Vol.93 AI面前，互联网其实也是传统行业
AI 产品 创业 投资 战略
移动互联网曾经是新经济的代名词。庄明浩在这期对谈里却把它放到传统行业一边理解：短视频、游戏、内容平台、电商和广告投放已经有成熟的规则、复杂的基础设施和难以言传的操作经验。AI 到来后，很多人期待它把这些行业重新洗牌；节目关心的，是能力提升如何穿过这些已经很厚的结构。
这个视角也解释了为什么市场情绪如此矛盾。一边是模型、视频生成和智能硬件不断出现的新进展，另一边是做线上生意的人感到竞争越来越密、利润越来越薄。AI 能迅速给出可用的基础能力；成熟业务却常在处理一个环节从 80 分、90 分走向稳定交付时留下的细小问题。
投流、算法和运营把许多位置的 ROI 持续推向可计算、可比较的状态。
个性化内容与服务的成本下降，让过去做不起的需求有机会被测试。
数据、行业经验、柔性供应链和责任边界不会因为模型变强而自动补齐。
被平台迅速定价的新机会
节目用小游戏、短剧和漫剧描述了一种反复出现的周期：一种新内容形态或新的变现组合刚出现时，流量、用户和制作方都还没来得及充分反应，先进入的人能够看到异常高的回报。随后，团队蜂拥而至，投放增加，平台算法也逐步把原先未被识别的效率重新纳入计算。
庄明浩用六个月、约百亿元规模概括这类细分赛道的扩张速度，又用约 8% 说明制作方可能最终留下的利润比例。这是他对若干内容赛道的经验性描述，并不是可以套用到每项业务的财务模型。重点在于，高速扩张本身并不等于参与者能长期赚钱：平台抽成、买量和同质化竞争会一起侵蚀空间。
漫剧的出现也被放进这个周期里理解。图像和视频模型跨过一个可用门槛后，短剧竞争中的团队开始寻找新位置，形成了一套能短期复制的制作方法；复制越多，原有的异常收益越快消失。
产品与服务之间的新接口
两位嘉宾把商业模式拆成产品属性和服务属性。标准产品适合批量生产，规模扩大后单位成本下降；服务往往要面对具体的人、地点和情况，难以像商品那样复制。过去，企业通常只能在两边选一边：做标准化，就牺牲一部分个性化；做深度服务，就承担高人力成本。
AI 让这种取舍在一部分场景里松动。节目谈到漫改时，主持人提到传统动画严重依赖手艺人的制作方式，AI 工作流则可以显著降低个性化内容的成本。类似的想象还包括定制音乐、定制视频和带有陪伴感的健康管理服务：模型可以处理大量重复记录、提醒和生成工作，让小团队尝试过去需要较多人手才能提供的服务。
较高容错的内容
定制 T 恤图案、插画或音乐存在多种可接受结果。用户未必要求一个唯一正确的答案，AI 因而更容易先参与交付。
高精度的科学场景
医疗涉及诊断、用药、病历、设备和伦理。模型输出带有概率性，错误代价也高，不能只凭生成能力进入核心决策。
如果定制内容需要变成实体商品，生成只是链条的前段。节目点到转印、UV 打印、数码喷涂等工艺：小批量、个性化的订单要靠柔性制造承接。许多实体行业在讨论按需生产，但供应链是否能以合适成本完成交付，决定了它能否从演示变成生意。
内容更容易生产，选择反而更稀缺
庄明浩把抖音每天约一亿条视频上传当作当下供给规模的参照。推荐算法已经承担了从巨大内容池里筛选的工作，但用户仍会在持续刷取后感到疲劳。AI 若继续降低视频生产门槛，内容数量可能增加到推荐系统更难处理的程度。
他对后续分发的判断保留了推测性质。平台算法不会因此消失，但个人品牌、小群体之间的信任和编辑判断可能更有价值。读者或观众无需看完全部内容，往往会根据长期形成的认识，决定相信谁的品味、经验和筛选。这是对供给膨胀的一种可能回应，节目并未说它已经成为下一代产品形态。
当答案未知，反馈比完整计划更早到来
模型的能力边界、用户愿意为什么付费、哪个方向会被平台放大，都在变化。节目由此谈到 building public：团队不必等到一个完善产品才与市场见面，而是尽早把可试的版本放出去，让用户使用、讨论和反馈。市场上的关注还可能带来人才、资金和更多试验机会。
这条路径并不浪漫。基础能力的水位持续上涨，三个月前看起来合理的立项，可能因为新模型、新产品或需求变化迅速失效；先发团队获得关注，也可能只是短暂站到水面之上。节目所说的反馈式推进，更像在信息不足时缩短验证周期，而不是放弃判断，更不是保证项目一定会跑出来。
把问题、使用频率和真实阻力暴露出来。
依据反馈调整功能、方向和资源配置。
市场变化会让一部分投入成为沉没成本。
传统企业需要有人填补实施缺口
节目里有一个具体场景：一批来自传统行业的 MBA 学员要拜访大模型公司，对接人员需要思考该展示什么。模型能力和企业案例能激起兴趣，可企业通常不能把模型直接拿回去使用。它们的数据是否可用、业务是否在线化、系统能否对接、流程由谁改造，都是另一套问题。
这和早期数字化过程相似。主持人回忆，过去企业审批要靠纸表在楼层间流转，后来的 SaaS 实施常常需要项目经理到现场梳理工作。AI 不会抹掉这部分工作，反而可能让它重新变得重要：谁能理解具体业务，把零散功能、数据、例外和协作方式组织进一个可运行的流程，谁才有机会把模型的基础能力变成企业愿意持续使用的服务。
这也是节目谈 To B 时反复回到的质量层次。通用模型处理常规任务并不等于完成工作；当服务要进入健康、客户运营或企业管理等场景，准确性、流程衔接和责任划分会一起出现。越接近真实决策，越不能只用模型的一次回答来衡量价值。
巨头的杠杆与小团队的位置
AI 并非只让个人和小团队变强。庄明浩以字节跳动的视频模型、腾讯在 AI 与游戏结合上的投入为例，强调大公司拥有数据、主场景、资金和长期战略时，能持续承担高成本试验。对于试图直接争夺同一核心战场的创业公司，这种优势会把距离拉得很大。
但市场不会只剩一个入口。节目借运动品牌举例：耐克、阿迪达斯等大品牌长期占据主流位置，市场仍会出现被特定用户、产品体验和当下传播环境托起的新品牌。小团队的空间不在于假装拥有巨头的全部资源，而在于识别一个具体需求、服务一群具体用户，或者用不同的交付方式进入尚未被充分满足的位置。
因此，这期对谈没有把 AI 写成单一答案。成熟平台会更快地给新机会定价；AI 会让个性化交付和小规模试验更可行；行业知识、制造能力、数据和组织流程仍决定能否走到稳定交付。市场速度变快了，商业里那些需要被真正完成的细节并没有变少。