你去年上线的项目，今年已经是遗产了
你去年上线的项目，今年已经是遗产了
最近翻看自己去年上线的几个项目，一种荒诞感扑面而来。
那些当时觉得解决了真问题的产品，那些花了几周甚至几个月打磨的功能，现在看起来像出土文物。有的被大模型原生能力直接覆盖了——你精心设计的文档分析功能，现在用户把 PDF 直接扔给 Claude 就行了。有的被平台一个更新淘汰了——你做的 API 中间层，OpenAI 自己出了官方方案。有的更残酷：你当初引以为豪的架构设计，现在让 AI 从零写一个，半天就搞定，而且更干净。
这种感觉很难用"技术迭代"来概括。技术一直在迭代，但过去一个产品的生命周期是三到五年，现在缩短到了几个月。你上线的那一刻，保质期就开始倒计时了，而且倒计时的速度还在加快。
这更像是一场大逃杀的游戏
如果说过去做软件像是在修一栋房子，那么现在更像是在玩一场大逃杀。
区别在于：房子修好了，理论上还能住很多年；但大逃杀的规则是，安全区会持续缩小。你刚找到一个看起来成立的产品方向，模型能力升级了，安全区缩一圈。你刚把一个功能打磨到可用，平台官方下场了，安全区再缩一圈。你刚建立一点技术壁垒，AI 把实现门槛打平了，安全区又缩一圈。
最残酷的地方在于，这场游戏里很多项目并不是因为方向错了才死掉，更多是因为做慢了，或者做在了错误的层上。很多时候，根本没有更强的对手来正面击败你，环境变化就已经先把你清场了。昨天还算护城河的东西，今天就变成了负担；昨天还能拿来收费的能力，今天已经成了模型的基础设施。
所以今天做 AI 产品，很多时候拼的是谁更接近那些不会被快速卷平的价值。谁离真实需求更近，谁离行业约束更近，谁离用户信任更近，谁就能在一轮轮缩圈里活得更久一点。
奇点不是将来时，是现在进行时
Elon Musk 说我们正处在奇点时刻。这句话在技术圈引发了一轮讨论，支持者和反对者各执一词。但抛开"奇点"这个宏大概念的定义之争，有一件事是切身可感的：
技术变化的速度已经超过了人类适应的速度。
过去，你学会一个技术栈，可以吃三五年。React 2015年火起来，到2020年你掌握它仍然是一种竞争力。一个 SaaS 产品从上线到被市场淘汰，通常有一个足够长的窗口期让你赚回开发成本。
现在这个窗口期在急剧缩短。2024年初做的 AI 应用，到2024年底可能就过时了。2025年精心设计的工作流，2026年被模型的一次能力升级直接废掉。你开发产品的速度，赶不上产品过期的速度。
这就是奇点的体感：你站在传送带上，传送带的速度不断加快，而你的脚步越来越跟不上。
软件为什么在加速过期
如果你仔细观察过去两年被淘汰的项目，会发现它们有一个共同特征：它们的核心价值建立在"执行层"上。
所谓执行层，就是"把 A 变成 B"的过程——把语音转成文字，把长文缩成摘要，把数据画成图表，把自然语言翻译成 SQL。这些功能过去需要专门的工程开发，所以有商业价值。但大模型的每一次能力升级，都在吞噬这些执行层的功能。
这个吞噬的逻辑很简单：
大模型的能力边界在持续外扩，而你的应用如果恰好处在模型能力的边界上，就会在下一次模型升级时被边界碾过去。
2023年，你需要一个专门的工具来帮你分析 PDF 内容，因为当时的模型处理长文档的能力有限。2024年，主流模型都支持了百万级上下文窗口，那个工具的核心卖点消失了。
2024年，你需要一个 Agent 编排框架来协调多个 AI 调用，因为当时的模型不擅长自主规划和多步执行。2025年，模型自己就能做多步推理和工具调用，那个编排框架从"必需品"变成了"多一层的复杂度"。
每一轮这样的升级，都有一批应用被边界碾过去。而且模型升级的频率在加快——从每年一次到每季度一次到几乎每个月都有新能力释放。应用的保质期随之缩短。
还有另一重打击。即便你的应用没有被模型直接替代，AI 也在摧毁你的开发壁垒。过去你花三个月搭建的系统，现在一个懂得指挥 AI 的人一周就能复现出来。你的竞争对手不再是同等规模的开发团队，而是一个拿着 AI 的个人开发者。你花在"执行"上的时间投入，在 AI 面前几乎没有壁垒可言。
一个令人不安的推论
如果你把上面的趋势线往前延伸，会得出一个令人不安的推论：
绝大多数以"功能"为卖点的应用软件，长期来看都会归零。
这听起来极端，但逻辑链条是清晰的：
- 大模型的通用能力在持续增强
- 越来越多的专用功能被通用能力覆盖
- 需要专用工具来解决的问题域在持续缩小
- 开发这些专用工具的壁垒也在同步降低
最终，当模型足够强大时，用户不需要一百个专用 App——他们只需要一个足够聪明的 AI 助手，加上与外部世界的连接能力（API、工具调用、联网）。中间的那一层"应用"，很大一部分会被挤压掉。
当然，这个过程不会一夜之间发生。有些领域的专用工具仍然有很长的生命周期——涉及监管合规、行业特殊流程、硬件集成的产品不会那么快被替代。但总体方向是明确的：纯软件层面的执行价值在快速贬值。
那什么在升值？
如果执行层在贬值，什么在升值？
我越来越确信答案是：人本身。
具体来说，是三样东西：
一、个人 IP
个人 IP 是一个人长期积累的信誉、认知和影响力的总和。它超出了粉丝数和阅读量这些表层指标，真正关键的是：当你说一句话时，有多少人愿意相信你、跟随你、为你的判断买单。
为什么 AI 时代个人 IP 在升值？
因为 AI 让内容的生产成本趋近于零。任何人都可以用 AI 在一小时内生成十篇看起来不错的文章、二十条像模像样的分析、五十条风格各异的社交媒体内容。当内容的供给端爆炸时，内容本身就不值钱了。
值钱的是什么？内容背后那个人的可信度。
同样一句"我认为这个技术方向值得投入"，一个没有背景的匿名账号说出来，和一个在这个领域深耕十年、有公开作品和成功案例的人说出来，分量完全不同。AI 可以生成那句话的一万个变体，但它生成不了说话者背后的十年积累。
个人 IP 的本质是信任的积累，而信任恰恰是 AI 无法制造的东西。 AI 可以模仿你的文风，但它模仿不了你用十年时间建立起来的声誉。声誉需要时间、需要一致性、需要公开接受检验，这些都是无法加速也无法伪造的。
二、活人感
"活人感"这个词精准地抓住了一种正在变得稀缺的品质。
什么是活人感？就是你和一个内容或一个人互动时，能清晰地感知到——对面是一个有温度、有态度、有经历、有局限的真实人类。
这种感知包括：
有观点且愿意承担后果。 AI 可以给你面面俱到的分析，但它不会拍桌子说"这件事我认为就该这么做"。一个敢于下判断、愿意为判断承担后果的人，天然比一个永远在列举正反面的回答更有分量。
有情绪且不刻意隐藏。 一个人在分享一次失败时流露出的真实沮丧，比一篇完美结构的"失败复盘"更打动人。AI 的输出永远是情绪恒温的，而人的表达有温度波动——这种波动本身就是真实性的证据。
有局限且坦然面对。 AI 可以无所不知（至少看起来），但一个人诚实地说"这个领域我不懂"，反而让他在自己擅长的领域更可信。全知全能是 AI 的属性，有所不知、有所擅长是人的属性。
有历史且前后连贯。 你能追溯一个人三年前的观点、看到他的成长轨迹、发现他某些看法的转变。这种时间维度上的连贯性，是 AI 生成内容天然不具备的。每一次 AI 对话都是无状态的，但一个人的表达是有状态的——他的今天承载着所有的昨天。
AI 内容越多，人们对"活人感"的渴望就越强烈。就像工业化大规模生产出现后，手工制品反而获得了溢价一样——当机器生产变成默认选项，人类痕迹就变成了奢侈品。
三、真实的关系网络
AI 可以帮你写一封完美的邮件，但它代替不了你和对方五年的合作关系中积累的默契。AI 可以帮你分析一个人的公开信息，但它替代不了你在咖啡桌上和这个人面对面聊了两小时后形成的直觉判断。
人与人之间的信任关系——知道谁靠谱、谁在某个领域有真本事、谁说话算数——这些信息存在于个人的社交网络中，没有数据库记录它们，没有 API 可以调取它们。它们是每个人独有的、不可转让的资产。
而且，AI 越普及，真实关系网络的价值越高。原因是：当每个人都能用 AI 包装出光鲜的简历、流畅的方案、专业的话术时，表面信息的可信度在下降。你不再能通过一份文档判断对面这个人是不是真有实力——因为文档可能是 AI 代写的。
这时候，信任就回归到了最原始的形态：我认识这个人，我跟他合作过，我知道他什么水平。 熟人推荐、口碑传播、实际合作中的直接观察——这些"低效"但"高可信度"的信任建立方式，在 AI 时代反而在升值。
一条分界线
现在可以画一条清晰的分界线了：
| 在贬值的 | 在升值的 |
|---|---|
| 你开发的应用 | 你积累的信誉 |
| 你写的代码 | 你形成的判断力 |
| 你搭的工具 | 你建立的信任关系 |
| 你的技术执行力 | 你的行业洞察力 |
| 你产出的内容 | 你这个人本身 |
左边那一列的共同特征：它们是可复制的、可替代的、会被技术进步碾过去的。
右边那一列的共同特征：它们附着在你这个人身上，无法被复制，无法被转让，而且随着时间的推移越来越深厚。
这对我们意味着什么
对我自己来说，这条轨迹其实从 2023 年就已经开始了。那之后我一直在折腾，做过开发工具，做过软件 SaaS，也做过一些从大模型能力里拆出来的小功能。折腾得越久，我的决策和行动轨迹反而越清晰：这类东西越开发，信心越少。到了今年，我基本上已经彻底转向内容创作。
1. 重新评估你的时间投入
如果你正在花大量时间开发一个以"功能"为核心卖点的软件产品，认真问自己一个问题：这个功能在模型下一次升级之后还有存在的必要吗？
如果答案是不确定的，那么你投入的时间可能正在贬值。你把三个月的时间换成了一个保质期三个月的产品——净收益趋近于零。
更值得投入时间的方向是：通过做这个项目的过程，你能不能积累出可长期留存的东西？行业认知、专业影响力、用户信任、一个了解你能力的合作者网络——这些才是不会过期的产出。
2. 把自己当成产品来经营
这句话被说了太多次，以至于快失去意义了。但在 AI 时代它获得了新的严肃性。
过去，"把自己当产品"是一个可选项——你可以选择做一个默默写代码的工程师，靠技术能力吃饭。但当 AI 可以替代大部分技术执行工作时，纯技术能力的市场价值在下降。你需要在技术能力之上叠加一层——你的独特视角、你的行业判断、你的表达能力、你在公开场域中建立的信誉。
具体来说：
- 持续输出你的思考过程，而非结论。 AI 可以给出结论，但它展示不了一个人从困惑到理解的真实路径。这个路径本身就是"活人感"最强的载体。
- 建立可追溯的作品序列。 关键不在于一篇爆款文章，而在于一系列前后连贯、能看出成长轨迹的公开表达。这种时间维度上的连贯性是 AI 内容最难伪造的特征。
- 在特定领域建立被认可的判断力。 让别人在遇到某类问题时第一反应是"去问问那个人"。这种认知定位一旦建立，就是极深的护城河。
3. 选对建设的层次
这并不意味着不能写代码、不能做产品，重点在于要清醒地选择在哪个层次上投入。
如果你做产品，选那些靠近领域知识而非靠近技术执行的方向。AI 能替代的是通用执行，替代不了的是对特定行业、特定用户群体的深度理解。一个精通某个医疗细分领域监管流程的人做出来的产品，比一个用 AI 快速搭建的通用工具有长得多的保质期。
如果你写内容，选那些靠近个人经验而非靠近信息整合的方向。AI 做信息整合比你好，但它没有你的亲身经历、你踩过的坑、你那些付出过真金白银才获得的教训。经验是需要时间和代价才能获得的，而时间和代价恰恰是 AI 不具备的。
如果你做技术，选那些靠近系统设计而非靠近功能实现的方向。功能实现 AI 越来越能做，但"这个系统应该由哪些部分组成、它们之间应该如何协作、哪些该自动化哪些该保留人工"——这类设计层的判断，需要经验、需要权衡、需要对业务的深度理解。
不是悲观，是校准
写这些不是为了制造焦虑。恰恰相反，我觉得看清这个趋势之后，反而会更从容。
焦虑来自哪里？来自你把时间和精力投入到了正在贬值的事情上，却隐约感觉到了贬值的迹象，但又不愿意承认。
从容来自哪里？来自你清楚地知道什么在升值，然后把时间投入到那个方向上。你不需要和 AI 比谁代码写得快、谁内容产得多、谁工具搭得好。你需要做的是：成为一个有辨识度的、被信任的、有真实经历和独立判断的人。
AI 让软件过期的速度加快了十倍，但它让一个有积累的人的价值也放大了十倍。因为 AI 是放大器——它放大你的执行力，也放大你的判断力。前者谁都能获得，后者只有你自己能提供。
软件会过期。你这个人不会。
前提是你一直在成长。
If you read this far — thank you.
Come tell me what you thought on X.