「感觉学到了」更是大脑最擅长制造的幻觉。只有付钱，要求另一个真实的人掏出真金白银换你的产出——这个信号伪造不了，你也骗不了自己。
这两年我发给 AI Agent 的指令，措辞在悄悄变化。
以前是「做这个」：改一段代码、排一版格式、跑一个任务。动词是我的，判断也是我的——做什么、不做什么、做到什么程度算完，都是我想好了才发给它。
最近我注意到，越来越多的指令变成了「你觉得呢」。选方案 A 还是 B，这篇文章该不该发，这个候选人要不要约——问题的主语没变，但决定权在换手。
这不是我一个人的变化。AI 越强，这类指令就越自然：它确实比我想得快、比我看得全，多数时候比我想得对。顺着这个坡度滑下去，终点是一个没人愿意直面的问题：如果人把决策全部交出去，判断力会怎么样？社会又会怎么样？
我的答案是：末世版和乌托邦版都错。真正会发生的是分叉——而判断力，会变成新的健身。
1965 年 2 月 7 日凌晨，越共袭击了美军波来古基地，八名美国人丧生。几个小时内，国家安全顾问邦迪把一份备忘录推到约翰逊总统面前：持续报复。3 月 8 日，三千五百名海军陆战队员在岘港登陆。美国全面卷入越南战争，就是这么开始的。
值得注意的不是这个决定，是他们的推理方式。那间屋子里的人，被当时的媒体称为「最聪明的一代」。他们没有忽略历史——恰恰相反，他们是被历史喂得最透的一代人。会议上，洛奇大使明确援引 1938 年的慕尼黑协定，把胡志明的推进类比成希特勒的推进；后来学者在《Analogies at War》（普林斯顿大学出版社，1992）里复盘，在场的高级决策者们，包括邦迪，都确信这个类比是恰当的。肯尼迪本人大学时写过批评英国绥靖政策的荣誉论文，后来出版成书，书名就叫《英国为何沉睡》。「慕尼黑的教训」不是他们的盲区，是他们最深的信念。
十年之后：五万八千多名美军士兵、数百万越南人的生命、美国历史上最糟糕的一场对外战争。
最认真的历史类比，产出了最坏的决策之一。这不是要论证「历史没用」——恰恰相反，这篇要说的是，历史对大模型的价值极大，在训练和推理两端都是。但波来古之后那间椭圆办公室里的场景，指向我真正想讲的判断：历史是极好的律师，极差的法官。 而且它背后还有一个更反直觉的悖论：决策越大，历史的证据效力越弱。
昨天我做了一件拖了半年的事：把自己博客的搜索系统整个换掉了。
我没自己动手。我给一个 AI Bot 发了一句话：「搜索基于一个没人维护的组件，越来越慢，给我一个更好的方案。」三个多小时后它交回来一个 676 行的 PR，我花不到二十分钟验收，点了合并。
值得琢磨的是前面那半年。这件事我一直想做，但每次要动手就先算一笔账：看懂旧代码一天，设计新方案一天，改完测试再上线一天——三天工时，还可能把线上搜索搞坏。算完就觉得，下个月再说吧。
同一件事，换一种算法，「敢」就突然出现了。不是我变勇敢了。
上周跟一个做消费品的朋友聊天，他说：「我们去年花了大几十万买了一套 AI 选品系统，模型跑出来的 TOP 10 推荐，没有一个最后卖爆的。反而是我们产品经理在逛小红书时随手截图说『这个感觉会火』的一款，成了年度销冠。我跟老板汇报的时候都不知道怎么解释——AI 花了五十万选不出来，人刷了五分钟手机选出来了。」
我听完笑了——不是因为 AI 不行，而是因为这种故事太常见了。选股、选人、选品、做爆款内容，四件事看起来领域完全不同，但如果你仔细看它们失败的方式，几乎一模一样。
这不是 AI 暂时不行，是 问题结构决定了 AI 天然受限。
