大家好，我是很帥的狐貍

前幾天在一個自媒體群里，有人分享了套提示詞模板，說是用它已經(jīng)批量生成了幾百萬篇文章。

類似做法在內(nèi)容產(chǎn)業(yè)已經(jīng)司空見慣——

我學(xué)弟用Deep Research寫宏觀報告，每天在公眾號發(fā)布3到5篇數(shù)千字的專業(yè)內(nèi)容。

前不久有個朋友分享了一個播客，音頻是利用AI每天總結(jié)HackerNews網(wǎng)站的熱點新聞，并自動生成的。

再之前，MidJourney剛火起來時，就有一批人在小紅書、ins甚至在onlyfans上創(chuàng)建了AI賬號。

之前主要還是公號作者在焦慮（畢竟AI文筆比大多數(shù)作者好多了），但最近一段時間，從DeepSeek到Suno（音樂生成AI）、從NotebookLM（播客生成AI）到Veo 3（視頻制作），不管你是做播客的、做音樂的、還是做視頻的，估計多少都有點心慌…

別急，今天我打算從行業(yè)底層邏輯出發(fā)，看看AI后續(xù)會如何顛覆內(nèi)容產(chǎn)業(yè)，內(nèi)容創(chuàng)作者又該如何轉(zhuǎn)型。

這里說明一下，這里的內(nèi)容創(chuàng)作比較廣泛，包括但不限于記者創(chuàng)作的新聞、博主創(chuàng)作的文章/播客/視頻、機構(gòu)分析師撰寫的報告、甚至學(xué)者撰寫的研究報告/學(xué)術(shù)論文等等……

Part 1由“個性化推薦”到“個性化生成”

我們正在見證一次「內(nèi)容范式」的更替。

目前，生成式AI帶來的沖擊，更多還停留在供給端——大幅提高了產(chǎn)出內(nèi)容的效率。

而在需求端，目前還是僅僅停留在讓AI幫忙總結(jié)的階段。

針對需求端，過往內(nèi)容平臺一直在嘗試解決「信息過載」這個痛點。

而且解決方案層面已經(jīng)更迭了幾次——

但接下來，隨著算力越來越充足，除了純粹的內(nèi)容總結(jié)，需求端其實可能還會進(jìn)一步迭代——由「個性化推薦」到「個性化生成」。

小時候看TVB劇集時，看到不喜歡的演員，我總是想……

而現(xiàn)在的算力和技術(shù)，讓這一切成為了可能。

現(xiàn)在我們已經(jīng)可以讓AI幾分鐘內(nèi)把一張照片改為宮崎駿的風(fēng)格。

未來我們看公眾號時，能不能一鍵讓AI改寫？讓它用你喜歡的作者風(fēng)格重述。

等算力再充足點，是不是每個用戶都可以給視頻up主一鍵換頭？

像是前段時間，我刷到有針對MCN的產(chǎn)品，說可以把up主的頭給換掉，這樣就不怕up主像李子柒董宇輝那樣單飛了……

那么問題就來了——內(nèi)容創(chuàng)作者還有出路嗎？

也不用太悲觀……因為就目前來說——

Part 2
平臺沒有用AI替代創(chuàng)作者的動力

假設(shè)技術(shù)已經(jīng)很成熟了，這時候AI靠自己就可以從頭到尾做出用戶也很滿意的內(nèi)容了。

這時候，平臺也暫時不會用AI徹底替代創(chuàng)作者。

因為這樣一來，平臺就成了內(nèi)容的生產(chǎn)方。

雖然平臺可以拿到所有收益（無需跟內(nèi)容創(chuàng)作者分成），但平臺也需要承擔(dān)所有成本。

其中最大的成本，是試錯成本——

跟娛樂圈一樣，被市場淘汰后剩下來的爆款畢竟是少數(shù)，在那之外，還有大量的陪跑者。

過往這些陪跑者的試錯成本是由他們自己承擔(dān)的。

根據(jù)新榜的統(tǒng)計，2024年微信公眾號累計產(chǎn)出了超過4.44億篇文章，其中閱讀量達(dá)到10萬+的文章只有30.78萬篇。

平臺雖能通過數(shù)據(jù)預(yù)測爆款，但用戶偏好是動態(tài)的「復(fù)雜系統(tǒng)」。

就像蝴蝶效應(yīng)一樣，用戶偏好的細(xì)微變化，可能讓預(yù)測算法的成功率大幅下降。

一旦預(yù)測失敗，平臺的投入就全白費了。

這就會像沒有爆款的在線視頻網(wǎng)站或電影制作公司一樣，市場價值會迅速縮水。

截圖/愛某藝股價

當(dāng)然，前提是「試錯成本仍然很高」。

一旦算力成本低到一定程度，平臺確實還是會替換掉內(nèi)容創(chuàng)作者、自己上手來的。

雖然暫時還沒那么快會發(fā)生，但應(yīng)該比當(dāng)年電力普及的時間更快。

而在之間的過渡期，更可能的產(chǎn)品形態(tài)可能是，內(nèi)容創(chuàng)作者憑借自己獨特的內(nèi)容風(fēng)格積累粉絲和影響力，然后用這些內(nèi)容訓(xùn)練出專屬的「風(fēng)格包」（類似LoRA/輕量級風(fēng)格模型）。

然后通過授權(quán)風(fēng)格包給平臺和用戶賺錢（當(dāng)然這些風(fēng)格包的成本可能還是得創(chuàng)作者自己來承擔(dān)）。

那……在試錯成本也降下來之后呢？

Part 3
創(chuàng)作者還可以怎么自救

創(chuàng)作者可以調(diào)整自己的價值創(chuàng)造方式。

從價值創(chuàng)造的角度來看，內(nèi)容創(chuàng)作大致可以分為兩種策略：追隨策略和創(chuàng)新策略。

兩種策略主要在選題和信息采集階段不一樣，因此它們創(chuàng)造的信息差深度也不同——

追隨策略主要是追熱點或二創(chuàng)，更傾向于使用專家訪談、研究報告、數(shù)據(jù)庫檢索等二手資料。

創(chuàng)新策略則更注重原創(chuàng)性，通過自己的觀察、調(diào)研、閱讀等方式提出新的觀點和假設(shè)，而且更重視一手資料，比如親身體驗、實地調(diào)查、原創(chuàng)實驗等。

當(dāng)然，這兩種策略并不是非黑即白的對立關(guān)系，而是一個連續(xù)光譜的兩端。

比如何同學(xué)當(dāng)時火了的5G視頻，是追了5G的熱點，主要用的是「追隨策略」。

但之后他又用「創(chuàng)新策略」創(chuàng)作了不少有意思的作品，比如「600萬人合影」「自己打字的鍵盤」。

目前普及的AI工具，在追隨策略方面可以極大地協(xié)助人類，甚至在某些環(huán)節(jié)完全替代人類。

畢竟追隨策略主要依賴二手資訊，而搜索和總結(jié)這些二手資訊可以說是AI最擅長的。

現(xiàn)在各個AI產(chǎn)品的Deep Research/Deep Search功能都已經(jīng)做得相當(dāng)不錯。

比如之前我想了解美國「232關(guān)稅」對各國的具體影響時，ChatGPT的Deep Research就在7分鐘內(nèi)幫我做了87次搜索、找到了26個有效信源，并生成了有理有據(jù)的報告——

但是在創(chuàng)新策略方面，目前大多數(shù)時候AI還是比不上人類的。

畢竟AI沒有五感，也沒有腳可以到處跑，更沒有可以做實驗的手，所以暫時還不能在這個層面上取代人類。

所以在過渡期除了打造自己的風(fēng)格模型，創(chuàng)作者也可以考慮更依賴創(chuàng)新策略來產(chǎn)出內(nèi)容。

當(dāng)然好日子也可能沒那么久……

因為更準(zhǔn)確地，應(yīng)該說，能夠在創(chuàng)新方面超越人類的AI，目前還沒有大規(guī)模普及。

畢竟在某些前沿領(lǐng)域，AI也開始參與創(chuàng)新策略了——

像是前谷歌CEO Eric Schmidt投資的一家非營利組織FutureHouse，設(shè)計了一個智能體Robin。

團隊花了兩個半月，在Robin的幫助下找到了治療干性老年性黃斑變性（dAMD，造成不可逆失明的主因之一）的新型候選藥物。

所有數(shù)據(jù)、假設(shè)、原始實驗和后續(xù)實驗，都是由智能體Robin生成的，只有實驗室的工作和論文撰寫沒有被自動化。

而谷歌DeepMind聯(lián)合陶哲軒等頂尖科學(xué)家打造的「通用科學(xué)人工智能」AlphaEvolve，則是直接打破了矩陣乘法領(lǐng)域56年以來的效率基準(zhǔn)。

谷歌內(nèi)部還用它把Gemini架構(gòu)中的大型矩陣乘法運算加速了23%，從而把大模型的訓(xùn)練時間縮短了1%。

而且還用它改進(jìn)芯片設(shè)計、提高數(shù)據(jù)中心的效率。

這個行業(yè)的變化確實很快，但變化本身就是內(nèi)容產(chǎn)業(yè)的常態(tài)。

關(guān)鍵是要認(rèn)清自己的核心競爭力在哪里，然后在變化中找到屬于自己的位置。

有人擅長抓熱點，有人精于深度分析，有人風(fēng)格獨特，有人掌握一手資源。

這些差異化的價值，正是我們在AI時代依然不可替代的原因。

技術(shù)的進(jìn)步讓內(nèi)容創(chuàng)作的門檻降低了，但也讓真正有價值的內(nèi)容更加珍貴。

當(dāng)AI能批量生產(chǎn)內(nèi)容時，擁有獨特視角、深度思考或情感共鳴的創(chuàng)作者，反而更稀缺。

當(dāng)然，某天可能人類在挖掘信息差的深度方面（創(chuàng)新策略），也會徹底敗下陣來——可能是AGI出現(xiàn)的那天。

到那時，我們可能只要負(fù)責(zé)消費內(nèi)容就可以了。

P.S.更及時全面的資訊，可以看看我們的另一個公號——

「Greed is good.」

「很帥的投資客」的所有內(nèi)容皆僅以傳遞知識與金融教育為目的，不構(gòu)成任何投資建議。一切請以最新文章為準(zhǔn)。

• AdoptAI：《》

• TermsAI：《》

• TedX演講：《》

• AI用法大全：《》

• AI數(shù)據(jù)分析：《》

? 圖文/@狐貍君raphael，曾供職于麥肯錫金融機構(gòu)組，也在 Google 和 VC 打過雜。華爾街見聞、36氪、新浪財經(jīng)、南方周末、Linkedin等媒體專欄作者，著有暢銷書《風(fēng)口上的豬》《無現(xiàn)金時代》。

參考資料/

《微信公眾號不服老，想要用社交賦能內(nèi)容傳播-36氪》《AlphaEvolve: A Gemini-powered coding agent for designing advanced algorithms - Google DeepMind》《打破56年數(shù)學(xué)鐵律！谷歌AlphaEvolve自我進(jìn)化實現(xiàn)算法效率狂飆，堪比AlphaGo“神之一手”》《全球第一AI科學(xué)家天團，首戰(zhàn)封神！2.5個月找到治盲新藥，醫(yī)學(xué)圈震撼》《全球首個AI科學(xué)家天團出道！007做實驗?zāi)雺喝祟惒┦?，生化環(huán)材圈巨震》《從零開始了解推薦系統(tǒng) - 抖音安全與信任中心》《今日頭條正式對外公開推薦算法原理--IT--人民網(wǎng)》《Trends – Artificial Intelligence | BOND》

覺得對你有用的話，幫我點個在看吧