硅谷创业者Shann指出，三大能力无法被AI替代：Taste（品味）——知道什么是好、敢于拒绝默认设置；Distribution（传播分发）——建立信任而非追逐流量；High Agency（高主动性）——在无人指引时仍能破局前行。

你有没有发现，周围使用 AI 的人都在做同一件事？提示、接受、发布。不加判断，不带品味，就像生产线上的工人一样机械地重复着相同的动作。最近读到硅谷创业者 Shann 的一篇文章，他直言不讳地指出：现在 90% 使用 AI 的人都陷入了这个陷阱。他们以为掌握了 AI 工具就掌握了未来，却不知道真正的竞争才刚刚开始。更关键的是，Shann 认为我们只有大约 12 个月的时间来建立真正的护城河，否则这个窗口期一旦关闭，想要脱颖而出将变得难上加难。这让我深受触动，因为我自己也经历过类似的觉醒过程。

我记得大约一年前，当我第一次真正开始用 AI 构建产品和内容时，那种感觉简直让人上瘾。从”我有一个想法”到”它上线了”之间的时间几乎缩短到零。我在三个月内完成的项目比过去两年加起来还要多。但当我鼓起勇气回头审视自己发布的东西时，不得不承认一个残酷的事实：其中一半都是平庸之作。技术上没问题，功能上也完整，但完全没有记忆点。它们看起来像其他所有东西，因为构建方式和其他所有东西一模一样。同样的提示词，同样的默认设置，同样对”优秀”的肤浅理解。我陷入了 AI 时代最常见的陷阱：把产出量误认为质量，把快速发布当成生产力，把做得更多等同于做得更好。这个认知让我停下来重新思考：在 AI 让所有人都能快速生产的时代，真正的竞争优势到底是什么？

AI Slop 的泛滥与信任危机

“AI slop”（AI 垃圾内容）被评为 2025 年度词汇。这个词的提及量暴涨了 9 倍，从 46.1 万次飙升到 240 万次。但数字本身并不能完全捕捉到作为消费者的真实感受。你肯定见过这样的内容：LinkedIn 上那些看起来像是用中级市场营销提示词生成的帖子、落地页上千篇一律的渐变背景配上 Inter 字体和”革新你的工作流程”的标题、涵盖了话题所有角度却什么都没说的博客文章。这些内容在技术上没有任何问题，但它们缺少了最重要的东西：人的痕迹。

Shann 分享了一个特别有意思的研究发现。纽约大学和埃默里大学的一项研究表明，AI 生成的广告在点击率上实际比人工制作的广告高出 19%。从标准指标来看，AI 的输出客观上更好。但当消费者得知这些广告是 AI 制作的后，购买意愿下降了 33%。这个现象值得深思：输出质量更好，人们却选择拒绝。不是因为内容不好，而是因为感觉不到背后有人。没有人在这里做出决策，没有人在乎到愿意把自己的名字放上去。消费者能感受到这种缺失，即使他们说不清楚具体哪里不对。

我观察到这种现象正在各个领域蔓延。据统计，80-90% 的 AI agent 项目在生产环境中失败，每天有数千个看起来一模一样的网站上线，内容读起来像是机器人在总结另一个机器人的输出。”功能性”的门槛从未如此之低，这也意味着”卓越”的门槛从未如此重要。功能性现在是免费的，卓越仍然需要付出代价。而这个代价用品味、注意力和超越第一次输出的意愿来衡量。消费者对 AI 生成内容的信任度下降了大约 50%，这不是偶然，而是对这场内容洪水的自然反应。

三大护城河：AI 无法取代的能力

Paul Graham 说过一句话：”在 AI 时代，品味将变得更加重要。当任何人都能制作任何东西时，真正的区别在于你选择制作什么。”他说得对，但我认为仅有品味还不够。经过一年的实践和观察，我发现真正能在 AI 时代建立护城河的只有三样东西：taste（品味）、distribution（传播分发）和 high agency（高主动性）。

Taste 是知道什么是好的。这不是抽象概念，而是具体体现在每一个决策中的判断力。Distribution 是把好东西送到在乎它的人面前。在信息爆炸的时代，被看见本身就是一种稀缺能力。High agency 是当没有人告诉你该怎么做时，你仍然愿意主动去搞清楚。这是一种人格特质，决定了你在遇到障碍时是绕过去还是停下来。

为什么 AI 无法取代这三者？因为判断力只能来自经验，信任只能来自持续性，而内驱力不会在道路不清晰时放弃。大多数人对 AI 的理解有个根本性错误：AI 并不会拉平竞争环境，它只是让竞争环境倾斜得更厉害了。AI 就像一面镜子，反射出使用者真正理解了多少东西。把它交给没有上下文、没有品味、不理解自己在构建什么的人，你得到的就是大规模的通用输出。把它交给真正了解自己领域、能用训练有素的眼光评估输出的人，它就会成为他们用过的最强大工具。同样的输入方式,完全不同的结果。变量永远是人。

第一护城河：Taste（品味）

Shann 分享了他在构建过程中的觉醒时刻。当他回顾自己快速发布的作品时，发现一半都是平庸之作。于是他做了一件大多数人会跳过的事：停下来学习。他花了几百个小时研究什么才是真正的”好”。阅读其他构建者的思考方式，研究那些持续产出与众不同作品的创作者。不是为了不同而不同，而是因为有人足够在意，做出了真正的决策，而不是接受 AI 第一次给出的任何东西。他研究设计网站、排版、间距、视觉层次，分析那些真正能转化的网站，试图理解为什么它们有效而成千上万的类似网站却不行。他阅读关于叙事、叙事张力、什么让人继续滚动而不是跳出的内容。

这让我想到自己的经历。我在构建 AI 驱动的营销材料时，最初尝试了所有能找到的工具：Gamma、Chronicle、Beautiful.ai 等等。输出都是同一种”还行”的味道，技术上完整、视觉上干净，但完全令人遗忘。所以我停止寻找能替我完成工作的工具，开始自己动手。我花了几天时间仔细研究材料，不只是阅读，而是思考。这些数据讲述了什么故事？什么会让人在乎这些数字？从头到尾把这些内容串联起来的叙事线是什么？我研究演示设计的真正原则，信息设计师如何处理数据密度，最好的会议演讲如何构建张力和释放，视觉层次如何引导眼睛浏览页面而无需被告知看哪里。最后我分工明确：让 Claude Opus 4.6 写故事线和文案，让 Gemini 生成视觉效果，我来指导两者，提供具体的参考、约束和每个部分应该呈现的感觉示例。

AI 为什么总是默认通用化？Leon Lin 对此有一个绝妙的解释。他为 Claude Code 构建了一个”品味技能”，因为他意识到 LLM（大语言模型）工作原理的一个基本特点：它们是概率机器。没有严格规则时，它们在统计上会默认为训练数据中最常见的模式。这就是为什么每个 AI 生成的网站看起来都一样：Inter 字体、紫色渐变、网格中的圆角。不是 AI 做不到更好，而是最可能的输出就是它见过的所有东西的平均值。Leon 的解决方案是 400 个 token 的明确设计规则：具体的字体（Press Start 2P、VT323）而不是 Inter 和 Roboto，具体的颜色（霓虹粉、电蓝、酸绿）而不是默认的蓝紫色调，关于动作、空间构图、背景的规则，以及关键的”避免什么”列表，防止 AI 退回到默认设置。

这个”避免什么”的列表才是真正的洞察。品味不只是知道你想要什么，更是知道该拒绝什么。是对默认设置有自己的看法，并愿意推翻它们。大多数人接受任何输出，因为他们对”更好”应该是什么样子没有足够强烈的感知，所以不知道应该继续推进。这就是品味无法走捷径的原因：你无法从教程中获得它。你从曝光中获得它，从观察成千上万个例子中慢慢建立什么有效什么无效的内部模型。从研究排版直到你能分辨为什么一种字体配对感觉精致而另一种感觉通用，即使你无法完全说清楚为什么。从阅读足够多的优秀写作，直到你能感觉到一个句子何时承载着它的重量，何时只是在填充空间。

我深刻体会到，品味的培养需要时间和大量的刻意练习。Shann 提到了一个新的 80/20 法则：80% 交给 AI，20% 是你的品味。让 AI 做它擅长的事情——研究、初稿、样板代码、结构、格式化、速度。这是那 80%。不要抗拒它，不要放慢它，不要在机器能在几秒钟内完成的事情上手动操作。那是在浪费你最宝贵的资源：注意力和判断力。但最后那 20% 是你的。那是你决定保留什么、删除什么的地方。你重写开头，因为 AI 给了你一个安全的选择，而安全不会阻止滚动。你替换默认组件为真正合适的东西。你审视输出，应用你在特定领域学到的关于什么是好的所有知识。

大多数人把这个比例颠倒了。他们花 80% 的精力在提示和调整 AI 上，试图一次性获得完美输出，用略微不同的措辞运行同一个提示十五次，寻找能产生他们想要的确切东西的魔法词语组合。然后他们几乎不花时间在策展和判断层面。他们优化了方程式的错误一边。没有质量的生产力只是运动。互联网正在充斥着能干的平庸之作，一切都能用但没什么突出，因为每个人都在同一个地方停下了。

第二护城河：Distribution（传播分发）

你可以拥有世界上最好的产品、最好的内容、最好的设计。如果没人看到，那就没有意义。这是大多数构建者，尤其是技术型构建者，严重低估的护城河。AI 拉平了构建的门槛，但它没有触及信任的门槛。构建正在商品化，任何人都可以发布产品、创建内容、生成营销活动。制作东西的障碍正在趋近于零。但被信任的障碍呢？那和以往一样高，甚至可能更高，因为 AI 生成内容的洪水让人们变得更加怀疑而不是更少。当一切都可能是 AI 生成的时候，对作品背后人类的信任就成了溢价资产。

Shann 指出了一个关键区别：从”vibe coded（氛围编码）并发布”到”有人真正使用并为此付费”之间的差距，几乎完全是传播分发的问题。而传播分发的核心，就是大规模的信任。是的，你可以在一小时内生成 50 篇帖子。你可以自动化通讯、跨平台重新利用内容、提前一个月安排所有事情。有人每天在数百个账户上发布 1000 多条 AI 内容，而他们的参与度正在趋近于零。因为没有质量的数量只是大规模的噪音，受众能感觉到什么是批量发出的，什么是为他们制作的。

表现好的内容和表现不好的内容之间的差异，很少在于它包含的信息。而在于读者是否信任写它的人。信任来自一致性、可识别的声音、积累的证据表明这个人知道他们在说什么，因为他们已经展示自己的工作几个月或几年。你无法在提示词中制造这个。信任运行在完全不同的时钟上。AI 可以把创作从几天压缩到几分钟，信任仍然需要几个月或几年来建立。没有捷径，没有黑客技巧。你无法把信任 vibe code 出来。

我认为这里有一个大多数人会错过的重要区别：被动受众是商品，关注者是虚荣指标。主动社区才是护城河。那些在你的回复中互动、不被要求就分享你的工作、每天回来因为你已经成为他们思考某个话题的一部分的人。你无法用内容日历和调度工具制造这个。你通过真正有用、说具体的事情而不是模糊的事情、诚实对待你知道什么和不知道什么、出现足够长时间让人们开始关注来赚取它。AI 时代真正的传播分发优势在于：使用 AI 处理后勤工作——格式化、重新利用、调度、分析。把所有精力集中在让值得传播的东西本身变得更好上。

品味反哺传播分发。如果你做的东西真的好，人们会开始为你做传播分发。他们分享它是因为它让他们思考，而不是因为你要求他们。如果你做的东西是通用的，再多的发布频率也救不了它。你只是在更快地把更多平庸的作品放在更多人面前。

第三护城河：High Agency（高主动性）

这是大多数人低估的一个护城河，但可能是三者中最重要的。品味可以培养，传播分发可以建立，但高主动性是要么驱动其他一切、要么阻止其他一切的人格特质。高主动性是愿意在没有人递给你教程的情况下搞清楚事情。遇到障碍时找到绕过它的方法而不是停下来。组合没人告诉你要组合的工具，因为你足够好奇去尝试。当某事不起作用时，打开文档并在寻求帮助之前尝试四种不同的方法。

Replit 的 CEO 说过：”你不需要任何开发经验。你需要毅力。你需要快速学习。”Coinbase 的 CEO 说过类似的话：他们最好的员工在纸面上往往完全不合格，但他们都是高主动性的人，只是把事情做成，不需要被管理到每个结果。现在蓬勃发展的人不是最有资历或技术最熟练的，而是那些不用请示就行动的人。非开发者在一个周末就发布 Chrome 扩展、SaaS 产品和完整的移动应用，因为他们有好奇心去打开工具并开始折腾，而不是等待完美的课程或完美的时机。

AI 是乘数，不是平衡器。这可能是现在关于这些工具最被误解的事情。人们谈论 AI 民主化访问和拉平竞争环境。这在技术上是真的，在实践上是误导性的。乘数放大你带给它的任何东西。好奇心加 AI 等于 10 倍杠杆，你移动得更快、学得更快、构建得更快、更快地纠正航向。被动加 AI 等于零。零乘以十仍然是零。

在实践中，高主动性看起来像这样：不是问”我该怎么做这个？”而是问”如果我试试这个会怎样？”然后你真的去尝试。在发布问题之前，在搜索答案之前，你尝试一些东西。你失败了，你从失败中学习，你用新信息再试一次。这种愿意参与不确定性而不是退缩的意愿，就是构建真实东西的人和消费关于构建东西的内容的人之间的区别。

你可以在那些不只是用 Claude 写代码，还去 X、去 Reddit、进入社区和源代码，研究最好的构建者实际在做什么的人身上看到这一点。他们逆向工程为什么某些产品感觉比 AI 默认设置更好。他们学习底层框架而不是复制粘贴提示。他们要求 Claude 批评他们自己的工作，使用 AI 来挑战他们的假设而不只是确认它们。高主动性的人把耐心当作战略资产。其他人都在竞相发布第一个能用的东西，这为任何愿意深入的人创造了机会。当市场充斥着快速和肤浅时，慢速和深入就成了竞争优势。

关于 AI 现在最大的误解是它是捷径。它是速度乘数,速度乘数应用于糟糕的判断只会让你更快到达错误的地方。它不会拯救你免于构建错误的东西。它会让你以创纪录的时间构建错误的东西。在三个护城河中，高主动性可能是最难伪造的。AI 可以近似大部分执行层：代码、设计、文案、研究。它无法近似的是当一切都不清楚、没人告诉你下一步该做什么时搞清楚事情的动力。那必须来自你,老实说,它是使其他两个成为可能的基础。

窗口期正在关闭

现在，大多数使用 AI 的人对它很懒惰。我这样说不是为了刻薄,这只是可观察到的事实。默认行为是：提示、接受、发布。他们几乎不编辑，几乎不应用判断，几乎不在其中投入任何品味。结果反映了这一点：不断增长的能干、可遗忘、无法区分的输出海洋。

这不会永远持续下去。随着 AI 变得更好，随着工具变得更直观，随着更多人弄清楚工艺层，懒惰 AI 使用和有意 AI 使用之间的差距将缩小。现在，仅仅拥有这三个护城河就让你领先于 95% 使用相同工具的人。这个窗口会关闭，但今天，它还敞开着。

我观察到一个现象：你的受众正在淹没在 AI slop 中。每次滚动都是一堵通用输出的墙，看起来、听起来、感觉都一样。培养品味知道什么值得制作、通过随时间赢得信任建立真正的传播分发、以足够的主动性在其他人接受默认设置时继续搞清楚事情的人，会立即脱颖而出。不是因为他们更快或有更好的工具或发现了某个没人知道的秘密提示，而是因为他们在做几乎没人愿意做的事情：在意 AI 完成后发生什么。

Shann 给出的时间框架是 12 个月。我认为他是对的。12 个月后，拥有品味不会那么罕见，它会是预期的。传播分发会更难建立，因为每个人都会尝试。现在开始的人获得了复利的先发优势。这不是在制造人为稀缺性或人为紧迫感，这是技术采用曲线的现实。早期采用者建立基础设施、积累专业知识、赢得信任。后来者必须在一个更拥挤的空间竞争。

我的建议很简单：构建全部三个护城河。品味知道什么值得制作，传播分发让它被看见，主动性在一切都不清楚时继续前进。这就是你如何构建人们真正记住的东西。其他人会发布得更快，然后想知道为什么没人在乎。工具只是工具，真正重要的是你用它们做什么以及你在过程中投入了多少自己。