Product Hunter

AI时代的稀缺性反演框架

20分钟阅读

AI 时代的稀缺性反演框架

创建日期：2026-04-27 理论来源：yage.ai《Skill 是天生带自杀基因的产品》(2026-04-24) 用途：评估 AI 产品商业模式的第一性原理工具；客户咨询时定位”应该把收费点建在哪里”。

一句话框架

AI 让什么变得过剩，那个东西的反面就是新的稀缺，新稀缺就是新收费点。

为什么需要这个框架

旧时代的隐藏假设：access control 即价值捕获

在 AI 之前，价值的产生和价值的收费是绑在一起的：

时代价值创造价值捕获
软件包时代Photoshop 的功能Photoshop 安装包（控制下载）
SaaS 时代跑在我服务器上的功能每次调用经过我的机器
平台时代（Stripe）处理一笔支付2.9% + 30¢ 手续费在那一笔上

共同假设：创造价值的对象 = 可被独占控制的对象。控制了访问，就控制了价值。

AI 时代的崩塌：access control 已死

每一层”开放”都在拆掉这个假设的一根支柱：

  • Skill 开放：使用知识从隐性变显性，明文文件复制成本为零
  • 开源模型：模型权重不再独占
  • 开源 agent 框架：执行链路开放
  • API 标准化（MCP / Agent 协议）：调用层不再被锁定

结果：价值创造（让 AI 把事情做对）和价值捕获（设置收费点）被强行分开。

  • 价值发生在用户付给 Anthropic / OpenAI 的推理费里，瞬间产生瞬间消散
  • 任何一个时刻都没有”产品在执行”的实体存在
  • 没有任何位置可以设置收费点

正确的问题不再是”这个产品怎么收费”，而是”当 access control 失效，应该把收费点建在哪里？“

核心机制：反演

┌─────────────────────────────────────────────────┐
│  AI 让 X 变得过剩  →  X 的反面变成稀缺  →  反面值钱  │
└─────────────────────────────────────────────────┘

操作步骤：

  1. 问：这个产品所在的赛道，AI 让什么东西”无限多”了？
  2. 找出这个东西结构上的反面（不是同义反义，是 AI 不能生产的对偶）
  3. 把收费点建在反面上

四个反面（已观察到的稀缺类型）

反面 1：关系（Relationship）

对偶：AI 让 artifact（文章、代码、设计稿）过剩 → 人和人之间的持续信任稀缺

核心特征：

  • AI 可以模仿任何一篇你写过的文章
  • AI 没法替你跟读者建立八年的关系
  • AI 没法承担”你下一次判断错了之后掉粉”的代价
  • 信任是时间累积的、个人化的、有声誉成本的

代表案例：

  • Substack（订阅一个具体的人持续输出的判断）
  • Patreon
  • Naval、Lenny、Stratechery（AI 时代逆势增长）

收费点位置：把每一次产出都绑定到一个有持续身份的人上。可被复制的是文字，不可被复制的是这个人多年累积的信用。

叙事模板：

  • “你订阅的不是文章，是 [作者] 八年累积的判断力”
  • “AI 能模仿我的风格，模仿不了我的判断历史”

反面 2：此刻（The Present Moment）

对偶：AI 让历史信息过剩 → “现在正在发生”稀缺

核心特征：

  • AI 能检索任何过往数据、能总结任何历史
  • AI 没有时间机器，“此刻”它生成不了
  • 越是 AI 普及，“此刻”越值钱——因为所有可以被预先生成的东西都被生成了，唯独此刻不行

代表案例：

  • Bloomberg Terminal（一年三万美金，卖的不是数据本身——那些数据后来都免费了，卖的是”比所有人早两秒钟知道”）
  • Polymarket（让大家用真金白银押注未来事件，卖的是”集合所有人的信念在此刻的快照”）
  • 实时拍卖、新闻直播、股票订单簿

收费点位置：把产品锚定在”此刻发生”的事件上。历史化的瞬间一文不值，但”先于所有人 2 秒知道”是天价。

叙事模板：

  • “我们卖的不是 [数据 / 信息]，是 [N 秒钟的速度优势]”
  • “AI 能告诉你过去发生了什么，告诉不了你下一秒会发生什么”

反面 3：物理世界（Atoms, Not Bits）

对偶：AI 能复制比特 → 复制不了原子

核心特征：

  • 任何需要在物理世界发生的环节都是 AI 永远到不了的地方
  • AI 越强，物理环节反而越值钱——因为它们成了整条价值链上唯一无法被压缩的部分

代表案例：

  • 制造、物流、能源、面对面服务
  • 法律责任承担：AI 可以起草任何合同，签字承担法律责任的还得是人
  • 医疗终局：AI 可以诊断任何疾病，开药、做手术、签死亡证明的还得是医生
  • Stripe 与银行系统、合规体系、争议处理的深度绑定

收费点位置：找到价值链上必须落到物理世界的环节，把自己嵌进去。比特部分会被 AI 压扁，原子部分反而升值。

叙事模板：

  • “我们做的是 AI 永远到不了的最后一公里”
  • “AI 可以 [前 N 步]，但 [签字 / 落地 / 物理操作] 必须是人”

反面 4：判断和品味（Judgment & Taste）—— 最有意思的一个

对偶：AI 让生成过剩 → “值得被生成的是哪些 / 值得被关注的是哪些 / 值得被相信的是哪些”稀缺

核心特征：

  • 前 AI 时代：判断是边缘小生意（米其林指南、Pitchfork、安藤忠雄签名）
  • AI 时代：可能从边缘走到中心
  • 因为生成过剩到来后，筛选成本首次超过生成成本

代表案例：

  • 米其林指南、Pitchfork 评分、安藤忠雄设计签名
  • awesome-claude-skills（几万个 skill，“值得装载的 20 个是哪些”这个判断本身可以收费）
  • Snyk 2026 年 2 月 skill 审计：13.4% 的社区 skill 有 critical 安全问题 → “精选过、审计过、可信任的 skill 集合”从可有可无的服务变成企业刚需
  • 行业协会 / 认证体系 / 精品 curator

收费点位置：在过剩的池子里建立筛选权威。先定义标准的人就是裁判。

叙事模板：

  • “在 [生成过剩品类] 里，我们告诉你哪 [N 个] 值得 [使用 / 装载 / 信任]”
  • “一年 [生成 N 万个 X]，没人有时间一个个看，所以我们的判断本身就是产品”
  • “我们提出了理论，现在提供检测工具”（如 HMA “质检站”叙事）

与现有框架的关系

与 AI产品分析框架 维度 5（商业模式）

本框架是维度 5 的更底层版本：

维度 5 现有检验项本框架的递进追问
收入模式是否清晰？收入模式建立在”AI 输出可独占控制”假设上吗？
是否按算力/价值收费而非按人头？算力本身就是 access control 的延伸——能否反过来收”判断 / 关系 / 此刻 / 物理”的钱？

新增检验问题：

  • 这个产品的商业模式，是建立在”控制 AI 输出 / 数据 / 接口”上吗？
  • 如果开源平替出现，模式还成立吗？
  • 收费点落在四个反面（关系 / 此刻 / 物理 / 判断品味）的哪一个？
  • 如果一个都没占，要么找一个，要么承认这是”营销物料”而非独立产品。

与 AI产品分析框架 维度 6（竞争定位）

框架里 @yan5xu 的”Skill 天花板 = 卖 copy”是现象描述——本框架提供更底层的解释：

  • 不是 skill 这个具体形态的问题
  • 是整个”AI 输出 = 可控制访问对象”假设的崩塌
  • Skill 只是这个崩塌最早暴露的形态

与维度 9（Agent-native 壁垒）

维度 9 的”领域状态 + 基础设施成本 + 规模经济”三要素，本质上都是在回答一个问题：有什么东西是 AI 复制不了的？

  • 领域状态 = 用户业务上下文，每次交互都在生长（≈ 反面 1 关系的变体：与具体客户的关系）
  • 基础设施成本 = 真金白银的物理投入（≈ 反面 3 物理世界）
  • 规模经济 = 数学上的成本优势（这是工业时代的稀缺性，AI 时代依然存在）

本框架与维度 9 互补：维度 9 看护城河，本框架看收费点——壁垒和钱可以分开建。

应用方式

在客户咨询中

当客户说”我做了一个 AI 产品，怎么定价 / 怎么做 GTM”时，按以下顺序追问：

第一关：市场结构定位（Nick @ Codex 框架）

AI 产品市场已分三层，每层竞争维度不同：模型层（capability）/ 基础设施层（commodity）/ 软件层（features）

  1. 你在哪一层竞争？

    • 单层精专 → 通过
    • 跨层 bundling（同时占模型 + 基础设施 + 软件）→ 危险信号（Cursor 路径，正在套利中间层）

  2. 你的市场结构对齐度：

    • ✅ Model-agnostic（最好的模型每月在变，绑死一个就是绑死一个不停涨价的供应商）
    • ✅ Transparent pricing（pay what you use）
    • ✅ 软件层不靠”控制 AI 输出”建立信任，靠透明度 / 开源建立信任

❌ 跨层 bundling + 锁定模型 + 闭源 + 订阅制 = “VC charity disguised as skyrocketing ARR”

第二关：Access Control 检测（yage.ai 框架）

  1. 你创造的价值在哪里发生？

    • 如果发生在用户的 LLM 调用里 → access control 已失效，下一步
    • 如果发生在你自己的服务器/运行时上 → 还可以走 SaaS 模式（但要警惕被开源复刻）

  2. AI 让你这个赛道的什么变得过剩？

    • 文章过剩 → 反面是关系
    • 数据过剩 → 反面是此刻
    • 设计稿过剩 → 反面是品味
    • 代码过剩 → 反面可能是物理世界的责任 / 判断哪段值得 ship / 团队协作信任

  3. 你的收费点建在反面上了吗？

    • 没建 → 还在用旧时代的收费假设
    • 建了 → 反面是不是真的稀缺，能不能持续稀缺？

第三关：成本结构匹配检验（Chris Paik 框架）

  1. 你的收入与成本结构是否匹配？
收入成本判断
固定（订阅）固定（自营基础设施 / 数据采集）✅ 健康（Bloomberg Terminal）
可变（按使用 / 按规模）可变（推理 / 团队规模 / 工时）✅ 健康（Cline enterprise / Stripe）
固定（订阅）可变（推理）❌ 激励时间炸弹（Cursor）
可变（按使用）固定⚠️ 反向风险（用户少时亏死）

“Most subscription businesses are fixed-revenue, variable-cost — an incentives time bomb.” —Chris Paik

  1. 早期信号检测：
    • 用户是否在抱怨”产品越来越难用”？→ silent degradation 早期信号
    • 是否需要靠”突然涨价”或”砍配额”维持毛利？→ 炸弹已开始爆
    • 这不是产品经理变笨了，是结构在数学逼迫退化

To B 场景的反面具体科目（Cline 实例）

Nick @ Cline 给出的实操答案，把抽象的”四个反面”翻译成 to B 市场的可计费项目：

收费科目对应 yage.ai 反面实质
Team management关系 + 判断品味持续运营 + 哪些 workflow 设置是对的
Security / Audit物理世界合规签字、审计责任、谁背锅
Support / Coordination关系 + 物理责任出事兜底（“coordination risk outsourcing”）

核心洞察：企业不是不会自己搭——是不愿意自己背锅。Cline 卖的不是软件（软件开源免费），是被代为承担的 coordination risk。

“We never tried to monetize access to software, we accepted that software wants to be accessible. We charge enterprises for what they actually need: team management, security, support… they prefer to outsource coordination risk.” —Nick @ Codex

在产品分析中

评估”AI-native”声明的真假：

问题旧时代假产品真 AI-native
商业模式建立在什么假设上？“我能控制 AI 输出 / 用户访问""AI 输出无法独占，但 [反面] 可以”
竞品出现开源版本会怎样？商业模式立刻塌反面稀缺继续在，模式依然成立
长得像什么？老 SaaS 加 AI 功能高级订阅信 / 精品咨询 / 行业协会 / 物理服务

反例：什么不属于这四个反面

  • 算力 / Token：是 access control 的延伸，迟早被开源平替和价格战拆掉（参考 DeepSeek 把 token 价格打到地板）
  • 接口 / API 调用次数：调用层标准化趋势已经把这个壁垒拆得差不多了
  • 数据本身：数据可以被复制（被爬、被泄、被合规要求开放），但对数据的判断（反面 4）不可
  • AI 模型能力：模型权重已经在开源化

通用规则：任何可以被生成 / 可以被复制 / 可以被开源平替的东西，都不是反面。反面的特征是「AI 怎么努力都到不了」。

推论：未来真正能赚钱的 AI 公司可能看起来很”不科技”

Skill 是免费的，模型权重是免费的，agent 框架是免费的，所有可以被复制的东西都会变成免费。剩下能收钱的，全部是 AI 不能替你完成的那部分。

预测形态（不是 SaaS，但都很值钱）：

  • 高级订阅信（关系 + 判断）
  • 精品咨询（关系 + 判断 + 物理责任）
  • 精选品牌 / 行业协会（判断）
  • 会员俱乐部（关系）
  • 在物理世界承担最终责任的公司（物理）
  • “比所有人早 N 秒”的实时数据 / 预测市场（此刻）

框架来源与延伸阅读

三框架合并视图：完整的 AI 产品诊断 Checklist

┌──────────────────────────────────────────────────┐
│  ① 陈天桥（产品形态 native）                     │
│     拿掉 AI，业务还存在吗？                       │
│                                                   │
│  ② Nick @ Codex（市场结构 native）               │
│     你在哪一层竞争？是否 bundling 套利中间层？    │
│     收入与成本结构是否匹配？                      │
│                                                   │
│  ③ yage.ai（商业模式 native）                    │
│     收费点是否建在 AI 触不到的反面？              │
│     （关系 / 此刻 / 物理 / 判断品味）             │
└──────────────────────────────────────────────────┘

通过率诊断：

  • 三个全过 = 真 AI-native（投得起、做得久；如 Cline + 企业版）
  • 只过 ① = 高估值烧钱选手（Cursor 路径，等待被收购或卷死）
  • 只过 ③ = 看起来”不科技”但实打实赚钱（Substack / Bloomberg / Polymarket）
  • 只过 ② = 干净的开源工具，但没找到收钱方式
  • 三个都不过 = 拟物化陷阱里的更快马车

标签

framework narrative-strategy ai-business-model scarcity-inversion first-principles access-control

关系图谱

反向链接